Notas de clase 3

Probabilidad condicional y eventos independientes

Definición (probabilidad condicional): Sea (Ω,ϡ, P ¿ un espacio de probabilidad si A , B ϵ ϡ ( son

enventos y P(A)>0, Entonces se define la probabilidad del evento B bajo la condición de A como
sigue :

P( A ∩B)
P ( B| A )=
P(A )

Ejemplo: Se lanza un dado ¿Cuál es la posibilidad de que salga un 2, dado que salio un par?

1
A=Salio par P ( A ) =
2

1
B=Salio 2 P ( B )=
6

1
P ( A ∩ B )=
6

1
P( A ∩ B) 6 1
P ( B| A )= = =
P ( A) 1 3
2

Ejemplo: Se lanzan dos dados corrientes una vez ¿Cuál es la probabilidad de que al menos uno de
los resultados sea 6 , dado que los resultados obtenidos son diferentes?

30
A=Resultados diferentes P ( A )=
36

11
B=Salga al menos un 6 P ( B )=
26

10
P ( A ∩ B )=
36

10
P ( A ∩ B ) 36 10 1
P ( B| A )= = = =
P ( A) 30 30 3
36
Gráficamente

Si A es seguro que pasa entonces , todo lo posible o los casios

posibles son solamente dentro de las rayas . todo lo que este
fuera de las rayas va a pasar con probabilidad de 0. Por lo
tanto, para calcular ahora la probabilidad de que suceda B,
Debemos coger solamente el área de B que comparta con A.

Teorema: Sea(Ω , ϡ , P) un espacio de probabilidad y

A ϵ ϡ con P ( A ) >0 La medida P(·∨ A) es una medida de probabilidad sobre Ω

 P¿

P( B ∩ A)
i. P ( B| A )= ; Es posible que sea menor que cero al tener
P( A)
P ( B ∩ A ) ≥ 0 y P ( A ) >0
 P ( Ω )=1

P ( Ω ∩ A ) P( A)
ii . P ( Ω| A )= = =1
P (A ) P( A)
 Si A1 , A2 , A 3 , A 4 … ϵ ϡ y son mutuamente excluyentes, esto es

Ai ∩ A j=Ø

∞
P(¿ i=1 ¿ ∞ A i )=∑ P ( A i )
i=1

P ( ¿ i=1 ¿ ∞ A i| A )=∑ P ¿ ¿

A donde tenemos que llegar

P((¿ i=1 ¿ ∞ A i)∩ A )

P ( ¿ i=1 ¿ ∞ A i| A )= =P ¿ ¿
P( A)
Teorema de la probabilidad total: Sean A1 , A2 , A 3 , … … . A n una partición finita de Ω es decir
Ai ∩ A j=¿ Ø para todo i≠ j y ¿ i=1¿ ∞ Ai=Ω con P ( A1 ) > 0;

Entonces B ϵ ϡse satisface

P ( B )=∑ P ( B| A n ) P(¿ A n )¿

Graficamente

Si queremos la probabilidad de B, tenemos que ir recogiendo recuadro a recuadro cada pedazo de

B , es decir , B esta particionado en 6 pedazos que comparte con A1 , A2 , A 3 … … . A6 ; para reunir
B completo es como si armáramos un rompecabezas

Demostración:

P ( B )=P ( B ∩Ω ) =P ¿ ¿ i=1 ¿ ∞ A i ¿ ¿=P ¿

Son mutuamente excluyentes

P¿

Regla de Bayes (Teorema): Sean A1 , A2 , A 3 , … … . A n una partición finita de Ω , y P ( A 1 ) >0 , ∀i

Entonces se satisface que

P ( A 1 ) P ( B| A 1)
P ( A 1|B )=
∑ P( B∨ A j ¿ ) P( A j )¿
j

Demostración: TAREA
Propiedades (Probabilidad condicional)

 Si A ∩ B=∅ entonces P ( A|B )=0

Demostración: trivial
 P ( B ∩C|A )=P ( B| A ∩C ) ∙ P ( C| A ) , Si P ( A ∩C )> 0

Demostración:
P ( B ∩C ∩ A ) P ( B∩C ∩ A ) P ( C ∩ A ) P ( B ∩C ∩ A ) P ( C ∩ A )
P ( B ∩C|A )= = ∙ = ∙
P(A) P(A) P (C ∩ A ) P (C ∩ A ) P ( A)

