3.

PROBABILIDAD
CONTENIDO

3 PROBABILIDAD................... 46
3.1 INTRODUCCION.........................................................46 3.2 LENGUAJE DE LA PROBABILIDAD...................... 46 3.3 DEFINICIONES DE PROBABILIDAD...................... 48
3.3.1 DEFINICION FRECUENCIAL DE PROBABILIDAD.............................. 48 3.3.2 DEFINICION CLASICA DE PROBABILIDAD O DE LAPLACE........... 50 3.3.3 PROBABILIDAD SUBJETIVA.................................................................... 51

3.4 PROPIEDADES DE LA PROBABILIDAD............ 51 3.5 REGLAS DE LA PROBABILIDAD........................ 51

3.5.1 PROBABILIDAD SIMPLE (o MARGINAL).......................................... 52 3.5.2 3.5.3 3.5.4 3.5.5 3.5.6 3.5.7 3.5.8 PROBABILIDAD CONJUNTA................................................................. 53 REGLA DE LA SUMA.................................................................................. 54 PROBABILIDAD CONDICIONAL............................................................. 55 INDEPENDENCIA ESTADSTICA............................................................. 56 REGLA DE LA MULTIPLICACIN....................................................... 57 TEOREMA DE LAS PROBABILIDADES TOTALES............................ 59 TEOREMA DE BAYES............................................................................... 60

3.6 TRABAJO PRCTICO................................................62

PROBABILIDAD

46

3 PROBABILIDAD
3.1 INTRODUCCION
Tal vez est familiarizado con algunas ideas de probabilidad, ya que sta forma parte de la cultura cotidiana. Con frecuencia se escucha a personas que hacen afirmaciones relacionadas con la probabilidad como las siguientes:

Probablemente nuestro equipo gane esta noche. Hay un 40 % de probabilidad de que llueva maana. Tengo una posibilidad de 50-50 de aprobar el examen de estadstica de hoy. Es ms probable que nos encontremos un fin de semana que un da de la semana.

Qu significan exactamente este tipo de expresiones? Significan de hecho lo que afirman?. Algunas afirmaciones pueden estar basadas en informacin cientfica y otras en prejuicios subjetivos. Cualquiera que sea el caso, son inferencias probabilsticas: no hechos, sino conjeturas. Como ya se vio en el ejemplo de las elecciones de gobernador e intendente (captulo 1, pag. 5), no se puede tener la certeza de que el porcentaje de votos obtenido por un candidato cualquiera aparezca en una muestra aleatoria. Sin embargo, es probable que el porcentaje en la muestra resulte prximo al que se obtuvo en el acto eleccionario. Se tiene como propsito definir probable, prximo, de manera ms precisa. Para ello es necesario considerar en primer trmino una serie de nociones bsicas sobre el conocimiento de las leyes de probabilidad. En este captulo se estudiar el concepto bsico de probabilidad y sus reglas aplicadas a sucesos simples y sucesos compuestos. La teora de la probabilidad es la base de la inferencia estadstica y un instrumento esencial en el anlisis de la variabilidad.

3.2 LENGUAJE DE LA PROBABILIDAD

Experimento aleatorio
Es el tipo de fenmenos de que nos ocuparemos. Se caracterizan porque: aunque no se puede saber el resultado particular que ocurrir, se puede describir el conjunto de todos los resultados posibles despus de un gran nmero de repeticiones de la experiencia aleatoria, existe una distribucin regular de los resultados. Es decir, a medida que el experimento se repite los resultados parecen ocurrir de manera caprichosa, sin embargo, ante un gran nmero de repeticiones aparece un modelo definido de regularidad. Esta regularidad hace posible la construccin de un modelo matemtico que permite el anlisis del experimento. Esto se puede visualizar en el ejemplo del lanzamiento de una moneda (ver punto. 3.3.1, pag. 49).

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

47

Aleatorio en estadstica no significa de cualquier manera, sino que se refiere a una clase de orden que nicamente aparece a largo plazo.

Espacio muestral y sucesos

En una experiencia aleatoria cada resultado se conoce con el nombre de suceso. Se llama suceso elemental a todo resultado simple. Por ejemplo, si se considera la experiencia aleatoria de tirar un dado, cada uno de los resultados: 1, 2, 3, 4, 5 y 6 son sucesos elementales. Al conjunto de todos los sucesos elementales posibles se lo llama espacio muestral (S) En el ejemplo S = {1, 2 , 3 , 4 , 5 , 6 } Simblicamente: S = {s1, s2, s3..... } El espacio muestral puede ser finito o infinito, numrico o no numrico Un suceso que no puede ocurrir ante una repeticin de la experiencia aleatoria es un suceso imposible. Se lo suele indicar .

