ESTUDIO DE CONCEPTOS PROBABILSTISCOS

1. ALGO DE HISTORIA Y RELEVANCIA DE LA TERORA DE LA PROBABILIDAD

1.1.

Algo de historia

La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat y Blaise

Pascal tratan de resolver algunos problemas relacionados con los juegos de azar, es
decir la probabilidad tuvo su origen en los juegos de azar.
Mas tarde, Jacob Bernoulli (1654 1705), Abraham de Moivre (1667 1754), el
reverendo Thomas Bayes (1702 1771) y Joseph Lagrange ( 1736 1813),
desarrollaron tcnicas y frmulas para el clculo de probabilidad.
En el siglo XIX, Pierre Simn, marqus (1749 1827), unific y compil la primera
teora general de probabilidad

1.2.

Relevancia de la Probabilidad

El ser humano constantemente toma decisiones, sean de carcter personal o en el

mbito laboral, donde muchas de estas estn sujetas a incertidumbres, es decir no
se tiene la certeza de que ocurrir o no ocurrir tal o cual suceso de su inters, sin
embargo debe tomarse la decisin de actuar o no actuar, de realizar o no realizar
determinada accin, actividad, evento, previsin, etc. Lgicamente previo a la toma
de decisin debe realizar un anlisis a profundidad de los diferentes aspectos que
estn en el entorno del objeto de estudio y que directa o indirectamente influyen en el
mismo.
Realizado esto, la toma decisin est sujeta a una medida entre 0 y 1 inclusive,
medida que se relaciona con la teora de probabilidades, que seala que el suceso o
evento tiene una alta, media o nula posibilidad de que el suceso o evento ocurra o no
ocurra.
A fin de consolidar este criterio, consideremos el caso de una persona que toma la
decisin de salir de su casa, con o sin paraguas, hace un anlisis del entorno, mira
las nubes, si estas estn muy obscuras considera que hay una probabilidad de lluvia,
si desea poner un valor puede decir que la probabilidad de lluvia es 0,9; decisin, sale
con paraguas.
En la actualidad la teora de la probabilidad se usa ampliamente en reas como, la
fsica, la estadstica, la matemtica, y en estudios de investigaciones sociales, donde
las variables son aleatorias; por lo tanto, se puede sealar que la probabilidad es una
rama de la matemtica que estudia, analiza y determina experimentos aleatorios,
(los resultados de un experimento no dependen de la voluntad del hombre sino de la
suerte o del azar)
1

Ejemplo: en el lanzamiento de una moneda no cargada, el resultado de que sea cruz

o sello no depende de la voluntad de quien lanza la moneda, depende del azar
Hay que notar que la probabilidad est relacionada con eventos que sucedern en el
futuro, por lo que la probabilidad se desarrolla por el deseo del hombre de conocer
con certeza lo que suceder en el futuro.
Estos antecedentes, entre otros existentes, determinan la relevancia del estudio de la
teora de probabilidades.

2. CONCEPTOS BASICOS
2.1. Probabilidad.- Es la medida de la posibilidad de que ocurra un suceso en el
futuro;
Al decir medida, se refiere a que se le atribuye un nmero (valor) al suceso
observado, este nmero se asigna en una escala de 0 a 1, incluido el 0 y el 1, esto
es: 0 p 1.
2.2. Interpretaciones de probabilidad segn su valor

0 ---------- 0,5 ---------- 1

Si el valor de la probabilidad es cero, significa que es difcil o improbable que el
suceso ocurra
Si el valor de la probabilidad es uno, significa que es casi seguro que el suceso
ocurra
Si el valor de la probabilidad es 0,5 significa que el suceso puede o no ocurrir
Valores cercanos a cero es ms improbable de que ocurra el suceso
Valores cercanos a uno es ms probable de que ocurra el suceso
2.3. Formas de expresar la probabilidad.- Las probabilidades se expresan como un
nmero decimal o fraccin (0,7; 7/10)
Ejemplos:

SUCESO
PROBABILIDAD
Que el periodo lectivo, abril - agosto de 2015, concluya en junio de 0
2015
Que apruebe el semestre
0,7
Que la clase de estadstica concluya a las 09H00 (programada de 1
07H00 a 09H00)
Al lanzar una moneda, esta caiga en cara
1/2

2.4. Terminologa bsica en el estudio de probabilidades

En la teora de la probabilidad con frecuencia se usa los trminos, experimento y
evento
Evento.- Es uno o ms de los posibles resultados de hacer lago; as tenemos que en
el lanzamiento de una moneda si cae cruz es un evento y si cae cara es otro evento.
La actividad que origina uno de dichos eventos se conoce como experimento.
Experimento. Es el procedimiento que genera valores bien definidos, o tambin es la
accin de medir u observar algo.
Ejemplo:
EXPERIMENTO

