TEMA 1 Prob PDF

TEMA 1
TEORÍA DE LA
PROBABILIDAD
Prof. Francisco Martínez Sánchez
ÍNDICE
1. Introducción a la Teoría de la Probabilidad
2. Conceptos básicos
3. Operaciones con sucesos
4. Algebra de sucesos
5. Definición e interpretación de la probabilidad
6. Axiomas del cálculo de probabilidad y sus consecuencias
7. Probabilidad condicionada
8. Teorema de la probabilidad total
9. Teorema de Bayes
10. Independencia de sucesos
2
1. Introducción
Gustavo Ernesto Piñeiro, El hallazgo de la ley de los grandes

números: Bernoulli; 2017; RBA Coleccionables.
3
1. Introducción
o Teoría de la Probabilidad estudia los métodos de análisis que
son comunes en el tratamiento de fenómenos no predecibles.
o Estos fenómenos tienen en común su carácter aleatorio. De
modo que si observamos el mismo fenómeno, en las mismas
condiciones, no siempre se produce el mismo resultado. Por
lo tanto, no podemos predecir su comportamiento con
exactitud.
o Esta teoría se construye mediante el método axiomático. Es
decir, a partir de un conjunto de conceptos se hacen
afirmaciones sobre las propiedades de estos y las relaciones
que guardan entre sí.
o Axioma es una afirmación que se admite como verdadera.
o Modelo matemático de un fenómeno real abstracción y
descripción simplificada de un fenómeno dado. 4
o Experimento es cualquier acción que pueda dar lugar a
resultados identificables.
o Suponemos que es posible repetir el experimento muchas
veces bajo las mismas condiciones y que todos los posibles
resultados son conocidos antes de la realización del
experimento.
o Experimento determinista aquel que si se repite bajo las
mismas condiciones da siempre el mismo resultado.
Ej. determinista: formula del agua, H2O.
o Experimento aleatorio aquel que si se repite bajo las mismas
condiciones no es posible predecir su resultado, ya que no
será siempre el mismo.
Ej. Lanzar un dado, una moneda…
5
o Espacio muestral de un experimento aleatorio () conjunto
de todos los posibles resultados de un experimento aleatorio.
 = {1,2,…}
donde i representa uno de los posibles resultados y que
llamamos suceso elemental.
o Espacio muestral discreto contiene una infinidad numerable
de sucesos elementales.
o Espacio muestral continuo contiene una infinidad no
numerable de sucesos elementales.
6
o Un Suceso S es un conjunto de posibles resultados del
experimento.
Obtener un 2 o un 6 al lanzar un dado.
Un suceso ocurre cuando al realizarse el experimento
aleatorio da lugar a uno de los resultados pertenecientes al
subconjunto que define el suceso.
7
o Tipos de sucesos:
 Suceso elemental sucesos formados por sólo uno de los
elementos de .
 Suceso compuesto es el que consta de dos o más sucesos
elementales. Obtener un número par al lanzar un dado.
 Suceso seguro, cierto o universal () aquel que siempre
ocurre independientemente del resultado del
experimento.
 Suceso imposible () aquel que no tiene ningún elemento
del espacio muestral , y por tanto nunca ocurrirá.
8
o Un conjunto S es una colección de elementos, s, con una o
varias características comunes. La pertenencia de un
elemento s a un conjunto S se designa por sS, y la no
pertenencia por sS.
o Dados dos sucesos A y B de un experimento aleatorio,
diremos que el suceso A está contenido en B, AB, si cada
suceso elemental perteneciente a A pertenece también a B.
De modo que, siempre que ocurre el suceso A, también
ocurre el suceso B, pero no necesariamente al revés.
Lanzar un dado: A=2, 4 y B=2, 4, 6. Entonces, A B.
o Dados dos sucesos A y B, diremos que son iguales, A=B, si

siempre que ocurre A también ocurre el suceso B, AB, y
siempre que ocurre el suceso B ocurre el suceso A, BA.
9
UNIÓN, 
o Dados dos sucesos A y B, se define la unión de ambos
sucesos, AB, como aquel suceso compuesto por los sucesos
elementales pertenecientes a A, o a B, o a los dos a la vez.
A=1, 2, 5, B=1, 3, 5  A B =1, 2, 3, 5
o En general, dados n sucesos A1,A2,…,An, su unión

