Universidad Nueva San Salvador

Facultad de Ciencias Jurídicas y sociales

Temas: Probabilidad condicional, eventos independientes y Teorema de Bayes

Catedrático: Licdo. Álvaro Eduardo Morales Linares

Clase#2

Probabilidad condicional
Sea E un evento arbitrario de un espacio muestral S con P(E)>0. La probabilidad de que un evento
A suceda una vez que E haya sucedido o, en otras palabras, la probabilidad condicional de A dado
E, escrito P(A/E), se define como sigue:

P ( EA )= P(P(A ∩E)E) ; P( E)≠ 0

La probabilidad condicional se relaciona con los problemas de restricción de espacios muestrales.

Simétricamente:

A P( A ∩ E)
P ( )
E
=
P( A)
; P( A)≠ 0

Ejemplo:

3 5 3
Sean los eventos A y B con P(A)¿ , P(B)= y P ( A ∪ B ) = . Halla P( A /B) y P(B/ A)
8 8 4
Solucion:

Primero se calcula P( A ∩ B) usando la fórmula P ( A ∪ B ) =P ( A )+ P ( B )−P( A ∩ B):

3 3 5
= + −P ( A ∩ B)
4 8 8
−3 1
P(A∩B)= + 1=
4 4
1
P ( A ∩B) 4 2
Asi, P(A/B)= = =
P(B) 5 5
8
Y

1
P (B ∩ A) 4 2
P(B/A)= = =
P( A) 3 3
8
Ejemplo 2.

En un curso de matemática impartido a 40 mujeres y 26 hombres, se les preguntó cuantos tenían

computadora en su casa. Once hombres y 7 mujeres respondieron afirmativamente. Si luego se
selecciona, al azar, un esrudiante de la nomima de alumnos, determina las probabilidades de que
el estudiante elegido:

a) Sea mujer
b) Sea hombre y no tenga computadora
c) Si se sabe previamente que el estudiante seleccionado es mujer, ¿Cuál es la probabilidad
de que tenga computadora en su casa?

Solución:

El cuadro de doble entrada que se presenta a continuación resume los datos, denominemos

H: “El estudiante seleccionado es un hombre”

M: “El estudiante seleccionado es mujer”

C: “El estudiante seleccionado tiene computadora”

C’: suceso complementario de C el estudiante seleccionado no tiene computadora

M H
C 7 11 18
C’ 33 15 48
40 26 66
40
a) P(M)=
66
7
b) P(M∩C)=
66
15
c) P(H∩C’)=
66
d) Si sabemos con anticipación que el estudiante es una mujer, el espacio de selección se
restringe:

M
C 7
C’ 33
40

Por lo tanto, P(C/M) (probabilidad de que tenga computadora dado que ya sabemos que es una
mujer).

7
P(C/M)=
40
El ejemplo que acabamos de resolver nos permite utilizar otra forma alternativa de cálculo de la
7
probabilidad condicional. Partiendo de P(C/M)= , tenemos:
40
7
7 66 P ( C ∩ M )
P(C/M)= = =
40 40 P(M)
66
Eventos independientes
Cuando la realización de suceso, no influye en realización, de otro (no están condicionados el uno
por el otro), se dice que son independientes.

Sean E y F eventos. Entonces E y F se dice que son eventos independientes si:

P(E/F)=P(E) P ( EF )= P (PE( ∩F )F ) probabilidad codicional

P(F/E)=P(F)

Ejemplo 1

Una moneda legal es lanzada dos veces sean E y F los eventos:

E={ cara en el primer lanzamiento }

F={ cara en el segundo lanzamiento }
Determinar si E y F son o no eventos independientes.

Solución:

Sospechamos que son independientes ya que el lanzamiento de una moneda no puede influir en el
resultado del otro lanzamiento. Para confirmar nuestra sospecha comparemos P(E) con P(E/F).

Sea S=¿

Tenemos E=¿ y F={ CC ,+C } por lo tanto

n(E) 2 1
P(E)= = =
n( S) 4 2

n(E ∩ F) n { ( CC ) } 1
P(E/F)= = =
n( F) n(F) 2
Ya que P(E/F)=P(E), los eventos E y F son independientes.

