SESIÓN 1

ESTADÍSTICA DESCRIPTIVA Y PROBABILIDADES

 TEMARIO

2. Eventos mutuamente excluyentes y no

excluyentes.
3. Teorema de Bayes y Probabilidad Total
LOGRO DE LA SESIÓN

Al finalizar la sesión, el estudiante calcula e

interpreta los conceptos de probabilidad
condicional, total y el teorema de Bayes en
situaciones reales.
 PROBABILIDAD CONDICIONAL
Para los eventos A y B de un espacio muestral, la probabilidad condicional de ocurrencia del
evento A, dado que el evento B ha ocurrido, está definida por:

𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴/𝐵) = | ≡ Dado que , Si , Cuando, sabiendo
𝑃(𝐵)

Regla de la Multiplicación
𝑃 𝐴∩𝐵
𝑃 𝐴/𝐵 = → 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 ∗ 𝑃 𝐴/𝐵
𝑃 𝐵
Se dice que A y B son independientes si la ocurrencia de uno de ellos no afecta la ocurrencia del otro.
𝑃 𝐴/𝐵 = 𝑃(𝐴)
𝑃 𝐵/𝐴 = 𝑃(𝐵)
 PROBABILIDAD CONDICIONAL
Hay una probabilidad del 10% de que usted participe en una conferencia sobre “Inteligencia
Artificial” y se encuentre con un docente de la UTP. Existe una probabilidad del 90% de que se
encuentre con un docente de la UTP en un día cualquiera. Halle la probabilidad de que haya
participado en una conferencia sobre “Inteligencia Artificial”, dado que se encontró con un
docente de la UTP.
Solución: Sean los eventos
D = {Participe en una conferencia} ; P = {Encontrarse con un docente de la UTP} → P P = 0.9
D ∩ P = {Participe en una conferencia y se encuentre con un docente de la UTP} →P D ∩ P = 0.1
P(D∩P) 0.1
Piden: P D/P = = = 0.11111
P(P) 0.9

La probabilidad de que haya participado en una conferencia sobre “Inteligencia Artificial”, dado
que se encontró con un docente de la UTP es 0.11111.
 PROBABILIDAD CONDICIONAL
Los colaboradores de una empresa en el área de calidad se distribuyen así: son 17 chicas (M) y
13 chicos (H) y también se sabe que hay 3 chicas y 4 chicos zurdos (Z).
a) Halle la probabilidad de que sea zurdo sabiendo que es chico.
b) Halle la probabilidad de que sea chico sabiendo que es zurdo
c) Halle la probabilidad de que sea chico o zurdo.
d) ¿Que sea Chico y sea Zurdo son eventos independientes?
 PROBABILIDAD CONDICIONAL

Solución: a) 𝑃 𝑍|𝐻 = 𝑃(𝑍 ∩ 𝐻) = 4/30 = 4/13

𝑃(𝐻) 13/30
𝑃(𝐻 ∩ 𝑍) 4/30
b) 𝑃 𝐻|𝑍 = = = 4/7
Zurdos (Z) Diestros (D) Total 𝑃(𝑍) 7/30
Chicos (H) 4 9 13 c) 𝑃 𝐻 ∪ 𝑍 = 𝑃 𝐻 + 𝑃 𝑍 − 𝑃(𝐻 ∩ 𝑍)
Chicas(M) 3 14 17 13 7 4 16
+ − =
30 30 30 30
Total 7 23 30
d) 𝑃 𝐻 ∩ 𝑍 = 𝑃 𝐻 𝑃 𝑍
4 13 7 No son
≠ independientes
30 30 30
 EJERCICIO INDIVIDUAL
Un grupo de 500 ejecutivos es clasificado de acuerdo a las características del peso y a
la incidencia del peso en la hipertensión. Se da la siguiente tabla:

a) ¿Cuál es la probabilidad de que una persona elegida al azar sea hipertensa?

b) Una persona elegida al azar tiene sobrepeso. ¿Cuál es la probabilidad que también sea
hipertensa?
c) Una persona elegida al azar no es hipertensa. ¿Cuál es la probabilidad de que tenga
peso normal?
 TEOREMA DE BAYES
Eventos mutuamente excluyentes
Dos eventos son mutuamente excluyentes cuando no hay elementos comunes.

