Tema 6 - Rev

TEMA 6: Probabilidad
Modulo: Probabilidad y Variables aleatorias
Autor: Juan Romo

ÍNDICE DEL
TEMA
Introducción…………………………………………….. 3
6.1 Espacio muestral y sucesos………………….. 5
6.2 Probabilidad……………………………………….. 8
6.3 probabilidad condicionada…………………. 11
6.4 Regla de Bayes…………………………………… 13
6.5 Independencia…………………………………… 15
Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 2

La empresa de fabricación de hardware ha establecido ya tres
INTRODUCCIÓN nuevas factorías para la producción de ordenadores y le
encargan a usted analizar la calidad de los ordenadores
procedentes de todas ellas. Tras un cuidadoso estudio,
concluye que el uno por ciento de las computadoras de la
primera factoría son defectuosas, el tres por ciento de las
producidas en la segunda son defectuosas y el cinco por
ciento de la producción de la tercera son también defectuosas.
En primer lugar, le piden que determine la probabilidad

global de que un ordenador procedente de cualquiera de las
tres factorías sea defectuoso si la primera planta genera el
cuarenta por ciento de los equipos fabricados, la segunda el
treinta y cinco por ciento, y el resto se produce en la tercera.
Además, el consejero delegado prueba uno de los nuevos

ordenadores y, desgraciadamente, no funciona. El consejero
delegado le pide que determine la probabilidad de que
proceda de la primera fábrica.
Objetivos
• Describir los fenómenos aleatorios mediante un modelo

de probabilidad que permita extraer conclusiones sobre
su comportamiento.
• Desarrollar el concepto de probabilidad condicionada,

estableciendo las propiedades que permiten operar con
ella.
• Definir y analizar la noción de independencia entre

sucesos.

1. Construir un modelo probabilístico para estudiar los
Estrategia fenómenos aleatorios mediante un espacio muestral y sucesos
y la idea de probabilidad.
2. Elaborar la idea de probabilidad condicionada y establecer

la regla de Bayes.
3. Analizar la idea de independencia de sucesos.

6.1. Espacio muestral y sucesos
El azar se puede estudiar a través de los experimentos aleatorios, que se distinguen

por tres rasgos fundamentales:
(i) Todos los posibles resultados son conocidos con anterioridad a su realización.
(ii) No se puede predecir el resultado de cada experimento particular.
(iii) El experimento puede repetirse en condiciones idénticas.
EJEMPLO 6.1.
Un ejemplo sencillo de experimento aleatorio es lanzar al aire una moneda y observar

como resultado el lado superior una vez que ha caído. Este experimento cumple las tres
condiciones anteriores. Otros ejemplos elementales son: inspeccionar un ordenador
para comprobar si funciona, arrojar un dado de seis caras, elegir una carta de una baraja
o sacar una bola de una urna que contiene bolas de distintos colores.
La propiedad (i) permite registrar todos los posibles resultados del experimento. El
conjunto de resultados que pueden ocurrir al realizar el experimento aleatorio es el
espacio muestral.
EJEMPLO 6.2.
Si se lanza al aire una moneda, el espacio de resultados es E = {C,X}, donde "C"

representa "cara" y "X" significa "cruz". Cuando se arroja al aire dos veces una moneda,
el espacio muestral es E = {CC, CX, XC, XX}.

EJEMPLO 6.3.
Si se lanza un dado de seis caras, el espacio muestral es E = {1, 2, 3, 4, 5, 6}. Si, en cambio,
se arroja dos veces el dado de seis caras, el conjunto de posibles resultados está formado
por treinta y seis elementos,
E = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),

(2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6),
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}.
Las colecciones de resultados de un experimento aleatorio son los sucesos. Los sucesos
de un sólo elemento reciben el nombre de sucesos elementales.
EJEMPLO 6.2. (continuación)
En el experimento de lanzar dos veces una moneda, el suceso "sale a lo más una cara" es
A = {XX, CX, XC}. El suceso "no salen caras" es B={XX}.
Cuando se lanza tres veces una moneda, el espacio muestral –con ocho elementos- es E
= {CCC, CCX, CXC, XCC, CXX, XCX, XXC, XXX}. Una forma sistemática de construir este
espacio es mediante un diagrama de árbol:
El suceso A= "salen al menos dos cruces" es A = {CXX, XCX, XXC, XXX}. El suceso B =
"aparece alguna cara" viene dado por B = {CCC, CCX, CXC, CXX, XCC, XCX, XXC}.

