ESTADÍSTICA
y
PROBABILIDADES
Semana 11
Probabilidad Condicional y
Teorema de Bayes
1
Unidad de aprendizaje 4: Probabilidades
Resultado Calcula e interpreta la probabilidad a los
de diferentes eventos de interés presentados.
Aprendizaje
2
01 Probabilidad Condicional
Agenda 02 Probabilidad Total
03 Teorema de Bayes
3
01
Probabilidad
Condicional
4
Probabilidad Condicional
01 Probabilidad Condicional
Suponga que se tiene un evento A con probabilidad P(A). Si se obtiene
nueva información y se aprende que un evento relacionado, denotado
por B, ya ocurrió, esta información se puede aprovechar mediante el
cálculo de una nueva probabilidad del evento A, a la cual se denomina
probabilidad condicional, y se escribe P(A / B).
5
Probabilidad Condicional
01
Ejemplo 1
La probabilidad de que un vuelo programado normalmente salga a tiempo
es P(D) = 0.83, la probabilidad de que llegue a tiempo es P(A)= 0.82 y la
probabilidad de que salga y llegue a tiempo es de 0.78. Encuentre:
[Link] de que un avión llegue a tiempo dado que salió a tiempo
[Link] de que un avión haya salido a tiempo dado que llegó a tiempo
Solución:
Eventos: D: Avión salga a tiempo A: avión llegue a tiempo
P(A∩D)=0.78
Interpretación
a. P(A/D) = P(A∩D)/P(D) = 0.78/0.83 =0.94 La probabilidad condicional tiene en cuenta la
ALTERACIÓN DE LA PROBABILIDAD DE UN
b. P(D/A)= P(A∩D)/P(A)=0.78/0.82 = 0.95 EVENTO, a la luz de información adicional.
6
Probabilidad Condicional
01 Eventos Independientes
Si la probabilidad del evento A no cambia por la existencia del evento
B, es decir P(A I B) = P(A) diríamos que A y B son eventos
independientes. Esta situación conduce a la definición siguiente de la
independencia de dos eventos:
7
Probabilidad Condicional
01 Ley de la Multiplicación
Mientras que la ley de la adición se utiliza para calcular la
probabilidad de la unión de dos eventos, la ley de la multiplicación se
utiliza para calcular la probabilidad de la intersección de dos
eventos. Esta última ley se basa en la definición de la probabilidad
condicional.
8
Probabilidad Condicional
01
Ejemplo 2
Suponga que se tiene una caja de fusibles que contiene veinte unidades de las cuales cinco están
defectuosas. Si se seleccionan dos fusibles al azar y se separan de la caja uno después del otro sin
reemplazar el primero (extracción sin reposición) ¿Cuál es la probabilidad de que ambos fusibles
estén defectuosos?
Solución: P(A∩B) = P(A).P(B/A) = 1/4 x 4/19 = 1/19
Sea A: el primer fusible es defectuoso ¿Son A y B independientes?
Sea B: el segundo fusible es defectuoso NO. Porque la extracción del primero
condiciona la probabilidad del segundo.
A∩B = evento en el que ocurre A primero y Si hubiera sido extracción con reposición: Se
luego (a continuación) ocurre B devuelve el fusible luego de verificar si es
defectuoso o no a la caja
Probabilidad de sacar un fusible defectuoso
(el primero) = 5/20 = 1/4 P(A) = 5/20 = 1/4
P(B) = 5/20=1/4
Probabilidad de sacar el segundo fusible
defectuoso dado que el primero salió P(B/A) = P(B) = 1/4
defectuoso = 4/19 A y B son independientes.
9
Probabilidad Condicional
01
Propiedades de la independencia de eventos
10
Probabilidad Condicional
01
Ejemplo 3
Andrés y Michel juegan tiro al blanco. Las probabilidades de dar en el blanco son 0.6 y 0.8
respectivamente. Hallar la probabilidad de que por lo menos uno de ellos dé en el blanco.
Solución:
A: Andrés da en el blanco
M: Michel da en el blanco
A y M son independientes, P(A∩M) =P(A). P(M)
P(AUM) = P(A)+P(M)-P(A∩M)
P(AUM) = 0.6+0.8-0.6x0.8 =1.4-0.48 = 0.92
11
Probabilidad Condicional
01
Ejemplo 4
Una pequeña ciudad tiene un carro de bomberos y una ambulancia disponibles para emergencias.
La probabilidad de que el carro de bomberos esté disponible cuando se necesite es 0.98 y la
probabilidad de que la ambulancia esté disponible cuando se le requiera es 0.92. En el caso de
que resulte un herido de un edificio en llamas, encuentre la probabilidad de que la ambulancia y el
carro de bomberos estén disponibles.
Solución:
¿Son estos eventos: A :carro de bomberos disponible y B: ambulancia disponible
independientes?
