Probabilidad

•Leyes de Probabilidad

Temas a cubrir
≻ Leyes de probabilidad
– Adición
• Ley general de la adición
• Ley especial de la adición
– Multiplicación
• Probabilidad no condicional
• Probabilidad condicional
• Probabilidad conjunta
• Ley general de multiplicación
• Eventos dependientes contra eventos independientes
• Ley especial de multiplicación
≻ Leyes de probabilidad y diagramas de árbol
≻ Probabilidades revisadas y teorema de bayes
Algunas reglas de probabilidad

≻ Ahora qque se ha definido y se han descrito los

diferentes enfoques de la probabilidad, se
examinaran las combinaciones de eventos
mediante la aplicación de las reglas de adición y
multiplicación.

Reglas de Adición

≻ Regla
g Especial
p de adición.
– Para aplicar esta regla, los eventos deben de ser
mutuamente excluyentes.
• Significa que cuando ocurre un evento, ninguno de
los otros eventos puede suceder al mismo tiempo.
– Si dos eventos A y B son mutuamente excluyentes,
la regla
g especial
p de la adición indica que
q la
probabilidad de que ocurra uno u otro de los
eventos, es igual a la suma de sus probabilidades.
• P(A o B)=P(A)+P(B)
– Para 3 eventos mutuamente excluyentes la regla
se expresa como
• P(A
( o B o C)=P(A)+P(B)+P(C)
) ( ) ( ) ( )
Ejemplo

≻ Una máquina
q automática Shaw llena bolsas de
plástico con una mezcla de frijoles, brócolis y otras
legumbres. La mayor parte de las bolsas contiene el
peso correcto,, p
p pero debido a ligeras
g variaciones en el
tamaño de las verduras, un paquete puede tener un
peso ligeramente diferente. Una verificación de 4,000
paquetes que se llenaron el mes pasado reveló lo
siguiente:
– ¿Cuál es la probabilidad de que un determinado
paquete tenga un peso menor o mayor?
Peso Evento # de Paquetes Probabilidad
Menor A 100 0.025
Satisfactorio B 3,600 0.900
Mayor
y C 300 0.075
4,000 1.000

Diagramas de Venn

≻ El Sr. JJ. Venn ideó un diagrama

g para
p representar
p
gráficamente el resultado de un experimento. El
concepto mutuamente excluyente puede
visualizarse usando estos diagramas

Evento A Evento B Evento C

Regla del Complemento

≻ La p
probabilidad de q
que una bolsa de legumbres
g
mixtas tenga menos peso, P(A) más la
probabilidad de que no sea una bolsa con peso
menor que se indica P(~A)
menor, P(~A), y se lee “no
no A
A” debe
ser lógicamente igual a
– P(A)=1-P(~A)

Evento A

~A
A

Ejemplo

≻ Una máquina
q automática Shaw llena bolsas de
plástico con una mezcla de frijoles, brócolis y otras
legumbres. La mayor parte de las bolsas contiene el
peso correcto,, p
p pero debido a ligeras
g variaciones en el
tamaño de las verduras, un paquete puede tener un
peso ligeramente diferente. Una verificación de 4,000
paquetes que se llenaron el mes pasado reveló lo
siguiente:
– Aplique la regla del Complemento para demostrar que
la probabilidad de que una bolsa tenga el peso correcto
es 0.9 ?

Peso Evento # de Paquetes Probabilidad

M
Menor A 100 0 02
0.025
Satisfactorio B 3,600 0.900
Mayor C 300 0.075
4,000 1.000
Ejercicio
≻ Se va a entrevistar un grupo selecto de empleados de
la compañía con respecto a un nuevo plan de
pensiones. Se efectuarán
f á entrevistas detalladas
d ll d a
cada uno de los empleados seleccionados en la
muestra. Estos se clasificaron como sigue:
– ¿Cuál es la probabilidad de que la primera persona
seleccionada:
• Sea empleado de mantenimiento o secretaria
• No sea miembro de Gerencia Area de # de
– Elabora un diagrama de Venn Trabajo
Evento
Empleados
Probabilidad
mostrando sus respuestas. Supervisión A 120 0.060
– ¿Qué tipo de eventos tenemos Mantenimiento B 50 0.025
Producción C 1,460 0.730
en el primer caso? Gerencia D 302 0.151
Secretarial E 68 0.034
2,000 1.000

Regla General de Adición

≻ Los
os resultados
esu tados de un
u experimento
e pe e to que no
o se
ser
mutuamente excluyentes.
≻ Cuando dos eventos ocurren
simultáneamente, a la probabilidad
respectiva se le denomina probabilidad
conjunta.
conjunta
– Es la medida de probabilidad que evalúa la
posibilidad de que dos o más eventos ocurran en
f
forma simultanea.
l
Evento A Evento B
≻ Entonces se puede decir que
– P(A o B)=P(A)+P(B)
B)=P(A)+P(B)-P(AyB)
P(AyB)
Ejercicio

≻ ¿Cuál
¿ es la probabilidad
p de q
que una carta elegida
g
al azar de una baraja americana sea un rey o una
de corazones?

