Tema:

PROBABILIDADES II
Presentado por: Mg.Ing. César J. Huamaní Salazar

Sesión N° 12
Probabilidad condicionada e independencia de
sucesos
Sea B ⊂ E un suceso aleatorio de probabilidad no
nula, Ƥ[ℬ] > 0 .Para cualquier otro suceso A ⊂ E,
llamamos probabilidad condicionada de A a B a la
cantidad que representamos mediante
Ƥ 𝐴ȁ𝐵 o bien Ƥ𝐵 𝐴 y que se calcula como:
Ƥ 𝐴∩𝐵
Ƥ 𝐴ȁ 𝐵 =
Ƥ𝐵
Ejemplo de cálculo de probabilidades condicionadas
Se lanza un dado al aire ¿Cuál es la probabilidad de
que salga el número 4? Si sabemos que el resultado
ha sido un número par, ¿se ha modificado esta
probabilidad?
Solución:
El espacio muestral que corresponde a este
experimento es
𝐸 = 1,2,3,4,5,6
y se ha de calcular la probabilidad del suceso A =
{4}. Si el dado no esta trucado, todos los números
tienen la misma probabilidad de salir, y siguiendo la
definición de probabilidad de Laplace,
𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
Ƥ𝐴 =
𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑒𝑛 {4} 1
= =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑒𝑛 {1, 2, 3, 4, 5, 6} 6
Obsérvese que para calcular la probabilidad de A
según la definición de Laplace hemos tenido que
suponer previamente que todos los elementos del
espacio muestral tienen la misma probabilidad de
salir, es decir:
Ƥ[1] = Ƥ[2] = Ƥ[3] = Ƥ[4] = Ƥ[5] = Ƥ[6]
Por otro lado, si ha salido un número par, de nuevo y entonces
por la definición de probabilidad de Laplace
tendríamos
𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
Ƥ𝑝𝑎𝑟 4 =
𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 que por supuesto coincide con el mismo valor que
calculamos usando la definición de probabilidad de
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑒𝑛 {4} 1 Laplace.
= =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑒𝑛 {2, 4, 6} 3
Independecia
Obsérvese que según la definición de probabilidad
Esta misma probabilidad se podría haber calculado condicionada, se puede escribir la probabilidad de la
siguiendo la definición de la probabilidad intersección de dos sucesos de probabilidad no nula
condicionada, ya que si escribimos como
O sea, la probabilidad de la intersección de dos Reglas de cálculo de probabilidades básicas
sucesos, es la probabilidad de uno cualquiera de Sean A, B ⊂ E no necesariamente disjuntos. Se
ellos, multiplicada por la probabilidad del segundo verifican entonces las siguientes propiedades:
sabiendo que ha ocurrido el primero. Si entre dos
sucesos no existe ninguna relación cabe esperar que 1. Probabilidad de la unión de sucesos:
la expresión “sabiendo que” no aporte ninguna
información. De este modo introducimos el concepto
de independencia de dos sucesos A y B como:
2. Probabilidad de la intersección de sucesos:

Teoremas fundamentales del cálculo de

probabilidades
Hay algunos resultados importantes del cálculo de
probabilidades que son conocidos bajo los nombres
de teorema de la probabilidad compuesta, teorema 3. Probabilidad del suceso contrario:
de la probabilidad total y teorema de Bayes. Veamos
cuales son estos teoremas, pero previamente vamos
a enunciar a modo de recopilación, una serie de
resultados elementales.
4. Probabilidad condicionada del suceso contrario: Teorema de la probabilidad compuesta
Sea A1, A2, . . . , An ⊂ E una colección de sucesos
aleatorios. Entonces:

Ejemplo de cálculo de probabilidades con

intersecciones
En una universidad el 50 % de los alumnos habla Sistema exhaustivo y excluyente de sucesos
inglés, el 20 % francés y el 5 % los dos idiomas ¿Cual Los teoremas que restan nos dicen como calcular las
es la probabilidad de encontrar alumnos que hablen probabilidades de sucesos cuando tenemos que el
alguna lengua extranjera? suceso seguro está descompuesto en una serie de
sucesos incompatibles de los que conocemos su
Solución: probabilidad. Para ello necesitamos introducir un
Sea A el suceso hablar inglés: Ƥ 𝐴 = 0,5 nuevo concepto: Se dice que la colección
Sea B el suceso hablar francés: Ƥ 𝐵 = 0,2
El suceso hablar francés e inglés es A∩B: Ƥ [A∩B] =
0,05.
Así:
 𝐴𝑖 ∩ 𝐴𝑗 = ∅ ∀𝑖 ≠𝑗

