TECNOLGICO NACIONAL DE MXICO

INSTITUTO TECNOLGICO DE CAMPECHE

DEPARTEMENTO DE INGENIERA METAL-MECNICA
PROBABILIDAD Y ESTADSTICA

Investigacin conceptual segunda unidad

Alumno:

Grupo:

Segundo Semestre

Maestro:

INGENIERO INDUSTRIAL RAMN AGUSTN BOCOS PACHECO.

Investigacin conceptual de la unidad 2 Introduccin
a la probabilidad
1.- Definicin de Conjunto
Un conjunto no tiene definicin matemtica, sin embargo, en forma intuitiva un
conjunto es un agregado o coleccin de objetos de cualquier naturaleza con
caractersticas bien definidas de manera que se puedan distinguir todos sus
elementos. A los objetos que lo componen se les llama elementos del conjunto.
Se pueden citar infinidad de ejemplos de conjuntos, algunos de ellos son:
El conjunto de das de la semana.
El conjunto de las vocales.
El conjunto de los nmeros reales.

2.- Notacin de conjuntos

A los conjuntos se les denota con letras maysculas y a sus elementos con letras
minsculas; a los elementos se les encierra entre "llaves" ({ }) y se separan con
"comas" (,). As por ejemplo, el conjunto D cuyos elementos son los nmeros que
aparecen al lanzar un dado se escribe:
D = {1, 2, 3, 4, 5, 6}

3.- Conjuntos Explcitos e Implcitos

Los conjuntos se pueden escribir en forma implcita (por descripcin) cuando no
se enumeran o enlistan todos sus elementos, o en forma explcita (por
enumeracin) cuando se enlistan todos sus elementos; por ejemplo, el conjunto
de los das de la semana se puede escribir en forma implcita as:

es un da de la semana}
Este se lee, S es el conjunto de los x tales que x es un da de la semana.
Tambin podemos escribirlo en forma explcita
S = {domingo, lunes, martes, mircoles, jueves, viernes, sbado}

4.- Conjunto Finitos e Infinitos

Segn la cantidad de elementos que tenga un conjunto, estos se pueden clasificar
en conjuntos finitos, los que tienen un nmero conocido de elementos, y los
conjuntos infinitos, los que tienen un nmero ilimitado de elementos.

2
Cuando queremos indicar que un elemento pertenece a un conjunto o que es un
miembro del conjunto usamos el smbolo "e" que se lee, "pertenece a", o "es
elemento de"; y cuando queremos indicar que no pertenece al conjunto, usamos:
" ", Por ejemplo:
Lunes S

5.- El conjunto Universal

El conjunto universal U es el conjunto de todos los elementos considerados en un
problema o situacin dada. Por ejemplo, si solo queremos trabajar con los
nmeros reales positivos, el conjunto universal ser o si
queremos trabajar con los nmeros que aparecen en un dado, el conjunto
universal ser:
U = {1, 2, 3, 4, 5, 6}.
Ntese que el conjunto universal no es nico, depende de la situacin.

6.- El conjunto Vaco

Un conjunto que no Tiene elementos se le llama conjunto vaco y se denota por
Ejemplo:
El conjunto de los meses del ao con 27 das.

7.- Subconjunto
Un conjunto B es "subconjunto" de un conjunto A, si todos los elementos de B
pertenecen a A y se escribe . Esto se lee: "B est contenido en A' "B es
subconjunto de A".
Ejemplo:
El conjunto de los nmeros naturales N = {0, 1, 2, 3, 4,....} es un subconjunto del
conjunto de los nmeros enteros.
Z = {,-3, -2, -1, 0, 1, 2, 3, 4,} y ste a su vez es subconjunto del conjunto de
los nmero racionales Q, que es el conjunto de los nmeros que se pueden
expresar de la manera siguiente: donde m y n son enteros y n 0.
Por lo tanto, se tiene la relacin

3
8.- Diagramas de Venn - El concepto grfico de conjuntos
Cualquier figura geomtrica cerrada (crculos, rectngulos, tringulos, valos, etc.)
sirve para representar grficamente las operaciones entre conjuntos, estos
grficos son llamados diagramas de Venn; normalmente al conjunto universal se
le representa con un rectngulo y los conjuntos con un crculo, tringulo, elipse,
etc.