Relaciones entre sucesos Sean A, B y C sucesos asociados a una experiencia aleatoria. Las posibles relaciones entre los mismos se muestran a continuacin grfica y simblicamente: S a
_ A

Complemento
S

A A= S

Mutuamente excluyentes
S

AB=

A B

No mutuamente excluyentes

AB

El complemento de cualquier suceso es el conjunto de resultados que no estn contenidos en ese suceso.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

48

Los sucesos son mutuamente excluyentes si la ocurrencia de uno de ellos impide la ocurrencia del otro.

Es importante distinguir el conjunto resultante de la unin ( ) o interseccin ( ) de sucesos: Si A y B son sucesos, A B es el suceso que ocurre si y slo si A o B (o ambos) ocurren. Si A y B son sucesos, A B es el suceso que ocurre si y slo si A y B ocurren simultneamente.

Ejercicios
Considerando la experiencia aleatoria de arrojar un dado y registrar el n de la cara superior: a) Si se pensara en tirar el dado un nmero infinito de veces: defina la poblacin y clasifquela. b) Proponga para la experiencia aleatoria: - un suceso elemental - un suceso imposible - dos sucesos mutuamente excluyentes - dos sucesos no mutuamente excluyentes

3.3 DEFINICIONES DE PROBABILIDAD

3.3.1 DEFINICION FRECUENCIAL DE PROBABILIDAD
En el punto 3.2.1. se han definido las caractersticas de un experimento aleatorio. Un ejemplo de experiencia aleatoria es el lanzamiento de una moneda. Cuando se lanza una moneda al aire slo hay dos resultados posibles, cara o cruz. El resultado no se puede predecir de antemano y variar cuando se lance en forma repetida, sin embargo se observa una cierta regularidad en los resultados, una regularidad que slo emerge despus de muchas repeticiones. La figura 3.1 muestra la regularidad observada al lanzar una moneda 1000 veces. Para cada lanzamiento, desde el primero hasta el ltimo, se ha representado la proporcin de lanzamientos que han dado cara hasta ese momento. El primer lanzamiento fue cara, por tanto, la proporcin de caras empieza siendo 1. El segundo lanzamiento fue cruz. Despus de los dos lanzamientos, la proporcin de caras se ha reducido a 0.5. Los siguientes tres lanzamientos dieron una cruz seguida de dos caras, por consiguiente, la proporcin de caras despus de cinco lanzamientos es 3/5 0,6. La proporcin de lanzamientos que dan cara es bastante variable al principio, pero posteriormente se estabiliza a medida que se hacen ms y ms lanzamientos. Llega un momento en que esta proporcin se acerca a 0,5 y se mantiene en ese valor. Se dice que 0,5 es la probabilidad de que salga cara. Una probabilidad de 0,5 significa que el suceso cara ocurre la mitad de las veces despus de muchos lanzamientos. En otras palabras, se puede decir que si se arrojara un gran nmero de veces esa moneda al aire, aproximadamente el 50 % de las veces se observara el

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

49

resultado cara o expresndolo en los trminos anteriormente vistos, la frecuencia relativa del suceso cara sera aproximadamente 0,5.

Proporcin de caras

Nmero de lanzamientos

Figura 3.1
Formalizando, se define: : lanzar una moneda al aire y registrar el resultado El espacio muestral asociado a : Sea: s1: cara n1: frecuencia absoluta del suceso s1 n : n de repeticiones del S ={C;X}

f ( s1 ) =
Generalizando:

n1 : proporcin de veces que se verifica cara en n tiradas. n

f ( si ) =

ni n

P ( si )

Es decir, la probabilidad de un suceso (o resultado) es el nmero hacia el cual tiende la frecuencia relativa del mismo cuando el nmero de repeticiones de la experiencia tiende a infinito. Es decir, es una frecuencia relativa calculada en la poblacin.1 Esta definicin de probabilidad se conoce como definicin frecuencial de probabilidad2.
1

La interpretacin de la probabilidad como frecuencia relativa en el lmite se basa en la observacin de un gran nmero de repeticiones. Surge ahora la pregunta, cuntas repeticiones se deben realizar? Como veremos en el captulo 6, con un nmero finito de repeticiones de la experiencia es posible aproximar la verdadera probabilidad de un suceso. Este efecto estabilizador de la frecuencia relativa cuando el nmero de observaciones crece se denomina Ley de los grandes nmeros.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

50

3.3.2 DEFINICION CLASICA DE PROBABILIDAD O DE LAPLACE

Se ha considerado a la probabilidad de ocurrencia de un resultado determinado de una experiencia aleatoria, como la proporcin de veces (frecuencia relativa) que se obtiene dicho resultado despus de una gran cantidad de repeticiones. Sin embargo, considerando la experiencia aleatoria de arrojar una moneda, se podra haber conjeturado sin repetir dicha experiencia, que la probabilidad de obtener el resultado cara es 0,5. Esto se sustenta en que si la moneda no est cargada, cada resultado tiene la misma chance de ocurrir. Esta descripcin permite introducir lo que se conoce como definicin clsica de probabilidad o de Laplace. Esta definicin slo puede ser aplicada si: el espacio muestral S consta de un nmero finito de resultados