RESULTADOS
POSIBLES
DEL EXPERIMENTO

EVENTO

Lanzar una moneda

Inspeccionar
un
objeto
fabricado
Ventas por telfono
Lanzar un dado
Jugar un partido de futbol

Cara, sello
Defectuoso, no defectuoso

Cara
Defectuoso

Compra, no compra
1,2,3,4,5,6,
Ganar, perder, empatar

No compra
3
Empate

Espacio muestral.- Es el
experimento

conjunto de todos los resultados posibles de un

Ejemplo: En el lanzamiento de una moneda, el espacio muestral es: S={cara, cruz}

Punto muestral.- Son cada uno de los elementos del espacio muestral
Eventos mutuamente excluyentes.- Se dice que los eventos son mutuamente
excluyentes si uno y solo uno de ellos puede tener lugar a un tiempo o en otras
palabras la ocurrencia de un evento implica que otro no puede darse al mismo tiempo
Ejemplo: el lanzamiento de una moneda tiene dos eventos posibles, cara y cruz, si
cay cara no puede al mismo tiempo salir cruz o viceversa, entonces se dice que los
eventos son mutuamente excluyentes.
Colectivamente exaustivo.- Cuando una lista incluye todos los eventos que pueden
resultad de un experimento se dice que la lista es colectivamente exhaustiva, en el
lanzamiento de la moneda la lista cara y cruz es colectivamente exhaustiva.
3. TRES TIPOS DE PROBABILIDAD
Existen tres maneras bsicas de clasificar la probabilidad
El planteamiento clsico
El planteamiento de frecuencia relativa
El planteamiento subjetivo

3.1.

Planteamiento clsico

El planteamiento clsico define la probabilidad como:

Probabilidad de un evento=
Ejemplo.
En el Lanzamiento de un dado, se desea que salga el 4
Datos
Nmero de resultados favorables = 1
Nmero de resultados posibles= 6
Probabilidad del evento
P=
La probabilidad clsica tambin se le conoce como probabilidad a priori, debido a que
nuestras conclusiones se basan en un razonamiento lgico antes de realizar el
experimento, por cuanto los eventos son previsibles; siendo estos los casos cuando
se trata de monedas, dado y barajas.
Por ejemplo
Antes de realizar el lanzamiento de un dado se sabe que la probabilidad de que caiga
tres es 1/6
Antes de realizar el lanzamiento de una moneda se sabe que la probabilidad de caiga
cara es 1/2
La probabilidad de que en una extraccin de la baraja la probabilidad de que salga un
as es 4/52
En todos estos ejemplos hemos podido sealar la probabilidad sin realizar el
experimento, por esta razn la probabilidad clsica se conoce como probabilidad a
priori.
3.2.

Planteamiento de frecuencia relativa

Define la probabilidad de un evento, relacionando datos que ya ocurrieron en el

pasado, o con el total de datos observados, los datos del pasado son parte del
conjunto de datos observados, o tambin relacionando una cantidad de datos
(muestra) con el total observado (poblacin), la muestra se obtiene de la misma
poblacin
Probabilidad de un evento=

Ejemplo:
Supngase que se desea determinar si los graduados de la Carrera de Contabilidad y
Auditora, estn realizando actividades conforme su preparacin. Para el efecto se
realiza una encuesta a 840 graduados, de los cuales 375 no estn desempeando las
funciones conforme su perfil profesional, se desea saber: Cul es la probabilidad de
que el prximo encuestado est realizando actividades distintas a la de su formacin?
Anlisis: los 840 encuestados son la poblacin y los 375 son la muestra, observe que
los 375 se obtiene de los 840

Datos:
Total de encuestados u observados

= 840

Total de graduados con actividades distintas a las de su formacin = 375

Probabilidad del evento =

= 0,45

Significa: la probabilidad de que el prximo encuestado no est realizando actividades

conforme su preparacin es 0,45
3.3.

Planteamiento subjetivo

Es la probabilidad asignada por una persona que conoce el asunto, basado en los
datos que dispone, es decir es la probabilidad otorgada por una persona con alguna
experiencia en el tema que se trata.
Por ejemplo: Una persona que conoce estadsticamente, los triunfos, derrotas y
empates que ha tenido la seleccin de futbol del Ecuador, dir que la probabilidad de
que el Ecuador gane en el prximo encuentro es 0,90
4. ALGUNAS REGLAS BSICAS DE PROBABILIDAD
Se refiere a la regla de la suma y regla de la multiplicacin, son aplicables en los casos
en los que se tiene dos o ms eventos. Como por ejemplo el evento A y el evento B.
4.1.