Si se lanza dos veces un dado de seis caras, el suceso A = "en el primer lanzamiento sale
un número impar" contiene dieciocho elementos y es A = {(1,1), (1,2),..., (1,6), (3,1),
(3,2),..., (3,6), (5,1), (5,2),...,(5,6)}. El suceso B = "la suma de los resultados es al menos
nueve" es {(3,6), (4,5), (4,6), (5,4), (5,5), (5,6), (6,3), (6,4), (6,5), (6,6)}.
Al espacio muestral también se le suele llamar suceso seguro, porque siempre ocurre.
Al conjunto vacío -sin elementos- se le denomina suceso imposible. El suceso "no
ocurre A" está formado por los resultados que no pertenecen a A y recibe el nombre de
suceso contrario de A. Cuando se trata con dos o más sucesos, conviene considerar la
posibilidad de que ocurra alguno de los dos o de que sucedan ambos a la vez. Si tienen
lugar los sucesos A y B a la vez, se dice que ha ocurrido el suceso "A y B". Cuando
aparece al menos uno de los dos sucesos -es decir, si aparece alguno de los resultados de
A o alguno de los resultados de B- se dice que ha tenido lugar el suceso "A ó B". A los
que no pueden ocurrir a la vez se les llama sucesos incompatibles.
Al lanzar tres veces una moneda, se consideran los sucesos: A = "salen al menos dos
cruces" y B = "aparece alguna cara". El suceso "A y B" es "salen al menos dos cruces y
aparece alguna cara" y está formado por los resultados {XXC, XCX, CXX}. El suceso "A ó
B" es, en cambio, "salen al menos dos cruces o aparece alguna cara" y coincide con todo
el espacio muestral. El suceso "no ocurre A" es "salen menos de dos cruces" y viene dado
por {XCC, CXC, CCX, CCC}.

Si al lanzar dos veces un dado consideramos los sucesos A = "en el primer lanzamiento
sale impar" y B = "la suma es al menos nueve", el suceso "A y B" es {(3,6), (5,4), (5,5),
(5,6)}. Si C es el suceso "el primer lanzamiento es par", los sucesos A y C son
incompatibles porque no tienen ningún elemento común.
6.2. Probabilidad
Al repetir un experimento aleatorio en las mismas condiciones y anotar las frecuencias

relativas de un suceso, puede verse que tienden a estabilizarse alrededor de un número
entre cero y uno. Este valor recibe el nombre de probabilidad del suceso.
EJEMPLO 6.4.
Si se lanza repetidamente una moneda equilibrada un gran número de veces, se observa

que la frecuencia de aparición del suceso "sale cara" tiende a situarse a la larga
alrededor del valor 0,5.

Así, es razonable asignar la probabilidad 0,5 al suceso “sale cara”.
Las probabilidades definidas de este modo tienen las propiedades de las frecuencias
relativas:
(i) la probabilidad de cualquier suceso es siempre un número entre cero y uno.
(ii) la probabilidad de que ocurra el suceso seguro es uno: P(E) = 1.
(iii) si A y B son sucesos incompatibles -que no pueden darse a la vez- entonces la

probabilidad de que ocurra "A ó B" es la suma de las probabilidades de que suceda cada
uno de ellos: P(A ó B) = P(A) + P(B).
Analizando las propiedades del experimento se pueden asignar directamente las

