Probabilidad Condicional

“Año del Fortalecimiento de la Soberanía Nacional”
UNIVERSIDAD TECNOLOGICA DE LOS ANDES
FACULTAD DE CIENCIAS JURIDICAS Y CONTABLES Y
SOCIALES
ESCUALA PROFESIONAL DE DERECHO
TEMA
PROBABILIDAD DE UN EVENTO Y CONDICIONAL
ASIGNATURA: ESTRADISTICA
DOCENTE: FERMIN URBANO SOLLAS FERRO
CICLO: TERCER SEMESTRE
ALUMNOS:
SAMYRA SANTISTEBAN CRUZ
OLIMPIA HUARAYA GUTIERREZ
PERCY VILCA MENDOZA

DEDICATORIA ................................................................................................................ 4
PRESENTACION ............................................................................................................. 5
INTRODUCCION ............................................................................................................ 6
CAPITULO I ...................................................................................................................... 7
1. PROBABILIDAD ........................................................................................................... 7
1.1 Evaluación Histórica ..................................................................................................... 7
1.1.2 Probabilidad ........................................................................................................... 9
1.1.3 Escuela Rusa De Probabilidad ........................................................................... 9
2. PROBABILIDAD DE UN EVENTO ..................................................................... 10
2.1 ¿QUE ES PROBABILIDAD DEL EVENTO?........................................................... 10
2.2 TIPOS DE EVENTO .............................................................................................. 11
CAPITULO III ................................................................................................................ 16
3. PROBABILIDAD CONDICIOANAL ................................................................... 16
3.1 CONCEPTO ............................................................................................................... 16
3.2 EXCLUSIVIDAD MUTUA ................................................................................... 20
3.3 INDEPENDENCIA DE SUCESOS ................................................................... 24
BIBLIOGRAFIA .............................................................................................................. 37
DEDICATORIA
Dedicamos este trabajo, al padre que nos cuida, nos protege porque quiere lo mejor para
todos, que nos ayuda a cada momento, en los días devastadores que uno se encuentra
Se dedica este trabajo al Dr. Fermin Urbano Sollas Ferro, que con su apoyo y sus
enseñanzas, al demostrar sus conocimientos y transmitirlos a los alumnos del tercer semestre
entre ellos, el grupo que está realizando esta monografía, como también dedicamos a nuestros
padres que con son el motivo, para cursar este curso, que por su ayuda incondicional y que se
tiene que demostrar que si se lograra salir y ser grandes profesionales, que es lo que cada uno
busca, y así poder corresponder con todo el tiempo aplicando en los estudios también en el
trabajo, a los padres, demostrar a los docente, y tener reconocimiento que es lo más principal que
quiere uno.
Como también se dedica a todos los lectores que puedan leer este trabajo y sacre
conclusiones o criticas respecto al trabajo realizado por nosotros, nuestro conocimiento aplicado
en este trabajo.
PRESENTACION
Presento este trabajo al Dr, Fermin Urbano Sollas Ferro sobre el tema de probabilidad de
un evento y condicional, para que pueda apreciar nuestros conocimientos de los integrantes de
este grupo, donde aplicamos conceptos sacados de monografías, videos y otras fuentes que
ayudaron para realizar el siguiente trabajo. La monografía contiene el concepto de la
probabilidad, su historia como también una pequeña referencia sobre la escuela rusa de
probabilidad, que es muy importante saber mas que todo cuando estudias probabilidades que es
una ayuda para estar mas referido al tema, para saber a fonde de que estamos hablando.
Como también presento en este trabajo las fórmulas, teoremas de bayes que es muy
referido al tema, y como se aplica.
INTRODUCCION
Como la probabilidad está ligada a nuestra ignorancia sobre los resultados de la
experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad de los demás. El
proceso de realizar la historia clínica, explorar y realizar pruebas complementarias ilustra este
principio. La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se denomina
probabilidad condicionada y se define La probabilidad es un método por el cual se obtiene la
frecuencia de un acontecimiento determinado mediante la realización de un experimento
aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente
estables. La probabilidad que pueda pasar son muy pocas o hay veces hay una gran probabilidad
de poder sacar algo, son pequeños conceptos que hay. La probabilidad de que ocurra un evento
se mide por un número entre cero y uno, inclusive. Si un evento nunca ocurre, su probabilidad
asociada es cero, mientras que si ocurriese siempre su probabilidad sería igual a uno. Es decir, la
probabilidad condicional es aquella que depende de que se haya cumplido otro hecho
relacionado. En el ejemplo de lanzar una moneda, los sucesos elementales serían. Sacar una cruz
o sacar una cara. Si la moneda no está trucada, la probabilidad de que ocurra cada suceso
elemental es la misma. Por lo tanto, la probabilidad de que salga cruz es 1/2. Ahora, la
probabilidad condicional, o probabilidad condicionada, es la posibilidad de que ocurra un evento,
al que denominamos A, como consecuencia de que ha tenido lugar otro evento, al que
denominamos B. Es decir, la probabilidad condicional es aquella que depende de que se haya
cumplido otro hecho relacionado. Probabilidad condicional es la probabilidad de que ocurra un
evento A, sabiendo que también sucede otro evento B. La probabilidad condicional se escribe
P(A|B) o P(A/B), y se lee «la probabilidad de A dado B». No tiene por qué haber una relación
causal o temporal entre A y B.

