PROBABILIDADES

Eventos, teoremas
y cálculo
RESULTADO DE APRENDIZAJE DE LA SESIÓN

Al finalizar el estudiante calcula probabilidades

considerando las diferentes reglas y teoremas
e interpreta los resultados.
REFLEXIÓN DESDE LA EXPERIENCIA
Se sabe que en determinada urbanización
viven 300 familias, de las cuales 80 viven
en viviendas unifamiliares, 60 en edificios
multifamiliares, 70 en conjuntos
residenciales, y el resto en quintas.
Si se escoge una familia al azar
a)¿Cuál es la probabilidad que viva en un
conjunto residencial ?
b)¿Cuál es la probabilidad de que no viva
en un edificio multifamiliar?
¿Qué es la probabilidad?
¿Qué haremos?

Aprender a utilizar la
probabilidad como
herramienta para
cuantificar la
incertidumbre.

La Estadística y el amor
https://www.youtube.com/watch?v=iDOAvpWA2Ac
6
¿Puedo resolverlo?

• ¿Cuál es la probabilidad que gane la tinka?

• ¿Cuál es la probabilidad que apruebe estadística sabiendo
que aprobó matemática?
• ¿Cuál es la probabilidad de que una mujer tenga
osteoporosis, sabiendo que presenta menopausia?
• ¿Cuál es la probabilidad de tener éxito en un negocio?
• ¿Cuál es la probabilidad de que llueva el día de hoy?
Conceptos básicos de probabilidad

a) Experimento aleatorio (E): Cualquier experimento cuyo

resultado no puede predecirse con exactitud debido a
que no es único y depende del azar (casualidad).
b) Espacio muestral (): Conjunto de todos los posibles
resultados de un E.
c) Evento: subconjunto de un espacio muestral. Simple y
compuesto. Notación: A, B, C, A1, A2, ….
d) Eventos mutuamente excluyentes: los eventos A y B
son mutuamente excluyentes (o disjuntos) si A∩B=

8
Ejemplo:
• E1 : Observar el número de la cara superior cuando se lanza un
dado
• 1 = {1,2,3,4,5,6} n(1)=6 Finito

• E2 : Registrar el sexo del recién nacido

• 2 = {Hombre, Mujer} n(2)=2 Finito

 E3 : Observar el número de artículos defectuosos en un lote de 8.

 3 = {0,1,2,3,4,5,6,7,8} n(3)=9 Finito

 E4 : Anotar el número de clientes que llegan a un supermercado en una semana

 4 = {0,1,2,. . . .} n(4)= ∞ Infinito numerable

 E5 : Observar el tiempo de duración (horas) de un foco de luz.

 5 = {T/ 0 ≤ t ≤ ∞} n(5)= ∞ Infinito no numerable

9
.

Conceptos básicos de probabilidad

e) Eventos colectivamente exhaustivos: A1, A2,..., Ak son

colectivamente exhaustivos si
k

A j  A1  A2   Ak  
j 1

f) Evento complementario: el evento complemento de A,

denotado por Ac está compuesto por todos los
elementos que no pertenecen al evento de A.

A A  Ω
c

A A  φ
c

10
Definiciones de probabilidad de un evento
a) Definición clásica de probabilidad (a priori)
Si un experimento aleatorio tiene n() resultados posibles y si n(A) de tales resultados
corresponden a un evento A, entonces, siempre que los eventos simples sean mutuamente
excluyentes e igualmente posibles, la probabilidad de que ocurra A es:

n A Número de casos favorables

P A  
Ejemplo: n Número de casos posibles
Se tienen 4 cuyes de tipo I, 6 de tipo II y 7 de tipo III. Un cuy es seleccionado al azar.
¿Cuál es la probabilidad de que un cuy seleccionado sea de tipo I?
¿Cuál es la probabilidad de que un cuy seleccionado sea del tipo III?
Sea el evento A = El cuy sea del tipo I
B = El cuy sea del tipo III

4 7
P( A)   0.2353 P( B)   0.4118
17 17
11
Definiciones de probabilidad de un evento
b) Definición frecuencial de probabilidades (a posteriori)
Si un experimento aleatorio se repite n veces, bajo las mismas condiciones, y nA resultados
corresponden al evento A, la probabilidad estimada de A está dada por la frecuencia relativa
del evento; es decir, P(A) estimada = frA =nA/n.
Ejemplo
La siguiente tabla de frecuencias corresponde a las temperaturas promedio de 24 horas (C)
registrados en cierto observatorio, en el mes de enero de cierto año:

Temperatura 20.2 - 20.9 20.9 - 21.6 21.6 - 22.3 22.3 - 23.0 23.0 - 23.7 23.7- 24.4

Número de días 1 3 12 13 1 1

La probabilidad estimada que en un día del mes de enero, la temperatura promedio sea por lo
menos 20.9 C pero menor que 23.0 C es 28/31.

Note que esta probabilidad se obtiene después de realizarse el experimento. Rpta: 28/31 = 0.903
12
Definiciones de probabilidad de un evento

c) Definición axiomática
Sea  el espacio muestral asociado a un experimento aleatorio. La
probabilidad de cualquier evento A de , es el número real P(A) que
satisface los siguientes axiomas:

1) 0 ≤ P(A)≤ 1 para todo evento A.

2) P() =1
3) Si los eventos A1, A2, ..., Ak son mutuamente excluyentes o sea
si: Ai  Aj    i  j  1, 2,  , k , entonces

 k  k
P  Aj    PAj   P( A1 )  P( A2 )  ...  P( Ak )
 j 1  j 1

13
Definiciones de probabilidad de un
evento

Propiedades de la probabilidad
1. P(AC) = 1-P(A)
2. P() =0
3. P(AC∩B) = P(B) – P(A ∩ B)
4. P(A B) = P(A) + P(B) – P(A∩B) A y B eventos cualesquiera.
5. P(A B) = P(A) + P(B) A∩B = 
6. P(AC∩ BC) = P((A B)C ) = 1- P(A B)
7. P(AC BC) = P((A ∩ B)C ) = 1- P(A ∩ B) Leyes de
Morgan

14
Ejemplo:
Los registros de una planta industrial indican que el 12% de todos los obreros lesionados
ingresan a un hospital para recibir tratamiento (evento H), el 16% regresa al trabajo al día
siguiente (evento T) y el 2% ingresan a un hospital pero vuelven al trabajo al día siguiente
(H∩T). Si un obrero se lesiona:

a) Halle la probabilidad de que ingrese

en un hospital para recibir
tratamiento o que regresará al día
siguiente
b) Calcule la probabilidad de que ingrese a
un hospital pero no regrese al trabajo al
día siguiente.
c) Determine la probabilidad de que no
ingrese a un hospital ni regrese al trabajo
al día siguiente.
Ejemplo:
Los registros de una planta industrial indican que el 12% de todos
los obreros lesionados ingresan a un hospital para recibir tratamiento
(evento H), el 16% regresa al trabajo al día siguiente (evento T) y el
2% ingresan a un hospital pero vuelven al trabajo al día siguiente
(H∩T). Si un obrero se lesiona:

a) Halle la probabilidad de que ingrese en un hospital para recibir

tratamiento o que regresará al día siguiente
P(HT) = P(H) + P(T) - P(HT) = 0.12 + 0.16 – 0.02 = 0.26

b) Calcule la probabilidad de que ingrese a un hospital pero no

regrese al trabajo al día siguiente.
P(HTc) = P(H) - P(HT) = 0.12 – 0.02 = 0.10

c) Determine la probabilidad de que no ingrese a un hospital ni

regrese al trabajo al día siguiente.
P(HcTc) = P(HT)c = 1 - P(HT) = 1 – 0.26 = 0.74
16
Ejemplo:Se encuestó a 500 alumnos universitarios sobre cultura musical. 474
no identifican el Concierto de Grieg (G’), 471 no identifican la Sinfonía N° 7 de
Beethoven (B’) y 450 no identifican ninguna de estas obras.
a) Calcule la probabilidad de que un estudiante universitario identifique las
dos obras maestras en mención
b) Cual es la probabilidad que un estudiante identifique la obra de
Beethoven pero no la de Grieg.

