Fundamentos de Estadística para Ingeniería

A SIGNACIÓN DE PROBABILIDADES VÍA COMPOSICIÓN DE EVENTOS

Javier Olaya Ochoa

FACULTAD DE I NGENIERÍA
E SCUELA DE E STADÍSTICA

2 de septiembre de 2018

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 1 / 25

Contenido

1 Espacios no-equiprobables

2 Nuevas definiciones

3 Paso previos para proponer un método de asignación

4 Dos leyes de probabilidad

5 Composición de eventos

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 2 / 25

Contenido

1 Espacios no-equiprobables

2 Nuevas definiciones

3 Paso previos para proponer un método de asignación

4 Dos leyes de probabilidad

5 Composición de eventos

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 3 / 25

Un experimento en un cruce de caminos

Un vehículo que llega a un cruce puede dar vuelta a la derecha, a

la izquierda, continuar de frente o regresar (hacer un giro en U).
El experimento consiste en observar la dirección que toman dos
vehículos consecutivos que llegan al cruce.
El 40 % de los vehículos giran a la derecha, el 25 % siguen derecho
y el 5 % hacen la U.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 4 / 25

Un experimento en un cruce de caminos

Un vehículo que llega a un cruce puede dar vuelta a la derecha, a

la izquierda, continuar de frente o regresar (hacer un giro en U).
El experimento consiste en observar la dirección que toman dos
vehículos consecutivos que llegan al cruce.
El 40 % de los vehículos giran a la derecha, el 25 % siguen derecho
y el 5 % hacen la U.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 4 / 25

Un experimento en un cruce de caminos

Un vehículo que llega a un cruce puede dar vuelta a la derecha, a

la izquierda, continuar de frente o regresar (hacer un giro en U).
El experimento consiste en observar la dirección que toman dos
vehículos consecutivos que llegan al cruce.
El 40 % de los vehículos giran a la derecha, el 25 % siguen derecho
y el 5 % hacen la U.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 4 / 25

El espacio S4

Construya el espacio muestral para este experimento

¿Es un espacio equiprobable?
¿Cuál es la probabilidad de que ambos autos hagan la U?
Por ahora no tenemos suficiente información para encontrar estas
probabilidades
¿Alguna idea intuitiva? ¿Cuál evento simple es más probable?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 5 / 25

El espacio S4

Construya el espacio muestral para este experimento

¿Es un espacio equiprobable?
¿Cuál es la probabilidad de que ambos autos hagan la U?
Por ahora no tenemos suficiente información para encontrar estas
probabilidades
¿Alguna idea intuitiva? ¿Cuál evento simple es más probable?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 5 / 25

El espacio S4

Construya el espacio muestral para este experimento

¿Es un espacio equiprobable?
¿Cuál es la probabilidad de que ambos autos hagan la U?
Por ahora no tenemos suficiente información para encontrar estas
probabilidades
¿Alguna idea intuitiva? ¿Cuál evento simple es más probable?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 5 / 25

El espacio S4

Construya el espacio muestral para este experimento

¿Es un espacio equiprobable?
¿Cuál es la probabilidad de que ambos autos hagan la U?
Por ahora no tenemos suficiente información para encontrar estas
probabilidades
¿Alguna idea intuitiva? ¿Cuál evento simple es más probable?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 5 / 25

El espacio S4

Construya el espacio muestral para este experimento

¿Es un espacio equiprobable?
¿Cuál es la probabilidad de que ambos autos hagan la U?
Por ahora no tenemos suficiente información para encontrar estas
probabilidades
¿Alguna idea intuitiva? ¿Cuál evento simple es más probable?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 5 / 25

Contenido

1 Espacios no-equiprobables

2 Nuevas definiciones

3 Paso previos para proponer un método de asignación

4 Dos leyes de probabilidad

5 Composición de eventos

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 6 / 25

Nuevas definiciones

Para asignar probabilidades en espacios muestrales tales como

S4 , necesitamos nuevas definiciones.
La primera será la noción de probabilidad condicional
La segunda será la definición de independencia de eventos o de
sucesos
La tercera será el Teorema de Probabilidades Totales
Y el último será el Teorema de Bayes.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 7 / 25

