UNIVERSIDAD DE LOS ANDES

Facultad de Ingeniería
Departamento de Ingeniería Industrial

Probabilidad y Estadística I

Sesiones # 5 y # 6
Probabilidad Condicional – Independencia de Eventos
Principio de Probabilidad Totales – Teorema de Bayes

Mario Castillo (Coordinador General Curso)

1
 Motivación

En un experimento aleatorio, en general, no es lo mismo calcular la probabilidad de un

evento A si no se tiene ninguna información sobre el resultado del experimento, que
calcular la probabilidad de A cuando se tiene alguna información parcial sobre el resultado
del experimento.

Ejemplos
- En riesgo de crédito
- En diagnóstico de enfermedades
- En exploración y explotación petrolera

Cuando se tiene información parcial, hablamos de calcular la probabilidad del evento A

dado el evento B y lo notamos por:

P(A|B)

que se interpreta como el grado de certeza de que el evento A se produzca dado que se
conoce que el evento B tuvo lugar.

2
 Probabilidad Condicional e Independencia - Ejemplo
Se tienen 10 bolas, 4 Blancas y 6 Negras.
Adicionalmente hay:
- 3 bolas negras y 1 blanca que tienen el No. 1, 1 2 3

- 2 bolas negras y una blanca marcadas con el No. 2 y

- 2 bolas blancas y una negra marcadas con el No. 3.

El experimento consiste en seleccionar una bola al azar.

¿Cuál es la probabilidad de que la bola sea Blanca?

Queremos analizar diferentes formas de calcular la probabilidad que nos

piden utilizando el concepto de probabilidad condicional.

3
 Probabilidad Condicional e Independencia - Ejemplo

Evidentemente, P(Blanca) = P(B) = 4/10 = 2/5

1. El experimento lo podemos representar incluyendo el color y los números,
de la siguiente manera:

1 2 3
Sea Ni el evento “LA BOLA ESTÁ MARCADA CON EL No. i”
Entonces:
B = BN1 U BN2 U BN3
P(B) = P(BN1) + P(BN2) + P(BN3)
P(B) = 1/10 + 1/10 + 2/10 = 4/10 = 2/5

4
 Probabilidad Condicional e Independencia - Ejemplo

Por otro lado, nos podemos preguntar, ¿cuál es la probabilidad de que la bola sea
Blanca si se sabe que la bola seleccionada tiene el No. 1?
Esto lo escribimos por: P(B | N1) = ?
Claramente P(B | N1) =1/4
Pero observemos que: 1 2 3
P(BN1) = 1/10 y P(N1) = 4/10
P(B | N1) = P(BN1)/P(N1) = (1/10) / (4/10) = ¼
La situación anterior se puede generalizar a través de la definición de probabilidad
condicional:
Definición: La probabilidad condicional del evento A dado el evento B, se define
por:

5
 Probabilidad Condicional e Independencia - Ejemplo

Conceptualmente, P(A|B) equivale a la probabilidad

de A recalculada en el Espacio Muestral restringido
al evento B.

Volviendo al caso de las bolas, notemos que:

P(B) = P(BN1) + P(BN2) + P(BN3)
P(B) = P(B|N1)* P(N1) + P(B|N2)* P(N2) + P(B|N3)* P(N3)
P(B) = 1/4 *4/10 + 1/3*3/10 + 2/3*3/10 = 1/10 + 1/10 + 2/10 = 4/10
P(B) = 2/5

Ley de Probabilidades Totales 1 2 3

6
 Independencia de Eventos
En el ejemplo anterior pudimos observar que P(B) = 2/5 y que P(B|N1) = 1/4
P(B)≠P(B|N1) La probabilidad de B cambia si el evento N1 se da.
B y N1 no son independientes

En general, A y B son independientes si P(A|B) = P(A). Ello implica que

P(AB)/P(B) = P(A), es decir, P(AB) = P(A)*P(B)

Definición: Dos eventos A y B son independientes si y sólo si:

7
 Propiedades Básicas de la Probabilidad Condicional
i. Nótese que: P(A|B) = P(AB)/P(B). Por tanto, P(AB) = P(A|B)*P(B).