Sinfonía Nº 7 de Concierto de Grieg Total

Beethoven Identifican: G No ldentifican: G’
Identifican: B

No Identifican: B’

Total
Ejemplo:Se encuestó a 500 alumnos universitarios sobre cultura
musical. 474 no identifican el Concierto de Grieg (G’), 471 no
identifican la Sinfonía N° 7 de Beethoven (B’) y 450 no identifican
ninguna de estas obras.
a) Calcule la probabilidad de que un estudiante universitario
identifique las dos obras maestras en mención.
Rpta. P(G  B) = 5/500 = 0.01

Sinfonía Nº 7 de Concierto de Grieg Total

Beethoven Identifican: G No ldentifican: G’
Identifican: B GB G’ B 29
5 24
No Identifican: B’ G  B’ G´ B’ 471
21 450
Total 26 474 500

b) Cual es la probabilidad que un estudiante identifique la obra de Beethoven pero

no la de Grieg. Rpta. P(G’ B ) = 24/500 = 0.048 18
Ejemplo: El 60% de los individuos de una población están vacunados contra
cierta enfermedad. Se sabe además que el 20% la ha contraído; de los cuales
el 90% no están vacunados. Si se elige un individuo al azar
a) Cuál es la probabilidad que esté vacunado y haya contraído la
enfermedad.
b) Cual es la probabilidad que no esté vacunado o haya contraído la
enfermedad
Estado de salud Total
Enfermo: E No enfermo: E’
Vacunado: V

No vacunado: V’

Total
Ejemplo: El 60% de los individuos de una población están vacunados contra
cierta enfermedad. Se sabe además que el 20% la ha contraído; de los
cuales el 90% no están vacunados. Si se elige un individuo al azar
a) Cuál es la probabilidad que esté vacunado y haya contraído la
enfermedad.
Rpta. P(E  V) = 0.02 = 2%
Estado de salud Total
Enfermo: E No enfermo: E’
Vacunado: V EV E’ V 60%
2% 58%
No vacunado: E  V’ E´ V’ 40%
V’ 18% 22%
Total 20% 80% 100%

b) Cual es la probabilidad que no esté vacunado o haya contraído la enfermedad

. P (V ' E )  P (V ' )  P ( E )  P (V ' E )

= 0.40 + 0.20 – 0.18 = 0.42 20

Probabilidad Condicional

Para dos eventos A y B de un espacio muestral, con P(B)  0, la probabilidad

condicional de ocurrencia del evento A dado que el evento B ha ocurrido, está
definida por:
P A  B 
P A B  
P B 
Propiedades de probabilidad condicional

1. 0 ≤ P(A/B) ≤ 1, para todo evento A y B

2. P(Ω/B) = 1
3. Si los eventos A1, A2, ... , Ak son mutuamente excluyentes, entonces

 k  k
P  A j B    PA j /B
 j1  j1
Ejemplo: Con el fin de probar la efectividad de un test para detectar enfermedades renales en pacientes
con hipertensión, se escogieron 200 pacientes hipertensos obteniéndose los siguientes resultados: 56
pacientes tenían enfermedades renales, en 55 pacientes con enfermedad renal el test resultó positivo;
en 13 pacientes sin enfermedad renal el test resultó positivo. Se elige al azar un paciente y se sabe que
el resultado del test ha sido positivo. ¿Cuál es la probabilidad que el paciente no tenga la enfermedad?.

Pacientes hipertensos
Resultado del
Tienen la enfermedad: No tienen la enfermedad: Total
test
E E’

Positivo: P

Negativo: P’

Total
 Probabilidad Condicional
Ejemplo: Con el fin de probar la efectividad de un test para detectar enfermedades renales en
pacientes con hipertensión, se escogieron 200 pacientes hipertensos obteniéndose los
siguientes resultados: 56 pacientes tenían enfermedades renales, en 55 pacientes con
enfermedad renal el test resultó positivo; en 13 pacientes sin enfermedad renal el test resultó
positivo. Se elige al azar un paciente y se sabe que el resultado del test ha sido positivo. ¿Cuál
es la probabilidad que el paciente no tenga la enfermedad?.
Pacientes hipertensos
Resultado
Tienen la No tienen la Total
del test
enfermedad: E enfermedad: E’
EP E’ P
Positivo: P 68
55 13
Negativo: E  P’ E´ P’
132
P’ 1 131
Total 56 144 200
 E '  P ( E ' P ) 13 / 200 13
P      0.191
P P( P) 68 / 200 68
Ejemplo:
En una universidad el 70% de los estudiantes son de Ciencias y el 30% de
Letras; de los estudiantes de Ciencias el 60% son hombres; y de los
estudiantes de Letras son hombres el 40%. Sea C={El estudiante elegido
es de Ciencias} y V={El estudiante elegido es varón}. Si se elige
aleatoriamente un estudiante. Calcular la probabilidad que:

Hombres Mujeres Total

Ciencias
Letras
Total

a) Sea un estudiante varón

b)Sea un estudiante varón, si es de Ciencias

c)Sea un estudiante de Ciencias, si es varón

 Probabilidad Condicional
Ejemplo:
En una universidad el 70% de los estudiantes son de Ciencias y el 30% de Letras; de los estudiantes
de Ciencias el 60% son hombres; y de los estudiantes de Letras son hombres el 40%. Sea C={El
estudiante elegido es de Ciencias} y V={El estudiante elegido es varón}. Si se elige aleatoriamente un
estudiante. Calcular la probabilidad que:
Hombres Mujeres Total
Ciencias 42% 28% 70%

Letras 12% 18% 30%

Total 54% 46% 100%

a) Sea un estudiante varón: P (V) = 0.54
b) Sea un estudiante varón, si es de Ciencias:
P(V  C ) 0.42
P(V / C )    0.6
P(C ) 0.70
P(C  V ) 0.42
c)Sea un estudiante de Ciencias, si es varón: P(C / V )    0.778
P(V ) 0.54
Independencia de eventos
Los eventos A y B son independientes si cuando ocurre uno de ellos
esto no afecta la probabilidad de ocurrencia del otro, o sea:
P(A/B) = P(A)
P(B/A) = P(B)

Consecuencia: A y B son independientes si P(A∩P) = P(A)P(B) . Lo

anterior es un resultado de la definición de independencia y de la
regla de la multiplicación.
Independencia de K eventos
Los eventos A1, A2, ... , Ak son independientes si:

P(Ai ∩ Aj ) = P(Ai) P( Aj)  i, j = 1, 2, …, k ij

P(Ai ∩ Aj ∩ Ak ) = P(Ai) P( Aj) P(Ak)  i, j, k = 1, 2, …, k ijk

..
.
P(A1 ∩ A2 ∩ … ∩ Ak ) = P(A1) P( A2) …P(Ak)
Independencia de K eventos
Ejemplo:
Se estima que entre la población total de EEUU, el 55% padece de obesidad (O), el 20%
es hipertensa (H) y el 60% es obesa o hipertensa. ¿Es independiente el hecho de que una
persona sea obesa y de que padezca de hipertensión?.

COMPROBACIÓN: Si O y H son independientes entonces

P(O  H) = P(O) P(H) = 0.55 x 0.2 = 0.11

Por otro lado se sabe que

P(O  H) = P(O) + P(H) - P(O  H)
0.60 = 0.55 + 0.20 - P(O  H) P(O  H) = 0.15

En consecuencia los eventos O y H no son independientes, es decir el hecho de

que una persona tenga exceso de peso aumenta la probabilidad de que tenga
hipertensión.
Independencia de K eventos
Ejemplo:
En cierta población la probabilidad de que una chica mida más de 1.75 m es 0.08; de que
tenga el cabello lacio es 0.22 y de que tenga un buen conocimiento de Estadística es
0.18. Si estas cualidades son independientes.

a) Halle la probabilidad de que una chica, que va a ser seleccionada al azar, tenga las tres
cualidades.
Solución
Sean los eventos: M = {la chica mide más de 1.75}
L = {la chica tiene cabello lacio}
E = {la chica tiene un buen conocimiento de estadística}
T = {la chica tiene las tres cualidades}

PT   PM  L  E   PMPLPE   0.08 0.22 0.18  0.003168

B) Halle la probabilidad de que una chica, que va a ser seleccionada al azar, tenga sólo 2
de estas cualidades. (se deja como ejercicio)
 APLIQUEMOS LO APRENDIDO
1.- Una compañía farmacéutica A suministró 300 unidades de un medicamento de las
cuales 10 eran defectuosas, la compañía B entregó 100 unidades con 20 defectuosas y la
compañía C entregó 200 de las cuales 25 eran defectuosas.
Si se elige un medicamento
a) ¿Cuál es la probabilidad que el medicamento elegido sea de la compañía C y sea
defectuoso ?
b) ¿ Cuál es la probabilidad que el medicamento elegido sea bueno y que sea de la
compañia A?.
c) Si se elige una unidad al azar y resulta defectuosa. ¿Cuál es la probabilidad que sea de
la compañía B?.
APLIQUEMOS LO APRENDIDO