CAPITULO I
1. PROBABILIDAD
1.1 Evaluación Histórica
La historia de la probabilidad abarca, principalmente, el periodo entre la escritura del
primer tratado que hace referencia a la misma (1553), hasta finales del siglo XX. Aunque el
concepto de probabilidad viene de hace miles de años, en realidad la historia de la probabilidad
es bastante más breve.
Habitualmente se concede a Pierre Fermat (1601-1665) y Blaise Pascal (1623-1662), el
título de padres de la teoría de la probabilidad. Sin embargo, existen evidencias históricas que
nos inclinan a pensar que el primero en poner por escrito el concepto fue Gerolamo Cardano
(1501-1576). Por alguna extraña razón, que aún se desconoce, su obra titulada «Liber de ludo
alea que significa algo así como «Un libro sobre los juegos de dados» no fue publicada hasta el
año 1663. Cuando, en realidad, la obra fue escrita en 1553.
Tras las sucesivas publicaciones de Pierre Fermat (1654), Blaise Pascal (1654) y
Gerolamo Cardano (1663) se sucedieron numerosas obras por parte de intelectuales que han
llegado a ser muy relevantes en la disciplina.

A principios del siglo XVIII, motivado por la notoriedad que adquirieron los juegos de
azar, se publicó un documento titulado «Ars Conjectandi» de Jacob Bernouilli. Una obra
publicada a título póstumo, ya que en realidad fue escrita hacia 1690. Tras la muerte de
Bernoulli, Abraham de Moivre cogió el testigo, y sentó las bases del Teorema Central del Límite
(1733), convirtiéndose así en uno de los referentes de la teoría de la probabilidad. Un Teorema,
todo sea dicho, que sería demostrado por Laplace años más tarde.
En esa misma línea, con permiso de Gauss, le corresponde a Laplace la demostración y
aplicación de la distribución normal en la teoría de la probabilidad. Gauss, sin lugar a dudas,
realiza un aporte tremendo con la distribución normal. Sin embargo, se le debe a Laplace la
aplicación en términos probabilísticos.
Con su fallecimiento, la teoría de la probabilidad siguió creciendo. Eso sí, con
dificultades. Dificultades que provenían, principalmente, de matemáticos.
Consideraban que la teoría de la probabilidad carecía de un teoría robusta y precisa para
ser aceptada como parte de las matemáticas.
Sin duda, Kolmogorov y Borel ofrecieron un marco más preciso que el resto en cuanto a
la exposición de la teoría probabilística.
Además de los dos anteriores, destacan las aportaciones, durante todo el siglo XX, de
intelectuales como Paul Lévy (1919-1971), Norbert Wiener (1894-1964) o Maurice Fréchet
(1878-1973). Para terminar, diremos que existen otros muchos que podríamos incluir en la
historia de la probabilidad, pero estos son los más influyentes.

1.1.2 Probabilidad
Es la posibilidad de que un evento suceda dependiendo de las condiciones dadas para que
acontezca (ejemplo: qué probabilidad hay de que llueva). Será medida entre 0 y 1 o expresada en
porcentajes, dichos rangos podrán observarse en ejercicios resueltos de probabilidad. Para ello se
medirá la relación entre los sucesos favorables y los posibles.
Los sucesos favorables son los válidos según la experiencia del individuo; y los posibles
son los que pueden darse si son válidos o no a su experiencia. La probabilidad y estadística están
relacionadas al ser el área donde se registran sucesos. La etimología del término viene del latín
probabilitas o posibilitatis, relacionadas a “probar” o “comprobar” y tat que se refiere a
“cualidad”. El término se relaciona a la cualidad de probar.
1.1.3 Escuela Rusa De Probabilidad
El matemático Aleksandr Yakovlevich Khinchin (1894-1959) nació un 19 de julio. Fue
una de las personas más relevantes de la escuela rusa de teoría de la probabilidad. Fue uno de los
primeros seguidores de la escuela de Nikolai Nikolaevich Luzin. Comenzó trabajando en análisis
real; después aplicó métodos de la teoría métrica de funciones a problemas en teoría de la
probabilidad y teoría de los números.

2. PROBABILIDAD DE UN EVENTO
La probabilidad es simplemente qué tan posible es que ocurra un evento determinado.
Cuando no estamos seguros del resultado de un evento, podemos hablar de la probabilidad de
ciertos resultados: qué tan común es que ocurran. Al análisis de los eventos gobernados por la
probabilidad se le llama estadística.
2.1 ¿QUE ES PROBABILIDAD DEL EVENTO?
La probabilidad del evento es la probabilidad de que ocurra un resultado o evento
específico. Lo opuesto de un evento es un no evento. La probabilidad del evento también se
conoce como probabilidad pronosticada. La probabilidad del evento estima la probabilidad
de que ocurra un evento, como sacar un as de un mazo de cartas o producir una pieza no
conforme. La probabilidad de un evento varía de 0 (imposible) a 1 (seguro).
Cada ejecución en un experimento se denomina ensayo. Por ejemplo, si lanza una
moneda al aire 10 veces y registra el número de caras, realiza 10 ensayos del experimento.
Si los ensayos son independientes e igual de probables, usted puede estimar la
probabilidad del evento dividiendo el número de eventos entre el número total de ensayos.
Por ejemplo, si obtiene 6 caras en 10 lanzamientos de moneda, la probabilidad estimada del
evento (obtener caras) es:
Número de eventos ÷ Número de ensayos = 6 ÷ 10 = 0.6

Una probabilidad de evento acumulada estima la probabilidad de que ocurra un
conjunto de eventos (por ejemplo, la probabilidad de obtener 4 o menos al lanzar un dado,
lo cual representa la suma de la probabilidad de obtener 1, 2, 3 y 4).
2.2 TIPOS DE EVENTO
¡La vida está llena de eventos al azar!
Necesitas tener una intuición y comprensión de estos eventos para que seas una persona
inteligente y exitosa. El lanzamiento de una moneda, el lanzamiento de dados y los sorteos de lotería
son ejemplos de eventos aleatorios.
Eventos
Cuando decimos "Evento" nos referimos a uno (o más) resultados.
Eventos de ejemplo:
Obtener una Cara al lanzar una moneda es un evento
Lanzar un "5" es un evento.
Un evento puede incluir varios resultados:
Elegir un "Rey" de una baraja de cartas (cualquiera de los 4 Reyes) también es un evento
Lanzar un "número par" (2, 4 o 6) es un evento

Los eventos pueden ser:
Independientes (cada evento no se ve afectado por otros eventos),
Dependientes (también llamado "Condicional", donde un evento se ve afectado por otros
eventos)
Mutuamente Excluyentes (los eventos no pueden suceder al mismo tiempo)
Veamos cada uno de esos tipos.
Eventos Independientes
Los eventos pueden ser "independientes", lo que significa que cada evento no se ve
afectado por ningún otro evento.
¡Esta es una idea importante! Una moneda no "sabe" que cayó Cara antes ... cada lanzamiento de una
moneda es una cosa perfectamente aislada.
Ejemplo: Lanzas una moneda y aparece "Cara" tres veces ... ¿cuál es la probabilidad de
que el próximo lanzamiento también sea una "Cara"?
La probabilidad es simplemente 1/2 o 50% como en CUALQUIER lanzamiento de
la moneda.
¡Lo que ocurrió en el pasado no afectará el lanzamiento actual!

Algunas personas piensan que "está en deuda para que caiga Escudo", pero realmente el
próximo lanzamiento de la moneda es totalmente independiente de cualquier lanzamiento anterior.
Decir "ya debe caer un Escudo" o "solo una vez más, a mi suerte le toca cambiar" se llama La
Falacia del Apostador
Eventos dependientes
Pero los eventos también pueden ser "dependientes" ... lo que significa que pueden verse
afectados por eventos anteriores ...
Ejemplo: tomar 2 cartas de un mazo
Después de tomar una carta del mazo, hay menos cartas disponibles, ¡por lo que las
probabilidades cambian!
Veamos las posibilidades de obtener un Rey.
Para la primera carta, la posibilidad de sacar un Rey es 4 de 52
Pero para la segunda carta:
Si la primera carta era un Rey, entonces es menos probable que la segunda carta sea un Rey,
ya que solo 3 de las 51 cartas restantes son Reyes.
Si la primera carta no era un Rey, entonces es más probable que la segunda carta sea un Rey,
ya que 4 de las 51 cartas restantes son Rey.
Esto se debe a que estamos quitando cartas del mazo.
Reemplazo: cuando volvemos a colocar cada tarjeta después de sacarla, las posibilidades no
cambian, ya que los eventos son independientes.

Sin reemplazo: las posibilidades cambiarán y los eventos son dependientes.
Diagrama de Árbol
Cuando tenemos eventos dependientes, ayuda hacer un "Diagrama de Árbol"
Ejemplo: partido de fútbol
Estás camino a jugar fútbol y quieres ser el portero, pero eso depende de quién sea el
entrenador hoy:
con el entrenador Sam tu probabilidad de ser portero es 0.5
con el entrenador Alex, tu probabilidad de ser portero es 0.3
Sam es entrenador más a menudo ... alrededor de 6 de cada 10 juegos (una probabilidad
de 0.6).
Empieza con los entrenadores. La probabilidad de que sea Sam es 0.6, por lo que la
probabilidad de Alex debe ser 0.4 (en conjunto, la probabilidad es 1)
Luego completa las ramas para Sam (0.5 Sí y 0.5 No), y luego para Alex (0.3 Sí y 0.7 No):
Mutuamente Excluyentes
Mutuamente Excluyentes quiere decir que no pueden suceder al mismo tiempo.
Es uno u otro, pero no ambos

Ejemplos:
Girar a la izquierda y a la derecha son mutuamente excluyentes (no puedes hacer ambas cosas
al mismo tiempo)
Cara y Escudo son mutuamente excluyentes
Reyes y Ases son mutuamente excluyentes
Lo que no es mutuamente excluyentes
¡Los reyes y los corazones no son mutuamente excluyentes, porque podemos tener un rey de
corazones!
Como aquí:
CAPITULO III
3. PROBABILIDAD CONDICIOANAL
La probabilidad condicional es la probabilidad de que un evento dado ocurra dado que
otro evento ocurre. El operador de la probabilidad condicional es el signo │.
Ejemplo.
El experimento es extraer aleatoriamente dos canicas de una caja que contiene cinco
canicas blancas y cinco canicas verdes. Al extraer la primera canica, hay en la caja cinco canicas
blancas de un total de diez, por lo que la probabilidad es:
Al extraer la segunda canica hay en la caja cuatro canicas blancas de un total de nueve,
por lo que la probabilidad condicional de que la segunda sea blanca dado que la primera fue
también blanca es:
3.1 CONCEPTO
La probabilidad es simplemente qué tan posible es que ocurra un evento determinado.
Cuando no estamos seguros del resultado de un evento, podemos hablar de la probabilidad de
ciertos resultados: qué tan común es que ocurran. Al análisis de los eventos gobernados por la
probabilidad se le llama estadística.
El mejor ejemplo para entender la probabilidad es echar un volado:
Hay dos posibles resultados: águila o sol.

¿Cuál es la probabilidad de que caiga águila? ¿La podemos encontrar al usar la
ecuación P(A) =? ¿P(A)=? y tal vez, intuitivamente sepas que la probabilidad mitad y mitad o
sea 50%. ¿Pero cómo podemos resolver eso? Probabilidad =
La fórmula para calcular la probabilidad de ciertos resultados de un evento
En este caso:
La probabilidad de echar un volado y que caiga águila
Probabilidad de un evento = (# de maneras en las que puede suceder) / (número
total de resultados)
P(A) = (# de maneras en las que A puede suceder) / (número total de resultados)
Ejemplo 1
Hay seis resultados distintos.

