INTRODUCCION

En el cálculo de probabilidades de algunos sucesos, el valor de dicha probabilidad varía

en función del conocimiento de determinadas informaciones relativas a estos sucesos.
En este sentido la probabilidad condicionada nos da las herramientas necesarias para
calcular una determinada probabilidad teniendo en cuenta dichas informaciones
adicionales.

Pero conocer cierta información adicional, por ejemplo saber que ha ocurrido un
suceso, no siempre modifica la probabilidad de otro suceso. Los sucesos en los que
sabiendo que uno se ha verificado, no se modifica la probabilidad del otro, decimos
que son independientes, en cambio, si se modifica la probabilidad del otro, decimos
que son dependientes entre sí.

El concepto de dependencia e independencia de sucesos fue presentado y aplicado al

Cálculo de Probabilidades por De Moivre en 1711, y posteriormente extendido por
Thomas Bayes (1702-1761), quien además expresó la probabilidad condicionada en
función de la probabilidad de la intersección.

Dos años después de la muerte de Bayes se publicó un trabajo en el que, por vez
primera, se calculaba la probabilidad de las causas a partir de los efectos que se han
observado. A pesar de que fue Laplace quien mejoró y desarrolló la mayor parte de
dichas probabilidades, el cálculo de éstas recibe el nombre de teorema de Bayes.

En los problemas relacionados con la probabilidad, y es especial con la probabilidad

condicionada, así como con la probabilidad total y el teorema de Bayes, resulta
interesante y recomendable organizar la información y los datos del problema en
tablas de contingencia o en diagramas de árbol. Además, es muy útil desde el punto de
vista metodológico.

TEOREMA DE LA PROBABILIDAD TOTAL

El teorema de la probabilidad total nos permite calcular la probabilidad de un evento a

partir de las probabilidades condicionales. Sean n eventos incompatibles
𝐴1 , 𝐴2 … , 𝐴𝑛 𝑦 𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 = Ω, y un evento cualquiera B del espacio
muestral Ω. Conocidas las probabilidades
), ), ⁄ ⁄ ⁄
𝑃(𝐴1 𝑃(𝐴𝑛 … , 𝑃(𝐴𝑛 ) 𝑦 𝑃(𝐵 𝐴1 ), 𝑃(𝐵 𝐴2 ), … , 𝑃(𝐵 𝐴𝑛 ); la probabilidad de B,
denominada probabilidad total, se calcula con la formula:

𝑷(𝑩) = 𝑷(𝑨𝟏 ) . 𝑷 (𝑩⁄𝑨𝟏 ) + 𝑷(𝑨𝟐 ) . 𝑷(𝑩⁄𝑨𝟐 ) + ⋯ + 𝑷(𝑨𝒏 ) . 𝑷(𝑩⁄𝑨𝒏 )

 EJERCICIOS
1.- Tenemos 3 parcelas con cultivo de soja Glicene max, donde ha atacado el hongo
fumagina. La primera parcela contiene 400 plantas sanas y 400 plantas enfermas, la
segunda parcela contiene 300 sanas y 100 enfermas, y la tercera parcela 600 plantas
sanas y 400 enfermas. Se elige una parcela al azar y después de extraer una planta.
Calcular la probabilidad de que la planta extraída este enferma.

Solución:

Denotemos por E al suceso “la planta extraída está enferma”, y por 𝑈𝑖 , 𝑖 = 1,2,3, al
suceso “la planta elegida es la 𝑖 − 𝑒𝑠𝑖𝑚𝑎”. Entonces, por el teorema de la probabilidad
total, la probabilidad buscada es:

𝑃(𝐸) = 𝑃(𝑈1 ). 𝑃(𝐸 ⁄𝑈1 ) + 𝑃(𝑈2 ). 𝑃(𝐸 ⁄𝑈2 ) + 𝑃(𝑈3 ). 𝑃(𝐸 ⁄𝑈3 )

1 400 1 100 1 400 17

𝑃(𝐸) = . + . + . =
3 800 3 400 3 600 36

La Probabilidad De Extraer Una Planta Enferma Es De 0,47

2.- En una campaña de arroz Juan dispone de semillas de tres variedades de arroz; NIR,
esperanza y tinajones. Al elegir una variedad de semilla al azar las probabilidades son
las siguientes: NIR (0,5); esperanza (0,3) y tinajones (0,2). Lo que Juan no sabe que
según la variedad que siembre podrá obtener mayor ganancia. Si:
 Elige NIR tiene la probabilidad de ganar del 40%
 Elige esperanza tiene la probabilidad de ganar del 60%
 Elige tinajones tiene la probabilidad de ganar del 80%
¿Qué probabilidad tendrá Juan de ganar en la campaña?
 Variedad NIR Variedad ESPERANZA Variedad TINAJONES

Solución:

 Identifiquemos e interpretamos en el margen de las posibilidades.

 Aplicamos la formula de probabilidad total.
N= NIR
E= esperanza
T= tinajones

𝑃(𝑔𝑎𝑛𝑎𝑟) = 𝑃(𝐺) = 𝑃(𝑁). 𝑃(𝐺 ⁄𝑁) + 𝑃(𝐸). 𝑃(𝐺 ⁄𝐸) + 𝑃(𝑇). 𝑃(𝐺 ⁄𝑇)

𝑃(𝐺) = 0,5 . 0,4 + 0,3 . 0,6 + 0,2 . 0,8 = 0,54

LA PROBABILIDAD DE QUE JUAN GANE EN LA CAMPAÑA ES DE 54%

3.- un comerciante de frutas desea verificar si la fruta que vende (guayabas) presentan
la larva de la mosca de la fruta, para ello elije al azar 3 cajas de su mercadería. La
primera contiene 100 guayabas de las cuales hay 40 que tienen la larva de la mosca, en
la segunda hay 60 guayabas estando 10 de ellos con la larva de la mosca, y en la
tercera caja hay 30 guayabas picadas de un total de 80. ¿Cuál es la probabilidad de que
al tomar una guayaba al azar de una de las cajas, este atacado por dicha larva?
Solución:

 Definimos los sucesos :

𝐴1 = 𝑒𝑙𝑒𝑗𝑖𝑟 𝑐𝑎𝑗𝑎 1
𝐴2 = 𝑒𝑙𝑒𝑗𝑖𝑟 𝑐𝑎𝑗𝑎 2
𝐴3 = 𝑒𝑙𝑒𝑗𝑖𝑟 𝑐𝑎𝑗𝑎 3

Entonces 𝑃(𝐴1 ) = 𝑃(𝐴2 ) = 𝑃(𝐴3 ) = 1⁄3 y los sucesos cumplen la hipótesis del
teorema.

𝑃(𝑓𝑟𝑢𝑡𝑎 𝑚𝑎𝑙𝑜𝑔𝑟𝑎𝑑𝑎) = 𝑃(𝑀)

𝑃(𝑀) = 𝑃(𝑀 ⁄𝐴1 ) . 𝑃( 𝐴1 ) + 𝑃(𝑀⁄𝐴2 ) . 𝑃( 𝐴2 ) + 𝑃(𝑀⁄𝐴3 ) . 𝑃( 𝐴3 )

40 1 10 1 30 1 113
=( ) .( ) + ( ) .( ) + ( ) .( ) =
100 3 60 3 80 3 360

La probabilidad de obtener una guayaba malograda es de 31%.

4.-Una compañía de tractores dedicada al arado de la tierra, explota 3 distritos de una

ciudad, de forma que el 60% de los tractores cubre el servicio del primer distrito, el
30% cubre el segundo y el 10% cubre el servicio del tercer distrito. Se sabe que la
probabilidad de que, diariamente, un tractor se averié es del 2%, 4% y 1%
respectivamente para cada distrito. Determinar la probabilidad de que en un día, un
tractor sufra una avería.

Solución:

El suceso “sufre una avería” (Av) puede producirse en los tres líneas, (L1,L2,L3)
Según el teorema de la probabilidad total y teniendo en cuenta las probabilidades del
diagrama del árbol tenemos:
𝑃(𝐴𝑉 ) = 𝑃(𝐿1 ) . 𝑃(𝐴𝑉 ⁄𝐿1 ) + 𝑃(𝐿2 ) . 𝑃(𝐴𝑉 ⁄𝐿2 ) + 𝑃(𝐿3 ) . 𝑃(𝐴𝑉 ⁄𝐿3 )

𝑃(𝐴𝑉 ) = 0,6 . 0,02 + 0,3 . 0,04 + 0,1 . 0,01

𝑃(𝐴𝑉 ) = 0,012 + 0,012 + 0,001 = 0,025

La probabilidad de que en un día, un tractor sufra una avería ES DE 2,5 %

5.- Un agricultor que produce banano de exportación tiene su cultivo distribuido en 4

parcelas: 𝑃1 , 𝑃2 , 𝑃3 𝑦 𝑃4 . el porcentaje de produccion total que se produce en cada
parcela es del 40%, 30%, 20% y 10%, respectivamente, y ademas el porcentaje de que
presenten “mancha roja” en cada parcela es del 1%, 2%, 7% y 4%. Tomamos una
muestra de toda la producción al azar ¿cuál es la probabilidad que se encuentre
atacado por dicha mancha?