De la expresión condicional se tiene que

P(E∩F)=P(E)P(F/E)

=P(F)P(E/F)
Si los eventos E y F son independientes entonces se tiene P(F/E)=P(F) de modo que la sustitución
en la primera ecuación

P(E∩F)=P(E)P(F)

El mismo resultado se obtiene en la segunda ecuación de ello se obtiene la siguiente condición de

independencia:

“Los eventos E y F son independientes si y solo si”:

P(E∩F)=P(E)P(F)

Ejemplo 2

LA probabilidad de que el evento “Bob vive 20 años mas” (B) es 0.8 y la probabilidad del evento
“Doris vive 20 años mas” (D) es 0.85. B y D son independientes.

a) Encontrar la probabilidad de que Bob y Doris viva 20 años mas

Solución
Estamos interesados en P(B∩D). Ya que B y D son independientes, aplicamos la condición
de independencia:
P(B∩D)=P(B)P(D)
=(0.8)(0.85)
=0.68B)
b) Encontrar la probabilidad que al menos uno de ellos viva 20 años mas

Solución

Aquí queremos P(BUD). Por ley de la suma P(BUD)=P(B)+P(D)-P(B ∩D). De la parte a) P(B∩D)=0.68,
de modo que:

P(BUD)=0.8+0.85-0.68
=0.97
c) Encuentra la probabilidad de que exactamente uno de ellos viva 20 años mas

Solución:
Primero expresamos el evento:
E={ exactamente uno de ellos vive 20 años más }
En términos de los eventos dados B y D. Ahora el evento E puede ocurrir en una de dos maneras
mutuamente excluyentes. Bob vive 20 años mas pero Doris no (B ∩D’) o Doris vive 20 años mas
pero Bob no (B’∩D) por lo tanto:
E=(B∩D’)U(B’∩D)
Por ley de la suma (para eventos mutuamente excluyentes)
P(E)=P(B∩D’)+P(B’∩D)
Para calcular (B∩D’) notamos que B y D son independientes, también lo son B y D’. Por lo tanto
podemos utilizar la condición de independencia y la regla para complementos:

P(B’∩D)=P(B)P(D’)
=(0.8)(1-P(D))
 =(0.8)(0.15)
=0.12
Del mismo modo para:

P(B’∩D)=P(B’)P(D)
=(0.2)(0.85)
=0.17
Sustituyendo en la primera ecuación 1) se tiene:
P(E)=0.12+0.17
P(E)=0.29
Cuando hay mas de dos eventos independientes. La probabilidad de su ocurrencia simultanea es el
producto de las probabilidades separadas; asi, si los eventos son E1, E2, E3,……Ek

P(E1∩E2∩E3∩… … … ∩Ek)=P(E1)P(E2)P(E3)……..P(Ek)
Ejemplo
Se realizara un estudio en 40 manzanas (M) de la ciudad. Cada manzana tiene 20 edificios de
apartamentos (E) y cada edificio, 30 apartamentos (A). ¿Cuál es la probabilidad de elegir un
apartamento cualquiera, si tanto manzanas como edificios y apartamentos se seleccionan al azar?

Soucion:
La probabilidad de elegir un apartamento cualquiera requiere calcular P(M ∩E∩A)

P(M∩E∩A)=P(A/E∩M)P(E∩M)
=P(A/E∩M)P(E/M)P(M)
=P(M)P(E/M)P(A/E ∩M)
1 1 1 1
= × × =
40 20 30 24000

Teorema de Bayes

Sea { A1 , A 2 ,… … , A i ,… ….. , An } un conjunto de sucesos mutuamente excluyentes, tales que la

probabilidad de cada uno de ellos es distinta de cero. Sea B un suceso cualquiera del que se
B A
conocen las probabilidades condicionales P( ). Entonces la probabilidad P( i ) viene dada por:
Ai B
B
P( )P( A i)
P ( AB )= ∑ P( B ) P( A )
i
n
Ai

j
i=1 Ai

Las probabilidades P(Ai) se denominan: probabilidades a priori

Las probabilidades P(Ai/B) se denominan probabilidades a posteriori

El teorema de Bayes parte de una situación en la que es posible conocer las probabilidades de que
una serie de sucesos Ai.

A esta se añade un suceso B cuya ocurrencia proporciona cierta información, porque las
probabilidades de ocurrencia de B son distintas según el suceso Ai que haya ocurrido conociendo
que ha ocurrido el suceso B, la formula del teorema de Bayes nos indica como modifica esta
información las probabilidades de los sucesos A i.

El teorema de Bayes, dentro de la teoría probabilística, proporciona la distribución de

proababilidad condicional de un evento “A”, dado otro evento “B” (probabilidad posteriori). En
función de la distribución de probabilidad condicional del evento “B” dado “A” y de la distribución
de probabilidad marginal del evento “A” (probabilidad simple apriori).

Partiendo de las fórmulas de probabilidad condicional

P ( BA )= P(P(B)
A ∩ B)

y la probabilidad conjunta P(A∩B)=P(B)P(A/B) para eventos estadisticamete dependientes se

procederá a enunciar el teorema de Bayes.

Sean A1, A2,……………An eventos mutuamente excluyentes tales que, cualquier evento “B” en el
espacio muestral pertenece a uno y solo a uno de estos eventos. Entonces la probabilidad de que
ocurra cualquier evento Ak dado que ha ocurrido el evento “B”.