Nuevas definiciones

Para asignar probabilidades en espacios muestrales tales como

S4 , necesitamos nuevas definiciones.
La primera será la noción de probabilidad condicional
La segunda será la definición de independencia de eventos o de
sucesos
La tercera será el Teorema de Probabilidades Totales
Y el último será el Teorema de Bayes.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 7 / 25

Nuevas definiciones

Para asignar probabilidades en espacios muestrales tales como

S4 , necesitamos nuevas definiciones.
La primera será la noción de probabilidad condicional
La segunda será la definición de independencia de eventos o de
sucesos
La tercera será el Teorema de Probabilidades Totales
Y el último será el Teorema de Bayes.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 7 / 25

Nuevas definiciones

Para asignar probabilidades en espacios muestrales tales como

S4 , necesitamos nuevas definiciones.
La primera será la noción de probabilidad condicional
La segunda será la definición de independencia de eventos o de
sucesos
La tercera será el Teorema de Probabilidades Totales
Y el último será el Teorema de Bayes.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 7 / 25

Nuevas definiciones

Para asignar probabilidades en espacios muestrales tales como

S4 , necesitamos nuevas definiciones.
La primera será la noción de probabilidad condicional
La segunda será la definición de independencia de eventos o de
sucesos
La tercera será el Teorema de Probabilidades Totales
Y el último será el Teorema de Bayes.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 7 / 25

Probabilidad condicional

Sean A y B dos eventos definidos en S, entonces:

La probabilidad de que A ocurra dado que B ocurre se denota

P(A|B) y se lee P de A dado B.
Y la probabilidad de que B ocurra dado que A ocurre se denota
P(B|A) y se lee P de B dado A.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 8 / 25

Probabilidad condicional

Sean A y B dos eventos definidos en S, entonces:

La probabilidad de que A ocurra dado que B ocurre se denota

P(A|B) y se lee P de A dado B.
Y la probabilidad de que B ocurra dado que A ocurre se denota
P(B|A) y se lee P de B dado A.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 8 / 25

Probabilidad condicional

Sean A y B dos eventos definidos en S, entonces:

La probabilidad de que A ocurra dado que B ocurre se denota

P(A|B) y se lee P de A dado B.
Y la probabilidad de que B ocurra dado que A ocurre se denota
P(B|A) y se lee P de B dado A.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 8 / 25

Probabilidad condicional: definición formal

Sean A y B dos eventos definidos en S, entonces:

P(A ∩ B)
P(A|B) =
P(B)
P(A ∩ B)
P(B|A) =
P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 9 / 25

Probabilidad condicional: definición formal

Sean A y B dos eventos definidos en S, entonces:

P(A ∩ B)
P(A|B) =
P(B)
P(A ∩ B)
P(B|A) =
P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 9 / 25

Probabilidad condicional: definición formal

Sean A y B dos eventos definidos en S, entonces:

P(A ∩ B)
P(A|B) =
P(B)
P(A ∩ B)
P(B|A) =
P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 9 / 25

Ejemplo

Considere el experimento de lanzar un dado. Sea A el evento “sale par”

y sea C el evento “sale un número mayor que 2”.

Encuentre P(A|C)
Encuentre P(C|A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 10 / 25

Ejemplo

Considere el experimento de lanzar un dado. Sea A el evento “sale par”

y sea C el evento “sale un número mayor que 2”.

Encuentre P(A|C)
Encuentre P(C|A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 10 / 25

Ejemplo

Considere el experimento de lanzar un dado. Sea A el evento “sale par”

y sea C el evento “sale un número mayor que 2”.