Solución:

Llamando la muestra que esta atacada por la “mancha roja”, se tiene que esta muestra
puede proceder de cada una de las cuatro parcelas y, por lo tanto, según el teorema de
la probabilidad total y teniendo en cuenta la probabilidad del diagrama del árbol
tenemos:
𝑃(𝑀) = 𝑃(𝑃1 ) . 𝑃(𝑀 ⁄𝑃1 ) + 𝑃(𝑃2 ) . 𝑃(𝑀⁄𝑃2 ) + 𝑃(𝑃3 ) . 𝑃(𝑀⁄𝑃3 ) + 𝑃(𝑃4 ) . 𝑃(𝑀⁄𝑃4 )

𝑃(𝑀) = 0.4 . 0.1 + 0.3 . 0.02 + 0.2 . 0.07 + 0.1 . 0.04

𝑃(𝑀) = 0.004 + 0.006 + 0.014 + 0.004 = 0.028

La probabilidad que se encuentre atacado por dicha mancha ES DE 2.8%

TEOREMA DE BAYES

El teorema de Bayes se basa en el proceso inverso al del teorema de la probabilidad

total. Observa:

 Teorema de la probabilidad total. A partir de las probabilidades del evento A

(probabilidad de que elija azul, verde o rojo), deducimos la probabilidad del
evento B (que gane el sorteo).

 Teorema de Bayes. A partir de que ha ocurrido el evento B (gano el sorteo),

deducimos las probabilidades del evento A (¿eligió azul, verde o rojo?).

Si se divide el espacio muestral 𝛀 en unj conjunto de n eventos incompatibles

𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑛 donde Ω = 𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 y se considera un evento cualquiera
B, conocida la probabilidad de B ( que ha de ser distinta de cero), la probabilidad a
posteriori para cada 𝐴𝑖 (con 𝑖 = 1; 2; … ; 𝑛) se obtiene mediante el llamado teorema
de bayes :
 𝑷(𝑨𝒊 ) . 𝑷(𝑩⁄𝑨𝒊 ) 𝑷(𝑨𝒊 ∩ 𝑩)
𝑷(𝑨𝒊 ⁄𝑩) = =
𝑷(𝑩) 𝑷(𝑩)

EJERCICIOS
1.- tenemos tres parcelas con limón: parcela a con 30 plantas del tipo limón sutil y 50
del tipo limón tahití, la parcela b con 20 plantas de limón sutil y 10 de limón tahití y la
parcela c con 20 de limón sutil y 30 de limón TAHITÍ. escogemos una parcela al azar y
escojemos una planta. si la planta ha sido del tipo limón sutil, ¿cuál es la probabilidad
de haber sido extraída de la parcela a?

Solución:
Llamamos S = "OBTENER UNA PLANTA DE LIMÓN SUTIL " y
T= " OBTENER UNA PLANTA DE LIMÓN TAHITÍ".

APLICAMOS EL diagrama deL árbol DONDE pueden verse las distintas probabilidades
de ocurrencia de los sucesos S o T para cada una de las tres PAR CELas.

La probabilidad pedida es P(A/S). Utilizando el teorema de Bayes, tenemos:

𝑃(𝐴) . 𝑃(𝑆⁄𝐴)
𝑃(𝐴⁄𝑆) =
𝑃(𝐴). 𝑃(𝑆⁄𝐴) + 𝑃(𝐵) . 𝑃(𝑆⁄𝐵) + 𝑃(𝐶) . 𝑃(𝑆⁄𝐶)

1 30
= 3 . 80 =
45
= 0.260
1 30 1 20 1 20 173
. + . + .
3 80 3 30 3 50
2.- Una fábrica que produce FERTILIZANTES para la AGRICULTURA tiene 3 máquinas, a
las que se les denomina A, B y C. La máquina A produce UREA, la B FOSFATO y la
CSULFATO DE POTASIO. La máquina A produce el 50% de la producción total de la
fábrica, la B el 30% y la C el 20%. Los porcentajes de artículos defectuosos producidos
por las máquinas son, respectivamente, 3%, 4% y 5%. Si se selecciona un artículo al
azar y se observa que es defectuoso, encontrar la probabilidad de que sea UREA.

