Notas de clase probabilidad

19 de agosto de 2015

1. Espacios muestrales y eventos

Experimentos aleatorios: Aquellos que realizados de una misma forma y con las mismas condiciones
iniciales, ofrecen resultados diferentes.

Espacio muestral: Es el conjunto formado por todos los posibles resultados de un experimento
aleatorio. En adelante lo designaremos por S.
Espacio muestral discreto: Está formado por un conjunto nito o innito contable de resultados.
Evento: Es un subconjunto del espacio muestral de un experimento aleatorio. Se denotan con la letra
E.

Ejemplo 1.1: Se transmiten tres bits y cada uno se clasica como erróneo o no erróneo.
S = {EEE, EEN, EN E, N EE, EN N, N EN, N N E, N N N }
E = ”Erróneo” , N = ”N o Erróneo”

Ejemplo 1.2: Cada 10 minutos se verica el volumen de llenado de las latas que salen de una máquina
llenadora automática. La evaluación continúa hasta que se encuentre una lata que no cumpla con las
especicaciones.

S = {n, sn, ssn, sssn, ssssn, · · · }

n = ”N o cumple” , s = ”Sı́ cumple”

Ejemplo 1.3: Se registra el número de accidentes de transito en un cruce de semáforo en una ciudad
durante el n de semana.

S = {0, 1, 2, 3, · · · }

Ejemplo 1.4: Se mide la corriente eléctrica en mili amperes en un circuito.

S = {x ∈ R/x ≥ 0}

Sean E1 y E2 eventos de un espacio muestral S.

Unión: La unión de dos eventos denotada por E1 ∪ E2 , es el evento que consta de todos los resultados
posibles que están contenidos en cualquiera de los dos eventos.

Intersección: La intersección de dos eventos denotada por E1 ∩ E2 , es el evento que consta de todos
los resultados posibles que están contenidos en los dos eventos.

Complemento: El complemento del evento E , denotado E c ; es el conjunto de resultados del espacio

muestral que no están en el evento.

1
 Ejemplo 1.5 : Considere el espacio muestal
S = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}

y sean los eventos.

E1 :=Los números pares y E2 :=Los números mayores que 5

El evento E1 consta de los elementos {0, 2, 4, 6, 8} y el evento E2 consta de los elementos {6, 7, 8, 9}.
Entonces

E1 ∪ E2 = {0, 2, 4, 6, 7, 8, 9} , E1 ∩ E2 = {6, 8} , E1c = {1, 3, 5, 7, 9} , E2c = {0, 1, 2, 3, 4, 5}

Denición: Se dice que dos eventos E1 y E2 son mutuamente excluyentes si E1 ∩ E2 = Ø.

Ejemplo1.6: Del ejemplo anterior, Sea.
E3 :=Los números primos.

El evento E3 consta de los elementos {1, 3, 5, 7}

E1 ∪ E3 = Ø , E2 ∩ E3 = {7}; E3 y E2 no son mutuamente excluyentes pero E3 y E1 si lo son.

2. Cálculo de probabilidades

2.1. Eventos igualmente probables

Denición: Si un espacio muestral está formado por N resultados igualmente posibles, la probabilidad
1
de cada uno de ellos es .
N
En este caso, la probabilidad de cualquier evento E se calcula mediante

# de casos f avorables a E
P (E) =
# de casos posibles
Ejemplo 2.1.1: Del ejemplo 1.1, si los eventos simples son igualmente posibles, es decir, P (E) =
1
P (N ) = y las transmisiones de los bits son independientes, entonces la probabilidad de cada tripla
2
1 1
es . Así por ejemplo P ({EN E}) =
8 8
La probabilidad de tener exactamente dos bits erróneos es

3 casos f avorables 3
P ({EEN, EN E, N EE}) = =
8 casos posibles 8
Ejemplo 2.1.2: En una bolsa se han introducido 80 bolas de golf, de las cuales 6 están marcadas con
el logotipo de una marca comercial. Una persona extrae una bola al azar:

a) ¾Cuál es la probabilidad de que tenga el logotipo?.

b) ¾Y de que no lo tenga?.