Distintos resultados al tirar un dado
¿Cuál es la probabilidad de sacar un uno?
La fórmula de la probabilidad de sacar un '1' al tirar un dado
¿Cuál es la probabilidad de sacar un uno o un seis?
La probabilidad de sacar un 1 o un 6 al tirar un dado

Usando la fórmula de arriba:
La aplicación de la fórmula de la probabilidad
¿Cuál es la probabilidad de sacar un número par (es decir, sacar un dos, un cuatro o un
seis)?
¿Cuál es la probabilidad de tirar un dado y sacar un número par? La fórmula y la solución
Consejos
La probabilidad de un evento solo puede ser un número entre 0 y 1 y también puede
escribirse como un porcentaje.
La probabilidad del evento AAA suele escribirse como P(A)P(A).
Si P(A) > P(B)P(A)>P(B) el evento AAA tiene una mayor probabilidad de ocurrir que el
evento BBB.
Si P(A) = P(B)P(A)=P(B), los eventos AAA y BBB tienen la misma probabilidad de
ocurrir.
3.2 EXCLUSIVIDAD MUTUA
En la lógica y la teoría de la probabilidad, dos eventos (o proposiciones)
son mutuamente excluyentes o disjuntos si no pueden ocurrir ambos al mismo tiempo. Un
claro ejemplo es el conjunto de resultados de un solo lanzamiento de moneda, que puede resultar
en cara o cruz, pero no en ambos.
En el ejemplo del lanzamiento de una moneda, ambos resultados son, en teoría,
colectivamente exhaustivos, lo que significa que al menos uno de los resultados debe ocurrir, por
lo que estas dos posibilidades juntas agotan todas las posibilidades. Sin embargo, no todos los
eventos mutuamente excluyentes son colectivamente exhaustivos. Por ejemplo, los resultados 1 y
4 de una sola tirada de un dado de seis caras son mutuamente excluyentes (ambos no pueden
ocurrir al mismo tiempo) pero colectivamente no son exhaustivos (hay otros resultados posibles:
2,3,5,6).
Lógica
En lógica, dos proposiciones mutuamente excluyentes son proposiciones que lógicamente
no pueden ser verdaderas en el mismo sentido al mismo tiempo. Decir que más de dos
proposiciones son mutuamente excluyentes, según el contexto, significa que una no puede ser
verdadera si la otra es verdadera, o al menos una de ellas no puede ser verdadera. El
término mutuamente excluyentes por pares siempre significa que dos de ellos no pueden ser
verdaderos simultáneamente.
Probabilidad
En la teoría de la probabilidad, se dice que los eventos E 1, E 2,..., E n son mutuamente
excluyentes si la ocurrencia de cualquiera de ellos implica la no ocurrencia de los n − 1 eventos
restantes. Por lo tanto, dos eventos mutuamente excluyentes no pueden ocurrir a la vez. Dicho
formalmente, la intersección de cada dos de ellos está vacía (el evento nulo): A ∩ B = ∅. En
consecuencia, los eventos mutuamente excluyentes tienen la propiedad: P(A ∩ B) = 0.
Por ejemplo, en una baraja estándar de 52 cartas con dos colores, es imposible sacar una
carta que sea roja y un trébol porque los tréboles siempre son negros. Si solo se saca una carta de
la baraja, se sacará una carta roja (corazón o diamante) o una carta negra (trébol o espada).
Cuando A y B son mutuamente excluyentes, P(A ∪ B) = P(A) + P(B). Para encontrar la
probabilidad de sacar una tarjeta roja o un trébol, por ejemplo, sume la probabilidad de sacar una
tarjeta roja y la probabilidad de sacar un trébol. En una baraja estándar de 52 cartas, hay
veintiséis cartas rojas y trece tréboles: 26/52 + 13/52 = 39/52 o 3/4.
Uno tendría que sacar al menos dos cartas para sacar tanto una tarjeta roja como un
trébol. La probabilidad de hacerlo en dos sorteos depende de si la primera carta extraída fue
reemplazada antes del segundo sorteo, ya que sin reemplazo hay una carta menos después de que
se extrajo la primera carta. Las probabilidades de los eventos individuales (rojo y trébol) se
multiplican en lugar de sumarse. La probabilidad de sacar una roja y un trébol en dos sorteos sin
reemplazo es entonces 26/52 × 13/51 × 2 = 676/2652, o 13/51. Con reemplazo, la probabilidad
sería 26/52 × 13/52 × 2 = 676/2704 o 13/52.
En la teoría de la probabilidad, la palabra o permite la posibilidad de que sucedan ambos
eventos. La probabilidad de que ocurra uno o ambos eventos se denota como P(A ∪ B) y, en
general, es igual a P(A) + P(B) – P(A ∩ B). Por lo tanto, en el caso de sacar una carta roja o un
rey, sacar cualquiera de un rey rojo, un no rey rojo o un rey negro se considera un éxito. En una
baraja estándar de 52 cartas, hay veintiséis cartas rojas y cuatro reyes, dos de los cuales son
rojos, por lo que la probabilidad de sacar una roja o un rey es 26/52 + 4/52 – 2/52 = 28/ 52.
Los eventos son colectivamente exhaustivos si todas las posibilidades de resultados se
agotan por esos posibles eventos, por lo que al menos uno de esos resultados debe ocurrir. La
probabilidad de que al menos uno de los eventos ocurra es igual a uno. Por ejemplo,
teóricamente solo hay dos posibilidades para lanzar una moneda. Sacar cara y cruz son eventos
colectivamente exhaustivos, y existe la probabilidad de que uno de ellos saque cara o cruz. Los
eventos pueden ser tanto mutuamente excluyentes como colectivamente exhaustivos.En el caso
de lanzar una moneda, lanzar cara y cruz también son eventos mutuamente excluyentes. Ambos
resultados no pueden ocurrir para un solo intento (es decir, cuando una moneda se lanza solo una
vez). La probabilidad de sacar cara y la probabilidad de sacar cruz se pueden sumar para obtener
una probabilidad de 1: 1/2 + 1/2 = 1.
Estadísticas
En estadística y análisis de regresión, una variable independiente que puede tomar solo
dos valores posibles se denomina variable ficticia. Por ejemplo, puede tomar el valor 0 si la
observación es de un sujeto blanco o 1 si la observación es de un sujeto negro. Las dos categorías
posibles asociadas con los dos valores posibles son mutuamente excluyentes, por lo que ninguna
observación cae en más de una categoría, y las categorías son exhaustivas, por lo que cada
observación cae en alguna categoría. A veces hay tres o más categorías posibles, que se excluyen
mutuamente por pares y son colectivamente exhaustivas, por ejemplo, menores de 18 años, de 18
a 64 años y de 65 años o más. En este caso, se construye un conjunto de variables ficticias, cada
variable ficticia tiene dos categorías mutuamente excluyentes y conjuntamente exhaustivas; en
este ejemplo,1) sería igual a 1 si la edad es menor de 18 años, y sería igual a 0 en caso contrario;
una segunda variable ficticia (llamada D 2) ería igual a 1 si la edad está en el rango de 18 a 64
años, y 0 en caso absurdo implica que un sujeto observado tiene menos de 18 años y entre 18 y
64 años). Luego, las variables ficticias se pueden incluir como variables independientes
(explicativas) en una regresión. Tenga en cuenta que el número de variables ficticias siempre es
uno menos que el número de categorías: con las dos categorías en blanco y negro hay una sola
variable ficticia para distinguirlas, mientras que con las tres categorías de edad se necesitan dos
variables ficticias para distinguirlas.contrario. En esta configuración, los pares de variables
ficticias (D 1, D 2) puede tener los valores (1,0) (menor de 18 años), (0,1) (entre 18 y 64) o (0,0)
(65 años o más) (pero no (1,1), lo que sería
Estos datos cualitativos también se pueden utilizar para las variables dependientes. Por
ejemplo, un investigador podría querer predecir si alguien será arrestado o no, utilizando los
ingresos familiares o la raza como variables explicativas. Aquí la variable a explicar es una
variable ficticia que vale 0 si el sujeto observado no es arrestado y vale 1 si el sujeto es arrestado.
En tal situación, los mínimos cuadrados ordinarios (la técnica de regresión básica) se consideran
inadecuados; en su lugar, se utiliza la regresión probit o la regresión logística. Además, a veces
hay tres o más categorías para la variable dependiente, por ejemplo, sin cargos, cargos y
sentencias de muerte. En este caso se utiliza la técnica probit multinomial o logit multinomial.
3.3 INDEPENDENCIA DE SUCESOS
Sea (Ω, A, P) un espacio de probabilidad y A ∈ A con P(A) > 0. Como ya hemos
comentado, la ocurrencia del suceso A puede alterar la probabilidad de ocurrencia de cualquier
otro suceso B ∈ A. Al estudiar dichas probabilidades, pueden darse los siguientes casos:
1. P(B/A) 6= P(B), es decir la ocurrencia del suceso A modifica la probabilidad de
ocurrencia de B. Diremos entonces que el suceso B depende del suceso A. Si P(B/A) > P(B) se
dice que el suceso A favorece al B. Si P(B/A) < P(B) se dice que el suceso A desfavorece al B.
2. Si P(B/A) = P(B), es decir, la ocurrencia del suceso A no tiene ningún efecto sobre el
suceso A, se dice que el suceso B es independiente del suceso A.
Teorema: Caracterización de independencia
Sea A ∈ A con P(A) > 0. Un suceso B es independiente de A ⇐⇒ P(A ∩ B) = P(A)·P(B)
Demostración
=⇒) B independiente de A ⇒ P(B/A) = P(A ∩ B) P(A)= P(B) ⇒ P(A ∩ B) = P(A)P(B)
=⇒) P(A ∩ B) = P(A)P(B) y P(A) > 0 ⇒ P(B/A) = P(B) ⇒ B independiente de A.
Corolario
Este teorema pone de manifiesto la simetr´ıa de la definición, es decir, si P(A) > 0 y
P(B) > 0,
A es independiente de B si y sólo si B lo es de A y diremos, en general, que A y B son
independientes.
Notas
Un suceso nulo, P(B) = 0, es independiente de cualquier otro suceso, ya que si A es tal
que P(A) > 0, se tiene:
P(A ∩ B) ≤ P(B) = 0 = P(A)P(B) =⇒ P(A ∩ B) = 0
Un suceso seguro, P(B) = 1, es independiente de cualquier otro ya que P(B/A) = 1.
Proposición.- Si A y B son independientes, entonces:
1. A y B son independientes.
Demostración. Podemos suponer P(A) 6= 0 o 1 y P(B) 6= 0 o 1, ya que los
complementarios en tal caso son también nulos o seguros y la independencia está garantizada.
1. P(A ∩ B) = P(A)·P(B/A) = P(A)(1 − P(B/A)) = P(A)(1 − P(B)) = P(A)·P(B)
2. Análoga al anterior intercambiando los papeles de A y B. P(A ∩ B) = P(B)·P(A/B) =
P(B)(1 − P(A/B)) = P(B)(1 − P(A)) = P(B)·P(A).
3. P(A ∩ B) = P(A)·P(B/A) = P(A)(1 − P(B/A)) = P(A)(1 − P(B)) = P(A)·P(B).

