Caso 2.

2 Aleatorizar variables independientes

Marco Stefano Galvis, Angie Apolinar, Yennifer Sarmiento
Escuela de Ingeniera eltrica, eletrnica y telecomunicaciones
Universidad Industrial de Santander

I. INTRODUCCIN
En este trabajo se da a conocer desde diferentes puntos de vista
el concepto de probabilidad, el cual sirve para cualquier
problema en la vida cotidiana. Est dirigido a la aclaracin de
termino a los estudiantes de estadstica y la comprensin y
evaluacin de la habilidad de nuestra grapa por parte del
docente.
II. OBJETIVOS
Definir y entender el concepto de probabilidades
sustentada en eventos simples siguiendo los enfoques:
Clsico, Emprico, Intuitivo y Axiomtica (teora de
conjuntos).
Definir, conceptualizar y aplicar el concepto de
probabilidad simple
Comprender, entender, definir, conceptualizar y
aplicar el concepto de probabilidad.
P(B/A)= P(A y B) / P(A)
0.4 / 0.5 =0.8 o 80%
c. Ay B son independientes? Por qu s o por qu no?
No son independientes, porque para eventos independientes
P(A y B) = P(A)*P(B)
P(A y B) = 0.6*0.5=0.3
Y tenemos que P(A y B) = 0.4 as que son elementos
dependientes.
3. Suponga dos eventos, A y B, que son mutuamente
excluyentes. Admita, adems, que P(A)=0.3 y P(B)=0.4
a. Halle P(AyB)
P(AyB) = 0 porque A y B son mutuamente excluyentes por lo
que no tienen elementos en comn

III. ANALIZANDO DATOS b. Calcule P(A/B)

P(A/B)= P(A y B) / P(B) = 0 dado que no tienen elementos en

comn P(AyB) = 0
1. Verifique las siguientes identidades:

A-B = A (AB) = ABc

4. Debido al aumento de los costos de los seguros, en Estados
Unidos 43 millones de personas no cuentan con un seguro
Es falsa porque A (AB) es diferente de (AB), dado
mdico. En la tabla siguiente se muestran datos muestrales
que el primero nos muestra los elementos que estn en
representativos de la cantidad de personas que cuentan con
A y no en B mientras que el segundo nos muestra los
seguro mdico:
elementos que estn tanto en A como en B.
Forma correcta A-B = A (AB)

B = (BA)U (BAc )
Seguro mdico
Falsa ya que por propiedad idempotente (BA) = Edad
(BA)U (BAc) esto es diferente de B. Si No

18 a 34 750 170
2. Suponga dos eventos, A y B y que P(A)=0.5,
P(B)=0.6 y P(A y B)=0.4. 35 o mayor 950 130

a. Halle P(A/B)
a. Elabore una tabla de contingencia con la
P(A/B)= P(A y B) / P(B) informacin dada en el enunciado del
0.4 / 0.6 = 0.67 o 67% problema.

b. Halle P(B/A)
 Edad Seguro mdico P(B/C) = P(B)*P(C/B) / P(B)*P(C/B) +
P(A)*P(C/A)
S No Total P(B/C) = 0.6*0.05 / (0.6*0.05 +0.4*0.2) = 0.27
18 a 34 750 170 920 o 27%
35 o 950 130 1080
mayor
Total 1700 300 2000 6. Las probabilidades previas de los eventos A, B y C son:
P(A)=0.2, P(B)=0.5 y P(C)=0.3. Las probabilidades
b. Cul es la probabilidad de que una persona condicionales del evento D dados los eventos A, B y C son:
tomada en forma aleatoria no tenga seguro P(D/A)=0.5, P(D/B)=0.4 y P(D/C)=0.3.
mdico?
a. Calcule P(DyA), P(DyB) y P(DyC)
300 / 2000 = 0.15 o 15%
c. Si la persona tiene entre 18 o 34 aos, Cul Primero hallo la probabilidad de D
es la probabilidad de que no tenga seguro P(D) = P(A1) P(D/A1) + P(A2) P(D/A2 ) + ...
mdico? + P(An) P(D/An )
P(ss/menor) = P(ssymenor) / P(menor) P(D) =
P(ss/menor) = (170 / 2000) / (920 / 2000) = 0.18
o 18% b. Emplee el teorema de Bayes para calcular la
probabilidad de P(A/D)
d. Si la persona no tiene seguro mdico, Cul
es la probabilidad de que tenga entre 18 y 34 7. Considere los siguientes experimentos, determine una
aos? posible variable aleatoria discreta para cada uno y los valores
posibles que podra tomar. (Tome como base el ejemplo).
P(menor/ss) = P(menoryss) / P(ss)
P(menor/ss) = (170 / 2000) / (300 / 2000) = 0.57
o 57%

