CONCEPTOS DE

PROBABILIDAD
Montgomery y Runger

1
Probabilidad y Estadística
Estadística: dada la
información en la
mano, ¿qué hay en el
recipiente?

Probabilidad: dada
la información en el
recipiente, ¿qué hay
en la mano?

2
Experimento Aleatorio
• Un experimento es un procedimiento, llevado a cabo
bajo condiciones controladas, ejecutado para descubrir
un resultado desconocido o para comprender mejor una
ley conocida
• Un experimento es aleatorio, si puede tener resultados
diferentes, aunque se lleve a cabo de la misma forma
cada vez

3
Variabilidad (ejemplo)
• Los sistemas telefónicos deben tener suficiente capacidad (líneas)
para manejar un número aleatorio de llamadas en un punto aleatorio
en el tiempo cuyas llamadas son de duración aleatoria.
• Si las llamadas llegan exactamente cada 5 minutos y duran
exactamente 5 minutos, solo se necesita 1 línea, un sistema
determinista.
• En la práctica, los tiempos entre llamadas son aleatorios y las
duraciones de las llamadas son aleatorias. Las llamadas pueden entrar
en conflicto como se muestra en la siguiente diapositiva.
• Conclusión: el diseño del sistema telefónico debe incluir una previsión
para la variación de la entrada. La variación afecta a los sistemas.
4
Deterministico o aleatorio
Las llamadas llegan cada 5 minutos. En el primer sistema, la duración de
las llamadas es de 5 minutos exactamente. En el segundo sistema, las
llamadas son de duración aleatoria, con un promedio de 5 minutos, lo
que puede causar llamadas bloqueadas, y señal de "ocupado".

Llamada

Duración

Tiempo
Minutos
Llamada
Llamada 3 bloqueada
Duración

Tiempo
Minutos

5
Espacio muestral
• Los experimentos aleatorios tienen diferentes resultados
• El conjunto de todos los posibles resultados es el espacio
muestral, S.
• S es discreto si consiste de un número finito o contable
de resultados
• S es continuo si contiene un intervalo (de longitud finita o
infinita) de los numeros reales

6
Definición de Espacios Muestrales
Seleccionar aleatoriamente y medir el ancho de una pieza.

1. S = R+ = {x|x > 0}, la linea real positiva. No es posible un ancho cero

o negativo. S es continuo.
2. Si se consideran solo tres anchos posibles. S = {bajo, medio, alto},
S es discreto.
3. Si se considera que esté o no dentro de especificaciones. S = {si, no}.
S es discreto.

7
Eventos

• Un evento (E) es un subconjunto del espacio muestral,

esto es, contiene uno o más de sus resultados
• Eventos compuestos:
• Union de dos eventos es el evento que tiene los resultados en
u otro de los eventos, E1 U E2.
• Intersección de dos eventos es el evento que tiene los
resultados en los dos eventos, E1  E2.
• Complemento de un evento es el conjunto de resultados que
no están en el evento, E’.

8
Axiomas de Probabilidad
• Probabilidad es un numero asignado a un evento que
cumple con las siguientes propiedades:

1. P(S) = 1
2. 0 ≤ P(E) ≤ 1
3. Para cada par de eventos E1, E2 con E1  E2 = Ø
P(E1 U E2) = P(E1) + P(E2)

9
Consecuencias
• P(Ø) =0
• P(E’) = 1 – P(E)
• Si E1  E2, P(E1) ≤ P(E2)
• P(E1 U E2) = P(E1) + P(E2) - P(E1  E2)
Esta última se conoce como la LEY ADITIVA de probabilidades, su
generalización a tres eventos es:
• P(E1 U E2 U E3) = P(E1) + P(E2) + P(E3) - P(E1  E2) - P(E1  E3)
- P(E2  E3) + P(E1  E2  E3)
• Se generaliza a más de tres eventos alternando signos y empezando con
eventos simples, intersecciones de pares, intersecciones de tercias, hasta
llegar a la intersección de todos los eventos

10
 Ejemplo 2-19
• En la tabla se tiene los registros de 940 obleas en la fabricación de
semiconductores. Supongamos que 1 oblea se selecciona al azar
Localización en herramienta
CONTAMINACIÓN Centro Arista TOTAL
Baja 514 68 582
Alta 112 246 358
TOTAL 626 314 940

Sea A el evento de altas concentraciones de contaminantes: P(A) = 358/940

Sea C el evento de que la oblea está en el centro de la herramienta de
pulverización: P(C) = 626/940
P(A U C) = P(A) + P(C) - P(A  C) = (358+626-112)/940 = 0.93 (REGLA ADITIVA)
11
Ejemplo 2-20
• Las obleas son clasificadas por el grado de contaminación. En la Tabla se
muestra la proporción de obleas en cada categoría.
No. partículas Localización en herramienta
contaminadas Centro Arista TOTAL
0 0.30 0.10 0.40
1 0.15 0.05 0.20
2 0.10 0.05 0.15
3 0.06 0.04 0.10
4 0.04 0.01 0.05
5 o más 0.07 0.03 0.10
TOTAL 0.72 0.28 1.00

• ¿Cuál es la probabilidad de que una oblea esté en el borde (arista) o que

contenga cuatro o más partículas?

