TEMA 64: PROBABILIDAD COMPUESTA. PROBABILIDAD CONDICIONADA.

PROBABILIDAD TOTAL. TEOREMA DE BAYES.

1. Introducción 1

2. Experimentos aleatorios. Álgebra de sucesos 2

2.1. Definiciones 2

2.2. Álgebra de sucesos 2

3. Probabilidad 3

4. Probabilidad condicionada 4

5. Probabilidad compuesta 5

6. Sucesos dependientes e independientes 6

7. Probabilidad total 6

8. Teorema de Bayes 7

9. Relación del tema con el currículo 7

10. Conclusión 7

11. Bibliografía 7
TEMA 64: PROBABILIDAD COMPUESTA. PROBABILIDAD CONDICIONADA.

PROBABILIDAD TOTAL. TEOREMA DE BAYES.

Los juegos de azar incluyen acciones como girar la rueda de una ruleta, lanzar dados, tirar al aire

una moneda, extraer una carta, etc, en las cuales el resultado es incierto. Pero, se ha comprobado

que existe un resultado que se puede predecir a largo plazo.

Igual que ha ocurrido con otras ramas de las matemáticas, el desarrollo del Cálculo de

Probabilidades ha sido estimulado por la variedad de sus aplicaciones, y lo contrario, cada avance

en la teoría ha ampliado el campo de su influencia. La comprensión de la moderna teoría de las

probabilidades requiere conocimientos de las teorías de la medida e integración, pero nos vamos a

limitar a cuestiones sencillas, con nociones elementales para apreciar métodos y técnicas.

La noción de probabilidad condicionada representa un complemento importante del cálculo de

probabilidades y permite simplificarlo sustancialmente, especialmente en algunos casos en que el

cálculo directo resultaría complicado.

1. Introducción

La primera formulación explícita del concepto de leyes del azar se debe al famoso matemático y

físico Cardano, en 1526 establece, por condiciones de simetría, la equiprobabilidad de aparición

de las caras de un dado a largo plazo. También se conserva un fragmento de Galileo, respondiendo

a un jugador que le preguntó por qué es más difícil obtener 9 tirando tres dados que obtener 10.

Tarda todavía en aparecer los primeros tratados sobre el tema. Una disputa entre jugadores en

1654 llevó a dos famosos matemáticos franceses, Pascal y Fermat a la creación del Cálculo de

Probabilidades. Éstos mantuvieron correspondencia para resolver cuestiones sobre un popular

juego de dados, al que un noble francés, de Mèré era aficionado. Huyghens, maestro de Leibniz,

enterado de esa correspondencia publicó en 1657 el primer libro de probabilidades. En el que

aparece la noción de probabilidad condicionada, así como la de sucesos independientes de forma

implícita. También aparece en los escritos de Bernouilli a finales del S XVII y principios del

XVIII. De Moivre llega a una formulación semejante a la actual en pleno s. XVIII.

En 1812, Laplace introdujo muchas ideas y técnicas matemáticas nuevas y demostró que esa

teoría podía ser aplicada a muchos problemas científicos y prácticos.

1
2. Experimentos Aleatorios. Álgebra de sucesos.

2.1. Definiciones

Un experimento se dice aleatorio si a pesar de conocer los posibles resultados, no se puede

predecir cuál de ellos se va a obtener en una experiencia concreta. Aquel que repetido en las

mismas condiciones el resultado puede cambiar de una vez para otra.

Un experimento se dice determinístico si al repetirlo varias veces en igualdad de condiciones se

obtiene el mismo resultado.

En los experimentos aleatorios todos los posibles resultados del experimento son conocidos con

anterioridad a su realización, no se puede predecir el resultado de una realización concreta y el

experimento se puede repetir bajo las mismas condiciones las veces que queramos.

Se llama espacio muestral de un experimento aleatorio al conjunto de todos los resultados

posibles del experimento, lo llamamos E.

Se llama suceso a todo subconjunto del espacio muestral.

Se llama suceso elemental a los posibles resultados de un experimento aleatorio que no se puede

descomponer en otros más sencillos; son excluyentes entre sí.

Suceso imposible es aquel que nunca ocurre. Se representa por ∅ .

Suceso seguro es aquel que ocurre siempre. El espacio muestral, E.

Se llama espacio de sucesos al conjunto de todos los sucesos posibles de un experimento, es

decir, el conjunto de todos los subconjuntos del espacio muestral E. Lo llamamos S.

2.2. Álgebra de Sucesos

Diremos que un suceso A se ha realizado o ha ocurrido en una prueba de un experimento aleatorio

cuando el resultado del experimento coincide con alguno de los elementos que forman A.

Decimos que A está contenido en B, A ⊂ B , si todo suceso elemental de A lo es de B.

Dos sucesos A y B son iguales si todo suceso elemental de A lo es de B y si todo elemento

elemental de B lo es de A.