¿ P ( B| A ∩C ) ∙ P ( C| A )
 Si A1 , A2 , A 3 … . ∈ϡ con P ( A 1 ∩ A 2 ∩ A 3 … . An−1 ) >0 Entonces

P ( A 1 ∩ A 2 ∩ A 3 … . ∩ An ) =P ( A 1 ) ∙ P ( A2∨ A 1) ∙ P ( A 3∨ A2 ∩ A1 ) ∙ P ( A 4∨ A 3 ∩ A2 ∩ A1 ) … …

Demostración:

P ( A 1 ) ∙ P ( A2∨ A 1 ) ∙ P ( A 3∨ A 2 ∩ A1 ) ∙ P ( A 4∨ A 3 ∩ A 2 ∩ A1 ) … …=¿

P ( A 2 ∨ A 1 ) P ( A 3∨ A 2 ∩ A 1 ) P ( A 4 ∨ A 3 ∩ A 2 ∩ A 1 )
P ( A1) ∙ ∙ ∙ ……
P ( A1 ) P ( A 2∨ A 1 ) P ( A 3∨ A2 ∩ A 1 )

Al final quedara : P ( A 1 ∩ A 2 ∩ A 3 ∩ A 4 ∩ A 5 ∩ A 6 … . A n )
Ejemplo: una urna contiene 12 bolas de las cuales 4 son negras y 8 son blancas . Se juega el
siguiente juego; Se extrae una bola al azar, se anota su color y se devuelve a la urna junto con dos
bolas adicionales del mismo color su color. Calcular la probabilidad de que en las tres primeras
repeticiones del juego sean extraídas bolas negras

A1=en i- esima repeticion del juego fue extraida una bola negra

P ( A 1 ∩ A 2 ∩ A 3 )=P ( A1 ) ∙ P ( A 2∨A 1 ) ∙ P ( A3∨ A 2 ∩ A 1)

4 6 8 1
P ( A 1 ∩ A 2 ∩ A 3 )= ∙ ∙ =
12 14 16 14

Ejemplo El señor Rodríguez sabe que hay un 40% de posibilidad de que la empresa en la cual
labora abra una sucursal en Montevideo. Si lo hace, la probabilidad de que él sea nombrado
gerente de dicha sucursal es de 80%. Si no lo hace la probabilidad que sea nombrado es de 10%
¿Cuál es la probabilidad de ser nombrado?

G : El Sr Rodrigez es nombrado gerente

A : La empresa abre una sucursal

P ( G )=∑ P ( G|A )=P ( G| A ) P ( A )+ P ( G| A C ) P( A C ¿ )¿

P ( G )=0.8 ∙ 0.4+0.1 ∙ 0.6=0.38

Ejemplo: En cierto lugar se ha instalado un dispositivo de alarma. Si hay peligro, el dispositivo se

pone en funcionamiento el 99% de las ocasiones, por lo tanto, la probabilidad de que se dispare la
alarma espontáneamente es de 0.5% y la probabilidad de que una noche hay un intento de robo
es de 0.1% . Si una noche se oye la alarma ¿Cuál es la probabilidad de que sea falsa?

R :hay peligro

A :Sono la alarma

P ( A|R ) 0.99 ; P ( A|R C )=0.005 ; P ( R )=0.001 ; P ( RC|A ) =? ? ?

C P ( A|R C ) P(R C ) P ( A|RC ) P( RC )

Regla de Bayes : P ( R | A ) = =
∑ P ( A|Ri ) P ( A|R ) P ( R ) + P ( A|R ) P ( R )
i

P ( RC )=1−P ( R )=0.99 ; P ( A∨RC ) =0.005 ; P ( A|R )=0.99

 0.999∗0.005
P ( RC| A ) = =¿
0.999∗0.005+ 0.99∗0.001

Ejemplo: En una ciudad se llevan a cabo pruebas para detectar cierta enfermedad supóngase que
el 1% de las personas sanas son registradas como enfermas, que el 0.1% de la población esta
realmente enferma y que el 90% de lis enfermos son reportados como tales. Se desea calcular la
probabilidad de que una persona seleccionada al azar y reportada como enferma , este realmente
enferma

E : Esta realmente enferma

R : Reportada como enferm a

P ( R|EC ) =0.01 ; P ( RC|E C )=0.99 ; P ( E )=0.001 ; P ( EC )=0.999

P ( R|E )=0.9 P ( RC|E )=0.1

P ( R|E ) P ( E )
P ( E|R )=
P ( R|E ) P ( E )+ P ( R|E C ) P ( E C )

