UNIVERSIDAD NACIONAL DE SAN AGUSTIN ESTADISTICA 1. Definicin clsica de probabilidad.

Si , el espacio muestral de un experimento, es un conjunto de n elementos y A evento con k resultados favorables, entonces P(A)=k/n=(# de elementos de A)/( # de elementos de ) Observacin: Aqui se supone que todos los resultados son igualmente probables, es decir si ={ n }P( i )=1/n, i=1,..n. 1 , 2 ,.., Ejemplo: a. Se lanza una moneda tres veces. Calcular la probabilidad que ocurran al menos dos caras. Solucin.B:"ocurre al menos dos caras" ; luego P(B)=(4/8). b. En una compaa hay 6 varones y 4 damas que aspiran a ser miembros de un comit. Si se deben escoger 2 al azar escribiendo los nombres en hojas de papel y sacndolos de una urna. (1)Cul es la probabilidad que los dos sean hombres?; (2)Cul que sean un hombre y una mujer o dos mujeres? Solucin.E: extraer 2 nombres de los 10 n()=C=45 elementos. (1) A:"los dos hombres". n(A)=C=15 elementos. (2) B:"sean un hombre y una mujer". n(B)=64=24 elementos. C:" dos mujeres". n(A)=C=6 elementos. Finalmente n(BC)=24+C=30 elementos P(BC)=((30)/(45))=(2/3). Propiedades Adems de P() = 1, P() = 0 tenemos: 1.0 P(A) 1, donde A. 2.Si ABP(A)P(B). 3.Si AB= (A y B se excluyen mutuamente) entonces: P(AB)=P(A)+P(B). 4.P(A)+P( A c )=1. 5.Si AB entonces P(AB)=P(A)+P(B)-P(AB). Ejemplos de uso de las Propiedades.1. P(A B) = P(A) + P(B). Se extrae una carta al azar de un mazo ingls normal de 52 cartas. Supongamos que definimos los eventos A: "sale 3" y B: "sale una figura" y se nos pregunta por la probabilidad de que ocurra A B. Como estos eventos no pueden ocurrir simultneamente, o sea, son mutuamente excluyentes, A B = y entonces P(A B) = P(A B) = P(A) + P(B)= P(sale 3) + P(sale figura) = 4/52 + 12/52 = 4/13. 2. P(A) + P( A c ) = 1. En el mismo experimento anterior de sacar una carta, el evento A: "no sale rey" tiene como complemento al evento "sale rey", entonces resulta mas simple calcular la probabilidad de A como 1 - P( A c ):

P(no sale rey) =P(A)= 1 - P(sale rey) = 1 - 4/52 = 12/13 3. P(A B) = P(A) + P(B) - P(A B). En el lanzamiento de un dado de seis caras, los eventos A: "sale par" y B: "sale primo" tienen iterseccin no vaca: AB={2}, entonces la probabilidad del evento "sale par o primo" = A B es P(A o B) = P(A B) = P(A) + P(B) - P(A B)= 3/6 + 3/6 - 1/6 = 5/6 2. Definicin por frecuencia relativa. Si un experimento se repite n veces (n grande); sea n(A)<n el nmero de veces que el evento A ocurre en los n ensayos se define: frecuencia relativa de veces que ocurre A=P(A)=n(A)/n Ejemplo: Una muestra aleatoria de 10 fbricas que emplean un total de 10 000 personas, demostr que ocurrieron 500 accidentes de trabajo durante un periodo reciente de 12 meses. Hallar la probabilidad de un accidente de trabajo en una industria determinada. Solucin.n= 10 000 A: "un accidente de trabajo en una industria determinada"; n(A)=500. P(A)=((500)/(10 000)) 3. Definicin de probabilidad subjetiva. Dado un experimento determinado, la probabilidad de un evento A es el grado de creeencia asignado a la ocurrencia de este evento por un individuo particular, basado en toda la evidencia a su supocisin, con las siguientes exigencias: 1.- P(A)=0, representa la certeza que el evento A, no ocurrir. 2.- P(A)=1, representa la certeza que el evento A, si ocurrir. 3.- 0<P(A)<1, representa el grado de certeza que el evento A, ocurrir. En apuestas: Si A es un evento P(A) es la probabilidad que ocurra el evento A. Las apuestas a favor de A son: P(A):[1-P(A)]; y las apuestas en contra de A son: [1-P(A)]:P(A) Ejemplo: En una carrera de caballos, el caballo "claudio" tiene las apuestas 5:1 en su contra, mientras que el caballo "royal" tiene 9:1 en su contra. Cul es la probabilidad que cualquiera de estos gane? Solucin.C: el caballo claudio gane la carrera; R: el caballo royal gane la carrera (C y R son excluyentes) P(C)=1/(5+1) =1/6; P(R)=1/(9+1) =1/10 P(CR)=P(C)+ P(R)=4/15. Probabilidades en espacios muestrales finitos Si se tiene el espacio muestral finito ={,,.., n } podemos designar las probabilidades p i =P({ i }) para cada i tal que p a. i >0, b.

p = P( ) =1
i =1 i i =1 i

Si A evento P(A)=

A i

P( ) .
i

Probabilidad Condicional e Independencia.