Solución
6 casos f avorables 6
a) P (bola con logotipo) = =
80 casos posibles 80
74 casos f avorables 74
b) P (bola sin logotipo) = =
80 casos posibles 80

2
2.2. Probabilidad general de eventos

Denición: Para un espacio muestral discreto la probabilidad de un evento E , denotada como P (E),
es igual a la suma de las probabilidades de los resultados en E.

Ejemplo 2.2.1: Un fabricante somete un nuevo diseño a evaluación por parte de dos clientes, los cuales
deciden de manera independiente si les gusta o no. Con base en los históricos se tiene la siguiente tabla.

Cliente 1 Cliente 2 Probabilidad

Aprobado Aprobado 0.04

Aprobado No aprobado 0.16

No aprobado Aprobado 0.16

No aprobado No aprobado 0.64

S = {AA, AN, N A, N N } , A = EL cliente aprueba el diseño , N =EL cliente NO aprueba el diseño
E1 :=Al menos un cliente aprueba el diseño
E2 :=El segundo cliente aprueba el diseño
P (E1 ) = P ({AA, AN, N A}) = 0,04 + 0,16 + 0,16 = 0,36
P (E2 ) = P ({AA, N A}) = 0,04 + 0,16 = 0,20

2.3. Axiomas de probabilidad

Sea S cualquier espacio muestral y E cualquier evento de éste. Se llamará función de probabilidad
sobre el espacio muestral S a si satisface los siguientes condiciones.

0 ≤ P (E) ≤ 1

P (S) = 1
Si los eventosE1 , E2 , E3 , · · · , Ek son mutuamente excluyentes, entonces P (E1 ∪ E2 ∪ E3 ∪ · · · ∪ Ek ) =
P (E1 ) + P (E2 ) + P (E3 ) + · · · + P (Ek )
P (Ø) = 0

Para cualquier evento E , P (E 0 ) = 1 − P (E)

Si A⊆B , entonces P (A) ≤ P (B)

Nota: Se puede vericar que para cuales quiera eventos A y B.

P (A ∩ B c ) = P (A − B) = P (A) − P (A ∩ B)

Ejemplo 2.3.1: Los resultados obtenidos de 266 muestras de aire se clasican de acuerdo con la
presencia o no de dos moléculas

Molécula 1 Presente
Molécula 2 presente No Si Total
No 212 24 236
Si 18 12 30
Total 230 36 266

3
 Sean
A = La molécula 1 está presente .
B = La molécula 2 está presente .
Hallar: P (A) , P (B) , P (A ∪ B) , P (A ∩ B).
36 30 54 12
P (A) = , P (B) = , P (A ∪ B) = , P (A ∩ B) = .
266 266 266 266
Ejemplo 2.3.2: En un sorteo de lotería nos jamos en la cifra en que termina el  gordo .
a) ¾Cuál es el espacio muestral?
b) Describe los eventos
A = menor que 4 , B = Par y C = mayor que 5 , escribiendo todos sus elementos.
c) Halla los eventos A ∪ B, B ∩ C, Ac ∩ B c y A ∩ C y sus probabilidades.

Solución:

a) S = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
b) A = {0, 1, 2, 3}, B = {0, 2, 4, 6, 8} , C = {6, 7, 8, 9}
c) A ∪ B = {0, 1, 2, 3, 4, 6, 8} , B ∩ C = {6, 8} , A ∩ C = Ø
A0 = {4, 5, 6, 7, 8, 9} , B 0 = {1, 3, 5, 7, 9} , A0 ∩ B 0 = {5, 7, 9}

Se debe suponer que cada evento simple tiene igual probabilidad de ocurrir. Así

1
P (0) = P (1) = · · · = P (9) =
10
En este caso
!
1 7
P (A ∪ B) = P ({0, 1, 2, 3, 4, 6, 8}) = P (0) + P (1) + P (2) + P (3) + P (4) + P (6) + P (8) = 7 =
10 10
1 1 2
P (B ∩ C) = P ({6, 8}) = P (6) + P (8) = + =
10 10 10
P (A ∩ C) = P (Ø) = 0 !
c c
1 3
P (A ∩ B ) = P ({5, 7, 9}) = P (5) + P (7) + P (9) = 3 =
10 10

2.3.1. Probabilidad de la unión eventos

(Unión de dos eventos) Sean A y B dos eventos de un espacio muestral S, entonces P (A ∪ B) =
P (A) + P (B) − P (A ∩ B).
Si A y B son dos eventos mutuamente excluyentes entonces P (A ∪ B) = P (A) + P (B).