0.9∗0.001
P ( E|R )= =0.083
0.9∗0.001+0.01∗0.99

Ejemplo: La cuarta parte de una población esta vacunada contra una enfermedad contagiosa, en el
transcurso de una epidemia debida a tal enfermedad se observa que de cada doce vacunados solo
uno está enfermo, se quiere calcular la probabilidad de que un no vacunado este enfermo

V :La persona esta vacunada

E :La persona esta enferma

1 4 1 11 1 3
P ( V |E )= ; P ( V C|E ) = ; P ( E|V )= ; P ( EC|V )= ; P ( V )= ; P ( V C )=
5 5 12 12 4 4

P ( V C|E ) P( E)
P ( E|V C ) =
P (V C )

P ( E )=P ( E|V ) P (V )+ P ( E|V C ) P ( V C )

 P ( V C|E ) P ( E|V ) P ( V ) + P ( E|V C ) P ( V C )
P ( E|V C ) =
P( V C )

1
∗1
4 12 3
( + ∗X )
5 4 4 1
X= =X =
3 9
4

Ejemplo A un puesto aduanero llevan periódicamente misiones diplomáticas procedentes de un

determinado país y que están constituidas por 10 miembros El citado país es un gran productor de
marihuana , circunstancia que de vez en cuando es aprovechada por sus misiones diplomáticas
para introducir algún otro tipo de cargamento ilícito siendo la forma que lo hacen que 2 de cada
10 miembros llevan en sus maletas la hierba los aduaneros tienen ya información del truco pero
para no producir incidentes diplomáticos , se limitan a inspeccionar dos de las diez maletas
dejando pasar la misión si en las maletas inspeccionadas no encuentran droga. la experiencia les
dice que l 10% de las veces por tan droga . Si una misio no arroja resultado positivo ¿Cuál es la
probabilidad de que dicha misión no lleve droga alguna?

A=La delegacionlleva droga

B=Mision inspeccionada arroja resultado negativo

P ( B∨ AC ) P ( AC )
P ( A C ∨B ) =
P ( A ) P ( B| A ) P ( A ) + P ( B∨ AC ) P ( A C )

P ( A )=0.1 P ( A C )=0.9

P ( B∨ AC ) =1 P ( BC ∨ A C )=0

8 2
P ( B| A )=
( 2)( 0) 28 C
= P ( B ∨A ) =
17

(102) 45 45

P ( A C ∨B ) =0.9353
Definición (eventos independientes dos a dos ): Supóngase dos eventos A y B son independientes
dos a dos si y solo si

P ( A ∩ B )=P ( A )∗P(B)

De lo contrario son independientes

Ejemplos Supóngase que se lanza un dado corriente dos veces consecutivas

A : La suma de los resultados es un numero par

B: El resultado del segundo lanzamiento es par

1 1
P ( A )= P ( B )=
2 2

1
P ( A ∩ B )=
4

P ( A )∗P ( B )=P ( A ∩B )

1
∗1
2 1
=
2 4

1 1
= son independientes
4 4

NOTA: se tiende a confundir independiente con excluyente

Ejemplo Se tira una moneda una sola vez

A=Sale cara
B=Sale sello

1 1
P ( A )= P ( B )=
2 2

P ( A ∩ B )=0

1
∗1
2
P ( A )∗P ( B )= ≠0=P ( A ∩ B )
2

OJO Excluyente pero no independientes

Teorema: Si A y B son independientes

1. A y BC Son independientes

2. A C y BC Son independientes

Demostración:

1. P ( A )=P ( A ∩B )+ P ( A ∩ BC )
P ( A )=P ( A )∗P ( B ) + P( A ∩ BC )
P ( A ∩B C )=P( A) [ 1−P( B) ]
¿ P ( A )∗P( B¿¿ C) ¿

2. P ( A C ∩B C )=1−P ( A ∪ B)
P ( A C ∩B C )=1− [ P ( A ) + P ( B )−P( A ∩ B) ]
P ( A C ∩B C )=1− [ P ( A ) + P ( B )−P ( A )∗P ( B ) ]
¿ [ 1−P ( A ) ] [1−P ( B ) ]
¿ P ( A C ) P ( BC )

Definición (eventos independientes de tres a tres) Sean A, B, C ∈Ϡ Se dice que son

independientes de tres en tres si y solo si

P ( A ∩ B ∩C )=P ( A )∗P ( B )∗P ( C )

Se puede generalizar para eventos independientes de n a n