2.- Se debe examinar a un grupo grande de personas respecto a dos síntomas

comunes de cierta enfermedad. Se considera que el 20% de las personas presentan
solamente el síntoma A, 30% tienen solamente el síntoma B, 10% tienen ambos
síntomas y el resto no tienen síntoma alguno. Para una persona elegida al azar de
este grupo, encuentre las probabilidades de los siguientes eventos:
a) Que la persona presente al menos uno de los síntomas.
b) Que la persona presente el síntoma A, dado que presenta el síntoma B.
APLIQUEMOS LO APRENDIDO
3.- En un grupo de alumnos de la especialidad de contabilidad se ha determinado de que el
40 % tienen dificultades en el curso de análisis matemático (M), 20% tienen dificultades en
el curso de estadística aplicada (E) y el 5% tienen dificultades en ambos cursos (M y E). De
este grupo de alumnos de contabilidad seleccionamos uno al azar se pide contestar las
preguntas.
a) Calcular la probabilidad de que tenga dificultad en el curso de análisis matemático o
estadística aplicada.
b) Calcular la probabilidad de que el alumno tenga dificultad en el curso de estadística; dado
que tiene dificultad en el curso de análisis matemático.
APLIQUEMOS LO APRENDIDO
4.- Se ha realizado un estudio para ver la capacidad de un test clínico que se usa
habitualmente en el laboratorio. Los resultados obtenidos se muestran en la
siguiente tabla
Test Enfermo Sano Total
Positivo 370 70 440
Negativo 30 330 360
Total 400 400 800
a) Calcule la tasa de resultados falsos negativos. (dieron negativo y están
enfermo)/enfermo Rpta. 0.075
b) Calcule la probabilidad que un paciente con resultado negativo, tenga la
enfermedad. Rpta. 0.083
En un estudio sobre alcohólicos se informa que el 40% de los
mismos tiene padre alcohólico y que el 6% tiene madre
alcohólica.
El 42% tiene al menos uno de los padres alcohólicos. ¿Cuál es la
probabilidad de que elegido uno al azar:
a) Tenga ambos padres alcohólicos. Rpta. 0.04
b) Tenga un padre alcohólico, pero no una madre alcohólica.
Rpta. 0.36
c) Tenga una madre alcohólica; si se sabe que el padre no lo es.
Rpta. 0.033
De 1000 jóvenes de 18 años, 600 tienen empleo y 800 son bachilleres. De los 800 bachilleres,
500 tienen trabajo. ¿Cuál es la probabilidad de que un joven de 18 años tomado aleatoriamente
sea:
a) Un bachiller empleado
b) Empleado pero no bachiller
c) Desempleado o un bachiller
d) Desempleado o no bachiller
El equipo de la UCSUR juega el 70% de sus partidos en la noche, y el 30% durante el día. El
equipo gana el 50% de sus partidos nocturnos y el 90% de los diurnos. De acuerdo con un
diario de hoy día, la UCSUR ganó ayer. ¿Cuál es la probabilidad de que el partido se haya
jugado en la noche?.
Suponga que P(A) = 0.50 y P(B/A) = 0.40 . Hallar P(A ∩ B).
El Sr. Conti, propietario de un restaurante, ha mejorado la infraestructura para una
buena presentación. Observa que el 25% de todos los autos que pasan por allí, se
detienen para consumir algún alimento.
a) ¿Cuál es la probabilidad de que los próximos cuatro carros se detengan?
b) ¿Cuál es la probabilidad de que el primer auto pare, que el segundo y tercero no
lo hagan y el cuarto pare?
Integramos lo aprendido

• ¿Qué es un evento?

• ¿Qué es la probabilidad?

• ¿Cómo se calcula P(A/B)?