(Unión de tres eventos) Si A, B y C son tres eventos de S entonces

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C).

2.4. Probabilidad condicional

Sean A y B dos eventos de un espacio muestral S . La probabilidad condicional de A dado B , denotada

por P (A | B) es

P (A ∩ B)
P (A | B) =
P (B)
También se tiene que P (Ac | B) = 1 − P (A | B)

4
 Ejemplo 2.3.3: Del ejemplo 2.3.1, calcule la probabilidad de que la molécula 1 esté presente dado
que la molécula 2 está presente.

12
P (A ∩ B) 12 2
P (A | B) = = 266 = =
P (B) 30 30 5
266

Ejemplo 2.3.4: Sean A y B dos eventos y A0 y B0 sus complementos.

c
2 3 1
Se sabe que P (B ) = , P (A ∪ B) = , P (A ∩ B) = ; hallar:
3 4 4
P (A), P (B), P (Ac ∩ B) y la probabilidad condicional P (A | B)
Solución:
2 1
P (B) = 1 − P (B c ) = 1 − =
3 3
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
Al despejar se tiene que P (A) = P (A ∪ B) − P (B) + P (A ∩ B)
3 1 1 2
P (A) = − + =
4 3 4 3
1 1 1
P (Ac ∩ B) = P (B) − P (A ∩ B) = − =
3 4 12
1
P (A ∩ B) 3
P (A | B) = = 4=
P (B) 1 4
3

2.5. Regla de la multiplicación

Sean A y B dos eventos de un espacio muestral S, entonces

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

2.5.1. Regla de probabilidad total

Se particiona el evento B en dos subconjuntos mutuamente excluyentes

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

2.5.2. Regla de probabilidad total para varios eventos

Sk
Supóngase que E1 , E2 , · · · , Ek son k conjuntos mutuamente excluyentes y tales que i=1 Ek = S ,
entonces para cualquier evento B

P (B) = P (B ∩ E1 ) + P (B ∩ E2 ) + · · · + P (B ∩ Ek )
= P (B | E1 ) P (E1 ) + P (B | E2 ) P (E2 ) + · · · + P (B | Ek ) P (Ek )

5
 Ejemplo 2.5.1: Una compañía dedicada al transporte público explota tres líneas de una ciudad, de
forma que el 60 % de los autobuses cubre el servicio de la primera línea, el 30 % cubre la segunda y el
10 % cubre el servicio de la tercera línea. Se sabe que la probabilidad de que, diariamente, un autobús
se averíe es del 2 %, 4 % y 1 %, respectivamente, para cada línea. Determina la probabilidad de que,
en un día, un autobús sufra una avería.

Sean los eventos

A :=El autobús se avería
L1 :=El autobús cubre el servicio de la primera línea
L2 :=El autobús cubre el servicio de la segunda línea
L3 :=El autobús cubre el servicio de la tercera línea

P (A) = P (A | L1 ) P (L1 ) + P (A | L2 ) P (L2 ) + P (A | L3 ) P (L3 )

= 0,02 × 0,6 + 0,04 × 0,30 + 0,01 × 0,1
= 0,012 + 0,012 + 0,001
= 0,025

Ejemplo 2.5.2: Un gato persigue a un ratón. Este puede entrar en uno de los callejones A,B oC . En cada
uno de ellos puede cazarlo, se sabe queP (Entre por A) = P (A) = 0,3, P (Entre por B) = P (B) = 0,5
y P (Entre por C) = P (C) = 0,2. También se sabe que la probabilidad de que lo cace habiendo entrado
en A es 0.4, la probabilidad de que lo cace habiendo entrado en B es 0.6 y la probabilidad de que lo
cace habiendo entrado en C es 0.1. Calcular la probabilidad de que el gato cace el ratón.

