Introducción a la

Probabilidad II

1
Probabilidad condicionada
 Se denomina probabilidad de A condicionada a
B, o probabilidad de A sabiendo que pasa B:

E espacio muestral
P(B  A)
P( A | B)  A
P(B) B

P( B  A)  P( B) P( A / B)
2
Probabilidad condicionada
P( A  B) Consideremos el experimento de
P( A | B)  "lanzar un dado al aire". Calculemos,
P( B)
por ejemplo, la probabilidad de
obtener un 3 sabiendo que ha salido
un número impar.

Definimos los sucesos Puesto que si sabemos que

ha salido un número impar,
A="sacar 3" los casos posibles ahora son
B= {1,3,5}; 3 y los casos favorables al
suceso A sólo 1.

P(A/B)=1/3
3
Probabilidad condicionada
P( A  B)
P( A | B) 
P( B)
Definimos los sucesos
A: "la suma de los puntos es 7"
B: "en alguno de los dados ha
salido un tres".
Se lanzan dos dados:
a) ¿Cuál es la probabilidad de obtener
una suma de puntos igual a 7?
b) Si la suma de puntos ha sido 7, ¿cuál
es la probabilidad de que en alguno de
los dados haya salido un tres?
Los casos posibles al lanzar dos dados son 36
y los casos favorables al suceso A son los seis
siguientes: (1,6); (2,5); (3,4); (4,3); (5,2) y (6,1).
Por tanto, P( A )=6/36=1/6
En este caso, el suceso B/A es salir en algún
dado 3, si la suma ha sido 7.
Observamos que esta situación ocurre en las
parejas (3,4) y (4,3).
Por tanto, P( B/A )=2/6=1/3
4
 Ejemplo probabilidad condicionada
¿Cuál es la probabilidad de que una carta escogida al azar sea un as
sabiendo que es roja?

Color
Palo Negro Rojo Total
As 2 2 4
No as 24 24 48
Total 26 26 52

Espacio restringido
P( As  Rojo) 2 / 52 2
P( As | Rojo)   
P( Rojo) 26 / 52 26
¿Cual es la probabilidad de que una carta escogida al azar sea roja
sabiendo que es un as? 5
 Ejemplo probabilidad condicionada
¿Cuál es la probabilidad de que una persona escogida al azar sea una
mujer sabiendo que es del partido rojo?

Partidos/sexo Hombres Mujeres Total

Amarillo 145 42 187
Azul 63 37 100
Rojo 40 23 63
Verde 90 60 150
Total 338 162 500

Pmujer  partidorojo 23/ 500 23

Pmujer / partidorojo   
P partidorojo 63/ 500 63

6
Concepto de probabilidad condicionada

A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(A∩B) = 0,10 P(A∩B) = 0,08

¿Probabilidad de A sabiendo que ha pasado B?

P(A|B)=1 P(A|B)=0,8
7
Concepto de probabilidad condicionada

A A

B
B

P(A) = 0,25 P(A) = 0,25

P(B) = 0,10 P(B) = 0,10
P(A∩B) = 0,005 P(A∩B) = 0
¿Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05 P(A|B)=0
8
Sistema exhaustivo y excluyente de sucesos
Son una colección de sucesos

A1 A2 A1, A2, A3, A4…

Tales que la unión de todos ellos forman

el espacio muestral, y sus intersecciones
son disjuntas.

¿Recuerda cómo formar intervalos en tablas de

frecuencias?
A1
A3 A4
A2
Suceso
seguro
A3

A4

9
Sistema exhaustivo y excluyente de sucesos
Todo suceso B, puede ser descompuesto
en componentes de dicho sistema.
A1 A2

B = (B∩A1) U (B∩A2) U (B∩A3) U (B ∩A4)

B
A1 B

A2 B
A3 A4 Suceso
seguro
A3 B

A4 B
Nos permite descomponer el problema B en
subproblemas más simples. Funciona.
10
 Teorema de la probabilidad total
Si conocemos la probabilidad de B en cada uno de los
A1 A2 componentes de un sistema exhaustivo y excluyente de
sucesos, entonces

… podemos calcular la probabilidad de B.

P(B|A1)
B A1 B
P(A1)

P(A2) P(B|A2)
A2 B
Suceso
A3 A4 seguro P(A3) P(B|A3)
A3 B
P(A4)
A4 P(B|A4)
P(B) = P(B∩A1) + P(B∩A2 ) + P(B∩A3 ) + P(B∩A4) B

=P(A1) P(B|A1) + P(A2) P(B|A2)+ …

11
 Ejemplo de probabilidad total
En un salón el 70% de los alumnos son hombres. De ellos el 10%
son fumadores. El 20% de las mujeres son fumadoras.

