Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejemplo: se extraen de una urna tantas bolas como determine el lanzamiento de un dado.
Ejemplo:
Si se lanza un dado, ¿cuál es la probabilidad de sacar 3? 1/6
Si se lanza un dado, ¿cuál es la probabilidad de sacar 3, sabido que ha salido un número
impar? 1/3 (casos posibles: 1, 3 ó 5)
Probabilidad condicionada
Probabilidad Condicionada.
Sea A un evento arbitrario de un espacio muestral, Ω, con P(A)>0. La probabilidad
de que un evento B suceda una vez que A ha sucedido (probabilidad condicional
de B dado A), se define como:
P(A B) Probabilidad de que suceda A y B
P(B|A)
P(A) Probabilidad de que suceda A
P(A1 A2 An ) P(A1 ) P(A2 |A1 ) P(A 3 |A1 A2 ) ... P(An |A1 A2 An1 )
Experimentos sucesivos. Diagrama de árbol
Experimento 1: 1 1
P(C) P(X)
(lanzar una moneda) 2 2
Cara Cruz
Experimento 2: 1 3 1 2 2 1
(extraer una bola de la P(B|C) P(N |C ) P(B|X) P(N | X )
6 2 6 2 6 2 6 3
urna que determine la P(R|C) P(R|X)
moneda. 6 6
CARA = Urna 1 con 3
bolas negras, 2 rojas y 1 Blanca Roja Negra Blanca Roja Negra
blanca.
CRUZ = Urna 2 con 2
bolas negras, 2 rojas y 2
blancas.
1 1 1 1 2 1 1 3 1 1 1 1 1 1 1 1 1 1
P(C B) P(C R) P(C N) P( X B) P( X R) P( X R)
2 6 12 2 6 6 2 6 4 2 3 6 2 3 6 2 3 6
Ejemplo 1. Supongamos que en el aula el 70% de los alumnos son hombres. De ellos
el 10% son fumadores. El 20% de las mujeres son fumadoras. ¿Qué porcentaje de
fumadores hay en total?
0,1
Fuma
Hombre
0,7
Estudiante
0,9 No fuma P(F) = P(F∩H) + P(F∩M) = P(F|H) P(H) + P(F|M) P(M) =
= 0,1 · 0,7 + 0,2 · 0,3 = 0,13
0,2
Fuma
0,3
Mujer
0,8 No fuma
Fórmula de probabilidad total
Si nos fijamos lo que está haciéndose es calcular la probabilidad media ponderada en base a la
probabilidad de cada uno de los casos que representan la partición de casos posibles (60, 30, 10).
Fórmula de Bayes
Hasta aquí hemos evaluado la probabilidad de un suceso que se produce tras una
cadena de experimentos, conocidas las probabilidades que rigen cada uno de los
experimentos (probabilidad posterior, P(A|B); frente a la probabilidad anterior, P(B)).
¿Qué sucede si sabemos que cierto suceso final ha tenido lugar pero no sabemos
qué sucesos intermedios han tenido lugar? No conocemos, pues, las probabilidades
intermedias que han intervenido efectivamente (por dónde ha discurrido la “acción”
en el diagrama de árbol).
Ejemplo: Ha salido una bola negra pero, ¿como resultado de cara (14 ) o de cruz (16 )?
Dicho de otro modo, ¿cuál es la probabilidad de que la bola negra provenga de la urna 1 (cara)?
Suponemos la partición del total de sucesos posibles, Ω, en A1, A2,…, An. Conociendo
las probabilidades de cada suceso, P(Ai), y P(B|Ai), ¿cuál es la probabilidad de
P(Aj|B)?.
Probabilidad condicional
Ejemplo: en una baraja, sacar espadas (A) cuando se busca un rey (B).
1
P(B) P(B|A)
12
NO (A O B) = (NO A) Y (NO B)
n c n c
P A i P A i
i1 i1
i 1 i 1 i 1
n
n
P A i 1 (1 P(A i ))
i1 i1
Las leyes de Morgan en sucesos independientes
P(A) 0,7
P(B) 0,8
Son aquellos que no dependen el uno del otro. El resultado que se obtenga en uno
no dice nada sobre el resultado que vaya a obtenerse en el segundo.
No confundir sucesos independientes con experimentos independientes.
Ejemplo 1. Tirar un dado dos veces. El resultado de uno no depende del resultado del otro.
Ejemplo 2. Sacar una carta de la baraja y repetir sin reponerla constituyen dos experimentos
dependientes.
Cálculo de probabilidades:
n experimentos aleatorios independientes dan como resultado n sucesos (Si).
Entonces la probabilidad de que ocurra S1 en el primer experimento, S2 en el
segundo experimento, …, Sn en el experimento n‐ésimo
es P(S1) · P(S2) · … · P(Sn), es decir:
X X Y X Y
Y