A. Si A y B son eventos dependientes (la ocurrencia de A influye en la ocurrencia de B), entonces P(AB)=P(A) P(B/A) donde P(B/A) es la probabilidad del evento B, sabiendo que ha ocurrido A. De forma equivalente la frmula anterior se escribe: P(B/A) = P(AB)/P(A) B. Si A y B son eventos independientes ( la ocurrencia de A no influye en la ocurrencia de B), entonces P(AB)=P(A) P(B) Ejemplo: 4. Una urna contiene dos bolas blancas (B) y tres bolas rojas (R). Suponga que sorteamos dos bolas al azar. a. Halle las probabilidades de las posibilidades que se presentan, si la primera bola escogida no es devolvida a la urna (sin reposicin ). b. Halle las probabilidades de las posibilidades que se presentan, si la primera bola escogida luego de verificar su color es devolvida a la urna (con reposicin ). 5. P(A B) = P(A)P(B). Lanzamos un dado de seis caras dos veces. Los eventos: A: "sale par en el primer lanzamiento" y B: "sale un 3 en el segundo", son eventos independientes, entonces la probabilidad de que "salga par en el primero y un 3 en el segundo" es P(A y B)=P(AB)=P(A)P(B)=(3/6)(1/6)=1/12 Ejercicio PC1: Cierta universidad en formacin en su primer ao de funcionamiento tiene tres curriculas: Ciencia, Administracin e Ingeniera. La clasificacin de los alumnos por sexo , es como sigue Ciencia Hombres Mujeres 250 100 Administracin 350 50 Ingeniera 200 50 Total 800 200

Total 350 400 250 1000 Se selecciona un estudiante aleatoriamente del grupo. Si se sabe que el estudiante es hombre. Cul es la probabilidad que ste en Ciencias? Cul que este en Ingenieras? Solucin.
Definimos los eventos:

B1 : el estudiante seleccionado es hombre. B2 : el estudiante seleccionado es mujer. A1 : el estudiante sigue ciencias. A2 : el estudiante est matriculado en Administracin.
A3 : el estudiante est matriculado en Ingeniera.
Luego

P ( B1 ) =

800 200 350 400 = 0.80 , P ( B2 ) = = 0.20 , P ( A1 ) = = 0.35 , P ( A2 ) = = 0.40 , 1000 1000 1000 1000

P ( A3 ) =

250 = 0.25 1000 200 250 = 0.25 , P ( A3 B1 ) = = 0.2 1000 1000

Adems P ( A1 B1 ) =

As

P( A1 | B1 ) =

P( A1 B1 ) 250 0.25 = = = 0.3125 P ( B1 ) 800 0.80

P ( A3 | B1 ) =

P( A3 B1 ) 200 0.20 = = P( B1 ) 800 0.80

Probabilidad Total
k Sean B1 , B2 ,..., Bk eventos excluyentes tal que i =1 Bi = , donde es el espacio muestral

para cualquier evento A

P ( A) = P ( B1 ).P ( A | B1 ) + P ( B2 ).P ( A | B2 ) +... + P ( Bk ).P ( A | Bk )

Ejercicio PT1: Una compaa dedicada al transporte pblico explota tres lneas de una ciudad, de forma que el 60% de los autobuses cubre el servicio de la primero lnea, el 30% cubre la segunda y el 10% cubre el servicio de la tercera lnea. Se sabe que la probabilidad de que, diariamente, un autobs se avere es del 2%, 4% y 1%, respectivamente, para cada lnea. Determina la probabilidad de que, en un da, un autobs sufra una avera.

Solucin:
El suceso "sufrir una avera" (Av) puede producirse en las tres lneas, (L1, L2, L3). Segn el teorema de la probabilidad total y teniendo en cuenta las probabilidades del diagrama de rbol adjunto, tenemos: P(Av) = P(L1) P(Av/L1) + P(L2) P(Av/L2) + P(L3) P(Av/L3) = 0.6 0.02 + 0.3 0.04 + 0.1 0.01 = = 0.012 + 0.012 + 0.001 = 0.025

Ejercicio PT2: Una empresa del ramo de la alimentacin elabora sus productos en cuatro factoras: F1, F2, F3 y F4. El porcentaje de produccin total que se fabrica en cada factora es del 40%, 30%, 20% y 10%, respectivamente, y adems el porcentaje de envasado incorrecto en cada factora es del 1%, 2%, 7% y 4%. Tomamos un producto de la empresa al azar. Cul es la probabilidad de que se encuentre defectuosamente envasado?