Encuentre P(A|C)
Encuentre P(C|A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 10 / 25

Independencia

Sean A y B dos eventos definidos en S. Se dice que A y B son

independientes si:

P(A|B) = P(A)
De igual manera
P(B|A) = P(B)

¿Son independientes los eventos A y C definidos en el ejemplo

anterior?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 11 / 25

Independencia

Sean A y B dos eventos definidos en S. Se dice que A y B son

independientes si:

P(A|B) = P(A)
De igual manera
P(B|A) = P(B)

¿Son independientes los eventos A y C definidos en el ejemplo

anterior?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 11 / 25

Independencia

Sean A y B dos eventos definidos en S. Se dice que A y B son

independientes si:

P(A|B) = P(A)
De igual manera
P(B|A) = P(B)

¿Son independientes los eventos A y C definidos en el ejemplo

anterior?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 11 / 25

Independencia

Sean A y B dos eventos definidos en S. Se dice que A y B son

independientes si:

P(A|B) = P(A)
De igual manera
P(B|A) = P(B)

¿Son independientes los eventos A y C definidos en el ejemplo

anterior?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 11 / 25

Probabilidad de la intersección de eventos
independientes

Sean A y B dos eventos independientes definidos en S. Se sigue que:

P(A ∩ B) = P(A|B) × P(B) = P(A) × P(B)

P(A ∩ B) = P(B|A) × P(A) = P(B) × P(A)

¿Se cumple para los eventos A y C del ejemplo en S1 ?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 12 / 25

Probabilidad de la intersección de eventos
independientes

Sean A y B dos eventos independientes definidos en S. Se sigue que:

P(A ∩ B) = P(A|B) × P(B) = P(A) × P(B)

P(A ∩ B) = P(B|A) × P(A) = P(B) × P(A)

¿Se cumple para los eventos A y C del ejemplo en S1 ?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 12 / 25

Probabilidad de la intersección de eventos
independientes

Sean A y B dos eventos independientes definidos en S. Se sigue que:

P(A ∩ B) = P(A|B) × P(B) = P(A) × P(B)

P(A ∩ B) = P(B|A) × P(A) = P(B) × P(A)

¿Se cumple para los eventos A y C del ejemplo en S1 ?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 12 / 25

Probabilidad de la intersección de eventos
independientes

Sean A y B dos eventos independientes definidos en S. Se sigue que:

P(A ∩ B) = P(A|B) × P(B) = P(A) × P(B)

P(A ∩ B) = P(B|A) × P(A) = P(B) × P(A)

¿Se cumple para los eventos A y C del ejemplo en S1 ?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 12 / 25

Contenido

1 Espacios no-equiprobables

2 Nuevas definiciones

3 Paso previos para proponer un método de asignación

4 Dos leyes de probabilidad

5 Composición de eventos

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 13 / 25

Aproximación axiomática

Supongamos que S es un espacio muestral asociado con un

experimento. Para cada evento A de S asignamos un número P(A)
denominado la probabilidad de A, de tal manera que se cumplan los
siguientes axiomas:

Axioma 1: P(A) ≥ 0
Axioma 2: P(S) = 1
Axioma 3: Si A1 , A2 , A3 , . . . forman una sucesión de eventos
mutuamente excluyentes por parejas de S (es decir, Ai ∩ Aj = φ si
i 6= j), entonces:
∞
X
P(A1 ∪ A2 ∪ A3 ∪ . . .) = P(Ai )
i=1

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 14 / 25

Aproximación axiomática

Supongamos que S es un espacio muestral asociado con un

experimento. Para cada evento A de S asignamos un número P(A)
denominado la probabilidad de A, de tal manera que se cumplan los
siguientes axiomas:

Axioma 1: P(A) ≥ 0
Axioma 2: P(S) = 1
Axioma 3: Si A1 , A2 , A3 , . . . forman una sucesión de eventos
mutuamente excluyentes por parejas de S (es decir, Ai ∩ Aj = φ si
i 6= j), entonces:
∞
X
P(A1 ∪ A2 ∪ A3 ∪ . . .) = P(Ai )
i=1

