159

Independencia Estocástica de Eventos

• Sean E1 y E2 eventos de un mismo Espacio Muestral (,S),
diremos que el Evento E1 es Estocásticamente Independiente del
Evento E2 cuando y solo cuando:
• P(E2E1) = P(E2)
• P(E1E2) = P(E1)

• Nótese que la definición de Independencia de un par de Eventos

implica que si E1 y E2 son Eventos Independientes, entonces:
• P(E1  E2) = P(E1)P(E2)

• Nota. Si E1 y E2 son estocásticamente independientes

no son mutuamente excluyentes pues necesariamente
P(E1E2)  0.
 160

…viene Independencia Estocástica de Eventos

• Ejemplo. Si se tienen eventos E1 y E2 que se conoce son
independientes y se sabe además que P(E1)=0.7 y
P(E2)=0.4, determinar P(E1  E2) y P(E1  E2).

• Desarrollo. Si los dos eventos son por hipótesis

independientes,
P(E1  E2) = P(E1)P(E2) = (0.7)(0.4) = 0.28
• Mientras que,
P(E1  E2) = P(E1) + P(E2) – P(E1E2)
= 0.7 + 0.4 – 0.28 = 0.82
 161

…viene Independencia Estocástica de Eventos

• Teorema 2.10. Si E1 y E2 son Eventos Independientes en un
mismo Espacio Muestral (, S) entonces, también son
Independientes los siguientes pares de eventos:
 162

…viene Independencia Estocástica de Eventos

• Independencia Estocástica de Tres Eventos
• Tres eventos E1, E2 y E3 se dicen son Estocásticamente
Independientes, cuando y solo cuando es verdad que se
cumplen las siguientes cuatro condiciones:

 P(E1  E2) = P(E1)P(E2)

 P(E1  E3) = P(E1)P(E3)
 P(E2  E3) = P(E2)P(E3)
 P(E1  E2  E3) = P(E1)P(E2)P(E3)
 163

…viene Independencia Estocástica de Eventos

• Probabilidad Intersección de Tres Eventos Cualesquiera
• De manera general se define a la probabilidad de la
intersección entre tres eventos cualesquiera como:

• P(E1  E2  E3) = P(E1)P(E2E1)P(E3E1  E2)

 164

Independencia Estocástica
…viene
de Eventos
• Ejemplo 1. La oficina de seguridad de
una institución financiera se ubica en
la parte posterior del primer piso de
un edificio, véase Esquema 1. En caso
de presentarse una irregularidad, un
grupo de empleados tiene a su
disposición un terminal que al ser
pulsado acciona un mecanismo que
envía un mensaje de alarma a la
oficina de seguridad. El mecanismo
de seguridad está constituido por
tres componentes que se disponen
como se indica en el Esquema 2.
 165

…viene Independencia Estocástica de Eventos

• El sistema funciona si al menos una de las vías desde (A)
hasta (B) está habilitada. La probabilidad de que cualquier
componente funcione es 0.95, y lo hacen de manera
independiente ¿Cuál es la probabilidad que al producirse
una emergencia, el sistema de alarmas funcione?

• Desarrollo. El sistema cumple su objetivo si:

• C1, C2 y C3 funcionan;
• C1 y C2 funcionan pero no C3; o,
• C1 y C3 funcionan pero no C2

• Nótese que siempre C1 debe funcionar.

 166

…viene Independencia Estocástica de

Eventos

• Si P(Ci), i = 1, 2, 3; representa la probabilidad del evento,

“la i–ésima componente funciona”, entonces:

• Es el evento, “el sistema de seguridad funciona”.

 167

…viene Independencia Estocástica de Eventos

• Por lo que,
 168

…viene Independencia Estocástica de Eventos

• Ejemplo 2. Un experimento consiste en lanzar de manera
independiente, dos veces una moneda legal. Se define como
E1, al evento, “sale cara en el primer lanzamiento”; E2 es
“sale cara en el segundo lanzamiento” y E3 es “el lado que
sale en el primer lanzamiento es el mismo que el segundo”.
Se desea verificar si estos tres eventos son
Estocásticamente Independientes.
 169

…viene Independencia Estocástica de Eventos

• Desarrollo. En este caso:
•  = {ss; sc; cs; cc}
• E1 = {cs; cc};
• E2 = {cc; sc}
• E3 = {ss; cc}
• Entonces:
• E1  E2 = {cc};
• E1  E3 = {cc};
• E2  E3 = {cc};
• E1  E2  E3 = {cc}
 170

…viene Independencia Estocástica de Eventos

• De donde:
• P(E1) = P(E2) = P(E3) = 2/4 = 1/2.
• P(E1  E2) = P(E1  E3) = P(E2  E3) = 1/4
• P(E1  E2  E3) = 1/4.
• P(E1)P(E2) = P(E1)P(E3) = P(E2)P(E3) = 1/4
• P(E1)P(E2)P(E3) = (1/2)3 = 1/8

• Siendo,
• P(E1  E2  E3)  P(E1) P(E2)P(E3)

• Los tres eventos no son Estocásticamente Independientes,

aunque sí lo son de par en par.
 171

…viene Independencia Estocástica de Eventos

• Ejemplo 3. De un mazo de barajas se extraen de manera
sucesiva y sin reemplazo cuatro cartas, se pide calcular la
probabilidad que todas las cartas sean “ases”.