Dado un suceso A del espacio E, A ⊂ E , se define el suceso contrario o complementario de A, A ,

al formado por todos aquellos sucesos elementales que no sean de A, o sea, el suceso que ocurre

cuando no ocurre A.

2
Operaciones con sucesos:

Suceso diferencia: Dados dos sucesos A y B, A – B es el formado por los sucesos elementales que

están en A pero no en B.

Suceso unión: A ∪ B , el formado por todos los sucesos elementales de A o de B, el que ocurre

cuando ocurre A u ocurre B.

Suceso intersección: A ∩ B , es el formado por los sucesos elementales que están en A y en B, el

que ocurre cuando ocurre A y ocurre B.

Sucesos incompatibles: A y B lo son cuando A ∩ B = ∅ .

Sucesos compatibles: A y B lo son cuando A ∩ B ≠ ∅

El conjunto de todos los sucesos asociados a un experimento aleatorio con la unión, la

intersección y la complementación es un álgebra de Boole. Cumple las siguientes propiedades:

1) La unión y la intersección de sucesos son asociativas conmutativas e idempotentes.

2) A ∪ ∅ = A A∩∅ = ∅
3) A ∪ E = E A∩E = A
4) A ∪ A = E A∩ A = ∅
5) Distributivas: A ∩ ( B ∪ C ) = ( A ∩ B ) ∪ ( A ∩ C )
A ∪ (B ∩ C ) = ( A ∪ B ) ∩ ( A ∪ C )

Otras propiedades: 1) A ∩ ( B ∪ A ) = A
2) A ∪ ( B ∩ A ) = A

( )
Leyes de Morgan: 1) A ∪ B = A ∩ B
2) ( A ∩ B ) = A ∪ B

3. Probabilidad

Basándonos en la definición clásica o de Laplace en la que la probabilidad de que ocurra un suceso,

en igualdad de condiciones es el cociente entre los casos favorables y los casos posibles y en la

definición frecuencial, basada en la Ley del Azar o de los Grandes Números, que dice que cuando

el número de ensayos tiende a infinito las frecuencias relativas de los sucesos tienden a

estabilizarse alrededor de ciertos números. Consideraremos la definición axiomática de

probabilidad.
3
Suponemos un espacio muestral E de un experimento aleatorio. Y el espacio de sucesos S, el

conjunto de los posibles sucesos asociados a E, (álgebra de sucesos, que además es álgebra de

Boole), definimos axiomáticamente la probabilidad, como una función p : S ⎯⎯

→ , que asocia a

cada suceso A un número real, p(A), que será su probabilidad, cumpliendo:

Axioma 1: La probabilidad de un suceso cualquiera es positiva, p( A) ≥ 0 ∀A ∈ S

Axioma 2: La probabilidad del suceso seguro es 1. p(E) = 1.

Axioma 3: Dados dos sucesos A y B incompatibles, o sea, A ∩ B = ∅ ⇒ p( A ∪ B ) = p( A ) + p(B )

Diremos que la terna (E, S, p) es un Espacio Probabilístico, Espacio de Probabilidad o

Distribución de Probabilidad, en el que se verifica:

1) E ∈ S 4) p( A ) ≥ 0 ∀A ∈ S
2) A ∈ S ⇒ A ∈ S 5) p(E ) = 1
3) Ak ∈ S ∀k ∈ ⇒ ∪ Ak ∈ S 6) Dada una sucesión numerable de sucesos incompatibles
k =1

dos a dos, A1, A2 ,... ∈ S , Ai ∩ A j = ∅ ∀i ≠ j ⇒ p(∪ Ak ) = ∑ p( Ak )

k k

4. Probabilidad condicionada

Si lanzamos un dado y sabemos que el resultado es un número par ¿cuál es la probabilidad de que

sea divisible por 3? Esto se puede formular si A y B son dos sucesos del espacio muestral. Si

ocurre A, ¿cuál es la probabilidad de que ocurra B? En nuestro caso E = {1, 2, 3, 4, 5, 6}

A = {2,4,6} y B = {3, 6}, la respuesta sería 1/3, lo hemos resuelto de una forma muy sencilla, se

trata de generalizar el resultado.

