FACULTAD DE INGENIERÍA DE PROCESOS
ESCUELA PROFESIONAL DE INGENIERÍA QUÍMICA
ASIGNATURA:
ESTADÍSTICA Y DISEÑO EXPERIMENTAL PARA LA
INGENIERÍA
ALUMNO:
ARIAS NAUCA LUDWING DENNIS
TEMA:
PROBABILIDAD Y OPERACIONES CON SUCESOS
DOCENTE:
MEDRANO MEZA ELIZABETH
CICLO:
QUINTO V
AREQUIPA - 2023
Practica Nro. 6
PRUEBAS COMPUESTAS
Teorema de Probabilidad Total y de Bayes
1. OBJETIVO
Entender que son pruebas compuestas
Comprender y aplicar el teorema de probabilidad total
Comprender y aplicar el teorema de Bayes....
2. DEFINICIONES CONCEPTUALES
Prueba Compuesta. Se llama Prueba compuesta a aquella experiencia aleatoria
formada por dos o mas etapas en un evento o suceso.
Existen dos tipos de pruebas compuesta: Indeoendientes y Dependiente.
Independientes:Dos pruebas compuestas son independientes cuando el resultado de
una no influye en la otra
Dependientes. Dos pruebas son dependiente, cuando el resultado de una influye en la
otra.
Teorema de la Probabilidad Total. se parte de un espacio muestral con “n” sucesos.
Dentro de ese espacio muestral se considera un suces0 o evento E y que tiene como
componente un poco de A1, A2 y hasta An..
El teorema de la Probabilidad Total nos dice que : “dados dos eventos o sucesos
A1 , A 2 , A3 , …… … …. A n., que son incompatibles dos a dos, tales que
A1 ∪ A 2 ∪ ….. ∪ A n=S . Entonces para cualquier evento E se cumple que
P ( E )=P ( A1 )∗P(E / A1 )+ P ( A 2 )∗P( E/ A 2)+ … … …+ P ( A n )∗P (E/ An )
P(E)=se le llama Probabilidad Total.
Teorema de Bayes.
El teorema de Bayes se utiliza para calcular la probabilidad de un suceso teniendo
informacion de antemano sobre ese suceso.
El teorema de Bayes entiende la probabilidad de forma inversa al teorema de la
Probabilidad total
El teorema de la Probabilidad total calcula la probabilidad de un suceso B
condicionado al resultado de un suceso A. Bayes calcula la probabilidad en sentido
inverso, es decir la probabilidad de un evento A condicionado al resultado de un
evento B
Para demostrar utilizamos la definicion de probabilidad condiciona
P ( A ∩B )=P ( AB )∗P ( B ) =P ( B ∩ A )=P ( BA )∗P( A)
Si consideramos en segundo y ultimo termino de la ecuacion anterior tenemos:
P ( BA )∗P ( A )
P ( BA )= P (B )
3. PÁRTE EXPERIMENTAL
Utilizando las teorías de Pruebas Compuestas, Probabilidad Total y de Bayes;
resuelva los siguientes casos:
CASO 1
Los resultados obtenidos de 266 muestras de aire, se clasifican de acuerdo
con la presencia de dos moléculas raras. Sean A el evento formado por
todas las muestras en las que se encuentra presente la molécula rara 1, B el
evento formado por todas las muestras de aire donde está presente la
molécula 2. Los datos se muestran en la tabla.
molécula 1 presente
No si
21
no 2 24
molécula 2 presente si 18 12
Represente la tabla mediante un diagrama de árbol
Antes de poder a proceder hacer el diagrama del árbol, se realizará una
resolución de la primera tabla de arriba mediante una segunda tabla.
Entonces ahora si procedemos a dibujar el diagrama del árbol utilizando los datos
obtenidos de la segunda tabla.
EVENTO A
36/266
muestras
230/266
AMBAS muestras
MOLECULAS
12/266
muestras EVENTO B
30/266
muestras
236/266
muestras
CASO 2.