12
Ejemplo 2-20
• Las obleas son clasificadas por el grado de contaminación. En la Tabla se muestra
la proporción de obleas en cada categoría.
No. partículas Localización en herramienta
contaminadas Centro Arista TOTAL
0 0.30 0.10 0.40
1 0.15 0.05 0.20
2 0.10 0.05 0.15
3 0.06 0.04 0.10
4 0.04 0.01 0.05
5 o más 0.07 0.03 0.10
TOTAL 0.72 0.28 1.00

• ¿Cuál es la probabilidad de que una oblea esté en el borde (arista) o que

contenga cuatro o más partículas?
Sea E1 el evento de que una oblea contiene cuatro o más partículas, y E2 el evento
de que esta en el borde. P(E1) = 0.15, P(E2) = 0.28, P(E1  E2) = 0.04,
• P(E1U E2) = 0.15 + 0.28 – 0.04 = 0.39
13
Ejemplo
• Los discos de policarbonato de un proveedor son analizado en cuanto a su
resistencia al rayado e impactos. Los resultados en 100 discos son:

Resistencia a impacto
Alta Baja
Resistencia a Alta 70 9
rayaduras Baja 16 5

a) Si se selecciona un disco al azar, ¿cuál es la probabilidad de que tanto su

resistencia al rayado como su resistencia al impacto sean altas?
b) Si se selecciona un disco al azar, ¿cuál es la probabilidad de que su resistencia al
rayado sea alta o su resistencia al impacto sea alta?
c) Considere el caso de que un disco tenga una alta resistencia al rayado y
el evento de que un disco tenga una alta resistencia al impacto. ¿Son estos dos
eventos mutuamente exclusivos?

14
Variables aleatorias
• Una variable aleatoria es una función que asigna un número real a
cada resultado en el espacio muestral de un experimento aleatorio.
• Notación: la variable aleatoria se denota con una letra mayúscula,
como X. Después de realizar el experimento, cualquier valor
observado se denota con una letra minúscula, como x = 70
• P (X = x)

15
Ejemplo
• Un estudiante llega sin haber estudiado a un examen, en el que tiene
que contestar 4 preguntas del tipo verdadero ó falso. Dadas las
circunstancias, antes de contestar una pregunta sólo lanza una
moneda, si resulta “águila” contesta verdadero y si resulta “sol”
contesta falso. ¿Cuál es la probabilidad de que apruebe el examen,
esto es obtenga al menos 3 resultados correctos?
• Sea X el número de resultados correctos
• ¿Cuál es el espacio muestral?
• ¿Qué valores puede tomar X?
• ¿Qué probabilidad tiene cada valor de X?

16
Probabilidad Condicional
• La probabilidad condicional de que ocurra el evento B dado que el evento A
ocurrió, es:
P(A ∩ B)
P(B|A) =
P(A)
S

A
AB Dado que se conoce que el evento A ocurrió,
B éste evento es el nuevo espacio muestral

Ejemplo: Un canal de comunicaciones tiene una tasa de error de 1 por cada 1000
bits transmitidos. Los errores son raros, pero tienden a ocurrir en ráfagas. Si un bit
es erróneo, la probabilidad de que el siguiente bit sea también un error debería ser
mayor que 1/1000
17
Ejemplo 2-22
Se clasifican 400 partes de acuerdo a que tengan fallas o no en su superficie (eventos F o
F’) y que sean defectuosas funcionales o no (eventos D o D’)

Fallas en superficie
Defectos
F F' Total
D 10 18 28 P (D) = 28/400 = 0.07
P (D|F) = 10/40 = 0.25
D' 30 342 372 P (D|F ') = 18/360 = 0.05
Total 40 360 400
Interpretación:
• La probabilidad de ser defectuoso es cinco veces mayor para partes con fallas
superficiales.
• Las probabilidades se ajustan al tenerse información adicional
• Puede haber una relación entre fallas superficiales y partes defectuosas, que debería ser
investigada
18
Regla multiplicativa
Reescribiendo la fórmula de la probabilidad condicional:

P(A  B) = P(A) P(B|A)

Se puede generalizar para calcular la probabilidad de la intersección de 3 o más

eventos:

P(A  B  C) = P(A) P(B|A) P(C|A  B)