Proposición: En el espacio probabilístico (E, S, p). Sea A ∈ S y p( A ) ≠ 0 , consideramos la

p( A ∩ B )
→ [ 0,1] , definida por pA (B ) =
aplicación pA : S ⎯⎯ . Entonces, (E, S, pA) es un espacio de
p( A)

probabilidad.
p( A ∩ B )
D.- 1) ∀B ∈ S ⇒ pA (B ) ≥ 0 ; Evidente pA (B ) = p( A ∩ B ) ≥ 0 y p( A ) ≥ 0
p( A)
P (E ∩ A ) P ( A )
2) pA (E ) = 1 ; PA (E ) = = =1
P ( A) P ( A)
3) Si B1, B2 ,..., son incompatibles, también lo serán B1 ∩ A, B2 ∩ A,..., Por tanto:
⎛ ⎛ ⎞⎞ ⎛ ⎞
p ⎜ A ∩ ⎜ ∪ Bk ⎟ ⎟ p ⎜ ∪ ( A ∩ Bk ) ⎟ ∑ p(A ∩ B )
⎝ k ⎠⎠
k
p ( A ∩ Bk )
pA (∪ Bk ) = ⎝ = ⎝ k ⎠= k
=∑ = ∑ pA (Bk )
k p( A) p( A) p( A) k p( A) k

4
Definición: Dado (E, S, p) un espacio de probabilidad. Sean A, B ∈ S y p( A ) ≠ 0 . Se llama

p(B ∩ A)
probabilidad de B condicionada a A al valor: p(B / A) = pA (B ) = .
p( A)

Nota: Como hemos observado, la noción de condicionalidad viene de la necesidad de considerar sucesos cuya realización depende de la realización

o no de otros.

Propiedades: 1) p(B / A ) = 1 − p(B / A) p( ∅ / A ) = 0

D.- 1 = p(E / A) = p(B ∪ B / A) = p(B / A ) + p(B / A) , tenemos lo que queremos.
2) Si B ⊂ C ⇒ p(B / A ) ≤ p(C / A ) p(B / A ) ≤ 1
( )
D.- B ⊂ C ⇒ C = B ∪ C ∩ B ⇒ p(C / A) = p(B / A) + p(C ∩ B / A)
p(B )
3) Si B ⊂ A ⇒ p(B / A) =
p( A)
p(B ∩ A) p(B )
D.- p(B / A) = =
p( A) p( A)
4) A ⊂ B ⇒ p(B / A) = 1
p(B ∩ A) p( A)
D.- p(B / A) = = =1
p( A) p( A)

5. Probabilidad compuesta

Los experimentos aleatorios compuestos son el resultado de realizar varios experimentos

aleatorios simples. Por tanto vamos a definir la probabilidad compuesta como la probabilidad de

que se realicen dos sucesos simultáneamente: p( A ∩ B ) , que despejando de la definición de

probabilidad condicionada tenemos que es la probabilidad de que se realice el primer suceso A

por la probabilidad de que se realice el segundo, habiéndose realizado el primero B/A.

p( A ∩ B ) = p( A)·p(B / A) Teorema de la probabilidad compuesta

Teorema de la probabilidad compuesta generalizado: Sea (E, S, p) un espacio de probabilidad

⎛ n ⎞
con A1, A2 ,..., An n sucesos cualesquiera y supongamos que p ⎜ ∏ Ak ⎟ > 0 . Entonces:
⎝ k =1 ⎠
⎛ n ⎞ n ⎛ k −1
⎞
p ⎜ ∩ Ak ⎟ = ∏ p ⎜ Ak / ∩ Ai ⎟
⎝ k =1 ⎠ k =1 ⎝ i =1 ⎠
D.- Por inducción sobre n: Para n = 2, cierto, lo hemos visto
Suponemos cierto para n, vemos que pasa con n + 1:

⎛ n +1 ⎞ ⎛⎛ n ⎞ ⎞ ⎛ n ⎞ ⎛ n
⎞ n ⎛ k −1
⎞ ⎛ n
⎞ n +1 ⎛ k −1
⎞
p ⎜ ∩ Ak ⎟ = p ⎜ ⎜ ∩ Ak ⎟ ∩ An +1 ⎟ = p ⎜ ∩ Ak ⎟·p ⎜ An +1 / ∩ Ak ⎟ = ∏ p ⎜ Ak / ∩ Ai ⎟·p ⎜ An +1 / ∩ Ak ⎟ = ∏ p ⎜ Ak / ∩ Ai ⎟
⎝ k =1 ⎠ ⎝ ⎝ k =1 ⎠ ⎠ ⎝ k =1 ⎠ ⎝ k =1 ⎠ k =1 ⎝ i =1 ⎠ ⎝ k =1 ⎠ k =1 ⎝ i =1 ⎠

5
6. Sucesos dependientes e independientes

Sea (E, S, p) un espacio de probabilidad y A, B ∈ S . Se dice que A y B son independientes si

p( A ∩ B ) = p( A )·p(B )

Un suceso B es independiente de un suceso A su probabilidad es la misma habiéndose realizado

antes A o no. Ninguno de los dos sucesos interviene en la realización del otro. La independencia

tiene un carácter recíproco.