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 14 / 25

Aproximación axiomática

Supongamos que S es un espacio muestral asociado con un

experimento. Para cada evento A de S asignamos un número P(A)
denominado la probabilidad de A, de tal manera que se cumplan los
siguientes axiomas:

Axioma 1: P(A) ≥ 0
Axioma 2: P(S) = 1
Axioma 3: Si A1 , A2 , A3 , . . . forman una sucesión de eventos
mutuamente excluyentes por parejas de S (es decir, Ai ∩ Aj = φ si
i 6= j), entonces:
∞
X
P(A1 ∪ A2 ∪ A3 ∪ . . .) = P(Ai )
i=1

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 14 / 25

Aproximación axiomática

Supongamos que S es un espacio muestral asociado con un

experimento. Para cada evento A de S asignamos un número P(A)
denominado la probabilidad de A, de tal manera que se cumplan los
siguientes axiomas:

Axioma 1: P(A) ≥ 0
Axioma 2: P(S) = 1
Axioma 3: Si A1 , A2 , A3 , . . . forman una sucesión de eventos
mutuamente excluyentes por parejas de S (es decir, Ai ∩ Aj = φ si
i 6= j), entonces:
∞
X
P(A1 ∪ A2 ∪ A3 ∪ . . .) = P(Ai )
i=1

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 14 / 25

Aproximación axiomática

Observe que la definición establece las condiciones que

debe cumplir el número P(A) para que sea denominado una
probabilidad.
Pero no indica cómo asignar probabilidades específicas a eventos.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 15 / 25

Aproximación axiomática

Observe que la definición establece las condiciones que

debe cumplir el número P(A) para que sea denominado una
probabilidad.
Pero no indica cómo asignar probabilidades específicas a eventos.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 15 / 25

Contenido

1 Espacios no-equiprobables

2 Nuevas definiciones

3 Paso previos para proponer un método de asignación

4 Dos leyes de probabilidad

5 Composición de eventos

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 16 / 25

Ley multiplicativa

La probabilidad de la intersección de dos eventos A y B es

P(A ∩ B) = P(A)P(B|A)
= P(B)P(A|B)

Si A y B son independientes, entonces

P(A ∩ B) = P(A)P(B)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 17 / 25

Ley multiplicativa

La probabilidad de la intersección de dos eventos A y B es

P(A ∩ B) = P(A)P(B|A)
= P(B)P(A|B)

Si A y B son independientes, entonces

P(A ∩ B) = P(A)P(B)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 17 / 25

Ley aditiva

La probabilidad de la unión de dos eventos A y B es

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 18 / 25

Probabilidad del complemento de un evento

Si A es un evento, entonces denotaremos Ā (o A0 ) a su

complemento.
Si A es un evento, entonces

P(A) = 1 − P(Ā)

En muchos casos es más sencillo calcular P(A0 ) que calcular P(A).

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 19 / 25

Probabilidad del complemento de un evento

Si A es un evento, entonces denotaremos Ā (o A0 ) a su

complemento.
Si A es un evento, entonces

P(A) = 1 − P(Ā)

En muchos casos es más sencillo calcular P(A0 ) que calcular P(A).

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 19 / 25

Probabilidad del complemento de un evento

Si A es un evento, entonces denotaremos Ā (o A0 ) a su

complemento.
Si A es un evento, entonces

P(A) = 1 − P(Ā)

En muchos casos es más sencillo calcular P(A0 ) que calcular P(A).