Actividad Asincrónica (virtual)

Resolver el cuestionario
virtual de la semana 6
 REFERENCIAS BIBLIOGRÁFICAS
Anderson, D. (2008). Estadística para administración y economía. México, D. F.: Cengage Learning. 10ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EfmckGutuRVEmTlp_PFA2sgBe6-Gdu3J7-Ct0rYCLZSK8Q

Johnson, R. (2004). Estadística elemental: lo esencial. México, D. F.: International Thomson. Disponible en Biblioteca: 519.5 / J67 / 2004.

Martínez, C. (2012). Estadística y muestreo. Bogotá: Ecoe Ediciones. Disponible en Biblioteca: 519.52 / M26 / 2012.

Palacios C., Severo. (2010). Estadística experimental. Aplicada a ciencia e ingeniería. 1ª. Edición. Concytec. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/ehinostrozar_cientifica_edu_pe/EejSxiCIZo5Mmz284-
ZjriEB5JkTJwJPoZ7JkAqOVg8X9A?e=ZTN4Ey

Salazar, C. Del Castillo, S. (2018). Fundamentos básicos de estadística. 1ª edición. Disponible en Biblioteca: https://grupoeducad-
my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EX7CejlZbBZKukecWJpvRaIBy06W6cs1qX2fG0CxlWcwSQ
Triola, M. (2018). Estadística. México, D. F.: Pearson Educación. 12ª edición. Disponible en Biblioteca: https://grupoeducad-
my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EWWDv2kMz_NOsnHN6OaNyVYBOCVZIFLGBFaQqmrXUGmg3Q

Walpole, R.; Myers, R.; Myers, S; Ye, K. (2012) Probabilidad y estadística para ingeniería y ciencias. 9ª edición. Disponible en Biblioteca:
https://grupoeducad-
my.sharepoint.com/:b:/g/personal/ehinostrozar_cientifica_edu_pe/ESqzEQPTJSNCiWzRQ3xtcxsBhDRarSKofShxY9d5uLyyVQ?e=CyCmyl
La ley de probabilidad total
Sean los eventos A1,A2,...,Ak mutuamente excluyentes y
colectivamente exhaustivos, entonces:

 k 
 P A 
k
P  A j   A1 A2 A3
j
 j 1  j 1

Luego, para cualquier otro evento B:

B
PB   P( A1  B)  P( A2  B)  ...  P( Ak  B)   PA j  B 
k

j 1

P( B)  P( A1 ) P( B / A1 )  P( A2 ) P( B / A2 )  ...  P( Ak ) P( B / Ak )
Luego , la ecuación de la ley de probabilidad Ak
total es:

P( B)   PAj PB Aj 
k

j 1
Teorema de Bayes
Sean los eventos A1, A2,..., Ak mutuamente excluyentes y
colectivamente exhaustivos con P(Aj)>0 para j = 1, 2,..., k. Entonces
para cualquier otro evento B tal que P(B)  0 :

P( Ak  B) P( Ak ) P( B / Ak )
P( Ak / B)   k
 PAj PB Aj 
P( B)
j 1

Nota.- En la igualdad anterior, obsérvese que en el numerador aparece

la regla de la multiplicación y en el denominador la ley de probabilidad
total.
Teorema de Bayes

Ejemplo: Los ingenieros de ventas 1, 2 y 3 estiman los costos de 30%, 20% y 50%,
respectivamente, de todos los trabajos licitados por una compañía. Las probabilidades
de cometer un error grave, al estimar el costo, de los ingenieros 1, 2 y 3 son 0.01, 0.03
y 0.02, respectivamente.
a) Halle la probabilidad de que se cometa error grave al estimar el costo en una
licitación.
Sean los eventos: Ai = {el ing. “i” estima los costos de una licitación}, i = 1, 2, 3
E = {Se comete error grave al estimar el costo}
Según los datos se tiene:
PA1   0.3 PA 2   0.2 PA3   0.5
PE A1   0.01 PE A 2   0.03 PE A3   0.02
Aplicando la ley de probabilidad total:

PE   P A1 PE A1   P A2 PE A2   P A3 PE A3   0.003  0.006  0.01  0.019

Teorema de Bayes
b) Si en una licitación en particular se incurre en un error grave al
estimar los costos del trabajo. ¿Cuál es la probabilidad de que el
ingeniero 2 haya cometido el error?