• Desarrollo. Se sabe que el mazo tiene cuatro ases, si Ei

representa “sale as en la i–ésima extracción”.

• Se nos pide calcular P(E1  E2  E3  E4) que en este caso

de acuerdo a la expresión de la intersección de tres eventos
cualesquiera (extendida a n = 4) es igual a:
 172

…viene Independencia Estocástica de Eventos

P(E1  E2  E3  E4 ) = P(E1 )  P(E2 | E1 )  P(E3 | E1  E2 )  P(E4 | E1  E2  E3 )

4 3 2 1 24
=    =
52 51 50 49 6497400
 173

Regla de la Probabilidad Total

• En un experimento estadístico, supongamos que el
conjunto de los resultados posibles , es “particionado” en
k eventos, a los que denominaremos E1, E2, ... , Ek.

E2
E1 E3

Ek E5

E6 E4

 174

…viene Regla de la Probabilidad Total

• Supóngase además que A es un evento cualquiera en (, S).

Es nuestro propósito, bajo estas condiciones, encontrar
P(A).
E2
E1 A E3

Ek E5

E6 E4

 175

…viene Regla de la Probabilidad Total

• Por tanto, la probabilidad de esta unión de eventos, es igual

a la suma de sus correspondientes probabilidades, por lo
que,

P(A) = P(A  E1) + P(A  E2) + ... + P(A  Ek)

k
P(A) =  P(A  E i )
i =1
• Además,
P(A  Ei) = P(AEi)P(Ei)
 176

…viene Regla de la Probabilidad Total

• Finalmente tenemos:
k
P(A) =  P(A | Ei )P(E i )
i =1

• Este resultado es conocido como la Regla de Probabilidad

Total y es la puerta de ingreso a la demostración del
reputado Teorema de Bayes.
 177

…viene Regla de la Probabilidad Total

• Ejemplo. Cuatro ventanillas operan en la agencia de un

banco, en su orden, las ventanillas atienden al 25%, 28%,
33% y 14% de los clientes. En la ventanilla 1 ocurre alguna
inconformidad el 13% de las veces que atienden a un
cliente; en la ventanilla 2 el 2%; en la ventanilla 3 el 5% de
las veces; y, en la restante, el 1,5% de las veces. ¿Cuál es la
probabilidad que un día cualquiera se produzca una
inconformidad?
 178

…viene Regla de la Probabilidad Total

Inconformidad en
•  está dividido en 4 eventos la atención

E1: A E2:
Ventanilla 1 Ventanilla 2

E4:
Ventanilla 4 E3:
Ventanilla 3


• Nos piden determinar la probabilidad de A, es decir, la

probabilidad que un día cualquiera se produzca una
inconformidad en la atención.
 179

…viene Regla de la Probabilidad Total

• P(E1) = 0.25 k
• P(E2) = 0.28 P(A) =  P(A | Ei )P(E i )
• P(E3) = 0.33 i =1
• P(E4) = 0.14
A: Inconformidad en la atención
• P(AE1)= 0.13 E1: Ventanilla 1
• P(AE2)= 0.02 E2: Ventanilla 2
• P(AE3)= 0.05 E3: Ventanilla 3
• P(AE4)= 0.015 E4: Ventanilla 4

• P(A) = (0.13)(0.25) + (0.02)(0.28) + (0.05)(0.33) + (0.015)(0.14)

• P(A) = 0.0567
 180

Teorema de Bayes
• Sea (, S) el Espacio Muestral de un Experimento
Estadístico; sean además E1, E2, ... , Ek, k Eventos Exhaustivos
y Mutuamente Excluyentes en dicho Espacio Muestral. Sea
A un evento cualquiera que resulta en el experimento. Bajo
estas condiciones,
P(A | E r )P(E r )
P(E r | A) = k
 P(A | Ei )P(Ei )
i =1
• Para r entero positivo constante, no mayor que k.
 181

…viene Teorema de Bayes

• Prueba. Por la aplicación de la definición de probabilidad
condicional se tiene que:

P(ErA) = P(A  Er) / P(A) = P(AEr)P(Er) / P(A)

• Aplicando que, k
P(A) =  P(A | Ei )P(E i )
i =1
• Llegamos a que,
P(A | Er )P(Er )
P(E r | A) = k
 P(A | Ei )P(Ei )
i=1
 182

…viene Teorema de Bayes

• Ejemplo 1. Partiendo del ejercicio referente a las ventanillas
que operan en la agencia de un banco, se sabe que se ha
producido una inconformidad en la atención, ¿cuál es la
probabilidad que haya ocurrido en la ventanilla 1?