La parte rayada representa A B.

La parte sombreada representa A B.

La parte rayada representa Ac

La parte rayada representa A B

Los diagramas de Venn en ningn momento constituyen una prueba matemtica,

sin embargo, permiten tener una visin intuitiva de la relacin que puede existir
entre dos conjuntos.
Ejemplo:
Sean U = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
A = {2, 3, 4, 5, 6}
B = {4, 5, 6, 7, 8, 9}

4
Entonces: = {2, 3, 4, 5, 6, 7, 8, 9}

9.- Operaciones con conjuntos

Bsicamente se definen cuatro operaciones con conjuntos; la unin, la
interseccin, el complemento y la diferencia.

* Unin:
Sean A y B dos subconjuntos del conjunto universal U. La unin de A con B
denotada por A U B, es el conjunto de todos los elementos que pertenecen a A, a
B a ambos.

En smbolos: .

* Interseccin
Sean A y B dos subconjuntos del conjunto universal U. La interseccin de A y B,
denotada por A B, es el conjunto de todos los elementos que pertenecen a A y a
B simultneamente.

En smbolos:

5
* Diferencia
Sea A un subconjunto del conjunto universal U. El complemento de A, denotado
por es el conjunto de los elementos de U que no pertenecen a A; es decir:

* Complemento
Sean A y B dos subconjuntos de U, la diferencia de A menos B, denotada por A-B,
es el conjunto de los elementos de A que no pertenecen a B.

Esto es:

10.- Leyes o propiedades de las operaciones con conjuntos

Leyes de Identidad

Leyes de Idempotencia

Leyes del Complemento

Leyes de la Conmutatividad

Leyes de la Asociatividad

Leyes Distributivas

Leyes de DeMorgan

11.- Cardinal de un Conjunto

6
El nmero de elementos diferentes de un conjunto se le llama cardinal del
conjunto, y lo denotamos por n(A) #(A).
La "cardinalidad" solo puede darse en el caso de conjuntos finitos, ya que en el
caso de los conjuntos "infinitos", no es posible contar el nmero de elementos
incluidos en ellos.

* Propiedades

* Proposiciones
**Proposicin 2.1**
Sea A cualquier subconjunto del conjunto universal U, entonces:
n (Ac) = n (U) - n(A).
Sabemos que A Ac=U y que A A= . Por consiguiente, por la propiedad 3
tenemos que:
n (U) = n (A Ac) = n (A) + n (Ac).
Despejando
n (Ac) = n (U) - n (A).
**Proposicin 2.2**
Si A y B son dos subconjuntos cualesquiera del conjunto universal U, entonces:
n (A BJ=n(A) + n(Bj - n(A B).
Observemos que A se puede escribir como la unin de dos conjuntos disjuntos, y
B tambin.

Por la propiedad 3:

7
Sumando estas dos ecuaciones:

**Ejemplo:
Supngase que n (U)=200, n (A)=138. n (B)=127, n =70. Cul es el
cardinal de ?

Usando diagramas de Venn, tenemos que en la interseccin hay 70

elementos y en A hay 138, lo que hace que en haya 139-70=68; y como en
B hay 127, en hay 127-70=57.

12.- La necesidad de contar

A pesar de la complejidad de muchos procedimientos avanzados, proporcionados
por la tecnologa moderna, el simple proceso de contar contina jugando un papel
importante en problemas prcticos de la vida cotidiana. Tenemos que contar, por
ejemplo, el nmero de alumnos por grupo, el nmero de llamadas telefnicas
recibidas en una oficina por da, o algo ms complejo como calcular en cuantas
formas podemos sentar a 6 personas una al lado de la otra para un foto; o el
nmero de seales que se pueden hacer usando 4 banderas todas de diferente
color; o cuntos nmeros de tres cifras se pueden formar con los dgitos: 1, 2, 3,
4, 5, 6, 7, 8, 9 si no se pueden repetir los dgitos; etc.
Frecuentemente es necesario determinar cantidades como estas para poder
calcular probabilidades.