En un congreso medico asisten 250 medicos:115 americanos, 65 franceses y
70 ingleses. El objetivo es aprobar la vacuna contra el Covid 19. Unos están
a favor y otros en contra. 75% de americanos están a favor de usar la
vacuna.
60% de los franceses están a favor de usar la vacuna
65% de los ingleses están a favor de usar la vacuna.
Si escogemos un médico al azar.
a) ¿Cuál es la probabilidad de que esté en contra de la vacuna?
P(A) = 115/250
P(F) = 65/250
P(I) = 70/250
P(F/A) = 75% P(C/A) = 25%
P(F/F) = 60% P(C/F) = 40%
P(F/I) = 65% P(C/I) = 35%
P(C) = ?
Aplicamos la siguiente fórmula ya que se trata de una probabilidad
condicionada
P (E1/ E2) = (P (E1 ∩ E2)) / (P(E2))
Ahora reemplazamos para P(C)
P(C) = P(C/A) * P(A) + P(C/F) * P(F) + P(C/I) * P(I)
P(C) = 25% * 115/250 + 40% * 65/250 + 35% * 70/250
P(C) = 11.5% + 10.4% + 9.8%
P(C) = 31.7%
La probabilidad de que al escoger al azar un médico cualquiera que esté contra
es del 31.7%.
b) Sabiendo que un médico está a favor de la vacuna. ¿Cuál es la
probabilidad de que sea francés?
P(A) = 115/250
P(F) = 65/250
P(I) = 70/250
P(F/A) = 75% P(C/A) = 25%
P(F/F) = 60% P(C/F) = 40%
P(F/I) = 65% P(C/I) = 35%
P(F/C) = ?
Aplicamos la siguiente fórmula ya que se trata de una probabilidad
condicionada
P (E1/ E2) = (P (E1 ∩ E2)) / (P(E2))
Ahora reemplazamos para P(F/F)
P(F/F) = (P (F ∩ F)) / (P(F))
P(F/F) = (P(F) * P(F)) / ((P(F) * P(F)) + (P(A) * P(F)) + (P(I) * P(F)))
P(F/F) = (65/250 * 60%) / ((65/250 * 60%) + (115/250 * 75%) + (70/250 * 65%))
P(F/F) = 0.2284
P(F/F) = 22.84%
La probabilidad de que al escoger al azar un médico sabiendo que está a favor
sea francés es del 22.84%.
CASO 3.
En una fábrica de tornillos hay tres líneas de producción, la primera produce
el 35% del total, la segunda el 40% y la tercera el resto. De la primera línea el
12% de su producción son tornillos defectuosos, de la segunda línea el 10%
y de la tercera línea el 16%. Si elegimos al azar un tornillo de toda la
producción. Calcula la probabilidad de que:
a) Sea un tornillo defectuoso producido por la línea 1.
P(P) = 35%
P(S) = 40%
P(T) = 25%
P(D/P) = 12% P(E/P) = 88%
P(D/S) = 10% P(E/S) = 90%
P(D/T) = 16% P(E/T) = 84%
P(D/P) = ?
Cómo se trata de eventos con probabilidad condicionada independientes,
entonces aplicamos la siguiente fórmula:
P (E1/E2) = P (E1 ∩ E2)
Reemplazamos la fórmula para P(D/P)
P(D/P) = P (D ∩ P)
P(D/P) = P(D) * P(P)
P(D/P) = 12% * 35%
P(D/P) = 0.12 * 35%
P(D/P) = 4.20%
La probabilidad que sea un tornillo defectuoso producido por la primera línea
es del 4.20%.
b) Sea un tornillo NO defectuoso producido por la línea 2.
P(P) = 35%
P(S) = 40%
P(T) = 25%
P(D/P) = 12% P(E/P) = 88%
P(D/S) = 10% P(E/S) = 90%
P(D/T) = 16% P(E/T) = 84%
P(E/S) = ?