Reglas de la suma

Se aplica cuando se desea obtener la probabilidad de ocurrencia del evento A o del

evento B o de ambos, observe el smbolo o este corresponde a la regla de la suma
Tiene dos formas
a) cuando los eventos son mutuamente excluyentes,
b) cuando los eventos no son mutuamente excluyentes

4.1.1. Cuando los eventos son mutuamente excluyentes

Se usa la frmula
P(A o B) = P(A) + P(B)
Ejemplo: se realiza una apuesta de $ 100,00, mediante el lanzamiento de un dado no
cargado, yo gano la apuesta si el dado cae en 2 o 4, deseo saber Cul es
probabilidad que tengo para ganar?
Sea A el evento que salga 2 y sea B el evento que salga 4, entonces:
La probabilidad de que salga A es 1/6
La probabilidad de que salga B es 1/6
Entonces la probabilidad de que salga el 2 o el 4 en un lanzamiento del dado es:
P(A o B) = P(A) + P(B) P(A o B) = 1/6 + 1/6 = 2/6 = 1/3.= 0,33 = 33%
El 33% significa que si lanzo el dado 100 veces, en
posiblemente salga el 2 o el 4

33 de estos lanzamientos

4.1.2. Cuando los eventos no son mutuamente excluyentes

Para estos casos se hace referencia al concepto de probabilidad conjunta, y es la
probabilidad de que el evento A y el evento B ocurran simultneamente.
Se hace uso de la frmula
P(A o B) = P(A) + P(B) P(A y B)
Ejemplo: se realiza una apuesta de $ 100,00, mediante la extraccin de una baraja de
un total de 52 cartas; yo gano la apuesta si en una extraccin la carta seleccionada es
una J o una carta de corazones negros, deseo saber Cul es la probabilidad que
tengo para ganar?
Sea A el evento que salga J y sea B el evento que la carta seleccionada sea de
corazones negros, entonces:
La probabilidad de que salga A
corresponde a una figura)

es 4/52 (en las 52 cartas hay 4 jotas, cada J

La probabilidad de que salga B es 13/52 (cada figura tiene 13 cartas)

Y, la probabilidad de que salga A y B es 1/52 (una de esas Jotas es tambin de
corazones negros, es decir es J y de corazones negros, en trminos probabilsticos
este evento corresponde a una probabilidad conjunta) como la regla del juego es que
yo gano si la carta seleccionada es J o de corazones negros, pero si sale J y de
corazones negros pierdo la apuesta, entonces esta probabilidad conjunto resto de las
dems probabilidades.
Por consiguiente la probabilidad de que la carta seleccionada sea J o de corazones
negros es:
6

P(A o B) = P(A) + P(B) P(A y B)

P(A o B) = 4/52 + 13/52 1/52 = 16/52 = 0,31 = 31%
El 31% significa que si se realiza 100 extracciones, en 31 de esas extracciones
posiblemente la carta seleccionada sea J o de corazones negros
4.2.

Reglas de la multiplicacin

Se aplica cuando se desea obtener la probabilidad de ocurrencia del evento A y del

evento B, observe el smbolo y este corresponde a la regla de la multiplicacin.
Tiene dos formas
c) cuando los eventos son independientes
d) cuando los eventos no son independientes
4.2.1. Cuando los eventos son independientes
Concepto: dos eventos son independientes cuando la ocurrencia de un evento no
afecta la probabilidad de ocurrencia del otro evento,
Ejemplo: en dos lanzamientos de una moneda, si en el primer lanzamiento la moneda
cae cara, esta cada no asegura que en el segundo lanzamiento tambin caiga cara.
Se usa la frmula
P(A y B) = P(A) * P(B)
Ejemplo: se realiza una apuesta de $ 100,00, mediante dos lanzamientos de una
moneda, yo gano la apuesta si en el primer y segundo lanzamiento la moneda cae en
cara, deseo saber Cul es probabilidad que tengo para ganar?
Sea A el evento que salga cara en el primer lanzamiento y sea B el evento que salga
cara en el segundo lanzamiento, entonces:
La probabilidad de que salga A es 1/2
La probabilidad de que salga B es 1/2
Entonces la probabilidad de que salga cara y cara en los dos lanzamientos es:
P(A y B) = P(A) * P(B)
P(A y B) = 1/2 * 1/2 = 1/4 = 0,25 = 25%
El 25% significa que de todos los resultados posibles del experimento el 25% de
estos corresponde a la condicin dada, como este experimento tiene 4 resultados
posibles,(cara - cara; cara - sello; sello - cara; sello - sello) observe que en uno de los
cuatro resultados (cara cara) se cumple la condicin; ojo, no se olvide, de que
estamos en probabilidades es decir posibilidades, si bien es cierto en este juego
conoce de antemano la probabilidad de ganar, esto no le da la certeza de que va a
ganar, como puede ganar o como puede perder.
7

4.2.2. Cuando los eventos no son independientes

Para estos casos se hace referencia al concepto de probabilidad condicional y es
la probabilidad de ocurrencia de un evento dado que otro ya ha ocurrido y se conoce
su probabilidad, es decir la probabilidad de un evento se ve influida por la ocurrencia
de otro evento relacionado.
Se hace uso de la frmula
P(A y B) = P(A) * P(B/A)
El smbolo / se lee dado que
Ejemplo:
Se tiene una urna con 15 bolas; 10 de color negro y 5 cinco de color blanco
Se realiza una apuesta de $ 100,00, con la siguiente condicin, se debe realizar dos
extracciones, sin reposicin, yo gano la apuesta si en cada extraccin saco una bola
de color negro, deseo saber Cul es probabilidad que tengo para ganar?
Sea A el evento que en la primera extraccin saco una bola de color negro y sea B el
evento de que en la segunda extraccin tambin saco una bola de color negro,
entonces:
La probabilidad de que salga A en la primera extraccin es 10/15 (se tiene 10 bolos
negras de un total de 15 que estn en la urna)
La probabilidad de que salga B en la segunda extraccin es 9/14 (Como ya sali una
bola negra, en la urna quedan 9 bolas de color negro, como en total eran 15 bolas y
sali una, quedan en la urna 14 bolas, en trminos probabilsticos se dice, la
probabilidad de que en la segunda extraccin salga una bola de color negro es 9/14
dado que en la primera extraccin ya sali una bola negra)
Por consiguiente la probabilidad de que en las dos extracciones las bolas que se
obtenga sean de color negro es:
P(A y B) = P(A) * P(B/A)
P(A y B) = 10/15 * 9/14 = 90/210 = 3/7= 0,43 = 43%
El 43% significa que si realizo 100 veces dos extracciones, en 43 de estas veces,
posiblemente salga en las dos extracciones bolas de color negro
5. REGLAS DE CONTEO
Son tiles para conocer el total de resultados posibles de un experimento, cuando este
no se puede determinar por simple inspeccin
Existen tres reglas
Regla de la multiplicacin o por etapas
Combinaciones
8

 Permutaciones
5.1.
Regla de la multiplicacin o por etapas
Si un experimento tiene varias etapas y la primera etapa tiene n1 resultados posibles;
la etapa dos tiene n2 resultados posibles; la etapa tres tiene n3 resultados posibles; el
total de resultados posibles del experimento se obtiene multiplicando n1 x n2 x n3
Ejemplo:
Deseo saber de cuantas formas puedo combinar 2 ternos (caf, negro) y 2 corbatas
(azul, roja) que poseo en mi armario
Sean:
Etapas

resultados posibles (cantidad)

Ternos

Corbatas

Total de resultados posibles: 2 x 2 = 4 resultados posibles o formas de combinar los

ternos con las corbatas

5.1.1. Diagrama de rbol

Es una grfica de puntos y lneas, en la que se seala los resultados posibles de un
evento, y el total de ellos, las lneas suele denominarse ramas.

Ejemplo
RESULTADOS
CORBATAS
TERNOS

caf

Terno caf corbata azul

azul

roja
Terno caf corbata roja
Terno negro corbata azul

negro

azul

roja

TOTAL RESULTADOS

Terno negro corbata roja

5.2.

Combinaciones

Es til cuando se tiene un grupo de elementos n y se toma una parte de ellos r y

se quiere determinar cuntas ordenaciones o resultados posibles se pueden hacer de
estos n elementos tomando r a la vez
En este tipo de ordenaciones no importa o no interesa la ubicacin de cada elemento,
por lo que si uno de los elementos del grupo es A y el otro B, las formas AB y BA son
iguales; no interesa si A est a la izquierda de B o si est a la derecha de B por lo
que AB = BA
La frmula que se utiliza es

nC r =
Donde:
C = smbolo que representa combinacin
n= la cantidad total de elementos que conforman el grupo
r= la cantidad de elementos que se toman del grupo para combinar
nCr

= combinacin de n elementos tomados r a la vez

Explicacin de
se lee ene factorial, representa la multiplicacin de todos los nmeros comprendidos
entre n hasta 1, en sentido descendente o desde 1 hasta n en sentido ascendente
En forma simblica
= n(n-1)(n-2)(n-3)(2)(1)
Ejemplo
7 =7x6x5x4x3x2x1
Se sabe que 0 = 1

Ejemplo de combinaciones
Sean las letras A,B,C,D,E,F,G se desea formar palabras (no importa si no tiene
sentido) de tres letras, es decir cuntas formas o resultados posibles se obtiene de las
7 letras tomando 3 a la vez.
Aplicando la formula se obtiene:
nCr =

10

= nCr =

nCr =

= nCr =

= nCr =

= nCr = 7 x 5 = 35

nCr =

Esto es: de las 7 letras se pueden formar 35 combinaciones o palabras tomando tres a
la vez
Ahora cabe la pregunta
Cules son esas palabras?
ABC

ABD

ABE

ABF

ABG

ACD

ACE

ACF

ACG

ADE

ADF

ADG

AEF

AEG

AFG

BCD

BCE

BCF

BCG

BDE

BDF

BDG

BEF

BEG

BFG

CDE

CDF

CDG CEF

CEG

CFG

DEF

DEG

DFG

EFG

Observe, ABC se presenta una sola vez, no hay otras combinaciones en las que
tanto A como B o como C se ubiquen en diferente lugar, como por ejemplo BAC o
BCA o CAB o CBA; todas estas ordenaciones son iguales a ABC, al respecto se
seal que en este tipo de ordenaciones (combinaciones) no interesa la ubicacin de
las letras
5.3.

Permutaciones

Es til cuando se tiene un grupo de elementos n y se toma una parte de ellos r y

se quiere determinar cuntas ordenaciones o resultados posibles se pueden hacer de
estos n elementos tomando r a la vez
En este tipo de ordenaciones si importa o si interesa la ubicacin de cada elemento,
por lo que si uno de los elementos del grupo es A y el otro B, las formas AB y BA no
son iguales; por cuanto en la primera forma A est a la izquierda de B y en la segunda
forma A est a la derecha de B por lo que AB BA
La frmula que se utiliza es

nPr =
Donde:
P = smbolo que representa permutacin
n= la cantidad total de elementos que conforman el grupo
r= la cantidad de elementos que se toman del grupo para combinar
nPr

= permutacin de n elementos tomados r a la vez

11

Ejemplo
Sean las letras A,B,C,D,E,F,G se desea formar palabras (no importa si no tiene
sentido) de tres letras, es decir cuntas permutaciones o resultados posibles se
obtiene de las 7 letras tomando 3 a la vez.
Aplicando la formula se obtiene:
nPr =

= nPr =

nPr =

= nCr =

nPr =

7 x 6 X 5 = 210

Esto es: de las 7 letras se pueden formar 210 permutaciones o palabras

tomando tres a la vez

Cules son esas palabras?

ABC

ABD

ABE

ABF

ABG

ACB

ACD

ACE

ACF

ACG

ADB

ADC

ADE

ADF

ADG

AEB

AEC

AED

AEF

AEG

AFB

AFC

AFD

AFE

AFG

AGB

AGC

AGD

AGE

AGF

Observe, ABC tiene otra combinacin similar porque tanto A como B o como C se
ubican en diferente lugar, esto es la forma ACB; Al respecto se seal que en este
tipo de ordenaciones (permutaciones) si interesa la ubicacin de las letras por lo que
ABC ACB
La lista de palabras antes sealadas es tan solo una parte de las 210 formas.
Procedimiento para formar el total de permutaciones
1. Por medio de la formula respectiva se determina el total de permutaciones que
debe obtenerse de n objetos tomados r a la vez, en el presente ejemplo son 210
permutaciones
2. Este valor (210) se divide para el total de elementos que forma el grupo, como son
en total 7 letras se divide 210 para 7 obteniendo como resultado 30
3. Este nmero (30) me indica que cada letra debo escribir 30 veces ya sea en
sentido horizontal o vertical, de esta forma se tendr 7 filas o columnas, cada fila o
columna corresponde a cada letra, las columnas deben estar separadas entre si a
fin de dar lugar a las dems letras que faltan.
4. Como ya se escribi la primera letra, me quedan 6 letras en el grupo
5. Como cada fila o columna tiene 30 veces la letra, divido 30 para 6 que corresponde
al total de letras que quedaron, obteniendo como resultado 5
6. Este nmero (5) indica que se escribe en cada fila o columna junto a la primera letra
5 veces cada letra de las 6 que quedaron, se aconseja escribir las letras en orden