Solucin:
Llamando M = "el producto est defectuosamente envasado", se tiene que este producto puede proceder de cada una de las cuatro factoras y, por tanto, segn el teorema de la probabilidad total y teniendo en cuenta las probabilidades del diagrama de rbol adjunto, tenemos: P(M) = P(F1) P(M/F1) + P(F2) P(M/F2) + P(F3) P(M/F3) + P(F4) P(M/F4) = = 0.4 0.01 + 0.3 0.02 + 0.2 0.07 + 0.1 0.04 = = 0.004 + 0.006 + 0.014 + 0.004 = 0.028

Ejercicio PT3: Se tiene una urna vaca y se lanza una moneda al aire. Si sale cara, se introduce en la urna una bola blanca y si sale cruz, se introduce una bola negra. El experimento se repite tres veces y, a continuacin, se introduce la mano en la urna, retirando una bola. Cul es la probabilidad de que en la urna queden una bola blanca y otra negra?

Solucin:
Llamamos B = "obtener bola blanca" y N = "obtener bola negra". En el diagrama de rbol pueden verse las configuraciones posibles de las urna, despus del lanzamiento de las monedas y las urnas finales, as como las probabilidades para cada una de ellas. Atendiendo a la notacin expresada en el diagrama de rbol y segn el teorema de la probabilidad total, se obtiene: P(BN) = P(BN BBN) + P(BN BNN) =P(BBN) P(BN/BBN) + P(BNN) P(BN/BBN) = = 3/8 2/3 + 3/8 2/3 = 1/4 + 1/4 =

Ejercicio PT4: Se lanzan dos monedas al aire. Si salen dos caras, se extrae una bola de una urna I, que contiene 2 bolas blancas y 3 negras. Si sale cara y cruz, se extrae una bola de una urna II, que contiene 4 bolas blancas y 1 negra. Si salen dos cruces, se extrae una bola de una urna III, que contiene 3 bolas blancas y 2 negras. Cul es la probabilidad de extraer bola blanca despus de lanzar las monedas y

sacar la bola?

Solucin:
El diagrama de rbol muestra, primero, las probabilidades correspondientes a la eleccin de la urna y, despus, a la extraccin de la bola. La probabilidad total de sacar bola blanca la calculamos caminando por todas las ramas que terminan en sacar bola blanca

P(B) = P(B/UI) P(UI) + P(B/UII) P(UII) + P(B/UIII) P(UIII) = 2/5 1/4 + 4/5 2/4 + 3/5 1/4 = 13/20

Teorema de Bayes
k Sean B1 , B2 ,..., Bk eventos excluyentes tal que i =1 Bi = , donde es el espacio muestral

la probabilidad de ocurrencia de Br dado que ocurrio el evento A es

P ( Br | A) = P ( Br A) P ( Br ).P ( A | Br ) = P ( A) P ( B1 ).P ( A | B1 ) + P ( B2 ).P ( A | B2 ) + ... + P ( Bk ).P ( A | Bk )

Ejercicio TB1: Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del 3%, 4% y 5%. a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la mquina B. c. Qu mquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa? Solucin

Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin del problema puede expresarse en el diagrama de rbol adjunto. a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la propiedad de la probabilidad total, P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) = = 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038 b. Debemos calcular P(B/D). Por el teorema de Bayes, c. Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya calculado. Aplicando el teorema de Bayes, obtenemos:

La mquina con mayor probabilidad de haber producido la pieza defectuosa es A EjercicioTB2: Para seleccionar sus funcionarios, una empresa ofrece a los candidatos un curso de training durante una semana. Al final, ellos son sometidos a una prueba y 25% son clasificados como buenos (B), 50% como medios (M) y los restantes 25% como incompetentes (I). Como medida de economia, el departamento de seleccin pretende sustituir el training por una prueba conteniendo preguntas envolviendo conocimientos generales y especificos. Pero, para eso, les gustaria conocer cual es la probabilidad de que un individuo aprobado en la prueba fuese considerado incompetente, caso hiciese el curso. Asi, en ese ao antes del inicio del curso, los candidatos fueron sometidos a la prueba y, de acuerdo con los resultados, recibieron el concepto aprobado (A) o reprobado ( R). Al final del curso, obtuvieron las siguientes probabilidades condicionales:
P ( A | B ) = 0.80 , P ( A | M ) = 0.50 , P ( A | I ) = 0.20 .

Solucin: Por el Teorema de Bayes se tiene que :

P ( I | A) = P ( A | I ).P ( I ) P ( A | B).P ( B ) + P ( A | M ).P ( M ) + P ( A | I ).P ( I )

............ =

(0.20).(0.25) =0.10 (0.80).(0.25) +(0.50).(0.50) +(0.20).(0.25)

Entonces, apenas 10% de los aprobados es que serian clasificados como incompetentes durante el curso. De modo anlogo, podemos encontrar:
P ( B | A) = 0.40 y P ( M | A) = 0.50 .

que serian subsidios valiosos para ayudar a la decisin de sustituir el training por la prueba. Ejercicio TB3: Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de haber sido extrada de la urna A? Solucin: Llamamos R= "sacar bola roja" y N= "sacar bola negra". En el diagrama de rbol adjunto pueden verse las distintas probabilidades de ocurrencia de los sucesos R o N para cada una de las tres urnas. La probabilidad pedida es P(A/R). Utilizando el teorema de Bayes, tenemos: