Estadistica p4

Apunte preparado por el profesor Sr.
Rosamel Sez Espinoza con fines de docencia

34
Probabilidades

El concepto de probabilidad ocupa un lugar importante en el proceso de toma de
decisin bajo incertidumbre, no importa el campo de la ciencia en que el problema
es enfrentado. En muy pocas situaciones de toma de decisin la informacin
perfecta est disponible, es decir, todos los factores u hechos necesarios. La
probabilidad entra en el proceso desempeando el papel de substituto para la
certeza, substituto para el completo conocimiento.
La probabilidad es especialmente significativa en el rea de la inferencia
estadstica. Aqu la preocupacin principal es obtener conclusiones o hacer
inferencias provenientes de experimentos que implican incertidumbre. El concepto
de la probabilidad permite generalizar la informacin obtenida de lo sabido
(muestra) a lo desconocido (poblacin), y agregar un alto grado de confianza en
estas generalizaciones. Por lo tanto, la probabilidad es una de las
herramientas ms importantes de la inferencia estadstica.
La probabilidad es un nmero entre 0 y 1 y corresponde a una especificacin de
que tan frecuente es probable que ocurra un evento de inters particular entre un
gran nmero de ensayos (situaciones en las que el evento puede suceder).

Antes de dar una definicin ms formal de probabilidad definiremos algunos
trminos de inters:

Experimento: es cualquier proceso o actividad que genera observaciones. Segn
la naturaleza del experimento estos se clasifican en determinsticos y no
determinsticos o aleatorios. Estos ltimos sern la naturaleza de nuestro estudio.

Ejemplo 1: Suponga un experimento sencillo que consiste en soltar un plumn
usado para escribir en el pizarrn.
Si el inters es observar si este cae o no, cada uno de nosotros, incluso sin
necesidad de realizar el experimento, sabemos que va a caer, incluso podemos
hasta determinar el tiempo de cada de este. Hay un resultado totalmente
determinstico. Sin embargo si nuestra observacin se centra en ver hacia que
parte va a quedar apuntando la tapa, tenemos muchos resultados posibles y
obviamente uno y slo uno va a ocurrir. Su resultado es no determinstico.

Espacio muestral: Sea E un experimento aleatorio, al conjunto de todos los
resultados posibles de E le llamamos espacio muestral y le denotaremos por .

Ejemplo 2: Suponga el experimento que consiste en el lanzamiento de una
moneda. Escribir el espacio muestral.

Solucin: Aqu vemos dos resultados posibles para este experimento

{ }
1
cara,sello,canto = y { }
2
cara,sello =

Apunte preparado por el profesor Sr. Rosamel Sez Espinoza con fines de docencia
35
La diferencia entre un espacio muestral y otro es qu consideramos un resultado
posible, es decir, el conjunto de resultados posibles para un experimento es
subjetivo. Qu hacemos entonces?.
Adecuar el espacio muestral a lo que consideramos el fin del experimento y de
esta forma sabremos que es un resultado posible posible.
En el ejemplo anterior, si nuestro fin es observar que resultado muestra la
moneda, cada vez que caiga de canto se debe lanzar de nuevo.
Una pregunta que deberamos hacer ahora es: Cmo se escriben los resultados?
Para responder a dicha pregunta consideremos el experimento elegir un mes de
manera aleatoria. Nuestra respuesta ser indicando cada mes o numerando estos
de 1 a 12.
{ }
1
enero,febrero, ,diciembre = o { }
2
1, 2, , 12 =

Otra pregunta que debemos hacernos al momento de escribir los resultados es si
estos son o no distinguibles. Por ejemplo, Suponga que efectuamos el
experimento que consiste en el lanzamiento de dos monedas. Escribir .

Si las monedas son ambas de la misma denominacin, por ejemplo de 500 pesos,
entonces: { } ambascara, ambassello,unacarayunasello = , es decir tres
resultados posibles.

Si consideramos el mismo ejemplo anterior pero distinguiendo el orden en que se
tiran las monedas, entonces habr cuatro resultados posibles:
{ } (c,s),(s,c),(c,c),(s,s) = . Observe que en este ejemplo, las monedas eran no
distinguibles pero de acuerdo a la naturaleza del experimento se volvieron
distinguibles.
Luego, al escribir el espacio muestral tambin deberemos tener presente si los
resultados sern o no distinguibles.

Ejercicio 1. Escriba el espacio muestral para el lanzamiento de dos monedas; una
de $100 y otra de $500.

