04.

PROBABILIDADES
SUCESOS Y ESPACIO MUESTRAL
Sucesos. Al definir los sucesos hablamos de las diferentes relaciones que pueden
guardar dos sucesos entre s, as como de las posibles relaciones que se pueden
establecer entre los mismos. Vamos a ver ahora cmo se refleja esto en el clculo de
probabilidades.
Suceso Elemental, hace referencia a cada una de las posibles soluciones que se
pueden presentar.
Suceso Compuesto, es un subconjunto de sucesos elementales.
Un suceso pue!e esta" conten#!o en ot"o, entonces, la probabilidad del primer
suceso ser menor que la del suceso que lo contiene.
Dos sucesos pue!en se" #$uales, en este caso, las probabilidades de ambos
sucesos son las mismas.
Inte"secc#%n !e sucesos, es aquel suceso compuesto por los elementos comunes
de los dos o ms sucesos que se interceptan. La probabilidad ser igual a la
probabilidad de los elementos comunes.
Un#%n !e !os o m&s sucesos, la probabilidad de la unin de dos sucesos es igual
a la suma de las probabilidades individuales de los dos sucesos que se unen,
menos la probabilidad del suceso interseccin
Sucesos #ncompat#'les, la probabilidad de la unin de dos sucesos incompatibles
ser igual a la suma de las probabilidades de cada uno de los sucesos (a que su
interseccin es el conjunto vaco por lo tanto no ha que restarle nada!.
Sucesos complementa"#os, la probabilidad de un suceso complementario a un
suceso (A! es igual a " # $(A!
Un#%n !e sucesos complementa"#os, la probabilidad de la unin de dos sucesos
complementarios es igual a ".
Un suceso pue!e esta" conten#!o en ot"o, las posibles soluciones del primer suceso
tambi%n lo son del segundo, pero este segundo suceso tiene adems otras soluciones
suas propias.
"
Dos sucesos pue!en se" #$uales, esto ocurre cuando siempre que se cumple uno de
ellos se cumple obligatoriamente el otro viceversa.
Un#%n !e !os o m&s sucesos, la unin ser otro suceso formado por todos los
elementos de los sucesos que se unen.
Inte"secc#%n !e sucesos, es aquel suceso compuesto por los elementos comunes de
dos o ms sucesos que se interceptan.
Sucesos #ncompat#'les, son aquellos que no se pueden dar al mismo tiempo a que
no tienen elementos comunes (su interseccin es el conjunto vaco!.
Sucesos complementa"#os. &on aquellos que si no se da uno, obligatoriamente se
tiene que dar el otro. '(isten dos tipos de fenmenos) *eterministas, que son aquellos
cuos resultados se pueden predecir de antemano, estocsticos o Aleatorios, que
son los que dependen del a+ar (no se pueden predecir!. &e llama prueba al proceso
mediante el cual se obtiene un resultado. , se llama e(perimento aleatorio a todo
fenmeno aleatorio.
&e llama suceso aleatorio a todo subconjunto del espacio muestral. &e llama suceso
elemental a un suceso unitario. &e llama espacio de sucesos al conjunto formado por
todos los sucesos, se representa por

. &e llama suceso imposible al que no se

verificar nunca, se representa por

. &e llama suceso seguro al que se verificar

siempre, se representa por '.
&e dice que un subconjunto A se ha reali+ado o se ha verificado cuando el
resultado de la prueba coincide con alg-n componente del subconjunto A. &e dice que
un suceso A implica a otro . cuando siempre que se verifica A, se verifica .) A

.. *iremos que dos sucesos son iguales cuando A

. .

A.
(l$e'"a !e Boole


A . es el suceso que se verifica si

( ) B A B A ,
slo si se verifica uno de los dos.


A . es el suceso que se verifica cuando

( ) B A B A ,
se verifican los dos a la ve+.

C
C
A
, complementario de A, es el suceso que

C
A A se verifica cuando no se verifica
A.
/
P"op#e!a!es. 0omo las definiciones de unin, interseccin complementacin de
sucesos son id%nticas a las de los conjuntos, estas operaciones para sucesos cumplen
las mismas propiedades que para los conjuntos.
# 0onmutativa) A . 1 . A A . 1 . A
# Asociativa) A (. 0! 1 (A .! 0 A (. 0! 1 (A .! 0
# 2dempotente) A A 1 A A A 1 A
# &implificacin) A (A .! 1 A . A (A .! 1 A .
# *istributiva) A (. 0! 1 (A .! (A 0!
A (. 0! 1 (A .! (A 0!
# '(istencia de elemento neutro) A 1 A A ' 1 A
# Absorcin) A ' 1 ' A 1
# 0omplementacin) '
C
1
C
1 '
# 2nvolucin) (A
C
!
C
1 A
# Lees de 3organ) (A .!
C
1 A
C
.
C
(A .!
C
1 A
C
.
C
4n conjunto dotado con dos lees de composicin (operaciones! que cumple la
conmutatividad, distributividad, e(istencia de elemento neutro e(istencia de
complementario, se llama lgebra de .oole.
As pues, ( 5 , ! es un lgebra de .oole.
*os sucesos se dicen incompatibles si A . 1 .
4n sistema completo de sucesos son n sucesos A
"
, A
/
, ......., A n que verifican las
dos siguientes condiciones A
"
A
/
...... A n 1 ' A i
A j 1 , i, j
1 ", /, ...., n, para i j.
Suceso aleato"#o. 'l espacio muestral del e(perimento que consiste en lan+ar un dado
cuas caras estn numeradas del " al 6, ' 1 (", /, 7, 8, 9, 6!!.
0onsideremos ahora algunos subconjuntos de ',
&alir par A 1 (/, 8, 6!
&alir impar . 1 (", 7, 9!
&alir m-ltiplo de 7 0 1 (7, 6!
A todos estos subconjuntos de ' se les llama sucesos
'jemplo, *eterminar el espacio muestral el espacio de sucesos del e(perimento
aleatorio que consiste en lan+ar una moneda anotar el resultado de la cara superior.
Espac#o muest"al) ' 1 (0, &!
'spacio de sucesos & 1 (:, (0 !, (&!, (0,&!!
7
'jemplo, 0onsideremos el e(perimento aleatorio que consiste en lan+ar un dado de
quinielas anotar el smbolo que aparece en la cara superior. ;allar el espacio
muestral el espacio de sucesos.
'spacio muestral) ' 1 (", &, /!
'spacio de sucesos & 1 (:, ("!, (& !, (/!, (",&!, (",/!, (/,&!, (",&,/!!
E)emplo, 'n el e(perimento que consiste en e(traer una carta de una baraja espa<ola
consideremos el suceso A 1 =&alir figura=. >0undo diremos que se ha reali+ado el
suceso A?
*ecimos que se ha reali+ado el Suceso A, si al e(traer una carta obtenemos
cualquiera de las cuatro sotas, o de los cuatro caballos o de los cuatro rees. &i la
carta e(trada no es ninguna de %stas, decimos que el suceso A no se ha reali+ado.
&ucesos elementales. &e llama sucesos elementales a los sucesos formados por un
solo punto muestral5 es decir, por un solo resultado del e(perimento aleatorio
&ucesos compuestos. &e llama sucesos compuestos, a los sucesos formados por dos o
ms puntos mu%strales5 es decir, por mas de un resultado del e(perimento
&uceso cierto. &e llama suceso cierto, o suceso seguro, al que siempre se reali+a. 's
evidente que el suceso cierto, estar formado por todos los resultados posibles del
e(perimento5 es decir, coincide con el espacio muestral por eso lo representaremos
tambi%n por la letra '.
&uceso imposible. &e llama suceso imposible, se designa por un :, a un suceso que
no se reali+a nunca. @ecu%rdese que cuando se formaba el espacio de sucesos &, de un
e(perimento aleatorio, aparecera siempre el suceso :, ese es precisamente el suceso
imposible.
Sucesos Complementa"#os. 0onsideremos el espacio muestral asociado al
lan+amiento del dado, ' 1 (", /, 7, 8, 9, 6!, los siguientes sucesos A 1=salir n-mero
impar= 1 (", 7, 9!, A1 =salir n-mero par= 1 (/, 8, 6!
Los sucesos A A son complementarios, a que si se reali+a A no se reali+a A si se
reali+a A no se reali+a A.
*ado un suceso cualquiera A del espacio de sucesos &, se llama suceso cont"a"#o del
suceso A a un suceso que se reali+a cuando no se reali+a A, recprocamente.
Ope"ac#ones con Sucesos
8
4nin de sucesos. 0onsideremos, en el e(perimento aleatorio el lan+amiento del
dado, cuo espacio muestral es ' 1 (", /, 7, 8, 9, 6!, de los siguientes sucesos
A 1=salir n-mero par= 1 (/, 8, 6!
. 1=salir n-mero primo= 1 (/, 7, 9!
0 1=salir n-mero par o numero primo=. 'ste suceso es 0 1 (/, 7, 8, 9, 6!. , se llama
suceso unin de A .. (observe que la unin se relaciona con el operador lgico B

!. *ados dos sucesos A . de un mismo e(perimento aleatorio, llamamos suceso

un#%n de A . al suceso que se reali+a cuando se reali+a A o . se representa por
AUB
2nterseccin de sucesos. &ucesos incompatibles. Cons#!e"emos los sucesos A * B
A 1=salir n-mero par= 1 (/, 8, 6!
. 1=salir n-mero primo= 1 (/, 7, 9!
* 1=salir n-mero par primo=. 'ste suceso es)
* 1 (/!
, se llama suceso de #nte"secc#%n de A .. A+B. *ados dos sucesos A . de un
mismo e(perimento aleatorio, llamaremos suceso de interseccin de A . al suceso
que se reali+a cuando se reali+an simultneamente los sucesos A .. 'l suceso A+.
esta formado por los puntos muestrales comunes a los sucesos A .. Bbserve que la
interseccin tiene mucha relacin con el operador lgico , #C.
Sucesos Incompat#'les. 'n los ejemplos anteriores hemos visto que en algunas
ocasiones la interseccin de dos sucesos es el suceso imposible. 0uando esto ocurre,
es decir, cuando es imposible que dos sucesos se realicen simultneamente. 's decir,
datos dos sucesos A . de un mismo e(perimento aleatorio, se tiene que, &i AD. 1
:, entonces A . son incompatibles.
Me!#!a !e P"o'a'#l#!a!. &i & es un espacio muestral, A es evento, A &
definimos una medida de probabilidad $(A! como un n-mero que asignamos al
evento A. 'ste n-mero indica la probabilidad de que el evento A ocurra. &ea & un
espacio muestral, A un evento en & $ una medida de probabilidad. Lo siguientes
a(iomas establecen las propiedades fundamentales de una medida de probabilidad)
A,#oma -. $ara cualquier evento A &, $(A! E.
A,#oma .. $(&! 1 ".
A,#oma /. $ara cualquier secuencia infinita de conjuntos disjuntos, A
"
, A
/
, F ,
donde A
i
&, i 1 ", /,...., tenemos

,
_

" i
i i
" i
! A ( $ A $

9
Ahora usaremos los a(iomas de probabilidad para obtener resultados reglas que nos
audarn a entender usar la medida de probabilidad. Algunos de los resultados nos
pueden parecer obvios, sin embargo, el que se puedan demostrar a partir de los
a(iomas nos da una indicacin de su consistencia de lo poderosos que resultan ser.
Teo"ema. $(! 1 E.
$rueba. 0onsidera la secuencia infinita A
"
, A
/
, F, donde cada A
i
1 . Genemos que
1 , 1

" i
Teo"ema. $ara cualquier secuencia finita de conjuntos disuntos, A", A/,F, An
tenemos

,
_

n
" i
i i
n
" i
! A ( $ A $

Teo"ema. $ara cualquier evento A) $(A

c
!1"#$(A!.
Teo"ema. $ara cualquier evento A) E $(A! ".
$rueba. &abemos que $(A! E. &i $(A! H ", entonces del Georema 7, tenemos que
$(A c ! I E, lo que contradice el A(ioma ". $or lo tanto, debemos tener que $(A! ".
Teo"ema. &i A. entonces $(A!$(.!.
Teo"ema. $ara dos eventos cualquiera A, . tenemos $(A.!1$(A!J$(.!#$(AD.!
$rueba. A.1(AD.
c
!(AD.!(A
c
D.!, por lo tanto $(A.! 1 $(AD.
c
! + $(AD.!
+ $(A
c
D.!. Gambi%n vemos que $(A! 1 $(AD.
c
! + $(AD.! que $(.! 1 $(.DA
c
!
+ $(AD.!
6
A,#om&t#ca !el Espac#o !e p"o'a'#l#!a!es. S#$ma 0 Al$e'"a. &i

representa la
coleccin de todos los suceso el conjunto fundamental de probabilidad, se tiene
que
# $ara todo suceso A de los que constituen

, entonces el complementario de A
es tambi%n elemento de

)
c
A A
# &i A
"
,...,A
n
son una sucesin numerable de sucesos en

, tambi%n es

n
" n
A
#

0uando se cumplen todas las proposiciones anteriores estamos frente a un &igma K
Anillo o una &igma K Algebra.
Teo"ema) &i A
"
,...,A
n
es cualquier sucesin finita de sucesos en

, entonces,

k
n
k
A

1
Teo"ema) 'l suceso seguro siempre pertenece a

Teo"ema) &i A
"
,...,A
n
es una sucesin numerable cualquiera de sucesos de

,
tambi%n,
k
k
A

1
*e acuerdo con lo anterior, &i A
"
,...,A
n
es una sucesin finita de sucesos cualesquiera,
entonces todas sus intersecciones todas pertenecen a

P"o'a'#l#!a!1 $ es una funcin que se asigna a cada suceso A en

un n-mero
$(A!, al cual cumple)

,
_

" n
n
" n
n
! A ( $ A $
" ! ( $
E ! A ( $
este -ltimo caso los conjuntos deben ser disjuntos.
Teo"ema)
P( ) 0
Teo"ema) &i A
"
,...,A
n
son n sucesos incompatibles cualesquiera, entonces, se tiene,
! A ( $ ! A ( $ ! A A ( $
n " n "
+ + +
Teo"ema) $ara dos sucesos cualesquiera A . se cumple
! . A ( $ ! . ( $ ! A ( $ ! . A ( $ +
, esto es,
! . ( $ ! A ( $ ! . A ( $ +
L
'ste teorema se puede generali+ar para n sucesos
Teo"ema) 0uando se tiene que . A , resulta que
! . ( $ ! A ( $
Teo"ema) $ara un suceso cualquiera A, se cumple
" ! A ( $
. 4sar que
P( ) 1
Teo"ema) $ara cualquier suceso M, $(M
c
!1"#$(M!, $(M!1"#$(M
c
!.
La probabilidad mide la maor o menor posibilidad de que se d% un determinado
resultado (suceso! cuando se reali+a un e(perimento aleatorio. La probabilidad toma
valores entre E " (o e(presados en tanto por ciento, entre EN "EEN!. 'l valor
0ero corresponde al suceso imposible. 'l valor 4no corresponde al suceso seguro. 'l
resto de sucesos tendr probabilidades entre cero uno) que ser tanto maor cuanto
ms probable sea que dicho suceso tenga lugar.
Me!#!a !e P"o'a'#l#!a!. 4no de los m%todos ms utili+ados es aplicando la @egla
de Laplace, que define la probabilidad de un suceso como el cociente entre casos
favorables casos posibles.
De2#n#c#%n. La probabilidad de un suceso A se calcula como el n-mero de casos
favorables al suceso A, partido por el n-mero de casos posibles del e(perimento
aleatorio)
posibles casos
favorables casos
! A ( p
P3A4 5 Casos 2a6o"a'les 7 Casos pos#'les
$ara poder aplicar la @egla de Laplace el e(perimento aleatorio tiene que cumplir dos
requisitos)
# 'l n-mero de resultados posibles (sucesos! tiene que ser finito. &i hubiera
infinitos resultados, al aplicar la regla casos favorables O casos posibles el cociente
siempre sera cero.
# Godos los sucesos tienen que tener la misma probabilidad. &i al lan+ar un dado,
algunas caras tuvieran maor probabilidad de salir que otras, no podramos
aplicar esta regla.
Las 8"ecuenc#as. 0uando se reali+a un e(perimento aleatorio un n-mero mu
elevado de veces, las probabilidades de los diversos posibles sucesos empie+an a
converger hacia valores determinados, que son sus respectivas probabilidades. 'n
P
este modelo a no ser necesario que el n-mero de soluciones sea finito, ni que todos
los sucesos tengan la misma probabilidad.
La idea intuitiva de probabilidad se basa en la llamada le de los grandes n-meros,
enunciada por .ernoulli) QLa frecuencia relativa de un suceso tiende a estabili+arse
en torno a un n-mero, a medida que el n-mero de pruebas del e(perimento crece
indefinidamenteR.
's decir, si A es un suceso, podramos hablar del
n
n
Lm ! A ( fr Lm
A
n n

'ste n-mero al que la frecuencia relativa se acerca es lo que llamaremos la
probabilidad del suceso, se representar como $(A!.
La probabilidad es una le que asigna a cada suceso A un n-mero real
p 1

que verifica)
A

$(A!
# $(A! E , A $('! 1 "
# si A . son sucesos incompatibles, $(A .! 1 $(A! J $(.!
0omo consecuencia de estos tres a(iomas, se verifican adems las siguientes
propiedades)
# $(A
C
! 1 "K $(A!
# $( ! 1 E
# si A

., $(A! $(.!
# $(A! ", A
# si A
"
, A
/
, ...... , A n son incompatibles dos a dos, entonces, $(A
"
A
/
.....
A
n
! 1 $(A
"
! J $(A
/
! J ..... J $(A
n
!
# si A, . son dos sucesos cualesquiera, entonces, $(A .! 1 $(A! J $(.! K
$(A .!

La p"o'a'#l#!a! !e un suceso A es el cociente entre el n-mero de casos favorables
al suceso el n-mero de casos posibles. E)emplos,
&e considera un e(perimento aleatorio que consiste en lan+ar un dado se pide la
probabilidad de obtener
a! S-mero impar b! S-mero primo
c! 3-ltiplo de 7 d! 3-ltiplo de 9
'spacio muestral del e(perimento ' 1 ( ",/,7,8,9,6!
Luego el n-mero de casos posibles es 6

T
$robabilidades
a! A1 = obtener impar= 1 (", 7, 9! U $(A! 1 7O6
b! .1 = obtener n-mero primo= 1 (/, 7, 9! U $(.! 1 7O6
c! 01 = obtener m-ltiplo de 7= 1 (7, 6! U $(.! 1 /O6
d! * 1=obtener m-ltiplo de 9 = 1 (9! U $(*!1 "O6
&e reali+a un e(perimento aleatorio que consiste en la e(traccin de una carta de una
baraja espa<ola. &e pide hallar las siguientes probabilidades
a! =Bbtener un oro= b! =Bbtener un as=
'l espacio muestral del e(perimento est formado por los 8E resultados posibles
correspondientes a cada una de las cartas de la baraja. A continuacin formamos los
sucesos de los cuales nos piden estimar la probabilidad.
a! B 1 =Bbtener un oro= 1 (", /, 7, 8, 9, 6, L, &, 0, @! U p (B! 1 "EO8E 1 "O8
b! A 1 =Bbtener un as= 1 ("
'
, "
0
, "
.
,"
E
! U p (A! 1 8O8E 1 "O"E
'n este caso los subndices son ' 1'spada, 0 1 0opas, . 1 .astos, B 1 Bro
0onsideremos el e(perimento aleatorio que consiste en lan+ar dos datos anotar la
suma de los puntos de las caras superiores. ;allar la probabilidad de los siguientes
sucesos
a! Bbtener suma de igual a P
b! Bbtener suma menor o igual a 8
'spacio muestral del e(perimento '1 ((","!,(",/!, (",7!,..,(/,/!, (/,7!,...,(6,"!,...,(6,6!!
$or tanto, el n-mero de casos posibles de casos es 76
a! &
P
1 ((/,6!, (7,9!, (8,8!, (9,7!, (6,/!!U p (&
P
! 1 9O76
b! &
V8
1 ((","!, (",/!, (",7!, (/,"!,(/,/!,(7,"!! U p ( &
V8
! 16O76 1 "O6
'n otras palabras, con miras a dejar maor claridad,
De2#n#c#%n a,#om&t#ca !e p"o'a'#l#!a!. &ea ) espacio muestral, $(! conjunto de
las partes de WXo conjunto de sucesos, o lgebra de sucesos. &e define probabilidad, o
funcin de probabilidad, a cualquier funcin p) $(! (es decir, una regla bien
definida por la que se asigna a cada suceso un, un solo un, n-mero real! que cumpla
los a(iomas siguientes)
i! $(A! XE Y A $(!
ii! $(A
"
A
/
A
7
...! 1 $(A
"
! J $(A
/
! J $(A
7
! J ...
si Ai Aj 1 Yi j (sucesos mutuamente e(cluentes!
iii! $(! 1 "
"E
A la estructura (, $(!, p! se le denomina espac#o !e p"o'a'#l#!a!.
E)emplo, $ara el e(perimento aleatorio de tirar un dado, el espacio muestral es X1
Z", /, 7, 8, 9, 6[. 'n este espacio el conjunto de sucesos es $(! 1 Z, Z"[, Z/[, ...
Z",/[, Z",7[, ...Z",/,7,8,9,6[[X $ara establecer una probabilidad ha que asignar un
n-mero a todos esos sucesos.
&in embargo si se ha asignado a los sucesos elementales $(Z"[!1 $(Z/[!1 ...1
$(Z6[!1 "O6, por la propiedad ii!, p.e. la probabilidad del suceso Z", 7[ es $(Z",7[!1
$(Z"[!J $(Z7[!1/O6.
P"op#e!a!es !e la p"o'a'#l#!a!. *emostraciones
"! $(A
c
! 1 " # $(A!
A
c
representa el suceso complementa"#o de A, es decir el formado por todos los
resultados que no estn en A.
/! A
"
A
/
$(A
"
! X$(A
/
!
7! $(! 1 E
8! $(A! "
9! $(A .! 1 $(A! J $(.! # $(A .! (@egla general de la adiccin!
E)emplo, 4n "9N de los pacientes atendidos en un hospital son hipertensos, un "EN
son obesos un 7N son hipertensos obesos. >\u% probabilidad ha de que elegido
un paciente al a+ar sea obeso o hipertenso?
A 1 Zobeso[ . 1 Zhipertenso[
A . 1 Zhipertenso obeso[
A . 1 Zobeso o hipertenso[
$(A! 1 E,"E5 $(.! 1 E,"95 $(A .! 1 E,E7
$(A .! 1 E,"E J E,"9 # E,E7 1 E,//
A,#omas !e P"o'a'#l#!a!es.
&i A . son incompatibles, $(A4.! 1 $(A! J $(.!
$robabilidad del suceso contrario, $(A! 1 " # $(A
$robabilidad del suceso imposible, $(:! 1 E
$robabilidad de todo el espacio muestral $('!1"
Depen!enc#a 2unc#onal e #n!epen!enc#a. La relacin entre las variables M e ,,
parte del objetivo de este captulo en general de un n-mero importante de los
estudios de las 0iencias &ociales, puede ser ms o menos acentuada, pudiendo llegar
%sta desde la dependencia total o dependencia funcional hasta la independencia.
Depen!enc#a 2unc#onal. La dependencia funcional, que nos refleja cualquier frmula
matemtica o fsica, es a la que estamos normalmente ms habituados.
""
In!epen!enc#a. ;emos visto que la dependencia funcional implica una estructura
mu particular de la tabla bidimensional, en la que en todas las filas (o en todas las
columnas! e(iste un -nico elemento no nulo. '(iste un concepto que de alg-n modo
es el opuesto a la dependencia funcional, que es el de independencia. &e puede
e(presar de muchas maneras el concepto de independencia, va a implicar de nuevo
una estructura mu particular de la tabla bidimensional, en el que todas las filas
todas las columnas van a ser proporcionales entre s.
$ara enunciar lo que es la independencia de dos variables vamos a basarnos en el
siguiente ra+onamiento) &i la variable Y es independiente de M, lo lgico es que la
distribucin de frecuencias relativas condicionadas
i
( O , sea la misma que la de
" /
( O , ,..., M O , . 'sto se puede escribir) $ara todo j1",F,p, se tiene que
j ]
^
j
"
j
f f f
$ues bien, diremos que la variable , es #n!epen!#ente de M si la relacin es
verificada. ;a otras formas equivalentes de enunciar la independencia) 0ada una de
las siguientes relaciones e(presa por si sola la condicin de independencia. 0ada una
de las siguientes relaciones e(presa por s sola la condicin de independencia entre
las variables M e ,
] ]
j ] ] i
ij j ] ] i ij
] ]
j ]
] /
j /
] "
j "
] ]
j ]
] i
ij
n
n ] n
n f ] f f
n
n
n
n
n
n
n
n
n
n


Bbs%rvese que la relacin implica que la independencia es siempre recproca, es
decir, si M es independiente de ,, entonces , es independiente de M.
Me!#as * 6a"#an9as ma"$#nales * con!#c#ona!as. Asociados a las distribuciones
marginales condicionadas definidas en las secciones anteriores, podemos definir
algunos estadsticos de tendencia central o dispersin, generali+ando los que vimos en
los captulos dedicados al anlisis de una variable. Las me!#as ma"$#nales de la
variable M e , se definen del siguiente modo)
"/
j
p
" j
i ]
p
" j
j j ]
] ]
i
^
" i
] i
^
" i
i ] i
] ]
f n
n
"
( f ( n
n
"
(



Las 6a"#an9as ma"$#nales respectivas son
/
j
p
" j
j ]
/
j
p
" j
j ]
] ]
/

/
i
^
" i
] i
/
i
^
" i
] i
] ]
/
(
! ( f ! ( n
n
"
s ! ( ( ( f ! ( ( ( n
n
"
s


$ara cada una de las p variables condicionadas
i
Y X O
j
x Y O
definimos sus
respectivas me!#a con!#c#ona!a 6a"#an9a con!#c#ona!a mediante,
/
j
/
j
p
" j
ij
] i
/
i j
p
" j
i
j
/
i i
p
" j
ij
] i
/

/
j
/
i
^
" i
ij
j ]
/
j i
^
" i
j
i
/
j i
^
" i
ij
j ]
/
(
p
" j
j
j
i j
p
" j
ij
] i
i
^
" i
i
j
i i
^
" i
ij
j ]
j
( n
n
"
! ( f ! ( n
n
"
s
( ( n
n
"
! ( ( ( f ! ( ( ( n
n
"
s
f n
n
"
( f ( n
n
"
(
j
j

'

'

's interesante observar que podemos considerar que las n
]]
observaciones de la
variable M han sido agrupadas en subgrupos, cada uno de ellos caracteri+ados por la
propiedad de que ,1
j
para alg-n j1",F,p. Las medias varian+as marginales de las
variables M , se pueden escribir de modo equivalente como)
"7
/
j
^
" i
] i
^
" i
/
] i
/

^
" i
i
^
" i
] i
] ]
i ] i
/
j
p
" j
j ]
p
" j
/
( j ]
/
(
p
" j
j
p
" j
j ]
] ]
j j ]
! ( f s f s n
n
"
f
! ( ( ( f s f s ( n
n
"
( f (
j
j
+
+




PROBABILIDAD CO:DICIO:AL
'n muchas ocasiones, la verificacin o no de un suceso se estudia en funcin de otro
suceso de cua verificacin depende o del cual est condicionado. &e dice
probabilidad condicionada del suceso . respecto del suceso A, se representa
E ! A ( $
! A ( $
! . A ( $
! . O A ( $

E)emplo, se tira un dado sabemos que la probabilidad de que salga un / es "O6. &i
incorporamos nueva informacin (por ejemplo, alguien nos dice que el resultado ha
sido un n-mero par! entonces la probabilidad de que el resultado sea el / a no es "O6.
$ (.OA! es la probabilidad de que salga el n-mero / (suceso .! condicionada a que haa
salido un n-mero par (suceso A!.
$(A .!. es la probabilidad de que salga el dos n-mero par. $(A! es la probabilidad a
priori de que salga un n-mero par. $or tanto, $(A .!.! 1 "O6 $ (A! 1 _, entonces, $
(.OA! 1 ("O6! O ("O/! 1 "O7. Luego, la probabilidad de que salga el n-mero /, si a
sabemos que ha salido un n-mero par, es de "O7 (maor que su probabilidad a priori
de "O6!.
E)emplo, 'n un estudio sanitario se ha llegado a la conclusin de que la probabilidad de que
una persona sufra problemas coronarios (suceso .! es el E,"E. Adems, la probabilidad de
que una persona sufra problemas de obesidad (suceso A! es el E,/9 la probabilidad de que
una persona sufra a la ve+ problemas de obesidad coronarios (suceso interseccin de A .!
es del E,E9. 0alcular la probabilidad de que una persona sufra problemas coronarios si est
obesa (probabilidad condicionada $(.OA!!.
$(A .! 1 E,E9, o sea, $ (A! 1 E,/9, entonces, $ (.OA! 1 E,E9 O E,/9 1 E,/E
E)emplo, 4na mujer es portadora de la enfermedad de *uchenne >0ul es la
probabilidad de que su pr(imo hijo tenga la enfermedad?
&eg-n las lees de 3endel, todos los posibles genotipos de un hijo de una madre
portadora ((M! un padre normal (M,! son (M, (,, MM, M, tienen la misma
"8
probabilidad. 'l espacio muestral es 1 Z(M, (,, MM, M,[ el suceso A1Zhijo
enfermo[ corresponde al genotipo (,, por tanto, seg-n la definicin clsica de
probabilidad $(A! 1 "O8 1 E,/9
La mujer tiene el hijo es varn >qu% probabilidad ha de que tenga la enfermedad?
&e define el suceso . 1 Zser varn[ 1 Z(,, M,[ la probabilidad pedida es $(AO.!
aplicando la definicin anterior $(.! 1 E,95 A . 1 Z(,[5 $(A .! 1 E,/95 $(AO.!
1 E,/9OE,9 1 E,9
&i sabemos que es varn, el espacio muestral ha cambiado, ahora es .. $or lo tanto se
puede calcular $(AO.! aplicando la definicin clsica de probabilidad al nuevo
espacio muestral $(AO.! 1 "O/ 1 E,9
E)emplo, &e sabe que el 9EN de la poblacin fuma que el "EN fuma es
hipertensa. >0ul es la probabilidad de que un fumador sea hipertenso?
A 1 Zser hipertenso[ . 1 Zser fumador[ A . 1 Zser hipertenso fumador[ $(AO.!
1 E,"EOE,9E 1 E,/E
Bbs%rvese que los coeficientes falso#positivo falso#negativo de las pruebas
diagnsticas son probabilidades condicionadas.
La frmula anterior se puede poner $(A .! 1 $(.! $(AO.! 1 $(A! $(.OA! llamada
"e$la !e la mult#pl#cac#%n, que se puede generali+ar a ms sucesos $(A
"
A
/
A
7
!
1 $((A
"
A
/
! A
7
! 1 $(A
"
A
/
! $(A
7
OA
"
A
/
! 1 $(A
"
! $(A
/
OA
"
! $(A
7
OA
"
A
/
!
Sucesos #n!epen!#entes. *os sucesos son independientes si slo si $(A .! 1
$(A! $(.!. &i dos sucesos son independientes
! A ( $
! . ( $
! . ( $ ! A ( $
! . ( $
! . A ( $
! . O A ( $

del mismo modo $(.OA! 1 $(.!. 'sta propiedad coincide ms con la idea intuitiva
de independencia algunos te(tos la dan como definicin. ;a que notar, sin
embargo, que ambas definiciones no son estrictamente equivalentes.
E)emplo, $ara un hijo de una mujer portadora de *uchenne, el se(o la enfermedad
>son independientes?
&eg-n vimos en el 'jemplo el espacio muestral es 1 Z(M, (,, MM, M,[
*efinimos los sucesos A 1 Zvarn[ 1 Z(,, M,[5 . 1 Zenfermo[ 1 Z(,[
A . 1 Z(,[ por lo tanto $(A! 1 E,95 $(.! 1 E,/95 $(A .! 1 E,/9 $(A! $(.!
SB son independientes.
"9
*os sucesos A, . se dicen #n!epen!#entes si $(.! 1 $(.OA!. 's decir, se
cumplir que $(A!]$(.! 1 $(A .!. &i A . son independientes, entonces A .
c
son independientes, A
c
. son independientes, A
c
.
c
son independientes.
P"o'a'#l#!a! Compuesta. La probabilidad compuesta (o regla de multiplicacin de
probabilidades) se deriva de la probabilidad condicionada. La probabilidad de que se
den simultneamente dos sucesos (suceso interseccin de A y ) es igual a la
probabilidad a priori del suceso A multiplicada por la probabilidad del suceso
condicionada al cumplimiento del suceso A.
) A ( P ) A ! ( P ) A ( P
'n general $(A
"
A
/
A
7
...! 1 $(A
"
! $(A
/
OA
"
! $(A
7
OA
"
A
/
! ... llamado P"#nc#p#o
!e las p"o'a'#l#!a!es compuestas especialmente -til para aquellas situaciones en
que las probabilidades condicionadas son ms fciles de obtener que las
probabilidades de las intersecciones.
E)emplo, &e sabe por estudios previos que el E,"N de la poblacin tiene problemas
vasculares. 4n estudio sobre individuos con problemas vasculares revela que el /EN
de ellos son placas de ateroma. &i el "EN de los individuos con placas de ateroma
est e(puesto a muerte s-bita por desprendimiento de trombos >qu% probabilidad
tiene un individuo cualquiera de estar e(puesto a muerte s-bita por desprendimiento
de trombos de una placa de ateroma?
A
"
1 Zproblemas vasculares[5 A
/
1 Zplacas de ateroma[5 A
7
1 Ze(puesto a muerte
s-bita por ....[ $(A
"
! 1 E,EE"5 $(A
/
OA
"
! 1 E,/E5 $(A
7
OA
"
A
/
! 1 E," $(A" A/
A7! 1 E,EE" ( E,/E ( E," 1 E,EEEEE/
E)emplo, 4na urna contiene "E bolas, de las cuales 7 son rojas, 9 verdes / a+ules.
&e e(traen al a+ar 7 bolas. 0alcular la probabilidad de que la primera sea a+ul, las
otras dos verdes.
*efinimos A
"
1 Zla "` bola es a+ul[5 A
/
1 Zla /` bola es verde[5 A
7
1 Zla 7` bola es
verde[ $(A
"
! 1 /O"E aplicando la definicin clsica de probabilidad, puesto que ha
"E bolas / son verdes. $(A
/
OA
"
! 1 9OT5 si la primera bola e(trada es a+ul, en la urna
quedan T bolas, 9 de ellas verdes. $(A
7
OA
"
A
/
! 1 8OP5 si la primera bola e(trada es
a+ul la segunda verde en la urna quedan P bolas, 8 de ellas verdes. $(A" A/
A7! 1 /O"E ( 9OT ( 8OP 1 "O"P
PROBABILIDAD TOTAL
&i A
"
, A
/
, ......., A n son un sistema completo de sucesos tal que $(A i ! E,
n ,.... " i
, entonces la probabilidad de un suceso . cualquiera es)
$(.! 1 $(A
"
!]$(.OA
"
!J$(A
/
!]$(.OA
/
!JFJ$(A
n
!]$(.OA
n
!
"6
E)emplo" #studiamos el suceso A (porcenta$e de varones mayores de %0 a&os
casados) y el suceso (varones mayores de %0 a&os con ms de ' (i$os) y
obtenemos la siguiente in)ormacin* +n ,-. de los varones mayores de %0 a&os
estn casados. /e los varones mayores de %0 a&os y casados" un ,0. tienen ms
de ' (i$os (suceso condicionado al suceso A).
0alcular la probabilidad de que un varn maor de 8E a<os est% casado tenga ms
de / hijos (suceso interseccin de A .!. $or lo tanto, $ (A! 1 E,79, $ (.OA! 1 E,7E
$(A .) 0 0",- 1 0",0 0 0"10-. #s decir" un 10"-. de los varones mayores
de %0 a&os estn casados y tienen ms de ' (i$os.
E)emplo" #studiamos el suceso A (alumnos que (ablan ingl2s) y el suceso
(alumnos que (ablan alemn) y obtenemos la siguiente in)ormacin* +n -0. de los
alumnos (ablan ingl2s.
*e los alumnos que hablan ingl%s, un /EN hablan tambi%n alemn (suceso .
condicionado al suceso A!. 0alcular la probabilidad de que un alumno hable ingl%s
alemn (suceso interseccin de A .!. $or lo tanto, $ (A! 1 E,9E, $ (.OA! 1 E,/E
$(A .) 0 0"-0 1 0"'0 0 0"10" es decir" un 10. de los alumnos (ablan ingl2s
y alemn.
'l 3eorema de la probabilidad total nos permite calcular la probabilidad de un
suceso a partir de probabilidades condicionadas"

n
1 i
i i
) A ! ( P ) A ( P ) ( P
's decir, la probabilidad de que ocurra el suceso (en nuestro e$emplo" que ocurra
un accidente) es igual a la suma de multiplicar cada una de las probabilidades
condicionadas de este suceso con los di)erentes sucesos A (probabilidad de un
accidente cuando llueve y cuando (ace buen tiempo) por la probabilidad de cada
suceso A. Para que este teorema se pueda aplicar (ace )alta cumplir que Los
sucesos A tienen que )ormar un sistema completo" es decir" que contemplen todas
las posibilidades (la suma de sus probabilidades debe ser el 100.).
E)emplo, 'n una urna ha papeletas de tres colores, con las siguientes probabilidades
de ser elegidas) a! Amarilla) probabilidad del 9EN, b! Verde) probabilidad del 7EN,
c! @oja* probabilidad del '0.. 4eg5n el color de la papeleta elegida" podrs
participar en di)erentes sorteos.
As6" si la papeleta elegida es* a) Amarilla* participas en un sorteo con una
probabilidad de ganar del %0.7 b) 8erde* participas en otro sorteo con una
probabilidad de ganar del 90." o c) :o$a* participas en un tercer sorteo con una
probabilidad de ganar del ;0..
0on esta informacin, <qu2 probabilidad tienes de ganar el sorteo en el que
participes=
"L
Las tres papeletas forman un sistema completo) sus probabilidades suman "EEN,
luego,
$ (.! 1 (E,9E ] E,8E! J (E,7E ] E,6E! J (E,/E ] E,PE! 1 E,98
$or tanto, la probabilidad de ganar el sorteo es del 98N.
P"o'a'#l#!a! Total. &ea A
"
,..,A
n
estn incluidas en ', un sistema e(haustivo
e(cluente de sucesos. 'ntonces
! A ( $ ! A O . ( $ ! . ( $ ' .
i
n
" i
i

,
tal como se puede observar en la figura) &i A
"
, A
/
, A
7
, A
8
forma un sistema e(haustivo
e(cluente se sucesos, podemos calcular la probabilidad de B a partir de las
cantidades ! A . ( $
i
, o lo que es lo mismo, ! A ( $ ! A O . ( $
i i

! A ( $ ! A O . ( $ ! A ( $
i
$
i
. $ ! ' . ( $ ! . ( $
i
n
" i
i
n
" i
i
n
" i
n
" i
! A . ( A

,
_

,
_

,
_

,
_

E)emplo, Van a cambiar a tu jefe se barajan diversos candidatos) a! Abe, con una
probabilidad del 6EN, b! Ver, con una probabilidad del 7EN, c! *iego, con una
probabilidad del 10..
#n )uncin de quien sea tu pr>imo $e)e" la probabilidad de que te suban el sueldo
es la siguiente* a) 4i sale Abe* la probabilidad de que te suban el sueldo es del -."
b) 4i sale 8er* la probabilidad de que te suban el sueldo es del '0." o c) 4i sale
/iego* la probabilidad de que te suban el sueldo es del 90..
'n definitiva, <cual es la probabilidad de que te suban el sueldo=
Los tres candidatos forman un sistema completo
$ (.! 1 (E,6E ] E,E9! J (E,7E ] E,/E! J (E,"E ] E,6E! 1 E,"9
$or tanto, la probabilidad de que te suban el sueldo es del "9N.
"P
Le*es !e Mo"$an. Las lees de 3organ permiten relacionar la complementariedad
entre los conjuntos las operaciones de 2nterseccin 4nin,
( ) ( )
( ) ( ) . A . A o . A . A
. A . A o . A . A
0 0 0
0 0 0


A estas lees se les puede aplicar las normas que hemos mencionado de
probabilidades se obtendrn resultados mu interesantes
TEOREMA DE BAYES
Teo"ema !e Ba*es. 'l 3eorema de ayes viene a seguir el proceso inverso al que
(emos visto en el 3eorema de la probabilidad total. &i A
"
, A
/
, ......., A
n
son un
sistema completo de sucesos tal que $(A i ! E,
n ,.... " i
, entonces
para un suceso . cualquiera se verifica)

n
" i
i i
i i
i
! A O . ( $ ! A ( $
! A O . ( $ ! A ( $
! . O A ( $
,
esto para cualquier i 1 ", ...., n.
Teo"ema de la probabilidad total* a partir de las probabilidades del suceso A
(probabilidad de que llueva o de que (aga buen tiempo) deducimos la probabilidad
del suceso (que ocurra un accidente). 3eorema de ayes* a partir de que (a
ocurrido el suceso ((a ocurrido un accidente) deducimos las probabilidades del
suceso A (<estaba lloviendo o (ac6a buen tiempo=).
E)emplo" #l parte meteorolgico (a anunciado tres posibilidades para el )in de
semana* a) ?ue llueva* probabilidad del -0." b) ?ue nieve* probabilidad del ,0." y
c) ?ue (aya niebla* probabilidad del '0..
&eg-n estos posibles estados meteorolgicos, la posibilidad de que ocurra un
accidente es la siguiente, a) 4i llueve* probabilidad de accidente del 10." b) 4i nieva*
probabilidad de accidente del '0." o c) 4i (ay niebla* probabilidad de accidente del
-..
@esulta que efectivamente ocurre un accidente como no estbamos en la ciudad no
sabemos que tiempo hi+o (nev, llovi o hubo niebla!. 'l teorema de .aes nos
permite calcular estas probabilidades) Las probabilidades que mane$amos antes
de conocer que (a ocurrido un accidente se denominan probabilidades a priori
(lluvia con el 90." nieve con el ,0. y niebla con el 10.).
4na ve+ que incorporamos la informacin de que ha ocurrido un accidente, las
probabilidades del suceso A cambian) son probabilidades condicionadas $ (AO.!, que
se denominan probabilidades a posteriori.
"T
a! Probabilidad de que estuviera lloviendo*
L"8 . E
! E9 . E /E . E ( ! "E . E 7E . E ( ! /E . E 9E . E (
/E . E 9E . E
! . O A ( $
i