probabilidades. La situación más elemental es la de los espacios equiprobables: un
experimento aleatorio con k posibles resultados es equiprobable si todos los resultados
tienen la misma probabilidad de aparecer. Como la probabilidad de todo el espacio
muestral es uno, la probabilidad de cada uno de ellos debe ser 1/k. Así, la probabilidad
de cualquier suceso en un espacio equiprobable puede calcularse dividiendo el número
de elementos que incluye el suceso por el número total de elementos del espacio. Esto es
lo que habitualmente se conoce como "casos favorables" entre "casos posibles" y recibe
el nombre de regla de Laplace. Este procedimiento para hallar la probabilidad de un
suceso es correcta sólo en espacios equiprobables.
Lanzar dos veces una moneda equilibrada es un experimento equiprobable; cada uno de
los cuatro elementos del espacio muestral tiene probabilidad 1/4. Así, la probabilidad
del suceso "sale al menos una cruz" -que tiene tres elementos- es 3/4.
Lanzar al aire tres veces una moneda equilibrada es también un experimento

equiprobable y a cada uno de los ocho resultados posibles le corresponde la
probabilidad 1/8. La probabilidad del suceso A = "salen al menos dos cruces" (con
cuatro elementos) es 4/8 = 1/2 y la probabilidad del suceso B = "aparece alguna cara"
(de siete elementos) es 7/8. La probabilidad del suceso "A y B" (con tres elementos) es
3/8 y la del suceso "A ó B" es 1, pues coincide con todo el espacio muestral.

Lanzar dos veces un dado equilibrado de seis caras es un experimento equiprobable con
treinta y seis posibles resultados y, por tanto, la probabilidad de cada uno de ellos es
1/36. La probabilidad del suceso A = "en el primer lanzamiento sale impar" (con
dieciocho elementos) es 18/36 = 1/2. En cambio, la probabilidad del suceso B = "la suma
es al menos nueve" es 10/36 = 5/18.
De las propiedades que definen la probabilidad se siguen otras que resultan útiles para
calcular la probabilidad de nuevos sucesos.
Como el espacio muestral E coincide con el suceso "ocurre A ó no ocurre A", y los
sucesos "ocurre A" y "no ocurre A" son incompatibles, siempre se tiene que la
probabilidad de E, que es uno, es igual a la suma de la probabilidad de A y de la
probabilidad de "no A". Por tanto, la probabilidad de "no ocurre A" es uno menos la
probabilidad de A, es decir,
P(no A) = 1 - P(A).
Como el suceso contrario del suceso seguro es el suceso imposible, se sigue que la
probabilidad del suceso imposible es siempre cero.
En el experimento de lanzar tres veces una moneda, el suceso "no sale ninguna cara" es
el suceso contrario del suceso B = "aparece alguna cara" y, por tanto, su probabilidad es
P(no B) = 1 - P(B) = 1-7/8 = 1/8.
Si A y B son dos sucesos en un espacio muestral E entonces
P(A ó B) = P(A) + P(B) - P(A y B).

6.3. Probabilidad condicionada
La noción de probabilidad condicionada permite incorporar información útil para hallar
la probabilidad de un suceso.
EJEMPLO 6.5.
Se quiere estudiar qué personas en un grupo de N mujeres y hombres son accionistas de

cierta empresa. Se sabe que NA personas -y entre ellas NAM mujeres- son accionistas de la
empresa. Si se elige al azar una persona entre todas ellas y se le pregunta si posee
acciones de la empresa, la probabilidad de respuesta afirmativa –al ser un experimento
equiprobable– es
NA
P(A) = .
N
En cambio, una vez que se sabe, por ejemplo, que la persona seleccionada es mujer, la
probabilidad de que tenga acciones de la empresa condicionada a que es mujer, se
obtiene como
N
P(A | M) = AM ,
NM
es decir, como el cociente entre los casos favorables NAM (mujeres accionistas) y el
número total de mujeres NM, que son, ahora, los casos posibles, una vez que hemos
incorporado la información de que la persona encuestada es mujer. Dividiendo
numerador y denominador por N,
N AM
N AM P(AyM)
P(A | M) = = N = .
NM NM P(M)
N
Así, para obtener en general la probabilidad de un suceso A condicionado por otro

suceso B, basta dividir la probabilidad de "A y B" por la probabilidad de B:
P(AyB)
P(A | B) = .
P(B)