Ejemplo 3: Suponga el experimento que consiste en observar a las 9:30 hrs., el
nmero de bombas en servicio en una gasolinera con seis bombas.

Solucin: { } 6 5 4 3 2 1 0 , , , , , , =

Ejercicio 2: Suponga que en una fbrica que produce mquinas para sellar al
vaco, en un momento dado seleccionan tres de manera aleatoria para hacer
secuencialmente, pruebas de calidad. Si denotamos por C cumple y por N no
cumple, escriba el espacio muestral.

Ejercicio 3: Suponga el experimento que consiste en que Ud. debe registrar la
cantidad de das que llueve en un mes dado y la cantidad total de agua cada (en
mm). Escribir el espacio muestral. 1 mes = 30 das
36
Observacin: Como Ud. se habr dado cuenta el espacio muestral hace el papel
de conjunto universo, de aqu que las siguientes definiciones estn relacionadas
con teora de conjuntos.

Evento o suceso: Es cualquier subconjunto del espacio muestral. Estos son
denotados por letras maysculas tales como A, B, C, A
1
, A
2
, ...

Del ejemplo 3, escriba los siguientes eventos:
i) El nmero de bombas en servicio es a lo menos 2.
ii) El nmero de bombas en servicio es a lo sumo 3.
iii) Hay un nmero par de bombas en servicio.
iv) Hay ms de cuatro bombas en servicio.
Solucin
i) { } 6 5 4 3 2
1
, , , , = A ii) { } 3 2 1 0
2
, , , = A iii) { } 6 4 2
3
, , = A
iv) { } 6 5
4
, = A

Observacin: De acuerdo a la definicin de evento y de acuerdo a la teora de
conjuntos, y son eventos, llamados evento seguro y evento imposible
respectivamente.

Definicin: Dos eventos A y B, cualesquiera de son disjuntos o mutuamente
excluyentes si y slo si no tienen elementos comunes, es decir su interseccin es
vaca.

= B A disjuntos B y A

A fin de recordar la teora de conjunto, definamos el siguiente experimento:
Suponga que realizamos una encuesta a n estudiantes seleccionados al azar de
esta casa de estudios y que vamos a observar algunos eventos de inters como
son: Si el estudiante estudia ingeniera, Si el estudiante fuma y, Si el
estudiante es de otra ciudad.
Si analizamos nuestro experimento, observamos que tenemos muchas
situaciones, a decir: que el estudiante estudie ingeniera, que fume y que sea de
otra ciudad. Otro resultado que podemos encontrar, que el estudiante sea de
ingeniera, que no fume y que es de otra ciudad, o que el estudiante fume y que no
estudie ingeniera y que sea de esta ciudad. Tambin podemos encontrar que el
sea de ingeniera, no fume y sea de otra ciudad, etc.
Para representar los resultados de la encuesta, podemos recurrir a los diagramas
de Venn.
Sean los conjuntos siguientes:
{ } / x x esunestudianteencuestadodeestacasadeestudio =
{ } A x / xesestudiantedeingeniera =
{ } B x / xesestudiantequefuma =
{ } C x / xesestudiantequeviveenotraciudad =
37
A B
C
A B
C

Algunos resultados pueden ser expresado en la figuras siguientes:

a) b)

c) d)

Ejercicio:4: Indique en palabras y escriba como operacin de conjuntos lo
observado en las siguientes figuras.

A B
C
A B
C
A B
C
A B
C
A B
C
A B
C
A B
C
A B
C
38
Una de las definiciones importantes en el clculo de probabilidades es la siguiente:

Definicin: Diremos que un evento ocurre si uno cualesquiera de sus elementos
es el resultado del experimento.

De acuerdo a esta definicin:

A B es el evento que ocurre si el evento A ocurre o el evento B ocurre.
A B es el evento que ocurre cuando los eventos A y B ocurren a la vez.
c
A B es el evento que ocurre cuando slo el evento A ocurre y no B

Recordemos las propiedades de la teora de conjunto:

Propiedad Unin Interseccin
Conmutatividad
A B B A = A B B A =
Asociatividad
( ) ( ) A B C A B C = ( ) ( ) A B C A B C =
Distributiva
( ) ( ) ( ) A B C A B A C = ( ) ( ) ( ) A B C A B A C =
Idempotentes
A A A = A A A =
Identidad
A A = A A =
De Complemento
c
A A =
c
A A =
De De Morgan
( )
c
c c
A B A B = ( )
c
c c
A B A B =