Aplicando el teorema de Bayes y usando el resultado de la

pregunta (a):
P A2 PE A2  0.2  0.03
P A2 E     0.3158
P E  0.019

c) Si en una licitación en particular no se incurre en un error grave al

estimar los costos del trabajo. ¿Cuál es la probabilidad de que el
ingeniero 3 haya hecho el trabajo? (se deja como ejercicio)
Ejemplo: Un investigador desarrolla una prueba exploratoria para el cáncer y al aplicarla a
pacientes con cáncer declarado y pacientes libres de cáncer, observa que tiene un 5% de
resultados falsos positivos (resultados positivos en pacientes no cancerosos) y un índice de un
20% de resultados falsos negativos (resultados negativos en pacientes con cáncer). Se dispone
aplicar esta prueba a una población en la que se sabe que el 2% adolece de cáncer. Determine
la probabilidad de que alguien con una prueba positiva; de hecho tenga cáncer.

Sean los eventos: E = {El paciente tenga cáncer} P = {Resultado sea positivo}

 E '  0.05  PPPE 'E '  PP  E '  0.049

PP

PP ' E 

P P'
E
  0.20 

P E 
 PP ' E   0.004

E
P 
Se trata de calcular P
Resultados Enfermo: E Sano: E’ Total
EP E’  P
Positivo: P 0.065
0.016 0.049
E  P’ E’  P’
Negativo: P’ 0.935
0.004 0.931
Total 0.020 0.980 1.000

P E  P  0.016

P E
P
 
P P 

0.065
 0.246
Otro Método: Diagrama del árbol

P(P/E) = 0.80 P

P(E) = 0.02 E P(P’/E) = 0.20

P’

P(E’) = 0.98 P(P/E’) = 0.05 P

E’
P(P’/E’) = 0.95
P’

 P   PPEP P   P( E P) P( P( P) / E )  0.02(00.8.02
PE
(0.8)
)  0.98(0.05)

 E  0.016
P    0.246
 P  0.065
Actividad Asincrónica (virtual)

Resolver el cuestionario
virtual de la semana 7
SECCIÓN DE REFERENCIA

REFERENCIAS BIBLIOGRÁFICAS
Anderson, D. (2008). Estadística para administración y economía. México, D. F.: Cengage Learning. 10ª edición. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EfmckGutuRVEmTlp_PFA2sgBe6-Gdu3J7-Ct0rYCLZSK8Q

Johnson, R. (2004). Estadística elemental: lo esencial. México, D. F.: International Thomson. Disponible en Biblioteca: 519.5 / J67 / 2004.

Martínez, C. (2012). Estadística y muestreo. Bogotá: Ecoe Ediciones. Disponible en Biblioteca: 519.52 / M26 / 2012.

Palacios C., Severo. (2010). Estadística experimental. Aplicada a ciencia e ingeniería. 1ª. Edición. Concytec. Disponible en Biblioteca:
https://grupoeducad-my.sharepoint.com/:b:/g/personal/ehinostrozar_cientifica_edu_pe/EejSxiCIZo5Mmz284-
ZjriEB5JkTJwJPoZ7JkAqOVg8X9A?e=ZTN4Ey

Salazar, C. Del Castillo, S. (2018). Fundamentos básicos de estadística. 1ª edición. Disponible en Biblioteca: https://grupoeducad-
my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EX7CejlZbBZKukecWJpvRaIBy06W6cs1qX2fG0CxlWcwSQ
Triola, M. (2018). Estadística. México, D. F.: Pearson Educación. 12ª edición. Disponible en Biblioteca: https://grupoeducad-
my.sharepoint.com/:b:/g/personal/malvarez_cientifica_edu_pe/EWWDv2kMz_NOsnHN6OaNyVYBOCVZIFLGBFaQqmrXUGmg3Q

Walpole, R.; Myers, R.; Myers, S; Ye, K. (2012) Probabilidad y estadística para ingeniería y ciencias. 9ª edición. Disponible en Biblioteca:
https://grupoeducad-
my.sharepoint.com/:b:/g/personal/ehinostrozar_cientifica_edu_pe/ESqzEQPTJSNCiWzRQ3xtcxsBhDRarSKofShxY9d5uLyyVQ?e=CyCmyl