5. Las probabilidades previas de los eventos A, B son: 8.

P(A)=0.4 y P(B)=0.6. Se sabe tambin que P(AyB)=0.
Suponga que P(C/A)=0.2 y P(C/B)=0.05.

a. Calcule P(AyC) y P(ByC) 8. Considere los siguientes experimentos. Determine una

posible variable aleatoria continua para cada uno y los valores
posibles que podra tomar. (Tome como base el ejemplo).

b. Calcule P(C)

P(C) = P(A1) P(C/A1) + P(A2) P(C/A2 ) + ...

+ P(An) P(C/An )
P(C)= 0.4*0.2 + 0.6*0.05 =0.11 O 11%
9. Considere el experimento que consiste en lanzar una
c. Emplee el teorema de Bayes para calcular moneda dos veces.
P(A/C) y P(B/C)
a. Enumere los resultados experimentales.

Llamemos cara, sol a cada uno de los posibles resultados.

Entonces el espacio muestral al lanzar dos veces la moneda es:
P(A/C) = P(A)*P(C/A) / P(A)*P(C/A) +
{(cara, cara), (cara, sol), (sol, cara), (sol, sol)}
P(B)*P(C/B)
P(A/C) = 0.4*0.2 / (0.4*0.2 +0.6*0.05) = 0.73
b. Defina una variable aleatoria que represente el nmero de
o 73%
caras en los dos lanzamientos.

x = cantidad de caras en dos lanzamientos

 c. D el valor que la variable aleatoria tomar en cada uno de
los resultados experimentales.

10. Considere el experimento que consiste en un empleado que

arma un producto.

a) Defina la variable aleatoria que represente el tiempo

en minutos requerido para armar el producto.

x = tiempo en minutos requerido para armar el

producto
b) Qu valores toma la variable aleatoria? Es una
variable aleatoria discreta o continua?

Cualquier valor positivo: x > 0

Continua

IV. CONOCIMIENTOS DE APOYO

Concepto Definicin Ejemplo

La unin de dos eventos (A y B) se presenta Lanzar un dado y se pide la probabilidad que salga el 3 o
como (AUB) (A UNIN B) y da como que salga par.
Uni de los resultado otro evento en el cual est formado a. {sale 3 } = {3) P(A)=1/6
Conceptos eventos por todos los elementos que pertenecen al b. {sale par} = {2,4,6} P(B)= 3/6
asociados a evento A, al evento B o ambas la vez.
las P(AUB)= P(A) + P(B)= P(AUB) Respuesta: P( A unin B)= 1/6 + 3/6 = 4/6 = 0,666
probabilid
ades

Interseccin La i nt e rs ecc i n de do s ev e nto s, Co n sid era mo s el e xp eri me n to q ue co n si s te

de dos A B , es el e v e nto fo r mad o p o r en la n zar u n d ad o , s i A = " sac ar p ar" y B =
eventos
to d o s lo s el e me n to s q u e so n, a la " sacar m lt ip lo d e 3 " . C alc u lar A B.
ve z, d e A y B . Es
d ecir , el e ve n to A B se v eri fica
A = {2 , 4 , 6 }
cu a nd o o c u r r e n s i mu l t n ea me n te A
y B. A B se l ee co mo
B = {3 , 6 }
"A y B"

A B = {6 }
Conceptos Probabilida Es la probabilidad de que ocurra un evento A,
asociados a d sabiendo que tambin sucede otro evento B.
probabilid condicional La probabilidad condicional se escribe P
ades de (A|B), y se lee la probabilidad de A dado B. Ca lc u lar l a p ro b ab i lid ad d e o b te ner u n 6 al
eventos tirar u n d ad o sab ie nd o q ue h a sa lid o p ar.
dependient
es