Una vez que se sabe que ha ocurrido el suceso B, se puede considerar que B es el nuevo
espacio muestral y la probabilidad condicionada es la proporción de B que representa la
parte de A que está en B.
EJEMPLO 6.6.
Se lanza tres veces una moneda equilibrada y que se sabe que ha ocurrido el suceso C =
"en el primer lanzamiento sale cruz". Entonces la probabilidad del suceso A = "salen al
menos dos cruces" condicionada por el suceso C es
3
P(AyC) 8 3
P(A|C) = = = .
P(C) 4 4
8
La probabilidad del suceso A, que es 1/2, se transforma en 3/4 al incorporar la

información de que el primer resultado ha sido cruz.
En general, la probabilidad condicionada no coincide con la probabilidad del suceso. La

igualdad entre ambos valores se produce cuando existe una relación especial -o
ausencia de relación- entre el suceso cuya probabilidad se quiere calcular y el suceso por
el que se condiciona.
La fórmula de la probabilidad condicionada permite llegar a una expresión para calcular

la probabilidad de que ocurran a la vez dos sucesos A y B. Despejando en la expresión
P(AyB)
P(A|B) = ,
P(B)
se tiene que
P(AyB) = P(A|B)P(B).

Esta fórmula recibe el nombre de regla de la multiplicación. Sirve para calcular la
probabilidad (conjunta) de que ocurran al tiempo dos sucesos a partir de la
probabilidad condicionada de uno por el otro y la probabilidad (marginal) del suceso
que condiciona.
EJEMPLO 6.7.
El 40 por ciento de las personas que viajan entre dos ciudades lo hacen con cierta
compañía que pierde el equipaje del 0,2 por ciento de sus pasajeros. Para hallar la
probabilidad de que una persona elija dicha aerolínea y desaparezca su equipaje,
llamando A al suceso "desaparece el equipaje" y B al suceso "viaja con esa compañía", la
probabilidad que buscamos es
P(AyB) = P(A | B)P(B) = (0,002 )(0,4 ) = 0,0008.
6.4. Regla de Bayes
En ciertos casos, el espacio muestral se puede partir en varios sucesos de probabilidad

positiva B1, B2,..., Br incompatibles entre sí. En este caso, la probabilidad de un suceso
cualquiera A puede calcularse a partir de las probabilidades de A condicionado por los
diferentes sucesos B1, B2,..., Br, utilizando que
P(A) = P(A y B1) + P(A y B2) +...+ P(A y Br)
-ya que A debe ocurrir forzosamente con alguno de los Bi y, por tanto, la condición
"ocurre A" es equivalente a la de "ocurre A y algún Bi"-. Como
P(Ay Bi )= P(A| Bi )P( Bi ),
se puede escribir la probabilidad de A de la forma
P( A) = P( A | B1 ) P( B1 )  P( A | B1 ) P( B1 )  ...  P( A | Br ) P( Br )  ir=1 P(A | Bi )P( Bi ),
que se conoce como fórmula de la probabilidad total.

La probabilidad del suceso A se obtiene sumando las probabilidades de A condicionado
por cada uno de los sucesos B1, B2,..., Br, ponderadas por las probabilidades de cada uno
de los Bi.
EJEMPLO 6.8.
Se quiere estudiar la situación laboral de trabajadores en tres sectores de la economía

que denotaremos por B1, B2, y B3. La probabilidad de que una persona esté sin trabajo -
suceso S- en cada uno de los sectores es P(S| B1) = 0,05, P(S|B2) = 0,01, y P(S|B3) = 0,1,
respectivamente. La mitad de las personas pertenecen al primer sector y el resto se
divide en partes iguales entre los otros dos. Por tanto, la probabilidad de que una
persona proceda del primer sector es P(B1) = 0,5 y la probabilidad de que venga de cada
uno de los tres restantes es P(B2 ) = P(B3) = 0,25. Para llegar a la probabilidad de que una
persona elegida al azar esté en paro, basta utilizar la fórmula de la probabilidad total:
P(S) = P(S | B1 )P( B1 ) + P(S | B2 )P( B2 ) + P(S | B3 )P( B3 ) =