Propiedades: 1) A y B son independientes ⇔ p(B / A ) = p(B )

p( A ∩ B ) p( A)·p(B )
D.- p(B / A) = = = p(B )
p( A) p( A)

2) Si A y B son independientes, A y B también lo son

( ) ( ) (( ) ) ( )
D.- A = A ∩ B ∪ ( A ∩ B ) con A ∩ B ∩ ( A ∩ B ) = ∅ p( A) = p A ∩ B ∪ ( A ∩ B ) = p A ∩ B + p ( A ∩ B )

( )
⇒ p A ∩ B = p( A) − p( A)·p(B ) = p( A) (1 − p(B ) ) = p( A)·p(B )

3) Si A y B son independientes, A y B también lo son.

D.- Por las leyes de Morgan:

( ) ( )
p A ∩ B = p A ∪ B = 1 − p( A ∪ B ) = 1 − p( A) − p(B ) + p( A ∩ B ) = 1 − p( A) − p(B ) + p( A)·p(B ) =

= (1 − p( A) )·(1 − p(B ) ) = p( A)·p(B )

4) Si dos sucesos A y B son incompatibles conp( A) 0> y p(B ) > 0 . Entonces, son dependientes.

D.- p( A ∩ B ) = p( A)·p(B ) ≠ 0 y por otro lado p( A ∩ B ) = p(∅ ) = 0

7. Probabilidad total

Sea (E, S, p) espacio de probabilidad. Se llama sistema completo de sucesos a cualquier conjunto

{An }n∈F ⊂ S en el que F es un conjunto numerable en el que se verifican:

1) ∀m, n ∈ F , m ≠ n , An ∩ Am = ∅

2) ∪A
n∈F
n =E

Teorema de la probabilidad total: Sea (E, S, p) un espacio de probabilidad y {An }n∈F ⊂ S un

sistema completo de sucesos. Sea B ∈ S , entonces: p(B ) = ∑ p( An )·p(B / An )
n∈F

⎛ ⎛ ⎞⎞ ⎛ ⎞
D.- p(B ) = p(B ∩ E ) = p ⎜ B ∩ ⎜ ∪ An ⎟ ⎟ = p ⎜ ∪ ( B ∩ An ) ⎟ = ∑ p ( B ∩ An ) = ∑ p( An )·p(B / An )
⎝ ⎝ n∈F ⎠ ⎠ ⎝ n∈F ⎠ n∈F n∈F

6
8. Teorema de Bayes

Sea (E, S, p) un espacio de probabilidad y { An }n∈F ⊂ S un sistema completo de sucesos. Sea B ∈ S

p( Ak )·p(B / Ak )
con p(B ) ≠ 0 . Entonces ∀k ∈ F p( Ak / B ) =
∑ p( An )·p(B / An )
n∈F

D.- Como consecuencia de la probabilidad condicionada tenemos p( Ak ∩ B ) = p( Ak )·p(B / Ak ) =

T .PROB.TOTAL
p( Ak )·p(B / Ak )
= p(B )·p( Ak / B ) ⇒ p( Ak / B ) = ⇒ p(B ) = ∑ p( An )·p(B / An ) ⇒
p(B ) n∈F

p( Ak )·p(B / Ak )
⇒ p( Ak / B ) =
∑ p( An )·p(B / An )
n∈F
Nota: Las probabilidades p( Ak / B ) son conocidas “a posteriori”, las probabilidades p(B / Ak ) “a priori”. El teorema de Bayes permite conocer
probabilidades “a posteriori”, conocidas las halladas “a priori”. La gran dificultad que presenta este teorema es la forma aleatoria con que se
determinan las probabilidades p( Ai )

9. Relación del tema con el currículo

Aunque es en 3º de ESO cuando se comienzan a dar las primeras nociones de probabilidad, no es

hasta 4º de ESO donde, en cualquiera de las dos opciones, se estudia la probabilidad compuesta.

En bachillerato se ve en 1º y 2º de matemáticas aplicadas a las ciencias sociales y en la optativa

de Estadística en 2º de bachillerato.

10. Conclusión

Es importante el conocimiento de los estos teoremas porque lo que nos vamos a encontrar en la

realidad son experiencias compuestas, de las que podremos calcular probabilidades con la simple

aplicación de estos resultados. Realmente solo necesitaríamos uno de ellos para ir deduciendo

probabilidades.

11. Bibliografía

-Sixto Rios. Métodos Estadísticos. -Cálculo de probabilidades. Renyi. Reverté.

-Calot. Curso de Estadística Descriptiva. -Culculus. Apostol. Reverté.

-Nortes. Estadística Teórica y Aplicada. -Estadística. Mc Graw Hill.

-Teoría de probabilidades y aplicaciones. Cramer. Aguilar.

-Decreto 231/2007: Ordenación y enseñanzas correspondientes a secundaria en Andalucía.

-Real Decreto 1631/2006: Enseñanzas mínimas ESO.

-Decreto 208/2002: Enseñanzas de Bachillerato en Andalucía.