Estadística Descriptiva e Inferencial. Manuel Córdova.

(2003). 5ta ed.

Capítulo: 5 2023-1

danielmavila@[Link]
Nota. En los exámenes y prácticas las probabilidades se expresarán en porcentaje
Experimento

Un experimento, en estadística, es cualquier proceso que

proporciona datos, numéricos o no numéricos.
Siempre y cuando se pueda repetir un experimento bajo las
mismas condiciones y se obtenga los mismos resultados se
estará en presencia de un fenómeno de naturaleza
determinista. Serán fenómenos deterministas los siguientes:

- El modelo matemático de la ley de Ohm.

- Al conectar un voltio a los terminales de una
resistencia de un ohm se establecerá una corriente
por ella, que será siempre igual a un amperio.
- Las leyes de Kepler.
- Las leyes gravitacionales de Newton.
- Al soltar un cierto objeto desde una cierta altura y
observar la dirección del movimiento ulterior del
objeto, el resultado será siempre la dirección de la
vertical.
Un ejemplo no científico para ilustrar la diferencia entre un
experimento y un no experimento serían las siguientes
situaciones:

“EXPERIMENTO”
Hacer enojar intencionalmente a una persona para ver sus
reacciones.

“NO EXPERIMENTAL”
Ver las reacciones de esa persona cuando llega enojada.
Experimento aleatorio

Entenderemos por experimento aleatorio cualquier

situación que, realizada en las mismas condiciones,
proporcione un resultado imposible de predecir a
priori. Alea jacta est (“La suerte está echada”)
Por ejemplo:
• Extraer una carta de una baraja.
• Extraer muestras del concreto a usar en un vaciado de
techo.
• Determinar la capacidad emprendedora de un grupo de
estudiantes.
 Sucesos o eventos
• Cuando se realiza un experimento aleatorio diversos resultados son
posibles. El conjunto de todos los resultados posibles se llama espacio
muestral (Sample space): E, U, Ω, S. (Se asume sin reemplazo)
• Experimento aleatorio: lanzar un dado. El espacio muestral E = {1; 2; 3;
4; 5 y 6}. (Notación del algebra de eventos)

• Para mostrar el espacio muestral, los experimentos aleatorios que

consisten de dos o más pruebas sucesivas se obtienen también de un
diagrama tipo árbol.

• Muestra el Ω del experimento de lanzar una moneda tantas veces como

sea necesario hasta que aparezca cara.
 Sucesos o eventos...

Se llama suceso o evento a un subconjunto

de dichos resultados. Distinguiremos entre
sucesos simples (o indivisibles) y compues-
tos (o divisibles):
– Sucesos simples, son aquellos que
comprenden un solo punto muestral.
– Sucesos compuestos, son los que englo-
ban más de un punto del espacio mues-
tral. Todo suceso compuesto se puede
considerar como unión de puntos del
espacio muestral o unión de sucesos
simples.
 Sucesos o eventos...

Se llama suceso complementario de un

suceso A (Ac, Ā o A’), al formado por los
elementos que no están en A.
Por ejemplo, sobre el experimento de lanzar
un dado el suceso A: “que el resultado sea
par”.

Ac será: “que el resultado sea impar”

Ac = {1; 3 y 5}.
Ejemplo de espacio muestral.
• Producir 20 cilindros (pilotes, testigos) de concreto bajo
condiciones idénticas de manufactura y contar los cilindros
cuya resistencia a la compresión sea mayor que 200 kg/cm2.
El espacio muestral es el conjunto S = {0; 1; 2 … 20}

Ejercicio 1.
• Un experimento consiste en seleccionar tres piezas, de
una en una y sin reposición, en un proceso
manufacturero y observar si son defectuosas D o no
defectuosas D’.
– Enlista todos los elementos del espacio muestral.
– Enlista los elementos contenidos en el suceso
A = {número de piezas defectuosas sea cero}.
Ejercicio 2.
Una bolsa contiene bolas negras y rojas. Se extraen sucesivamente
tres bolas sin reposición. Obtén:
a) El espacio muestral
b) El suceso A = {extraer tres bolas del mismo color}
c) El suceso B = {extraer, al menos, una bola negra}
d) El suceso C = {extraer una sola bola negra}
e) Calcula las probabilidades de los sucesos A, B y C

Ejercicio 3.
Se considera el sexo de los hijos de las familias de tres hijos. Sea A
el suceso el hijo mayor es una hembra, y B el suceso los dos hijos
pequeños son varones. ¿Cuáles son los elementos de {A y B}?
R. E={(VVV),(VVH),(VHV),(HVV),(VHH),(HVH),(HHV),(HHH)}
A={(HHH),(HHV),(HVH),(HVV)} B={(VVV),(HVV)}
Ejercicio 4.
Alfredo Mastrókalo, ingeniero eléctrico, tiene en su mano dos cajas
de resistores, cada una con cuatro de éstos. Los resistores de la
primera caja están etiquetados con 10 Ω (ohms), pero, de hecho,
sus resistencias son de 9; 10; 11 y 12 Ω. Los resistores de la
segunda caja tienen la etiqueta de 20 Ω, pero sus resistencias son
de 18; 19; 20 y 21 Ω. Alfredo elige un resistor de cada caja y
determina la resistencia de cada uno. Sea A el evento para el cual el
primer resistor tiene una resistencia mayor a 10, sea B el evento en
el que el segundo resistor tiene una resistencia menor a 19 y sea C
el evento en el cual la suma de las resistencias es igual a 28.
Determina un espacio muestral para este experimento y especifica
los subconjuntos que corresponden a los eventos A, B y C.
Sucesos o eventos...