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 19 / 25

Nueva visita al cruce de caminos

Un vehículo que llega a un cruce puede dar vuelta a la derecha, a

la izquierda, continuar de frente o regresar (hacer un giro en U)
El experimento consiste en observar la dirección que toman dos
vehículos consecutivos que llegan al cruce
El 40 % de los vehículos giran a la derecha, el 25 % siguen derecho
y el 5 % hacen la U
¿Cuál es la probabilidad de que ambos carros hagan la U?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 20 / 25

Nueva visita al cruce de caminos

Un vehículo que llega a un cruce puede dar vuelta a la derecha, a

la izquierda, continuar de frente o regresar (hacer un giro en U)
El experimento consiste en observar la dirección que toman dos
vehículos consecutivos que llegan al cruce
El 40 % de los vehículos giran a la derecha, el 25 % siguen derecho
y el 5 % hacen la U
¿Cuál es la probabilidad de que ambos carros hagan la U?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 20 / 25

Nueva visita al cruce de caminos

Un vehículo que llega a un cruce puede dar vuelta a la derecha, a

la izquierda, continuar de frente o regresar (hacer un giro en U)
El experimento consiste en observar la dirección que toman dos
vehículos consecutivos que llegan al cruce
El 40 % de los vehículos giran a la derecha, el 25 % siguen derecho
y el 5 % hacen la U
¿Cuál es la probabilidad de que ambos carros hagan la U?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 20 / 25

Nueva visita al cruce de caminos

Un vehículo que llega a un cruce puede dar vuelta a la derecha, a

la izquierda, continuar de frente o regresar (hacer un giro en U)
El experimento consiste en observar la dirección que toman dos
vehículos consecutivos que llegan al cruce
El 40 % de los vehículos giran a la derecha, el 25 % siguen derecho
y el 5 % hacen la U
¿Cuál es la probabilidad de que ambos carros hagan la U?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 20 / 25

Detectores de humo

Un sistema detector de humo tiene dos dispositivos D1 y D2 .

Si hay humo, la probabilidad de que el aparato lo detecte con el
dispositivo D1 es 0.95
La probabilidad de que el aparato lo detecte con el dispositivo D2
es 0.90
Y la probabilidad de que lo detecte con ambos dispositivos es 0.88
Supongamos que se produce humo en el lugar donde está
instalado el sistema detector
Determine la probabilidad de que el sistema detecte el humo.
Determine la probabilidad de que el sistema no detecte el humo.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 21 / 25

Detectores de humo

Un sistema detector de humo tiene dos dispositivos D1 y D2 .

Si hay humo, la probabilidad de que el aparato lo detecte con el
dispositivo D1 es 0.95
La probabilidad de que el aparato lo detecte con el dispositivo D2
es 0.90
Y la probabilidad de que lo detecte con ambos dispositivos es 0.88
Supongamos que se produce humo en el lugar donde está
instalado el sistema detector
Determine la probabilidad de que el sistema detecte el humo.
Determine la probabilidad de que el sistema no detecte el humo.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 21 / 25

Detectores de humo

Un sistema detector de humo tiene dos dispositivos D1 y D2 .

Si hay humo, la probabilidad de que el aparato lo detecte con el
dispositivo D1 es 0.95
La probabilidad de que el aparato lo detecte con el dispositivo D2
es 0.90
Y la probabilidad de que lo detecte con ambos dispositivos es 0.88
Supongamos que se produce humo en el lugar donde está
instalado el sistema detector
Determine la probabilidad de que el sistema detecte el humo.
Determine la probabilidad de que el sistema no detecte el humo.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 21 / 25

Detectores de humo

Un sistema detector de humo tiene dos dispositivos D1 y D2 .

Si hay humo, la probabilidad de que el aparato lo detecte con el
dispositivo D1 es 0.95
La probabilidad de que el aparato lo detecte con el dispositivo D2
es 0.90
Y la probabilidad de que lo detecte con ambos dispositivos es 0.88
Supongamos que se produce humo en el lugar donde está
instalado el sistema detector
Determine la probabilidad de que el sistema detecte el humo.
Determine la probabilidad de que el sistema no detecte el humo.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 21 / 25

Detectores de humo

Un sistema detector de humo tiene dos dispositivos D1 y D2 .

Si hay humo, la probabilidad de que el aparato lo detecte con el
dispositivo D1 es 0.95
La probabilidad de que el aparato lo detecte con el dispositivo D2
es 0.90
Y la probabilidad de que lo detecte con ambos dispositivos es 0.88
Supongamos que se produce humo en el lugar donde está
instalado el sistema detector
Determine la probabilidad de que el sistema detecte el humo.
Determine la probabilidad de que el sistema no detecte el humo.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 21 / 25

Detectores de humo

Un sistema detector de humo tiene dos dispositivos D1 y D2 .