Volviendo a la definicin anterior, para determinar la ocurrencia de un conjunto,
basta con conocer la cardinalidad de un evento. As del ejemplo 3, el evento A
1

ocurre de 5 formas en cambio el evento A
3
puede ocurrir de 3 formas.
Un problema interesante que se presenta ahora es poder contar el nmero de
elementos que tiene un conjunto. Este problema es totalmente resuelto cuando
tenemos los elementos a la vista. Sin embargo esto no siempre es as, por
ejemplo. Suponga que Ud. est cursando una asignatura en que el nmero total
alumno es 30 y suponga que se debe seleccionar aleatoriamente 5 alumnos para
que participen en un congreso con todos los gastos pagados. Cul es su
posibilidad que sea seleccionado?.
Responder esta pregunta requiere de la siguiente unidad.

Tcnicas de conteo:

Definicin: (Principio de suma)
Si un proceso consta de dos operaciones O1 y O2, las que no pueden realizarse
juntas ni en sucesin y suponga que la operacin O
1
puede realizarse de n
formas y la operacin O
2
puede realizarse de m formas, entonces, la operacin
O
1
o O
2
puede efectuarse de n+m formas.
En la aplicacin del principio de suma hay que cuidar que ninguna forma en O
1
se
repita en O
2
. De ocurrir esto la operacin O
1
o O
2
puede efectuarse de n+m-k
formas, siendo k el nmero de coincidencias.
39

Definicin : (Principio de multiplicacin o regla del producto)
Si un proceso consta de dos operaciones O1 y O2, y suponga que ambas pueden
realizarse de manera conjunta o en sucesin. Si la operacin O1 se puede
realizar de n formas y una segunda operacin O2 puede realizarse de m formas,
entonces, ambas operaciones O
1
y O
2
pueden efectuarse de nm formas.

En la aplicacin de la regla del producto es posible aplicar una representacin
conocida como diagrama del rbol, que consiste en representar todas las
posibilidades mediante ramas que nacen desde un vrtice.
Por ejemplo si una operacin O
1
se puede realizar de 4 formas y una operacin O
2

se puede realizar de 3 formas entonces la operacin O
1
y O
2
se puede realizar
de 12 formas, grficamente:

O
1
O
2
O
2
O
2
O
2

Observacin: Una extensin de estos principios a ms operaciones se hace de
manera natura a ms de dos operaciones.
Un esquema de ambas operaciones la podemos describir de la siguiente forma:

Ejemplo 4: Suponga que en el casino de la Universidad ofrecen como primer plato
una sopa o entrada, como segundo plato ofrecen tres alternativas y por ltimo
puede ser un postre, caf, t o agua de yerba, y suponga que todos los usuarios
se sirven el men completo. Cuntos mens diferentes se pueden servir?
Solucin.
Como el proceso consta de tres operaciones no excluyentes y en sucesin el
nmero de mens diferentes puede hacerse de:
2 x 3 x 4 = 24 mens diferentes.

Ejemplo 5: Suponga ha comprado un trozo de carne y para cocinarla busca
algunas recetas, encontrando 5 formas de hacerla al jugo y 3 formas de hacerla al
horno. De cuntas formas puede cocinar su trozo de carne?

Solucin:
n m
Principio de
Multiplicacin
n
m
Principio de
Suma
40
Observe que ahora el proceso involucra dos operaciones excluyentes y tampoco
se pueden hacer en sucesin, por lo que tenemos 5 + 3 =8 formas de cocinar el
trozo de carne.

Anlisis combinatorio.
Definicin: Cada una de las ordenaciones que pueden formarse tomando
algunos o todos los elementos de un nmero de objetos se llama arreglo o
variacin.
Definicin: Las variaciones en las que entran todos los objetos, es decir, las
diversas ordenaciones de todos los elementos, se llaman permutaciones.

Definicin: Dos permutaciones cualesquiera contienen los mismos elementos, slo
difieren en el orden en que los elementos estn colocados.

Definicin: Cada uno de los grupos que pueden formarse tomando algunos o
todos los elementos de un nmero de objetos de modo que dos cualquiera de
ellos difieran en algn objeto se llama combinacin.