Se puede hacer directamente de 1) dado que A y B son independientes.
La definición de independencia puede extenderse a una familia de sucesos y en esta
extensión caben dos definiciones:
Definición 1: Independencia dos a dos.- Dado un espacio probabilístico (Ω, A, P) y una
clase de sucesos U ⊂ A no vacía, diremos que sus sucesos son independientes dos a dos, si ∀A,
B ∈ U, A 6= B, A y B son independientes.
Definición 2: Independencia mutua.- Dado un espacio probabilístico (Ω, A, P) y una
clase de sucesos U ⊂ A no vacía, diremos que sus sucesos son mutuamente (completamente o
totalmente) independientes o simplemente independientes, si para toda su colección finita
{Ai1, Ai2, . . . , Aik} de suceso distintos de U se verifica P(Ai1 ∩ Ai2 ∩ · · · ∩ Aik) = Y
k j=1 P(Aij)
Nota.- Esta claro que la independencia mutua implica la independencia dos a dos, pero el
reciproco no es cierto en general.
3.4 PROPIEDADES DE LA PROBABILIDAD CONDICIONAL
Las propiedades de la probabilidad condicional, o probabilidad condicionada, son las
siguientes:
La suma de la probabilidad condicional del suceso A dado el suceso B más la
probabilidad condicional del suceso complementario de A dado el suceso B es igual a uno.

