TEMA 3 ELEMENTOS DE PROBABILIDAD

3.1. ESPACIOS MUÉSTRALES Y SUCESOS 3.1.1. El Espacio Muestral
En la práctica, para estudiar los fenómenos (informáticos, industriales, económicos, climáticos,..) procedemos mediante experimentos (en laboratorio, simulación por ordenador,...). Los experimentos se pueden clasificar en deterministas o aleatorios. Por ejemplo, el lanzamiento de un dado corriente bien construido y observar el resultado de la tirada sería un experimento aleatorio; el fenómeno de los días y las noches es determinista. Entonces, ¿qué aspectos caracterizan a unos y otros? En el estudio de cualquier experimento aleatorio surgen los siguientes elementos asociados a él: 1. E1 espacio muestral, Ω, es el conjunto cuyos elementos son todos los resultados diferentes posibles del experimento aleatorio. Ej. Todos los posibles resultados al lanzar un dado: Ω = {1,2,3,4,5,6} 2. Un Suceso es un subconjunto del espacio muestral. 3. Un Suceso elemental, ω, es un suceso que no puede descomponerse en sucesos más simples. Ej. El resultado de un lanzamiento de un dado es el número 5: {5}. 4. Partes de Ω, P(Ω), que reúne a todos los subconjuntos del espacio muestral. Ej. Todos los posibles subconjuntos de Ω al realizar una tirada con el dado: P(Ω)= {Φ,{1},...,{6}; {1,2}, {1,3},..., {5,6}; ...; {1,2,3,4,5}, ...,{2,3,4,5,6}, Ω}. En total 26 posibilidades. ¿Por qué?

3.1.2. Sucesos. Operaciones Básicas entre Sucesos Se define como suceso a cualquier subconjunto de Ω. Si sólo tiene un elemento se dice
que es un suceso simple o elemental; si tiene más de uno se dice que es un suceso compuesto. La estructura de P(Ω) agrupa a todos los posibles subconjuntos de Ω, y de él forman parte el propio Ω, llamado suceso seguro, y el suceso que no contiene ningún resultado elemental, al que llamaremos suceso imposible y designaremos por Φ. Se pueden establecer relaciones entre los distintos sucesos de P(Ω), definidas por las siguientes operaciones: La intersección de dos sucesos A y B es otro suceso que acontece cuando suceden simultáneamente A y B, y se representa por A ∩ B. Lo constituyen aquellos sucesos elementales que forman a la vez parte de A y de B (Figura 3.1), y viene definido por

A∩B = {ω ∈ Ω / (ω ∈ Α) ∧ (ω ∈ Β)}

Figura 3.2 La unión de dos sucesos A y B es un suceso que tiene lugar cuando acontece al menos uno de esos sucesos y se representa por A ∪ B (Figura 3.Si no hay sucesos con esta propiedad. Viene definido por: A ∪ B = {ω ∈ Ω / (ω ∈ Α) ∨ (ω ∈ Β)} • El contrario de un suceso A es un suceso que tiene lugar cuando no ocurre A y se representa por A .3). Es decir: • A ={ω ∈ Ω / (ω∉Α)} Se verifica que: A ∪ A=Ω.4). pero nunca los dos a la vez (Figura 3. se dice que A y B son dos sucesos incompatibles (Figura 3.2). de forma que en cualquier realización del experimento sucede A o A . A ∩ A = Ø . A ∩ B=0.1 Figura 3.

5 Figura 3.6 .3 Figura 3.Figura 3.4 Figura 3.

Viene definido por: A . A =A A ∩B = A ∪B 2.3. de final de cada rama anterior saldrán nuevas ramas conforme a los posibles resultados de la segunda etapa. El proceso se repetirá hasta que se terminen de mostrar todos los resultados de las diferentes etapas del experimento.La diferencia entre A y B es un suceso que acontece cuando sucede A pero no B y se representará por A .1. A ∪B = A ∩B 3. Se empieza representando por diferentes ramas los posibles resultados de la primera etapa del experimento aleatorio.6). 3.A efectos de simplificación en desarrollos prácticos se utilizan las denominadas leyes de Morgan: 1.5). Se puede expresar también por A ∩ B (Figura 3. ya que facilita el cálculo y nos permite ver el aspecto general del experimento.7) • Figura 3. Representar en un diagrama en árbol el experimento aleatorio de lanzar una moneda al aire 3 veces. cuando éste se desarrolla en varias etapas. Los resultados que aparecen al final de cada una de las ramas son sucesos elementales.B.1.. (Figura 3. Viene definido por: • AΔB = {ω ∈ Ω / (ω ∈ Α ∪ B) ∧ (ω ∉Α ∩ B)} Un suceso A contenido en otro B acontece cuando siempre que ocurre A ocurre B y se representa por A ⊂ B. La representación en diagrama en árbol es muy útil cuando el experimento tiene lugar en una serie de etapas. Ejercicio 3.7 Observación. Si un experimento se desarrolla en k etapas y en la 1a etapa hay ni . Diagrama en árbol Consiste en una representación esquemática de los posibles resultados de un experimento aleatorio.B = {ω ∈ Ω / (ω ∈ Α) ∧ (ω ∉B} • La diferencia simétrica entre A y B es el suceso que acontece cuando ocurre uno de los sucesos A o B pero no los dos simultáneamente y se representa por AΔB (Figura 3. A continuación.

al igual que ocurre con la frecuencia relativa. que en los sistemas informáticos la transmisión de la información es un fenómeno aleatorio y la probabilidad se encargará de medirnos la incertidumbre con qué se pueden presentar los distintos sucesos a considerar..2.2. Se define probabilidad de A como la incertidumbre de que aparezca un suceso A ⊂ Ω.resultados posibles. Para su análisis nos apoyamos en el concepto de frecuencia relativa. P(A ∪ B) = P(A) + P(B) A..1. 3. Es decir. y la k-ésima etapa tiene nk resultados posibles. se trata de la aplicación: P: Ω → R A → P(A) Esta aplicación permite asociar a cada suceso A un número real P(A). de forma que la probabilidad cumpla las mismas propiedades que ésta.. Consideremos un experimento aleatorio con espacio muestral Ω. un suceso A ∈ P(Ω). o lo que es lo mismo. Una de las numerosas aplicaciones de la probabilidad a la ingeniería es la fiabilidad de sistemas. La fiabilidad de un sistema (desde una simple resistencia o condensador hasta complejos sistemas como un ordenador o red de ordenadores) la mediremos como la probabilidad de que dicho sistema funcione correctamente durante un período de tiempo determinado o tiempo de misión. siendo P(A) la incertidumbre con que ocurrirá el suceso A en el experimento aleatorio.  n  n   Ai  = ∑P ( Ai ) P   i =1  i =1 El primer axioma establece que la probabilidad de cualquier suceso debe ser mayor o igual que cero.2. Axiomas de la probabilidad.. también. Consecuencias. éste experimento se podrá representar mediante un diagrama en árbol con n1x…xnk ramas. . PROBABILIDAD 3. 3. Verifica los axiomas siguientes: Axioma 1: ∀ ⊂ Ω.2. Introducción El objetivo de la probabilidad es cuantificar la incertidumbre con la que aparecen los distintos sucesos de un fenómeno aleatorio. Por último. el tercer axioma establece que para sucesos incompatibles la probabilidad del suceso unión es la suma de las probabilidades de cada uno de los sucesos. Es de destacar. en la 2ª etapa hay n2 resultados posibles. El segundo axioma establece que la probabilidad del suceso seguro es uno. P(A) ≥ 0 A Axioma 2: P(Ω)=1 Axioma 3: ∀ B ⊂ Ω/A ∩ B=Ø.An ⊂ Ω/Ai ∩ Aj= Ø. Axioma 3 generalizado A1.

B) ∪ (A ∩ B) y B=(B . A 3. ω ∈ B 4.B) ∪ (A ∩ B) ∪ (B .1) Demostración.Observación. se tiene que: A=(A .3. 2. Si A. se ha expresado cada uno de los sucesos A y B considerados como unión de sucesos incompatibles. Sin embargo los axiomas permiten calcular las probabilidades de algunos sucesos a partir de otras ya conocidas. Entonces: P(A ∪ B)=P(A) + P(B) . lo que permite utilizar de nuevo el axioma 3 para obtener: P(A)=P(A . A implica B (notado A ⊂ B) cuando ∀ω ∈ A .A) Por tanto. B ⊂ Ω.A) ∪ (A ∩ B) es decir. Los axiomas no determinan las probabilidades. lo que nos lleva a que: A ∪ B=(A .P(A).A) + P(A ∩ B) de donde se deduce que: (3. A ⊂ B (A implica B) ⇒ P(A) ≤ P(B).2. P(A) ≤ l.B) + P(A ∩ B) + P(B . Consecuencias de los axiomas de la probabilidad: 1. 3. P(Ø)=Ø. Propiedades Las siguientes propiedades fundamentales de la probabilidad se deducen de los axiomas y sus consecuencias. P(A)=1 . éstas se asignan basándose en nuestro conocimiento del sistema bajo estudio a través de las probabilidades iniciales.B ⊂ Ω.A) Por otra parte. según el axioma 3 resulta que: P(A ∪ B)=P(A .B) + P(A ∩ B) y P(B)=P(B .2) . (3. Para poder aplicar el axioma 3 es necesario expresar la unión de estos dos sucesos compatibles como unión de sucesos incompatibles. ∀ ⊂ Ω. 8 Propiedad 1 (Pl) Sea un experimento aleatorio cualquiera con espacio muestral Ω y dos sucesos cualesquiera de este experimento A.P(A ∩ B).

.4) Sustituyendo (3. Hacerla como ejercicio. Por inducción.P(A ∩ B) Propiedad 2 (P2) Sea un experimento aleatorio cualquiera con espacio muestral Ω.P(A ∩ B)=P(A) + P(B) . resulta que P(A ∪ B)=P(A) .B ⊂ Ω.. Propiedad 4 (P4) Sea un experimento aleatorio cualquiera con espacio muestral Ω.5) Demostración.P(A ∩ B) (3. entonces:  n  P Ai  = P − P2 + P3 − P4 + .3) que ha quedado demostrada en la propiedad 1.P(A ∩ B) (3..B ⊂ Ω..3) (3.B)=P(A) . Propiedad 3 (P3) Sea un experimento aleatorio cualquiera con espacio muestral Ω.A)=P(B) .B.2). Se trata de la fórmula (3.C ⊂ Ω. entonces: P(A . + (−1) n−1 Pn 1    i =1  Donde: P ∑P ( Ai ) 1 i =1 n Demostración.. Sean dos sucesos cualesquiera de este experimento A.P(A .An ⊂ Ω. aplicando la propiedad Pl a los sucesos A ∪ B y C.4) en la expresión (3.3) y (3.7) Demostración.A2. entonces: P(A ∪ B ∪ C)=P(A)+P(B)+P(C)-P(A ∩ B)-P(A ∩ C)-P(B ∩ C)+P(A ∩ B ∩ C) (3. Después aplicar sucesivamente esa propiedad a la unión de los pares de sucesos que resulten al aplicar la propiedad distributiva de la intersección respecto de la unión. entonces: . Propiedad 5 (P5) Sea un experimento aleatorio cualquiera con espacio muestral Ω.P(A ∩ B) P(B ..P(A ∩ B) + P(A ∩ B) + P(B) . Sean tres sucesos cualesquiera de este experimento A. Sean n sucesos cualesquiera de este experimento A1. Sean dos sucesos cualesquiera de este experimento A. Hacerla como ejercicio.B)=P(A) .

015+0.P(AΔB)=P(A) + P(B) .8) Demostración.019=0.B. longitud o espesor.0 15 .981 lo que nos indica que hay una probabilidad de 0. b) En este caso el suceso a considerar es A ∩B .1.0. b) En un cable ninguna de las dos medidas consideradas se encuentra fuera de las especificaciones.007 . d) Un cable es no conforme a especificaciones en cuanto a longitud o a espesor. calculando sus probabilidades.012-0. pero no en cuanto a ambas medidas. Se trata de la fórmula (3.008=0.P(A ∩ B)=0. a) Alguna de las medidas de longitud o espesor de un cable son no conformes a especificaciones. Sean los sucesos: A: un cable seleccionado al azar es no conforme a especificaciones por su longitud B: un cable seleccionado al azar es no conforme a especificaciones por su espesor Expresar los siguientes sucesos en términos de A y B. c) Se trata del suceso A .3) y (3.2. resultando que: P( A ∩ ) B =1 .981 de que en un cable ninguna de las dos medidas consideradas se encuentra fuera de las especificaciones. a) Se trata del suceso A u B. el 1. EJEMPLO 2.4) que han quedado demostradas en la demostración de la propiedad 1. Un fabricante de cables eléctricos para ordenadores conoce de informaciones anteriores sobre la producción de estos cables que el 1.B) = P(A) . c) En un cable la longitud es no conforme a especificaciones.008=0. pero el espesor sí.9% de los cables fabricados por esta empresa son no conformes a especificaciones en alguna de las dos medidas consideradas.2% son defectuosos en cuanto al espesor y el 0. Su probabilidad se determinará utilizando la consecuencia 2 de los axiomas de la probabilidad y la segunda de las Leyes de Morgan.5% de todos los cables fabricados son no conformes a especificaciones de longitud.8% son no conformes en ambas medidas.0. Su probabilidad será P(A ∪ B)=P(A)+P(B)-P(A ∩ B)=0. P(A ∩ B) (3.019 lo que significa que el 1.P(A ∪ B)=1 . Su probabilidad será P(A .

0. en 1812. Su probabilidad se determinará utilizando la consecuencia 2 de los axiomas de la probabilidad y la segunda de las leyes de Morgan. sin interesarse por la forma en que fueron obtenidas dichas probabilidades.. considerados éstos como equiprobables e incompatibles dos a dos". la probabilidad de un suceso es el cociente entre casos favorables a dicho suceso y casos posibles del experimento. pero no en cuanto a ambas medidas.011 de que un cable sea no conforme a especificaciones en cuanto a longitud o a espesor.008=0.2.. pero la longitud no.7% de los cables fabricados por esta empresa el espesor es conforme a especificaciones. la teoría matemática de la probabilidad pretende calcular nuevas probabilidades tomando unas probabilidades iniciales dadas. Postulado de Indiferencia. ∀ ⊂ Ω A 1 suceso elemental n Entonces se verifica que para cualquier B ⊂ Ω /B=  Bi i= 1 se tiene que: que es la conocida regla que estableció el marqués de Laplace. Si Ω se puede descomponer en n sucesos elementales incompatibles dos a dos (A1. Por ejemplo.P(A ∩ B)=0.A2.An ⊂ Ω tales que Ω=  n Ai i= 1 y Ai ∩ Aj=Ø. AΔB. Métodos para establecer las Probabilidades Iniciales En términos generales. en el experimento aleatorio de lanzar un dado y observar su resultado.. i ≠ j) y equiprobables.011 lo que nos indica que hay una probabilidad de 0. 1) Método de Laplace (basado en consideraciones teóricas y lógicas) Se utiliza en aquellos casos en que es plausible admitir el siguiente postulado. Para llegar a tales probabilidades iniciales hay tres métodos o criterios que pasamos a analizar. . Sea un experimento aleatorio cualquiera con espacio muestral Ω.019 .lo que nos informa que en el 0. resultando que: P(AΔB)=P(A)+P(B)-2P(A ∩ B)=P(A ∪ B) .. resultará que: n  n  P  Ai  = ∑ P ( Ai ) = np 1=P(Ω)=    i =1  i =1 de donde p=P(Ai)= n . d) Ahora el suceso a considerar es la diferencia simétrica entre A y B. 3.4. para afirmar que "bajo el postulado de indiferencia.

.N En el caso del cardinal de A pensamos. 40 y 50.resulta que: mientras que: Una aplicación más compleja y. a la vez. EJEMPLO 2. para que dos personas tengan fechas de cumpleaños distintas hay 365·364 . por cada una de estas formas hay 364 días para la fecha de cumpleaños de la 2ª persona.(Problema de los Cumpleaños) En un grupo de N personas. por cada una de estas formas hay. así. La 1ª persona tiene 365 días para su fecha de cumpleaños. La 1a persona tiene 365 días para su fecha de cumpleaños... 20. El suceso contrario será: A: en un grupo de N personas todas tienen fechas de cumpleaños distintas. ¿con qué probabilidad al menos dos personas tienen la misma fecha de cumpleaños? Evaluar y comentar dicha probabilidad para N=10. también.. también. 365 días para la fecha de cumpleaños de la 2ª persona y. Por tanto: Es decir: P ( A) = Card ( A) Card (Ω ) Para obtener el cardinal de Ω pensamos en un diagrama en árbol. Luego.2. x365=365=RV365. se muestra en el siguiente ejemplo. Sea el suceso A: en un grupo de N personas al menos dos personas tienen la misma fecha de cumpleaños. sucesivamente. Por tanto: Card(Ω)= 365x365x . más interesante. 30. en términos de un diagrama en árbol.

Por cada una de éstas. calcular experimentalmente la probabilidad de que el resultado sea 6. 40 y 50.. 20. al ser: P ( A) = lim n( A) = lim fr ( A) N →∞ N N →∞ resulta que: P ( A) ≅ fr ( A) a partir de un número suficientemente grande de experiencias. 3) Método Bayesiano o Subjetivista (basado en el grado de certidumbre) Se toma como probabilidad de un suceso una medida subjetiva del grado de . 30. de manera que así las tres tengan fechas distintas. N a 6 6 6 1 Por tanto: P ( A) = 365 ·364 ·. Ejemplo Al lanzar un dado....·( 365 − ( N − 1)) 365 N La evaluación de estas probabilidades para N = 10.. Es decir. nos encontraremos con 363 días para la fecha de cumpleaños de la 3ª persona.posibilidades.·( 3 5 −( N − )) =V365 .. Siguiendo con este razonamiento.·( 365 − ( N −1)) 365 N de donde se obtiene que la probabilidad pedida es: P ( A) = 1 − P ( A) = 1 − 365 ·364 ·. 2) Método Frecuencial u Objetivista (basado en la interpretación frecuencial de la probabilidad) Se toma como probabilidad de un suceso la frecuencia relativa del mismo en una serie de experimentos suficientemente grandes. resulta que: C rd ( A) =3 5 ·3 4 ·. se puede ver en la siguiente tabla.

basada en la experiencia y cantidad de información. vendrá dada por La frecuencia relativa de B condicionada a A es el cociente entre la frecuencia relativa del suceso intersección y la frecuencia relativa del suceso A. Introducción Sea un experimento aleatorio consistente en lanzar un dado 50 veces. de los cuales se tiene la siguiente información en términos de frecuencia absoluta: nA=10. Consideremos los siguientes subconjuntos A: resultados múltiplos de 3 y B: resultados pares. y un suceso B ⊂ Ω con P(B)>0. esta frecuencia relativa la podríamos llamar frecuencia relativa de B condicionada a la ocurrencia del suceso A.confianza en que se produzca el suceso en cuestión. 3. n{6}=8 con A ∩ B={6}.2.3. Entonces ∀ ⊂ Ω se A . se considera un experimento aleatorio que realizamos N veces. Se suele utilizar cuando el experimento no puede repetirse o carece de sentido la repetición.1. f ( A / B) = n A∩B 8 = = 0. dados dos sucesos determinados A y B. nB=20. siempre que ésta no sea cero. El comportamiento anterior de la frecuencia relativa condicionada nos indica la manera de definir la probabilidad condicionada. n{3}=2 Veamos la frecuencia con que han aparecido resultados múltiplos de 3. suele combinarse el método frecuencial con el bayesiano. sea nA ∩ B el número de veces que han ocurrido los dos sucesos.4 nB 20 Es decir. Propiedades Sea un espacio muestral Ω. PROBABILIDAD CONDICIONADA 3. queremos determinar la frecuencia relativa del suceso B teniendo en cuenta únicamente las veces que ocurrió el suceso A. Definición de Probabilidad Condicionada. 3.3. de entre los lanzamientos con resultado par. Cuando un experimento puede repetirse.3.

al número real: Análogamente.015 . Ejemplo 3. P( A / B) = P( A ∩ B) 0.3. La multinacional ELECTROWORLD fabrica placas de circuito impreso para ordenadores.008 = = 0.define la probabilidad condicionada de A por B. en su último informe. P(A)=0. P (Ω / B ) = P (Ω ∩ B ) P ( B ) = =1 P ( B) P ( B) 3) Si A1. P( A / B) = P ( A ∩ B ) 0. El Departamento de Calidad de la empresa. P(B)=0. P(A ∩ B)=0.53 P( A) 0.008 = = 0.012.012 El 67% de las placas no conformes en espesor tampoco lo son en superficie.015. B se llama suceso condicionante y representa la probabilidad de que ocurra A sabiendo que ha ocurrido el suceso B. Se puede observar que la probabilidad condicionada cumple los axiomas de una probabilidad. notándose por P(A/B).67 P( B) 0. tenemos: P (( A1 ∪ A2 ) ∩ B ) P (( A1 ∩ B ) ∪ ( A2 ∩ B )) P ( A1 ∩ B ) + P ( A2 ∩ B ) = = = P( B) P( B) P( B) P ( A1 ∩ B ) P ( A2 ∩ B ) = + = P ( A1 / B ) + P ( A2 / B ) P( B) P( B) P ( A1 ∪ A2 / B ) = donde la segunda igualdad se debe a aplicar la propiedad distributiva de las operaciones unión e intersección de sucesos y la tercera por ser la unión de dos sucesos incompatibles. En efecto: 1) 2) P( A / B) = P( A ∩ B) P( B) con P(B)>0 es cociente de dos números no negativos por lo que es no negativo.1. obtuvo los siguientes resultados: A: placas no conformes a superficie y B: placas no conformes a espesor.008 Se pide calcular las probabilidades condicionadas de A/B y B/A e interpretarlas. A2 son incompatibles. P ( B / A) = P( A ∩ B ) P ( A) con P(A)>0 En la probabilidad condicionada P(A/B) el suceso A se llama suceso condicionado.

3. si P(A/B) ≠ P(A) se dice que A es dependiente de B (la información de que ocurrió el suceso B modifica la probabilidad que tiene el suceso A de ocurrir sin conocer dicha información).25 El conocimiento de que ocurrió B no influye en la probabilidad de A. 4.P(A ∩ C)/B). que ser defectuosa en espesor sabiendo que es defectuosa en superficie.1. 2. Sean tres sucesos cualesquiera A. con lo cual B es dependiente de A. P(A)=10/40=0. Así.25 P(A/B)=3/12=0. y se dice que A y B son independientes. P(B/B)=1 P(Ω/B)=0 P(A/B)=1 . DEFINICIÓN Si P(A/B) = P(A) se dice que A es independiente de B (la información de que se ha dado el suceso B no modifica la probabilidad que tiene el suceso A de ocurrir sin conocer dicha información). Por tanto.3. Sean A.El 53% de las placas no conformes en superficie también lo son en espesor. A y B son .B. 3. es más probable ser defectuosa en superficie sabiendo que lo es en espesor. Sucesos Dependientes e Independientes Sea un experimento aleatorio con espacio muestral Ω.4. Analizar la independencia de los siguientes sucesos: 1) A: sacar copas y B: sacar figura. de 40 cartas.B dos sucesos / A.B ⊂ Ω. Entonces P(B/A) ≠ P(B). Entonces: P(A ∩ B) = P(A)P(B/A) = P(B)P(A/B) 3. Entonces se cumple: 1.P(A/B) P(A ∪ C)/B)=P(A/B) + P(C/B) . Propiedad Sea un experimento aleatorio cualquiera con espacio muestral Ω.C ⊂ Ω. y se dice que A y B son dependientes. Ejemplo 3. Sea el experimento aleatorio de extraer al azar una carta de la baraja española.1. con lo cual B es independiente de A. Entonces P(B/A)=P(B). con lo cual nos situamos en el experimento aleatorio condicionado por B. Respectivamente.4 INDEPENDENCIA 3.4. 3. Probabilidad de la Intersección de Dos Sucesos Sea un experimento aleatorio con espacio muestral Ω y sean A y B dos sucesos de Ω. Consideremos que ha ocurrido el suceso B.

III. A y B son independientes. 2) B: sacar figura y C: sacar rey. Poner un ejemplo práctico de utilización de este teorema. Entonces A y B independientes ⇔ P(A ∩ B)=P(A) P(B).4. B y C son independientes por parejas (3 condiciones). P(C/B)=4/12=1/3=0. Ejercicio 3. Sean dos sucesos A. A y B son independientes. Entonces son equivalentes las siguientes afirmaciones: I. 3.1 Demostrar alguna de las equivalencias en este teorema.3 P(C)=4/40=0. Propiedad (Caracterización de la independencia) Sea un experimento aleatorio con espacio muestral Ω. A y B son independientes. luego C es dependiente de B. Sean dos sucesos A. C ⊂ Ω. B.B ⊂ Ω. TEOREMA Sea un experimento aleatorio con espacio muestral Ω. IV. Se dice que A. Conceptos de independencia entre más de dos sucesos Sucesos independientes por parejas Sea un experimento aleatorio con espacio muestral Ω y tres sucesos A.2. B y C son mutuamente independientes o completamente independientes o simplemente independientes cuando: a) A. II. B.independientes. Se dice que A.B ⊂ Ω.1 El saber que ha ocurrido el suceso B sí influye en la probabilidad de C. B y C son independientes POR PAREJAS o DOS A DOS cuando: a) b) c) P(A ∩ B) = P(A) P(B) (A y B independientes) P(A ∩ C) = P(A) P(C) (A y C independientes) P(B ∩ C) = P(B) P(C) (B y C independientes) Sucesos mutuamente independientes Sea un experimento aleatorio con espacio muestral Ω y tres sucesos A. . C ⊂ Ω. A y B dependientes ⇔ P(A ∩ B) ≠ P(A) P(B). A y B son independientes.4.

i ≠ i =1 j. B. con espacio muestral Ω. Sean tres sucesos cualesquiera A.P(An/(A1 ∩ . i.. Conclusiones • Si A.4..j=1... para n sucesos tenemos P(A1 ∩ A2 ∩ . el Teorema de la probabilidad total establece que: . Probabilidad de la Intersección de Varios Sucesos Sea un experimento aleatorio cualquiera. C ⊂ Ω. Entonces se cumple: P(A ∩ B ∩ C)=P(A)P(B/A)P(C/(A ∩ B)) con P(A ∩ B) > 0 Por otra parte. B y C son "mutuamente" independientes ⇒ A ∪ B y C son independientes.b) P(A ∩ B ∩ C)=P(A)P(B)P(C) (1 condición)... De manera que: 3. No se verifica si son independientes por parejas.. • La independencia por parejas no implica la independencia mutua.3.….. 3.... Sea ahora un suceso cualquiera B ∈ Ω y un sistema completo de sucesos {Ai}i=1. • La independencia mutua implica independencia por parejas..5 TEOREMAS DE LA PROBABILIDAD TOTAL Y DE BAYES Teorema de la probabilidad total Consideremos un conjunto de sucesos {Ai}i=1. ∩ An-1 ) > 0.n de Ω tales que cumplen las dos condiciones siguientes: a) b)  n Ai = Ω Ai ∩ A j = Φ .. ∩ An)=P(A1)·P(A2/A1)P(A3/(A1 ∩ A2)). ∩ An-1)) con tal que P(A1 ∩ .... n Un conjunto de sucesos con estas dos propiedades recibe el nombre de sistema completo de sucesos.n tales que P(Ai)>0 para todo valor de i.

5.Es decir. de forma que {A1. 2. fabricando un 50% del total. . . P(A3)=0. Se entiende por probabilidades a posteriori a P(Ai/B). fabricando un 20% del total. El Teorema de Bayes establece que: Demostración Se deja como ejercicio. si el suceso B puede ocurrir por alguna de las causas Ai. fabricando un 30% del total.5.1ª produce un 4% defectuosos. queremos calcular P(Aj/B). Sea el suceso B: un automóvil fabricado en la factoría es defectuoso.1 La empresa Kassan Cars fabrica coches de gama media. consideramos que estamos interesados en conocer la probabilidad de que ocurrido el suceso B la causa que lo haya producido sea la Aj. P(A2)=0. y en su fábrica de Madrid tiene 3 líneas de producción: . P(A1)=0. siendo las probabilidades a priori P(Aj). Ejemplo 3. Demostración Se deja como ejercicio.3. Expresado analíticamente. para i=1. Cuantifica cómo se modifican las probabilidades a priori cuando se dispone de información en el experimento. Tanto las probabilidades a priori como a posteriori siempre suman 1.3ª produce un 1% defectuosos. A3} son una partición o clasificación del espacio muestral Ω. . Teorema de Bayes Bajo las mismas condiciones del teorema anterior.2. la probabilidad de que ocurra es la suma de las probabilidades de las causas por la probabilidad del suceso B condicionado a la causa Ai.2ª produce un 6% defectuosos. Sean los sucesos Ai: un vehículo ha sido fabricado en la línea i-ésima de esta fábrica. 3. A2.

tiene un 41% de probabilidad de pertenecer a la primera línea...4138 P(A3/B)=0. Verosimilitudes: P(B/Ai).n. An} una clasificación o partición de Ω (sucesos incompatibles cuya unión es el espacio muestral) con sus probabilidades.. Probabilidades a posteriori: P(Ai/B).029. al indicarnos lo verosímil que es la ocurrencia del suceso B por cada una de las tres causas Ai.. a) Calcular la probabilidad de que un coche fabricado por Kassan Cars sea defectuoso. A3 Las verosimilitudes no suman necesariamente 1.. calcular la línea más probable donde se ha fabricado. etc.9% =0.n. para i =l. ...P(B/Ai) = 0.. personas.. y a la tercera sólo un 17%. A2. Elementos Teóricos Sea un experimento aleatorio con espacio muestral Ω. Sea {Al. P(B/A3) = 0. P(B)=P(B ∩ Ω)=P(B ∩ (A1 ∪ uA2 ∪ A3))=P((B ∩ A1) ∪ (B ∩ A2) ∪ (B ∩ A3))= = ∑ P( Ai ∩ B) = 0.n. La probabilidad total se puede interpretar como una media ponderada... Observación. para i =l. Porcentaje total de coches defectuosos fabricados en la factoría.. cuando i=l.029 i =1 3 P(B)=2...1724 Sabiendo que un coche es defectuoso.El concepto de partición o clasificación refleja formalmente el hecho habitual en la realidad de clasificar o dividir los conjuntos de objetos. e idéntica probabilidad a la segunda. Entonces: • Teorema de Probabilidad Total: P( B ) = ∑ P ( Ai ) P( B / Ai ) i =1 n • Teorema de Bayes: P( A j / B) = P( A j ) P( B / A j ) ∑ P( A ) P( B / A ) i =1 i i n • • • Probabilidades a priori: P(Aj).n...01 son verosimilitudes (Iikelihood). P(B/A2) = 0. para i =l....04 . P(A1/B)=P(A2/B)=0.06 . b) Sabiendo que un coche es defectuoso.. Sea un suceso B ⊂ Ω del cual se dispone de las probabilidades P(B/Ai)..

el año de fabricación. el nivel de estudios alcanzado. .por algún criterio como puede ser la marca. la provincia de nacimiento. etc.