S = {s1, s2,......... sk}

todos los resultados son igualmente probables

P ( s1 ) = P( s 2 ) = = P ( s k )
Al igual que en las frecuencias relativas, la sumatoria de las probabilidades de todos los sucesos posibles es igual a 1:
k P ( si ) = 1 i= 1 P ( si ) = 1 k

y por lo tanto, si entonces

r A = si i= 1

donde r k

r r P( A) = p( si ) = k i= 1

Suele enunciarse como:

P ( A) =

n de resultados favorables a A n de resultados posibles

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

51

3.3.3 PROBABILIDAD SUBJETIVA

En los dos enfoques de probabilidad desarrollados anteriormente, se defini a la probabilidad como la proporcin de resultados favorables respecto al total de resultados. En la primera situacin, dicha proporcin se basa en datos observados y en la segunda en el conocimiento previo de un proceso (nmero finito de resultados igualmente probables). El tercer enfoque de probabilidad se llama probabilidad subjetiva y se refiere a la probabilidad asignada a un suceso por una persona en particular. La misma puede ser bastante diferente de la probabilidad subjetiva que estipula otra persona. Si un equipo de administracin piensa que hay una probabilidad de 0.35 de que un nuevo producto tenga xito en el mercado, esto constituye una probabilidad subjetiva. El valor 0.35 es una opinin, ms que un valor basado en una evidencia objetiva. Este tipo de probabilidad es frecuente en la toma de decisiones en el mercado, siendo confiable si la determina un experto en la materia.

3.4 PROPIEDADES DE LA PROBABILIDAD

Cualquiera sea el enfoque utilizado para determinar la probabilidad de un suceso A, sta debe verificar ciertas propiedades: Cualquier probabilidad es un nmero entre 0 y 1 0 P ( A ) 1 Todos los resultados posibles juntos deben tener una probabilidad de 1 P(S) = 1

La probabilidad de que un suceso ocurra es igual a 1 menos la probabilidad de que no ocurra P ( A ) = 1 P A

( )

La probabilidad del suceso imposible es 0 P ( ) = 0 Si dos sucesos no tiene resultados en comn, la probabilidad de que ocurra cualquiera de ellos es igual a la suma de sus probabilidades individuales.

3.5 REGLAS DE LA PROBABILIDAD

Existen varias manera de observar un espacio muestral especfico. El mtodo que se utiliza a continuacin implica ubicar los sucesos en una tabla de doble entrada o tabla de contigencia3.

En la tabla siguiente se muestra el nmero de alumnos varones y mujeres ingresantes en

las distintas carreras de la U.T.N. Rosario, durante el ao 2003:
3

Este tipo de tablas fue utilizada para presentar la informacin de los ejercicios 5 y 6 que se proponen como trabajo prctico en Estadstica Descriptiva (pags. 40-41).

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

52

Carrera Sexo Mujer Varn Total

I.S.I. 141 496 637

Ingeniera Mecnica 2 129 131

Ingeniera Qumica 50 90 140

Ingeniera Elctrica 1 68 69

Ingeniera Civil 8 58 66

Total 202 841 1043

Se considera

la experiencia aleatoria : seleccionar un alumno al azar de los ingresantes a la Facultad durante el ao 2003 asociados a la variable cualitativa sexo, los sucesos:
M: ingresante mujer

V: ingresante varn F: ingresante a Ing. Mecnica E: ingresante a Ing. Elctrica

asociados a la variable cualitativa carrera a la que ingresa, los sucesos:

I : ingresante a I.S.I.

Q: ingresante a Ing. Qumica C: ingresante a Ing. Civil

En los puntos siguientes se desarrollarn reglas para obtener diferentes tipos de probabilidad y para su compresin nos basaremos en la situacin planteada anteriormente.

3.5.1 PROBABILIDAD SIMPLE (o MARGINAL)

La probabilidad simple se refiere a la probabilidad de ocurrencia de un suceso simple. Son probabilidades simples los ejemplos que se presentan: Probabilidad de seleccionar un ingresante mujer:

P(M ) =

nmero de ingresantes mujeres 202 = = 0,19 total de ingresantes 1043

Probabilidad de seleccionar un ingresante varn:

P (V ) =

nmero de ingresantes varones 841 = = 0,81 total de ingresantes 1043

Observe que los sucesos V y M son sucesos complementarios y por lo tanto, la suma de sus probabilidades es igual a 1.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

53

Probabilidad de seleccionar un ingresante a I.S.I.: P(I) = nmero de ingresantes a I .S .I . 637 = = 0,61 total de ingresantes 1043