19
Muestreo con/sin reemplazo
De un lote de 50 partes (N = 50), de las cuales 10 fueron fabricadas con la herramienta 1
(N1 = 10) y 40 con la herramienta 2 (N2=40), se toma una muestra de tamaño n = 2.
¿Cuál es la probabilidad de que la primera parte provenga de la herramienta 1 y que la
segunda provenga de la herramienta 2?
Ai: parte proviene de herramienta i, i =1, 2

Muestreo SIN reemplazo N1 = 10 N1 = 9

P(A1  A2) = P(A1) P(A2|A1) = (10/50) (40/49) = 0.163 N2 = 40 N2 = 40

Muestreo CON reemplazo N1 = 10 N1 = 10

P(A1  A2) = P(A1) P(A2|A1) = (10/50) (40/50) = 0.160 N2 = 40 N2 = 40

20
Ejemplo
Un lote de producción de 850 partes contiene 50 partes defectuosas. Tres partes se
seleccionan aleatoriamente.

¿Cuál es la probabilidad de que las dos primeras seleccionadas sean defectuosas?

¿Cuál es la probabilidad de que las dos primeras sean defectuosas y la tercera no?

21
Ejemplo
Un lote de producción de 850 partes contiene 50 partes defectuosas. Dos partes se
seleccionan aleatoriamente. ¿Cuál es la probabilidad de que ambas sean defectuosas?

Sea A el evento que indica que la primera parte seleccionada es defectuosa y B que
la segunda parte seleccionada es también defectuosa:
P(A  B) = P(A) P(B|A) = (50/850) (49/849) = 0.0034

Sea C el evento de que la tercera parte no es defectuosa:

P(A  B  C) = P(A) P(B|A) P(C|A  B) = (50/850) (49/849) (800/848) = 0.0032

22
INDEPENCIA DE EVENTOS
Dos eventos son independientes cuando la ocurrencia de uno de los evento no tiene
ningún efecto sobre la ocurrencia del otro

Matemáticamente si dos eventos A y B son independientes, entonces se cumplen las

siguientes condiciones:

• P (A | B) = P(A)
• P (B | A) = P(B)
• P (A  B) = P(A) P(B)

Esta última Ley Multiplicativa se generaliza para cualquier número de eventos

independientes conjuntamente:

• P(E1  E2  E3) = P(E1) P(E2) P(E3)

23
Ejemplo

Fallas en superficie
Defectos
F F' Total
D 10 18 28
D' 30 342 372
Total 40 360 400

P(D) = 28/400 = 0.07

P(F) = 40/400 = 0.10
P(D|F) = 10/40 = 0.25 P(D) ≠ P(D|F)

P(D  F) = 10/400 = 0.025

P(D) P(F) = (0.07)(0.10) = 0.007 P(D  F) ≠ P(D) P(F)

24
Ejemplo (cambiando los datos)

Fallas en superficie
Defectos
F F' Total
D 2 18 20
D' 38 342 380
Total 40 360 400

P(D) = 20/400 = 0.05

P(F) = 40/400 = 0.10
P(D|F) = 2/40 = 0.05 P(D) = P(D|F)

P(D  F) = 2/400 = 0.005

P(D) P(F) = (0.05)(0.10) = 0.005 P(D  F) = P(D) P(F)

25
Regla de la Probabilidad Total

E1, E2, … Ek son k eventos mutuamente

exclusivos con S = E1U E2 U… U Ek

(B  E1), (B  E2), … (B  Ek) son también eventos mutuamente exclusivos

P(B) = P(B  E1) + P(B  E2) + … + P(B  Ek)
P(B) = P(B/E1) P(E1) + P(B/E2) P(E2) + … + P(B/Ek) P(Ek)

26
Ejemplo 2-27: Contaminación de semiconductores
Se tienen las siguientes probabilidades de falla de semiconductores de
acuerdo a diferentes niveles de contaminación en la fabricación:
Nivel Probabilidad
Contaminación de Falla 20% de los semiconductores
Alta 0.100 están sujetos a altos niveles de
Media 0.01 contaminación, 30% a niveles
Baja 0.001 medios y 50% a niveles bajos

Sea F el evento de que el producto falla, A que está sujeto a niveles altos de
contaminación, M a niveles medios y B a niveles bajos:

P(F) = P(F/A)P(A)+ P(F/M)P(M)+ P(F/B)P(B)

= (0.100)(0.20)+ (0.010)(0.30)+ (0.001)(0.50) = 0.0235

27
Ejemplo
Un proveedor compra el 10% de sus partes de la fábrica A, el 20% de sus
partes de la fábrica B y El resto de sus partes de la fábrica C. De los
cuales, el 3% de las partes de A son defectuosos; el 2% de las piezas de B
son defectuosas, y el 0.5% de las piezas de C son defectuosas. ¿Cuál es la
probabilidad que una parte seleccionada al azar sea defectuosa?

