Está en la página 1de 163

Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Definición y Cálculo de Probabilidades

IMAFI

Universidad de Talca
Instituto de Matemática y Fı́sica

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esquema

1 Introducción
2 Espacios muestrales y eventos
Eventos
Algunas relaciones entre conjuntos
3 Definición de probabilidad
Interpretación de probabilidad
Reglas básicas para el cálculo de probabilidades
Técnicas de conteo
4 Probabilidad condicional
Regla de la multiplicación
Teorema de Bayes
5 Independencia

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Queremos medir la posibilidad de que un evento aleatorio


ocurra
La palabra probabilidad se usa frecuentemente de una manera
informal, como por ejemplo: “hay un 50 % de probabilidades de
que el conflicto estudiantil llegue a un acuerdo conforme para
ambas partes”, “es probable que el precio medio del cobre aumente
para fines de año”, etc.
En esta unidad daremos una forma de medir o cuantificar la
frecuencia o posibilidades que tiene un evento aleatorio de ocurrir,
a esta medida la llamaremos probabilidad.
Con la metodologı́a que veremos podremos expresar en un lenguaje
más preciso enunciados informales similares a los ya expresados.
Nuestro objetivo es introducir los temas de probabilidades que
serán necesarios para resolver algunos problemas de inferencia
estadı́stica.
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Pero antes debemos conocer algunos conceptos básicos

Definición
Un experimento aleatorio es cualquier acción o proceso que genera
resultados aleatorios.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Pero antes debemos conocer algunos conceptos básicos

Definición
Un experimento aleatorio es cualquier acción o proceso que genera
resultados aleatorios.

Definición
El espacio muestral de un experimento aleatorio lo denotaremos
por Ω, y es el conjunto de todos los posibles resultados aleatorios.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Pero antes debemos conocer algunos conceptos básicos

Definición
Un experimento aleatorio es cualquier acción o proceso que genera
resultados aleatorios.

Definición
El espacio muestral de un experimento aleatorio lo denotaremos
por Ω, y es el conjunto de todos los posibles resultados aleatorios.

Example
El experimento más sencillo en el cual se aplica la probabilidad es
el que tiene dos resultados posibles.
Experimento: Seleccionamos a un individuo al azar de una
población y éste presenta un determinado gen o no.
Espacio muestral: Ω = {P, A}.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Algunos ejemplos sencillos

Example
Si determinamos la presencia del gen a tres individuos
seleccionados al azar, entonces los posibles resultados de este
experimento son las secuencias de letras P y A de largo 3. Luego,

Ω = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Algunos ejemplos sencillos

Example
Si determinamos la presencia del gen a tres individuos
seleccionados al azar, entonces los posibles resultados de este
experimento son las secuencias de letras P y A de largo 3. Luego,

Ω = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}

Example
Experimento: Comencemos a observar el sexo de cada recién
nacido hasta que observemos el primer varón.

Ω = {V , MV , MMV , MMMV , . . .}

Aquı́ el espacio muestral es infinito.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Algunos ejemplos sencillos

Example
Experimento: Lanzar dos dados y observar el resultado.
 

 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6) 




 (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6) 



(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
 
Ω=

 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6) 

(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)

 


 


(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Necesitaremos la probabilidad de un conjunto de resultados


elementales

En realidad no sólo estaremos interesados en los resultados


elementales de Ω, sino también en cualquier subconjunto de
resultados de Ω.

Definición
Un evento es cualquier subconjunto de Ω.

Se dice que el evento A ha ocurrido si ocurrió cualquier resultado


contenido en A.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos


Example (Presencia de un gen)
Experimento: Determinamos la presencia de un determinado gen
a tres individuos seleccionados al azar. Ya habı́amos visto que
Ω = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos


Example (Presencia de un gen)
Experimento: Determinamos la presencia de un determinado gen
a tres individuos seleccionados al azar. Ya habı́amos visto que
Ω = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}.
Algunos eventos son:
E = {PPP} =los 3 individuos presentan el gen.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos


Example (Presencia de un gen)
Experimento: Determinamos la presencia de un determinado gen
a tres individuos seleccionados al azar. Ya habı́amos visto que
Ω = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}.
Algunos eventos son:
E = {PPP} =los 3 individuos presentan el gen.
A = {PAA, APA, AAP} =exactamente uno de los 3 individuos
presenta el gen.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos


Example (Presencia de un gen)
Experimento: Determinamos la presencia de un determinado gen
a tres individuos seleccionados al azar. Ya habı́amos visto que
Ω = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}.
Algunos eventos son:
E = {PPP} =los 3 individuos presentan el gen.
A = {PAA, APA, AAP} =exactamente uno de los 3 individuos
presenta el gen.
B = {PPP, PPA, PAP, APP} =a lo sumo uno de los
individuos no presenta el gen.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos


Example (Presencia de un gen)
Experimento: Determinamos la presencia de un determinado gen
a tres individuos seleccionados al azar. Ya habı́amos visto que
Ω = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}.
Algunos eventos son:
E = {PPP} =los 3 individuos presentan el gen.
A = {PAA, APA, AAP} =exactamente uno de los 3 individuos
presenta el gen.
B = {PPP, PPA, PAP, APP} =a lo sumo uno de los
individuos no presenta el gen.
C = {PPP, AAA} =los 3 individuos presentan la misma
caracterı́stica.
Notemos que si ocurre el resultado {PPP}, entonces ocurren los
eventos E , B y C , pero no A.
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos

Example (Lanzamiento de dos dados)


Experimento: Lanzar dos dados. Algunos eventos son:
A = {(1, 2) , (2, 1)} =ambos dados suman 3.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos

Example (Lanzamiento de dos dados)


Experimento: Lanzar dos dados. Algunos eventos son:
A = {(1, 2) , (2, 1)} =ambos dados suman 3.
B = {(1, 5) , (2, 4) , (3, 3) , (4, 2) , (5, 1)} =ambos dados
suman 6.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos

Example (Lanzamiento de dos dados)


Experimento: Lanzar dos dados. Algunos eventos son:
A = {(1, 2) , (2, 1)} =ambos dados suman 3.
B = {(1, 5) , (2, 4) , (3, 3) , (4, 2) , (5, 1)} =ambos dados
suman 6.
C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1
en el primer dado.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos

Example (Lanzamiento de dos dados)


Experimento: Lanzar dos dados. Algunos eventos son:
A = {(1, 2) , (2, 1)} =ambos dados suman 3.
B = {(1, 5) , (2, 4) , (3, 3) , (4, 2) , (5, 1)} =ambos dados
suman 6.
C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1
en el primer dado.
D = {(1, 1) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1
en el segundo dado.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos

Example (Hasta encontrar un varón)


Experimento: Observar el sexo de cada recién nacido hasta
obtener el primer varón. Algunos eventos son:
El evento que hay a lo sumo 3 nacimientos es
A = {V , MV , MMV }.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Seguimos con los ejemplos sencillos

Example (Hasta encontrar un varón)


Experimento: Observar el sexo de cada recién nacido hasta
obtener el primer varón. Algunos eventos son:
El evento que hay a lo sumo 3 nacimientos es
A = {V , MV , MMV }.
El evento que se observa un número par de nacimientos es
B = {MV , MMMV , MMMMMV , . . .}.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las palabras claves son Y, O y NO

Utilizando operaciones lógicas, los eventos pueden combinarse para


obtener otros eventos distintos.

Definición

Si E y F son dos eventos


cualesquiera definiremos a la
unión de dos eventos E y F ,
denotada por E ∪ F y que se lee
“E o F ”, al evento formado por
todos los resultados que están E
o en F o en ambos.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las palabras claves son Y, O y NO

Definición

Si E y F son dos eventos


cualesquiera definiremos a la
intersección de dos eventos E y
F , denotada por E ∩ F y que se
lee “E y F ”, al evento formado
por todos los resultados que
están E y en F a la vez.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las palabras claves son Y, O y NO

Definición

Si E es un evento cualquiera
diremos que el complemento de
E , denotado por E c , es el evento
formado por todos los resultados
de Ω que no están en E .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo sencillo

Example (Lanzamiento de dos dados)


Para el experimento del lanzamiento de dos dados:
C ∪ D = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6) ,
(2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en algún
dado.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo sencillo

Example (Lanzamiento de dos dados)


Para el experimento del lanzamiento de dos dados:
C ∪ D = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6) ,
(2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en algún
dado.
C ∩ D = {(1, 1)} =se obtiene el doble 1.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo sencillo

Example (Lanzamiento de dos dados)


Para el experimento del lanzamiento de dos dados:
C ∪ D = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6) ,
(2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en algún
dado.
C ∩ D = {(1, 1)} =se obtiene el doble 1.
A ∩ B = ∅ ya que dos dados no pueden sumar 3 y 6 a la vez.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

A veces si un evento ocurre el otro no

A veces dos eventos no tienen resultados en común de modo que


su intersección es vacı́a.