Si hay humo, la probabilidad de que el aparato lo detecte con el
dispositivo D1 es 0.95
La probabilidad de que el aparato lo detecte con el dispositivo D2
es 0.90
Y la probabilidad de que lo detecte con ambos dispositivos es 0.88
Supongamos que se produce humo en el lugar donde está
instalado el sistema detector
Determine la probabilidad de que el sistema detecte el humo.
Determine la probabilidad de que el sistema no detecte el humo.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 21 / 25

Detectores de humo

Un sistema detector de humo tiene dos dispositivos D1 y D2 .

Si hay humo, la probabilidad de que el aparato lo detecte con el
dispositivo D1 es 0.95
La probabilidad de que el aparato lo detecte con el dispositivo D2
es 0.90
Y la probabilidad de que lo detecte con ambos dispositivos es 0.88
Supongamos que se produce humo en el lugar donde está
instalado el sistema detector
Determine la probabilidad de que el sistema detecte el humo.
Determine la probabilidad de que el sistema no detecte el humo.

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 21 / 25

Un línea de inspección

Dos inspectores colocados uno tras otro, analizan visualmente

unos artículos que pasan por una línea de inspección.
La probabilidad de que un artículo defectuoso pase por esta línea
en forma desapercibida para el primer inspector es de 0.1.
Al segundo inspector se le escaparán 5 de cada 10 artículos
defectuosos que se le pasen al primer inspector.
¿Cuál es la probabilidad de que los dos inspectores dejen pasar
un artículo defectuoso?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 22 / 25

Un línea de inspección

Dos inspectores colocados uno tras otro, analizan visualmente

unos artículos que pasan por una línea de inspección.
La probabilidad de que un artículo defectuoso pase por esta línea
en forma desapercibida para el primer inspector es de 0.1.
Al segundo inspector se le escaparán 5 de cada 10 artículos
defectuosos que se le pasen al primer inspector.
¿Cuál es la probabilidad de que los dos inspectores dejen pasar
un artículo defectuoso?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 22 / 25

Un línea de inspección

Dos inspectores colocados uno tras otro, analizan visualmente

unos artículos que pasan por una línea de inspección.
La probabilidad de que un artículo defectuoso pase por esta línea
en forma desapercibida para el primer inspector es de 0.1.
Al segundo inspector se le escaparán 5 de cada 10 artículos
defectuosos que se le pasen al primer inspector.
¿Cuál es la probabilidad de que los dos inspectores dejen pasar
un artículo defectuoso?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 22 / 25

Un línea de inspección

Dos inspectores colocados uno tras otro, analizan visualmente

unos artículos que pasan por una línea de inspección.
La probabilidad de que un artículo defectuoso pase por esta línea
en forma desapercibida para el primer inspector es de 0.1.
Al segundo inspector se le escaparán 5 de cada 10 artículos
defectuosos que se le pasen al primer inspector.
¿Cuál es la probabilidad de que los dos inspectores dejen pasar
un artículo defectuoso?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 22 / 25

Contenido

1 Espacios no-equiprobables

2 Nuevas definiciones

3 Paso previos para proponer un método de asignación

4 Dos leyes de probabilidad

5 Composición de eventos

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 23 / 25

Método de la composición de eventos

1 Defina el evento
2 Visualice la naturaleza de los puntos muestrales.
3 Identifique algunos puntos muestrales para aclarar sus ideas
4 Formule una ecuación que exprese el evento de interés, digamos
A, como una composición de dos o más eventos mediante uniones,
intersecciones y/o complementos
5 Cerciórese de que el evento A y el contenido de la composición
representan el mismo conjunto de puntos muestrales
6 Aplique las leyes aditiva y multiplicativa a la composición formulada
en el paso 4 para determinar P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 24 / 25