Al lanzar una moneda de un

P(A U B) = P (A) + P (B) EURO, sólo hay dos
posibilidades: Cara o Sello,
una excluye a la otra.

Eventos no excluyentes
Dos eventos son no excluyentes cuando hay elementos comunes. Es decir, si la ocurrencia de uno de ellos no
impide la ocurrencia del otro. Esto es, los dos eventos pueden ocurrir en forma simultánea.

A B
P(A U B) = P (A) + P (B) – P (A ∩ B)
 TEOREMA DE BAYES
Probabilidad Total
Si A1, A2, A3,…,Ak constituyen una partición del espacio muestral y B es un evento cualquiera del
que se conocen las probabilidades condicionadas, entonces las probabilidades de la forma P(B) se
calculan mediante la expresión:
Ω : Espacio muestral • Mutuamente excluyentes:
Ai  A j = 
B
• Colectivamente exhaustivos:
A1 A2 … Ak k
 Ai = 
i =1

P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) +..+ P( B∩Ak )

Regla de la multiplicación: P(B)=P(A1) P(B|A1) + P(A2) P(B|A2)+…

Probabilidad total 𝑃 𝐵 = ෍ 𝑃 𝐴𝑖 ∗ 𝑃 𝐵|𝐴i 𝑖 = 1,2, . . , K

 TEOREMA DE BAYES
Teorema de Bayes
Reemplazando en la probabilidad condicional la regla de multiplicación y la probabilidad total
𝑃(𝐴𝑖 ∩ 𝐵) 𝑃(𝐴𝑖 ) ⋅ 𝑃(𝐵|𝐴𝑖 )
𝑃 𝐴𝑖 |𝐵 = =
𝑃(𝐵) σ 𝑃 𝐴𝑖 ∗ 𝑃 𝐵|𝐴𝑖

Teorema de bayes
Donde:
𝑃(𝐴𝑖 ) ⋅ 𝑃(𝐵|𝐴𝑖 ) 𝑃 𝐴 𝑖 : Probabilidad a priori
𝑃 𝐴𝑖 |𝐵 = 𝑃 (𝐵 /𝐴 𝑖 ): Probabilidad condicional
σ 𝑃 𝐴𝑖 ∗ 𝑃 𝐵|𝐴𝑖 𝑃 𝐵 : Probabilidad Total
𝑃 (𝐴 𝑖 /𝐵 ): Probabilidad a posterior
Nota: Para la solución se recomienda utilizar al diagrama del árbol.

Enlace:
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/LibroElec/Tema3/la_observacion.htm
http://colposfesz.galeon.com/est501/probabi/teo/cap308/cap308.htm
 TEOREMA DE BAYES
Caso: Fábrica de computadoras
Una fábrica de computadoras recibe discos duros de tres proveedores A,B y C los cuales
producen 25%, 55% y 20% respectivamente. Por información del área de control de calidad se
registra que los discos duros defectuosos 1% son de A, 0.5% son de B y 2 % son de C.
1. ¿Cuál es la probabilidad que el disco sea defectuoso?
2. ¿Cuál es la probabilidad que el disco sea no defectuoso?
3. Si se elige al azar un disco duro:
a. Si se sabe que es defectuoso, ¿cuál es la probabilidad que provenga del proveedor B?.
b. Si se sabe que no defectuoso, ¿cuál es la probabilidad que sea del proveedor C?
 TEOREMA DE BAYES
Bosquejo del árbol: D

𝑫𝑪
A
Solución:
a) Se definen los siguientes eventos: D

Disco duro
A: El disco duro viene del proveedor A P(B)
B: El disco duro viene del proveedor B B 𝑫𝑪
C: El disco duro viene del proveedor C
D: El disco duro es defectuoso
b) Elaborar el diagrama del árbol:
D
C
𝑫𝑪
 TEOREMA DE BAYES
Probabilidad Total D
Caso: Fábrica de computadoras
𝑫𝑪
Eventos: A
A: El disco duro viene del proveedor A
B: El disco duro viene del proveedor B D

Disco duro
C: El disco duro viene del proveedor C P(B)=0.55
B
D: El disco duro es defectuoso
𝑫𝑪