Definición

Si E ∩ F = ∅ se dice que E y F
son eventos mutuamente
excluyentes o disjuntos.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Generalicemos un poco

Las operaciones de unión e intersección se pueden extender a más


de dos eventos.

Para cualesquiera tres eventos E , F y G , el evento E ∪ F ∪ G es el


conjunto de resultados contenidos en por lo menos uno de esos tres
eventos, en tanto que E ∩ F ∩ G es el conjunto de resultados
contenidos en los tres eventos a la vez.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Generalicemos un poco

Las operaciones de unión e intersección se pueden extender a más


de dos eventos.

Para cualesquiera tres eventos E , F y G , el evento E ∪ F ∪ G es el


conjunto de resultados contenidos en por lo menos uno de esos tres
eventos, en tanto que E ∩ F ∩ G es el conjunto de resultados
contenidos en los tres eventos a la vez.

Dados los eventos E1 , E2 , E3 , . . ., se dice que estos eventos son


mutuamente excluyentes (o disjuntos por pares) si no hay dos
eventos que tengan algún resultado en común.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El objetivo será...

Dado un experimento y un espacio muestral Ω, el objetivo de la


probabilidad es asignar a cada evento A un número P (A), que
recibe el nombre de probabilidad de A, que dará una medida
precisa de la probabilidad de que A ocurra.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Axiomas que debe cumplir la probabilidad


Una probabilidad es cualquier función P (·) que cumpla los
siguientes axiomas:
1 Para cualquier evento E , P (E ) ≥ 0.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Axiomas que debe cumplir la probabilidad


Una probabilidad es cualquier función P (·) que cumpla los
siguientes axiomas:
1 Para cualquier evento E , P (E ) ≥ 0.
2 P (Ω) = 1.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Axiomas que debe cumplir la probabilidad


Una probabilidad es cualquier función P (·) que cumpla los
siguientes axiomas:
1 Para cualquier evento E , P (E ) ≥ 0.
2 P (Ω) = 1.
3 Axioma de aditividad: Si E1 , E2 , . . . , En es un conjunto finito
de eventos mutuamente excluyentes, entonces
n
X
P (E1 ∪ E2 ∪ · · · ∪ En ) = P (Ei ) .
i=1

Axioma de σ−aditividad: Si E1 , E2 , E3 , . . ., es un conjunto


infinito de eventos mutuamente excluyentes, entonces

X
P (E1 ∪ E2 ∪ E3 ∪ · · · ) = P (Ei ) .
i=1

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ejemplos sencillos

Example
Experimento: Lanzar una moneda al aire. Luego, Ω = {C , S}.
De los axiomas 2. y 3. tenemos

1 = P (Ω) = P (C ) + P (S) . (1)

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ejemplos sencillos

Example
Experimento: Lanzar una moneda al aire. Luego, Ω = {C , S}.
De los axiomas 2. y 3. tenemos

1 = P (Ω) = P (C ) + P (S) . (1)

Si creemos que la cara y el sello tienen las mismas probabilidades


de ocurrir entonces P (C ) = P (S), y de (1) obtenemos

P (C ) = P (S) = 1/2. (2)

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ejemplos sencillos

Example
Experimento: Lanzar una moneda al aire. Luego, Ω = {C , S}.
De los axiomas 2. y 3. tenemos

1 = P (Ω) = P (C ) + P (S) . (1)

Si creemos que la cara y el sello tienen las mismas probabilidades


de ocurrir entonces P (C ) = P (S), y de (1) obtenemos

P (C ) = P (S) = 1/2. (2)

En general si P (C ) = p ∈ [0, 1], entonces P (S) = 1 − p.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ejemplos sencillos

Example (Hasta encontrar un varón)


Experimento: Observar el sexo de cada recién nacido hasta
obtener el primer varón.
Si suponemos que la probabilidad de que nazca un varón es 0,49,
entonces las probabilidades de los eventos elementales son
P (V ) = 0,49, P (MV ) = (0,51) (0,49), P (MMV ) = (0,51)2 (0,49),
etc.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ejemplos sencillos

Example (Hasta encontrar un varón)


Experimento: Observar el sexo de cada recién nacido hasta
obtener el primer varón.
Si suponemos que la probabilidad de que nazca un varón es 0,49,
entonces las probabilidades de los eventos elementales son
P (V ) = 0,49, P (MV ) = (0,51) (0,49), P (MMV ) = (0,51)2 (0,49),
etc.
En particular, como los eventos elementales son disjuntos y la
unión de todos ellos es Ω, de los axiomas 2. y 3. tenemos la
siguiente igualdad

1 = P (Ω) = P (V ) + P (MV ) + P (MMV ) + · · ·


h i
= 0,49 1 + 0,51 + (0,51)2 + (0,51)3 + · · · .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Estamos demostrando una conocida identidad matemática

Example (Hasta encontrar un varón)


Sin embargo, por los axiomas de probabilidad se puede sustituir el
valor 0,49, por cualquier otro valor de probabilidad p ∈ (0, 1) y en
tal caso tendremos la identidad

X
1=p (1 − p)x ,
x=0

que es un resultado conocido de la suma de una serie geométrica.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

¿Cómo le asignamos probabilidades a los resultados de un


experimento aleatorio?

Los dos últimos ejemplos muestran que los axiomas de


probabilidad no determinan por completo la asignación de
probabilidades a los eventos.

Los axiomas sólo sirven para eliminar asignaciones inconsistentes


con nuestras nociones intuitivas de probabilidad.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esta fue la primera noción de probabilidad

Probabilidad clásica: Si todos los resultados elementales de un


experimento aleatorio tienen igual probabilidad de ocurrir, entonces
la probabilidad de que ocurra un evento E es
nE
P (E ) = ,
n
donde nE es el número de resultados elementales en el evento E y
n es la cantidad total de resultados elementales.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esta fue la primera noción de probabilidad

Probabilidad clásica: Si todos los resultados elementales de un


experimento aleatorio tienen igual probabilidad de ocurrir, entonces
la probabilidad de que ocurra un evento E es
nE
P (E ) = ,
n
donde nE es el número de resultados elementales en el evento E y
n es la cantidad total de resultados elementales.

Esta interpretación es útil cuando Ω tiene un número finito de


elementos y consideramos que todos los resultados elementales
tienen iguales posibilidades de ocurrir. Por ejemplo se utiliza en los
juegos de azar: loterı́a, cartas, dados, etc.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

¿y si no conocemos las probabilidades de los resultados


elementales de un experimento?

Probabilidad frecuentista: Cuando un experimento se puede


repetir en iguales condiciones, la probabilidad de un evento es la
proporción de ocasiones en las que aparece a largo plazo:
nE
P (E ) = lı́m ,
n→∞ n

donde nE es el número de veces que el evento E ocurrió y n es el


número de veces que se repitió el experimento.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

¿y si no conocemos las probabilidades de los resultados


elementales de un experimento?

Probabilidad frecuentista: Cuando un experimento se puede


repetir en iguales condiciones, la probabilidad de un evento es la
proporción de ocasiones en las que aparece a largo plazo:
nE
P (E ) = lı́m ,
n→∞ n

donde nE es el número de veces que el evento E ocurrió y n es el


número de veces que se repitió el experimento.

Esta interpretación es útil cuando un experimento puede ser


repetido muchas veces bajo condiciones similares. Se utiliza en
establecer tasa de seguros, reportar ı́ndices de curación de
enfermedades, estudios sociológicos, etc.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Pero la mayorı́a de los sucesos de la vida son irrepetibles


Por ejemplo, ¿cuál es la probabilidad de que se llegue a un acuerdo
en el conflicto estudiantil conforme para ambas partes?
Para responder a esta pregunta no se pueden aplicar las
interpretaciones clásica y frecuentista de probabilidad:
hay sólo dos resultados elementales: acuerdo o desacuerdo,
pero no sabemos las posibilidades que éstos tienen de ocurrir;

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Pero la mayorı́a de los sucesos de la vida son irrepetibles


Por ejemplo, ¿cuál es la probabilidad de que se llegue a un acuerdo
en el conflicto estudiantil conforme para ambas partes?
Para responder a esta pregunta no se pueden aplicar las
interpretaciones clásica y frecuentista de probabilidad:
hay sólo dos resultados elementales: acuerdo o desacuerdo,
pero no sabemos las posibilidades que éstos tienen de ocurrir;
se han resuelto conflictos similares anteriormente, pero no
bajo las mismas condiciones sociales.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Pero la mayorı́a de los sucesos de la vida son irrepetibles


Por ejemplo, ¿cuál es la probabilidad de que se llegue a un acuerdo
en el conflicto estudiantil conforme para ambas partes?
Para responder a esta pregunta no se pueden aplicar las
interpretaciones clásica y frecuentista de probabilidad:
hay sólo dos resultados elementales: acuerdo o desacuerdo,
pero no sabemos las posibilidades que éstos tienen de ocurrir;
se han resuelto conflictos similares anteriormente, pero no
bajo las mismas condiciones sociales.