Evento A Evento B

Ejercicio

≻ Cómo p parte de un p
programa
g de servicio de salud
para los empleados de la empresa, se efectúan
anualmente exámenes físicos de rutina. Se
descubrio que 8% de los empleados necesitaban
zapatos correctivos, 15%, un trabajo dental
importante; y 3%, requerían tanto zapatos
correctivos
i como un trabajo
b j ddentall mayor
– ¿Cuál es la probabilidad de que un empleado
seleccionado al azar necesite calzado correctivo o un
trabajo dental considerable?
– Muestre esta situación con un diagrama de Venn
Reglas de Multiplicación
≻ La regla especial de la multiplicación requiere
que dos
d eventos A y B sean independientes.
i d di
≻ Dos eventos son independientes si la ocurrencia
de uno no altera la posibilidad de que suceda el
otro.
t
≻ Si lo anterior se cumple la probabilidad de que
ocurran ambos eventos se obtiene multiplicando
las dos probabilidades
– P(A y B)=P(A)P(B)
≻ Esta regla supone que un segundo evento no se
ve afectado por el primero
primero. Por lo que para tres
eventos tendremos
– P(A y B y C)=P(A)P(B)P(C)

Ejercicio

≻ En una encuesta realizada p por la American

Automobile Association (AAA) encontró que 60%
de sus socios hicieron alguna reservación en una
línea aérea el año pasado
pasado. Se toman dos
integrantes al azar. ¿Cuál es la probabilidad de
que ambos hayan hecho una reservación en
alguna
l lí
línea aérea?
é ?
Ejemplo

≻ Una máquina
q automática Shaw llena bolsas de
plástico con una mezcla de frijoles, brócolis y otras
legumbres. La mayor parte de las bolsas contiene el
peso correcto,, p
p pero debido a ligeras
g variaciones en el
tamaño de las verduras, un paquete puede tener un
peso ligeramente diferente. Una verificación de 4,000
paquetes que se llenaron el mes pasado reveló lo
siguiente:
– ¿Cuál es la probabilidad de seleccionar tres paquetes
en un día especifico y encontrar que a los tres les falta
peso? Peso Evento # de Paquetes Probabilidad
– ¿Qué significa esta
Menor A 100 0.025
Satisfactorio B 3,600 0.900
Probabilidad? Mayor C 300 0 075
0.075
4,000 1.000

Regla General de multiplicación

≻ Si dos eventos no son independientes,

p se dice
obviamente que son dependientes.
≻ La probabilidad de que ocurra un evento
determinado, dado que otro evento ya sucedió
es lo que se conoce como probabilidad
condicional.
≻ Dados dos eventos A y B,
B la probabilidad
conjunta de que ambos ocurran se encuentra
multiplicando la probabilidad de que suceda el
evento A,
A por la probabilidad condicional de que
ocurra el evento B.
– P(A y B)=P(A)P(B|A)
•D
Donde
d P(B|A) expresa lla probabilidad
b bilid d d
de que ocurra B
dado que ya sucedió A.
Ejemplo

≻ Suponga
p g que q hay y 10 rollos de p
película
fotográfica en una caja y se sabe que tres están
defectuosos. Se selecciona uno.
– ¿Cuál es la probabilidad de sacar uno bueno? Y ¿Cuál es
la probabilidad de sacar uno malo?
≻ Después se elige un segundo rollo de la caja sin
d
devolver
l ell primer rollo
ll a é
ésta.
– ¿Cuál es la probabilidad de que el segundo sea
defectuoso?

Ejercicio

≻ El Consejo
j de una empresa
p esta integrado
g p
por 8
hombres y 4 mujeres. Se seleccionará al azar un
comité de 4 integrantes, para recomendar a un
nuevo p
presidente de la empresa.
p
– ¿Cuál es la probabilidad de que sean mujeres los
cuatro integrantes del comité?
– ¿Cuál es la probabilidad de que sean hombres?
– ¿La suma de las probabilidades de los eventos
descritos en los incisos anteriores es 1?
 Ejercicio