Solución:

Definamos el evento D como sea un artículo defectuoso. De acuerdo a esto tenemos

que:

P(A) = 0.5 P(D | A) = 0.03

P(B) = 0.3 P(D | B) = 0.04

P(C) = 0.2 P(D | C) = 0.05

Si el artículo del que deseamos calcular la probabilidad es UREA, significa que es

producido por la máquina A. También observamos que en la solución solamente
participan los artículos defectuosos, ya que se pone por condición esta característica.
Por lo tanto:

3.-En cierta planta de envasadora de productos agrícolas dispone de tres máquinas B

B B , que envasan 30%, 45% y 25% de los productos, respectivamente. Se sabe
de la experiencia pasada que 2%, 3%, y 2% de los productos envasados por cada
máquina, respectivamente, tiene defectos. Ahora, suponga que se selecciona de forma
aleatoria un producto terminado y se encuentra que es defectuoso, ¿cuál es la
probabilidad de que esté envasado por la máquina B ?

Solución:
Considere los eventos siguientes:

A: el producto está defectuoso,

B : el producto está ensamblado por la máquina B .

B : el producto está ensamblado por la máquina B .

B : el producto está ensamblado por la máquina B .

Al aplicar el teorema, podemos escribir:

De los datos del problema sabemos que:

Entonces:

Así, al seleccionar de forma aleatoria un producto terminado y encontrar que es

defectuoso, la probabilidad de que esté haya sido ensamblada por la máquina B es
del 20%.

4.- Dos tratamientos A y B. curan UNA DETERMINADA enfermedad EN EL CULTIVO DE

SOJA GLICINE MAX en un 20% y en un 30% de los casos, respectivamente. Suponiendo
que ambos actúan de modo independiente, ¿cuál de las dos estrategias siguientes es
mejor?

a) Aplicar ambos tratamientos a la vez.

b) Aplicar primero el tratamiento B, y si no surte efecto aplicar el tratamiento A:

RESOLUCIÓN. Sean los sucesos:

A = {el tratamiento A cura una determinada enfermedad};

B = {el tratamiento B cura la misma enfermedad}.

Por hipótesis sabemos que 𝑃(𝐴) = 0.2 𝑦 𝑃(𝐵) = 0.3

A) Consideramos en primer lugar la estrategia de aplicar ambos tratamientos a la

vez. La probabilidad que tiene dicha estrategia de curar la enfermedad viene
dada por:

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵),

pues al aplicar ambos tratamientos a la vez, o bien actúa uno, o bien el otro, o bien los
dos al mismo tiempo.

Ahora bien, se supone que los tratamientos actúan de manera independiente, por lo
que

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) . 𝑃(𝐵) = 0.2 . 0.3 = 0.06,

y entonces

𝑃(𝐴 ∪ 𝐵) = 0.2 + 0.3 − 0.06 = 0.44,

Luego, los dos tratamientos aplicados a la vez curan la enfermedad en un 44% de los
casos.

B) Si aplicamos primero el tratamiento B, puede ocurrir que éste cure la

enfermedad o no. Si cura la enfermedad, esta estrategia tiene probabilidad P(B)
= 0:3. Si el tratamiento B no surte efecto entonces aplicamos el tratamiento A,
cuya probabilidad de curación es P(A) = 0:2. Por tanto, esta estrategia tiene una
probabilidad de curar la enfermedad de

max{𝑃(𝐴), 𝑃(𝐵)} = max{0.2 , 0.3} = 0.3.

En conclusión, podemos afirmar que la primera estrategia es mejor que la segunda,

con un 14% más de éxitos.
OBSERVACIÓN. El apartado b) también puede resolverse mediante probabilidades
condicionadas.

Ciertamente, la probabilidad de la segunda estrategia viene dada por:

max{𝑃(𝐵), 𝑃(𝐴⁄𝐵 𝐶 )},

Pues el tratamiento A se aplica una vez se sabe que el tratamiento B no ha funcionado.

En general, dados dos sucesos independientes 𝐴 𝑦 𝐵 cualesquiera, se verifica que

𝐴 𝑦 𝐵 𝐶 son también independientes. En efecto, 𝑃(𝐵) = 1 entonces 𝑃(𝐵𝐶 ) = 0, así
que 𝑃(𝐴 ∩ 𝐵 𝐶 ) = 0 y

𝑃(𝐴 ∩ 𝐵 𝐶 )
𝑃(𝐵𝐶 ⁄𝐴) = = 0 = 𝑃(𝐵 𝐶 ).
𝑃(𝐴)

Si 𝑃(𝐵) ≠ 1, aplicando el Teorema de la Probabilidad Total:

𝑃(𝐴) = 𝑃(𝐵) . 𝑃(𝐴⁄𝐵) + 𝑃(𝐵𝐶 ) . 𝑃(𝐴⁄𝐵 𝐶 ).