Probabilidad subjetiva: La probabilidad subjetiva es la valoración


personal que hace una persona de las posibilidades de obtener un
resultado.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Pero la mayorı́a de los sucesos de la vida son irrepetibles


Por ejemplo, ¿cuál es la probabilidad de que se llegue a un acuerdo
en el conflicto estudiantil conforme para ambas partes?
Para responder a esta pregunta no se pueden aplicar las
interpretaciones clásica y frecuentista de probabilidad:
hay sólo dos resultados elementales: acuerdo o desacuerdo,
pero no sabemos las posibilidades que éstos tienen de ocurrir;
se han resuelto conflictos similares anteriormente, pero no
bajo las mismas condiciones sociales.

Probabilidad subjetiva: La probabilidad subjetiva es la valoración


personal que hace una persona de las posibilidades de obtener un
resultado.
Esta interpretación se basa fundamentalmente en juicios de
expertos. Se utiliza en apuestas de eventos deportivos, estimar
precios de acciones, etc.
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

A veces es más fácil calcular la probabilidad del evento


contrario al que queremos

Proposición (Regla de la resta)


Para cualquier evento E , P (E ) = 1 − P (E c ).

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

A veces es más fácil calcular la probabilidad del evento


contrario al que queremos

Proposición (Regla de la resta)


Para cualquier evento E , P (E ) = 1 − P (E c ).

Demostación
Como E y E c son mutuamente excluyentes, del axioma 3. tenemos
que P (E ) + P (E c ) = P (E ∪ E c ) = P (Ω) = 1.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

A veces es más fácil calcular la probabilidad del evento


contrario al que queremos

Proposición (Regla de la resta)


Para cualquier evento E , P (E ) = 1 − P (E c ).

Demostación
Como E y E c son mutuamente excluyentes, del axioma 3. tenemos
que P (E ) + P (E c ) = P (E ∪ E c ) = P (Ω) = 1.

Esta regla se utiliza muchas veces cuando queremos calcular


probabilidades donde el evento de interés se puede expresar como
“al menos...” o “a lo sumo...”, etc. Aunque, no siempre es mejor
aplicarla.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo menos sencillo

Example
Si lanzamos 4 dados, ¿cuál es la probabilidad de obtener al menos
un número par?
Sea A =obtener al menos un número par en el lanzamiento de 4
dados.
Denotemos por S al evento que el dado mostró un número par en
su cara superior. Entonces cada dado puede mostrar dos resultados
posibles: S y S c , pero como hay 4 dados, Ω tiene 24 = 16
resultados elementales.
Notemos que Ac =no obtener un número par en el lanzamiento de
4 dados= {S c S c S c S c }. Por tanto, P (Ac ) = 1/16 y

1 15
P (A) = 1 − P (Ac ) = 1 − = .
16 16
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Dos eventos mutuamente excluyentes no pueden ocurrir a


la vez

Proposición
Si E y F son mutuamente excluyentes, entonces P (E ∩ F ) = 0.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Dos eventos mutuamente excluyentes no pueden ocurrir a


la vez

Proposición
Si E y F son mutuamente excluyentes, entonces P (E ∩ F ) = 0.

Demostación
Como E ∩ F = ∅, entonces (E ∩ F )c = Ω.

Luego, por la proposición anterior P (E ∩ F ) = 1 − P (Ω) = 0.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

¿Cómo calcular la probabilidad de la unión de dos eventos?


Proposición (Regla de la suma)
Para dos eventos E y F cualesquiera,

P (E ∪ F ) = P (E ) + P (F ) − P (E ∩ F ) .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La demostración se basa en la unión de eventos disjuntos y


el axioma 3.

Demostación
De la figura anterior podemos ver que E ∪ F = E ∪ (F ∩ E c ).

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La demostración se basa en la unión de eventos disjuntos y


el axioma 3.

Demostación
De la figura anterior podemos ver que E ∪ F = E ∪ (F ∩ E c ).
Como E ∩ (F ∩ E c ) = ∅, entonces

P (E ∪ F ) = P (E ) + P (F ∩ E c ) . (3)

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La demostración se basa en la unión de eventos disjuntos y


el axioma 3.

Demostación
De la figura anterior podemos ver que E ∪ F = E ∪ (F ∩ E c ).
Como E ∩ (F ∩ E c ) = ∅, entonces

P (E ∪ F ) = P (E ) + P (F ∩ E c ) . (3)

Por otro lado, de la figura anterior, F = (E ∩ F ) ∪ (F ∩ E c ),


donde (E ∩ F ) ∩ (F ∩ E c ) = ∅. Por tanto,
P (F ) = P (E ∩ F ) + P (F ∩ E c ).

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La demostración se basa en la unión de eventos disjuntos y


el axioma 3.

Demostación
De la figura anterior podemos ver que E ∪ F = E ∪ (F ∩ E c ).
Como E ∩ (F ∩ E c ) = ∅, entonces

P (E ∪ F ) = P (E ) + P (F ∩ E c ) . (3)

Por otro lado, de la figura anterior, F = (E ∩ F ) ∪ (F ∩ E c ),


donde (E ∩ F ) ∩ (F ∩ E c ) = ∅. Por tanto,
P (F ) = P (E ∩ F ) + P (F ∩ E c ).
Sustituyendo esta última igualdad en (3),

P (E ∪ F ) = P (E ) + P (F ∩ E c ) = P (E ) + [P (F ) − P (E ∩ F )] .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las operaciones de conjuntos son importantes

Example
En cierta localidad residencial, el 60 % de las familias está suscrita
al diario El Mercurio, el 80 % está suscrita al diario El Centro, y el
50 % de todas las familias está suscrita a ambos diarios.
Si se selecciona una familia al azar de esa localidad, ¿cuál es la
probabilidad de que esté suscrita a
1 al menos uno de los dos diarios, y

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las operaciones de conjuntos son importantes

Example
En cierta localidad residencial, el 60 % de las familias está suscrita
al diario El Mercurio, el 80 % está suscrita al diario El Centro, y el
50 % de todas las familias está suscrita a ambos diarios.
Si se selecciona una familia al azar de esa localidad, ¿cuál es la
probabilidad de que esté suscrita a
1 al menos uno de los dos diarios, y
2 exactamente a uno de los dos diarios?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las operaciones de conjuntos son importantes

Example
En cierta localidad residencial, el 60 % de las familias está suscrita
al diario El Mercurio, el 80 % está suscrita al diario El Centro, y el
50 % de todas las familias está suscrita a ambos diarios.
Si se selecciona una familia al azar de esa localidad, ¿cuál es la
probabilidad de que esté suscrita a
1 al menos uno de los dos diarios, y
2 exactamente a uno de los dos diarios?

Sean M = {familia suscrita al Mercurio} y


C = {familia suscrita al Centro}.
De los datos tenemos P (M) = 0,6, P (C ) = 0,8 y
P (M ∩ C ) = 0,5.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las operaciones de conjuntos son importantes


Example
De la última proposición tenemos que la probabilidad de que la
familia esté suscrita a al menos uno de los dos diarios es

P (M ∪ C ) = P (M) + P (C ) − P (M ∩ C )
= 0,6 + 0,8 − 0,5 = 0,9.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las operaciones de conjuntos son importantes


Example
De la última proposición tenemos que la probabilidad de que la
familia esté suscrita a al menos uno de los dos diarios es

P (M ∪ C ) = P (M) + P (C ) − P (M ∩ C )
= 0,6 + 0,8 − 0,5 = 0,9.

Por otro lado, el evento de que la familia esté suscrita sólo al diario
El Centro se puede escrbir como M c ∩ C (No Mercurio y sı́ Centro).

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las operaciones de conjuntos son importantes

Example
De la figura anterior, vemos que

0,9 = P (M ∪ C ) = P (M) + P (M c ∩ C ) = 0,6 + P (M c ∩ C ) ,

de donde P (M c ∩ C ) = 0,3.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las operaciones de conjuntos son importantes

Example
De la figura anterior, vemos que

0,9 = P (M ∪ C ) = P (M) + P (M c ∩ C ) = 0,6 + P (M c ∩ C ) ,

de donde P (M c ∩ C ) = 0,3.

Análogamente, P (M ∩ C c ) = P (M ∪ C ) − P (C ) = 0,1.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las operaciones de conjuntos son importantes

Example
De la figura anterior, vemos que

0,9 = P (M ∪ C ) = P (M) + P (M c ∩ C ) = 0,6 + P (M c ∩ C ) ,

de donde P (M c ∩ C ) = 0,3.