3.5.2 PROBABILIDAD CONJUNTA

Cuando se est interesado en conocer la probabilidad de que dos sucesos se verifiquen simultneamente, se habla de probabilidad conjunta. Por ejemplo se puede estar interesado en conocer cul es la probabilidad de seleccionar un alumno del sexo femenino y que sea ingresante en I.S.I.. Este suceso se expresa como M I y la probabilidad se obtiene de la siguiente forma:

P ( M y I) = P ( M I) =

nmero de ingresantes mujeres e inscriptos a I .S .I . 141 = = 0,14 total de ingresantes 1043

En la tabla siguiente se presenta la distribucin de probabilidades conjuntas y las marginales respectivas. La distribucin marginal est compuesta por el conjunto de probabilidades simples de los sucesos asociados a cada variable4:

Carrera Sexo M V
Distribucin marginal de carrera

I 0,14 0,47 0,61

F 0 0,12 0,12

Q 0,05 0,09 0,14

E 0 0,07 0,07

C 0 0,06 0,06

Distribucin marginal de sexo

0,19 0,81 1

Ahora se puede ver la probabilidad de un suceso simple como la suma de las probabilidades conjuntas que incluyen dicho suceso. Por ejemplo, se puede pensar la P (M) como: P ( M ) = P ( I M ) + P ( F M ) + P (Q M ) + P ( E M ) + P (C M ) = = 0,14 + 0 + 0,05 + 0 + 0 = 0,19

En las celdas sombreadas se presenta la distribucin de las probabilidades conjuntas.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

54

En general
P ( B ) = P ( Ai B )
i= 1 k

Donde A1 , A2, ....... Ak son k sucesos mutuamente excluyentes.

3.5.3 REGLA DE LA SUMA

Para calcular la probabilidad de que ocurra cualquier suceso, A o B, se usa la regla de la suma. Esta regla considera que pueden ocurrir el suceso A, el suceso B o ambos sucesos Ay B.

Regla de la suma P ( A o B ) = P ( A B ) = P ( ) + P ( ) P ( B)
La probabilidad del suceso A y B se resta de esta suma porque se incluye dos veces al calcular la probabilidad de A y la probabilidad de B. Esto se podr visualizar en el siguiente ejemplo: Retomando el ejemplo de los ingresantes a la UTN, podramos estar interesados en conocer la probabilidad de seleccionar un ingresante varn o a la carrera de Ingeniera Qumica. Aplicando la regla se obtiene:

P (V Q ) = P ( V ) + P ( Q ) P (V Q ) = 0,81 + 0,14 0,09 = 0,86

El clculo de la probabilidad del suceso anterior puede pensarse tambin de la siguiente forma:

P (V Q ) = P V Q + P V Q + P (V Q ) = 0,72 + 0,05 + 0,09 = 0,86 S

V Q

VQ

Regla de la suma para sucesos mutuamente excluyentes

Para sucesos mutuamente excluyentes, la regla de la suma se reduce a:

P(AB) = P(A)+P(B)

[ ya que P ( A B ) = 0 ]

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

55

Regla de la suma para ms de dos sucesos

Esta regla se extiende para calcular la probabilidad de ocurrencia de la unin de ms de dos sucesos cualesquiera. En el caso de tres sucesos ( A, B y C ), se demuestra fcilmente : P ( A B C ) = P( A ) + P( B ) + P( C ) P( A B ) P( A C ) P( B C ) + P( A B C )

3.5.4 PROBABILIDAD CONDICIONAL

Hasta ahora se consider la probabilidad de ocurrencia de un suceso cuando se realiza una seleccin aleatoria a partir de un espacio muestral completo. Sin embargo muchas veces se conoce cierta informacin acerca de los sucesos implicados en la experiencia aleatoria. En estas situaciones, cuando se calcula la probabilidad de que ocurra un suceso dado que se cuenta con la informacin de la ocurrencia de otro, se est ante una probabilidad condicional. Veamos esta situacin a travs del ejemplo de los alumnos ingresantes: Se consideran los sucesos M : ingresante mujer I : ingresante a I.S.I.

Supongamos que al realizar la experiencia aleatoria fue seleccionado un alumno ingresante a la carrera I.S.I.; es decir, se verific el suceso I. Interesa conocer la probabilidad de que el alumno seleccionado sea mujer. Este es un ejemplo de probabilidad condicional y se lo denota como P M I probabilidad condicional del suceso M sabiendo que se verific el suceso I. El clculo de esta probabilidad puede hacerse por dos caminos:

, e indica la

El conocimiento de que el alumno seleccionado es un ingresante a la carrera I.S.I. reduce el

espacio muestral S al espacio muestral reducido I. Por lo tanto :
141 P MI = = 0,22 637

( )

probabilidad de M en el espacio muestral reducido I

El clculo de la probabilidad condicional a partir de probabilidades calculadas en el espacio

muestral original es : 141 P MI = = 637 141 1.043 = 0,135 = 0,22 637 0,611 1.043

( )

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

56

Como

141 = P( M I ) 1043

637 = P( I ) 1.043

Se puede expresar: P M

)=

P( M I ) P(I)

con

P(I) 0

Si se compara P(M) (igual a 0,19) y P(M / I ) (igual a 0,22), se observa que el conocimiento de que el suceso I ocurri modifica la probabilidad de ocurrencia del suceso M.