Queda así probado que 𝐴 𝑦 𝐵 𝐶 son independientes, como se pretendía.

Atendiendo a esta propiedad, encontramos que la probabilidad de la segunda
estrategia es:

𝑚𝑎𝑥{𝑃(𝐵), 𝑃 (𝐴⁄𝐵 𝐶 )} = max{𝑃(𝐵), 𝑃(𝐴)} = 0.3.

5.- Un test detecta la presencia de cierto tipo T de bacterias en el agua con

probabilidad 0.9, en caso de haberlas. Si no las hay, detecta la ausencia con
probabilidad de 0.8. Sabiendo que la probabilidad de que una muestra de agua
contenga bacterias del tipo T es 0.2, calcular la probabilidad de que:

a) Realmente haya presencia de bacterias cuando el test ha dado resultado positivo.

b) Realmente haya presencia de bacterias cuando el test ha dado resultado negativo.

c) Haya bacterias y además el test dé positivo.

d) O haya bacterias, o el test dé positivo.

RESOLUCIÓN. Consideramos los sucesos:

 𝐴1 = {la muestra contiene bacterias tipo T},
𝐴2 = {la muestra no contiene bacterias tipo T}.

Nótese que ambos sucesos 𝐴1 y 𝐴2 forman un sistema completo, es decir, son

complementarios en el espacio muestral del experimento que estamos considerando.
Por hipótesis P(𝐴1 ) = 0.2, obligando a que

𝑃(𝐴2 ) = 𝑃(𝐴1𝐶 ) = 1 − 0.2 = 0.8

Por otra parte, sean los sucesos:

𝑇 + = {el test detecta la presencia de bacterias};

𝑇 − = {el test no detecta la presencia de bacterias}.

De acuerdo con los datos disponibles, sabemos que

𝑃(𝑇 + /𝐴1 ) = 0.9 𝑦 𝑃(𝑇 − /𝐴2 ) = 0.8

de modo que las siguientes probabilidades, correspondientes a los sucesos

condicionados complementarios, vienen dadas por:

𝑃(𝑇 − /𝐴1 ) = 0.1 𝑦 𝑃(𝑇 + /𝐴2 ) = 0.2.

a) En virtud del Teorema de Bayes, la probabilidad 𝑃(𝐴1 /𝑇 + ) de que realmente

haya presencia de bacterias cuando el resultado del test ha sido positivo viene
dada por:

𝑃(𝐴1 ). 𝑃(𝑇 + ⁄𝐴1 )

𝑃(𝐴1 /𝑇 + ) =
𝑃(𝑇 + )

𝑃(𝐴1 ). 𝑃(𝑇 + ⁄𝐴1 )

=
𝑃(𝐴1 ). 𝑃(𝑇 + /𝐴1 ) + 𝑃(𝐴2 ). 𝑃(𝑇 + /𝐴2 )

0.2 . 0.9
=
0.2 . 0.9 + 0.8 . 0.2

0.18
= ≃ 0.53.
0.34
b) De igual manera, la probabilidad de que realmente haya presencia de bacterias
cuando el test ha resultado negativo es:

𝑃(𝐴1 ). 𝑃(𝑇 + ⁄𝐴1 )

𝑃(𝐴1 /𝑇 − ) =
𝑃(𝐴1 ). 𝑃(𝑇 − /𝐴1 ) + 𝑃(𝐴2 ). 𝑃(𝑇 − /𝐴2 )

0.2 . 0.1
=
0.2 . 0.1 + 0.8 . 0.8
 0.02
= ≃ 0.03
0.66

c) La probabilidad de que hayan bacterias y además el test dé positivo es:

𝑃(𝐴1 ∩ 𝑇 + ) = 𝑃(𝐴1 ). 𝑃(𝑇 + /𝐴1 ) = 0.2 . 0.9 = 0.18.

Nótese que, como 𝑃(𝑇 + ) = 0.34, también tenemos

𝑃(𝐴1 ∩ 𝑇 + ) = 𝑃(𝑇 + ). 𝑃(𝐴1 /𝑇 + ) = 0.34 . 0.53 ≃ 0.18.

d) Finalmente, la probabilidad de que o bien hayan bacterias en el agua o el test

dé positivo viene dada por:

𝑃(𝐴1 ∪ 𝑇 + ) = 𝑃(𝐴1 ) + 𝑃(𝑇 + ) − 𝑃(𝐴1 ∩ 𝑇 + ) = 0.2 + 0.34 = 0.36