Se llama suceso unión de A y B (A  B) al formado por los

resultados experimentales que están en A o en B (incluyendo
los que están en ambos).

Se llama suceso intersección de A y B (A  B), al formado

por los resultados experimentales que están simultáneamente
en A y B.

Dos sucesos son mutuamente excluyentes si A  B = Ø,

donde Ø es el conjunto vacío.
Buscar Objetivo y vincular texto con
resultado de celda en Excel

Inflación meses ene-feb-mar

3% -2% 4%

Factor MG Mg
1.01632407 1.63%

Buscar objetivo

Datos/Análisis de datos/Elegir "Buscar objetivo" y completar da

 Diagramas de Venn (No aplica para sucesos secuenciales)

A A
B B

E E

Unión A  B Intersección A  B

A
1
5 3
6
2
B 4
E
A={1; 3 y 5}, B={5 y 6}
E={1; 2; 3; 4; 5 y 6}
 Cuatro tipos de probabilidad

Marginal Unión Conjunta Condicional

P(X ) P( X  Y ) P( X  Y ) P( X | Y )
La probabilidad La probabilidad La probabilidad La probabilidad
de que ocurra de que ocurra de que ocurra de que ocurra
X XoY XeY X sabiendo que
ha ocurrido Y

X X Y X Y X
Y
 Probabilidad clásica
Laplace define la probabilidad de un suceso A como
(Regla (Ley, Probabilidad) de Laplace):

Número de casos favorables

P( A) =
Número de casos posibles

Este método de cálculo de probabilidad requiere que los

sucesos sean equiprobables.
Por ejemplo, si con un determinado tipo de mezcla de concreto
se hacen n probetas para obtener un valor de f'c (resistencia del
concreto), en la expresión P(f'c = 210 kg/cm2) = 0,80 se presume
que el 80% de las probetas tendrán un valor de f'c = 210 kg/cm2,
y que el 20% restantes tendrán un valor diferente.
 Definición axiomática de probabilidad
Se llama probabilidad a cualquier función P que asigna a cada suceso X del
espacio muestral E un valor numérico P(X), verificándose los siguientes
axiomas:
(1) No negatividad: 0 ≤ P(A)
(2) Normalización: P(E) = 1

Formalmente, una variable aleatoria es una función que asocia un valor

numérico a cada suceso elemental del espacio muestral, es decir que una
variable aleatoria X es una función:
X: 𝜔 ∈  → X(ω) ∈ R

Ejercicio.
Un dado está cargado (irregular) de forma que la probabilidad de obtención
de cada cara es proporcional al número de dicha cara. Si se lanza el dado una
vez, halla:
a) La probabilidad de obtener cada cara.
b) La probabilidad de obtener un número par.
 PRINCIPIO DE LA ADICIÓN

EJEMPLO
FULGENCIA DESEA COMPRAR UNA LAVADORA DE ROPA;
PARA LO CUAL HA PENSADO QUE PUEDE SELECCIONAR
DE ENTRE LAS MARCAS WHIRPOOL (W), EASY (E) Y
GENERAL ELECTRIC (GE); CUANDO ACUDE A HACER LA
COMPRA ENCUENTRA QUE LA LAVADORA DE
LA MARCA W SE PRESENTA EN DOS TIPOS DE CARGA (8
O 10 KG), EN CUATRO COLORES DIFERENTES Y PUEDE
SER AUTOMÁTICA O SEMIAUTOMÁTICA.
 PRINCIPIO DE LA ADICIÓN...
EJEMPLO...
LA LAVADORA DE LA MARCA E SE PRESENTA EN TRES
TIPOS DE CARGA (8; 10 O 15 KG), EN DOS COLORES
DIFERENTES Y PUEDE SER AUTOMÁTICA O SEMIAUTO-
MÁTICA, Y LA LAVADORA DE LA MARCA GE SE PRESEN-
TA EN SOLO UN TIPO DE CARGA, QUE ES DE 10 KG, DOS
COLORES DIFERENTES Y SOLO HAY DEL TIPO SEMIAU-
TOMÁTICA.
 PRINCIPIO DE LA ADICIÓN...

SOLUCIÓN
¿CUÁNTAS POSIBILIDADES TIENE FULGENCIA PARA SELECCIONAR
LA LAVADORA QUE QUIERE COMPRAR?