Generalizando: Sean A y B dos sucesos asociados con un experimento , P(B/A) indica la probabilidad condicional del suceso B sabiendo que A se ha verificado.

De acuerdo a lo visto en el ejemplo, el clculo de P(B/A) se puede realizar a partir de:

espacio muestral reducido espacio muestral original aplicando la siguiente frmula:

P (B A) P (A)

P( B

A )=

con P ( A ) 0

(1)

Con el mismo razonamiento:

P( A

B )=

P( A B ) P( B )

con P ( B ) 0

(2)

3.5.5 INDEPENDENCIA ESTADSTICA

Como dijimos anteriormente, la probabilidad de seleccionar un ingresante mujer es 0,19; sin embargo la probabilidad de seleccionar un ingresante mujer cuando se sabe que el ingresante seleccionado pertenece a ISI, incrementa el valor a 0,22. Este resultado est condicionado por la informacin previa. A diferencia de este ejemplo, cuando el resultado de un suceso no afecta la probabilidad de ocurrencia de otro suceso, se dice que los sucesos son estadsticamente independientes.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

57

En general: Los sucesos A y B son independientes si la ocurrencia de uno no afecta en ninguna forma las posibilidades de que el otro ocurra. En consecuencia: P ( A B ) = P (A) o P ( B A) = P (B)

Se demuestra que si: A independiente de B B independiente de A

y tambin resultan independientes

Ay B , A y B

Ay B

Volviendo a la situacin planteada anteriormente, los sucesos M e I no son independientes ya que:

P (M I ) P ( M P ( I M) P( I

) )

Analizando los resultados obtenidos se puede deducir que el conocer que un suceso ha ocurrido puede aumentar, disminuir o no modificar la probabilidad de ocurrencia de otro suceso relacionado con el primero. En el caso particular de que un suceso no modifique la probabilidad de ocurrencia de otro, se dice que los sucesos son independientes.

3.5.6 REGLA DE LA MULTIPLICACIN

La frmula de la probabilidad condicional se puede manipular algebraicamente de modo que la probabilidad conjunta se puede determinar a partir de la probabilidad condicional de un suceso. De las ecuaciones (1) y (2) de la pgina 56, resulta: P( A B ) = P( A B ) . P( B ) = P( B A ) . P( A )

Esta regla puede aplicarse si se tiene que calcular la probabilidad de que ocurran conjuntamente tres o ms sucesos cualesquiera. Generalizando para n sucesos: n P Ai i = P (A1 ) . P ( A2 A1 ) . P ( A3 A1 A2 ) P ( An A1 A2 An - 1 ) =1

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

58

Para la aplicacin de la regla de la multiplicacin, es importante determinar si los sucesos son o no independientes. Luego, si A y B son sucesos independientes, la regla de la multiplicacin resulta: P (A B) = P ( A ) . P ( B ) Generalizando la regla de la multiplicacin a ms de dos sucesos independientes: P ( Ai ) = P ( Ai )
i= 1 i= 1 n n

Nota: Se quiere remarcar la diferencia entre dos conceptos muy importantes: sucesos independientes y sucesos mutuamente excluyentes:

Mutuamente excluyentes indica que los dos sucesos no pueden ocurrir al mismo
tiempo; por lo tanto su interseccin es vaca.

La independencia indica que un suceso no afecta la probabilidad de ocurrencia del

otro.

Dos sucesos no pueden ser a la vez mutuamente excluyentes e independientes. Es

decir: - Si dos sucesos son mutuamente excluyentes, entonces no son independientes. - Si dos sucesos son independientes, entonces no son mutuamente excluyentes.