Puede pensarse que sí, en el supuesto que cada uno tenga un programa de
mantenimiento diferente. Entonces:
P(A∩B) = P(A).P(B)=0.98x0.92 = 0.9016
12
Probabilidad Condicional
01
Diagrama de árbol de probabilidades
13
Probabilidad Condicional
01
Ejemplo 5
Construir el diagrama de árbol para: La probabilidad que Andrea estudie es 0.25. Si estudia la
probabilidad que apruebe es de 0.80 y si no estudia la probabilidad que apruebe es de sólo 0.50.
Solución:
Eventos: A1: Andrea estudia A2: Andrea no estudia
B: aprueba BC: no aprueba
14
02
Probabilidad
Total
15
Probabilidad Total
02
Probabilidad total y regla de Bayes
16
Probabilidad Total
02
Probabilidad total
17
Probabilidad Total
02
Probabilidad total (regla de eliminación)
Otra forma de expresar lo anterior es:
18
Probabilidad Total
02
Ejemplo 6
En un centro educativo se ha podido observar que la estatura del 4% de los estudiantes hombres y
del 1% de las estudiantes mujeres es superior a 1.80 metros. Además se sabe que el 60% de los
estudiantes del centro educativo es mujer. Encuentre la probabilidad de que en una selección al
azar se seleccione a un estudiante de altura superior a 1.80 metros (no importa sexo).
Solución:
H : ser estudiante hombre M: ser estudiante mujer
E: Tener una estatura superior a 1.80 metros
Se sabe que: P(E/M) =0.01 ; P(E/H) = 0.04 ; P(M) = 0.6 , P(H) = 0.4
P(E) = P(M).P(E/M)+P(H).P(E/H)
P(E) = 0.6x0.01 + 0.4x0.04
P(E) = 0.06+0.016
P(E) = 0.022
19
Probabilidad Total
02
Ejemplo 7
En una cierta planta de montaje tres máquinas B1, B2 y B3 montan el 30%, 45% y 25% de los
productos respectivamente. Se sabe de la experiencia pasada que 2%, 3% y 2% de los productos
ensamblados por cada máquina son defectuosos. Ahora suponga que selecciona en forma aleatoria
UN producto terminado. ¿Cuál es la probabilidad de que esté defectuoso?
Solución:
A: El producto es defectuoso
B1: El producto fue ensamblado por la máquina B1
B2: El producto fue ensamblado por la máquina B2
B3: El producto fue ensamblado por la máquina B3
Aplicando probabilidad total (regla de eliminación):
P(A) = P(B1)(P(A/B1)+P(B2)P(A/B2)+P(B3)P(A/B3)
20
Probabilidad Total
02
Ejemplo 7
En una cierta planta de montaje tres máquinas B1, B2 y B3 montan el 30%, 45% y 25% de los
productos respectivamente. Se sabe de la experiencia pasada que 2%, 3% y 2% de los productos
ensamblados por cada máquina son defectuosos. Ahora suponga que selecciona en forma aleatoria
UN producto terminado. ¿Cuál es la probabilidad de que esté defectuoso?
Solución: P(A) = P(B1)(P(A/B1)+P(B2)P(A/B2)+P(B3)P(A/B3)
Ahora hacemos un diagrama de árbol para mejor comprensión de las
probabilidades: P(A/B1)=0.02
P(B1)=0.3
P(B2)=0.45 P(A/B2)=0.03
P(A/B3)=0.02
P(B3)=0.25
P(A)=0.3x0.02+0.45x0.03+0.25x0.02 =0.0245
21
03
Teorema de
Bayes
22
Teorema de Bayes
03 Teorema de Bayes
El teorema de Bayes se usa para revisar probabilidades calculadas
previamente con base en información nueva. Este teorema es una
extensión de lo anteriormente estudiamos como probabilidad condicional.
23
Teorema de Bayes
03 Ejemplo 8
Una empresa de manufactura que recibe embarques de refacciones de dos proveedores diferentes,
el 65% de las partes adquiridas por la empresa son del proveedor 1 y el 35% restante son del
proveedor 2. Los datos históricos sugieren que las calificaciones de calidad de los dos proveedores
se muestran en la tabla. Dada la información de que la refacción esta defectuosa, ¿cuál es la
probabilidad de que provenga del proveedor 1 y cuál de que provenga del proveedor 2?
24
Teorema de Bayes
03 Ejemplo 8
Solución:
A1 el evento de que una refacción proviene del proveedor 1
A2 el evento de que una refacción proviene del proveedor 2
Entonces:
P(A1)=0.65 y P(A2) =0.35
Además:
G denota el evento de que una refacción está en buen estado
B denota el evento de que una refacción está en mal estado
Entonces:
P(G I A1) = 0.98 P(B I A1) = 0.02
P(G I A2) = 0.95 P(B I A2) = 0.05
25
Teorema de Bayes
03 Ejemplo 8
Solución:
26
Teorema de Bayes
03 Ejemplo 8
Solución:
Aplicando el teorema de Bayes:
27
Unidad de aprendizaje 4: Probabilidades
Lectura Cap. 5.
Referencias Estadística para Administración y Economía,
Anderson D. Sweeney, D.
28
ESTADÍSTICA
y
PROBABILIDADES
Semana 12 :
Probabilidades II
29