𝟏. 𝑃 𝐷 = 𝑃 𝐴 𝑃 𝐷 𝐴 + 𝑃 𝐵 𝑃 𝐷 𝐵 + 𝑃 𝐶 𝑃 𝐷 𝐶 D
P D = 0.25 0.01 + 0.55 0.005 + 0.2(0.02)
C
P D = 0.00925 (Probabilidad total)
𝑫𝑪
𝟐. 𝑃 𝐷𝑐 = 1 − 0.034 = 0.99075
 TEOREMA DE BAYES
D
Caso: Fábrica de computadoras

𝑫𝑪
𝑃 𝐵∩𝐵 𝑃 𝐵 𝑷(𝑫|𝑩) A
𝟑. 𝑃(𝐵|𝐷) = =
𝑃 𝐷 𝑃(𝐷)
D

Disco duro
0.55(0.005)
𝑃 𝐵𝐷 = = 0.282 P(B)=0.55
0.00925
B
𝑫𝑪
𝑃 𝐶 ∩ 𝐷𝑐 𝑃 𝐶 𝑷(𝐷𝑐 |𝑪)
𝟑. 𝑃(𝐶|𝐷𝑐 ) = =
𝑃 𝐷𝑐 𝑃(𝐷𝑐 )
D
0.2(0.98)
𝑃 𝐵𝐷 =
0.9975
= 0.1978
3 C
𝑫𝑪
 TEOREMA DE BAYES
Ejercicio: Teorema de Bayes y probabilidad total

Dos proveedores, A y B, entregan la misma pieza a un fabricante que guarda las existencias de
esta pieza en un mismo lugar. Los antecedentes demuestran que el 5% de las piezas entregadas
por A son defectuosas y que el 9% de las piezas entregadas por B también lo son. Además, A
entrega 4/5 de la mercadería. Si se extrae al azar una pieza y se encuentra que no es defectuosa,
¿cuál es la probabilidad de que haya fabricado A?
 TEOREMA DE BAYES
Ejercicio: Teorema de Bayes y probabilidad total

A= {Proveedor A} 𝟎. 𝟎𝟓 = 𝑷(𝑫/𝑨)
B= {Proveedor B} 4/5 = 𝑃(𝐴)
𝟎. 𝟗𝟓 = 𝑷(𝑵𝑫/𝑨)
D= {Pieza Defectuosa}
ND= {Pieza no Defectuosa} Pieza
𝟎. 𝟎𝟗 = 𝑷(𝑫/𝑩)
Piden: 𝑃(𝐴|𝑁𝐷) 1/5 = 𝑃(𝐵)
𝟎. 𝟗𝟏 = 𝑷(𝑵𝑫/𝑩)
𝑃 A 𝑃(𝑁𝐷|𝐴) 4/5 0.95
𝑃(𝐴|𝑁𝐷) = =
𝑃 ND 𝑃(𝑁𝐷) 𝐏𝐫𝐨𝐛 𝐓𝐨𝐭𝐚𝐥 ∶ 𝑃 𝑁𝐷 = 𝑃 𝑁𝐷 ∩ 𝐴 + 𝑃(𝑁𝐷 ∩ 𝐵)
𝑃 𝑁𝐷 = 𝑃 𝐴 𝑃(𝑁𝐷|𝐴) + 𝑃 𝐵 𝑃(𝑁𝐷|𝐵)
4/5 0.95
= = 081 𝑃 𝑁𝐷 = 4/5 0.95 + 1/5 0.91 = 0.94
0.94
 EJERCICIO INDIVIDUAL
La probabilidad de que se presente una determinada enfermedad es 1/600 y un test para
detectarlo es 98% confiable (esto quiere decir si la persona tiene la enfermedad la
probabilidad de que el test resulte positivo es 0.98 y si la persona no tiene la enfermedad la
probabilidad de que el test resulte negativo es 0.98).

Si a Ud. Le resulta el test positivo ¿Cuál es la probabilidad de que Ud. tenga la

enfermedad?
 CIERRE
CIERRE

¿Qué hemos aprendido?

1.¿Para qué sirve el diagrama del árbol?

2.¿Pará que sirve el teorema de bayes?