Para entender la diferencia entre permutacin y combinacin, consideremos el
siguiente ejercicio. Escribir todas las permutaciones y combinaciones que
podemos obtener con tres objetos seleccionado de un conjunto de cuatro.
Si denotamos por a, b, c y d los cuatro objetos se tiene:

Combinaciones Permutaciones
abc
abd
acd
bcd
abc acb cab cba bca bac
abd adb dab dba bda bad
acd adc dac dca cda cad
bcd bdc dbc dcb cdb cbd

Observe que slo tenemos cuatro combinaciones de tres objetos seleccionado
de un conjunto de cuatro, en cambio, hay 24 permutaciones. Observe adems
que cada combinacin da origen a 6 permutaciones.
Definicin: El nmero de permutaciones de n objetos distintos es n!.
n! = n(n-1)(n-2) ... 2*1 (producto de los n primeros nmero naturales).
0! =1

Definicin: El nmero de permutaciones de n objetos distintos, tomados de r a la
vez, nPr, es:

)! (
!
Pr
r n
n
n
=
Definicin: El nmero de permutaciones de n objetos de los cuales n
1
son de una
clase 1, n
2
son de una clase 2, ..., n
k
son de una clase k, con n
1
+n
2
+...+n
k
= n,
denotado por nPn
1
,n
2
,...,n
k
, es

41

! !... !
!
,..., ,
k
k
n n n
n
n n nPn
2 1
2 1
=
Definicin: El nmero de combinaciones diferentes de n objetos tomados de r a
la vez, nCr, es

! )! (
!
r r n
n
nCr
=

Ahora que sabemos contar, volvamos al ejemplo de la seleccin de los 5
estudiantes desde un curso de 30.

Una primera pregunta que debemos hacernos es, interesa el orden en que los 5
estudiantes van a ser seleccionadas?.
Si por ejemplo decidimos que el primer estudiante seleccionado sea el vocero del
grupo, el segundo encargado del alojamiento, el tercero de la alimentacin y el
cuarto del transporte, entonces el orden es importante. En este caso el nmero de
muestras posibles es dado por 30P5=17.100.720, de las cuales en 570.024
muestras Ud. aparecer como vocero del grupo, en 589.680 muestras aparecer
como encargado del alojamiento, en 610.740 como encargado de la alimentacin,
en 633.360 aparecer como encargado de transporte y en 657.720 no ser
encargado de nada, o sea, es posible que Ud. aparezca en 3.061.524 muestras.
Ahora si no interesa el orden en que los alumnos son seleccionados, entonces
habr 30C5 = 142.506 muestras posibles, de las cuales Ud. podra aparecer en
23.751 muestras.

Ejemplo 6: Cuntos nmeros diferentes de seis cifras pueden formarse con los
nueve dgitos 1, 2, 3, ,9?

Antes de responder observemos que ahora interesa el orden en que aparecen las
cifras, luego la respuesta es
9P6 = 60.480 nmeros

Cuntos comienzan con un nmero impar?.
Cuntos comienzan con 1?. Cuntos terminan en 1?

Ejemplo 7: Cuntos nmeros diferentes de seis cifras pueden formarse con los
dgitos 0, 1, 2, 3, ,9?.
Cuntos comienzan con un nmero impar?.
Cuntos comienzan con 1?. Cuntos terminan en 1?

Ejemplo 8: Cuntas palabras, con o sin sentido, se pueden formar con la palabra

Ejemplo 9: Con 7 consonantes y 4 vocales cuntas palabras (con o sin sentido)
pueden formarse, conteniendo cada una 3 consonantes y 2 vocales?.

42
Habiendo definido algunos elementos importantes daremos una definicin formal
de probabilidad.

Como dijimos anteriormente, la probabilidad es un nmero entre 0 y 1, que se
asigna a un fenmeno como su posibilidad de ocurrir.
Casi todos conocemos las leyes del azar relacionados con el lanzamiento de una
moneda. Si alguien nos pregunta cul es la probabilidad que una moneda muestre
cara cuando esta es lanzada, la respuesta ser
2
1
. Esta respuesta se basa en la
experiencia comn que se tiene con las monedas, en que se supone que la
moneda es legtima y que se lanza de manera legtima. Este es un ejemplo de
probabilidad objetiva la cual tiene dos interpretaciones. La primera se basa en la
simetra de los resultados que implica que resultados idnticos en los aspectos
esenciales deben tener la misma probabilidad, por ejemplo en el lanzamiento de
un dado, la probabilidad que caiga cualquiera de los nmeros es
6
1
.
La segunda interpretacin es la probabilidad como frecuencia relativa la que se
basa en la experiencia histrica en situaciones idnticas.