A1A2…An es aquel suceso formado por los sucesos
elementales que pertenecen al menos a uno de los sucesos Ai.
n
A
i 1
i
10
o Dados dos sucesos A y B, se define la unión de ambos
sucesos, AB, como aquel suceso compuesto por los sucesos
elementales pertenecientes a A, o a B, o a los dos a la vez.
A B
AB
11
INTERSECCIÓN, 
o Dados dos sucesos A y B, se define la intersección de ambos
sucesos, AB, como aquel suceso compuesto por los sucesos
elementales que pertenecen tanto a A como a B. Por tanto, A
y B ocurren a la vez.
A=1, 2, 5, B=1, 3, 5  A B =1, 5
o En general, dados n sucesos A1,A2,…,An, su intersección

A1A2…An es aquel suceso formado por los sucesos
elementales que pertenecen a todos los sucesos Ai a la vez.
n
A
i 1
i
12
o Dados dos sucesos A y B, se define la intersección de ambos
sucesos, AB, como aquel suceso compuesto por los sucesos
elementales que pertenecen tanto a A como a B. Por tanto, A
y B ocurren a la vez.

A
AB
13
o Dados los sucesos A y B, diremos que ambos sucesos son
disjuntos, incompatibles o excluyentes si no pueden ocurrir a
la vez (A  B = ).
Si no tienen ningún suceso elemental en común. Dicho de
otro modo, si al verificarse uno de los sucesos no se verifica el
otro, o sea, la ocurrencia de uno excluye la posibilidad de que
ocurra el otro.
A=2, 4, 6, B=1, 3  AB = 

A B
14
o El suceso contrario o complementario de un suceso A está
formado por todos los elementos del espacio muestral que no
están en A. Lo representaremos por A.
o Un suceso y su contrario son incompatibles, ya que no
pueden suceder simultáneamente.
A=2, 4, 6, =1, 3, 5
A  A A = 

A A
15
o Dados dos sucesos A y B, se define la diferencia de ambos
sucesos, que representaremos por A – B, como aquel suceso
constituido por los sucesos elementales que pertenecen a A y
no pertenecen a B.
o A – B es aquel suceso que consiste en que ocurra A y no B.
A B  A B
o Del mismo modo, se define B – A:
BA BA
o Por tanto, A B  B  A
16
o Dados dos sucesos A y B, se define la diferencia de ambos
sucesos, que representaremos por A – B, como aquel suceso
constituido por los sucesos elementales que pertenecen a A y
no pertenecen a B.

A
A–B
A B  A B
B–A
B
BA BA
17
o Dados dos sucesos A y B, se define la diferencia simétrica de
ambos sucesos, que representaremos por AB, como aquel
suceso constituido por los sucesos elementales que
pertenecen a A, o a B pero que no pertenecen
simultáneamente a ambos.

AB  (A  B) (B  A) A
A–B
 (A B) (B  A)
 (A B)  (A B)
B–A
B
18
LANZAMIENTO DE UN DADO (I)
o A  Obtener un número par. Por tanto, A = {2,4,6}
o B  Obtener un número primo. Por tanto, B = {1,2,3,5}
o A – B es aquel suceso que consiste en que ocurra A y no B.
A – B = {4,6}
o AB suceso constituido por los sucesos elementales que
pertenecen a A, o a B pero que no pertenecen
simultáneamente a ambos.
AB = {1,3,4,5,6}
19
Leyes de Morgan
Dados dos sucesos A y B, tenemos que:
o A B  A  B
o A B  A  B
20
o Una colección de sucesos A relacionados con un experimento
aleatorio, tiene estructura de álgebra de Boole, si se verifican
las dos condiciones siguientes:
1. Si A A se verifica que A  A.
2. Si A,B A se verifica que AB  A.
o De esta definición, se derivan las siguientes propiedades:

1. El suceso imposible y el suceso seguro están en A.
2. De una operación con sucesos de A resulta otro suceso que
también es de A.
21
o Un conjunto de sucesos no vacio, A, tiene estructura de ‐
álgebra, si se verifican las dos condiciones siguientes:
1. Si AA se verifica que su complementario A A.
2. Si A1, A2, A3,… A se verifica que