Análogamente, P (M ∩ C c ) = P (M ∪ C ) − P (C ) = 0,1.

De donde vemos que la probabilidad de que la familia esté suscrita


a exactamente uno de los dos diarios es

P (M c ∩ C ) + P (M ∩ C c ) = 0,3 + 0,1 = 0,4.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La probabilidad de la unión de más de dos eventos se


puede calcular de manera análoga.
Proposición
Para tres eventos E , F y G cualesquiera,

P (E ∪ F ∪ G ) = P (E ) + P (F ) + P (G ) − P (E ∩ F ) − P (E ∩ G )
−P (F ∩ G ) + P (E ∩ F ∩ G ) .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La probabilidad de la unión de más de dos eventos se


puede calcular de manera análoga.
Proposición
Para tres eventos E , F y G cualesquiera,

P (E ∪ F ∪ G ) = P (E ) + P (F ) + P (G ) − P (E ∩ F ) − P (E ∩ G )
−P (F ∩ G ) + P (E ∩ F ∩ G ) .

La demostración se obtiene de
analizar el siguiente diagrama de
Venn.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Muchas veces necesitaremos las técnicas de conteo

En el caso de la interpretación clásica de probabilidad necesitamos


que los resultados sean igualmente probables.

En este caso la probabilidad de un evento E es P (E ) = nE /n,


donde para calcular nE y n tenemos que contar la cantidad de
elementos que hay en los conjuntos E y Ω.

Las técnicas de conteo son útiles cuando la cantidad de elementos


en los conjuntos E y Ω es muy grande o cuando los elementos de
cada uno de estos conjuntos no están explı́citamente detallados a
partir del experimento.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Tenemos que saber multiplicar

Para contar debemos saber sumar, y para sumar rápido es


fundamental saber multiplicar.

Proposición (Principio de la multiplicación)


Si un experimento tiene m posibles resultados y otro experimento
tiene n posibles resultados, entonces hay mn posibles resultados al
realizar los dos experimentos.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Tenemos que saber multiplicar

Para contar debemos saber sumar, y para sumar rápido es


fundamental saber multiplicar.

Proposición (Principio de la multiplicación)


Si un experimento tiene m posibles resultados y otro experimento
tiene n posibles resultados, entonces hay mn posibles resultados al
realizar los dos experimentos.

Example
En esta sala hay m hombres y n mujeres, ¿cuántas parejas de
pololos podemos formar?

Respuesta: mn parejas de pololos.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ahora hay que multiplicar los resultados de varios


experimentos

Proposición (Principio de la multiplicación extendido)


Si hay p experimentos y cada uno tiene ni posibles resultados,
i = 1, . . . , p, entonces hay n1 n2 · · · np posibles resultados en la
realización de los p experimentos.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Aquı́ mostramos el concepto de permutación

Example
En esta sala hay n sillas y k estudiantes (suponer n ≥ k), ¿de
cuántas maneras se hubiesen podido sentar ustedes?

El primer estudiante que entra a la sala tiene n sillas disponibles, el


segundo tiene n − 1, ..., el último estudiante (el k−ésimo) tiene
n − (k − 1) sillas disponibles.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Aquı́ mostramos el concepto de permutación

Example
En esta sala hay n sillas y k estudiantes (suponer n ≥ k), ¿de
cuántas maneras se hubiesen podido sentar ustedes?

El primer estudiante que entra a la sala tiene n sillas disponibles, el


segundo tiene n − 1, ..., el último estudiante (el k−ésimo) tiene
n − (k − 1) sillas disponibles.

De esta manera, hay

n (n − 1) (n − 2) · · · (n − k + 1)

posibles formas para ubicarse.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La selección de los objetos se hace sin reemplazo

Definición
Cualquier secuencia ordenada de k objetos tomados sin reemplazo
de un conjunto de n objetos distintos se llama permutación de
tamaño k de los n objetos.

El número de permutaciones de tamaño k que puede construirse


de los n objetos es
n!
Pk,n = n (n − 1) (n − 2) · · · (n − k + 1) = .
(n − k)!

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo de permutación

Example
Hay 8 asistentes de enseñanza para calificar trabajos en un curso
en particular.
El primer examen consiste en 4 preguntas y el profesor desea
seleccionar un asistente diferente para calificar cada pregunta (sólo
un asistente por pregunta).
¿En cuántas formas se pueden seleccionar los asistentes para
calificar el examen?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo de permutación

Example
Hay 8 asistentes de enseñanza para calificar trabajos en un curso
en particular.
El primer examen consiste en 4 preguntas y el profesor desea
seleccionar un asistente diferente para calificar cada pregunta (sólo
un asistente por pregunta).
¿En cuántas formas se pueden seleccionar los asistentes para
calificar el examen?
Notemos que vamos a seleccionar a 4 asistentes diferentes para
corregir las preguntas.
Por tanto, el número de asignaciones diferentes paracalificar las
preguntas es
8!
P4,8 = = 1680.
(8 − 4)!

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

De N objetos extraigamos k de ellos sin reemplazo, pero


sin importar el orden

Example
Supongamos que tenemos una bolsa con n caramelos, metemos la
mano y sacamos k caramelos (n ≥ k). ¿Cuántas muestras de k
caramelos podemos sacar?

Este es un problema parecido al de los k estudiantes y las n sillas,


pero en este caso no importa qué caramelo está al lado del otro.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

De N objetos extraigamos k de ellos sin reemplazo, pero


sin importar el orden

Example
Supongamos que tenemos una bolsa con n caramelos, metemos la
mano y sacamos k caramelos (n ≥ k). ¿Cuántas muestras de k
caramelos podemos sacar?

Este es un problema parecido al de los k estudiantes y las n sillas,


pero en este caso no importa qué caramelo está al lado del otro.

En el problema de los k estudiantes y las n sillas el número de


posibilidades era n!/ (n − k)!.

Sin embargo, en ese resultado tenemos contado el orden en que se


sentaron los estudiantes en las k sillas seleccionadas.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

De N objetos extraigamos k de ellos sin reemplazo, pero


sin importar el orden

Example
Los diferentes órdenes de los k estudiantes es igual a k!.

Por tanto, lo que debemos hacer es dividir por esas k!


permutaciones.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

De N objetos extraigamos k de ellos sin reemplazo, pero


sin importar el orden

Example
Los diferentes órdenes de los k estudiantes es igual a k!.

Por tanto, lo que debemos hacer es dividir por esas k!


permutaciones.

Finalmente, podemos extraer


n!
k! (n − k)!

muestras de k caramelos.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ahora formalizamos el concepto

Definición
Dado un conjunto de n objetos distintos, cualquier subconjunto no
ordenado de tamaño k de los objetos se llama combinación.

El número de combinaciones de tamaño k que se pueden formar de


n objetos distintos es
 
n n!
= .
k k! (n − k)!

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esta es la probabilidad de ganarse el Kino

Example
¿Cuál es la probabilidad de ganarse el premio máximo del Kino
comprando un solo cartón?

En el Kino se seleccionan 14 números de 25 posibles sin importar


el orden en que se seleccionan y un cartón tiene una sola de estas
combinaciones.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esta es la probabilidad de ganarse el Kino

Example
¿Cuál es la probabilidad de ganarse el premio máximo del Kino
comprando un solo cartón?

En el Kino se seleccionan 14 números de 25 posibles sin importar


el orden en que se seleccionan y un cartón tiene una sola de estas
combinaciones.

Por tanto, la probabilidad de ganarse el premio máximo con un


solo cartón es
1 14!11! 11 · 10 · 9 · 8 · 7 · 6 · 5 · 4 · 3 · 2 · 1
25
= =
25 · 24 · 23 · 22 · 21 · 20 · 19 · 18 · 17 · 16 · 15

14
25!
1
= .
4 457 400
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

¿Cuánto debemos esperar, en promedio, para ganar el


Kino?

Example
Como una probabilidad se puede interpretar como una frecuencia,
entonces para ganarse el premio máximo comprando un solo cartón
debemos esperar aproximadamente 4 457 400 semanas.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

¿Cuánto debemos esperar, en promedio, para ganar el


Kino?

Example
Como una probabilidad se puede interpretar como una frecuencia,
entonces para ganarse el premio máximo comprando un solo cartón
debemos esperar aproximadamente 4 457 400 semanas.

Esto equivale a esperar


4 457 400
= 85 719.23077años como promedio,
52
o sea, 85 719 años y 3 meses, aproximadamente.

Recién ahora llegamos al año 2016.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un evento puede afectar la probabilidad de otro evento

Las probabilidades asignadas a varios eventos dependen de lo que


se conozca acerca de la situación experimental cuando se hace la
asignación.
Ahora veremos la forma en que la información, “ha ocurrido el
evento B”, afecta la probabilidad asignada al evento A.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un evento puede afectar la probabilidad de otro evento

Las probabilidades asignadas a varios eventos dependen de lo que


se conozca acerca de la situación experimental cuando se hace la
asignación.
Ahora veremos la forma en que la información, “ha ocurrido el
evento B”, afecta la probabilidad asignada al evento A.