28
Ejemplo
Un proveedor compra el 10% de sus partes de la fábrica A, el 20% de sus
partes de la fábrica B y el resto de sus partes de la fábrica C. El 3% de las
partes de A son defectuosos; el 2% de las piezas de B son defectuosas, y
el 0.5% de las piezas de C son defectuosas. ¿Cuál es la probabilidad que
una parte seleccionada al azar sea defectuosa?

A: la parte proviene de la fábrica A

B: la parte proviene de la fábrica B
C: la parte proviene de la fábrica C
D: la parte es defectuosa

P(D) = P(D|A) P(A) + P(D|B) P(B) + P(D|C) P(C)

P(D) = (0.03) (0.10) + (0.02) (0.20) + (0.005) (0.70) = 0.0105

29
TEOREMA DE BAYES
Las probabilidades condicionales son usadas frecuentemente para calcular la probabilidad de un evento,
por ejemplo calcular la probabilidad de falla de un producto dada una condición (como alta o baja
contaminación). Pero después de que un experimento genera un resultado, podríamos también estar
interesados en la probabilidad de que una condición se presente (por ejemplo alta contaminación) dado
el resultado (una falla del producto).

De la definición de probabilidad condicional:

P(A∩B) = P(B|A)P(A) = P(B∩A) = P(A|B)P(B),
igualando el cuarto y el segundo término se tiene:

P BA P A
P AB = , si P B >0
P(B)
• Esta expresión nos permite obtener P(B|A) en función de P(A|B),
que permite invertir el evento que es la condición
• Aplicando el teorema de la probabilidad total para el denominador: P(B),
se obtiene el teorema de Bayes

30
TEOREMA DE BAYES

E1, E2, … Ek son k eventos mutuamente

exclusivos con S = E1U E2 U… U Ek

P  B | E1  P  E1 
P  E1 | B  
P  B | E1  P  E1   P  B | E2  P  E2   ...  P  B | Ek  P  Ek 

• El denominador es la probabilidad de B con la regla de la probabilidad total

• El numerador es siempre un término del denominador, se deriva de la
probabilidad de la intersección de E1 y B

31
Ejemplo 2-37: Diagnóstico Médico
Debido a que se ha demostrado que un nuevo procedimiento médico es efectivo en la
detección temprana de una enfermedad, se propone realizar un examen médico de la
población. La probabilidad de que la prueba identifique correctamente a alguien con la
enfermedad como positivo es 0.99, y la probabilidad de que la prueba identifique
correctamente a alguien sin la enfermedad como negativo es 0.95. La incidencia de la
enfermedad en la población general es 0.0001. Se toma la prueba y el resultado es
positivo. ¿Cuál es la probabilidad de que se tenga la enfermedad?
Sea D el evento de que tiene la enfermedad y S el evento de que la prueba da
un resultado positivo. La información dada es:
P (S '|D') = 0.95, que implica P (S |D ') = 0.05, P (D) = 0.0001, P (S |D) = 0.99.
Se quiere obtener P (D | S)

32
Ejemplo 2-37: Diagnostico Medico
P SD P D
P DS =
P(S|D)P D + P(S|D′)P D′

(0.99)(0.0001) 0.000099
= = = 0.002
(0.99)(0.0001) + (0.05)(1 − 0.0001) 0.000099 + 0.049995

Antes de la prueba, la probabilidad era 0.0001. Después del resultado positivo, la

probabilidad es 0.002. Por lo tanto, su riesgo de tener la enfermedad ha
aumentado 20 veces = 0.002 / 0.00010, pero aún es muy pequeño.

33
Ejemplo
Un proveedor compra el 10% de sus partes de la fábrica A, el 20% de sus
partes de la fábrica B y El resto de sus partes de la fábrica C. De los
cuales, el 3% de las partes de A son defectuosos; el 2% de las piezas de B
son defectuosas, y el 0.5% de las piezas de C son defectuosas.

Si una parte es encontrada defectuosa, ¿cuál es la probabilidad de que

provenga de la fábrica A?

34
Ejemplo
Un proveedor compra el 10% de sus partes de la fábrica A, el 20% de sus
partes de la fábrica B y El resto de sus partes de la fábrica C. De los
cuales, el 3% de las partes de A son defectuosos; el 2% de las piezas de B
son defectuosas, y el 0.5% de las piezas de C son defectuosas.

Si una parte es encontrada defectuosa, ¿cuál es la probabilidad de que

provenga de la fábrica A?

P(A|D) = P(D|A) P(A) / (P(D|A) P(A) + P(D|B) P(B) + P(D|C) P(C) )

= 0.003 / 0.0105 = 0.286

35