+ +

La probabilidad de que efectivamente estuviera lloviendo el da del accidente

(probabilidad a posteriori! es del L",8N.
b! Probabilidad de que estuviera nevando*
/"8 . E
! E9 . E /E . E ( ! "E . E 7E . E ( ! /E . E 9E . E (
"E . E 7E . E
! . O A ( $
i

+ +

La probabilidad de que estuviera nevando es del /",8N.

c! $robabilidad de que hubiera niebla)
EL" . E
! E9 . E /E . E ( ! "E . E 7E . E ( ! /E . E 9E . E (
E9 . E /E . E
! . O A ( $
i

+ +

La probabilidad de que hubiera niebla es del L,"N.

&ea A
"
,..,A
n
est%n incluidos en ', un sistema e(haustivo e(cluente de sucesos. &ea
. incluido en ', un suceso del que conocemos todas las cantidades $(.OA
i
!, con i1",
F,n, a las que denominamos 6e"os#m#l#tu!es, entonces se verifica,

n
" i
i i
j j
j
! A ( $ ! A O . ( $
! A ( $ ! A O . ( p
! . O A ( $
*emostrando este teorema tenemos que es una consecuencia de la definicin de
probabilidad condicionada en t%rminos de la interseccin, del teorema de la
probabilidad total,

n
" i
i i
j j j
j
! A ( $ ! A O . ( $
! A ( $ ! A O . ( p
! . ( $
! . A ( $
! . O A ( $
I:DEPE:DE:CIA DE SUCESOS
*e acuerdo con lo visto anteriormente, tenemos que dos sucesos son
independientes entre s6" si la ocurrencia de uno de ellos no a)ecta para nada a la
ocurrencia del otro. #$emplo" el suceso estatura de los alumnos de una clase y el
color del pelo son independientes* el que un alumno sea ms o menos alto no va a
in)luir en el color de su cabello" ni viceversa. Para que dos sucesos sean
independientes tienen que veri)icar al menos una de las siguientes condiciones
/E
# $(.OA! 1 $(.!. 'sto es, que la probabilidad de que se de el suceso "
condicionada a que previamente se (aya dado el suceso A" es e>actamente
igual a la probabilidad de . Ejemplo" la probabilidad de que al tirar una moneda
salga cara (suceso )" condicionada a que (aga buen tiempo (suceso A)" es
igual a la propia probabilidad del suceso .
@ $(AO.! 1 $(A!. #sto es" que la probabilidad de que se de el suceso A"
condicionada a que previamente se (aya dado el suceso " es e>actamente
igual a la probabilidad de A. Ejemplo* la probabilidad de que (aga buen tiempo
(suceso A)" condicionada a que al tirar una moneda salga cara (suceso )" es
igual a la propia probabilidad del suceso A.
# $(A .! 0 P(A) 1 P(). #sto es" que la probabilidad de que se de el suceso
con$unto A y es e>actamente igual a la probabilidad del suceso A multiplicada
por la probabilidad del suceso . #$emplo" la probabilidad de que (aga buen
tiempo (suceso A) y salga cara al tirar una moneda (suceso )" es igual a la
probabilidad del suceso A multiplicada por la probabilidad del suceso
&i el suceso A es independiente del suceso " entonces el suceso tambi2n es
independiente del suceso A.
E)emplo" 4ean los dos sucesos* P(A) 0 la probabilidad de que (aga buen tiempo es
del 0"%" y P() 0 la probabilidad de tener un accidente es del 0"1" y P(A .! 1 la
probabilidad de que (aga buen tiempo y tener un accidente es del 0"0;
Veamos si se cumple alguna de las condiciones se<aladas)
$ (.OA! 1 $(A .! ! P (A) 0 0"0; ! 0"% 0 0"' (que no es igual a P ())
$ (AO.! 1 $(A .! O $ (.! 1 E,EP O E,6 1 E,"77 (que no es igual a $ (A!!
$(A .! 0 0"0; (que no es igual a P (A) multiplicado por P ())
$or lo tanto, no se cumple ninguna de las tres condiciones se<aladas por lo que estos
dos sucesos no son independientes" sino que e>iste alg5n grado de dependencia
entre ellos.
Le* !e los ;"an!es :<me"os. &uponga que M
"
, M
/
,...,M
n
es una secuencia arbitraria
de variables aleatorias con valores esperados '(M
"
!, '(M
/
!,...,'(M
n
!. &uponga adems
que la variable aleatoria

n
1 i
i
> tiene varian+a para cada valor de n entero.
&i
E M
n
"
V
n
" i
i

,
_

cuando n es un n-mero positivo, entonces,

E (
n
"
$
n
" i
i

,
_

cuando nW o equivalentemente a
cuando nWX n converge
/"
4na secuencia de variables aleatorias a
n
converge en probabilidad o converge
estocsticamente a una constante =a= si para cada n-mero positivo
cuando nb &imblicamente)
'l teorema enunciado anteriormente puede escribirse como
( ) ( )
o
n
M ' M $
n
" i
i i

,
_

cuando nb 'l teorema anterior se le conoce como la

=Le d%bil de los grandes n-meros=.
&i es la media muestral de una muestra de tama<o n de una poblacin inducida por
una variable aleatoria M con media varian+a
/
, si HE, entonces
0onclusin) &i la muestra es grande e(iste una alta probabilidad de que la media
muestral est% cerca de la media poblacional . 'scogiendo un tama<o de muestra
suficientemente grande podemos hacer que la probabilidad de que la media muestral
tienda a la media poblacional sea tan alta (tan cerca de uno! como queramos.
//