Además, P(B|A) = P(AB)/P(A), de donde, P(AB) = P(B|A)*P(A)

En síntesis: P(AB) = P(A|B)*P(B) = P(B|A)*P(A)

ii. Si en un E.A. cualquiera con E.M. Ω fijamos el evento B como condición

P(·|B) se comporta como una probabilidad y, por tanto, tiene todas sus
propiedades. En particular,
- P(AC|B) = 1 – P(A|B)
- Si A y C son disyuntos P(AUC | B) = P(A|B) + P(C|B)

iii. Ejercicio: Demuestre que si (Ω, B, P(.)) es un Espacio de Probabilidad, la función

PB(·) definida por:
PB(A) = P(A|B) es una probabilidad en el espacio muestral Ω.

8
 ÁRBOLES DE PROBABILIDAD

El ejemplo anterior se puede representar a través de lo que se conoce como un

árbol de probabilidad
P(BN1) = (4/10)x(1/4)

P(N1) P(B|N1)

1/4
B
N1
4/10 3/4 Bc

1/3 B
3/10
N2
2/3 Bc 1 2 3

3/10 2/3
B
N3
1/3 Bc

9
 ÁRBOLES DE PROBABILIDAD
En el estudio de otorgamiento de tarjeta de crédito, los clientes aceptados
se clasifican en 3 categorías en cuanto a su desempeño esperado:
0.2 Excelente

Al cabo de un año, los clientes se clasifican

0.5 de acuerdo a su desempeño real en B
Promedio
(bueno) ó en M (malo).
0.3
Aceptable

Se sabe que:
- El 90% de los clientes pronosticados como E resultan ser clientes B.
- El 60% de los clientes pronosticados como P resultan ser B.
- El 30 % de los clientes pronosticados como A resultan ser B.

1. Calcular la probabilidad de que un cliente resulte M (malo).

2. Un cliente resultó ser B, ¿cuál es la probabilidad de que haya sido pronosticado
como Aceptable?
10
 DESARROLLO
Excelente => P(E) = 0.2 P(B/E) = 0.9
Promedio => P(P) = 0.5 P(B/P) = 0.6
Aceptable => P(A) = 0.3 P(B/A) = 0.3

0.9
B EB

0.2 E 0.1 M EM => P(EM) = 0.2*0.1

= 0.02
0.6
0.5 B PB
P
0.4
0.3 M PM => P(PM) = 0.5*0.4
= 0.2
A 0.3
B AB
0.7 M AM => P(AM) = 0.3*0.7
= 0.21

=> P(M) = 0.43 => P(B) = 0.57

P(A/B) = P(AB)/P(B)=
= [P(B/A)*P(A)/P(B)] = 0.3*0.3/0.57 = 0.158
11
 EJEMPLO SOBRE PROBABILIDADES
CONDICIONALES Y ÁRBOLES DE PROBABILIDAD

Una compañía productora de transistores tiene tres plantas de

ensamblaje que producen, respectivamente el 15%, 35% y 50% de las
piezas. Adicionalmente se sabe que los porcentajes de piezas
defectuosas producidas por las tres plantas son de 1%, 5% y 2%,
respectivamente.
1. Si un transistor es elegido al azar ¿cuál es la probabilidad de que
sea defectuoso?
2. Si se elige un transistor al azar y resulta ser defectuoso, ¿cuál es la
probabilidad de que provenga de la planta número dos?

12
DESARROLLO
Pi: La pieza es producida por la planta i.
D: La pieza es defectuosa
Interpretación de los datos en términos de probabilidad
P(P1) = 0.15 P(P2)= 0.35 P(P3)=0.5
P(D|P1) = 0.01 P(D|P2)= 0.05 P(D|P3)=0.02

¿ Qué nos preguntan? 1. P(D) = ? 2. P(P2 / D) = ?