13.- Mtodos para realizar un conteo

a) A travs de diagramas

8
Enlistar todas las posibilidades (si no son muchas) y otra, determinar su nmero
sin enlistarlas. La determinacin del nmero sin enlistar todas las posibilidades es
de lo que se ocupa la teora combinatoria mediante algunas reglas o frmulas; sin
embargo, podemos auxiliarnos con diagramas para poder tener una idea intuitiva
del problema.

l) Diagramas de Venn
Cualquier figura geomtrica cerrada (crculos, rectngulos, tringulos, valos, etc.)
sirve para representar grficamente las operaciones entre conjuntos, estos
grficos son llamados diagramas de Venn; normalmente al conjunto universal se
le representa con un rectngulo y los conjuntos con un crculo, tringulo, elipse,
etc. Permiten tener una visin intuitiva de la relacin que puede existir entre dos
conjuntos.

ll) Diagramas de rbol

Son una ayuda visual intuitiva que se utiliza cuando es necesario tomar en cuenta
el orden.
Por ejemplo, supongamos que un cuarto tiene cuatro puertas, llammoslas A, B,
C, D y, que estamos interesados en saber de cuantas formas podemos entrar por
una puerta y salir por otra. Obviamente hay varias posibilidades, cuntas son?
Son doce las posibilidades. Para resolver problemas como este, resultan de gran
ayuda los diagramas de rbol.

lll) Principio multiplicativo (diagrama de rayitas)

9
Son dos operaciones que se van a realizar: entrada y salida, colocamos dos
rayas, en una colocamos el nmero de posibilidades que hay de entrar (4) y en la
otra el nmero de posibilidades que hay de salir por otra puerta diferente a la de la
entrada (3), por lo tanto, tenemos: 4 x 3 = 12.

b) A travs de frmulas o reglas de conteo

l) k eventos en n intentos
Si cualquiera de k eventos mutuamente excluyentes y colectivamente exhaustivos
puede ocurrir en cada uno de n intentos, el nmero de resultados posibles es igual
a Kn.
Si una moneda (con dos lados) se arroja 10 veces, el nmero de resultados es 2 10
= 1024.

II) Para k1, k2,, kn eventos

Un experimento se describe como una sucesin de k pasos en los que hay n 1
resultados posibles en el primer paso, n2 resultados posibles en el segundo paso y
as en lo sucesivo, entonces el nmero total de resultados experimentales es (n 1)
(n2)(nk).
Si considera el experimento del lanzamiento de dos monedas como la sucesin de
lanzar primero una moneda (n1 = 2) y despus lanzar la otra (n2 = 2), siguiendo la
regla de conteo (2)(2) = 4, entonces hay cuatro resultados distintos. Como ya se
mostr, estos resultados son S = {(H, H), (H, T), (T, H), (T, T)}. El nmero de
resultados experimentales de seis monedas es (2)(2)(2)(2)(2)(2) = 64.

III) n objetos tomados todos a la vez

El nmero de formas en que los n objetos pueden ordenarse: n! = n(n-1) (1).
Donde n! se denomina n factorial y 0! Se define como 1.
El nmero de formas en que los seis libros pueden ordenarse es:
n! = 6! = (6)(5)(4)(3)(2)(1) = 720.

IV) Combinaciones

10
Otra regla de conteo til le permite contar el nmero de resultados experimentales
cuando el experimento consiste en seleccionar n objetos de un conjunto
(usualmente mayor) de N objetos. sta es la regla de conteo para combinaciones.

La notacin ! significa factorial; por ejemplo, 5 factorial es 5! = (5)(4)(3)(2)(1) =

120. Como ejemplo del uso de la regla de conteo para combinaciones, considere
un procedimiento de control de calidad en el que un inspector selecciona al azar
dos de cinco piezas para probar que no tengan defectos. En un conjunto de cinco
partes, cuntas combinaciones de dos partes pueden seleccionarse? De
acuerdo con la regla de conteo de la ecuacin, es claro que con N = 5 y n = 2 se
tiene:

De manera que hay 10 resultados posibles en este experimento de la seleccin

aleatoria de dos partes de un conjunto de cinco. Si etiqueta dichas partes como A,
B, C, D y E, las 10 combinaciones o resultados experimentales sern AB, AC, AD,
AE, BC, BD, BE, CD, CE y DE.

