1

C.E.A. San Francisco Probabilidad

La palabra probabilidad es utilizada con frecuencia en nuestra vida cotidiana:

I : Qu probabilidades crees que tengo?.
J: Me parece que una entre un milln.

En los fenmenos reales observamos los hechos que se producen, repitindose unos con mayor frecuencia
que otros y cuyos resultados pueden estar influenciados por varias causas. Para estudiar estos resultados
construiremos un modelo matemtico de dicho fenmeno. La parte de las matemticas que profundiza en tales
modelos se conoce como teora de las probabilidades.


SUCESOS


DEFINICIONES Y PROPIEDADES

DEFINICIONES

Experimentos aleatorios: son aquellos cuyos resultados no se pueden predecir antes de su realizacin,
es decir, los que no dan siempre el mismo resultado al repetirlos en las mismas condiciones.

Ejemplo 1.: Lanzar un dado o una moneda.

Suceso elemental: es el resultado de cada una de las realizaciones del experimento aleatorio. Suelen
denotarse
i
.

Ejemplo 2.:

a) Cuando se lanza un dado, los sucesos elementales son:
={1}, ={2}, ={3},
1

4
={4},
5
={5},
6
={6}

b) Si se lanza una moneda:
={cara},
1

2
={cruz}

Espacio muestral: Es el conjunto de todos los sucesos elementales y se denota por .

Ejemplo 3.:

a) En el lanzamiento de un dado, el espacio muestral es: ={1, 2, 3, 4, 5, 6}, es decir, todos los
nmeros que se pueden obtener al lanzarlo, que son los que tiene el dado.

b) Si lanzamos 2 monedas y simbolizamos por c la cara y por +la cruz: ={(c,c), (c,+), (+,c), (+,+)}.

Suceso: Se llama as a cualquier subconjunto del espacio muestral. Suelen denotarse por A, B, C, etc.

Ejemplo 4.:

a) En el lanzamiento de un dado el suceso A: salir par es A ={2, 4, 6} puesto que podra salir el 2 o el
4 o el 6 y con cualquier nmero par del dado podemos decir que ha ocurrido el suceso A.

S
S
S
U
U
U
C
C
C
E
E
E
S
S
S
O
O
O
S
S
S


Y
Y
Y


P
P
P
R
R
R
O
O
O
B
B
B
A
A
A
B
B
B
I
I
I
L
L
L
I
I
I
D
D
D
A
A
A
D
D
D





b) Se lanzan 3 monedas, A: obtener al menos una cara es:

A ={(c,+,+),(+,c,+),(c,c,+),(c,+,c),(+,+,c),(c,c,c),(+,c,c)}

(al menos una cara significa que por lo menos hay una cara, pero eso no significa que no puedan
aparecer ms; tambin sirven los casos en los que haya dos y el caso de tres)

Suceso imposible: Es un suceso que no puede producirse nunca, es decir, que sea igual al conjunto
vaco, y se representa por .

Ejemplo 5.:El suceso A: salir el nmero 7 al lanzar un dado es un suceso imposible puesto que en un
dado los nmeros que aparecen en sus caras van del 1 al 6. Luego A =.
Suceso seguro: Se llama as a un suceso que ocurre siempre, es decir, que sea igual al espacio muestral.

Ejemplo 6.: Si en el lanzamiento de un dado consideramos el suceso A: salir un n menor que 8, estamos
ante un suceso seguro ya que se podra obtener un 1 o un 2 o un 3 o un 4 o un 5 o un 6 y todos estos
resultados corresponden a nmeros menores que 8, por tanto, A ={1, 2, 3, 4, 5, 6}=.

Espacio de sucesos, S: Es el conjunto de todos los subconjuntos de

Ejemplo 7.:Si consideramos el lanzamiento de una moneda, tenemos que ={c, +}y S ={ , , {c}, {+}}



OPERACIONES CON SUCESOS


Inclusin: Se dice que un suceso A est contenido en un suceso B, B A , si siempre que se verifica A
tambin se verifica B.

Ejemplo 8.: Lanzamos un dado y consideramos los sucesos A: salir el 2 y B: salir un nmero par. Se
tiene que A B puesto que si obtenemos el 2, ste resultado es un nmero par y por lo tanto ocurre el
suceso B.

Igualdad: Dos sucesos A y B son iguales si y slo si se da la inclusin en ambos sentidos, es decir:

A B y B A B A =

Ejemplo 9.:En el lanzamiento del dado los sucesos A: salir el 2 y B: salir un nmero primo par son
sucesos iguales pues el nico primo par es el 2.

Unin: Lamamos suceso unin, B A , al suceso que se produce si se verifica por lo menos uno de los
dos. Es decir, se verifica A o B o tambin podran darse ambos al mismo tiempo.

Ejemplo 10.: Consideramos los sucesos A: salir nmero par y B: salir nmero primo menor que 4. El
suceso A B comprendera todos los pares junto con los primos menores que 4, es decir: A ={2, 4, 6}, B
={1, 2, 3}y B A ={1, 2, 3, 4, 6}.

Interseccin: Se llama suceso interseccin, B A , al suceso que se produce si se verifican A y B a la
vez.

Ejemplo 11.:Tomando los sucesos A y B del ejemplo anterior se tiene que, cuando sale el nmero 2, ocurre
A pues es un nmero par y tambin sucede B ya que el 2 es menor que 4 y es primo. Este es el nico
resultado con el que se dan A y B simultneamente, luego el suceso interseccin viene representado por el
conjunto B A ={2}.

OBSERVACIN: Al escribir la unin de varios sucesos los elementos de la interseccin los consideraremos
una sola vez.
C.E.A. San Francisco Probabilidad
2






Diferencia de sucesos: El suceso diferencia de los sucesos A y B, denotado B - A , consiste en que se ha
producido A y no se ha producido B.

Ejemplo 12.: Continuando con los sucesos A y B mencionados, se tiene que el suceso A - B corresponde a
la parte de A que no est en B, por tanto: A - B ={4, 6}.

Complementacin: Llamamos suceso contrario o complementario de un suceso A y lo denotaremos por
A , al que se verifica siempre que no se verifica A. De otro modo, el complementario de un suceso A es el
suceso A" ocurrir no " : A .

Ejemplo 13.:Lanzamos tres monedas y nos interesamos por el suceso A: obtener al menos una cara. Su
complementario ser el suceso no obtener ninguna cara o lo que es lo mismo, obtener tres cruces:
A ={(+,+,+)}

OBSERVACIN: Se tiene que A - = A y B A = B - A .


Las operaciones con sucesos definidas anteriormente pueden representarse grficamente de la forma:

C.E.A. San Francisco Probabilidad




PROPIEDADES

La tabla siguiente recoge algunas propiedades para la unin, interseccin y complementacin de sucesos:


Idempotente A A A = A A A =
Conmutativa A B B A = A B B A =
Asociativa
( ) ( ) C B A C B A = ( ) ( ) C B A C B A =
Simplificativa
( ) A A B A = ( ) A A B A =
Distributiva
( ) ( ) ( ) C A B A C B A = ( ) ( ) ( ) C A B A C B A =
Elemento neutro A A = A A =
Complementacin
= A A = A A
A A =
Leyes de Morgan
B A B A = B A B A =



OTRAS DEFINICIONES


Sucesos Incompatibles: Dos sucesos A y B se dice que son incompatibles cuando no pueden darse
simultneamente, es decir, si y slo si = B . A

B A
A
B
B A
A
B
A
A - B
B
A
. A - = A
3





Ejemplo 14.: En el lanzamiento de un dado, los sucesos A: salir par y B: salir impar son incompatibles ya
que un nmero no puede ser par e impar al mismo tiempo.

Sistema Completo de Sucesos (S.C.S.): Se dice que una coleccin de sucesos
n 2
forma un
sistema completo de sucesos, cuando son incompatibles dos a dos y la unin de todos ellos es el espacio
muestral, es decir, si se cumplen las condiciones siguientes:
1
A ,..., A , A

1. j i = A A
j i

2. = A ... A A
n 2 1

Ejemplo 15.:Los sucesos elementales, puesto que no pueden darse a la vez y el espacio muestral es por
definicin el conjunto formado por dichos sucesos, constituyen claramente un S.C.S.

C.E.A. San Francisco Probabilidad
4





PROBABILIDAD


DEFINICIONES

Clsica: Supongamos un experimento aleatorio que se repite n veces y A un suceso asociado a dicho
experimento que ha ocurrido
A
n veces en esas n pruebas. Llamamos probabilidad de A, y lo denotaremos
P(A), al cociente:
n
n
= P(A)
A


Espacio Probabilstico: La terna formada por (, S, P) se llama espacio probabilstico.




PROPIEDADES


1. La probabilidad del suceso seguro (espacio total, ) es 1 y la
del suceso imposible (vaco, es 0):
1 ) P( = ; 0 = ) P(
2. El valor de la probabilidad de un suceso siempre se encuentra
entre 0 y 1:
1 P(A) 0
3. Para el complementario de un suceso A se cumple: P(A) - 1 = ) A P(
4. Cuando un suceso est incluido en otro, sus probabilidades
estn relacionadas de la forma:
P(B) P(A) B A
5. La probabilidad de la unin de dos sucesos verifica:
B) P(A - P(B) + P(A) = B) P(A

Cuando A y B son incompatibles, como = B A , esa probabilidad se reduce a
. P(B) + P(A) = B) P(A
Supongamos que tenemos tres sucesos y queremos calcular la probabilidad de su unin. Para ello
utilizaremos la propiedad conocida para dos:

( )
C) B P(A + C) P(B - C) P(A - B) P(A - P(C) + P(B) + P(A)
= C)) B P(A - C) P(B + C) (P(A - P(C) + B) P(A - P(B) + P(A)
= C) (B C) (A P - P(C) + B) P(A - P(B) + P(A)
= C) B) P((A - P(C) + B) P(A = C) B) P((A = C) B P(A






C) B P(A + C) P(B - C) P(A - B) P(A - P(C) + P(B) + P(A) = C) B P(A

Este resultado puede generalizarse para una cantidad n de manera que iran apareciendo adems
todas las intersecciones de tres sucesos, las de cuatro, cinco, etc. hasta llegar a la interseccin de los
n sucesos, alternndose el signo de la misma forma que en el obtenido para tres.

6. Para la diferencia de dos sucesos, A-B, se tiene:
B) P(A - P(A) = B) - P(A






C.E.A. San Francisco Probabilidad
5








DEFINICIN CLSICA DE LAPLACE

Supongamos un espacio muestral con un nmero finito n de sucesos elementales
1
,...,
n

equiprobables , es decir, P( ) =...=P( ). Podemos calcular esta probabilidad aplicando las propiedades
anteriores de la forma siguiente:

1 n
1 =P() =P( ... ) =P( ) +...+P(
1

k 1

n
) = n P(
i
) i
n
1
= ) P(
i

como por hiptesis son equiprobables, estamos sumando n
veces la probabilidad de uno cualquiera de ellos




Consideremos ahora un suceso A del espacio de sucesos S correspondiente a , formado por k de esos n
sucesos elementales (k n), A ={ ,..., }. Escribiendo A como la unin de tales sucesos, se tiene:
i1 ik
P(A) =P( ... ) =P( ) +...+P( ) =
i1

ik

i1

ik

n
1
...
n
1
+ + =k
n
1

n
k
= P(A)

Llegamos as a la definicin clsica de Laplace:

posibles casos n
favorables casos n
=
n
k
= P(A)

Ejemplo 16.: Lanzamos un dado al aire y queremos calcular la probabilidad del suceso

A: salir un nmero par. Supondremos que el dado no est cargado, es decir, que todos los nmeros tienen la
misma probabilidad de salir. Los resultados posibles en el lanzamiento son cada uno de los nmeros de las
caras del dado, luego el espacio muestral es ={1, 2, 3, 4, 5, 6}y los casos favorables sern todos aquellos
resultados en los que se obtenga un nmero par, as, A ={2, 4, 6}. Tenemos seis casos posibles y tres
favorables, por tanto la probabilidad que buscamos es:

2
1
=
6
3
= P(A)



PROBABILIDAD CONDICIONAL

Cuando se desarrolla un experimento aleatorio, algunos sucesos se relacionan de modo que el conocimiento
de la realizacin de uno de ellos interviene en la obtencin de otro suceso y por tanto influye en su
probabilidad.

DEFINICIONES

Probabilidad Condicional: Supongamos un suceso A de probabilidad no nula y otro suceso cualquiera B.
Lamamos probabilidad de B condicionada al suceso A, y se representa por ) A | B ( P , al nmero definido
por el cociente:
) A ( P
B) P(A
) A | B ( P

=

Ejemplo 17.:Se lanzan dos dados al aire y se sabe que el resultado total de puntos ha sido 8. Queremos
calcular la probabilidad de que en alguno de los dados haya salido el nmero 5. Primero daremos nombre
a los sucesos que intervienen, llamaremos:

C.E.A. San Francisco Probabilidad
6






A: la suma de puntos es 8
B: en algn dado sale el 5

Estamos buscando la probabilidad del suceso B pero no como tal sino condicionada a un suceso que
sabemos que ha ocurrido y del cual conocemos su probabilidad que es el suceso A; en realidad nos
preguntamos por la probabilidad de que en algn dado haya salido el 5 si el resultado ha sido de 8 puntos,
es decir, . Escribiremos todos los pares de puntos que corresponden a cada uno de nuestros
sucesos:
) A | B ( P

A ={(2,6), (6,2), (3,5), (5,3), (4,4)}
B ={(1,5), (2,5), (3,5), (4,5), (5,5), (6,5), (5,1), (5,2), (5,3), (5,4), (5,6)}

necesitamos tambin el suceso interseccin: B A ={(3,5), (5,3)}

Para calcular la probabilidad que buscamos tenemos que hallar primero las probabilidades de los sucesos
A y B A ; lo haremos utilizando la definicin de Laplace. La cantidad de resultados posibles en el
lanzamiento de dos dados es de 36, por tanto:
36
5
P(A) =
36
2
B) P(A =
Entonces:
5
2
36 / 5
36 / 2
) A ( P
B) P(A
) A | B ( P = =

=
La probabilidad del suceso B como tal, sin estar condicionado a otro suceso, sera simplemente la
probabilidad de que al lanzar dos dados por lo menos en uno de ellos salga el 5, que es
36
11
) B ( P = .

Sucesos Independientes: Dos sucesos A y B se dice que son independientes cuando la realizacin de
uno de ellos no condiciona la del otro. Esto significa que ) B ( P ) A | B ( P = y que ) A ( P ) . B | A ( P =

Ejemplo 18.: Si tiramos una moneda al aire varias veces, el resultado obtenido en un lanzamiento no influye
en el resultado de los restantes.

Podemos decir que la condicin necesaria y suficiente para que dos sucesos A y B sean independientes
es que la probabilidad de su interseccin coincida con el producto de sus probabilidades:

) B ( P ) A ( P ) B A ( P ntes independie B y A =

Utilizando esto para relacionar sucesos incompatibles y sucesos independientes se tiene que si A y B, no
imposibles, son dos sucesos incompatibles entonces A y B no pueden ser independientes ya que por la
incompatibilidad se tendra , luego su probabilidad B = B A P( A ) =0, mientras que como P(A) y
P(B) son no nulos, su producto P(A)P(B) 0; por tanto al no cumplirse la igualdad entre el producto de las
probabilidades y la probabilidad de la interseccin y ser la condicin anterior necesaria y suficiente es
deduce que los sucesos no son independientes.


OBSERVACIONES:

1. Dado un suceso fijo A, esta funcin que asocia a cualquier suceso B el nmero ) A | B ( P cumple:

) A | B ( P 1 ) A | B ( P =


Ejemplo 19.: Consideremos el ejemplo 17, y queremos calcular la probabilidad del suceso C: en ninguno
de los dados ha salido el nmero 5 sabiendo que el resultado suma un total de 8 puntos.
Podramos seguir los mismos pasos, es decir, escribir ahora todos los pares en los que no aparece el
C.E.A. San Francisco Probabilidad
7





nmero 5 para obtener el suceso C y calcular las probabilidades necesarias; pero el conjunto de pares que
comprende C es muy grande y nos resulta mas sencillo hallar su complementario que es:

C: en algn dado sale el 5 (es el suceso denotado antes por B)

Utilizaremos pues el suceso contrario de C para calcular la probabilidad buscada. As:

5
3
5
2
1 ) A | C ( P 1 ) A | C ( P = = =

2. De la definicin se deduce la siguiente igualdad para la interseccin de dos sucesos:

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

siendo A el suceso que condiciona, es decir, la probabilidad de la interseccin es el producto de la
probabilidad del suceso que condiciona por la probabilidad condicional correspondiente. Por tanto, en caso
de conocer las probabilidades condicionadas a B, escribiremos:

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


Ejemplo 20.: Supongamos una urna con 4 bolas verdes y 3 amarillas. Se realizan dos extracciones sin
reemplazamiento, o lo que es lo mismo, sacamos una bola y sin devolverla sacamos una segunda bola.
La probabilidad que pretendemos hallar es la probabilidad de que la primera bola extrada sea amarilla y la
segunda verde.

Denotamos por:
total: 7 bolas
3 amar.
4 verd.
1 bola 2 bola

i
A : salir bola amarilla en la extraccin i i =1, 2
i
V : salir bola verde en la extraccin i i =1, 2

As, por ejemplo, significar que la segunda bola que sacamos es amarilla.
2
A

Nos interesamos por el suceso 1 amarilla y 2 verde; con esta notacin podemos escribir este suceso
como interseccin de dos sucesos,
2 1
V A .

Entonces:
7
2
6
4
7
3
) A | V ( P ) A ( P ) V A ( P
1 2 1 2 1
= = =

C.E.A. San Francisco Probabilidad
7
3
) A ( P
1
= puesto que hay un total de 7 bolas y de ellas 3 son amarillas
6
4
) A | V ( P
1 2
= ya que en la urna tenemos ahora una bola menos por realizarse extracciones sin
reemplazamiento y el nmero de bolas verdes es de 4, pues la anterior ha sido amarilla




Veamos ahora algunas frmulas que nos permiten el clculo de probabilidades de sucesos a partir de
probabilidades condicionales ya conocidas:


TEOREMA DE INTERSECCIN

Es una generalizacin de la probabilidad de la interseccin de dos sucesos para una cantidad finita n.
8






Sean n sucesos tal que
n 2 1
A ,..., A , A 0 ) A ... A | A P(
1 n 1 n
>

, entonces:

) A ... A | A ( P )... A A | A ( P ) A | A ( P ) A ( P ) A ... A P(
1 n 1 n 2 1 3 1 2 1 n 1
=


Ejemplo 21.: En una urna hay 5 bolas negras y 7 rojas. Se realizan cuatro extracciones sin
reemplazamiento y nos preguntamos por la probabilidad de que salgan la primera y la segunda
rojas, la tercera negra y la cuarta roja.
total: 12
5 negras
7 rojas
bolas

Denotaremos los sucesos por y , donde N y R hacen referencia al color de la bola y el
subndice i indica la extraccin a la que corresponde.
i
N
i
R
Buscamos la probabilidad del suceso interseccin:
4 3 2 1
R N R R
Aplicando la frmula producto anterior tenemos:
396
35
9
5
10
5
11
6
12
7
) N R R R ( P ) R R N ( P ) R R ( P ) R ( P ) R N R R P(
3 2 1 4 2 1 3 1 2 1 4 3 2 1
= = =

Los denominadores corresponden al total de bolas, el cual va disminuyendo en uno en cada extraccin pues la
bola no se devuelve a la urna, y los numeradores se refieren al nmero de bolas negras o rojas que van
quedando y que depende del color de la bola en la extraccin anterior.


TEOREMA DE LA PARTICIN O DE LA PROBABILIDAD TOTAL

Sea un S.C.S { }tal que
n 2 1
A ,..., A , A n ,..., 1 i 0 ) A ( P
i
= . Entonces para un suceso cualquiera B se verifica:

) A | )P(B P(A + ... + ) A | )P(B P(A + ) A | )P(B P(A = P(B)
n n 2 2 1 1


Escrito como sumatorio: ) A | P(B ) P(A = P(B)
i
n
1 i
i

=

Ejemplo 22.:Consideremos dos urnas con bolas rojas y negras. La primera contiene 3 rojas y 4 negras y la
segunda 5 rojas y 3 negras. Sacamos una bola de la urna nmero 1 y sin ver su color la introducimos en la
urna nmero 2 y a continuacin extraemos de sta una bola. Nos preguntamos por la probabilidad de que esta
segunda bola sea roja.
En primer lugar, haremos un pequeo esquema del experimento y daremos nombre a los sucesos que
intervienen:


1 bola 2
3 rojas
4 negras
URNA 1
total: 7 bolas
bola
URNA 2
total: 8 bolas
5 rojas
3 negras

Denotaremos por R y N a los sucesos relacionados con salir
roja y salir negra, respectivamente, acompaados con el
subndice 1 o 2 para indicar la urna de la que extraemos la
bola.

As, el suceso representar: la 1 bola sale roja.
1
R


Con esta notacin, nos estamos preguntando entonces por la probabilidad del suceso , pero la composicin
de la segunda urna cambia, es decir, a la urna 2 aadimos una bola, con lo cual tendr un total de 9 y el
nmero de rojas y negras variar segn el color de la bola en la extraccin anterior: habr 6 rojas y 3 negras si
la primera ha salido roja, y 5 rojas y 4 negras si la primera ha sido negra. Por tanto el suceso depende del
color de la primera bola que puede ser o bien roja o bien negra y adems no pueden darse al mismo tiempo,
por tanto los sucesos y forman un S.C.S. Aplicando la frmula anterior:
2
R
2
R
1
R
1
N
C.E.A. San Francisco Probabilidad
9





63
38
=
9
5
7
4
9
6
7
3
= ) N | P(R ) P(N + ) R | P(R ) P(R = ) P(R
1 2 1 1 2 1 2
+

Otra forma (sin aplicar directamente la frmula):

Teniendo en cuenta que el estado de la segunda urna depende del color de la bola extrada de la urna 1, la
probabilidad de que la segunda bola sea roja puede expresarse considerando todas las opciones para las que
la segunda es roja, que son: la primera ha salido roja y la segunda tambin, o, la primera ha salido blanca y la
segunda roja. Adems estas dos nicas situaciones no pueden darse al mismo tiempo, puesto que si la
primera es roja no puede ser tambin blanca. De esta forma el suceso puede escribirse como la unin de
dos sucesos incompatibles:
2
R
) R (N ) R (R = R
2 1 2 1 2


Por tanto, el clculo de su probabilidad se reduce al clculo de la probabilidad de la unin de dos sucesos:

)) R (N ) R P((R = ) P(R
2 1 2 1 2



Utilizando ahora la propiedad 5 sobre la probabilidad de una unin, llegamos a la misma expresin que nos da
el teorema de la probabilidad total:
) N | R ( P ) P(N ) R | R ( P ) P(R ) R P(N ) R P(R )) R (N ) R P((R = ) P(R
1 2 1 1 2 1 2 1 2 1 2 1 2 1 2
n intersecci una
para ad probabilid
la ndo desarrolla
0. sera
n intersecci la
de ad probabilid
la vez, la a darse
pueden no como
+ = + =




TEOREMA DE BAYES

Sea un S.C.S { } tal que
n 2 1
A ,..., A , A n ,..., 1 i 0 ) A ( P
i
= y se considera un suceso B cualquiera. Entonces:

n 1,2,..., = k
) A | )P(B P(A
) A | )P(B P(A
= B) | P(A
n
1 i=
i i
k k
k

El denominador desarrollado sera la suma siguiente:

) A | )P(B P(A + ... + ) A | )P(B P(A + ... + ) A | )P(B P(A + ) A | )P(B P(A
n n k k 2 2 1 1

Esta frmula puede comprobarse fcilmente utilizando la definicin de probabilidad condicional, la probabilidad
de una interseccin y el teorema de la probabilidad total.


Ejemplo 23.: Supongamos una urna con 3 bolas blancas, 4 negras y 2 rojas. El experimento consiste en sacar
una bola y devolverla a la urna junto con 2 del mismo color. Se realizan dos extracciones y se sabe que la
segunda bola ha sido negra. Nos preguntamos por la probabilidad de que la primera bola haya sido blanca.

C.E.A. San Francisco Probabilidad

Llamamos, para i =1,2:

: salir blanca en la extraccin i
i
B
1 bola
: salir negra en la extraccin i
i
N
: salir roja en la extraccin i
i
R


Puesto que la situacin de la urna para la segunda extraccin
depende de si en la primera ha salido roja o blanca o negra, los
2 bola
+2 igual color
que 1
3 blancas
4 negras
2 rojas
total: 9 bolas
10





sucesos { , , }forman un sistema completo de sucesos.
1
R
1
B
1
N
La probabilidad que nos interesa es y no P( ), es decir, la probabilidad de que la primera haya
sido blanca si la segunda nos ha salido negra.
) N | P(B
2 1 1
B

Para la segunda extraccin el nmero de bolas ha cambiado; el total es de 11 y habr 2 blancas mas o 2
negras mas o 2 rojas mas dependiendo del color de la bola extrada en primer lugar.
Por el teorema de Bayes podemos escribir entonces que:

11
3
=
11 6 9 4 11 4 9 3 11 4 9 2
11 4 9 3
=
) N | )P(N P(N + ) B | )P(N P(B + ) R | )P(N P(R
) B | )P(N P(B
= ) N | P(B
1 2 1 1 2 1 1 2 1
1 2 1
2 1
+ +



Tambin puede plantearse utilizando la definicin de probabilidad condicionada:
) P(N
) B | )P(N P(B
= ) N | P(B
2
1 2 1
2 1

y encontrar por separado cada uno de los trminos. Al calcular habr que considerar todas las
situaciones posibles para la bola anterior, con lo cual, aparecer la expresin del teorema de la probabilidad
total, que es justo el denominador del teorema de Bayes.
) P(N
2
C.E.A. San Francisco Probabilidad
11