 ¿Qué porcentaje de fumadores hay en total?

Podemos aplicar la ley de la

probabilidad total:
Mujeres
Hombres y mujeres forman Hombres
un sistema exhaustivo y
excluyente de sucesos.

Fumadores

12
Ejemplo de probabilidad total – árbol

Fuma
0,1

Definición
Hombre
0,7 P( F  H )  P( F ) P( H | F )
No fuma
0,9
Estudiante

0,2
0,3 Fuma
Mujer

0,8
No fuma

P(F) = P(H∩F) + P(M∩F) = P(H) P(F|H) + P(M) P(F|M)

13
 Ejemplo de probabilidad total

Diagrama de árbol

T. Prob. Total.
Hombres y mujeres forman un sist. Exh. Excl. de sucesos Fuma
0,1
 ¿Qué porcentaje de fumadores hay?
 P(F) = P(M∩F) + P(H∩F) Hombres
0,7 0,9
= P(H)P(F|H) + P(M)P(F|M) No fuma
 =0,7 x 0,1 + 0,3 x 0,2 Estudiante

= 0,13 =13% 0,3 0,2

Fuma
mujeres

0,8
•Los caminos a través de nodos representan intersecciones. No fuma

•Las bifurcaciones representan uniones disjuntas. 14

Teorema de Bayes
Si conocemos la probabilidad de B en
cada uno de los componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces…

…si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurrencia
B de cada Ai.

P(B  Ai)
P(Ai | B) 
P(B)
A3 A4

donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B)=P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) + …

15
Ejemplo del teorema de Bayes
En un salón el 70% de los alumnos son hombres. De ellos el 10% son
fumadores. De las mujeres, son fumadoras el 20%.

 ¿Qué porcentaje de fumadores hay?

 P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13 Fuma
 (Resuelto antes) 0,1

 Se elije a un individuo al azar y es… fumador

¿Probabilidad de que sea un hombre? 0,7 Hombre
0,9
No fuma
Estudiante
P( H  F ) P( H )  P( F | H )
P( H | F )    0,3 0,2
Fuma
P( F ) P( F )
Mujer
0,7  0,1
P( H | F )   0,54
0,13 0,8
No fuma

16
Ejemplo del teorema de Bayes
Fuma
0,1
En el problema
Hombre anterior: Se elige a un
0,7
No fuma individuo al azar
0,9
Estudiante y resulta fumador.
¿Cuál es la
0,2
0,3 Fuma probabilidad de que sea
Mujer
una mujer?
0,8
No fuma

P(M) = 0,7, P(F) = 0,13

P(M|F) = P(F ∩ M)/P(F) = P(F|M) P(M) / P(F) =
= 0,3·0,2 / 0,13 = 0,46
17
Para ir a la Universidad un estudiante toma el bus, el 30% de las veces, o el Mio (el 70%
restante), y llega tarde el 40% de las veces que va en el bus y el 20% de las que va en el
Mio.
¿Cuál es la probabilidad de que llegue tarde a la Universidad?
30 40 12
40 T = TARDE  
100 100 100
100

B 60
30 100
30 60 18
100 T = NO TARDE  
100 100 100

70 70 20 14
T = TARDE  
20 100 100 100
100 100
M 80
100
70 80 56
T = NO TARDE  
100 100 100

12 14 26
P(TARDE)   
100 100 100 18
Para ir a la Universidad un estudiante toma el bus, el 30% de las veces, o el Mio
(el 70% restante), y llega tarde el 40% de las veces que va en el bus y el 20% de
las que va en el Mio.
30 40 12
40 T = TARDE  
100 100 100
100

B 60
30 100 Llega TARDE
30 60 18
100 T = NO TARDE  
100 100 100
0,12 0,14

BUS Mio
70 70 20 14
T = TARDE  
20 100 100 100
100
100
M 80
100
70 80 56
T = NO TARDE  
100 100 100

12 14 26 18 56 74
P(TARDE)    P( NOTARDE)   
100 100 100 100 100 100

Sabiendo que ha llegado

tarde, ¿cuál es la 12
probabilidad de que P( B  T ) 100 12
P( B / T )     0,46
tomara el bus? P(T ) 26 26
100 19
 Probabilidad total y Bayes
Tres máquinas denominadas A, B y C, producen un 43%, 26% y 31% de la
producción total de una empresa respectivamente. Se ha detectado que un 8%, 2% y
1.6% del producto manufacturado por estas máquinas es defectuoso.

a. Se selecciona un producto al azar y se encuentra que es defectuoso, ¿cuál es la

probabilidad de que el producto haya sido fabricado en la máquina B?, b. Si el
producto seleccionado resulta que no es defectuoso, ¿cuál es la probabilidad de que
haya sido fabricado en la máquina C?