Cómo se trata algo similar del anterior enunciado de eventos con probabilidad
condicionada independientes, entonces aplicamos la siguiente fórmula:
P (E1/E2) = P (E1 ∩ E2)
Del mismo modo reemplazamos la fórmula para P(E/S).
P(E/S) = P (E ∩ S)
P(E/S) = P(E) * P(S)
P(E/S) = 90% * 40%
P(E/S) = 0.9 * 40%
P(E/S) = 36.00%
La probabilidad que no sea defectuoso y por la por línea 2 es del 36.00%.
c) Sea un tornillo defectuoso.
P(P) = 35%
P(S) = 40%
P(T) = 25%
P(D/P) = 12% P(E/P) = 88%
P(D/S) = 10% P(E/S) = 90%
P(D/T) = 16% P(E/T) = 84%
P(D) = ?
Al tratarse de una probabilidad independiente condicionada.
P (E) = (P (E1 ∩ E)) + (P (E2 ∩ E)) + …. + (P (En ∩ E))
Ahora reemplazamos para P(D)
P(D) = (P(D ∩ P)) + (P(D ∩ S)) + (P(D ∩ T))
P(D) = (P(D/P) * P(P)) + (P(D/S) * P(S)) + (P(D/T) * P(T))
P(D) = (35% * 12%) + (40% * 10%) + (25% * 16%)
P(D) = 4.20% + 4.00% + 4.00%
P(D) = 12.20%
La probabilidad que al escoger al azar sea defectuoso es del 12.20%.
d) Si el tornillo es NO defectuoso, la probabilidad de que se haya producido
en la línea 2
P(P) = 35%
P(S) = 40%
P(T) = 25%
P(D/P) = 12% P(E/P) = 88%
P(D/S) = 10% P(E/S) = 90%
P(D/T) = 16% P(E/T) = 84%
P(S/E) = ?
Aplicamos la siguiente fórmula ya que se trata de una probabilidad
condicionada
P (E1/ E2) = (P (E1 ∩ E2)) / (P(E2))
Ahora reemplazamos para P(S/E)
P(S/E) = (P (S ∩ E)) / (P(E))
P(S/E) = (P(S) * P(E)) / ((P(S) * P(E)) + (P(P) * P(E)) + (P(T) * P(E)))
P(S/E) = (40% * 90%) / ((40% * 90%) + (35% * 88%) + (25% * 84%))
P(S/E) = 36% / (36% + 30.8% + 21%)
P(S/E) = 41.00%
La probabilidad que no sea de la línea 2 de los no defectuosos es del 41%.
e) Se haya producido en la línea 3 si no es defectuoso.
P(P) = 35%
P(S) = 40%
P(T) = 25%
P(D/P) = 12% P(E/P) = 88%
P(D/S) = 10% P(E/S) = 90%
P(D/T) = 16% P(E/T) = 84%
P(T/E) = ?
Aplicamos la siguiente fórmula ya que se trata de una probabilidad
condicionada
P (E1/ E2) = (P (E1 ∩ E2)) / (P(E2))
Ahora reemplazamos para P(T/E)
P(T/E) = (P (T ∩ E)) / (P(E))
P(T/E) = (P(T) * P(E)) / ((P(T) * P(E)) + (P(S) * P(E)) + (P(P) * P(E)))
P(T/E) = (25% * 84%) / ((25% * 84%) + (40% * 90%) + (35% * 88%)
P(T/E) = 21% / (21% + 36% + 30.8%)
P(T/E) = 23.92%
La probabilidad que no sea de la línea 3 de los no defectuosos es del 23.92%.
f) NO se haya producido en la línea 1 si NO es defectuoso
P(P) = 35%
P(S) = 40%
P(T) = 25%
P(D/P) = 12% P(E/P) = 88%
P(D/S) = 10% P(E/S) = 90%
P(D/T) = 16% P(E/T) = 84%
P ( ᷉ P/E) = ?