A1  A 2  A 3  ...   A i  A
i 1
o Llamamos espacio o conjunto medible al par (, A), donde

 es el espacio muestral y A es una ‐álgebra sobre .
o ‐álgebra de Borel en R, aquella generada por la clase de
todos los intervalos de R de la forma (a,b]. Se suele notar por
𝓑.
22
5. Def. e Interp. Probab.
o Probabilidad número que indica la posibilidad de que ocurra
un determinado resultado del experimento aleatorio, del que
se conocen todos los resultados posibles. Denotamos la
probabilidad de un suceso A por P(A).
o Interpretación clásica de la probabilidad (Laplace) en
espacios muestrales equiprobables es posible calcular la
probabilidad de un suceso A como el número de casos
favorables a dicho suceso dividido por el número total de
casos posibles resultado del experimento.
nº de casos favorables a A
P(A) 
nº de casos posibles de 
23
Probabilidad frecuentista (o a posteriori)
o Sea nA el número de veces que aparece el suceso A y N el
número de veces que se repite el experimento aleatorio en
las mismas condiciones.
o Interpretación frecuentista de la probabilidad La
probabilidad de un suceso es igual al límite cuando N tiende a
infinito de la frecuencia relativa del suceso.
nA
P(A)  lim
N N
o Es decir, la probabilidad de un suceso es la proporción de

veces que el suceso ocurrirá si observamos el proceso
aleatorio un número infinito de veces.
24
Propiedades probabilidad frecuentista (o a posteriori)
1) Para cualquier suceso A,
nA
P(A)  0
N
N
2) P( )  1
N
3) Dados dos suceso A y B incompatibles (A  B = ), tenemos:
nA  nB nA nB
P(A  B)     P(A)  P(B)
N N N
Prof. Francisco Martínez Sánchez 25
o Notar que en la interpretación frecuentista de probabilidad:
• nA  número de veces que ocurre el suceso A, y,
• N  número de veces que se repite el experimento aleatorio en las
mismas condiciones.
o Sin embargo, en la interpretación clásica de Laplace:
• nA  número de resultados favorables al suceso A, y,
• N  número total de resultados.
o La interpretación clásica de probabilidad es compatible con
las tres propiedades empíricas derivadas de la interpretación
frecuentista.
o Todos los modelos matemáticos de probabilidad deben ser
compatibles con la interpretación frecuentista y sus
propiedades.
26
6. Axiomas Probabilidad
o La definición axiomática de la probabilidad nos permite
realizar un desarrollo riguroso y matemático de la
probabilidad (Andrey Kolmogorov, 1903‐1987).
o Axioma es una afirmación que se admite como verdadera.
o Teorema es una afirmación que puede ser deducida de
axiomas o de otras propiedades y teoremas previos.
o En la definición axiomática de la probabilidad, admitiremos
como verdaderas varias afirmaciones simples sobre la
probabilidad, y estas afirmaciones serán los axiomas de
probabilidad.
27
o Dado el espacio muestral  y la ‐álgebra A, diremos que
una función P definida sobre A y con valores en [0, 1]
P : A  [0,1]
es una función de probabilidad si satisface los siguientes
axiomas, conocidos como Axiomas de Kolmogorov:
A1. P(A) ≥ 0, para cualquier suceso AA.
A2. P()=1.
A3. Para cualquier sucesión A i i 1  A

de sucesos
excluyentes dos a dos (Ai  Aj = , i≠j), se cumple:
  
P   A i    P(A i )
 i1  i1
28
o Cuando A es un álgebra finita (por tanto ‐álgebra) el axioma
a A3 suele ser sustituido por su equivalente:
A3’. A,BA, tal que A  B = , se cumple que
P(AB) = P(A) + P(B).
o Si la función P asigna el valor p=P(A) al suceso A, entonces

diremos que p o P(A) es la probabilidad del suceso A.
o La terna formada por el espacio muestral , la ‐álgebra A y

la función de probabilidad P, (,A,P), recibe el nombre de
espacio de probabilidad o probabilístico.
29
LANZAMIENTO DE UN DADO (II)
A B
1 2 3 4 5 6
1 1 1 1 1 1
P(1)  P(2)  P(3)  P(4)  P(5)  P(6) 
6 6 6 6 6 6
1 1 2 1 1 1 1 3 1
P(1  2)     P(3  4  5)     
6 6 6 3 6 6 6 6 2
A = {1,2} B = {3,4,5}
1 1 5
P(A  B)  P(A)  P(B)   
3 2 6
30
EJEMPLO: APUESTAS FÚTBOL
BETIS vs VILLARREAL
1 X 2 Ingreso si acierto y
xi apuesto un euro.
2,7 3,4 2,55
1
xi 0,3704 0,2941 0,3922 1,0566
1
xi
3 0,3505 0,2784 0,3711 1,0000
1

