EYP1113 - Probabilidad y Estadı́stica

Capı́tulo 2: Fundamentos de los Modelos de

Probabilidad

Ricardo Aravena - Ricardo Olea - Felipe Ossa

Facultad de Matemáticas
Departamento de Estadı́stica
Pontificia Universidad Católica de Chile

enero 2021
Matemática de la Probabilidad
Probabilidad Condicional

Probabilidad Condicional
Cuando la ocurrencia de un evento (o no ocurrencia) depende de
otro evento, es relevante ver la probabilidad como una probabilidad
condicional.
Se define la probabilidad que un evento E1 ocurra bajo el supuesto
que otro evento E2 ocurre con certeza a

P(E1 \ E2 )
P(E1 | E2 ) = (2)
P(E2 )

En general, la probabilidad de un evento E ya está condicionada se

condiciona a la ocurrencia del evento certeza S:
P(E \ S)
P(E | S) = = P(E )
P(S)
Matemática de la Probabilidad
Probabilidad Condicional

Consideremos las probabilidades de un evento E1 y su complemento

E 1 condicionados a la ocurrencia previa de un evento E2 .

P(E1 \ E2 ) P(E 1 \ E2 )
P(E1 | E2 ) = y P(E 1 | E2 ) =
P(E2 ) P(E2 )

Si las sumamos tenemos que

P(E 1 | E2 ) = 1 P(E1 | E2 )
Matemática de la Probabilidad
Probabilidad Condicional

Independencia estadı́stica
Dos eventos E1 y E2 se dice que son estadı́sticamente independientes
si la ocurrencia de un evento no depende de la ocurrencia o no
ocurrencia del otro.
Es decir,
P(E1 | E2 ) = P(E1 ) ó P(E2 | E1 ) = P(E2 )
A partir de la ecuación (2) se deduce que si E1 y E2 con eventos
posibles entonces

P(E1 \E2 ) = P(E1 | E2 )·P(E2 ) ó P(E1 \E2 ) = P(E2 | E1 )·P(E1 )

Si E1 y E2 fuesen eventos estadı́sticamente independientes entonces

P(E1 \ E2 ) = P(E1 ) · P(E2 )

Matemática de la Probabilidad
Ley Multiplicativa

Ley Multiplicativa
Para tres eventos E1 , E2 y E3 la ley multiplicativa implica por ejemplo
que
⇢
P(E3 | E1 \ E2 ) · P(E2 | E1 ) · P(E1 )
P(E1 \ E2 \ E3 ) =
P(E1 \ E2 | E3 ) · P(E3 )

Independencia
Consideremos ahora los eventos E1 , E2 , . . . , En . Estos eventos se di-
cen mutuamente independientes si y solo si, cualquier sub-colección
de eventos de ellos Ei 1 , Ei 2 , . . . , Ei m cumple con la siguiente
condición (Rice, pág 22)

P(Ei 1 \ Ei 2 \ · · · \ Ei m ) = P(Ei 1 ) ⇥ P(Ei 2 ) ⇥ · · · ⇥ P(Ei m )

Matemática de la Probabilidad
Ley Multiplicativa

Ilustración
Considere el lanzamiento de una moneda honesta dos veces y defina
los siguientes eventos:
A: Obtener cara en el primer lanzamiento
B: Obtener cara en el segundo lanzamiento
C : Obtener solamente una cara.
Muestre que los eventos A, B y C son independientes a pares, pero
no mutuamente independientes.
Matemática de la Probabilidad
Ley Multiplicativa

Propiedades
I Si E1 y E2 son eventos estadı́sticamente independientes, en-
tonces E 1 y E 2 también lo son.
I Si E1 y E2 son eventos estadı́sticamente independientes dado
un evento A, entonces

P(E1 \ E2 | A) = P(E1 | A) · P(E2 | A)

I Si que para dos eventos cualquiera E1 y E2 se tiene que

P(E1 [ E2 | A) = P(E1 | A) + P(E2 | A) P(E1 \ E2 | A)

Matemática de la Probabilidad
Teorema de Probabilidades Totales

Teorema de Probabilidades Totales

Considere n eventos posibles E1 , E2 , . . . , En colectivamente exhaus-
tivos y mutuamente excluyentes, es decir,
n
[
Ei = S y Ei \ Ej = 8 i 6= j
i=1

Entonces " #
n
[ n
[
A=A\S =A\ Ei = (A \ Ei ),
i=1 i=1

con (A \ E1 ),. . . , (A \ En ) eventos mutuamente excluyentes.

Por lo tanto, por axioma 3 y ley multiplcativa
n
X n
X
P(A) = P(A \ Ei ) = P(A | Ei ) · P(Ei )
i=1 i=1
Matemática de la Probabilidad
Teorema de Bayes

Teorema de Bayes
Si cada evento Ej de la partición de S y el evento A son posibles,
entonces por la ley multiplicativa se tiene que

P(A | Ej ) · P(Ej ) = P(Ej | A) · P(A)

Es decir,
P(A | Ej ) · P(Ej )
P(Ej | A) =
P(A)
Aplicando el teorema de probabilidades totales se tiene que
P(A | Ej ) · P(Ej )
P(Ej | A) = n
X
P(A | Ei ) · P(Ei )
i=1

Este resultado se conoce como el Teorema de Bayes.