= (0,05)(0,5) + (0,01)(0,25 )  (0,1)(0,25 ) = 0,0525.
Se pregunta a una persona en la situación del Ejemplo 5.8 y resulta que no tiene trabajo.
Se busca información el sector del que procede, es decir, se quiere hallar P(Bi |S).
Utilizando la definición de probabilidad condicionada,
P( Bi yS)
P( Bi |S) = .
P(S)

Reescribiendo el numerador mediante la regla de la multiplicación y el denominador
mediante la fórmula de la probabilidad total, se tiene
P(S| Bi )P( Bi )
P( Bi |S)= ,
 P(S| B j )P( B j )
r
j=1
que se conoce como la regla de Bayes, y resulta muy útil cuando se quiere obtener una
probabilidad condicionada -como P(Bi|S)- a partir de las probabilidades condicionadas
en el sentido contrario –como P(S|Bi)-.
La probabilidad de que una persona que está sin trabajo pertenezca al segundo sector,
se puede calcular utilizando la regla de Bayes:
(0,01)(0,25 )
P( B 2 | S) = =
(0,05)(0,5) + (0,01)(0,25 ) + (0,1)(0,25 )
0,0025
= = 0,047.
0,0525
6.5. Independencia
Dos sucesos son independientes si la aparición de uno de ellos no modifica la
probabilidad de que ocurra el otro. Esto se puede expresar más precisamente diciendo
que dos sucesos A y B (con probabilidades distintas de cero) son independientes si
P(A|B)= P(A),
es decir, si incorporar -a través de la probabilidad condicionada- la información de que

B ha ocurrido, no cambia la probabilidad de que A tenga lugar.
La idea de independencia se puede establecer también a través de la regla de la

multiplicación pues, si A y B son independientes entonces
P(AyB)= P(A|B)P(B)= P(A)P(B).

Esta idea de independencia de sucesos es similar al concepto de independencia entre
variables.
Si se lanza dos veces una moneda equilibrada y A es el suceso "en el primer lanzamiento
sale cruz", A = {XC, XX} y B = "en el segundo sale cruz" = {CX, XX}. Entonces "A y B" =
{XX}. Como P(A) = P(B) = 0,5 y P(A)P(B) = 0,25, se tiene que P(A y B) = P(A)P(B) y, por
tanto, los sucesos A y B son independientes. Esta conclusión es natural pues el suceso A
sólo depende del resultado del primer lanzamiento y el suceso B de lo que ocurra en el
segundo; es claro que lo que pase en cada uno de ellos no interfiere en el resultado del
otro.
Si se lanza dos veces un dado equilibrado con seis caras, los sucesos A = "en el primer
lanzamiento sale un número impar" y B = "la suma de los resultados es al menos nueve"
no son independientes. En efecto, como "A y B" = {(3,6), (5,4), (5,5), (5,6)}, se tiene que
P(A y B) = 4/36=1/9. Por otra parte, P(A) = 1/2 y P(B) = 10/36. Así, no se cumple que
P(A y B) = P(A)P(B) y los sucesos no son independientes. Intuitivamente ya se podía
prever el resultado puesto que la información de que ha ocurrido el suceso A afecta a los
resultados que deben aparecer para que ocurra B.

Resumen
El modelo para tratar los experimentos aleatorios consta de tres elementos: espacio
muestral, sucesos y probabilidad. La probabilidad de un suceso es un valor entre cero
y uno que verifica que el espacio muestral siempre tiene probabilidad uno y tal que la
probabilidad de que ocurra uno u otro de dos sucesos incompatibles es la suma de sus
probabilidades. Espacios equiprobables son aquellos en los que todos los resultados
tienen la misma probabilidad de aparecer; en ellos, la probabilidad de cualquier suceso
se calcula mediante la regla de Laplace, dividiendo casos favorables entre casos
posibles.
La probabilidad condicionada permite incorporar información relevante para obtener

la probabilidad de un suceso. La probabilidad de un suceso condicionado por otro se
obtiene dividiendo la probabilidad de que ocurran ambos entre la probabilidad del que
condiciona. Tres expresiones basadas en probabilidades condicionadas que resultan
útiles para calcular probabilidades son la regla de la multiplicación, la fórmula de la
probabilidad total y la regla de Bayes. Dos sucesos A y B son independientes si la
probabilidad de que ocurran a la vez es el producto de las probabilidades de cada uno de
ellos.