Example
Sea A =un individuo tiene una enfermedad en particular en
presencia de ciertos sı́ntomas.
Este individuo se realiza un test de diagnóstico y definamos el
siguiente evento B =el test le resultó negativo.
Notemos que si ocurre el evento B la probabilidad de que este
individuo tenga la enfermedad disminuye.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esto es un ejemplo intuitivo

Utilizaremos la notación P (E |F ) para representar a la


probabilidad condicional de E dado que el evento F ha ocurrido.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esto es un ejemplo intuitivo

Utilizaremos la notación P (E |F ) para representar a la


probabilidad condicional de E dado que el evento F ha ocurrido.

Example (Lanzamiento de dos dados)


Recordemos que A = {(1, 2) , (2, 1)} =ambos dados suman 3, y
C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el
primer dado.
Es fácil ver que P (A) = 2/36 = 1/18.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esto es un ejemplo intuitivo

Utilizaremos la notación P (E |F ) para representar a la


probabilidad condicional de E dado que el evento F ha ocurrido.

Example (Lanzamiento de dos dados)


Recordemos que A = {(1, 2) , (2, 1)} =ambos dados suman 3, y
C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el
primer dado.
Es fácil ver que P (A) = 2/36 = 1/18.
Pero ¿cómo cambia esta probabilidad si sabemos que en el primer
dado ocurrió un 1?.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esto es un ejemplo intuitivo

Utilizaremos la notación P (E |F ) para representar a la


probabilidad condicional de E dado que el evento F ha ocurrido.

Example (Lanzamiento de dos dados)


Recordemos que A = {(1, 2) , (2, 1)} =ambos dados suman 3, y
C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el
primer dado.
Es fácil ver que P (A) = 2/36 = 1/18.
Pero ¿cómo cambia esta probabilidad si sabemos que en el primer
dado ocurrió un 1?.
En este caso, el espacio muestral se reduce al conjunto C , y por
tanto P (A |C ) = 1/6.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El espacio muestral se “reduce” al evento que ya ocurrió


Notemos que la probabilidad condicional del ejemplo anterior la
podemos escribir en función de dos probabilidades no condicionales:
1 1/36 P (A ∩ C )
P (A |C ) = = = .
6 6/36 P (C )

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El espacio muestral se “reduce” al evento que ya ocurrió


Notemos que la probabilidad condicional del ejemplo anterior la
podemos escribir en función de dos probabilidades no condicionales:
1 1/36 P (A ∩ C )
P (A |C ) = = = .
6 6/36 P (C )

La siguiente figura muestra la


idea de que la probabilidad
condicional se puede ver como
una “reducción” del espacio
muestral.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esta es la definición formal

El ejemplo anterior es un caso muy sencillo que pudimos resolverlo


de forma intuitiva.
Cuando los experimentos son más complicados la intuición puede
fallarnos, por lo que es mejor contar con una definición formal que
a la vez coincida con nuestra intuición.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esta es la definición formal

El ejemplo anterior es un caso muy sencillo que pudimos resolverlo


de forma intuitiva.
Cuando los experimentos son más complicados la intuición puede
fallarnos, por lo que es mejor contar con una definición formal que
a la vez coincida con nuestra intuición.

Definición
Para dos eventos E y F cualesquiera con P (F ) > 0, la probabilidad
condicional de E dado que F ha ocurrido está definida por

P (E ∩ F )
P (E |F ) = .
P (F )

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo sencillo

Example (Suscripción a diarios)


Habı́amos definido M = {familia suscrita al Mercurio} y
C = {familia suscrita al Centro}.

De los datos tenemos P (M) = 0,6, P (C ) = 0,8 y


P (M ∩ C ) = 0,5.

¿Cuál es la probabilidad de que una familia suscrita al Mercurio


también esté suscrita al Centro?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo sencillo

Example (Suscripción a diarios)


Habı́amos definido M = {familia suscrita al Mercurio} y
C = {familia suscrita al Centro}.

De los datos tenemos P (M) = 0,6, P (C ) = 0,8 y


P (M ∩ C ) = 0,5.

¿Cuál es la probabilidad de que una familia suscrita al Mercurio


también esté suscrita al Centro?
P (C ∩ M) 0,5
P (C |M ) = = = 0,83̄.
P (M) 0,6

O sea, un 83,3 % de los que compran el Mercurio también compran


el Centro.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo sencillo

Example (Suscripción a diarios)


Análogamente,

P (M ∩ C ) 0,5
P (M |C ) = = = 0,625.
P (C ) 0,8

O sea, un 62,5 % de los que compran el Centro también compran


el Mercurio.

Observemos que P (C |M ) 6= P (C ) y P (M |C ) 6= P (M).

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo menos sencillo


Example
Una revista de noticias publica tres columnas tituladas “Arte” (A),
“Libros” (B) y “Cine” (C ).
Al seleccionar un lector al azar, éste lee regularmente las columnas
con las siguientes probabilidades P (A) = 0,14, P (B) = 0,23,
P (C ) = 0,37, P (A ∩ B) = 0,08, P (A ∩ C ) = 0,09,
P (B ∩ C ) = 0,13 y P (A ∩ B ∩ C ) = 0,05.

Un resumen de estas
probabilidades se muestra en el
siguiente diagrama de Venn.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo menos sencillo


Example
Una revista de noticias publica tres columnas tituladas “Arte” (A),
“Libros” (B) y “Cine” (C ).
Al seleccionar un lector al azar, éste lee regularmente las columnas
con las siguientes probabilidades P (A) = 0,14, P (B) = 0,23,
P (C ) = 0,37, P (A ∩ B) = 0,08, P (A ∩ C ) = 0,09,
P (B ∩ C ) = 0,13 y P (A ∩ B ∩ C ) = 0,05.

Un resumen de estas
probabilidades se muestra en el
siguiente diagrama de Venn.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo menos sencillo

Example
Ası́ tenemos:
P (A ∩ B) 0,08
P (A |B ) = = = 0,348,
P (B) 0,23

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo menos sencillo

Example
Ası́ tenemos:
P (A ∩ B) 0,08
P (A |B ) = = = 0,348,
P (B) 0,23

P (A ∩ (B ∪ C )) 0,04 + 0,05 + 0,03


P (A |B ∪ C ) = = = 0,255,
P (B ∪ C ) 0,47

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo menos sencillo

Example

P (A ∩ (A ∪ B ∪ C ))
P (A |lee al menos una ) = P (A |A ∪ B ∪ C ) =
P (A ∪ B ∪ C )
P (A) 0,14
= = = 0,286
P (A ∪ B ∪ C ) 0,49

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Veamos un ejemplo menos sencillo

Example

P (A ∩ (A ∪ B ∪ C ))
P (A |lee al menos una ) = P (A |A ∪ B ∪ C ) =
P (A ∪ B ∪ C )
P (A) 0,14
= = = 0,286
P (A ∪ B ∪ C ) 0,49
y

P ((A ∪ B) ∩ C ) 0,04 + 0,05 + 0,08


P (A ∪ B |C ) = = = 0,459.
P (C ) 0,37

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

De la definición de probabilidad condicional obtenemos la


regla de la multiplicación

Proposición (Regla de la multiplicación)


Para cualquier par de eventos E y F se cumple

P (E ∩ F ) = P (E |F ) P (F ) o P (E ∩ F ) = P (F |E ) P (E ) .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

De la definición de probabilidad condicional obtenemos la


regla de la multiplicación

Proposición (Regla de la multiplicación)


Para cualquier par de eventos E y F se cumple

P (E ∩ F ) = P (E |F ) P (F ) o P (E ∩ F ) = P (F |E ) P (E ) .

Esta regla es útil cuando queremos encontrar P (E ∩ F ), pero es


más fácil saber los valores de P (E |F ) y P (F ), o P (F |E ) y P (E ).

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo de la regla de la multiplicación

Example
Cuatro individuos han ido a un banco de sangre para donar sangre,
pero ellos desconocen su tipo de sangre.

La única información al respecto es que uno de ellos tiene sangre


tipo A+.

