Estadstica Probabilstica

6. Tablas de contingencia y diagramas de rbol.

En los problemas de probabilidad y en especial en los de probabilidad condicionada, resulta interesante y
prctico organizar la informacin en una tabla de contingencia (Posibilidad de que algo suceda o no suceda)o
en un diagrama de rbol.
Las tablas de contingencia y los diagramas de rbol estn ntimamente relacionados, dado uno de ellos
podemos construir el otro. Unas veces, los datos del problema permiten construir fcilmente uno de ellos y a
partir de l podemos construir el otro, que nos ayudar en la solucin del problema.

6.1. Conversin de una tabla en diagrama de rbol

Las tablas de contingencia estn referidas a dos eventos que presenta cada uno dos o ms posibilidades. En el
caso de los sucesos A, Ac, B yBc, expresados en frecuencias absolutas, relativas o probabilidades, la tabla
adopta la forma adjunta.
A
Ac
TOTAL
B
P( A
B)
P(Ac
B)
P( B )
Bc
P( A
Bc)
P( Ac
Bc)
P(Bc)
TOTAL
P( A )
P( Ac)
1
Dicha tabla adopta la forma del diagrama de rbol del dibujo. En ste, a cada uno de los sucesos A y Ac se les
ha asociado los sucesos B y Bc.
B
P(B|A)
A
P(A)

Bc
P(Bc|A)
P(B|Ac)
B

P(Ac)

Ac
P(Bc|A)

Bc

Sobre las ramas del diagrama de rbol se han anotado las probabilidades condicionadas correspondientes,
deducidas de las relaciones anlogas a:
Juan Camilo Alzate Echeverri
34
juank151@hotmail.com

Estadstica Probabilstica

6.2. Conversin de un diagrama en tabla de contingencia

De manera recproca, dado el diagrama de rbol podemos construir la tabla de contingencia equivalente si ms
que utilizar la expresin
P(A

B ) = P( A ) P( B/A )

para calcular las probabilidades de las intersecciones de sucesos que forman la tabla.
Ejemplo 1
Un taller sabe que por trmino medio acuden por la maana 3 automviles con problemas elctricos, 8 con
problemas mecnicos y 3 con problemas de chapa, y por la tarde 2 con problemas elctricos, 3 con problemas
mecnicos y 1 con problemas de chapa.
a. Calcule el porcentaje de los que acuden por la tarde.
b. Calcule el porcentaje de los que acuden por problemas mecnicos.
c. Calcule la probabilidad de que un automvil con problemas elctricos, acuda por la maana.
Solucin
En las tablas de contingencia, con las frecuencias absolutas y los porcentajes, respectivamente, pueden verse
recogidos los datos del enunciado.
ELCTRICOS MECNICOS CHAPA TOTAL
MAANA

14

TARDE

TOTAL

11

20

ELCTRICOS MECNICOS CHAPA TOTAL

MAANA

0.15

0.40

0.15

0.70

TARDE

0.10

0.15

0.05

0.30

TOTAL

0.25

0.55

0.20

1.00

Las respuestas a las cuestiones planteadas basta leerlas en las tabla. As, se obtiene:
35

Juan Camilo Alzate Echeverri

juank151@hotmail.com

Estadstica Probabilstica

a. El 30% de los automviles acude al taller por la tarde.

b. El porcentaje de vehculos ingresados con problemas mecnicos es el 55%.
c. La probabilidad buscada es:
P(acuda por la maana/tiene problemas elctricos) = (3/20)/(5/20) = 3/5 = 0.6
La probabilidad de que un automvil con problemas elctricos, acuda por la maana es del 60%.
6.3. Teorema de la Probabilidad Total
La probabilidad de un evento que se puede dar de varias formas es igual a la suma de los productos de las
probabilidades de que se den estas formas P(An), por las probabilidades de ste en cada una de esas formas
P(B/An).
n

P( B) P( An ) P( B / An )
I 1

Ejemplo 1
Una poblacin est formada por tres grupos tnicos: A con un 30%, B con un 10% y C con un 6O%. Adems se
sabe que el porcentaje de personas con ojos claros en cada una de estas poblaciones es, respectivamente, del
20%, 40% y 5%. Cul es la probabilidad de que un individuo al azar de esta poblacin tenga ojos claros?
Solucin
Por el teorema de la probabilidad total, la probabilidad de que un individuo elegido al azar de esta poblacin
tenga ojos claros es:
P(ojos claros) = P(A) x P(ojos claros/A) + P(B) x P(ojos claros/B) + P(C) x P(0jos claros/C )
= 0.3 x 0.2 + 0.1 x 0.4 + 0.6 x 0.05 = 0.13
La probabilidad de que un individuo escogido al azar de esta poblacin sea de ojos claros es del 13%.
Ejemplo 2
Se realiz un censo en la ciudad de Medelln para saber la cantidad de personas que habita la ciudad. Sus
resultados fueron que el 0.6 son mujeres y el resto hombres. De las mujeres el 0.65 son menores de edad y el
0.35 son mayores de edad, mientras que en los hombres sucede lo contrario de las mujeres. Si se escoge una
persona al azar de este estudio, encuentre la probabilidad de que sea menor de edad.
Solucin
36