Tema 6 - Rev

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 6 - Rev

Cargado por

Copyright:

Formatos disponibles

TEMA 6: Probabilidad

Modulo: Probabilidad y Variables aleatorias

Autor: Juan Romo

6.1 Espacio muestral y sucesos………………….. 5

6.3 probabilidad condicionada…………………. 11

6.4 Regla de Bayes…………………………………… 13

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 2

En primer lugar, le piden que determine la probabilidad

Además, el consejero delegado prueba uno de los nuevos

• Describir los fenómenos aleatorios mediante un modelo

• Desarrollar el concepto de probabilidad condicionada,

• Definir y analizar la noción de independencia entre

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 3

2. Elaborar la idea de probabilidad condicionada y establecer

3. Analizar la idea de independencia de sucesos.

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 4

El azar se puede estudiar a través de los experimentos aleatorios, que se distinguen

(ii) No se puede predecir el resultado de cada experimento particular.

(iii) El experimento puede repetirse en condiciones idénticas.

Un ejemplo sencillo de experimento aleatorio es lanzar al aire una moneda y observar

Si se lanza al aire una moneda, el espacio de resultados es E = {C,X}, donde "C"

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 5

E = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),

EJEMPLO 6.2. (continuación)

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 6

EJEMPLO 6.2. (continuación)

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 7

Al repetir un experimento aleatorio en las mismas condiciones y anotar las frecuencias

Si se lanza repetidamente una moneda equilibrada un gran número de veces, se observa

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 8

(i) la probabilidad de cualquier suceso es siempre un número entre cero y uno.

(ii) la probabilidad de que ocurra el suceso seguro es uno: P(E) = 1.

(iii) si A y B son sucesos incompatibles -que no pueden darse a la vez- entonces la

Analizando las propiedades del experimento se pueden asignar directamente las

EJEMPLO 6.2. (continuación)

Lanzar al aire tres veces una moneda equilibrada es también un experimento

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 9

EJEMPLO 6.2. (continuación)

Si A y B son dos sucesos en un espacio muestral E entonces

P(A ó B) = P(A) + P(B) - P(A y B).

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 10

Se quiere estudiar qué personas en un grupo de N mujeres y hombres son accionistas de

Así, para obtener en general la probabilidad de un suceso A condicionado por otro

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 11

La probabilidad del suceso A, que es 1/2, se transforma en 3/4 al incorporar la

En general, la probabilidad condicionada no coincide con la probabilidad del suceso. La

La fórmula de la probabilidad condicionada permite llegar a una expresión para calcular

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 12

P(AyB) = P(A | B)P(B) = (0,002 )(0,4 ) = 0,0008.

6.4. Regla de Bayes

En ciertos casos, el espacio muestral se puede partir en varios sucesos de probabilidad

P(A) = P(A y B1) + P(A y B2) +...+ P(A y Br)

P(Ay Bi )= P(A| Bi )P( Bi ),

se puede escribir la probabilidad de A de la forma

P( A) = P( A | B1 ) P( B1 )  P( A | B1 ) P( B1 )  ...  P( A | Br ) P( Br )  ir=1 P(A | Bi )P( Bi ),

que se conoce como fórmula de la probabilidad total.

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 13

Se quiere estudiar la situación laboral de trabajadores en tres sectores de la economía

P(S) = P(S | B1 )P( B1 ) + P(S | B2 )P( B2 ) + P(S | B3 )P( B3 ) =

Autor: Juan Romo Modulo: Probabilidad y Variables aleatorias 14

EJEMPLO 6.8. (continuación)

es decir, si incorporar -a través de la probabilidad condicionada- la información de que