Beruflich Dokumente
Kultur Dokumente
2
A
3
B
Concluimos que la probabilidad de que A ocurra, dado que B ocurre es 1/3. Utilizaremos es smbolo P(AIB) para
representar esta probabilidad.
25
Estadstica Probabilstica
Generalizando:
Para determinar la probabilidad condicional de que el evento A ocurra, dado que B ocurre, divida la probabilidad
de que ocurra tanto A como B entre la probabilidad de que ocurra B; esto es:
P(A B)
P(B)
P( A / B)
Probabilidad de A dado B
0.
Ejemplo 3 :
Un fabricante de procesadores de licuadoras realiz un anlisis de quejas de los consumidores y determin que
estaban en las seis categoras siguientes:
Razn de la queja
Elctrica
Mecnica
18%
13%
12%
22%
30%
35%
Aspecto
32%
3%
35%
Totales
63%
37%
100%
Si hay una queja por parte de un consumidor: Qu probabilidad hay de que la causa de la queja sea el
aspecto del producto, dado que la queja se origin durante el perodo de garanta?
A ={Queja por el aspecto del producto}
B ={Queja presentada durante el perodo de garanta}
- Vemos que el 63% de las quejas se presentaron en el tiempo de la garanta, luego P(B) =0.63.
- El porcentaje de quejas debido a la apariencia que se presentaron durante el perodo de garanta
(evento A B) es del 32%. Luego P(A B)=0.32
- Podemos calcular la probabilidad condicional P(AIB) de que la causa de la queja sea el aspecto, dado que la
queja ocurri durante el perodo de garanta por:
P( A / B)
P( A B)
P( B)
0.32
0.63
0.51
51 %
- Concluimos que un poco ms de la mitad de las quejas durante el perodo de garanta se debieron a rayones,
abolladuras u otras imperfecciones en la superficie de las licuadoras.
Cul ser la probabilidad de que la queja haya sido presentada despus del periodo de garanta, dado que la
queja fue por una falla mecnica?
26
Estadstica Probabilstica
.3
.2
A={1, 3, 5}
B={1, 2}
.4
.6
P(B)
P(A
B).
P(A B)= P(A)+ P(B) - P(A B), luego P(A B)= 0.4 + 0.2 0.1= 0.5
Es necesario restar P(A B) porque si no lo hiciramos, estaramos incluyendo ms de una vez la probabilidad
de un evento simple.
27
Estadstica Probabilstica
Ms usada
Ejemplo 1
Un programador est interesado en el evento de que un trabajo sea procesado inmediatamente al momento de
presentarse.
Sean los eventos: A = { La computadora est funcionando}
B = { El trabajo se procesar de inmediato}
La interseccin de estos dos eventos, es el evento que le interesa al programador .
Si existe una probabilidad de 0.9 que la computadora est funcionando en un momento dado y de 0.05 de que
el trabajo se procesar de inmediato si la computadora est funcionando.
P(A)= 0.9
P(B/A)= 0.05
Qu probabilidad hay de que un trabajo dado se procese de inmediato?
P(A B)= P(A) P(BIA) = (0.05) (0.9)= 0.045.
La probabilidad de que un trabajo presentado se procese de inmediato es 0.045 o del 4.5%
28
Estadstica Probabilstica
P(BIA)= P(B)
P(A
Ejemplo 1:
Considere el experimento de lanzar una moneda 2 veces y observar la cara superior. Definimos los siguientes
eventos:
A ={ El primer lanzamiento es sello}
B ={ El segundo lanzamiento es sello}
Si A ya ocurri, afectar esto la probabilidad de que B ocurra?
El espacio muestral para este experimento ser: S = XX, XC, CX, CC
Evento simple
Probabilidad
CC
CX
XC
XX
P( B A)
P ( A)
1/ 4
1/ 2
2
4
1
2
Vemos que P(B)= y que P(BIA)= , luego el que el primer lanzamiento haya sido sello no afectar la
probabilidad de que el segundo lanzamiento sea sello.