Si el banco necesita sangre A+ y selecciona a los individuos al


azar, ¿cuál es la probabilidad de que al menos en tres individuos
haya que determinar el tipo de sangre para obtener la sangre A+?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo de la regla de la multiplicación

Example
Sean B = {primer tipo no es A+} y
A = {segundo tipo no es A+}. Por tanto,

3 2
P (B) = y P (A |B ) = .
4 3

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo de la regla de la multiplicación

Example
Sean B = {primer tipo no es A+} y
A = {segundo tipo no es A+}. Por tanto,

3 2
P (B) = y P (A |B ) = .
4 3

De donde

P (se seleccionan al menos 3 individuos) = P (A ∩ B)


= P (A |B ) P (B)
2 3 1
= · = .
3 4 2

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La regla de la multiplicación es muy útil cuando se realiza


un experimento en varias etapas sucesivas

Por ejemplo, si E representa el resultado de la primera etapa y F , el


de la segunda, entonces P (F |E ) es la probabilidad de que ocurra
F en la segunda etapa sabiendo el resultado de la primera etapa.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La regla de la multiplicación es muy útil cuando se realiza


un experimento en varias etapas sucesivas

Por ejemplo, si E representa el resultado de la primera etapa y F , el


de la segunda, entonces P (F |E ) es la probabilidad de que ocurra
F en la segunda etapa sabiendo el resultado de la primera etapa.

Para tres etapas tendrı́amos: si Ei es el resultado de la etapa


i = 1, 2, 3, entonces la probabilidad de que al final de experimento
ocurran los eventos E1 , E2 y E3 es

P (E1 ∩ E2 ∩ E3 ) = P (E3 |E1 ∩ E2 ) P (E1 ∩ E2 )


= P (E3 |E1 ∩ E2 ) P (E2 |E1 ) P (E1 ) .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Utilicemos la última fórmula

Example (Tipo de sangre)


La probabilidad de que en el tercer examen la sangre sea A+ es

P (tercera sangre es A+) = P (tercera sangre es A + |A ∩ B )


× P (A |B ) P (B)
1 2 3 1
= · · = .
2 3 4 4

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Utilicemos la última fórmula

Example (Tipo de sangre)


La probabilidad de que en el tercer examen la sangre sea A+ es

P (tercera sangre es A+) = P (tercera sangre es A + |A ∩ B )


× P (A |B ) P (B)
1 2 3 1
= · · = .
2 3 4 4

Cuando el experimento de interés está formado por una secuencia


de varias etapas, es muy útil representar las etapas en un diagrama
de árbol.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ahora un ejemplo con tres eventos


Example
Una tienda de video vende 3 marcas de videograbadoras (VCR).
De sus ventas de VCR, 50 % son de la marca 1, 30 % son de la
marca 2 y 20 % son de la marca 3.
Cada fabricante ofrece un año de garantı́a.
Se sabe que el 25 % de las VCR de la marca 1 requieren trabajo de
reparación en garantı́a, en tanto que los porcentajes
correspondientes a las marcas 2 y 3 son 20 % y 10 %,
respectivamente.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ahora un ejemplo con tres eventos


Example
Una tienda de video vende 3 marcas de videograbadoras (VCR).
De sus ventas de VCR, 50 % son de la marca 1, 30 % son de la
marca 2 y 20 % son de la marca 3.
Cada fabricante ofrece un año de garantı́a.
Se sabe que el 25 % de las VCR de la marca 1 requieren trabajo de
reparación en garantı́a, en tanto que los porcentajes
correspondientes a las marcas 2 y 3 son 20 % y 10 %,
respectivamente.
Sea Ai = {se compra una VCR de marca i}, para i = 1, 2, 3.
Entonces de los datos tenemos P (A1 ) = 0,5, P (A2 ) = 0,3 y
P (A3 ) = 0,2.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ahora un ejemplo con tres eventos


Example
Una tienda de video vende 3 marcas de videograbadoras (VCR).
De sus ventas de VCR, 50 % son de la marca 1, 30 % son de la
marca 2 y 20 % son de la marca 3.
Cada fabricante ofrece un año de garantı́a.
Se sabe que el 25 % de las VCR de la marca 1 requieren trabajo de
reparación en garantı́a, en tanto que los porcentajes
correspondientes a las marcas 2 y 3 son 20 % y 10 %,
respectivamente.
Sea Ai = {se compra una VCR de marca i}, para i = 1, 2, 3.
Entonces de los datos tenemos P (A1 ) = 0,5, P (A2 ) = 0,3 y
P (A3 ) = 0,2.
Si definimos B = {la VCR comprada usa la garantı́a}, entonces de
los datos tenemos P (B |A1 ) = 0,25, P (B |A2 ) = 0,2 y
P (B |A3 ) = 0,1.
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El siguiente diagrama de árbol representa el experimento


Example
5 

0,2
)=

B
 |A 1
P( 
bh

 P (B c 1 )
, 5  hhh|Ah = 0,75
0  h hh
) =
P(A 1
 0,2 
)= 
 |A 2 
 P (B
b
H
 P (A2 ) = 0,3 b 
P P P (B c
HH PP|A2 )
=0
,
P8
H P (A PP
HH3 ) = P
0,2
H
1 (
)= (0,(
HH |A 3( (
H b(P((B(
HH P
(B c
HH |A
H3 ) = 0,9
HH
H

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Una primera pregunta

Example
¿Cuál es la probabilidad de que un comprador seleccionado al azar
haya comprado una VCR de marca 1 que necesita reparación
mientras está en garantı́a?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Una primera pregunta

Example
¿Cuál es la probabilidad de que un comprador seleccionado al azar
haya comprado una VCR de marca 1 que necesita reparación
mientras está en garantı́a?

La probabilidad de que un comprador seleccionado al azar haya


comprado una VCR de marca 1 que necesita reparación mientras
está en garantı́a es

P (A1 ∩ B) = P (B |A1 ) P (A1 ) = 0,125.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Esto se ve fácilmente en el diagrama de árbol


Example
P (B |A1 ) P (A1 ) = P (A1 ∩ B) = 0,125

 5
0,2
A1

)=
B|

P( 
bh

 P (B c 1 )
, 5  hhh|Ah = 0,75
0  h hh
) =
P(A 1
 0,2 
)= 
 |A 2 
 P (B
b
H
 P (A2 ) = 0,3 b 
P P P (B c
HH PP|A2 )
=0
,
P8
H P (A PP
HH3 ) = P
0,2
H
1 (
)= (0,(
HH |A 3( (
H b(P((B(
HH P
(B c
HH |A
H3 ) = 0,9
HH
H

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Una segunda pregunta

Example
¿Cuál es la probabilidad de que un comprador seleccionado al azar
tenga una VCR que necesite reparación mientras está en garantı́a?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Una segunda pregunta

Example
¿Cuál es la probabilidad de que un comprador seleccionado al azar
tenga una VCR que necesite reparación mientras está en garantı́a?

La probabilidad de que un individuo utilice la garantı́a es

P (B) = P ((A1 ∩ B) ∪ (A2 ∩ B) ∪ (A3 ∩ B))


= P (A1 ∩ B) + P (A2 ∩ B) + P (A3 ∩ B)
= P (B |A1 ) P (A1 ) + P (B |A2 ) P (A2 ) + P (B |A3 ) P (A3 )
= 0,125 + 0,06 + 0,02 = 0,205.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El siguiente diagrama de árbol representa el experimento


Example
P (B |A1 ) P (A1 ) = P (A1 ∩ B) = 0,125

 5
0,2
A1

)=
B|

P( 
bh

 P (B c 1 )
, 5  hhh|Ah = 0,75
0  h hh
) =
P(A 1
P (B |A2 ) P (A2 ) = P (A2 ∩ B) = 0,06
 0,2 
)= 
 |A 2 
 P (B
b
H
 P (A2 ) = 0,3 b 
P P P (B c
HH PP|A2 )
=0
,
P8
H P (A PP
HH3 ) = P
0,2
H
1 (
)= (0,( P (B |A3 ) P (A3 ) = P (A3 ∩ B) = 0,02
HH |A 3( (
H b(P((B(
HH P P (B) = 0,205
(B c
HH |A
H3 ) = 0,9
HH
H

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Finalmente, una tercera pregunta


Example
Si un cliente regresa a la tienda con una VCR que necesita
reparación dentro del tiempo de garantı́a, ¿cuál es la probabilidad
de que sea una VCR de la marca 1? ¿O una VCR de la marca 2?
¿O una VCR de la marca 3?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Finalmente, una tercera pregunta


Example
Si un cliente regresa a la tienda con una VCR que necesita
reparación dentro del tiempo de garantı́a, ¿cuál es la probabilidad
de que sea una VCR de la marca 1? ¿O una VCR de la marca 2?
¿O una VCR de la marca 3?
Por definición de probabilidad condicional, si una VCR necesita
reparación dentro del tiempo de garantı́a, la probabilidad de que
sea de la marca i ∈ {1, 2, 3} es

P (A1 ∩ B) 0,125
P (A1 |B ) = = = 0,61,
P (B) 0,205

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Finalmente, una tercera pregunta


Example
Si un cliente regresa a la tienda con una VCR que necesita
reparación dentro del tiempo de garantı́a, ¿cuál es la probabilidad
de que sea una VCR de la marca 1? ¿O una VCR de la marca 2?
¿O una VCR de la marca 3?
Por definición de probabilidad condicional, si una VCR necesita
reparación dentro del tiempo de garantı́a, la probabilidad de que
sea de la marca i ∈ {1, 2, 3} es