MARCA CARGA COLOR MECANISMO

WHIRPOOL (W) 2 4 2
EASY (E) 3 2 2
GENERAL ELECTRIC (GE) 1 2 1

• UTILIZA EL PRINCIPIO DE LA MULTIPLICACIÓN PARA OBTENER

LAS OPCIONES QUE OFRECE CADA MARCA DE LAVADORAS.
• UTILIZA EL PRINCIPIO DE LA ADICIÓN PARA OBTENER TODAS
LAS POSIBILIDADES QUE TIENE FULGE PARA COMPRAR UNA
LAVADORA.
 PRINCIPIO DE LA ADICIÓN...

OPCIONES DE LAVADORAS POR MARCA

MARCA CARGA COLOR MECANISMO TOTAL
WHIRPOOL (W) 2 4 2 16
EASY (E) 3 2 2 12
GENERAL ELECTRIC (GE) 1 2 2 2

SOLUCIÓN
TOTAL DE POSIBILIDADES PARA LA COMPRA DE UNA
LAVADORA = [OPCIONES DE (W) + OPCIONES DE (E) +
OPCIONES DE (GE)] = [16 + 12 + 2] = 30
 Reglas de adición de la probabilidad
Dos o más eventos son mutuamente excluyentes si cuando se da uno
de ellos, esto implica que no se dan los demás.
Sean A y B son eventos mutuamente excluyentes entonces A ∩ B = ø
(vacío).

Por ejemplo, en el espacio muestral de los resultados de tirar un dado,

el suceso que salga un número par y el suceso que salga un número
impar son sucesos mutuamente excluyentes.
Para encontrar la probabilidad de que ocurra el evento E1 o el evento
E2 o ambos:
a) Eventos mutuamente excluyentes:

P(E1 o E2) = P(E1  E2) = P(E1) + P(E2)

b) Eventos que no son mutuamente excluyentes:

P(E1 o E2) = P(E1  E2) = P(E1) + P(E2) – P(E1E2)

Ejercicio 1.
El objetivo de una prueba de tiro consiste en acertar en un cuadrado rodeado por
dos anillos concéntricos. Se dispara un proyectil hacia el objetivo. La
probabilidad de que pegue en el cuadrado es de 10%; la de que atine
exclusivamente en el anillo interior es de 25% y la de que acierte exactamente
en la zona del anillo exterior es de 45%; responde:
(a) ¿Cuál es la probabilidad de que el proyectil haga blanco en el objetivo?
(b) ¿Cuál es la probabilidad de que no pegue en este último?
Rpta a) 0,80 b) 0,20

Ejercicio 2.
La empresa YOU TOO opera un proceso que fabrica latas de aluminio, la
probabilidad de que una lata tenga alguna fisura en su costado es de 0,02; la de
que otra la tenga en la tapa es de 0,03 y de que una más presente una fisura en
el costado y en la tapa es de 0,01; indica:
(a) ¿Cuál es la probabilidad de que al elegir una lata en forma aleatoria tenga
por lo menos una fisura?
(b) ¿Cuál es la probabilidad de que no tenga fisuras? R. 0,04 y 0,96
 Independencia de eventos
Dos eventos son estadísticamente independientes cuando no tienen conexión
uno con el otro y lo que ocurra en uno ni fomenta ni obstruye la ocurrencia del
otro.

Dos eventos son estadísticamente dependientes cuando están conectados de

manera que la probabilidad de que ocurra cualquiera de ellos es alterada por la
ocurrencia del otro.

Los eventos independientes también son llamados: estadísticamente

independientes, estocásticamente independientes, independientes en el sentido
probabilístico, etcétera.

Si los sucesos A y B son mutuamente excluyentes se cumple que no son eventos

independientes. Viceversa no necesariamente ocurre.

Si el suceso A es independiente del suceso B, entonces el suceso

B también es independiente del suceso A.
INDEPENDENCIA DE EVENTOS…
Ejemplo 1.

Suceso A: probabilidad de que haga buen tiempo es del 40%

Suceso B: probabilidad de tener un accidente es del 10%
Suceso intersección: probabilidad de que haga buen tiempo y tener un
accidente es del 8%.
Veamos si se cumple alguna de las condiciones señaladas:

a) P (B|A) = P (A ∩ B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a P (B))

b) P (A|B) = P (A ∩ B) / P (B) = 0,08 / 0,1 = 0,8 (que no es igual a P (A))

c) P (A ∩ B) = 0,08 (que no es igual a P (A) multiplicado por P (B))

Por lo tanto, como no se cumple ninguna de las tres condiciones

señaladas estos dos sucesos no son independientes, sino que existe
algún grado de dependencia entre ellos.
INDEPENDENCIA DE EVENTOS…
Ejemplo 2.