Cuando la probabilidad se basa en la experiencia personal o en el grado de
creencia que se tenga respecto de la ocurrencia de un evento, esta se denomina
probabilidad subjetiva.

Probabilidad como frecuencia relativa.
Suponga que un experimento es repetido N veces bajo las mismas condiciones. Si
A es un evento de este experimento, el que ocurre n(A) veces en estas N
repeticiones del experimento, se define la probabilidad del evento A, P(A),
mediante

N
A n
A P
) (
) ( = si N

Del ejemplo de la seleccin de los 5 alumnos, cul es la probabilidad que Ud. sea
seleccionado para asistir al congreso?.

Sea A el evento que indica que en la seleccin de cinco alumnos Ud. es uno de
los integrantes.

Si interesa el orden:
3.061.524
P(A) 0.179
17.100.720
= =

Interpretacin: La probabilidad que Ud. integre la muestra de tamao 5 es de un
18%. Esto tambin puede ser interpretado de la siguiente forma: Hay un 18% de
las muestras en la Ud. ser uno de los integrantes.

43
Si no interesa el orden:
23.751
P(A) 0.167
142.506
= =

Interpretacin: La probabilidad que Ud. integre la muestra de tamao 5 es de un
17%. Esto tambin puede ser interpretado de la siguiente forma: Hay un 17% de
las muestras en la Ud. ser uno de los integrantes.

Un concepto ms formal de probabilidad es a travs de un desarrollo axiomtico.

Definicin: Se llama probabilidad a una funcin de conjunto, real valuada, definida
sobre la clase de todos los subconjuntos del espacio muestral , tal que, a un
subconjunto cualquiera A de asocia un nmero, denotado por P(A), llamado
probabilidad de A y que debe satisfacer los siguientes axiomas:

Ax1.- P( ) = 1
Ax2.- P(A) 0
Ax3.- P(UA
i
) =
=1 i
P(A
i
) para toda sucesin disjunta de eventos A
1
, A
2
, ..

Dado los tres axiomas podemos dar las siguientes consecuencias:
Sean A y B dos eventos cualesquiera de
a) P( ) =0
b) P(A
c
)= 1 P(A) donde A
c
es el complemento del evento A bajo .
c) P(A
c
B) = P(B) P(A B)
d) P(A U B)= P(A) + P(B) P(A B)
e) Si A B entonces P(A) P(B)
f) P(A) = P(A
1
) + P(A
2
) ++ P(A
k
) donde A
1
, A
2
,, A
k
forman una particin
del conjunto A, es decir:
- A=
i
k
i
A U
1 =

- A
i
A
j
= j i

Ejemplo 10: Sean
0 1
, , ,
n
A A A n eventos disjuntos dos a dos tales que
1
n
i
i
A
=
= .
Muestre que si ( ) , 0, 1, ,
2
i n
n
i
P A i n
| |
|
\
= = , entonces
0
( ) 1
n
i
i
P A
=
=

44
Ejemplo 11: Sean
1 2 5
, , , A A A 5 eventos disjuntos dos a dos tales que
5
1
i
i
A
=
= .
Encuentre el valor de k tal que la ley ( ) , 1, ,5
i
i
P A i
k
= = define una ley de
probabilidad.

Ejemplo 12: La probabilidad que un estudiante A apruebe la asignatura de
probabilidades en un examen es de 0.75; la probabilidad que un estudiante B
apruebe la asignatura de probabilidades en un examen es de 0.45 y la
probabilidad que ambos aprueben es de 0.35. Calcular la probabilidad que :
a) Al menos uno de ellos apruebe.
b) Ninguno de ellos apruebe.
c) Slo uno de ellos apruebe
Ejemplo 13: Tres caballos A, B, y C intervienen en una carrera; A tiene el doble de
posibilidad de ganar que B, y B, el doble de ganar que C. Cules son las
respectivas probabilidades de ganar?
Cul es la probabilidad que el caballo B o C ganen?
Ejemplo 14: Sean dos artculos escogidos al azar de un grupo de 12 de los cuales
4 son defectuosos. Sea A evento, dos artculos son defectuosos y sea B evento,
dos artculos no defectuosos. Obtener P(A) y P(B).
Ejemplo 15: Una clase consta de 10 hombres y 20 mujeres de los cuales la mitad
de los hombres y la mitad de las mujeres tienen los ojos claros. Hallar la
probabilidad que una persona escogida al azar sea un hombre o tenga los ojos
claros.
Ejemplo 16: Sean A y B eventos con P(A) =
8
3
, P(B)=
2
1
Y P(AB)=
4
1
. Hallar
P(AUB), P(A
C
), P(B
C
), P(A
C
B
C
), P(A
C
U B
C
), P(A B
C
) y P(BA
C
).
Ejemplo 17: Suponga que observamos un conjunto de 1100 objetos los que
pueden ser clasificados de acuerdo a dos proveedores y a tres caractersticas; c1,
c2 y c3. Suponga adems que estos pueden ser ordenados en la siguiente tabla
de doble entrada:

Caracterstica
Proveedor c1 c2 c3
P1 132 85 300
P2 220 198 165

a) Si seleccionamos un objeto al azar de esta poblacin cul es la probabilidad:
45
i) qu tenga la caracterstica c3?
ii) qu proceda del proveedor 1?
iii) qu proceda del proveedor 2 o tenga la caracterstica c2?
iv) qu proceda del proveedor 2 y tenga la caracterstica c1?
b) Si seleccionamos un objeto al azar y procede del proveedor 2 Cul es la
probabilidad que tenga la caracterstica c1?
c) Si seleccionamos un objeto al azar y tiene la caracterstica c2 Cul es la
probabilidad que proceda del proveedor 2?
Observemos que en la letra (b) y (c) el espacio muestral ha sido reducido a un
conjunto ms pequeo de inters como es en el primer caso, que el articulo
seleccionado procede del proveedor 2, o en el segundo caso que se sabe que el
articulo seleccionado tiene la caracterstica c2, es decir, en ambos casos la
probabilidad pedida est condicionada a la ocurrencia ya de un evento.
Definicin: Sean A y B dos eventos cualesquiera de , se define la probabilidad
condicional del evento A dado que el evento B ha ocurrido, P(A/B) mediante la
expresin:
(c.1)
) (
) (
) / (
B P
B A P
B A P

=
si P(B) 0
Observe que en la expresin (c.1) participan tres trminos, la probabilidad
condicional P(A/B), la probabilidad conjunta de dos eventos ) ( B A P y la
probabilidad marginal P(B).
De (c.1) ) ( B A P = P(A/B)P(B) (c.2)
As, es decir, la probabilidad conjunta de dos eventos es el producto de una
probabilidad condicional y una probabilidad marginal.
Anlogamente se tiene que ) ( B A P = P(B/A)P(A) (c.3).
Las expresiones (c.2) y (c.3) se conocen como regla del producto para ) ( B A P
Del ejemplo anterior (pag 44):
Letra b:
Sea A: evento que el artculo seleccionado al azar tiene la caracterstica c1
Sea B: evento que el artculo seleccionado al azar proviene del proveedor 2
Entonces de (c.1), P(A/B) =
583
220
= 0.38
46
Respuesta: Hay un 38% de probabilidad que un artculo que proviene del
proveedor 2 posea la caracterstica c1.
Letra c:
Sea C: evento que el artculo seleccionado al azar proviene del proveedor 2.
Sea D: evento que el artculo seleccionado al azar tiene la caracterstica 2.
Entonces de (c.1), P(C/D) =
283
198
= 0.70
Respuesta: Hay un 70% de probabilidad que un artculo que tiene la caracterstica
c2 provenga del operador 2.
Ahora bien, si en la expresin (c.2), P(A/B) = P(A), entonces podemos ver que el
evento B no influye en la ocurrencia del evento A, es decir, los eventos A y B son
independientes.
Definicin: Sean A y B dos eventos cualesquiera de . Se dice que los eventos
A y B son independientes si y slo si
) ( B A P = P(A) P(B)
Observacin: Si A y B son eventos independientes entonces:
i) A y B
c
son eventos independientes
ii) A
c
y B son eventos independientes
iii) A
c
y B
c
son eventos independientes
En resumen, para calcular la probabilidad conjunta entre los eventos A y B,
existen tres formas:
) ( B A P =
)
`
cia independen de condicin bajo B P A P