P (Si cace) = P (Si cace | A) P (A) + P (Si cace | B) P (B) + P (Si cace | C) P (C)
= 0,4 × 0,3 + 0,6 × 0,5 + 0,1 × 0,2
= 0,12 + 0,30 + 0,02
= 0,44

2.6. Independencia

Denición: Se dice que dos eventos son independientes si, y solo si, cualquiera de las siguientes
proposiciones es verdadera.

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

P (A ∩ B) = P (A) P (B)
Ejemplo 2.6.1: Los resultados obtenidos de 84 muestras de aire se clasican de acuerdo con la presencia
o no de dos moléculas

6
 Molécula 1 Presente
Molécula 2 presente No Si Total
No 32 24 56
Si 16 12 28
Total 48 36 84
Sean
A = La molécula 1 está presente .
B = La molécula 2 está presente .
Obtener: P (A) , P (B), P (A ∩ B),P (A | B),P (B | A).
36 3 28 1 12 1
P (A) = = ; P (B) = = ; P (A ∩ B) = =
84 7 84 3 84 7
12 3 12 1
P (A | B) = = ; P (B | A) = =
28 7 36 3
Notese que P (A | B) = P (A) , P (B | A) = P (B) , P (A ∩ B) = P (A) P (B).

Ejemplo 2.6.2: El circuito de la gura 2.6.1 sólo opera si hay una trayectoria de dispositivos funcionales
de izquierda a derecha. la probabilidad de que cada dispositivo funcione se indica en la gura. Suponga
que los dispositivos fallan de manera independiente. ¾Cual es la probabilidad de que el circuito opere?

Solución:
Para que el circuito opere deben operar las tres partes.

P (opere) = P (parte 1 opere ∩ parte 2 opere ∩ parte 3 opere)

= P (parte 1 opere) P (parte 2 opere) P (parte 3 opere)
= (1 − P (parte 1 f alle)) (1 − P (parte 2 f alle)) P (parte 3 opere)
= 1 − 0,13 1 − 0,052 (0,99)

= 0,987

P (parte 1 f alle) = P (dispositivo 1 f alle ∩ dispositivo 2 f alle ∩ dispositivo 3 f alle)

= P (dispositivo 1 f alle) P (dispositivo 2 f alle) P (dispositivo 3 f alle)
= 0,1 × 0,1 × 0,1
= 0,13

7
3. Teorema de Bayes
Sk
Supóngase que E1 , E2 , · · · , Ek son k conjuntos mutuamente excluyentes y tales que i=1 Ek = S ,
entonces para cualquier evento B

P (B | Ei ) P (Ei )
P (Ei | B) =
P (B)
P (B | Ei ) P (Ei )
=
P (B | E1 ) P (E1 ) + P (B | E2 ) P (E2 ) + · · · + P (B | Ek ) P (Ek )

Ejemplo 3.1: Consideremos el ejemplo 2.5.1, si se reporta un autobús averiado ¾cuál es la probabilidad
que sea de la línea 2?

La respuesta es

P (A | L2 ) P (L2 )
P (L2 | A) =
P (A | L1 ) P (L1 ) + P (A | L2 ) P (L2 ) + P (A | L3 ) P (L3 )
0,04 × 0,30
=
0,02 × 0,6 + 0,04 × 0,30 + 0,01 × 0,1
0,012
=
0,012 + 0,012 + 0,001
0,012
=
0,025
= 0,48

Si un autobús no se reporta como averiado ¾cuál es la probabilidad que sea de la línea 1?

P (Ac | L1 ) P (L1 )
P (L1 | Ac ) =
P (Ac | L1 ) P (L1 ) + P (Ac | L2 ) P (L2 ) + P (Ac | L3 ) P (L3 )
[1 − P (A | L1 )] P (L1 )
=
[1 − P (A | L1 )] P (L1 ) + [1 − P (A | L2 )] P (L2 ) + [1 − P (A | L3 )] P (L3 )
(1 − 0,04) × 0,30
=
(1 − 0,02) × 0,6 + (1 − 0,04) × 0,30 + (1 − 0,01) × 0,1
0,96 × 0,30
=
0,98 × 0,6 + 0,96 × 0,30 + 0,99 × 0,1
0,288
=
0,588 + 0,288 + 0,099
0,288
=
0,975
= 0,295