i 1 x i
5,66%
No es una
Probabilidad Probabilidad Probabilidad probabilidad
de que de que de que porque no
Ventaja del
ocurra 1 ocurra X ocurra 2 suma 1.
corredor de
apuestas
31
Consecuencias de los Axiomas de Kolmogorov
1. Para cualquier suceso AA se verifica que P A  1  P(A) .  
2. La probabilidad del suceso imposible es nula, P()=0.
3. Para dos sucesos cualesquiera A,BA, si A  BP(A)P(B).
4. Para dos sucesos cualesquiera A,BA, si A  B 
P(BA) = P(B  A ) = P(B)  P(A)

5. Para todo suceso AA P(A)  1.
6. Para dos sucesos cualesquiera A,BA se verifica que
P(AB) = P(A) + P(B)  P(AB)
32
LANZAMIENTO DE UN DADO (III)
A B C
1 2 3 4 5 6
1 1 1 1 1 1
P(1)  P(2)  P(3)  P(4)  P(5)  P(6) 
6 6 6 6 6 6
A = {1,2} B = {3,4,5} C = {3,4,6} BC = {3,4}
1 1 1 1 1 3 1 11 2 1
P(A)  P(B)  P(C)  P(3  4  6)      P(B  C)   
3 2 6 6 6 6 2 6 6 3
1 1 2 4 2
P(B  C)  P(B)  P(C)  P(B  C)     
2 2 6 6 3
33
o La consecuencia 6 se puede generalizar a más de dos sucesos,
así pues para el caso de tres sucesos A,B,CA tendremos que
P(ABC)=P(A)+P(B)+P(C)‐P(AB)‐P(AC)‐P(BC)+P(ABC)
P(ABC)=P(A)+P(B)+P(C)‐P(AB)‐P(AC)‐P(BC)+P(ABC)
E
A B
C
34
o Si para cualquier suceso A resulta que P(A)=0, diremos que A
es un suceso nulo, pero esto no implica que A=.
o Además, si para cualquier suceso A tenemos que P(A)=1,

diremos que A es un suceso casi seguro, pero esto no implica
que A=.
o Espacio muestral finito aquel que contiene un número finito,

N, de suceso elementales.
 = {1,2,… ,N}
35
7. Prob. Condicionada
o Sea el espacio de probabilidad (,A,P) y dos sucesos A,BA,
tales que P(B)>0. La probabilidad de A condicionada al
suceso B se define como:
P(A  B)
P(A / B) 
P(B)
o Notar que:
• Si P(B) = 0, no se puede definir la probabilidad condicionada.
• P(AB) = P(B)  P(A/B)
Si P(A) > 0, tenemos P(AB) = P(A)  P(B/A). ¿Por qué?
36
LANZAMIENTO DE UN DADO (IV)
o  = {1,2,3,4,5,6}
o A = {Obtener un 6}, B = {Obtener un número par}
o ¿P(A/B)?
– Si sabemos que ha ocurrido B, sólo pueden haberse obtenido, con
igual probabilidad: 2, 4 y 6. Por tanto, P(A/B) = 1/3.
– AB = {Obtener un 6} = A. Entonces, P(AB)=P(A) = 1/6.
1
P(A  B) 6 1
P(A / B)   
P(B) 3 3
6
37
Comprobación de los Axiomas de Kolmogorov
Sea , espacio muestral, A ‐álgebra sobre , P:A[0,1] una
función de probabilidad y el suceso BA, tal que P(B)>0.
Entonces, la función P(/B):A[0,1], tal que AA
P(A  B)
P(A / B) 
P(B)
cumple los Axiomas de Kolmogorov:
A1. Para cualquier suceso AA, P(A/B) ≥ 0.
A2. P(/B) = 1.
A3. Dada una sucesión numerable de sucesos excluyentes dos a dos
(Ai  Aj = , i≠j), A1, A2, A3,…A, se verifica que
  