Ejercicios
1. Suponga que se exhiben 20 marcadores en una librera. De estos, 6 son rojos y 14 son azules. Se seleccionan al azar 2 marcadores del conjunto de 20. Encuentre la probabilidad de que los dos marcadores seleccionados sean rojos. (Considere los sucesos A 1: el primer marcador seleccionado es rojo y A2: el segundo marcador seleccionado es rojo) 2. Suponga la experiencia aleatoria del ejercicio 1 pero considerando que el primero de los marcadores elegidos se regresa al mostrador despus de determinar su color. Encuentre la probabilidad de seleccionar marcadores rojos las dos veces.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

59

3.5.7 TEOREMA DE LAS PROBABILIDADES TOTALES

Muchas veces interesa estudiar la probabilidad de ocurrencia de un suceso, pero slo se conoce la probabilidad de ocurrencia del mismo asociada a otros sucesos relacionados (probabilidades condicionadas) y las probabilidades de ocurrencia de estos sucesos. A continuacin se trabaja sobre una situacin que ejemplificar lo anteriormente expuesto:

Entre la poblacin econmicamente activa de una ciudad, el 40%

ha completado el nivel de instruccin primario, el 50 % el nivel de instruccin secundario y el 10% la universidad. Entre los individuos que tienen educacin primaria hay una 10 % de desempleados, entre los que tienen educacin secundaria un 5 % y entre los graduados universitarios un 2 %. Cul es la probabilidad de que un individuo econmicamente activo est desempleado?

Sean los sucesos: B : desempleado. A1 : nivel de instruccin primario completo. A2 : nivel de instruccin secundario completo. A3 : nivel de instruccin universitario completo.

Y sus probabilidades: P(A1) = 0,40 P(B/A1) = 0,10 P(A2) = 0,50 P(B/A2) = 0,05 P(A3) = 0,10 P(B/A3) = 0,02

Observe que: A1 , A2 , A3 representan una particin de S y B otro suceso relacionado con Ai . Se puede expresar:

B = ( A1 B ) ( A2 B ) ( A3 B )

Si se conocen: Sucesos

A1
0,04 0,36 0,40

A2
0,025 0,475 0,50

A3
0,002 0,098 0,10

Probabilidad

B B P (Ai)
Luego,

0,067 0,933 1

P (B ) =

P (Ai B ) =

i= 1

i= 1

P (Ai ) . P( B Ai ) =

= 0.4 0.1 + 0.5 0.05 + 0.1 0.02 = 0.067

Esto indica que un 6.7 % de los trabajadores estn desempleados.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

60

Generalizando

P (B) =

i= 1

P ( Ai ) P ( B Ai )

Esta aplicacin se conoce como Teorema de las probabilidades totales. Para resolver este tipo de problemas tambin es til recurrir a un diagrama de rbol:

P (B/A1) P (A1) P ( A2 ) P (A3) _ P (B/A1) P (B/A2) _ P (B/A2) P (B/A3) _ P (B/A3)

B) = P(A11) (B/A11) P(A1y = (0,4) (0,01) 0,004 (0,1) == 0,04

P(A2 B) = P(A2) (B/A2) = (0,5) (0,05) = 0,025

P(A3 B) = P(A3) (B/A3) = (0,1) (0,02) = 0,002

3.5.8 TEOREMA DE BAYES

La probabilidad condicional toma en cuenta informacin acerca de la ocurrencia de un suceso para encontrar la probabilidad de otro. Este concepto puede extenderse para revisar probabilidades basadas en nueva informacin y para determinar la probabilidad de que un efecto en particular se deba a una causa especfica. El procedimiento para revisar estas probabilidades se conoce como teorema de Bayes. Se retoma el ejemplo de los trabajadores para aplicar este teorema. Suponga que se elige un trabajador al azar y se encuentra que es un desempleado cul es la probabilidad de que hubiera terminado sus estudios secundarios? El teorema de Bayes puede desarrollarse a partir de la definicin de probabilidad condicional:

P (A2 / B) =

P( A2 B) 0.025 = P( B ) 0.067

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

61

Se puede decir que ciertas causas (por ej. tipo de educacin: A1, A2 , A3....) tienen probabilidades a priori P(Ai). Existe un efecto B (desempleo), que no siempre ocurre cuando la causa est presente, por eso se habla de P(B/Ai). Cuando se usa la probabilidad condicional para invertir lo anterior, se calcula la probabilidad de una causa, dado el efecto, es decir, la probabilidad a posteriori P (Ai/B)

Dado P ( Ai) P (B / Ai)

Se deduce P (Ai / B)

En general, el Teorema de Bayes se obtiene en la ecuacin:

P (Aj B ) =

P (Aj) P ( B Aj )

i= 1

P (Ai) P ( B Ai )

j= 1, 2, 3, .....k

Observe que el denominador no es ms que la aplicacin del teorema de las probabilidades totales.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

62

3.6 TRABAJO PRCTICO

1. Un conmutador consta de dos lneas L1 y L2. En un momento t cualquiera, cada una de las lneas puede encontrase congestionada ( C ) o descongestionada ( D ). a) Describa los posibles resultados de observar el estado del conmutador en un momento t. b) Suponga que se conocen las probabilidades de los sucesos elementales del espacio muestral:

L1 L2
Congestionada Descongestionada

Congestionada Descongestionada

x 0,10

0,10 0,79

Determine el valor de x e indique que representa dicho valor. c) Calcule las probabilidades de cada uno de los siguientes sucesos (resuelva considerando los sucesos F: la lnea L1 est congestionada y G: la lnea L2 est congestionada) A: B: C: D: E: al menos una lnea est congestionada ambas lneas estn congestionadas ambas lneas estn descongestionadas slo una lnea est congestionada a lo sumo una lnea est congestionada

2.- Considere el ejercicio 6 de la unidad n 2 Estadstica descriptiva (pg. 43) Una compaa de seguros registr entre sus asegurados el nmero de accidentes del ao 2003, obteniendo la siguiente informacin: Edad del asegurado N de accidentes 0 (suceso A) 1 (suceso B) 2 (suceso C) ms de 2 (suceso D) Totales (E) [18-28) 748 84 41 10 883 (F) [28-38) 821 50 15 9 895 (G) [38-48) 786 41 12 5 844 (H) [48-58) 720 66 16 5 807 (I) 58 y ms 672 60 25 8 765

Totales 3747 301 109 37 4191

a) Qu variables se pueden identificar en este estudio? Clasifquelas. Calcule la probabilidad de que un asegurado elegido al azar: b) tenga entre 28 y 38 aos de edad c) haya tenido un accidente d) haya tenido un accidente y tenga entre 28 y 38 aos de edad

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

63

e) haya tenido un accidente si tiene entre 28 y 38 aos de edad f) Calcule las probabilidades para los sucesos simples asociados a la variable n de accidentes.

3.- Un contratista tiene ocho proveedores a los cuales puede comprarles insumos elctricos. Seleccionar aleatoriamente a tres de ellos y pedir a cada uno que presente una cotizacin del proyecto. a) De cuntas maneras puede seleccionarse a los proveedores? b) Si su compaa es uno de los ocho proveedores cul es la probabilidad de que tenga oportunidad de cotizar el proyecto? 4.- Una compaa recibe un embarque de 20 discos duros. Antes de aceptarlo, selecciona aleatoriamente cinco de ellos y los somete a prueba. El embarque se acepta si los cinco discos cumplen con las especificaciones, en caso contrario se regresan todos al fabricante. Si tres de los 20 discos son defectuosos. a) De cuntas maneras pueden seleccionarse una muestra de cinco discos duros? b) De cuntas maneras pueden seleccionarse una muestra de cinco discos duros que cumplan con las especificaciones? c) cul es la probabilidad de que no se acepte el embarque? 5.- Cuando una computadora se bloquea, existe una probabilidad de 75% de que se deba a una sobrecarga, y de 15% de que sea por un problema de software. La probabilidad de que se origine en una sobrecarga o un problema de software es de 85%. a) Cul es la probabilidad de que se deba a ambos problemas? b) Cul es la probabilidad de que haya un problema de software sin sobrecarga?

6.- Un nmero binario est compuesto slo de los dgitos cero y uno. Suponga que un nmero binario est formado por n dgitos. La probabilidad de que aparezca un dgito incorrecto es p y los errores en dgitos diferentes son independientes uno del otro. Cul es la probabilidad de formar un n incorrecto?. 7.- Una compaa de automviles ha determinado que un nuevo comprador de autos solicitar aire acondicionado instalado en fbrica en el 30 % de los casos. Calcule la probabilidad de que: a) b) c) d) los siguientes 4 compradores soliciten aire acondicionado en fbrica ninguno de los siguientes 3 compradores soliciten aire acondicionado en fbrica dos de los siguientes 4 compradores soliciten aire acondicionado en fbrica de los siguientes 4 compradores slo el ltimo solicite aire acondicionado en fbrica

8.- El gerente de una empresa de colocaciones desea estudiar varias caractersticas de las personas que solicitan trabajo, entre ellas si el solicitante estuvo en el ltimo empleo por lo menos 5 aos y si tienen ttulo universitario. Se selecciona una muestra de 600 solicitantes obtenindose la siguiente tabla de frecuencias:

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

64

Universitario
Ultimo empleo por lo menos 5 aos

Si
100 220 320

No
180 100 280

Total
280 320 600

Si No Total

Calcule el porcentaje de solicitantes a) con ttulo universitario b) que estuvieron en el ltimo empleo por lo menos 5 aos c) con ttulo universitario y que haya estado en el ltimo empleo por lo menos 5 aos d) sin ttulo universitario y que haya estado en el ltimo empleo por lo menos 5 aos e) no tenga ttulo universitario o haya estado en el ltimo empleo por lo menos 5 aos f) con ttulo universitario que hayan estado ms de 5 aos en el ltimo empleo g) que habiendo estado ms de 5 aos en el ltimo empleo, no tengan ttulo universitario