Si el evento A es un subconjunto del evento B, A siempre ocurrirá cuando se cumpla B.
De modo que la probabilidad condicionada del evento A dado el evento B en estos casos es 1.
Dados dos eventos diferentes, siempre se cumple la siguiente igualdad respecto a la
probabilidad condicional:
3.5 LA FALACIA DE LA PROBABILIDAD CONDICIONAL
Probabilidad Condicionada
Para poder entender en que se equivocaba el fiscal es importante que conozcamos un
concepto básico, la probabilidad condicionada. Es fácil ser consciente de que determinados
sucesos cambian el curso de los acontecimientos y, por tanto, la probabilidad de aquello que nos
interesa.
Empezando por un ejemplo muy sencillo, la probabilidad de que, al lanzar dos dados de 6
caras, la suma de los resultados sea 3 es de 2/36 (de las 36 posibles formas en las que caerán los
dados, 2 de ellas tendrán una suma de 3, 2+1 o 1+2). Sin embargo, si sabemos que en el primero
de los dados nos ha salido un 1, la probabilidad aumenta a 1/6 porque ya solo depende de que en
el segundo dado nos salga un 2. Cuando estamos en este tipo de circunstancias hablamos de
probabilidad condicionada y lo expresamos como la probabilidad de que suceda un evento A
dado que ha sucedido cierto evento B o, en notación matemática P(A | B).
Cabe mencionar que aquello a lo que condicionamos, lo que hemos llamado evento B, no
siempre será algo que haya pasado antes si no que puede hacer referencia a determinadas
circunstancias que hacen que cambié todo. Por ejemplo, la probabilidad de ingresar en UCI por
la COVID-19 cambia según la franja de edad en la que te encuentras y, por tanto, estamos
hablando de probabilidades condicionadas a tus circunstancias, no a algo que ya haya pasado.
Una cuestión importante cuando hablamos de probabilidad condicionada es entender que
se trata, al fin y al cabo, de una probabilidad para el evento A. y qué quiero decir con esto, pues
que nos estamos centrando en la probabilidad del evento A, aunque sea bajo unas condiciones
concretas B. Y aquí, el orden de los factores sí altera el resultado, es decir, la probabilidad de que
pase A dadas las condiciones B no serán nunca las mismas que la probabilidad del evento B bajo
las condiciones A.
A este error es a lo que llamamos en probabilidad la falacia del fiscal y es un error de
interpretación mucho más común de lo que pensamos.
Una falacia común
Volviendo al ejemplo de los dos dados, hemos visto que la probabilidad de que sumen 3
bajo la condición de que el primero de ellos había dado 1 era de 1/6. Pero, si condicionamos a
que la suma sea 3, sabemos que el primer dado solo ha podido dar como resultado 1 o 2, por
tanto, la probabilidad de que haya salido un 1 en esas circunstancias sería de ½, muy distinta de
la primera.
Puede parecer obvio en este ejemplo pero, la cuestión es que, confundir estas
probabilidades es un error típico, por ejemplo, en la detección de enfermedades. Después de un
positivo
Imaginad que os hacen una prueba para ver si sufrís una determinada enfermedad. Toda
prueba de este tipo tiene asociada una probabilidad de dar positivo bajo la condición de sufrir
realmente la enfermedad. Este valor, conocido como sensibilidad, suele ser bastante alto.
Pongamos que en nuestro ejemplo es de 98%. También tiene una probabilidad de dar negativo
cuando no se tiene la enfermedad. Este valor es conocido como especificidad y también suele ser
alta. Pongamos que es de un 95% en este caso
Ante estas condiciones, obtener un positivo puede suponer un drama. Puede parecer que
la probabilidad de tener la enfermedad es del 0.98, pero… recapitulemos.
En este caso, el evento de interés (A) es “tener la enfermedad” y lo que ya es conocido
(B) es “haber dado positivo”. Buscamos entonces la probabilidad P(tener la enfermedad | haber
dado positivo).
Sin embargo, la sensibilidad hace referencia a la probabilidad de dar positivo dado que se
tiene la enfermedad, esto es: P(haber dado positivo | tener la enfermedad) = 0.98 y, como ya
hemos visto, no tiene por qué ser la misma que la anterior.