Método de la composición de eventos

1 Defina el evento
2 Visualice la naturaleza de los puntos muestrales.
3 Identifique algunos puntos muestrales para aclarar sus ideas
4 Formule una ecuación que exprese el evento de interés, digamos
A, como una composición de dos o más eventos mediante uniones,
intersecciones y/o complementos
5 Cerciórese de que el evento A y el contenido de la composición
representan el mismo conjunto de puntos muestrales
6 Aplique las leyes aditiva y multiplicativa a la composición formulada
en el paso 4 para determinar P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 24 / 25

Método de la composición de eventos

1 Defina el evento
2 Visualice la naturaleza de los puntos muestrales.
3 Identifique algunos puntos muestrales para aclarar sus ideas
4 Formule una ecuación que exprese el evento de interés, digamos
A, como una composición de dos o más eventos mediante uniones,
intersecciones y/o complementos
5 Cerciórese de que el evento A y el contenido de la composición
representan el mismo conjunto de puntos muestrales
6 Aplique las leyes aditiva y multiplicativa a la composición formulada
en el paso 4 para determinar P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 24 / 25

Método de la composición de eventos

1 Defina el evento
2 Visualice la naturaleza de los puntos muestrales.
3 Identifique algunos puntos muestrales para aclarar sus ideas
4 Formule una ecuación que exprese el evento de interés, digamos
A, como una composición de dos o más eventos mediante uniones,
intersecciones y/o complementos
5 Cerciórese de que el evento A y el contenido de la composición
representan el mismo conjunto de puntos muestrales
6 Aplique las leyes aditiva y multiplicativa a la composición formulada
en el paso 4 para determinar P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 24 / 25

Método de la composición de eventos

1 Defina el evento
2 Visualice la naturaleza de los puntos muestrales.
3 Identifique algunos puntos muestrales para aclarar sus ideas
4 Formule una ecuación que exprese el evento de interés, digamos
A, como una composición de dos o más eventos mediante uniones,
intersecciones y/o complementos
5 Cerciórese de que el evento A y el contenido de la composición
representan el mismo conjunto de puntos muestrales
6 Aplique las leyes aditiva y multiplicativa a la composición formulada
en el paso 4 para determinar P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 24 / 25

Método de la composición de eventos

1 Defina el evento
2 Visualice la naturaleza de los puntos muestrales.
3 Identifique algunos puntos muestrales para aclarar sus ideas
4 Formule una ecuación que exprese el evento de interés, digamos
A, como una composición de dos o más eventos mediante uniones,
intersecciones y/o complementos
5 Cerciórese de que el evento A y el contenido de la composición
representan el mismo conjunto de puntos muestrales
6 Aplique las leyes aditiva y multiplicativa a la composición formulada
en el paso 4 para determinar P(A)

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 24 / 25

Seleccionar artículos buenos

Una fábrica tiene dos líneas de producción y la línea I genera el

40 % de la producción diaria
La línea I genera 8 % de productos defectuosos; la línea II, el 10 %
Se elige un elemento de la producción diaria: ¿Cuál es la
probabilidad de que el artículo seleccionado no tenga defectos?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 25 / 25

Seleccionar artículos buenos

Una fábrica tiene dos líneas de producción y la línea I genera el

40 % de la producción diaria
La línea I genera 8 % de productos defectuosos; la línea II, el 10 %
Se elige un elemento de la producción diaria: ¿Cuál es la
probabilidad de que el artículo seleccionado no tenga defectos?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 25 / 25

Seleccionar artículos buenos

Una fábrica tiene dos líneas de producción y la línea I genera el

40 % de la producción diaria
La línea I genera 8 % de productos defectuosos; la línea II, el 10 %
Se elige un elemento de la producción diaria: ¿Cuál es la
probabilidad de que el artículo seleccionado no tenga defectos?

J Olaya (Universidad del Valle) Fundamentos de Estadística Cuarta sesión 25 / 25