• ¿Qué nos están pidiendo?

• P(E1A) es decir, la probabilidad de que la atención
provenga de la ventanilla 1 dado que se conoce que se ha
produdico una inconformidad (r = 1).
 183

…viene Teorema de Bayes

• A: Inconformidad en la atención
• E1: Ventanilla 1
P(A | E1 )P(E1 )
P(E1 | A) = k
 P(A | Ei )P(Ei )
i=1

P(E1 | A) = [(0.13)(0.25) / 0.0567] = 0.5732

 184

…viene Teorema de Bayes

• Ejemplo 2. ¿Cuál es la probabilidad de que la atención haya
venido de la ventanilla dos o tres?

• A: Inconformidad en la atención
• E2: Ventanilla 2
• E3: Ventanilla 3

• ¿Qué nos están pidiendo?

• P(E2E3A)
 185

…viene Teorema de Bayes

P A E2 P E2 + P A E3 P(E3 )
P E2 ∪ E3 A =
σ4i=1 P A Ei P(Ei )

(0.02)(0.28) + (0.05)(0.33)
P E2 ∪ E3 A =
0.0567

P E2 ∪ E3 A = 0.3898
 186

…viene Teorema de Bayes

• Ejemplo 3. Una urna U1 contiene 2 bolas blancas y 3 bolas
rojas y una urna U2 contiene 2 bolas rojas y 8 bolas blancas.
Se lanza una moneda, si se obtiene cara se toma una bola de
la urna U1 y si se obtiene sello se toma una bola de la urna
U2. Determinar la probabilidad de que la bola seleccionada
sea roja.
 187

…viene Teorema de Bayes

E1 A E2

Urna 1 Urna 2

• E1: Se selecciona la urna 1 si sale cara al lanzar la moneda.

• E2: Se selecciona la urna 2 si sale sello al lanzar la moneda.
• A: La bola seleccionada es roja

• Nos piden determinar la probabilidad de A.

 188

…viene Regla de la Probabilidad Total

E1 A E2 k
P(A) =  P(A | Ei )P(E i )
i =1
Urna 1 Urna 2 A: La bola seleccionada es roja
E1: Se selecciona la urna 1 si sale cara al
• P(E1) = 0.5 lanzar la moneda.
• P(E2) = 0.5 E2: Se selecciona la urna 2 si sale sello al
• P(AE1)= 3/5 = 0.6 lanzar la moneda.
• P(AE2)= 2/10 = 0.2

• P(A) = (0.5)(0.6) + (0.5)(0.2) = 0.4

 189

…viene Teorema de Bayes

• Ejemplo 4. Si no se revela el resultado del lanzamiento de
la moneda, es decir se desconoce de qué urna provino la
bola, pero se revela que se sacó una bola roja. ¿Cuál es la
probabilidad de que se escogiera de la Urna U1?
• Nos piden que se escoja la urna U1 (salga cara) dado que se
obtuvo una bola roja.
 190

…viene Teorema de Bayes

• A: La bola seleccionada es roja
• E1: Se selecciona la urna 1 si sale cara al lanzar la moneda.

P(A | E1 )P(E1 )
P(E1 | A) = k
 P(A | Ei )P(Ei )
i=1
•P(E1 | A) = [(0.6)(0.5) / 0.4] = 0.75
 191

Referencias Bibliográficas
• ZURITA, G. (2010), “Probabilidad y Estadística, Fundamentos y
Aplicaciones”, Segunda Edición, Ediciones de la Facultad de
Ciencias Naturales y Matemáticas ESPOL, Guayaquil, Ecuador.

• Ronald E. Walpole, Raymond H. Myers, Sharon L. Meyers, Keying

Ye. (2012). Probabilidad y estadística para ingeniería y ciencias.
(9na). México: Pearson Educación.

• Johnson R, Miller I, Freund J. (2012). Probabilidad y Estadística

para ingenieros. (Octava). México: Pearson.
• Wackerly, Dennis D. & Mendenhall, William & Scheaffer, Richard L.
(2007). Mathematical statistics with applications. (Second
Edition). EEUU: Duxbury Pr; Edición: 007 (1 de octubre de
2007).