a dependenci de condicin bajo
A P A B P
B P B A P
relativa frecuencia Como
N
B A n
) ( ) (
) ( ) / (
) ( ) / (
) (
(c.4)
Ejemplo 18 Suponga dos cajas A y B, en que la caja A contiene 8 artculos de los
cuales 3 son defectuosos, y la caja B contiene 5 artculos de los cuales 2 son
defectuosos. Si se escoge al azar un artculo de cada caja.
i) Cul es la probabilidad que ambos artculos sean defectuosos?
ii) Cul es la probabilidad que un artculo sea defectuosos y el otro no?
iii) Si un artculo es defectuoso y otro no cul es la probabilidad que el articulo
defectuoso proceda de la caja A?
47
Ejemplo 19: Suponga que dos estudiantes, Juan y Jos son dos estudiantes de
ingeniera de un curso de probabilidad en dos universidades distintas, que deben
resolver un problema de probabilidades que est siendo aplicado, a la misma
hora, en un test. Juan de acuerdo a lo aprendido en clases tiene un 35% de
probabilidad de resolver el ejercicio y Jos un 45%. Cul es la probabilidad qu
el ejercicio evaluado sea resuelto?.
Solucin 1:El ejercicio ser resuelto si lo resuelve slo Juan, slo Jos o es
resuelto por ambos.
Sea A evento el problema es resuelto por Juan
Sea B evento el problema es resuelto por Jos
Sea S evento el problema es resuelto.
P(S) = P(AB
c
) + P(A
c
B) + P(AB)
De acuerdo al enunciado los eventos A y B son independientes puesto que si ellos
lo resuelven totalmente incomunicados uno no influye sobre el otro, luego:
P(S) = P(A)P(B
c
) + P(A
c
)P(B) + P(A)P(B)
= 0.35(1-0.45)+(1-0.35)0.45 + 0.35*0.45
= 0.643
Respuesta: Hay una probabilidad de un 64.3% que el problema sea resuelto.
Solucin 2: Busque una segunda forma de resolver el ejercicio.
Suponga ahora que el espacio muestral puede ser particionado por un conjunto de
k eventos disjuntos A
1
, A
2
, , A
k
es decir:
= A
1
U A
2
U U A
k

=
j i
A A j i
Suponga adems que estamos interesado en determinar la probabilidad de
ocurrencia de un evento B cualquiera de .
Esquemticamente:

B
A
1
A
2
A
3
A
5
A
4
A
6
A
k
B
A
1
A
2
A
3
A
5
A
4
A
6
A
k
48
De la figura observemos que el conjunto B puede ser reescrito como unin de los
trocitos en que B se interfecta con algn A
j
, as
B= (BA
1
)U(BA
2
)UU(BA
k
)
Obviamente algunas intersecciones son vacas, luego
P(B)= P((BA
1
)U(BA
2
)UU(BA
k
))
= P((BA
1
))+P((BA
2
))++P((BA
k
))
= P(B/A
1
)P(A
1
) + P(B/A
2
)P(A
2
) + + P(B/A
k
)P(A
k
) por (c.4)
Expresin conocida como teorema de la probabilidad total para el evento B.
Una pregunta interesante que surge aqu es, conocida la ocurrencia del evento B
cul es la probabilidad que esta ocurrencia cause la ocurrencia del evento A
j
?
Esto es P(A
j
/ B) =
) (
) (
B P
B A P
j