V) Permutaciones
La tercera regla de conteo que suele ser til, es para permutaciones. Dicha regla
permite calcular el nmero de resultados experimentales cuando se seleccionan n
objetos de un conjunto de N objetos y el orden de seleccin es relevante. Los
mismos n objetos seleccionados en orden diferente se consideran un resultado
experimental diferente.

11
La regla de conteo para permutaciones tiene relacin estrecha con la de
combinaciones; sin embargo, con el mismo nmero de objetos, el nmero de
permutaciones que se obtiene en un experimento es mayor que el nmero de
combinaciones, ya que cada seleccin de n objetos se ordena de n! maneras
diferentes.
Para ver un ejemplo, reconsidere el proceso de control de calidad en el que un
inspector selecciona dos de cinco piezas para probar que no tienen defectos.
Cuntas permutaciones puede seleccionar?
La ecuacin, indica que si N = 5 y n = 2, se tiene:

De manera que el experimento de seleccionar aleatoriamente dos piezas de un

conjunto de cinco piezas, teniendo en cuenta el orden en que se seleccionen,
tiene 20 resultados. Si las piezas se etiquetan A, B, C, D y E, las 20
permutaciones son AB, BA, AC, CA, AD, DA, AE, EA, BC, CB, BD, DB, BE, EB,
CD, DC, CE, EC, DE y ED.

14.- Introduccin a la probabilidad (Desarrollo histrico)

La teora de la probabilidad tuvo su origen en las apuestas en juegos de azar; a
Girolamo Cardano (1501-1576), fsico, astrnomo y matemtico, se le atribuye la
primera discusin sobre la probabilidad en su manual para jugadores; pero Pascal
(1623-1662) y Fernat (1600-1665), alrededor de la primera mitad del siglo XVII
quienes desarrollaron la Teora de la Probabilidad. Jacob Bernoulli (1654-1705)
fue tambin uno de los primeros que estudiaron la probabilidad matemtica; su
nombre va asociado a varios conceptos matemticos, como los Experimentos de
Bernoulli en probabilidad.
Pafhuti Lvovich Chevyshev (1821-1894) contribuyo a la teora de la probabilidad
con la Desigualdad de Chevyshev, que debido a su generalidad resulta ser una
herramienta terica muy importante.

15.- Conceptos bsicos de probabilidad

* Experimento aleatorio y Ensayo
Un experimento aleatorio es un proceso que tiene las siguientes propiedades:
1) El proceso se efecta de acuerdo a un conjunto bien definido de reglas.
2) Es de naturaleza tal que se repite o puede concebirse la repeticin del
mismo.

12
 3) El resultado de cada ejecucin depende de la cantidad y, por lo tanto, no
se pude predecir un resultado nico.
Una solo ejecucin del experimento se llama Ensayo.

* Espacio muestral y Evento

Al conjunto de todos los posibles resultados de un experimento se llama Espacio
Muestral, del experimento, y se denota por S.
A cada resultado del experimento se le llama elemento o punto de S. Se dice que
un espacio muestral es finito o infinito, cuando el conjunto S tiene un numero finito
o infinito de elementos, respectivamente.
En muchos problemas prcticos no estamos tan interesados en los resultados
individuales, del experimento sino en el hecho de que un resultado se encuentre
contenido en un cierto conjunto de resultados. Es claro que cada conjunto de este
tipo es un subconjunto del espacio muestra S, este subconjunto se llama Evento.

16.- Tipos de eventos

* Evento Simple
Un evento simple es el resultado que se observa en una sola repeticin del
experimento. Se denota con una E y un subndice.

* Evento Compuesto
Si la ocurrencia o no ocurrencia de E 1 no afecta la probabilidad de ocurrencia de
E2, entonces Pr{E1|E2} = Pr {E2} y se dice que E1 y E2 son eventos independientes,
de lo contrario se dice que son eventos dependientes.
Si se denota E1E2 el evento de que tanto E1 como E2 ocurran, evento al que
suele llamarse evento compuesto.
Sacar una carta de una baraja bien sea una reina o un as tambin son eventos
mutuamente excluyentes. Sin embargo, sacar una reina y un corazn no lo son,
debido a que ambos se presentaran si se sacara la reina de corazones, esto es
un evento compuesto.