Suceso A: probabilidad de que haga buen tiempo es del 40%

Suceso B: probabilidad de tener un accidente es del 50%
Suceso intersección: probabilidad de que haga buen tiempo y tener un
accidente es 20%.
Veamos si se cumple alguna de las condiciones señaladas:

a) P(B|A) = P(A ∩ B) / P (A) = 0,2 / 0,4 = 0,5 (igual que P(B))

b) P(A|B) = P(A ∩ B) / P (B) = 0,2 / 0,5 = 0,4 (igual que P(A))

c) P(A ∩ B) = 0,2 (igual a P(A) multiplicado por P(B))

Por lo tanto, estos dos sucesos son independientes.

Ejercicios.

1) Se lanza un dado y se tienen los siguientes eventos, A =

{2; 4; 6}, B = {1; 2; 3} y C{1; 2; 3; 4}, señala la proposición
correcta:
i) A y B son eventos independientes
ii) A y C son eventos independientes
iii) B y C son eventos independientes

2) Se elige aleatoriamente un alumno de la Facu, definimos

el evento A = {El alumno seleccionado tiene tarjeta de
crédito Card}, el suceso B = {El alumno seleccionado tiene
tarjeta de crédito MasterCo}. Supón que P(A) = 50%; P(B) =
40% y P(A|B) = 62,5%. Señala la proposición correcta:
i) A y B son eventos independientes
ii) A y B son eventos dependientes
Ejercicio 3.
Tiburcia está jugando «cartas». Empieza con 10 cartas, numeradas
del 1 al 10, y que están boca abajo por lo que no puede ver los
números. Ella escoge una carta al azar (de forma aleatoria) y la
voltea. Si la carta es mayor que 5, la carta es "ganadora" y la pone
en una pila de cartas "ganadoras", Si la carta es 5 o menor, la pone
en una pila de cartas "perdedoras". «Tibu» gana el juego si logra
juntar tres cartas en la pila ganadora antes de juntar tres cartas en
la pila perdedora.
Elige el enunciado que mejor describe la situación:

a) Los eventos son independientes, porque el juego no elimina

ningún resultado.

b) Los eventos son independientes, porque cada ronda tiene los

mismos posibles resultados (ganar o perder).

c) Los eventos no son independientes, porque un resultado es

eliminado en cada turno y no es reemplazado.
 Reglas de multiplicación de la probabilidad

La probabilidad de que ocurra

conjuntamente el evento E1 y el
evento E2 será:
a) Si son eventos independientes:
P(E1 y E2) = P(E1  E2) = P(E1E2)
= P(E1) P(E2)
 Reglas de multiplicación de la probabilidad…

b) Si son eventos dependientes:

P(E1 y E2) = P(E1  E2) = P(E1E2)

= P(E1) P(E2 E1)

Ejercicio.
1) Se lanza tres monedas (PEN) simultáneamente, ¿cuál es la
probabilidad de obtener tres soles o tres escudos?
Respuesta: a) 25% b) 30% c) 20% d) 33%
2) Determina la probabilidad de obtener un número primo como
suma de las puntuaciones al lanzar dos dados.
Respuesta: a) 12/36 b) 15/36 c) 5/11 d) 0/36
Ejercicio 1. La siguiente tabla muestra la forma de pago que
efectúan los clientes de la empresa de corte de planchas
metálicas Oh My Cut, asimismo se indica la frecuencia en que
estos hacen los pedidos:
Forma de pago
Tipo de pedido Contado Crédito Total
Regular 10 15 25
Esporádico 20 155 175
Total 30 170 200

Se decide premiar a un cliente elegido aleatoriamente. Se

pide:
a) ¿Cuál es la p. de que el cliente elegido realice pedidos de
forma regular o bien utilice créditos para efectuar sus
pagos?
b) Encuentra la p. de que el cliente sorteado pague al
contado si se sabe que éste hace compras regulares.
c) Calcula la p. de que el cliente elegido realice pedidos de
forma regular y que sus pagos sean al contado.
Ejercicio 2.
Sean 2 sucesos A y B de los que se sabe que la probabilidad
de B es el doble que la de A; que la probabilidad de su unión
es doble que la de su intersección; y que la probabilidad de
su intersección es de 10%.
a) Calcula la probabilidad de A.
b) ¿Qué suceso es más probable que ocurra sabiendo que
ya ha ocurrido el otro?
R. p(A) = 0,1. P(A1!B) = 0.5. es más probable que ocurra B
sabiendo que ha ocurrido A, que, que ocurra A sabiendo que
ha ocurrido B
Ejercicio 3. En los almacenes Benjamín y Benjamón hay 500 clientes:
130 hombres y 370 mujeres.
(a) ¿Cuál es la probabilidad de que salga a la calle un hombre (H) y
luego una mujer (M) si no sabemos que el primero ha vuelto a
entrar antes de la salida de la mujer?
(b) ¿Y si salen dos hombres?