1. D = DP1 U DP2 U DP3 , eventos disyuntos

P(D)= P(DP1) + P(DP2) +P (DP3)
= P(D|P1) * P(P1) + P(D|P2) * P(P2) +P (D|P3)* P (P3)
= 0.01 * 0.15 + 0.05 * 0.35 + 0.02 * 0.5
= 0.029

13
 P(P2 D)
2. P(P2 / D) =
P (D)

P(D/ P2 ) * (P2)
=
0.029

0.05 * 0.35 0.0175

= = = 0.603
0.029 0.029

14
Representación del Problema por medio de un Árbol de Probabilidad

0.01 D => P1D

0.15 P1
0.99
Dc => P1Dc
0.35 0.05
P2 D => P2D
0.95
0.5 Dc => P2Dc
P3 0.02
D => P3D
0.98
Dc => P3Dc

15
 EJERCICIOS ADICIONALES SOBRE
PROBABILIDADES CONDICIONALES Y ÁRBOLES DE PROBABILIDAD
Ejercicio 1
Usted sale de vacaciones, por lo cual le pide a su vecino que riegue una planta enferma
que tiene en su casa. Sin agua, la probabilidad de que la planta muera es 0.80. Con agua,
la probabilidad de que muera es 0.15. Usted está un 90% seguro de que su vecino
recordará regar la planta.
a. ¿Cual es la probabilidad de que la planta esté viva cuando usted regrese?
b. Si la planta está muerta cuando usted llega, ¿cuál es la probabilidad de que su vecino
haya olvidado regarla?

Ejercicio 2
El 25% de cierta población escucha una publicidad en la radio orientada al respeto por las
leyes de tránsito. Durante cierto periodo se constata que de cada 5 infractores hay uno
que ha escuchado la publicidad.
a. ¿La publicidad ha tenido algún efecto?
b. Si se sabe que durante este período, de cada 12 personas que han escuchado la
publicidad una ha sido infractora, ¿cuál es la probabilidad de que una persona que no ha
escuchado la publicidad cometa una infracción?
16
 EJERCICIOS ADICINALES SOBRE PROBABILIDADES
CONDICIONALES Y ÁRBOLES DE PROBABILIDAD

Ejercicio 3
Una licorera distribuye a domicilio dos tipos de cerveza: rubia y negra. Los clientes de la
licorera ordenan sólo alguno de los dos tipos de cerveza y, de acuerdo con las ventas de
los últimos meses, el dueño de la licorera ha estimado que el 60% de los clientes ordenan
cerveza rubia, mientras que los otros ordenan cerveza negra. La licorera presenta
actualmente algunos problemas en su departamento de ventas, debido a lo cual cuando
un cliente ordena un tipo de cerveza es posible que reciba otro tipo diferente a la que
ordenó. Si un cliente ordena cerveza rubia recibirá este tipo de cerveza en el 95% de los
casos, mientras que si ordena cerveza negra recibirá cerveza rubia en el 10% de los
casos.
Se estima que la probabilidad de que un cliente se queje cuando recibe un pedido
equivocado es de 0.7. Consciente de los problemas que se presentan en el envío de
domicilios a los clientes, la licorera ha establecido como política enviar un regalo a cada
cliente que interponga una queja.
a. ¿Cuál es la probabilidad de que un cliente reciba un pedido diferente al que ordenó?
b. Dado que hubo un error en el envío del pedido, ¿cuál es la probabilidad de que el
cliente haya ordenado cerveza negra?
c. ¿Cuál es la probabilidad de que la licorera deba enviar un regalo al próximo cliente que
haga un pedido?
17
 EJERCICIOS ADICINALES SOBRE PROBABILIDADES
CONDICIONALES Y ÁRBOLES DE PROBABILIDAD

Ejercicio 4
Los ejecutivos de cierta empresa son clasificados en tres categorías excluyentes:
Altamente Productivos, Medianamente Productivos e Improductivos. De acuerdo con las
estadísticas de la compañía, el 25% de sus ejecutivos son Altamente Productivos, el 55%
son Medianamente Productivos y el resto Improductivos. A su vez, los proyectos que
desarrolla la compañía se dividen en dos categorías: Rentables y No Rentables. De los
empleados Altamente Productivos, se sabe que con una probabilidad de 0.8 desarrollan
proyectos Rentables para la empresa. Igualmente se sabe que de los proyectos
desarrollados por ejecutivos Improductivos el 10% son Rentables. Finalmente se sabe que
la probabilidad de que un proyecto seleccionado al azar sea Rentable y desarrollado por
un ejecutivo Medianamente Productivo es de 0.20.
a. Calcule la probabilidad de que un proyecto seleccionado al azar resulte Rentable para
la empresa.
b. Si se selecciona un proyecto al azar y resulta ser No Rentable, ¿cuál es la probabilidad
de que haya sido desarrollado por un ejecutivo Medianamente Productivo?

18