P   A i / B    P(A i / B)
 i1  i1
En el caso en que A es finita, también se cumple A3. Analice el caso para A1,A2Λ y A1A2 = .
38
Comprobación de los Axiomas de Kolmogorov
A3. Dada una sucesión numerable de sucesos excluyentes
dos a dos (Ai  Aj = , i≠j), A1, A2, A3,… A, se verifica
que   
P   A i / B    P(A i / B)
 i1  i1
A1B, A2B,…
son disjuntos
     
P    A i   B  P    A i  B  
    i1    
P   Ai / B    i 1
 i1  P(B) P(B)


 P(A i  B)
P(A i  B) 

 i 1
   P(A i / B)
P(B) I1 P(B) i 1
39
Consecuencias de los Axiomas de Kolmogorov
Dado que la función P(/B):A[0,1] cumple los Axiomas de
Kolmogorov,
o dicha función es una función de probabilidad. Por lo tanto, P(/B)
representa la función de probabilidad condicionada.
o Y, todas las propiedades derivadas de la axiomática de Kolmogorov
son válidas para la probabilidad condicionada.
40
TEOREMA DEL PRODUCTO
Sea el espacio de probabilidad (,A,P). Sean A1, A2, A3,…,
AnA, n sucesos tales que
 n1 
P   A i   0.
 i1 
Entonces se verifica que:
 n 
P   A i   P(A1  A 2  ...  A n ) 
 i 1 
 P(A1 )  P(A 2 / A1 )  P(A 3 / A1  A 2 )  ...  P(A n / A1  ...  A n 1 )
41
8. Teorema Prob. Total
TEOREMA DE LA PROBABILIDAD TOTAL
Sea el espacio de probabilidad (,A,P) asociado a un
experimento aleatorio, y sea A1,A2,A3,…A una sucesión de
sucesos que forman una partición de ; esto es, son disjuntos
dos a dos (AiAj = , para todo i  j) y
A
i1
i 
todos ellos con P(Ai) > 0 i = 1, 2, … Entonces, para cualquier

suceso BA, se verifica que:
P(B)   P(A i )  P(B / A i )

i 1
42
DEMOSTRACIÓN
Dado que  A i   , el suceso B se puede expresar como:
i1
 
B  B    B   A i     B  A i 
 i1  i1
Dado que AiAj =  i  j, tenemos que (BAi)(BAj) = 
ij. Entonces,
 
P(B)  P   B  A i     P(B  A i )
 i1  i1
Pero P(BAi)=P(B/Ai)P(Ai), pues P(Ai)>0 i = 1, 2, … Entonces,
P(B)   P(A i )  P(B / A i )

i 1
43
Una empresa se dedica a la construcción y venta de viviendas en
tres municipios de nuestra región: Águilas, Murcia y Lorca. En
Águilas vende el 60% de sus viviendas, en Murcia el 30% y en
Lorca el 10%. De previas experiencias se sabe que un
determinado porcentaje de familias no efectúan el pago de las
letras mensuales que previamente habían aceptado, siendo este
porcentaje del 2%, del 4% y del 6%, en cada municipio
respectivamente. Determinar la probabilidad de que una
familia cualquiera pague sus letras.
Sean los sucesos:
A: la familia es de Águilas.
M: la familia es de Murcia.
L: la familia es de Lorca
 ¿ P( P) ?
P: la familia paga las letras
44
P(A)  0.6; P(M)  0.3; P(L)  0.1
P(P / A)  0.02; P(P / M)  0.04; P(P / L)  0.06
P(P / A)  0.98; P(P / M)  0.96; P(P / L)  0.94
Podemos aplicar el Teorema de la probabilidad total porque los

tres sucesos A, M, L son disjuntos dos a dos y su unión nos da el
espacio muestral. Por tanto, la probabilidad de que una familia
cualquiera pague sus letras será:
P(P)  P(A)  P(P / A)  P(M)  P(P / M)  P(L)  P(P / L)