SOLUCIÓN:
(a) El suceso HM puede darse de dos formas: o bien el hombre sale y
no entra, o bien sale y entra. El suceso HM es la unión de dos
sucesos disjuntos:
𝐻(𝑠𝑎𝑙𝑒_𝑦_𝑛𝑜_𝑒𝑛𝑡𝑟𝑎)⋂𝑀(𝑠𝑎𝑙𝑒)
𝐻(𝑠𝑎𝑙𝑒_𝑦_𝑒𝑛𝑡𝑟𝑎)⋂𝑀(𝑠𝑎𝑙𝑒)
Por tanto,
𝑃 𝐻𝑀 = 𝑃 𝐻(𝑠. 𝑛𝑜. 𝑒)𝑀 ⋃ 𝐻(𝑠. 𝑒)𝑀 = 𝑃 𝐻(𝑠. 𝑛𝑜. 𝑒)𝑀 +
𝑃 𝐻(𝑠. 𝑒)𝑀
 Ejemplo de probabilidades
A Ac
Nombre Sexo Edad Sucesos
Zoylo H 18 A = ser hombre (H)
Linda M 19
4 2
B = edad 20
Rosario H 19 B
Hermeli M 20
nda 6
Bc 2
Natacha M 21
Jesús H 20 Probabilidades:
Olinda M 21 P(A) = 6/14 = 0,43 = 43%
Celinda M 21 P(B) = 6/14 = 0,43 = 43%
Yuri H 22 P(A  B) = 4/14 = 0,29 = 29%
Mario H 19 P(A B) = P(A) + P(B) - P(A  B)
Pánfilo H 18 6/14 + 6/14 - 4/14 = 0.43+ 0.43 - 0.29 = 57%
María M 21
P(AB) = 4/6 = 0,67 = 67%
Ruperta M 21
Serafina M 18 P(A’B’ ) =
 Probabilidad condicionada

Se llama probabilidad de A condicionada a B, o

probabilidad de A sabiendo que pasa B:

E espacio muestral
P( A  B )
P( A | B ) = A
P( B )
B

◼ Error frecuentísimo:
 No confundas probabilidad condicionada con
intersección.
 En ambos medimos efectivamente la intersección,
pero …
◼ En P( A ∩ B) con respecto a P (E) =1
◼ En P( A | B) con respecto a P (B)
 Determina en cada caso las probabilidades solicitadas
Caso 1
P(A) = 3/9 =1/3
E espacio muestral
P(B) =5/9
A
P(AUB) =6/9=2/3 Caso 2
B P(AB) =2/9 P(A) = 1/3
P(A’) =6/9=2/3 E espacio muestral
P(B) = 2/9
P(B’) =4/9 A
P(AUB) =1/3
P(A|B) = P(B|A) = P(AB) =2/9
P(A|B)=2/5 P(B|A)=2/3 B
Caso 3 P(A’) =2/3
E espacio muestral
P(A) = 1/3 P(B’) =7/9
P(B) = 2/9 P(A|B) = P(B|A) =
A P(AUB) =5/9 Los P(A|B)
sucesos = A y1 B P(B|A)
son independientes
B = 2/3
P(AB) = 0 en los tres casos.
P(A’) =2/3 Si los sucesos A y B son mutuamente
P(B’) =7/9 excluyentes (Caso 3) se cumple que no son
P(A|B) = P(B|A) = eventos independientes. Viceversa no
necesariamente ocurre.
P(A|B)=0 rP(B|A)=0
 Probabilidad condicionada...
Ejemplo. ¿Cuál es la probabilidad de que una carta escogida al azar sea
un as sabiendo que es roja?
Color
Palo Rojo Negro Total
As 2 2 4
No-As 24 24 48
Total 26 26 52

Espacio restringido
P( As  Rojo) 2 / 52 2
P( As | Rojo) = = =
P( Rojo) 26 / 52 26
¿Y la probabilidad de que una carta escogida al azar sea roja
sabiendo que es un as?
 Sistema exhaustivo y excluyente de sucesos

A1 A2
Se trata de una colección de
sucesos A1, A2, A3, A4 tales
que la unión de todos ellos
forman el espacio muestral, y
sus intersecciones son disjuntas.
A3 A4
Ejercicio

Se lanza un dado. Considerar los sucesos

A = {2; 4; 6}, B = {1; 2} y C = {1; 2; 3; 4}.
Halla:
a) P(A∩ B); P(A∩C).
b) P(A | B); P(B | A).
c) P(A | C); P(C | A).
d) P(B’ | C’); P(𝐶ҧ | 𝐵).
ത
 Teorema de la probabilidad total

A1 A2
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces podemos calcular
B la probabilidad de B como la suma:

A3 A4

P(B) = P(B  A1) + P(B  A2) + P( B  A3) + P( B  A4)

P(B) = P(B|A1)P(A1) + P(B|A2)P(A2) + P(B|A3)P(A3) + P(B|A4)P(A4)

Ejemplo: En la asignatura «Importancia del Agua en la
Navegación» el 70% de los alumnos son hombres.
De ellos el 10% son fumadores. El 20% de las mujeres son
fumadoras ¿Qué porcentaje de fumadores hay en total?