P (A1 ∩ B) 0,125
P (A1 |B ) = = = 0,61,
P (B) 0,205

P (A2 ∩ B) 0,06
P (A2 |B ) = = = 0,29
P (B) 0,205

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Finalmente, una tercera pregunta


Example
Si un cliente regresa a la tienda con una VCR que necesita
reparación dentro del tiempo de garantı́a, ¿cuál es la probabilidad
de que sea una VCR de la marca 1? ¿O una VCR de la marca 2?
¿O una VCR de la marca 3?
Por definición de probabilidad condicional, si una VCR necesita
reparación dentro del tiempo de garantı́a, la probabilidad de que
sea de la marca i ∈ {1, 2, 3} es

P (A1 ∩ B) 0,125
P (A1 |B ) = = = 0,61,
P (B) 0,205

P (A2 ∩ B) 0,06
P (A2 |B ) = = = 0,29
P (B) 0,205
y P (A3 |B ) = 1 − P (A1 |B ) − P (A2 |B ) = 0,1.
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Reflexión sobre este ejemplo

Example
Observemos que la probabilidad inicial de que la marca 1 haya sido
comprada es 0,5, en tanto que una vez que se sepa que la VCR
comprada usó la garantı́a, la probabilidad posterior de que la marca
1 haya sido comprada aumenta a 0,61.

Esto es porque es más probable que las VCR de marca 1 necesiten


reparación en garantı́a que las otras dos marcas.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Reflexión sobre este ejemplo

Example
Observemos que la probabilidad inicial de que la marca 1 haya sido
comprada es 0,5, en tanto que una vez que se sepa que la VCR
comprada usó la garantı́a, la probabilidad posterior de que la marca
1 haya sido comprada aumenta a 0,61.

Esto es porque es más probable que las VCR de marca 1 necesiten


reparación en garantı́a que las otras dos marcas.

Sin embargo, la probabilidad posterior de la marca 3 es


P (A3 |B ) = 0,1, que es mucho menor que la probabilidad inicial
P (A3 ) = 0,2.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El teorema de Bayes tiene una inesperada historia

El cálculo de las probabilidades posteriores fue estudiado por


primera vez por el reverendo inglés Thomas Bayes (siglo XVIII).

El estaba interesado en las matemáticas y trataba de encontrar


una fórmula para poder obtener la probabilidad de que Dios exista,
basándose en evidencias a su alcance en la Tierra.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El teorema de Bayes tiene una inesperada historia

El cálculo de las probabilidades posteriores fue estudiado por


primera vez por el reverendo inglés Thomas Bayes (siglo XVIII).

El estaba interesado en las matemáticas y trataba de encontrar


una fórmula para poder obtener la probabilidad de que Dios exista,
basándose en evidencias a su alcance en la Tierra.

Recordemos que los eventos E1 , E2 , . . . , En son mutuamente


excluyentes si no hay dos de ellos que contengan algún resultado
en común.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El teorema de Bayes tiene una inesperada historia

El cálculo de las probabilidades posteriores fue estudiado por


primera vez por el reverendo inglés Thomas Bayes (siglo XVIII).

El estaba interesado en las matemáticas y trataba de encontrar


una fórmula para poder obtener la probabilidad de que Dios exista,
basándose en evidencias a su alcance en la Tierra.

Recordemos que los eventos E1 , E2 , . . . , En son mutuamente


excluyentes si no hay dos de ellos que contengan algún resultado
en común.

Además, diremos que los eventos E1 , E2 , . . . , En son exhaustivos si


alguno de ellos ocurre, o sea si E1 ∪ · · · ∪ En = Ω.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Primero veremos una fórmula útil

Proposición (Ley de probabilidad total)


Sean E1 , E2 , . . . , En eventos mutuamente excluyentes y
exhaustivos. Luego, para cualquier otro evento F ,

P (F ) = P (F |E1 ) P (E1 ) + · · · + P (F |En ) P (En )


Xn
= P (F |Ei ) P (Ei ) .
i=1

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La demostración es sencilla
Como los Ei son mutuamente excluyentes y exhaustivos, si F
ocurre debe ser en conjunto con al menos uno de los Ei .
Esto es F = (E1 ∩ F ) ∪ · · · ∪ (En ∩ F ), donde Ei ∩ F son
mutuamente excluyentes.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La demostración es sencilla
Como los Ei son mutuamente excluyentes y exhaustivos, si F
ocurre debe ser en conjunto con al menos uno de los Ei .
Esto es F = (E1 ∩ F ) ∪ · · · ∪ (En ∩ F ), donde Ei ∩ F son
mutuamente excluyentes.

Por tanto,
n
X n
X
P (F ) = P (Ei ∩ F ) = P (F |Ei ) P (Ei ) .
i=1 i=1

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

En la pregunta 2. del ejemplo de las marcas de VCR


usamos la ley de probabilidad total

Teorema (Teorema de Bayes)


Sean E1 , E2 , . . . , En eventos mutuamente excluyentes y exhaustivos.
Entonces para cualquier otro evento F para el que P (F ) > 0,

P (Ek ∩ F ) P (F |Ek ) P (Ek )


P (Ek |F ) = = Pn ,
P (F ) i=1 P (F |Ei ) P (Ei )

donde k = 1, . . . , n.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

En la pregunta 2. del ejemplo de las marcas de VCR


usamos la ley de probabilidad total

Teorema (Teorema de Bayes)


Sean E1 , E2 , . . . , En eventos mutuamente excluyentes y exhaustivos.
Entonces para cualquier otro evento F para el que P (F ) > 0,

P (Ek ∩ F ) P (F |Ek ) P (Ek )


P (Ek |F ) = = Pn ,
P (F ) i=1 P (F |Ei ) P (Ei )

donde k = 1, . . . , n.

Demostración.
La primera igualdad se obtiene de aplicar la definición de
probabilidad condicional.
El numerador del último cociente se debe a la regla de la
multiplicación y el denominador, a la ley de probabilidad total.
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Ahora veremos un ejemplo muy famoso

Un ejemplo del uso del teorema de Bayes es la pregunta 3. del


ejemplo de las marcas de VCR.

Example (Paradoja del falso positivo)


Supongamos que por experiencia un médico sabe que una extraña
enfermedad afecta a uno de cada 1000 habitantes de una
población, o sea, al seleccionar al azar a una persona de esa
población la probabilidad “subjetiva” de que esté enferma es
P (E ) = 0,001.

La letra E significa que el individuo seleccionado está enfermo.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las pruebas de diagnóstico ayudan objetivamente a los


médicos

Example (Paradoja del falso positivo)


Supongamos que existe una prueba fiable, pero no infalible, para
detectar la enfermedad:
La prueba resulta positiva en un 99 % de los enfermos, o sea,
P (+ |E ) = 0,99. El signo + significa que el individuo
seleccionado obtuvo un resultado positivo.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las pruebas de diagnóstico ayudan objetivamente a los


médicos

Example (Paradoja del falso positivo)


Supongamos que existe una prueba fiable, pero no infalible, para
detectar la enfermedad:
La prueba resulta positiva en un 99 % de los enfermos, o sea,
P (+ |E ) = 0,99. El signo + significa que el individuo
seleccionado obtuvo un resultado positivo.
La prueba también produce falsos resultados positivos en un
2 % de los casos, o sea, P (+ |S ) = 0,02. La letra S significa
que el individuo seleccionado está sano.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Las pruebas de diagnóstico ayudan objetivamente a los


médicos

Example (Paradoja del falso positivo)


Supongamos que existe una prueba fiable, pero no infalible, para
detectar la enfermedad:
La prueba resulta positiva en un 99 % de los enfermos, o sea,
P (+ |E ) = 0,99. El signo + significa que el individuo
seleccionado obtuvo un resultado positivo.
La prueba también produce falsos resultados positivos en un
2 % de los casos, o sea, P (+ |S ) = 0,02. La letra S significa
que el individuo seleccionado está sano.
Si bajo las condiciones anteriores tu recibes un resultado positivo
de la prueba (un dato “objetivo”), ¿cuál es la probabilidad de que
tengas la enfermedad?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Basta con aplicar el teorema de Bayes

Example (Paradoja del falso positivo)


Lo que tenemos que calcular es la probabilidad de que un individuo
seleccionado al azar de esta población esté enfermo si ya sabemos
que la prueba le resultó positiva, o sea, P (E |+ ).

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Basta con aplicar el teorema de Bayes

Example (Paradoja del falso positivo)


Lo que tenemos que calcular es la probabilidad de que un individuo
seleccionado al azar de esta población esté enfermo si ya sabemos
que la prueba le resultó positiva, o sea, P (E |+ ).