Aplicamos la siguiente fórmula ya que se trata de una probabilidad
condicionada
P (E1/ E2) = (P (E1 ∩ E2)) / (P(E2))
Ahora reemplazamos para P ( ᷉ P/E)
P ( ᷉ P/E) = (P ( ᷉ P ∩ E)) / (P(E))
P ( ᷉ P/E) = (P( ᷉ P) * P(E)) / ((P(T) * P(E)) + (P(S) * P(E)) + (P(P) * P(E)))
P ( ᷉ P/E) = (P(1 - P) * P(E)) / ((P(T) * P(E)) + (P(S) * P(E)) + (P(P) * P(E)))
P ( ᷉ P/E) = ((1 - 35%) * 88%) / ((25% * 84%) + (40% * 90%) + (35% * 88%)
P ( ᷉ P/E) = 65% / (21% + 36% + 30.8%)
P ( ᷉ P/E) = 74.03%
La probabilidad que no sea de la línea 3 de los no defectuosos es del 74.03%.
CASO 4.
El llenado de gaseosa (cocal cola) lo hacen tres máquinas: A, B y C que
producen respectivamente el 40%, 35% y 25% de las gaseosas. Sin embargo,
dichas maquinas fallan algunas veces y el llenado de botellas es incompleto
y es como sigue: A, B y C (1%, 2% y 3%) respectivamente.
Si elegimos una botella al azar.
a) ¿Cuál es la probabilidad de que sea defectuosa?
P(A) = 40%
P(B) = 35%
P(C) = 25%
P(D/A) = 1% P(E/A) = 99%
P(D/B) = 2% P(E/B) = 98%
P(D/C) = 3% P(E/C) = 97%
P(D) = ?
Al tratarse de una probabilidad independiente condicionada.
P (E) = (P (E1 ∩ E)) + (P (E2 ∩ E)) + …. + (P (En ∩ E))
Ahora reemplazamos para P(D)
P(D) = (P(D ∩ P)) + (P(D ∩ S)) + (P(D ∩ T))
P(D) = (P(D/P) * P(P)) + (P(D/S) * P(S)) + (P(D/T) * P(T))
P(D) = (40% * 1%) + (35% * 2%) + (25% * 3%)
P(D) = 0.40% + 0.70% + 0.75%
P(D) = 1.85%
La probabilidad que al escoger al azar sea defectuosa es del 1.85%.
b) Sabiendo que la botella elegida es defectuosa. ¿Cuál es la probabilidad
de que haya sido embotellado por la maquina C?
P(A) = 40%
P(B) = 35%
P(C) = 25%
P(D/A) = 1% P(E/A) = 99%
P(D/B) = 2% P(E/B) = 98%
P(D/C) = 3% P(E/C) = 97%
P(C/D) =?
Aplicamos la siguiente fórmula ya que se trata de una probabilidad
condicionada
P (E1/ E2) = (P (E1 ∩ E2)) / (P(E2))
Ahora reemplazamos para P(C/D)
P(C/D) = (P (C ∩ D)) / (P(D))
P(C/D) = (P(C) * P(D)) / ((P(C) * P(D)) + (P(B) * P(D)) + (P(A) * P(E)))
P(C/D) = (25% * 3%) / ((25% * 3%) + (35% * 2%) + (40% * 1%)
P(C/D) = 0.75% / (0.40% + 0.70% + 0.75%)
P(C/D) = 40.54%
La probabilidad que sea de la máquina C de los defectuosos es del 40.54%
Bibliografia
Muray R. Spiegel.Larry J.Stephens. Estadística Cuarta ediciónMc Graw
Hill.Mexico
Douglas.C Montgomery.George.C.Runger Applied Statistics and Probability for
Engineers, 3rd Edition,
Montgomery Probabilidad y estadística para ingeniería y administración, Hines,.
3rd Ed.