Pero seguro que ahora os ha surgido una pregunta ¿podemos calcular la primera en
función de la segunda?
Esto es lo que se denomina el problema de la probabilidad inversa y la respuesta es sí. De
hecho, aquí aparece uno de los teoremas que más me gustan y que, como ya sabéis, es el
Teorema de Bayes.
Un ejemplo
El error que cometía nuestro fiscal y que ya hemos dicho que se conoce como la falacia
del fiscal o Prosecutor’s Fallacy, en inglés, no es solo un ejemplo de juguete. Uno de los casos
más famosos en los que esta falacia llevó a la cárcel, injustamente, a una persona, fue en el juicio
contra Sally Clark. Sally estaba acusada de haber asesinado a sus dos hijos pequeños. Los dos
pequeños de la familia Clark habían sufrido muerte súbita, un suceso muy triste pero que se
produce de forma natural en los primeros meses de vida de algunos bebés.
Durante el juicio, se incurrió en la falacia del fiscal al considerar lo probable que era que
los niños hubiesen muerto si la madre había sido la culpable, pero no la probabilidad de
culpabilidad de la madre que se veía considerablemente reducida si se consideraban todas las
posibles causas de muerte y, sobre todo, que la muerte súbita podía tener que ver con la genética
de los bebes y, por tanto, ser más común entre hermanos.
Así pues, solo me queda decir que no os dejéis llevar por las apariencias, y que siempre
penséis con claridad en cuál es el evento del que queréis calcular su probabilidad, no vayamos a
darle la vuelta.
3.6 TEOREMA DE BAYES
El teorema de Bayes es una proposición que se emplea para calcular la probabilidad
condicional de un suceso y fue desarrollado por el matemático y teólogo británico Thomas
Bayes. El principal objetivo de este teorema es determinar la probabilidad que posee un suceso
comparada con la probabilidad de otro suceso similar.
En otras palabras, permite conocer la probabilidad condicional de un evento o suceso
determinado como A dado B, en el que se analiza la distribución de probabilidad del suceso B
dado A. El teorema de Bayes es muy útil, puesto que aplicándolo de la manera correcta se puede
conocer la probabilidad de que un suceso A pase, teniendo presente lo ocurrido durante el evento
B. Asimismo, existe la probabilidad de que suceda lo contrario, donde ocurra B dado A. Fue
propuesto por Thomas Bayes, un conocido teólogo y matemático inglés del siglo VIII. Bayes
destacó tanto en la teología como en las matemáticas con distintos trabajos, entre los que destaca
este teorema.
FÓRMULA DEL TEOREMA DE BAYES
La fórmula de Bayes, también conocida como la regla de Bayes, es un procedimiento
propuesto por el matemático inglés para determinar la probabilidad de un suceso. En la fórmula
de Bayes intervienen 3 probabilidades distintas, las cuales son:
P (Ai), que es la probabilidad que representa a priori de un suceso A.

P (Ai/B), que es la probabilidad que representa a posteriori de un suceso A. Es decir, la
información de lo sucedido en un evento B.
P (B/Ai), que es la probabilidad de un suceso B con base en la información del suceso A.
La fórmula permite calcular la probabilidad condicional P (Ai/B) de los sucesos A dado
B.
Ventajas de la aplicación del teorema de Bayes
Si se ajusta de manera correcta, las ganancias de una empresa aumentarán, ya que se
podrá determinar qué estrategias tienen más posibilidades de ser exitosas.
Se puede analizar la información de forma continua; eso sí, en el caso de que la
variabilidad entre datos esté elevada, entonces es recomendable implementar algunos métodos
que permitan encontrar las mejores soluciones.
Los estudios de decisión se ven beneficiados al aplicar el teorema de Bayes.
Es posible buscar y acumular información de todo tipo para entender y solucionar un
problema.
Debilidades del teorema
La fórmula es muy criticada, puesto que posee algunas limitaciones. Así se le critica que
solamente se puede aplicar si existen sucesos exhaustivos y disjuntos.

Los especialistas en estadística tradicional piensan que el teorema de Bayes no es del
todo exacto, pues creen que las únicas estadísticas correctas son las que están basadas en
experimentos repetibles, más no en condiciones relativas, como es el caso de las estadísticas
obtenidas mediante este teorema.
APLICACIONES DEL TEOREMA
Este teorema busca determinar las probabilidades de que un suceso ocurra o no,
analizando algunas ocasiones un suceso anterior. Eso quiere decir que se analiza bastante
información. El teorema de Bayes es posible aplicarlo en todo tipo de áreas estudio, como en las
inversiones financieras, puesto que se requiere analizar todo tipo de escenarios, al igual que
estudiar los hechos pasados.
En las empresas, el teorema es eficaz al analizar el proceso productivo, puesto que existe
la opción de mejorarlo y eso se realiza mediante el estudio de las probabilidades. Asimismo, la
publicidad de una empresa es posible analizarla y mejorarla a través de la aplicación del teorema.
La fórmula propuesta por Bayes no se empleó con recurrencia durante el siglo XVIII y XIX,
pues en esa época el teorema no poseía una aplicación clara. Sin embargo, conforme
transcurrieron los años, su uso se empezó a implementar en diferentes ciencias, sobre todo con
los avances tecnológicos.
Importancia del teorema
Es importante porque permite resolver problemas en los que existen una gran variedad de
probabilidades, siendo así fundamental en todas las ciencias, ya que se analizan los sucesos
pasados para determinar las probabilidades de los sucesos del futuro.

Ejemplo del teorema de Bayes
Un ejemplo sencillo del teorema de Bayes es: una persona posee tres cajas con pelotas.
En la caja 1 se encuentran diez pelotas, entre las cuales hay cuatro desinfladas; en la caja 2 están
seis pelotas, entre las cuales hay una desinflada; y en la caja 3 se encuentran ocho pelotas,
estando desinfladas tres. Si una persona recoge una pelota desinflada, ¿cuál sería la probabilidad
de que sea una perteneciente a la caja número 1?
La solución del problema es:
Las cajas se representarán de la siguiente manera:
C1 (Caja 1)
C2 (Caja 2)
C3 (Caja 3)
Por otro lado, las pelotas serán representadas así:
B (Pelotas no desinfladas)
F (Pelotas desinfladas)
De acuerdo al teorema de Bayes, la fórmula sería:

Al reemplazarlo por los datos de las pelotas, la fórmula sería:
Eso quiere decir que la probabilidad de que una persona tome una pelota desinfladas de la
caja número 1 es de 42,5%.
Bibliografía
Silva LC. Métodos estadísticos para la investigación epidemiológica. Seminario
internacional de estadísticas en Euskadi. Instituto Vasco de Estadística; 1987.
Batanero, C. (2004). Ideas Estocásticas fundamentales. ¿Qué contenido se debe enseñar
en la clase de probabilidad. Ensino e Aprendizagen de Probabilidades e Estadística. Acatas I

Encontro Probabilidades e Estadística na Escola. Centro de Investigación en Psicologia.
Universidade do Minho. Portugal.
Goodman SN. Introduction to Bayesian methods I: measuring the strength of evidence.
Clin Trials. 2005;2(4):282-290. DOI: 10.1191/1740774505cn098oa.

