Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD CONDICIONAL 1 / 16
Definición 1
Sea (Ω, A , P) un espacio de probabilidad. Si B ∈ A y P(B) > 0, la
probabilidad condicional del evento A dado el evento B se define por
P(A ∩ B)
P(A|B) = , A∈A (1)
P(B)
Observación 1
Si P(B) = 0, entonces P(A|B) puede ser definida arbitrariamente.
La mayoría de los libros hacen P(A|B) = 0. Pero es más interesante hacer
definir como P(A|B) = P(A) para significar que P(A|B) sea una
probabilidad definida en A (como una función de A). También es
conveniente, por razones de independencia, definir P(A|B).
PROBABILIDAD CONDICIONAL 2 / 16
Para B fijo se cumplen las siguientes propiedades:
1. P(A|B) ≥ 0.
2. P(Ω|B) = 1
3. si A ∩ C = ∅, entonces
.
PROBABILIDAD CONDICIONAL 3 / 16
Ejemplo 1
Supongamos que una urna inicialmente contiene r bolas rojas y b bolas
verdes. Supongamos que las bolas se extraen de la urna de una en una,
pero después de cada extracción, k + 1 bolas del mismo color se devuelven
a la urna (con una mezcla completa entre extracciones, y sin ver las bolas,
etc.). Preguntas (para un número k en general):
(a) ¿Cuál es la distribución del número de bolas rojas en las primeras n
extracciones?
(b) ¿Cuál es la probabilidad de que la i-ésima bola extraída sea roja?
(c) ¿Cuál es el número esperado de bolas rojas en las primeras n
extracciones?
PROBABILIDAD CONDICIONAL 4 / 16
Observación. Si k = 0, el procedimiento es solo muestreo con reemplazo.
El número de bolas rojas en las primeras n extracciones tendría una
r
distribución Bin n, r +b ; es decir, Si X denota el número de bolas
r
extraídas, entonces X ∼ Bin n, r +b . Si k = −1, el procedimiento es el
muestreo sin reemplazo. Si k ≥ 1 necesitaremos una urna muy grande si
pretendemos muestrear durante mucho tiempo: habrá bolas r + b + ki en la
urna después de la i-ésima extracción y reemplazo.
para i = 1, 2, 3, . . .
PROBABILIDAD CONDICIONAL 5 / 16
y su complemento
PROBABILIDAD CONDICIONAL 6 / 16
Para i = 2, tenemos
PROBABILIDAD CONDICIONAL 7 / 16
para i = 3,un poco más difícil y laborioso:
PROBABILIDAD CONDICIONAL 8 / 16
tenga en cuenta que cada sumando tiene denominador
(r + v )(r + v + k)(r + v + 2k), por lo que resulta,
1
P(R3 ) = ×
(r + v )(r + v + k)(r + b + 2k)
× [r (r + k + 1)(r + v + 2k) + rv (r + b + 2k)]
2k)
(
r
(r
+ v
+ k)(
(r (
+( v(
+(
=
2k)
(
(r + v )(r
+v + k)((r (
+(v(+(
r
P(R3 ) =
r +v
PROBABILIDAD CONDICIONAL 9 / 16
Respuesta a la pregunta (a)
PROBABILIDAD CONDICIONAL 10 / 16
Como una comprobación rápida, observe que cuando k = 0, la probabilidad
se reduce a i n−i
n v v
i r +v r +v
r
como debería ser para una distribución Bin n, r +v .
PROBABILIDAD CONDICIONAL 11 / 16
n! r! v! (r + v − n)!
=
i!(n − i)! (r − i)! (v − n + i)! (r + v )!
r! v! n!(r + v − n)!
=
i!(r − i)! (n − i)!(v − n + i)! (r + v )!
r
v
i n−i
= r +v
n
donde
r
= Número de formas de elegir i bolas rojas de entre r bolas rojas
i
v
= Número de formas de elegir n − i bolas verdes de v bolas verdes
n−i
r +v
= Número de formas de elegir n bolas de r + v bolas de la urna.
n
PROBABILIDAD CONDICIONAL 12 / 16
Respuesta a la pregunta (b)
Cada terna termina con un R3 , con las dos primeras posiciones dando todas
las combinaciones posibles de R y B. La probabilidad de cada terna no
cambia si permutamos los subíndices, porque el orden no importa. Así
PROBABILIDAD CONDICIONAL 13 / 16
Observe cómo la terna para cada término ahora termina en un R1 en lugar
de un R3 . La última suma es solo una descomposición para la obtención de
P(R1 ) al dividirse de acuerdo con el resultado del segundo y tercer sorteo.
Se sigue que P(R3 ) = P(R1 ). Similar,
r
P(i-ésima bola es roja) = P(R1 ) = para cada i.
r +v
Respuesta a la pregunta (c)
PROBABILIDAD CONDICIONAL 14 / 16
(
1 ai la i-ésima bola extraída es roja
Xi =
0 caso contrario
De la respuesta a la pregunta (b),
r
E (Xi ) = 1 × P(Xi = 1) + 0 × P(Xi = 0) = P(Xi = 1) =
r +v
De ello se deduce que el número esperado de bolas rojas en la muestra de n
extracciones es nr /(r + v ). Este número esperado no depende de k; es lo
mismo para k = 0 (muestreo con reemplazo, sorteos independientes) y
k 6= 0 (los sorteos dependientes), siempre que excluyamos los casos en que
la urna se vacíe antes del enésimo sorteo.
PROBABILIDAD CONDICIONAL 15 / 16
Teorema 2
Sean {B1 , B2 , . . . , Bn , . . .} una secesión de eventos mutuamente
excluyentes y exhaustivos y sea A cualquier evento. Entonces
X
P(A) = P(Bi )P(A|Bi )
i
k
[
1. Ai = Ω.
i=1
2. Ai ∩ Aj = ∅ entonces para cualquier evento B ⊂ Ω se tiene
P(Ai )P(B|Ai )
P(Ai |B) = Pk
j=1 P(Aj )P(B|Aj )
PROBABILIDAD CONDICIONAL 16 / 16