Pueden considerarse estos porcentajes como indicadores de probabilidades de los

respectivos sucesos? ** Indique cul o cules seran los supuestos apropiados para que esto fuera as e interprete los items del punto anterior en trminos de probabilidad. *** Analice la independencia de los sucesos: el solicitante tiene ttulo universitario y el solicitante estuvo en el ltimo empleo por lo menos 5 aos. 9.- Una empresa dedicada al procesamiento de datos considera que al probar por primera vez un programa se pueden encontrar: errores importantes (que ocasiona que el programa falle por completo) errores menores (fallas que permiten que el programa se corra, pero que en algunas situaciones producen resultados errneos) ningn error

De experiencias anteriores se conoce que la probabilidad de que al correr por primera vez el programa se encuentren errores importantes es 0,6; de encontrar errores menores es 0,3 y de no encontrar errores es 0,1. En caso de haber errores se trata de corregirlos y se vuelve a probar el programa. La tabla siguiente muestra las probabilidades de los resultados en la 2 prueba condicionada a los de la 1 :

2 prueba 1 prueba Importante Menor Ninguno Importante 0,3 0,1 0 Menor 0,5 0,3 0,2 Ninguno 0,2 0,6 0,8

a) Construya una tabla de probabilidades conjuntas y un rbol de probabilidad b) Encuentre la probabilidad de descubrir un error importante durante la segunda prueba c) Encuentre la probabilidad de error menor en la primera prueba sabiendo que el error en la segunda prueba es importante d) Analice la independencia entre los resultados de la primera prueba con los de la segunda.

G.Carnevalli-E.Franchelli-G.Gervasoni

PROBABILIDAD

65

10. En un gran hospital de nios, el inspector de calidad de las partidas de leche en polvo que el gobierno enva, acepta (A) el 90 % de las mismas y rechaza el resto. De experiencias anteriores se conoce que el 95 % de los lotes que enva el gobierno son buenos (B) y el resto presenta algn defecto (D). El inspector rechaza el 94 % de los lotes defectuosos que inspecciona. a) Construya la tabla de probabilidades conjuntas de acciones a tomar versus la calidad del lote b) Qu porcentaje de los lotes inspeccionados son malos y se los rechaza?. c) Qu porcentaje de los lotes inspeccionados son buenos y se los acepta?. d) Calcule la probabilidad de que el inspector se equivoque al inspeccionar un lote. 11.- Los pedidos nuevos de un producto de una compaa varan en valor monetario segn la siguiente distribucin de probabilidades:

Monto de ventas Probabilidad

0-1000 0.1

1001-2000 0.35

2001-3000 0.25

3001-4000 ms de 4000 0.20 0.10

Calcule la probabilidad de que: a) un nuevo pedido tenga un monto mayor que $ 2000 b) un nuevo pedido tenga un monto entre $ 2000 y $ 4000 c) Se conoce adems que la forma de pago de los pedidos puede ser al contado o en cheques, dndose los mismos en los siguientes porcentajes: 70 % pagan de contado si el monto no supera los $2000 50 % se pagan de contado si el monto est entre $2000 y $4000 el 80 % de los pedidos con montos superiores a $4000 se pagan con cheques. Calcule: c1) el porcentaje de pedidos pagados de contado c2) el porcentaje de pedidos con un monto superior a 4000$ entre los que fueron pagados de contado. 12.- Un centro de cmputo tiene tres impresoras, A, B, y C, que imprimen a velocidad distinta. Los programas se envan a la primera impresora disponible. Las probabilidades de que un programa se enve a las impresoras A, B, y C son de 0.6, 0.3 y 0.1 respectivamente. En ocasiones los impresos se atoran en la impresora y se destruyen. La probabilidad de que se atore el papel en las impresoras A, B, y C son de 0.01, 0.05 y 0.04 respectivamente. a) Cul es la probabilidad de que si un programa escrito se destruy, ello haya ocurrido en la impresora A? b) haya ocurrido en la impresora B? c) haya ocurrido en la impresora C? 13.- El editor de una compaa que edita libros de texto quiere decidir si va a publicar un libro de estadstica para administracin. El anlisis de los libros de texto que se publicaron anteriormente indica que 10 % fueron grandes xitos, 20% tuvieron un xito modesto, 40 % lograron recuperar los gastos de inversin y 30 % fueron un fracaso. Sin embargo, antes de tomar una decisin se va a realizar un dictamen del libro. En el pasado obtuvieron dictmenes favorables el 99 % de los grandes xitos, el 70 % de los xitos modestos, el 40 % de los ttulos que alcanzaron a recuperar gastos de inversin y el 20 % de los fracasos. a) Qu proporcin de libros de texto reciben dictmenes favorables? b) Si el libro propuesto obtiene un dictamen favorable, cmo debe revisar el editor las probabilidades de los diferentes resultados para tomar en cuenta esta informacin?

G.Carnevalli-E.Franchelli-G.Gervasoni