Juan Camilo Alzate Echeverri

juank151@hotmail.com

Estadstica Probabilstica

M = {Sea mujer}

A = {Sea menor de edad}

H = {Sea hombre}

B = {Sea mayor de edad}

P(A|M)=0.65
P(M)=0.6
P(B|M)=0.35
P(A|H)=0.35
P(H)=0.4

P(B|H)=0.65

P(A) = P(M A)+ P(H A)

P(A) = P(M).P(A|M)+P(H).P(A|H)
P(A) = 0.6 * 0.65 + 0.4 * 0.35
P(A) = 0.39 + 0.14
P(A) = 0.53 = 53% Es la probabilidad de que sean menores de edad.
Ejemplo 3
La aerolnea Avianca hizo una encuesta a igual nmero de usuarios en las ciudades de Bogot y Medelln, con
el fin de tener una visin acerca de cul es la opinin que tienen los usuarios del servicio que se presta. Los
resultados se presentan en la siguiente tabla:
Bueno
Regular
Malo

Medelln
24%
47%
29%

Bogot
22%
36%
42%

Si un usuario encuestado es seleccionado al azar, encuentre la probabilidad de que considere que el servicio
de Avianca es bueno.
Solucin
P(B) = P(Med B)+ P(Bt B)
P(B) = P(Med)*P(B|Med)+P(Bt)*P(B|Bt)
P(B) = 0.5 * 0.24 + 0.5 * 0.22 = 0.12 + 0.11 = 0.23
La probabilidad de que esta persona haya dicho que el servicio es bueno es del 23 %.
Para una mayor claridad puedes observar el diagrama adjunto.

Bueno
37

Juan Camilo Alzate Echeverri

juank151@hotmail.com

Estadstica Probabilstica

P(B/Med) = 0.24
Medelln

Inicio

P(Med) = 0.5
P(Bt) = 0.5

Regular
Malo

P(R/Med) = 0.47
P(M/Med) = 0.29

Bueno
P(B/Bt) = 0.22

Bogot

Regular P(R/Bt) = 0.36

Malo

P(M/Bt) = 0.42

Ejemplo 4
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 primera 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

La probabilidad de que un autobs sufra una avera es del 2.5%

38

Juan Camilo Alzate Echeverri

juank151@hotmail.com

Estadstica Probabilstica

7. Teorema de Bayes
La tcnica ms antigua y mejor definida para manejar la incertidumbre es la Regla de Bayes, la misma que est
basada en la teora clsica de la probabilidad. Las hiptesis son ms o menos probables dependiendo de las
posibilidades de los hechos o evidencias que las sostienen. La probabilidades se calculan con base a la frmula
general de la probabilidad condicional de Bayes o alguna transformacin de la misma.
En su esencia, esta regla nos indica qu informacin es necesaria y el mtodo para invertir la condicin cuando
calculamos una probabilidad condicional. Si A y B son eventos y conocemos P(A/B), P(A/Bc), entonces
podemos calcular P(B/A). La necesidad de calcular ste ultimo valor a partir de la informacin disponible es
imprescindible para entender las consecuencias de algunas de nuestras decisiones.
Suponga que en el ejemplo 3 de la pgina 36, el cual habla sobre la opinin que tienen los usuarios de Bogot
y Medelln acerca de la aerolnea Avianca, se quiere hallar la probabilidad de que al escoger una persona al
azar del estudio, sta sea de Medelln, dado que dijo que el servicio era bueno.

Bueno
Medelln

Inicio

P(Med) = 0.5
P(Bt) = 0.5

Bogot

P(B/Med) = 0.24

Regular

P(R/Med) = 0.47
P(M/Med) = 0.29

Malo

Bueno

P(B/Bt) = 0.22

Regular P(R/Bt) = 0.36

Malo

P(M/Bt) = 0.42

Solucin
Segn lo preguntado, deberamos encontrar la probabilidad siguiente:
P(Med/B)

39

Juan Camilo Alzate Echeverri

juank151@hotmail.com

Estadstica Probabilstica

De la formula de probabilidad condicional tenemos que:

P( Med B)
P( B)
P( Med ) P( B / Med )
P( Med / B)
P( Med B) P( Bt B)
P( Med ) P( B / Med )
P( Med / B)
P( Med ) P( B / Med ) P( Bt ) P( B / Bt )
P( Med / B)

Lo que hicimos fue simplemente: aplicar en el segundo paso la regla multiplicativa de la probabilidad para el
numerador y la regla de la probabilidad total para el denominador. Ahora podemos reemplazar los valores en la
ltima frmula pues todos son conocidos.