Decimos entonces que los eventos A y B son independientes.
Si los eventos A y B son independientes, la probabilidad de la interseccin de A y B es igual al producto de las
probabilidades de A y B, o sea:
P(A
Ev. Independientes
29
Estadstica Probabilstica
Ejemplo 2:
En un estudio para saber si fumar y el cncer de pulmn estn relacionados, 750 personas fueron estudiadas,
los resultados se tabulan. Suponga que una persona del estudio es seleccionada al azar. Con base en los
datos, determine si los eventos tener cncer de pulmn (T) y fumar (F) son o no independientes.
Cncer de pulmn
Sin cncer de pulmn
Totales
Comparemos P(T) con P(TIF)
250
P (T )
750
P (T F ) 150 / 750
P (T / F )
P( F )
275 / 750
Como P(T) P(TIF)
independientes.
Fumador
150
125
275
150
275
No fumador
100
375
475
Total
250
500
750
0.55
concluimos que los eventos fumar y tener cncer de pulmn no son eventos
Ejemplo 3 :
Dos inspectores revisan un mismo artculo para catalogarlo como bueno o defectuoso. El primer inspector no
detecta como defectuosos el 6% de los artculos revisados. El segundo inspector no detecta como defectuosos
el 3% de los artculos que revisa, despus de haber sido revisados por el primer inspector. Calcule la
probabilidad de que un artculo defectuoso no sea detectado por los dos inspectores.
A ={ Artculo defectuoso no detectado por el primer inspector}
B ={ Artculo defectuoso no detectado por el segundo inspector}
P(A)= 6%
P(BIA)=3%
P(A)= 0.06
P(BIA)=0.03
30
Estadstica Probabilstica
Contest (C)
120
94
135
349
No Contest (N)
29
36
86
151
Total
149
130
221
500
Tuvieron accidentes
26
9
No tuvieron accidentes
102
63
Si se elige una persona al azar, con licencia de conduccin. Calcule la probabilidad de que:
a. Haya tenido accidentes de trnsito el ltimo ao.
b. Tenga aficin al licor.
c. Haya tenido accidentes de trnsito, dado que consume licor.
d. No haya tenido accidentes de trnsito, dado que es abstemio.
3. Una urna contiene 4 pelotas blancas y 2 azules. Se extraen 2 pelotas al azar de la urna. Calcule la
probabilidad de que:
a. Ambas sean blancas.
b. La primera sea azul y la segunda blanca.
c. Una sea blanca y la otra azul.
4. Se realiz una encuesta entre un grupo de personas para conocer su opinin acerca del aborto provocado.
Del total de encuestados, el 16% estuvo de acuerdo. De ps que estuvieron de acuerdo con el aborto, el 67%
tena menos de 30 aos. Calcule la probabilidad de que una persona de menos de 30 aos est de acuerdo
con el aborto provocado.
5. En un corral se tienen 12 cerdos entre los cuales se sabe que 2 tienen Salmonellas. Se van a sacrificar dos
cerdos elegidos al azar, calcule la probabilidad de que el segundo cerdo sacrificado tenga Salmonellas.
31
Estadstica Probabilstica
6. Un artculo de IEEE Computer Applications in Power (abril de 1990) describe un sistema de vigilancia
automtico para detectar intrusos en tiempo real, tanto en interiores como en exteriores, utilizando cmaras de
video y microprocesadores. El sistema se prob en exteriores en diversas condiciones climticas, en Tokio,
Japn. La tabla indica el nmero de intrusos detectados y no detectados en cada condicin.
Intrusos detectados
Intrusos no detectados
Totales
Condiciones climticas
Despejado
Nubes
Lluvia
21
228
226
0
6
6
21
234
232
Nieve
7
3
10
Viento
185
10
195
32
Estadstica Probabilstica