13
* Eventos mutuamente excluyentes
Dos eventos A y B que no ocurren simultneamente o que no tienen elementos en
comn, es decir se les llama eventos mutuamente exclusivos o
mutuamente excluyentes.
El sacar una cara o un sello al lanzar una moneda una vez. Si se obtiene una
cara, no puede ocurrir un sello.

* Eventos colectivamente exhaustivos

Los eventos colectivamente exhaustivos constan de todos los posibles resultados
de un experimento y constituyen su espacio muestral. Los eventos colectivamente
exhaustivos de lanzar un dado son 1, 2, 3, 4, 5, 6.
Adems, debido a que existe la certeza de que uno de estos eventos ocurrir, su
probabilidad combinada ser igual a uno.
De los 500 empleados de King Dynamics, Inc. 170 estn clasificados como
miembros del personal administrativo, 290 como trabajadores en lnea, y los 40
trabajadores restantes son empleados auxiliares. Los eventos colectivamente
exhaustivos son S, L y A. Si un empleado se selecciona al azar;
P(S)= 170/500=0.34
P(S9= 290/500=0.58
P(S)= 40/500= 0.08
Debido a que ocurre la certeza de que el empleado seleccionado provenga de una
de estas tres reas colectivamente exhaustivas;
P(S o L o A)= 0.34+0.58+0.08=1

* Eventos Complementarios

Dos eventos A y B son complementarios si y a B se le

denota A.
Son los eventos en los que si un evento ocurre, el otro debe de ocurrir. Si un
evento A es lanzar un nmero par con un dado (2, 4 o 6), el complementario es
lanzar un nmero impar (1, 3 o 5). Si no se obtiene un nmero par, se debe
obtener un nmero impar.

14
17.- Definiciones de probabilidad
a) Enfoque Clsico (a priori)
Esta definicin es de uso limitado puesto que descansa sobre la base de las dos
siguientes condiciones:
1) El espacio muestra de todos los resultados posibles S es finito.
2) Los resultados del espacio muestra deben ser igualmente prohabables.
Bajo estas condiciones y si A es el evento formado por n(A) resultados del espacio

muestra y, el nmero total de resultados posibles es n(S), entonces p(A) .

Ejemplo: al lanzar un dado, Cul es la probabilidad de obtener un nmero par?
P (un numero par)= 3/6= 0.5

b) Enfoque Emperico o Frecuencial (a posteriori)

La definicin clsica se ve limitada a situaciones en las que hay un nmero finito
de resultados igualmente probables. Por desgracia, hay problemas prcticos que
no son de este tipo y la definicin de a priori no se puede aplicar. Por ejemplo, si
se pregunta por la probabilidad de que un paciente sea curado mediante cierto
tratamiento mdico, o la probabilidad de que una determinada maquina produzca
artculos defectuosos, entonces no hay forma de introducir resultados igualmente
probables. Por ello se necesita un concepto ms general de probabilidad. Una
forma de dar respuesta a estas preguntas es obtener algunos datos empricos en
un intento por estimar las probabilidades. Supongamos que efectuamos un
experimento n veces y que en esta serie de n ensayos el evento A ocurre
exactamente r veces, entonces la frecuencia relativa de evento es r/n, o sea,
fr (E)=f(E)=r/n.
La gran mayora de experimentos aleatorios de importancia practica tienen
estabilidad, por esto podemos sospechar que prcticamente ser cierto que la
frecuencia relativa de un evento E en un gran nmero de ensayos es
aproximadamente igual a un determinado nmero P(E), o sea, la probabilidad del

evento E es
Ejemplo: si lanzamos un dado cien veces y observamos la presencia del nmero 2
en 16 veces, en tal caso:
P(A)= 16/100.
Cuando se usa la definicin frecuencial, es importante tomar en cuenta los
siguientes aspectos:

15
 1) La probabilidad obtenida de esta manera es nicamente una estimacin del
valor real.
2) Cuando mayor sea el nmero de ensayos, tanto mejor ser la estimacin
de la probabilidad; es decir, a mayor nmero de ensayos mejor ser la
estimacin.
3) La probabilidad es propia de solo un conjunto de condiciones idnticas a
aquellas en las que se obtuvieron los datos, o sea, la validez de emplear
esta definicin depende de que las condiciones en que se realiz el
experimento sean repetidas idnticamente.

c) Axiomas bsicos de la probabilidad

Las definiciones anteriores son netamente empricas o experimentales, sin
embargo despus de establecer una forma de determinar la probabilidad
experimentalmente, se puede deducir leyes o propiedades de la probabilidad en
forma lgica o computacional bajo ciertas suposiciones llamados axiomas de la
probabilidad.
La probabilidad de un evento A se define como el nmero P(A), tal que se cumple
con los siguientes axiomas:
**Axioma 1: la probabilidad P(A) de cualquier evento no debe ser menor que cero
ni mayor que uno.

**Axioma 2: P(S) = 1
**Axioma 3: si A y B son dos eventos mutuamente exclusivos entonces
Si dos o ms sucesos son incompatibles entre s, entonces la probabilidad de la
unin de ellos, es igual a la suma de sus probabilidades respectivas.

Si =
Toda la teora elemental de la probabilidad est construida sobre las bases de
estos tres simples axiomas.

d) Probabilidad subjetiva
En la probabilidad subjetiva intervienen preferencias y emociones del analista que
en general, son diferentes para cada caso. Por ejemplo, un apostador puede
preferir el nmero 3 porque su horscopo se lo recomienda.

16
17
18.- Clculo de probabilidades
* Tablas de contingencia
Las tablas de contingencia y las tablas de probabilidad son tiles al calcular la
probabilidad de eventos. Regresando al ejemplo de King Dinamics, Inc. se supone
que la tabla de contingencia para todos los 500 empleados aparece en la
siguiente tabla.

La tabla muestra por ejemplo que de los 170 miembros del personal
administrativo, 120 son hombres y 50 son mujeres.

* Tablas de probabilidad
Una tabla de probabilidad puede crearse dividiendo cada una de las entradas de
la tabla anterior (tabla de contingencia) por el total, 500 trabajadores. Los
resultados se ven en la siguiente tabla.

* Probabilidad simple
La regla ms evidente para las probabilidades es que deben variar en valor de 0 a
1. Un evento imposible tiene una probabilidad 0 de ocurrir, y un evento cierto tiene
una probabilidad 1 de ocurrir. La probabilidad simple se refiere a la probabilidad de
ocurrencia de un evento simple, P(A), como:
La probabilidad de seleccionar una carta negra.
La probabilidad de seleccionar un as.
La probabilidad de seleccionar una carta negra es 26/52 o , puesto que hay 26
cartas negras en la baraja de 52 cartas.
Cmo encontraramos la probabilidad de seleccionar un as de la baraja?
Hallaramos el nmero de ases de la baraja sumando los ases negros y los ases
rojos de la baraja:

18
La probabilidad simple tambin se denomina probabilidad marginal, puesto que el
nmero total de xitos (ases en este caso) puede obtenerse del margen apropiado
de una tabla de contingencias.
La probabilidad de un as, P(A), tambin podra obtenerse a partir del diagrama de
Venn, observando el nmero de resultados contenidos en los crculos.

* Probabilidad conjunta
Mientras la probabilidad marginal se refiere a la ocurrencia de eventos simples, la
probabilidad conjunta se refiere a fenmenos que contienen dos o ms eventos,
como la probabilidad de un as negro o una reina roja.
Recuerde que un evento conjunto A y B significa que ambos eventos A y B deben
ocurrir simultneamente. Refirindonos a una tabla de contingencias, esas cartas
que son negras y ases consisten solo en los resultados de la celda simple as
negro. Como hay dos ases negros, la probabilidad de escoger una carta que sea
negro es:

* Regla general de la adicin

Habiendo desarrollado un medio de encontrar la probabilidad el evento A y la
probabilidad del evento A y B, desearamos examinar una regla (la regla de la
adicin) que se usa para encontrar la probabilidad del evento A o B. Esta regla
para obtener la probabilidad de la unin de A y B considera la ocurrencia del
evento A o del evento B o de ambos, A y B.

El clculo de la probabilidad del evento A o B, puede expresarse en la

siguiente regla de la adicin general:

19
La regla de la adicin consiste en tomar la probabilidad de A y sumarle a la
probabilidad de B; la interseccin de A y B debe restarse entonces de este total
porque ya ha sido incluida dos veces al calcular la probabilidad de A y la
probabilidad de B.
* Probabilidad condicional e Independencia estadstica
Si tenemos los sucesos A, B en un experimento aleatorio, con P(B)>0, se llama
probabilidad condicional a: P(A/B). La probabilidad de ocurrencia del evento A
dado que ya se ha presentado el suceso B.

Ejemplo:
A un grupo de personas se le pregunta sobre la intencin de voto para las
prximas elecciones.

P (vote dado que es masculino)=

P (vote dado que es femenino)=

**Independencia estadstica:

20
Por ejemplo la probabilidad de obtener un nmero impar en el segundo
lanzamiento de un dado, no depende de si en el primer lanzamiento se obtuvo un
nmero impar.
* Regla de la multiplicacin e Independencia estadstica
Mientras que la ley de las suma de probabilidades sirve para calcular la
probabilidad de la unin de dos eventos, la ley de la multiplicacin es til para
calcular la probabilidad de la interseccin de dos eventos. La ley de la
multiplicacin se basa en la definicin de probabilidad condicional.

Para ilustrar el uso de la ley de la multiplicacin, considere el caso del

departamento de circulacin de un peridico al que 84% de los hogares de cierta
regin estn suscritos a la edicin diaria del peridico. Si D denota el evento un
hogar suscrito a la edicin diaria, P(D) = 0.84.
Adems, sabe que la probabilidad de que un hogar ya suscrito a la edicin diaria
se suscriba tambin a la edicin dominical (evento S) es 0.75; esto es, P(S | D) =
0.75.
Cul es la probabilidad de que un hogar se suscriba a ambas, a la edicin diaria
y a la dominical? Emplee la ley de la multiplicacin y calcule la probabilidad
deseada,

As, sabe que 63% de los hogares se suscriben a ambas ediciones, a la diaria y a
la dominical.
**Ley de la multiplicacin para eventos independientes:

Para calcular la probabilidad de la interseccin de dos eventos independientes,

simplemente se multiplican las probabilidades correspondientes. Observe que la
ley de la multiplicacin para eventos independientes proporciona otra manera de
determinar si dos eventos son independientes. Es decir, si
entonces A y B son independientes; si P(A)P(B), entonces A y B son
dependientes.
Como una aplicacin de la ley de la multiplicacin para eventos independientes
considere el caso del jefe de una gasolinera que por experiencia sabe que 80% de

21
los clientes usan tarjetas de crdito al pagar la gasolina. Cul es la probabilidad
de que los dos siguientes clientes paguen la gasolina con tarjeta de crdito? Sean
A= el evento el primer cliente paga con tarjeta de crdito
B= el evento el segundo cliente paga con tarjeta de crdito

Entonces el evento que interesa es Si no hay ninguna otra informacin, ser

razonable suponer que A y B son eventos independientes. Por tanto,

19.- Teorema de Bayes

El reverendo Thomas Bayes (1702-1761) desarrollo un concepto til al calcular
ciertas probabilidades. Que es conocido como el teorema de Bayes.
Por lo general, se suele iniciar el anlisis con una estimacin de probabilidad
inicial o probabilidad previa de los eventos que interesan. Despus, de fuentes
como una muestra, una informacin especial o una prueba del producto, se
obtiene ms informacin sobre estos eventos. Dada esta nueva informacin, se
modifican o revisan los valores de probabilidad mediante el clculo de
probabilidades revisadas a las que se les conoce como probabilidades
posteriores. El teorema de Bayes es un medio para calcular estas probabilidades.
Revisin de la probabilidad usando el teorema de Bayes.

Como aplicacin del teorema de Bayes, considere una fbrica que compra piezas
de dos proveedores. Sea A1 el evento la pieza proviene del proveedor 1 y A 2 el
evento la pieza proviene del proveedor 2. De las piezas que compra la fbrica,
65% proviene del proveedor 1 y 35% restante proviene del proveedor 2. Por tanto,
si toma una pieza aleatoriamente, le asignara las probabilidades previas P(A 1) =
0.65 y P(A2) = 0.35.
La calidad de las piezas compradas vara de acuerdo con el proveedor. Por
experiencia, sabe que la calidad de los dos proveedores es como muestra la tabla
siguiente.

22
Si G denota el evento la pieza esta buena y B denota el evento la pieza esta mala,
la informacin de la tabla proporciona los siguientes valores de probabilidad
condicional.

El diagrama de rbol de la figura siguiente representa el proceso de recibir una

pieza, de uno de los dos proveedores, y despus determinar si la pieza es buena
o mala como experimento de dos pasos. Se observa que existen cuatro resultados
experimentales: dos corresponden a que la pieza este buena y dos corresponden
a que la pieza este mala.

Cada uno de los resultados experimentales es la interseccin de dos eventos, de

manera que para calcular estas probabilidades puede usar la ley de la

multiplicacin. Por ejemplo,

El proceso de clculo de estas probabilidades conjuntas se representa mediante
un rbol de probabilidad como es el siguiente.

De izquierda a derecha por el rbol, las probabilidades de cada una de las ramas
del paso 1 son probabilidades previas y las probabilidades de cada uno los
resultados del paso 2 son probabilidades condicionales. Para hallar la probabilidad
de cada uno de los resultados experimentales, simplemente se multiplican las
probabilidades de las ramas que llevan a ese resultado. En la figura anterior, se

23
muestra cada una de estas probabilidades conjuntas junto con las probabilidades
en cada rama.
Supongamos ahora que las piezas de los dos proveedores se emplean en el
proceso de fabricacin de esta empresa y que una maquina se descompone al
tratar de procesar una pieza mala. Dada la informacin de que la pieza esta mala,
Cul es la probabilidad de que sea del proveedor 1 y cul es la probabilidad de
que sea del proveedor 2? Para responder estas preguntas aplique el teorema de
Bayes usando la informacin del rbol de probabilidad.
Como B es el evento la parte esta mala, lo que busca son las probabilidades
posteriores P(A1|B) y P(A2|B): de acuerdo con la ley para la probabilidad
condicional

Del rbol de probabilidad

Para hallar P(B), se observa que B solo puede presentarse de dos maneras:

Por tanto,

Sustituyendo las dos ltimas ecuaciones en la primera ecuacin y expresando de

manera siguiente P(A2|B) se obtiene el teorema de Bayes para el caso de dos
eventos.

Ecuacin a

Ecuacin b

A partir de la ecuacin a y los valores de probabilidad del ejemplo, se tiene

Y usando la ecuacin b se encuentra P(A2|B).

24
Observe que al principio de este ejemplo, la probabilidad de seleccionar una pieza
y que fuera del proveedor 1 era 0.65. Sin embargo, dada la informacin de que la
pieza esta mala, la probabilidad de que la pieza provenga del proveedor 1 bajo a
0.4262. En efecto, si la pieza esta mala, la posibilidad de que sea del proveedor 2
es mayor que 50-50; es decir, P(A2|B) = 0.5738.
El teorema de Bayes es aplicable cuando los eventos para los que se quiere
calcular la probabilidad revisada son mutuamente excluyentes y su unin es todo
el espacio muestral.
En el caso de n eventos mutuamente excluyentes A 1, A2,, An, cuya unin sea
todo el espacio muestral, el teorema de Bayes aplica para calcular cualquiera de
las probabilidades posteriores P(Ai|B) como se muestra a continuacion:

Si la union de los eventos es too el espacio muestral, los eventos son

colectivamente exhaustivos.
Con las propiedades previas P(A 1), P(A2),,P(An) y las propiedades condicionales
adecuadas P(B|A1), P(B|A2),, P(B|An), se usa la ecuacion anterior para calcular
la probabilidad posterior de los eventos A1,A2,,An.

25