BIBLIOGRAFIA
Ana (2015) probabilidad condicional, teoría de la primera parte
Ramos (2017) teorema de bayes
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/combinatoria/prob
abilidad-condicionada.html
http://prepa8.unam.mx/academia/colegios/matematicas/paginacolmate/applets/eyp/Applet
s_Geogebra/probacondi.html
https://economipedia.com/definiciones/probabilidad-condicional.html

Probabilidad Condicional

Cargado por

Información del documento

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

Probabilidad Condicional

Cargado por

Copyright:

Formatos disponibles

“Año del Fortalecimiento de la Soberanía Nacional”

UNIVERSIDAD TECNOLOGICA DE LOS ANDES

FACULTAD DE CIENCIAS JURIDICAS Y CONTABLES Y

ESCUALA PROFESIONAL DE DERECHO

PROBABILIDAD DE UN EVENTO Y CONDICIONAL

DOCENTE: FERMIN URBANO SOLLAS FERRO

CICLO: TERCER SEMESTRE

SAMYRA SANTISTEBAN CRUZ

OLIMPIA HUARAYA GUTIERREZ

PERCY VILCA MENDOZA

1.1 Evaluación Histórica ..................................................................................................... 7

1.1.2 Probabilidad ........................................................................................................... 9

1.1.3 Escuela Rusa De Probabilidad ........................................................................... 9

2. PROBABILIDAD DE UN EVENTO ..................................................................... 10

2.1 ¿QUE ES PROBABILIDAD DEL EVENTO?........................................................... 10

2.2 TIPOS DE EVENTO .............................................................................................. 11

CAPITULO III ................................................................................................................ 16

3. PROBABILIDAD CONDICIOANAL ................................................................... 16

3.1 CONCEPTO ............................................................................................................... 16

3.2 EXCLUSIVIDAD MUTUA ................................................................................... 20

3.3 INDEPENDENCIA DE SUCESOS ................................................................... 24

Como la probabilidad está ligada a nuestra ignorancia sobre los resultados de la

principio. La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se denomina

probabilidad condicionada y se define La probabilidad es un método por el cual se obtiene la

frecuencia de un acontecimiento determinado mediante la realización de un experimento

probabilidad condicional, o probabilidad condicionada, es la posibilidad de que ocurra un evento,

denominamos B. Es decir, la probabilidad condicional es aquella que depende de que se haya

cumplido otro hecho relacionado. Probabilidad condicional es la probabilidad de que ocurra un

causal o temporal entre A y B.

1.1 Evaluación Histórica

La historia de la probabilidad abarca, principalmente, el periodo entre la escritura del

concepto de probabilidad viene de hace miles de años, en realidad la historia de la probabilidad

es bastante más breve.

Habitualmente se concede a Pierre Fermat (1601-1665) y Blaise Pascal (1623-1662), el

año 1663. Cuando, en realidad, la obra fue escrita en 1553.

llegado a ser muy relevantes en la disciplina.

(1733), convirtiéndose así en uno de los referentes de la teoría de la probabilidad. Un Teorema,

En esa misma línea, con permiso de Gauss, le corresponde a Laplace la demostración y

aplicación de la distribución normal en la teoría de la probabilidad. Gauss, sin lugar a dudas,

aplicación en términos probabilísticos.

Con su fallecimiento, la teoría de la probabilidad siguió creciendo. Eso sí, con

dificultades. Dificultades que provenían, principalmente, de matemáticos.

Consideraban que la teoría de la probabilidad carecía de un teoría robusta y precisa para

ser aceptada como parte de las matemáticas.

la exposición de la teoría probabilística.

historia de la probabilidad, pero estos son los más influyentes.

medirá la relación entre los sucesos favorables y los posibles.

probabilitas o posibilitatis, relacionadas a “probar” o “comprobar” y tat que se refiere a

“cualidad”. El término se relaciona a la cualidad de probar.

1.1.3 Escuela Rusa De Probabilidad

El matemático Aleksandr Yakovlevich Khinchin (1894-1959) nació un 19 de julio. Fue

primeros seguidores de la escuela de Nikolai Nikolaevich Luzin. Comenzó trabajando en análisis

real; después aplicó métodos de la teoría métrica de funciones a problemas en teoría de la

probabilidad y teoría de los números.

La probabilidad es simplemente qué tan posible es que ocurra un evento determinado.

Cuando no estamos seguros del resultado de un evento, podemos hablar de la probabilidad de

probabilidad se le llama estadística.

2.1 ¿QUE ES PROBABILIDAD DEL EVENTO?

La probabilidad del evento es la probabilidad de que ocurra un resultado o evento

específico. Lo opuesto de un evento es un no evento. La probabilidad del evento también se

conoce como probabilidad pronosticada. La probabilidad del evento estima la probabilidad

conforme. La probabilidad de un evento varía de 0 (imposible) a 1 (seguro).

Cada ejecución en un experimento se denomina ensayo. Por ejemplo, si lanza una