12

alfabtico, esto es si la primera letra es A la segunda ser B,

B,B,B,B,C,C,C,C,C,D,D,D,D,D,E,E,E,E,E,F,F,F,F,F,G,G,G,G,G
7. Como ya se escribi la segunda letra me quedan 5 letras en el grupo
8. Como en cada columna la segunda letra se repite 5 veces, se divide este nmero
para 5 que corresponde al total de letras que quedaron, obteniendo como resultado
1
9. Este nmero (1) indica que debo escribir en cada fila o columna junto a la segunda
letra, una vez cada letra de las 5 que quedaron, se aconseja escribir la tercera
letra en orden alfabtico, observando que letras son las que ya estn escritas para
no repetir, esto es si la primera y segunda letra son AB AB AB
AB
AB
10. AC AC AC
AC
AC la tercera letra que va en las formas AB es C, D,
E,F,G quedando las formas. ABC ABD ABE ABF ABG en las formas AC faltan
las letras B, D, E,F,G escribiendo estas las formas quedan: ACB ACD ACE ACF
ACG
Este procedimiento se repite en cada columna o en cada fila, al final se tiene 210
permutaciones de n letras tomadas r a la vez.

6. TEOREMA DE BAYES
Se usa para actualizar la medida de probabilidad de un evento
informacin adicional de otro evento relacionado con el primero.

cuando se adquiere

Suponga que se tiene un evento A cuya probabilidad es P(A). si se observa nueva

informacin y vemos que ha ocurrido un evento relacionado, representado por B, se
aprovecha esta informacin para calcular una nueva probabilidad del evento A. esta
nueva probabilidad del evento A se llama Probabilidad condicional y se escribe
como P(A/B) se lee, la probabilidad de A dado B
6.1.
Probabilidad a priori.- Son estimaciones iniciales para un evento especifico en
particular
6.2.
Probabilidad a posteriori.- Es la probabilidad actualizada de las estimaciones
iniciales, esto con base en fuentes como una muestra, una informacin o la prueba
de un producto que nos dan informacin adicional sobre el evento especifico o
particular objeto de estudio.
Frmula del teorema de Bayes
P(A1/M) =

El significado de las letras se da a conocer mediante el siguiente problema

13

Ejemplo:
Suponga que una empresa manufacturera recibe embarques de partes(piezas), de dos
proveedores distintos. Sea A1 el evento de que una parte provenga del proveedor 1 y
A2 el evento de que una parte provenga del proveedor 2.
Actualmente, 65% de las partes que compra la empresa provienen del proveedor 1 y
35% restante del proveedor 2. En consecuencia si se selecciona una parte al azar,
diramos que la probabilidad de que la pieza sea del proveedor 1 es P(A1) = 0,65 o
que sea del proveedor 2 es P(A2) = 0,35.
La calidad de las partes vara segn su origen. Los datos histricos sugieren que el
desempeo en trminos de calidad de los dos proveedores es el siguiente:

Proveedor 1
Proveedor 2

Porcentaje
de piezas buenas
98
95

Porcentaje
de piezas malas
2
5

Suponga que las partes de los dos proveedores se usan en el proceso de manufactura
y que una maquina se descompone al tratar de procesar una parte defectuosa. Dada
la informacin de que una parte es mala, Cul es la probabilidad de que provenga del
proveedor 1 y cual la del proveedor 2?
A. Datos del problema
Simbologa
1. De los proveedores
A1 = Proveedor 1
A2 = Proveedor 2
De la calidad de las partes
B = buenas
M = malas
2. Probabilidad a priori o inicial
Probabilidad a priori de que las partes vengan del proveedor 1 es: P(A1) = 0,65
Probabilidad a priori de que las partes vengan del proveedor 2 es: P(A2) = 0,35
3. Probabilidad condicional

14

1. Probabilidad de que las partes sean buenas dado que vienen del proveedor 1 es:
P(B/A1) = 0,98
2. Probabilidad de que las partes sean malas dado que vienen del proveedor 1 es:
P(M/A1) = 0,02
3. Probabilidad de que las partes sean buenas dado que vienen del proveedor 2 es:
P(B/A2) = 0,95
4. Probabilidad de que las partes sean malas dado que vienen del proveedor 2 es:
P(M/A1) = 0,05

B. Diagrama de rbol

Esta problema es de dos etapas: etapa 1 corresponde a los proveedores y la etapa 2 a

la condicin buenas o malas

RESULTADO EXPERIMENTAL
ETAPA 2
ETAPA 1

(A1 B)

(CONDICION)

(PROVEEDOR)

A1

A2

(A1 M)

(A2B)
B

(A2M

15

Insertando las probabilidades respectivas y calculando la probabilidad conjunta se

tiene:

ETAPA 1

ETAPA 2

PROVEEDOR)

(CONDICION)

PROBABILIDAD DEL RESULTADO (probabilidad conjunta)

P(A1 y B) = P(A1 )P(B/A1) = 0,65 X 0,98 = 0,6370

P(B/A1)
0,98

P(A1)

P(M/A1)
0,02

P(A1 y M) = P(A1 )P(M/A1) = 0,65 X 0,02 = 0,0130

0,65

0,35
P( A2)

P(A2 y B) = P(A2 )P(B/A2) = 0,35 X 0,95 = 0,3325

P(B/A2)
0,95

P(M/A2)
0,05

P(A2 y B) = P(A2 )P(M/A2) = 0,35 X 0,05 = 0,0175

Estos resultados no son los esperados, estos corresponden a los siguientes

enunciados
1.
2.
3.
4.

La probabilidad de que la pieza venga del proveedor 1 y sea

La probabilidad de que la pieza venga del proveedor 1 y sea
La probabilidad de que la pieza venga del proveedor 2 y sea
La probabilidad de que la pieza venga del proveedor 2 y sea

buena es: 0,6370

mala es: 0,0130
buena es: 0,3325
mala es: 0,0175

Adems hay que tomar en cuenta que smbolo de la probabilidad condicional en cada
caso es de la forma P(B/A) o P(M/A) que se lee la probabilidad de B o M dado A.
Siguiendo con el problema este tiene una pregunta Cul es la probabilidad de que
provenga del proveedor 1 y cual la del proveedor 2? Es esta se desea saber Cul es
la probabilidad de que la pieza defectuosa provenga del proveedor 1 y cual la del
proveedor 2. En smbolos se pide P(A1/M) o P(A2 /M), dando lectura esta simbologa
ser: la probabilidad de que la pieza sea del proveedor uno dado que esta es mala es
igual a: ?
O, la probabilidad de que la pieza sea del proveedor dos dado que esta es mala es
igual a: ?
Ligeramente se podra decir que la probabilidad que venga del proveedor 1 es 0,65 y
que la probabilidad de que venga del proveedor 2 es 0,35; recuerde que estas son
probabilidades a priori es decir son probabilidades subjetivas. Suponga que no se
tiene registro de las partes por proveedor, todas las partes se juntan al momento de
almacenar, por lo que no se puede sealar probabilidad alguna relacionada con los
proveedores.

16

Al respecto debe determinar (actualizar) las probabilidades dadas a priori, (dado que
ha sucedido otro evento relacionado, esto es una maquina se averi por el uso de una
parte defectuosa). Recuerde no se conoce si corresponde al proveedor 1 o al
proveedor 2; tampoco se podr conocer con certeza, se desea saber la intensidad de
la probabilidad que relacione a los proveedores. Se desea conocer las nuevas
probabilidades (probabilidades e posteriori), esto es la probabilidad de que provenga
del proveedor 1 dado que la parte es defectuosa, y la probabilidad de que provenga
del proveedor 2 dado que la parte es defectuosa.
Aplicando las frmulas respectivas se tiene los siguientes resultados:

P(A1/M) =

Al sustituir los valores del ejemplo, la probabilidad posterior del proveedor A1 Ser:

P(A1/M) =

P(A1/M) =

= 0,4262

Este valor seala que la probabilidad posteriori de que la pieza defectuosa provenga
del proveedor 1 es 0,4265, es menor que la probabilidad inicial.
Si se calcula la probabilidad posteriori del proveedor 2 se tiene:
P(A2/M) =

P(A1/M) =

= 0,5738

Este valor seala que la probabilidad posterior de que la pieza defectuosa provenga
del proveedor 2 es 0,5738, es mayor que la probabilidad inicial
Comparando las nuevas probabilidades se puede sealar que la pieza defectuosa
posiblemente proviene del proveedor 2
Nota: El teorema de Bayes se usa en eventos mutuamente excluyentes.