 0.6  0.98  0.3  0.96  0.1 0.94  0.97
45
9. Teorema de Bayes
TEOREMA DE BAYES
Sea el espacio de probabilidad (,A,P) asociado a un
experimento aleatorio, y sea A1,A2,A3,…A una sucesión de
sucesos que forman una partición de ; esto es, son disjuntos
dos a dos (AiAj = , para todo i  j) y
A
i1
i 
todos ellos con P(Ai) > 0 i = 1, 2, … Entonces, para cualquier

suceso BA tal que P(B) > 0, se verifica que:
P(A j )  P(B / A j )
P(A j / B)  n
j  1,2,...
 P(A )  P(B / A )
1
i
iProf. Francisco Martínez Sánchez
i
46
9. Teorema de Bayes
P(A j )  P(B / A j )
P(A j / B)  n
j  1,2,...
 P(A )  P(B / A )
i 1
i i
o A las probabilidades que aparecen en la formula del Teorema

de Bayes se les suele llamar de la siguiente forma:
− P(B/Ai) verosimilitud del suceso B partiendo del suceso Ai.
− P(Aj) probabilidad “a priori” porque son las que inicialmente
asignamos a los sucesos Aj.
− P(Aj/B) probabilidad “a posteriori” porque puede indicar
cambios en las probabilidades debido a que ha ocurrido otro
suceso B relacionado con el experimento.
47
9. Teorema de Bayes
Un banco analiza las fechas de los cheques que emiten sus
clientes y llega a la conclusión de que las personas que tienen
fondos en su cuenta corriente emiten cheques con fecha
posterior, solamente en un 0.2% de los casos. Sin embargo, el
95% de las personas que no tienen fondos en su cuenta
corriente emiten cheques con fecha posterior. También se
conoce que en general la proporción de cheques que llegan a la
ventanilla del banco y que tienen fondo es del 92%. Se recibe un
cheque en caja con fecha atrasada, determinar la probabilidad
de que ese cheque sea de un cliente que no tiene fondos.
Sean los sucesos:
F: el cheque que se recibe es de un cliente con fondos.
A: el cheque que se recibe es con fecha atrasada.
 ¿ P( F / A) ? 48
9. Teorema de Bayes
P(F)  0.08; P(F)  0.92; P(A / F)  0.95; P(A / F)  0.002
Según el Teorema de Bayes, la probabilidad de que el cheque

con fecha atrasada sea de un cliente que no tiene fondos en su
cuenta es:
P(F)  P(A / F)
P(F / A) 
P(F)  P(A / F)  P(F)  P(A / F)
0.08  0.95
  0.98
0.08  0.95  0.92  0.002
49
9. Teorema de Bayes
¿Probabilidad de que una mujer tenga cáncer de mama
cuando la mamografía indica que lo tiene?
Sean los sucesos:

C: la mujer tiene cáncer de mama.
C: la mujer no tiene cáncer de mama.
M: la mamografía indica que la mujer tiene cáncer de mama.
M: la mamografía no indica que la mujer tiene cáncer.
50
9. Teorema de Bayes
• Prevalencia: La probabilidad de que una mujer tenga cáncer de

mama es del 1%.
• Sensibilidad del test: Si una mujer tiene cáncer de mama, la
probabilidad de que una mamografía lo detecte es del 90%.
• Falsos positivos: Si una mujer no tiene cáncer de mama, la
probabilidad de que una mamografía indique que sí lo tiene es del
9%.
1 9 9
P(C)  P(M / C)  P(M / C) 
100 10 100
http://nadaesgratis.es/admin/saber-de-probabilidades-salva-vidas
51
9. Teorema de Bayes
1 9 9
P(C)  P(M / C)  P(M / C) 
100 10 100
P(C)  P(M / C)
P(C / M) 
P(C)  P(M / C)  P(C)  P(M / C)
1 9

100 10 90
   0,09174 (9,17%)
1 9 99 9 981
   52
100 10 100 100
10. Indep. Sucesos
o Diremos que dos sucesos cualesquiera A,BA, son
independientes si y sólo si P(AB) = P(A)  P(B).
o Aplicando la definición de probabilidad condicionada, se
deduce:
− A y B son independientes cuando P(B/A) = P(B), si P(A) > 0.
− A y B son independientes cuando P(A/B) = P(A), si P(B) > 0.
o Notar que cuando A y B son independientes, la ocurrencia de
B no influye en la de A, y viceversa.
o Por tanto, dados dos sucesos A,BA, se dice que son
independientes si y sólo si se cumple alguna de las siguientes
condiciones:
1) P(AB) = P(A)  P(B).
2) P(B/A) = P(B), si P(A) > 0.
3) P(A/B) = P(A), si P(B) > 0.
53
10. Indep. Sucesos
Ejercicio Sea el espacio de probabilidad (,A,P). Si A y BA son
dos sucesos independientes, entonces también lo son:
a) A y B
b) A y B
c) A y B.
54
10. Indep. Sucesos
o No confundir sucesos independientes
P(AB) = P(A)  P(B)
con sucesos disjuntos o mutuamente excluyentes
AB =   P(AB) = 0
o Dados dos sucesos A,BΛ con probabilidad no nula,
tenemos que:
1. Si A y B son disjuntos, entonces son dependientes, ya que
la ocurrencia de uno de los sucesos excluye la del otro.
2. Si A y B son independientes, entonces son no disjuntos