Podemos aplicar la ley de

la probabilidad total:

Hombres y mujeres forman

un sistema exhaustivo y Hombres no fumadores
excluyente de sucesos.
Mujeres
no
fumadoras

Mujeres
Hombres fumadores fumadoras
 Propuesta de solución

Fuma
0,1

Hombre
0,7
No fuma
0,9
Estudiante

0,2
0,3 Fuma
Mujer

0,8
No fuma

F y H son eventos dependientes

P(F) = P(F∩H) + P(F∩M) = P(H) P(F|H) + P(M) P(F|M)
= 0,7 *0,1 + 0,3*0,2 = 0,13 = 13%
 Otras maneras de visualizar sucesos
Tabla de probabilidad conjunta, Tabla de doble entrada
Tabla de probabilidad conjunta. Es aquella en la cual se enlistan como
encabezados de renglón todos los posibles eventos (o resultados) para
una variable; como encabezados de columnas se enlistan todos los
posibles eventos para una segunda variable, y el valor que se anota en
cada una de las celdas de la tabla es la probabilidad de su ocurrencia
conjunta.
La tabla de frecuencias de ocurrencia conjunta que puede servir como
base para construir una tabla de probabilidades conjuntas se denomina
Tabla de Contingencia, Tabla r x c, Tabla cruzada o también tabulación
cruzada.
En general una tabla de contingencia refleja todas las posibilidades que
pueden presentar dos sucesos y es de la forma:
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

Ejemplo

El supermercado La Cutra SA ha tomado, el mes pasado,

los datos de una muestra de sus clientes y los resultados se
muestran en la tabla de contingencia siguiente:

Tabla de contingencia para clientes de La Cutra SA

Edad Hombre Mujer Total

< 30 60 50 110
> = 30 80 10 90
Total 140 60 200

Elabora la tabla de probabilidad conjunta

Tabla de probabilidad conjunta de clientes de La
Cutra SA (Complétala)...

Edad Hombre Mujer Probabilidad

marginal

< 30 0,30

> = 30

Probabilidad 0,70 0,30 1,00

marginal
Ejercicio.
La compañía de seguros Esther Minio realiza una investigación sobre
la cantidad de partes de siniestro fraudulentos presentados por los
asegurados. Clasificando los seguros en tres clases, incendio,
automóvil y "otros", se obtiene la siguiente relación de datos:
El 6% son informes por incendio fraudulentos; el 1% son informes de
automóviles fraudulentos; el 3% son "otros" partes fraudulentos; el
14% son partes por incendio no fraudulentos; el 29% son partes por
automóvil no fraudulentos y el 47% son "otros" partes no
fraudulentos.

Elabora la tabla de contingencia correspondiente y responde:

(a) ¿Cuál es la probabilidad de que un parte escogido al azar sea
fraudulento. (b) ¿Cuál será, en cambio, la probabilidad de que el
informe sea fraudulento si se sabe que es de la rama de incendios?
Rpta. (a) 10% (b) 0,3
 Diagrama de árbol
Árbol de Probabilidad para experimentos sucesivos
Representa visualmente los eventos secuenciales y sus
probabilidades marginales, condicionales y conjuntas.
Cada rama completa del diagrama del árbol se llama
trayectoria y representa un posible resultado del
experimento. En cada segmento que une la secuencia de
experimentos se pone sus respectivas probabilidades.

Supón que el 80% de los clientes del Restaurante Ugly

Betty escogen sopa como entrada y el 20% zumo. De los
que escogen sopa, el 20% eligen vegetales, el 30%
pescado y el 50% carne. De los que escogieron zumo, es
el 30%; 40% y 30% para vegetales, pescado y carne
respectivamente.
Podemos utilizar estos valores para estimar las
probabilidades de los dos primeros platos usando un
diagrama de árbol.
 Componentes del diagrama de
árbol
Eventos: Son variables que no están bajo
nuestro control.

Notaci
ón:
Decisiones: Son variables que están bajo
nuestro control.

Notaci
ón:
(Evento) (Probabilidad)
Ejercicio.

Se tiene una baraja de 52 naipes. Se extrae aleatoriamente

una carta. Se tienen los siguientes eventos simples: E1 = {Se
obtiene un as} y E2 = {carta de color rojo}.
Halla la probabilidad de los eventos compuestos (E1 y E2) así
como (E1 o E2 ) por los métodos:

a)Diagrama de Venn (Máximo tres círculos)

b)Diagrama de árbol (árbol de probabilidad)
c)Tabla de contingencia
d) Reglas de la probabilidad (Algebra de conjuntos)
 Definición geométrica de probabilidad

Área de B
P(B) =
Área del cuadrado

La Probabilidad Geométrica fue desarrollado por

George Leclerc, es otra forma de ver la probabilidad
usando la geometría.
Ejemplo. A y B se citan entre las 21:00 y las
22:00 horas. Ninguno de ellos tiene la costumbre
de ser puntual. Así que, el primero que llega
esperará 20 minutos y se irá ¿Cuál es la probabili-
dad de que se produzca el encuentro?

E = {(x1 , x2 ) : 0  x1  60, 0  x2  60}

x2 − x1  20
  x2 − x1  20
x1 − x2  20
 S ( y ) 602 − 402 5
P( y ) = = 2
=
S(E) 60 9
X2 = B

x 2 = x1 + 20
60 min•
Ω=E
x 1 = x 2 + 20
A
20 min •

• • X1 = A
21:00 20 min 60 min
Ejercicio. Si un dardo se clava de manera aleatoria en
el objeto cuadrado que se muestra ¿cuál es la probabi-
lidad que caiga en el área sombreada.

4
4 cm
cm
Ejercicio.
La demanda de los artículos A y B varían aleatoriamente
en un rango de 1000 a 5000 kg. Photo Shock SA,
distribuidor autorizado, decide bajar el precio de ambos
artículos si la suma de sus demandas está comprendida
entre 3000 y 5000 kg ¿Cuál sería la probabilidad de que
disminuya el precio de venta de ambos productos?
.(3*3/2-1*1/2)/(4*4) = 25%cor
 Probabilidad a priori y a posteriori

Si se sabe que B ha ocurrido, es frecuente

interpretar P(A) como la probabilidad a priori
de A y P(A|B) como la probabilidad a
posteriori de A (posterior al conocimiento de
la ocurrencia de B)
 Teorema de Bayes

Si conocemos la probabilidad de B en
cada uno de los n componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces…

…si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurren-
B cia de cada Ai, (i = 1, 2, ... , n):

P(B  Ai )
P(Ai|B) =
A3 A4 P(B)

donde P(B) se puede calcular usando el teorema de la

probabilidad total: n
P( B) =  P( B  Ai )
i =1
 Teorema de Bayes...

Fuma
0,1
Ejemplo. Se elige a un
Hombre individuo al azar y
0,7
No fuma resulta fumador ¿Cuál
0,9
Estudiante es la probabilidad de
que sea mujer?
0,2
0,3 Fuma
Mujer

0,8
No fuma

Aplicando el Teorema de Bayes:

P(M) = 0,3;
P(F) = P(H ∩ F Ս M ∩ F ) = 0,7*0,1 + 0,3 * 0,2 = 0,13
P(M|F) = P(F ∩ M)/P(F) = P(F|M) P(M) / P(F) =
= 0,2·0,3 / 0,13 = 0,46
Ejercicio. La fábrica NN (Nomen Nescio) posee cuatro
máquinas para producir pernos de túnel: M1, M2, M3 y M4.
Las proporciones de producción son las siguientes: M1
produce el doble de M4, en tanto M3 produce el triple de
M4, mientras que M1 produce la mitad de M2. Las
producciones no defectuosas son 95%, 95% y 90% para
M1, M2 y M3 respectivamente.
Se elige al azar un perno de túnel (perno de roca) de la
producción de un día y se encuentra que la probabilidad
de que resulte no defectuoso es de 0,93; contesta:

a) ¿Cuál es el % de producción no defectuosa de M4?

R. 90%
b) ¿De qué máquina es más probable que provenga un
perno defectuosos?
R. M3 (42,86% p. de que siendo defectuoso haya sido producido por M3, 3%
del total de defectuosos)
 Ejemplo de pruebas diagnósticas: Diabetes
• Los carbohidratos ingeridos terminan como glucosa en la sangre. El exceso se
transforma en glucógeno y se almacena en hígado y músculos. Este se
transforma entre comidas de nuevo en glucosa según necesidades.

• La principal hormona que regula su concentración es la insulina. La diabetes

provoca su deficiencia o bien la insensibilidad del organismo a su presencia.
Es una enfermedad muy común que afecta al 2% de la población
(prevalencia)

• Una prueba común para diagnosticar la diabetes, consiste en medir el nivel de

glucosa. En individuos sanos suele variar entre 64 y 110 mg/dL.
– El cambio de color de un indicador al contacto con la orina suele usarse
como indicador (resultado del test positivo)

• Valores por encima de 110 mg/dL se asocian con un posible estado pre-
diabético.
– Pero no es seguro. Otras causas podrían ser: hipertiroidismo, cáncer de
páncreas, pancreatitis, atracón reciente de comida …
• Supongamos que los enfermos de diabetes, tienen un valor medio de 126
mg/dL.
Funcionamiento de la prueba diagnóstica de glucemia
• Valor límite: 110 mg/dL
– Superior: test positivo.
– Inferior: test negativo.
Probabilidad de acierto:
– Para enfermos
• Verdadero positivo
(sensibilidad)
– Para sanos
• Verdadero negativo
(especificidad)
Probabilidad de error
– Para enfermos
• Falso –
– Para sanos
• Falso +
 ¿Cómo definir el punto de corte de la prueba diagnóstica?