17

Ejercicio de refuerzo
Un equipo de beisbol juega 70% de sus partidos por la noche y 30% durante el da. El equipo
gana 50% de sus juegos nocturnos y 90% de los juegos diurnos. De acuerdo con el diario del
da de hoy, gan ayer. Cul es la probabilidad de que el partido se haya desarrollado por la
noche?
DATOS
Sean
A1 = El juego en la noche
A2 = El juego en el da
G = El equipo gana
S= El equipo pierde
Probabilidad a priori
La probabilidad a priori de que el equipo juega en la noche es: P(A1) = 0,70
La probabilidad a priori de que el equipo juega en el da es P(A2) = 0,30
Probabilidades condicionales
La probabilidad de que el equipo gana dado que juega en la noche es: P(G/A1) = 0,5
La probabilidad de que el equipo gana dado que juega en el da es: P(G/A2) = 0,9

rbol de probabilidades

ETAPA 1
(juegos)

ETAPA 2

PROBABILIDAD DEL RESULTADO

(CONDICION)

P(A1 y G) = P(A1 )P(G/A1) = 0,70 X 0,50 = 0,35

P(G/A1)
0,5

P(A1)

P(S/A1)
0,5

P(A1 y S) = P(A1 )P(S/A1) = 0,70 X 0,5 = 0,35

0,70

0,30
P( A2)

P(A2 y G) = P(A2 )P(G/A2) = 0,30 X 0,90 = 0,27

P(G/A2)
0,90

P(G/A2)
0,10

P(A2 y S) = P(A2 )P(S/A2) = 0,30 X 0,10 = 0,03

18

Lectura delas probabilidades conjuntas

1.
2.
3.
4.

La probabilidad de que el equipo juegue en la noche y gane es 0,35

La probabilidad de que el equipo juegue en la noche y pierda es 0,35
La probabilidad de que el equipo juegue en da y gane es 0,27
La probabilidad de que el equipo juegue en el da y pierda es 0,35

Caculo de la probabilidad a posteriori

Se quiere saber cul es la probabilidad de que el juego se haya realizado en la noche dado que
este se ha ganado.
Entonces en smbolos ser: P(A1/G)
P(A1/G)

P(A1/G)

= P(A1/G)

= P(A1/G)

= 0,5645

Mtodo tabular
Eventos
(Ai)
A1
A2

Probabilidades
a priori de
P(Ai)
0,7
0,3

Probabilidades
condicionales
P(G/Ai)
0,5
0,9

Probabilidad
conjunta
P(Ai y B)
0,7 x 0,5 = 0,35
0,3 x 0,9 = 0,27
P(G) 0,62

Probabilidades
posteriores
P(Ai /G)
0,35/0,62 = 0,5645
0,27/0,62 = 0,4355
1,00

Ejercicio de tarea:
1. Sea: P(A1) = 0,60; P(A2) = 0,40; P(B1/A1) = 0,05; Y P(B1/A2) = 0,10: Utilice el teorema de
Bayes para determinar P(A1/B1)
2. Sea: P(A1) = 0,20; P(A2) = 0,40; P(A3)= 0,40; P(B1/A1) = 0,25; P(B1/A2) = 0,05; y
P(B1/A3) = 0,10 : Utilice el teorema de Bayes para determinar P(A3/B1)
3. Un profesor ha estado enseando Estadstica por muchos aos. Sabe que 80% de los
estudiantes completan los problemas asignados. Determin que de los alumnos que
hacen las tareas, 90% aprobaron el curso. De aquellos estudiantes que no realizan las
tareas 60% aprobarn. Julio Tuquinga tom Estadstica el ltimo semestre con el profesor
y tuvo calificacin aprobatoria. Cul es la probabilidad de que si haya hecho las tareas?
4. El departamento de crdito de una negociacin comercial, inform que 30% de sus ventas
son en efectivo, 30% se pagan con cheques en el momento de la adquisicin y 40% son a
19

crdito. Se tiene que 20% de las compras son en efectivo, 90% en cheques y 60% de las
compras a crdito son por ms de $ 50,00 Cul es la probabilidad de que haya pagado en
efectivo?
5. Una empresa tiene 4 proveedores de materia prima, en la siguiente tabla se muestra las
cantidades adquiridas a cada proveedor y el porcentaje de materia prima defectuosa que
cada uno proporciona.

Proveedor
Esperanza Yuqui
Domnica Barreno
Lisbeth Cceres
Ivn Orden

Porcentaje
adquirido
30
20
25
25

Porcentaje
defectuoso
2,5
1,75
3
1

El material empleado esta maana result defectuoso. Cul es la probabilidad de que se

haya adquirido de la proveedora Domnica Barreno?

-------------------------------------------------------------------------------------Adems de la Estadstica de Levin Rubin grupo 4:7 pag. 163-164 realizar los ejercicios del
4:44 al 4:51

20