P( Med / B)

0.5 * 0.24
0.12

0.522
0.5 * 0.24 0.5 * 0.22 0.23

Lo cual quiere decir que la probabilidad de que la persona sea de Medelln, dado que dijo que el servicio es
bueno, es del 52.2%.

7.1. Deduccin de la Frmula de Bayes

Para realizar la deduccin de esta ltima frmula supongamos un espacio muestral que est dividido en n
fuentes de las cuales puede provenir un suceso A, as A1, A2, A3, ..., An y sea B un suceso cualquiera del que se
conocen las probabilidades condicionales P(B/Ai), luego, la probabilidad de que suceda algn evento A i, dado
que B sucedi, P(Ai/B) viene dada por:

P( Ai / B)

P( Ai B)
P( B)

P( Ai / B)

P( Ai ) P( B / Ai )
P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) ... P( An ) P( B / An )

P( Ai / B)

P( Ai ) P( B / Ai )
n

P( A ) P( B / A )
j 1

Teorema de Bayes

Expresando en palabras este numerador y denominador, tendramos que:

40

Juan Camilo Alzate Echeverri

juank151@hotmail.com

Estadstica Probabilstica

P( Ai / B)

Pr obabilidad ... para...el ...ca min o...de... Ai... y...B

Suma...de...todas...las... probabilid ades... para...las...rutas..a...B

Para i = 1,n
P(Ai) : Son llamadas probabilidades a priori, ya que estn dadas antes de que tengamos cualquier conocimiento
acerca del resultado de un evento que proviene de la fuente i.
P(Ai/B) : Es la probabilidad condicional tpica o normal que trata con la probabilidad de un resultado en la
segunda etapa despus que un resultado en la primera etapa ha ocurrido.
P(B/Ai) : Es la probabilidad inversa o sea, que trata con la probabilidad de un resultado en la primera etapa
dado que un resultado en la segunda etapa ha ocurrido. Tambin se llama probabilidad a posteriori, (o
posterior) ya que es encontrada despus que el resultado de la prueba es conocido.
En los problemas relacionados con la probabilidad, y en particular con la probabilidad condicionada, as como
con la probabilidad total y el teorema de Bayes, es aconsejable que, con la informacin del problemas,
construyas una tabla de contingencia o un diagrama de rbol.

Ejemplo
El gerente de marketing de una firma fabricante de juguetes planea la introduccin de un nuevo juguete al
mercado. En el pasado, 40% de los juguetes introducidos por esta firma han tenido xito y 60% no lo han
tenido. Antes de lanzar el juguete al mercado, se lleva a cabo una investigacin de mercados y se elabora un
informe, favorable o desfavorable. En el pasado, 80% de los juguetes con xito recibieron informes favorables y
30% de los juguetes sin xito tambin recibieron informes favorables. El gerente de marketing quera conocer la
probabilidad de que el nuevo juguete tendr xito si recibe un informe favorable.
El teorema de bayes se puede desarrollar a partir de las definiciones de probabilidad condicional y marginal en
la siguiente forma:
P(B A) = P(B) P(A/B)

(1)

P(A B) = P(A)P(B/A)

(2)

Con la ecuaciones (1) y (2) se tiene

P(B)(P(A/B) = P(A) P(B/A)
De modo que
P (B/A) =P (A/B) P(B)
P(A)
41

Juan Camilo Alzate Echeverri

juank151@hotmail.com

Estadstica Probabilstica

P (A)= P(A/B1) P(B1) + P(A/B2) P(B2)+..........+ P(A/BK) P(BK)

El teorema de bayes es:
P(Bi/A)=

P(A/Bi) P(Bi)
.
P(A/B1) P(B1) + P(A/B2) P(B2)+..........+ P(A/BK) P(BK)

En donde Bi es el i-esimo evento de k eventos mutuamente exclusivos.

Ahora se puede usar el teorema de bayes para resolver el problema del fabricante de juguetes.
Sean
Evento E = juguete con xito
Ec =juguete sin xito
Evento F = informe favorable
Fc = informe desfavorable
Y

P(E)= 0.40
P(Ec )= 0.60

Entonces

P(E/F)=

P(F/E)= 0.80
P(F/ Ec )= 0.30
P(F/E) P(E)
.
c
c
P(F/E) P(E) + P(F/ E ) P(E )

(0.80) (0.40)
.
(0.80) (0.40) + (0.30) (0.60)

0.32 .
0.32 + 0.18

= 0.64
La probabilidad de que un juguete tenga xito, dado que se recibi un informe favorable, es de 0.64. por tanto,
la probabilidad de que un juguete no tenga xito puesto que recibi un informe favorable es de 0.36, porque
solo hay dos eventos posibles:
P(Ec/F)= 1- P (E/F)
El denominador del teorema de Bayes representa la probabilidad total del evento F, en este caso un informe
favorable de la investigacin de mercados. Por tanto, la proporcin de juguetes que reciben informes favorables
de la investigacin de mercados es de 0.50.

42

Juan Camilo Alzate Echeverri

juank151@hotmail.com