porque: P(A  B) = P(A)  P(B) > 0.
55
10. Indep. Sucesos
o Sean A1,A2,A3,…,AnA. Diremos que son mutuamente
independientes si cualquier colección de sucesos formada
con estos sucesos cumple que la probabilidad de la
intersección es el producto de las probabilidades. Por lo
tanto, se deben cumplir todas las condiciones siguientes:
P(Ai  Aj) = P(Ai)P(Aj) ij i,j=1, 2,…,n
P(Ai  Aj  Ak) = P(Ai)P(Aj)P(Ak) ijk i,j,k=1, 2,…,n
P(A1  A2 … An) = P(A1)P(A2)  …  P(An)
o Notar que la ocurrencia de alguna estas condiciones no

implica que ocurran las demás. 56
10. Indep. Sucesos
o Sean A1,A2,A3,…,AnA. Diremos que estos sucesos son
independientes dos a dos, si cualquier par de sucesos
formado con estos sucesos son independientes. Es decir, si se
cumple:
P(Ai  Aj) = P(Ai)P(Aj) ij i,j=1, 2,…,n
o Notar que la independencia mutua implica independencia dos

a dos, pero la implicación contraria no se cumple.
Independencia Independencia
mutua dos a dos
57

TEMA 1 Prob PDF

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 1 Prob PDF

Cargado por

Copyright:

Formatos disponibles

TEMA 1

Gustavo Ernesto Piñeiro, El hallazgo de la ley de los grandes

o Dados dos sucesos A y B, diremos que son iguales, A=B, si

o En general, dados n sucesos A1,A2,…,An, su unión

o En general, dados n sucesos A1,A2,…,An, su intersección

o De esta definición, se derivan las siguientes propiedades:

o Llamamos espacio o conjunto medible al par (, A), donde

o Es decir, la probabilidad de un suceso es la proporción de

3) Dados dos suceso A y B incompatibles (A  B = ), tenemos:

o Si la función P asigna el valor p=P(A) al suceso A, entonces

o La terna formada por el espacio muestral , la ‐álgebra A y

P(BA) = P(B  A ) = P(B)  P(A)

A = {1,2} B = {3,4,5} C = {3,4,6} BC = {3,4}

o Además, si para cualquier suceso A tenemos que P(A)=1,

o Espacio muestral finito aquel que contiene un número finito,

Si P(A) > 0, tenemos P(AB) = P(A)  P(B/A). ¿Por qué?

 i1  P(B) P(B)

todos ellos con P(Ai) > 0 i = 1, 2, … Entonces, para cualquier

P(B)   P(A i )  P(B / A i )

P(B)   P(A i )  P(B / A i )

P(P / A)  0.02; P(P / M)  0.04; P(P / L)  0.06

P(P / A)  0.98; P(P / M)  0.96; P(P / L)  0.94

Podemos aplicar el Teorema de la probabilidad total porque los

P(P)  P(A)  P(P / A)  P(M)  P(P / M)  P(L)  P(P / L)

todos ellos con P(Ai) > 0 i = 1, 2, … Entonces, para cualquier

o A las probabilidades que aparecen en la formula del Teorema

Según el Teorema de Bayes, la probabilidad de que el cheque

Sean los sucesos:

• Prevalencia: La probabilidad de que una mujer tenga cáncer de

2. Si A y B son independientes, entonces son no disjuntos

P(Ai  Aj  Ak) = P(Ai)P(Aj)P(Ak) ijk i,j,k=1, 2,…,n

P(A1  A2 … An) = P(A1)P(A2)  …  P(An)

o Notar que la ocurrencia de alguna estas condiciones no

o Notar que la independencia mutua implica independencia dos

También podría gustarte