Tablas de es un medio particular de representar

contingenci simultneamente dos carcteres observados en
a una misma poblacin, si son discretos o Se so r tea u n viaj e a Ro ma e nt re lo s 1 2 0
continuos reagrupados en clases
mej o re s cl ie nt e s d e u n a ag e nci a d e
au to m vi le s. De el lo s , 6 5 so n mu j er es, 8 0
es t n c as ad o s y 4 5 so n mu j ere s ca sad a s. S e
p id e:
1 .C u l se r la p ro b ab il i d ad d e q ue le
to q ue e l vi aj e a u n ho mb re so lt ero ? 2 . Si
d el a fo r t u nad o s e sab e q ue e s ca sad o ,
c ul s er la p ro b ab i lid a d d e q ue se a u na

mu j er?

Diagramas Es una herramienta que se utiliza para

de rbol determinar todos los posibles resultados de un
experimento aleatorio. U na c la se co n sta d e se is n i a s y 1 0 n i o s.
Si se e sco ge u n co mi t d e tre s al azar ,
ha ll ar l a p ro b ab il id ad d e :

1 Se lecc io nar tre s n i o s.


Probabilida El Teorema de la probabilidad total nos
d total permite calcular la probabilidad de un suceso
a partir de probabilidades condicionadas.
2 Se lecc io nar e xa cta me n t e d o s n i o s y
u na ni a.
3 Se lecc io nar e xa cta me n t e d o s n i a s y u n
ni o .
1 Se lecc io nar tre s n i a s.
Se d isp o n e d e tre s caj as co n b o mb i lla s. La
p ri mera co nt ie n e 1 0 b o mb il la s, d e la s
cu ale s h a y c u atro fu nd id as ; e n la se g u nd a
ha y s ei s b o mb il la s, e s ta nd o u n a d e ell a s
fu nd id a, y la ter cera caj a h a y t re s
b o mb il la s fu nd id a s d e u n to ta l d e o c ho .
C u l es la p ro b ab i lid ad d e q ue a l to mar
u na b o mb i lla al az ar d e u na c ua lq uie ra d e
la s caj a s, es t fu nd id a?
 Teorema de expresa la probabilidad condicional de
Bayes un evento aleatorio A dado B en trminos de la
distribucin de probabilidad condicional del
evento B dado A y la distribucin de El 2 0 % d e lo s e mp lead o s d e u n a e mp re sa
probabilidad marginal de slo A. so n i n g e ni ero s y o tro 2 0 % so n
eco no mi s ta s. E l 7 5 % d e lo s i n ge n iero s
o cup a n u n p ue s to d ir ect i vo y el 5 0 % d e lo s
eco no mi s ta s t a mb i n, mi en tra s q ue lo s no
in g e ni ero s y lo s no eco n o mis ta s so l a me n te
el 2 0 % o c up a u n p ue s to d irec ti vo . C u l e s
la p ro b ab il id ad d e q ue u n e mp le ad o
d irec ti vo el e gid o al a zar se a i n g e niero ?

Variables U na v ar i ab le d is cr e ta e s aq ue ll a q ue
aleatorias so lo p ued e to ma r u n n me ro fi ni to d e
Conceptos discretas va lo r e s e n tr e dos va lo re s
asociados a cu ale sq u ier a d e u na car a ter s tic a. El n mero d e h ij o s d e u na fa mi l ia, la
variables p u n t uac i n o b t e nid a al l an zar u n d ad o .
aleatorias

U na var iab le co n ti n u a e s aq ue ll a q ue
Variables p ued e to ma r u n n mer o in fi ni to d e
aleatorias va lo r e s e n tr e dos va lo re s
continuas cu ale sq u ier a d e u na car a cter s ti ca. La a lt ura d e lo s al u mn o s d e u na c la se , l as
ho ra s d e d ura ci n d e u n a p il a.
 V. CONCLUSIONES

El teorema de probabilidad total sugiere un modo

de calcular las posibles apariciones de un suceso
en el total de un espacio muestral.
Los diferentes puntos de vista desde los cuales se
pueden observar el trmino probabilidad