Por el teorema de Bayes tenemos

P (+ |E )
P (E |+ ) = P (E )
P (+ |E ) P (E ) + P (+ |S ) P (S)
0,99
= 0,001
(0,99) (0,001) + (0,02) (1 − 0,001)
= 0,04721.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Este resultado parece contraintuitivo

Example (Paradoja del falso positivo)


La prueba de diagnóstico parece tan precisa que esperamos que
alguien con un resultado positivo tenga una alta probabilidad de
tener la enfermedad. Sin embargo, P (E |+ ) = 0,04721.
La razón para este resultado aparentemente paradójico es que,
debido a que la enfermedad es rara y la prueba no es tan precisa, la
mayorı́a de los resultados positivos son debido a errores de la
prueba más bien que de individuos enfermos.
La probb. de estar enfermo aumentó de 0,001 a 0,04721 después
de un resultado positivo de la prueba, pero para que este aumento
sea mayor se necesita una prueba de diagnóstico más precisa.
Por otro lado, si la enfermedad no fuera tan rara, las tasas de error
de la prueba de diagnóstico utilizada darı́an mejores diagnósticos.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La dependencia entre eventos es un concepto muy


importante
La definición de probabilidad condicional nos hace posible
modificar la probabilidad P (E ) originalmente asignada a E ,
cuando nos informan que ha ocurrido otro evento F , la nueva
probabilidad de E es P (E |F ).
Lógicamente, si P (E |F ) 6= P (E ) entonces el evento F tiene
influencia en la probabilidad de que ocurra E .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La dependencia entre eventos es un concepto muy


importante
La definición de probabilidad condicional nos hace posible
modificar la probabilidad P (E ) originalmente asignada a E ,
cuando nos informan que ha ocurrido otro evento F , la nueva
probabilidad de E es P (E |F ).
Lógicamente, si P (E |F ) 6= P (E ) entonces el evento F tiene
influencia en la probabilidad de que ocurra E .
Definición
Dos eventos E y F son independientes si P (E |F ) = P (E ) y son
dependientes si P (E |F ) 6= P (E ).

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La dependencia entre eventos es un concepto muy


importante
La definición de probabilidad condicional nos hace posible
modificar la probabilidad P (E ) originalmente asignada a E ,
cuando nos informan que ha ocurrido otro evento F , la nueva
probabilidad de E es P (E |F ).
Lógicamente, si P (E |F ) 6= P (E ) entonces el evento F tiene
influencia en la probabilidad de que ocurra E .
Definición
Dos eventos E y F son independientes si P (E |F ) = P (E ) y son
dependientes si P (E |F ) 6= P (E ).

Ejercicio
Si E y F son independientes demuestre que los siguientes pares de
eventos también lo son: (E c y F ), (E y F c ) y (E c y F c ).
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Si dos dados no están “amarrados” los resultados de sus


lanzamientos son independientes
Example (Lanzamiento de dos dados)
Recordemos que
C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el
primer dado, y D = {(1, 1) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se
obtiene 1 en el segundo dado.
Es fácil ver que P (D) = 6/36 = 1/6 = P (C ).
Pero ¿Cuál es la probabilidad de que en el segundo dado salga un 1
si en el primero salió un 1?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Si dos dados no están “amarrados” los resultados de sus


lanzamientos son independientes
Example (Lanzamiento de dos dados)
Recordemos que
C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el
primer dado, y D = {(1, 1) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se
obtiene 1 en el segundo dado.
Es fácil ver que P (D) = 6/36 = 1/6 = P (C ).
Pero ¿Cuál es la probabilidad de que en el segundo dado salga un 1
si en el primero salió un 1?

P (D ∩ C ) 1/36 1
P (D |C ) = = = = P (D) .
P (C ) 1/6 6

Por tanto, los eventos C y D son independientes y la probabilidad


de que en el segundo dado salga 1 es independiente de que en el
primero haya salido un 1.
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Si dos eventos son mutuamente excluyentes, serán


dependientes

Observación
Sean E y F dos eventos mutuamente excluyentes con P (E ) > 0 y
P (F ) > 0. Entonces

P (E ∩ F )
P (E |F ) = = 0 6= P (E ) .
P (F )

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La siguiente identidad caracteriza a dos eventos


independientes

Proposición
Los eventos E y F son independientes si y sólo si

P (E ∩ F ) = P (E ) P (F ) .

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La siguiente identidad caracteriza a dos eventos


independientes

Proposición
Los eventos E y F son independientes si y sólo si

P (E ∩ F ) = P (E ) P (F ) .

Demostración.
Por la regla de la multiplicación tenemos

P (E ∩ F ) = P (E |F ) P (F ) = P (E ) P (F ) .

La segunda igualdad se debe a que E y F son independientes.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

La siguiente identidad caracteriza a dos eventos


independientes

Proposición
Los eventos E y F son independientes si y sólo si

P (E ∩ F ) = P (E ) P (F ) .

Demostración.
Por la regla de la multiplicación tenemos

P (E ∩ F ) = P (E |F ) P (F ) = P (E ) P (F ) .

La segunda igualdad se debe a que E y F son independientes.

La proposición anterior es muchas veces más cómoda para evaluar


independencia entre eventos que la propia definición.
IMAFI Definición y Cálculo de Probabilidades
Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Un ejemplo con dos eventos independientes

Example
Se sabe que el 30 % de las lavadoras de cierta compañı́a requiere
servicio cuando están todavı́a en garantı́a, en tanto que sólo 10 %
de las secadoras necesitan ese servicio.

Si alguien compra una lavadora y una secadora hechas por esta


compañı́a, ¿cuál es la probabilidad de que ambas máquinas
necesiten servicio dentro de la garantı́a?

Sean A = {lavadora necesita garantı́a} y


B = {secadora necesita garantı́a}.

Del enunciado tenemos P (A) = 0,3 y P (B) = 0,1.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Aquı́ estamos usando un resultado del ejercicio pendiente

Example
Si se supone que las dos máquinas funcionan de manera
independiente, la probabilidad deseada es:

P (A ∩ B) = P (A) P (B) = 0,3 × 0,1 = 0,03.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Aquı́ estamos usando un resultado del ejercicio pendiente

Example
Si se supone que las dos máquinas funcionan de manera
independiente, la probabilidad deseada es:

P (A ∩ B) = P (A) P (B) = 0,3 × 0,1 = 0,03.

Por otro lado, la probabilidad de que ninguna de las dos máquinas


necesite servicio es:

P (Ac ∩ B c ) = P (Ac ) P (B c ) = 0,7 × 0,9 = 0,63.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

¿Cómo definir independencia para más de dos eventos?

Para extender la definición de independencia a más de dos eventos


es más cómodo utilizar la caracterización de independencia.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

¿Cómo definir independencia para más de dos eventos?

Para extender la definición de independencia a más de dos eventos


es más cómodo utilizar la caracterización de independencia.

Definition
Los eventos E1 , . . . , En son mutuamente independientes si para
toda k = 2, 3, . . . , n y todo subconjunto de ı́ndices i1 , i2 , . . . , ik ,

P (Ei1 ∩ Ei2 ∩ · · · ∩ Eik ) = P (Ei1 ) P (Ei2 ) · · · P (Eik ) .

O sea, n eventos son mutuamente independientes si y sólo si la


probabilidad de la intersección de cualquier subconjunto de esos n
eventos es igual al producto de las probabilidades individuales.

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

Este es un ejemplo común en la práctica

Example
Un sistema consta de 4 componentes, como se muestra en la
figura. O sea, dos subsistemas en paralelo que tienen dos
componentes en serie cada uno de ellos.

 1 2 H
 HH
HH 
H 3 4 

Figura: Sistema de componentes

Si los componentes funcionan o fallan de modo independiente uno


de otro y si cada uno funciona con probabilidad 0,9, ¿cuál es la
probabilidad de que todo el sistema funcione (coeficiente de
confiabilidad del sistema)?

IMAFI Definición y Cálculo de Probabilidades


Introducción Espacios muestrales y eventos Definición de probabilidad Probabilidad condicional Independencia

El valor 0,9 puede ser sustituı́do por cualquier valor


p ∈ (0, 1)

Example
Sea Ai el evento de que el i−ésimo componente funcione.

Por tanto, la probabilidad de que todo el sistema funcione es:

P [(A1 ∩ A2 ) ∪ (A3 ∩ A4 )] = P (A1 ∩ A2 ) + P (A3 ∩ A4 )


− P [(A1 ∩ A2 ) ∩ (A3 ∩ A4 )]
= P (A1 ) P (A2 ) + P (A3 ) P (A4 )
− P (A1 ) P (A2 ) P (A3 ) P (A4 )
= (0,9)2 + (0,9)2 − (0,9)4 = 0,9639.

IMAFI Definición y Cálculo de Probabilidades