No es simple. No es posible aumentar sensibilidad (capacidad de la prueba

para detectar la enfermedad en sujetos enfermos) y especificidad (capacidad
del estimador para dar como casos negativos los casos realmente sanos) al
mismo tiempo. Hay que elegir una solución de compromiso: Aceptable
sensibilidad y especificidad.
Una prueba diagnóstica ayuda a mejorar una estimación de la probabilidad
de que un individuo presente una enfermedad.
En principio tenemos una idea subjetiva de P(Enfermo). Nos ayudamos de:
– Incidencia: Porcentaje de nuevos casos de la enfermedad en la
población.
– Prevalencia: Porcentaje de la población que presenta una enfermedad.
Para confirmar la sospecha, usamos una prueba diagnóstica. Ha sido
evaluada con anterioridad sobre dos grupos de individuos: sanos y
enfermos. Así de modo frecuentista se ha estimado:
– P(+ | Enfermo)= Sensibilidad (verdaderos +) = Tasa de acierto sobre
enfermos.
– P(- | Sano) = Especificidad (verdaderos -) = Tasa de acierto sobre
sanos.
A partir de lo anterior y usando el teorema de Bayes, podemos calcular
las probabilidades a posteriori (en función de los resultados del test):
Índices predictivos
– P(Enfermo | +) = Índice predictivo positivo
– P(Sano | -) = Índice predictivo negativo
Los coeficientes falso-positivo y falso-negativo de las pruebas diagnósticas
son probabilidades condicionadas
 Pruebas diagnósticas: aplicación T. Bayes

Sensibilidad, T+
P. a priori de enfermedad: verdaderos +
incid., preval., intuición,…
Enfermo

Falsos - T-
Individuo
Falsos +
T+
Sano

Especificidad, T-
Verdaderos -
 Ejemplo: Índices predictivos
Individuo

• La diabetes afecta al 2% 0,98 0,02

de los individuos.
• La presencia de
glucosuria se usa como
indicador de diabetes.
• Su sensibilidad es de
0,945.
• La especificidad es 0,977 0,023
0,055 0,945
0,977.
• Calcular los índices
predictivos + y -. T- T+ T- T+

P( Sano T −) P( Enf  T +)
P( Sano | T −) = P( Enf | T +) =
P( Sano T −) + P( Enf  T −) P( Enf  T +) + P( Sano T +)
0,98  0,977 0,02  0,945
= = 0,999 = = 0,456
0,98  0,977 + 0,02  0,055 0,02  0,945 + 0,98  0,023
 Observaciones -¿Qué probabilidad
tengo de estar
• En el ejemplo anterior, al llegar un enfermo?
individuo a la consulta tenemos una
- En principio un 2%. Le
idea a priori sobre la probabilidad de haremos unas pruebas.
que tenga una enfermedad.

• A continuación se le pasa una

prueba diagnóstica que nos aportará
nueva información: Presenta
glucosuria o no.

• En función del resultado tenemos - Presenta glucosuria.

La probabilidad ahora
una nueva idea (a posteriori) sobre es del 45,6%.
la probabilidad de que esté enfermo.
– Nuestra opinión a priori ha sido
modificada por el resultado de un
experimento.
Ejemplo

• Al puesto aduanero Callo llegan periódicamente misiones

diplomáticas procedentes de Elfos y que están constituidas
por 10 miembros. El citado país es un gran productor de
marihuana, circunstancia que, de vez en cuando, es
aprovechada por sus misiones diplomáticas para introducir
alguno que otro cargamento en el país que visitan, siendo
la forma de hacerlo el que dos de los diez miembros lleven
en sus maletas la hierba.

• Los aduaneros tienen ya información del truco, pero, para

no producir incidentes diplomáticos, se limitan a inspeccio-
nar dos de las diez maletas dejando pasar a la misión si en
las maletas inspeccionadas no encuentran droga. Su
experiencia les dice además que el 10% de las misiones
portan la droga.
Elfos...
Si una misión inspeccionada no arroja resultado
positivo, ¿cuál es la probabilidad de que realmente
dicha misión no lleve droga alguna?

• Propuesta de solución
Denominaremos:
A1 al suceso “la delegación porta droga”
A2 al suceso “la delegación no lleva droga”
B al suceso “una misión inspeccionada arroja
resultado negativo”
Elfos...
Se conoce:

P ( A1 ) = 0,1 P( A2 ) = 0, 9
8   2
  
P ( B / A1 ) =  2 0
=
28
P( B / A2 ) = 1
 10  45
 
 2 
Se pide P(A2|B). Esta probabilidad podemos
calcularla con ayuda del teorema de Bayes:
P( A2 ) P( B / A2 )
P( A2 / B) = = 0,9353
P( A1 ) P( B / A1 ) + P( A2 ) P( B / A2 )
Ejercicio. Dos cajas contienen piezas del proveedor A y piezas
del proveedor B respectivamente. Supón que una caja tiene
70 piezas del proveedor A y 30 del proveedor B, y que la otra
caja tiene 10 de A y 25 de B. Seleccionamos una caja al azar y
extraemos una pieza de la misma. Calcula la probabilidad de
que la pieza seleccionada sea del proveedor A.