Se calculará con la siguiente formula:

P ( AB )= P(P(B)
k A ∩ B)
k

Por lo tanto, sustituyendo la formula de probabilidad condicional se obtiene la formula general

para el teorema de Bayes.

B
P( A k ) P( )
P ( AB )= P ( A ) P
k

B B
Ak
B
1
( )
A1 ( )
+ P ( A2) P
A2
+…+ P ( An ) P
An ( )
Donde:

El numerador es la probabilidad conjunta:

P(A∩B)=P(A)P(B/A)

El denominador es la probabilidad marginal de que ocurra el evento B.

P(B)=P(A1)P(B/A1)+ P(A2)P(B/A2)+…+ P(An)P(B/An)

Como A y B son eventos estadísticamente dependientes, el teorema de Bayes se puede
representar también utilizando el diagrama de árbol.

A continuación unos ejemplos completos en donde se explica el procedimiento para resolver un

problema utilizando el teorema de Bayes.

1 La textilera “Ecotexa” compra un cargamento de telas de tres casas proveedoras. Un 30% de las
telas se adquieren en “casa Ochoa”, 20% a “casa textiles” del sur” y el 50%sobrante a “tituanex”.

Ecotexa posee información de las tres casas y se sabe que el 3% de la mercadería de “casa Ochoa”
son defectuosos, eñ 5% de las telas de “casa textiles del sur” no son aceptables y que el 4% de las
telas de “tituanex” tienen algún tipo de defecto.

Al llegar a la bodega no son seleccionados y se toma un paquete de telas que resultan ser
defectuosas.

¿Cuál es la probabilidad de que esta mercadería sea de “casa Ochoa”?

Solucion:

Primero hemos de determinar las ´probabilidades que nos da el ejemplo que son:

Probabilidad a priori:

P(A1) =0.30 probabilidad que las telas se aquieran de “casa Ochoa”

P(A2)=0.20 probabilidad que las telas se adquieran de “textiles del sur”

P(A3)=0.50 probabilidad que las telas se adquieran de “tituanex”.

Probabilidad condicional

P(B/A1)=0.03 mercadería de “casa ochoa” sea defectuosa

P(B/A2)=0.05 mercadería de “textiles del sur”, sea defectuosa

p(b/a3)=0.04 mercadería de “tituanex”, sea defectuosa.

Se desea calcular:

P(A1/B) donde A1 se refiere a “casa Ochoa” y B que la mercadería resulte defectuosa. Por el
teorema de Bayes tenemos:

P( A 1) P (B / A 1)
P(A1/B)= B B
P ( A 1) P
A1( )
+ P( A2) P
A2 ( )
+ P ( A 3 ) P( B/ A3 )

( 0.30)( 0.03)
P(A1/B)=
( 0.30 ) ( 0.03 )+ ( 0.20 ) ( 0.05 ) +(0.50)(0.04 )
P(A1/B)=0.231

El reporte meteorológico ha anunciado tres posibilidades para el fin de semana:

 a) Que llueva: probabilidad del 50%
b) Que nieve: probabilidad del 30%
c) Que halla niebla: probabilidad del 20%

Según estos posibles estados meteorológicos, la posibilidad que ocurra un accidente es la

siguiente:

a) Si llueve: probabilidad de un accidente del 20%

b) Si neva: probabilidad de un accidente del 10%
c) Si hay niebla: probabiliad de un accidente del 5%

Resulta que efectivamente ocurra un accidente pero como no estábamos en la ciudad no sabemos
que tiempo hizo (llovio, nevo o hubo niebla) calcular estas probabilidades.

Solucion

Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se denominan
“probabilidades” a priori (lluvia con el 50%, nieve con el 30%, y niebla con el 20%).

Una vez que incorporamos la información de que ha ocurrido un accidente, las probabilidades del
suceso A cambian: son probabilidades condicionadas P(A/B) que se denominan “probabilidades a
posteriori”.

Vamos a aplicar la formula:

P(Ai/B)= P( Ai )P ¿ ¿

a) Probabilidad que estuviera lloviendo:

0.50 ×0.20
P(A1/B)= =0.714
( 0.50× 0.20 ) + ( 0.30 × 0.10 )+(0.20 × 0.05)

b) Probabilidad de que estuviera nevando:

0.30 ×0.10
P(A2/B)= =0.214
( 0.50× 0.20 ) + ( 0.30 × 0.10 )+(0.20 × 0.05)

c) Probabilidad que hubiera niebla:

0.20 ×0.05
P(A3/B)= =0.071
( 0.50× 0.20 ) + ( 0.30 × 0.10 )+(0.20 × 0.05)