D
8%

ND
A 92%

43%
2% D
26%

B ND
98%

C D
1.6%

98.4%
Probabilidad total y Bayes

D
8%

ND . Definiremos los eventos;

A 92% D = evento de que el producto seleccionado sea defectuoso
43% (evento que condiciona)
2% D A = evento de que el producto sea fabricado en la máquina A
26%
B = evento de que el producto sea fabricado por la máquina B
B C = evento de que el producto sea fabricado por la máquina C
98% ND

C
D P(D) = 0.43*0.08 + 0.26*0.02 + 0.31*0.016 = 0.04456
1.6%

98.4%

P(BD) = (0.26*0.02) / 0.04456

 Probabilidad total y Bayes
Una empresa recibe visitantes en sus instalaciones y los hospeda en
cualquiera de tres hoteles de la ciudad; Palacio del Sol, Sicodélico o Fiesta,
en una proporción de 18.5%, 32% y 49.5% respectivamente, de los cuales se
ha tenido información de que se les ha dado un mal servicio a los clientes en
un 2.8%, 1% y 4% respectivamente.

a. Si se selecciona a un visitante al azar ¿cuál es la probabilidad de que no se le

haya dado un mal servicio?

b. Si se selecciona a un visitante al azar y se encuentra que el no se quejó del

servicio prestado, ¿cuál es la probabilidad de que se haya hospedado en el
Palacio del Sol?

c. Si el visitante seleccionado se quejó del servicio prestado, ¿cuál es la probabilidad

de que se haya hospedado en e hotel Fiesta?
 Probabilidad total y Bayes
Una empresa recibe visitantes en sus instalaciones y los hospeda en cualquiera de tres hoteles
de la ciudad; Palacio del Sol, Sicodélico o Fiesta, en una proporción de 18.5%, 32% y 49.5%
respectivamente, de los cuales se ha tenido información de que se les ha dado un mal servicio a
los clientes en un 2.8%, 1% y 4% respectivamente.

Q
2.8%

NQ
18.5% 97.2%

PS
1% Q
S 32%

FI 99% NQ
49.5%
4%
Q

96%

NQ
23
 Probabilidad total y Bayes
a. Si se selecciona a un visitante al azar ¿cuál es la probabilidad de que no se le haya dado un
mal servicio?
NQ: evento de que un visitante no se queje del servicio
PS: evento de que un visitante haya sido hospedado en el hotel
Palacio del Sol
NQ S: evento de que un visitante haya sido hospedado en el hotel
Sicodélico
2.8% FI: evento de que un visitante haya sido hospedado en el hotel
Fiesta
Q
18.5% 97.2%

PS P(NQ) = p(PS)p(NQPS) + p(S)p(NQS) + p(FI)p(NQFI)

1% NQ
S 32% = 0.185*0.972 + 0.32*0.99 + 0.495*0.96

= 0.17982 + 0.3168 + 0.4752

FI 99% Q
= 0.97182
49.5% 4%
NQ

96%

24
 Probabilidad total y Bayes
b. Si se selecciona a un visitante al azar y se encuentra que el no se quejó del servicio prestado,
¿cuál es la probabilidad de que se haya hospedado en el Palacio del Sol?

NQ: evento de que un visitante no se queje del servicio

NQ PS: evento de que un visitante haya sido hospedado en el hotel
Palacio del Sol
2.8% S: evento de que un visitante haya sido hospedado en el hotel
Sicodélico
Q FI: evento de que un visitante haya sido hospedado en el hotel
18.5% 97.2% Fiesta

PS
NQ
1% P(PSNQ) = p(PSNQ)/p(NQ)
S 32%
= (0.185*0.972)/(0.185*0.972+0.32*0.99+0.495*0.96)

FI 99% Q
= 0.17982/(0.17982 + 0.3168 + 0.4752)
49.5% 4%
NQ = 0.17982/0.97182

= 0.1850342
96%

25
 Probabilidad total y Bayes
c. Si el visitante seleccionado se quejó del servicio prestado, ¿cuál es la probabilidad de que se
haya hospedado en e hotel Fiesta?

NQ
Q = evento de que un visitante se queje del servicio
2.8%
FI = evento de que un visitante haya sido hospedado en el hotel Fiesta
Q
18.5% 97.2%

PS
1% NQ P(FIQ) = p(FIQ)/p(Q)

S 32% = 0.495*0.04/(0.185*0.028 + 0.32*0.01 + 0.495*0.04)

FI 99% Q = 0.0198/( 0.00518 + 0.0032 + 0.0198)

49.5% 4% = 0.0198/0.02818
NQ
= 0.7026
96%

26