≻U
Unaaeencuesta
cuesta a ejecut
ejecutivos
os se enfocó
e ocó a su
lealtad a la empresa. Una de las preguntas
planteadas fue: “¿si otra compañía le hiciera
una oferta
f t igual
i l o ligeramente
li t mejor
j que lla
de su puesto actual permanecería con la
empresa o tomaría el otro empleo?”
empleo?
– ¿cuál es la probabilidad de seleccionar al azar un
ejecutivo que sea leal a la empresa y que tenga
más de 10 años?
Menos de 1 1 a 5 años 6 a 10 años Más de 10
Lealtad
año años
Si permanecería 10 30 5 75 120
No permanecería 25 15 10 30 80
200

Diagramas de Árbol

≻ Un diagrama
g de árbol es una representación
p
gráfica útil para organizar cálculos que abarcan
varias etapas.
≻ Cada
C d segmento t en ell árbol
á b l es una etapa
t del
d l
problema. Las probabilidades escritas cerca de
las ramas son la probabilidades condicionales
del experimento.
 Diagrama de Árbol

1. Localizar la raíz a la izquierda

q del área
seleccionada.
2. Dibujar el número de ramas que salen de la
raíz
í
3. En cada rama dibujar el número de
ramificaciones qque salen.
4. Realice los cálculos según sea el interés.

21

Diagrama de Árbol
10 120 10
Menos de 1 año x = 0.050
120 200 120

30
120 120 30
1 a 5 años x = 0.150
200 120

Permanecen 5
6 a 10 años 120 5
x = 0.025
200 120
120 120
200
75 120 75
Más de 10 años x = 0.375
120 200 120
25 80 25
80 Menos de 1 año x = 0.125
80 200 80
200 15
No Permanecen 80
80 15
1 a 5 años x = 0.075
200 80

10 6 a 10 años 80 10
x = 0.050
80 200 80

30
80
80 30
x = 0.150
Más de 10 años 200 80
Teorema de Bayes

≻ En el Siglo
g XVIII El reverendo Thomas Bayes,
y p
planteó
la siguiente pregunta
– ¿Realmente existe Dios?
≻ Ya que estaba interesado en las ciencias matemáticas
intentó desarrollar una formula para llegar a evaluar
la probabilidad de que Dios exista, basado en la
evidencia que disponía en la tierra
tierra.
≻ Mas adelante Laplace afinó el trabajo de Bayes y le
dio el nombre de “teorema de Bayes” que se expresa
asíí P( A ) P( B | A )
P( Ai | B ) = i i
P( A1 ) P( B | A1 ) + P( A2 ) P( B | A2 )

Teorema de Bayes
≻ Se supone que A1 y A2 son mutuamente
excluyentes
l y colectivamente
l i exhaustivos,
h i y que
Ai representa cualquiera de los eventos A1 o A2
≻ Suponga que el 5% de la población de
l l l l di padece
lululalandia d una enfermedad
f d d que es
originaria de ese país. Sea A1 el evento “tiene la
enfermedad”, y A2 el evento “no tiene la
enfermedad .
enfermedad”
≻ Por tanto sabemos que si asignamos a un
habitante al azar, la probabilidad de que tenga
la enfermedad sera de 0 0.05.
05
– a esta probabilidad se le llama “a priori” que es la
probabilidad inicial con base en el nivel actual de
información
Teorema de Bayes

≻ Considere ahora el evento B “la p

prueba indica
que la enfermedad está presente”. La evidencia
historica muestra que esta prueba tiene una
efectividad del 90% por lo que P(B|A1)=0.90
)=0 90
mientras que se ha encontrado que la
probabilidad de que en una persona que en
realidad
lid d no padece
d lla enfermedad,
f d d lla prueba
b
indique que si esta presente es del 15% o
P(B|A
( | 2))=0.15

Teorema de Bayes

≻ Si selecciono a un habitante al azar al q

que se le
aplica la prueba. Los resultados indican que esta
presente. ¿cuál es la probabilidad de que la
persona realmente tenga dicho padecimiento?

P( A1 ) P( B | A1 )
P( A1 | B) =
P( A1 ) P( B | A1 ) + P( A2 ) P( B | A2 )
(0.05)(0.90)
P( A1 | B) =
(0.05)(0.90) + (0.95)(0.15)
0.0450
P( A1 | B) =
0.1875
P( A1 | B) = 0.24
Teorema de Bayes

≻ Al calculo hecho se le llama p

probabilidad a
posteriori que es una probabilidad revisada con
base en información adicional.

P( A1 ) P( B | A1 )
P( A1 | B) =
P( A1 ) P( B | A1 ) + P( A2 ) P( B | A2 )
(0.05)(0.90)
P( A1 | B) =
(0.05)(0.90) + (0.95)(0.15)
0.0450
P( A1 | B) =
0.1875
P( A1 | B) = 0.24