=
=
k
i
i i
j j
A P A B P
A P A B P
1
) ( ) / (
) ( ) / (

Expresin conocida como regla de Bayes.
Un poco de historia: Bayes, de origen ingls, fue ministro presbiteriano y un matemtico
competente. Consider la forma en que podra probar la existencia de Dios examinando
toda evidencia que el mundo aportaba acerca de l. En un intento por mostrar que el fin
principal de la Divina Providenciaes la felicidad de sus criaturas, el reverendo Bayes
utiliz las matemticas para estudiar a Dios. Desafortunadamente, las implicaciones
teolgicas de sus hallazgos alarmaron tanto al buen reverendo Bayes que durante su vida
se rehus a permitir la publicacin de su trabajo. Sin embargo, su obra trascendi y la
teora de decisiones moderna a menudo se conoce en su honor como teora de
decisiones bayesiana.
Ejemplo 20: Una planta de ensamblado recibe sus reguladores de voltaje de tres
proveedores diferentes; el 60% lo recibe del proveedor 1, 30% del proveedor 2 y
10% del proveedor 3. Se sabe adems que el 95% de los regulares de voltaje del
proveedor 1, 80% de los del proveedor 2 y 65% de los del proveedor 3 se
desempean de acuerdo con las especificaciones.
a) Si revisamos al azar un regulador de voltaje de esta planta cul es la
probabilidad que se desempee de acuerdo con las especificaciones?
b) Si seleccionamos al azar un regulador de voltaje y no se desempea de
acuerdo con las especificaciones cul es la probabilidad que haya sido
suministrado por el proveedor 1?.
c) Si seleccionamos al azar un regulador de voltaje y se desempea de acuerdo
con las especificaciones cul es la probabilidad que haya sido suministrado por
el proveedor 3?.
49
d) Si seleccionamos al azar un regulador de voltaje cul es la probabilidad que
no se desempee de acuerdo con las especificaciones y haya sido suministrado
por el proveedor 2?
Ejemplo 21: Suponga que una mquina usada en la fabricacin de piezas puede
estar ajustada o desajustada. Cuando est ajustada produce un 1% de piezas
defectuosas y cuando est desajustada un 10%. Se sabe que la probabilidad de
desajuste de la mquina es de un 30%.
a) Si se selecciona al azar una pieza producida por esta mquina y es buena
cul es la probabilidad que la mquina haya estado desajustada?.
b) Supongamos ahora que se eligen al azar 10 piezas independientes y todas son
buenas calcular la probabilidad que la mquina haya estado desajustada?
Ejemplo 22: Un poltico demcrata de Estados Unidos ha llegado a la conclusin
de que los cambios en el ndice de desempleo en el estado que representa
tendran un efecto importante en las probabilidades de su partido para ganar o
perder escaos en el senado estatal. Ha determinado que si el ndice de
desempleo aumenta 2% o ms, las probabilidades de perder ms de 10 escaos,
perder entre seis y 10 escaos, ganar o perder cinco o menos escaos, ganar
entre seis y 10 escaos, y ganar ms de 10 escaos son de 0.25, 0.35, 0.15, 0.15
y 0.10, respectivamente. Si el ndice de desempleo cambia en menos de 2%, las
respectivas probabilidades son 0.10, 0.10, 0.15, 0.35 y 0.30. Si el ndice de
desempleo baja 2% o ms, las probabilidades respectivas son 0.05, 0.10, 0.10,
0.40 y 0.35. En la actualidad, este poltico tiene la conviccin de que la
probabilidad de que el desempleo se eleve en 2% o ms es de 0.25, de que
cambie en menos de 2% es de 0,45, y de que disminuya en 2% o ms es de 0.30.
a) Si los demcratas ganan siete escaos, cul es la probabilidad de que el
ndice de desempleo haya bajado 2% o ms.
b) Si los demcratas pierden un escao, cul es la probabilidad de que el ndice
de desempleo haya cambiado en menos del 2%?.
Ejercicios complementarios
Ejercicio 5: Suponga que en una caja hay 20 fichas de las cuales 6 son rojas, 5
son verdes y 9 amarillas. Si seleccionamos 3 fichas al azar una tras otra. Cul es
la probabilidad que:
a) La primera sea amarilla?
b) La segunda sea roja dado que la primera fue amarilla.
c) La segunda sea roja dado que la primera fue roja.?
d) La tercera es verde dado que las dos primeras fueron verde.?
50
e) La tercera es verde dado que primera fue roja y la segunda amarilla?.
Ejercicio 6: Tomemos tres cajas segn se indica:
Caja 1: Contiene 10 lmparas de las cuales cuatro son defectuosas.
Caja 2: Contiene 6 lmparas con una defectuosa.
Caja 3: Contiene 8 lmparas con 3 defectuosas.
Escogemos al azar una caja y luego sacamos al azar una lmpara Cul es la
probabilidad que la lmpara sea defectuosa?
Ejercicio 7: Suponga que tenemos dos urnas como sigue:
La urna A contiene 5 fichas rojas y tres blancas. La urna B contiene una ficha roja
y dos blancas.
Se lanza un dado balanceado. Si aparece un 3 o un 6 se saca una ficha B y se
pone en la urna A y luego se saca una ficha de la urna A, de lo contrario se saca
una ficha de la urna A y se coloca en B para luego sacar una ficha de B.
i) Cul es la probabilidad que ambas fichas sean rojas?
ii) Cul es la probabilidad que las dos fichas sean blancas?
iii)Cul es la probabilidad que ambas fichas sean de distinto color?

Estadistica p4

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadistica p4

Uploaded by

Copyright:

Available Formats

Apunte preparado por el profesor Sr.

Rosamel Sez Espinoza con fines de docencia

cia independen de condicin bajo B P A P

You might also like