Teorema de la probabilidad total

Sea A1, A2, . . . , An ⊂ E un sistema exhaustivo y
excluyente de sucesos. Entonces

A1, A2, . . . , An ⊂ E es un sistema exhaustivo y

excluyente de sucesos si se verifican las relaciones
(véase la figura 4.4): 𝑛
ራ 𝐴𝑖 = 𝐸
𝑖=1
Ejemplo de cálculo usando el teorema de la Como U1 y U2 forman un sistema incompatible y
probabilidad total excluyente de sucesos (la bola resultado debe
Se tienen dos urnas, y cada una de ellas contiene un provenir de una de esas dos urnas y de una sólo de
número diferente de bolas blancas y rojas: ellas), el teorema de la probabilidad total nos
Primera urna, U1: 3 bolas blancas y 2 rojas; permite afirmar entonces que
Segunda urna, U2: 4 bolas blancas y 2 rojas.
Se realiza el siguiente experimento aleatorio:
Se tira una moneda al aire y si sale cara se elige una
bola de la primera urna, y si sale cruz de la segunda.
¿Cuál es la probabilidad de que salga una bola
blanca?
Solución:
La situación que tenemos puede ser esquematizada
como
Teorema de Bayes
Sea A1, A2, . . . , An ⊂ E un sistema exhaustivo y
excluyente de sucesos. Sea B ⊂ E un suceso del que
conocemos todas las cantidades Ƥ 𝐵ห𝐴𝑖 i = 1, . . . , n,
a las que denominamos verosimilitudes. entonces se
verifica:
Se realiza el siguiente experimento aleatorio:
Alguien elije al azar y con la misma probabilidad una
de las tres urnas, y saca una bola.
Si el resultado del experimento es que ha salido una
bola blanca, ¿cuál es la probabilidad de que
provenga de la primera urna? Calcular lo mismo
para las otras dos urnas.
Solución:
Vamos a representar en un esquema los datos de
que disponemos:

Ejemplo de cálculo con el teorema de Bayes

Se tienen tres urnas. Cada una de ellas contiene un
número diferente de bolas blancas y rojas:
Primera urna, U1: 3 bolas blancas y 2 rojas
Segunda urna, U2: 4 bolas blancas y 2 rojas
Tercera urna, U3: 3 bolas rojas.
En este caso U1, U2 y U3 forman un sistema Con respecto a las demás urnas hacemos lo mismo:
incompatible y excluyente de sucesos (la bola
resultado debe provenir de una de esas tres urnas y
de una sólo de ellas), por tanto es posible aplicar el
teorema de Bayes:
Comentario sobre el teorema de Bayes
Obsérvese que en el ejemplo anterior, antes de
realizar el experimento aleatorio de extraer una bola
para ver su resultado, teníamos que la probabilidad
de elegir una urna i cualquiera es Ƥ 𝑈𝑖 . Estas
probabilidades se denominan probabilidades a
priori. Sin embargo, después de realizar el
experimento, y observar que el resultado del mismo
ha sido la extracción de una bola blanca, las
probabilidades de cada urna han cambiado a
Ƥ 𝑈𝑖 ȁ𝐵 . Estas cantidades se denominan
probabilidades a posteriori. Vamos a representar en
una tabla la diferencia entre ambas:
Las probabilidades a priori cambian de tal modo de
las a posteriori que una vez observado el resultado
del experimento aleatorio, se puede afirmar con
certeza que no fue elegida la tercera urna.
Esta fenómeno tiene aplicaciones fundamentales en
Ciencia: Cuando se tienen dos teorías científicas
diferentes, T1 y T2, que pretenden explicar cierto
fenómeno, y a las que asociamos unas
probabilidades a priori de ser ciertas.
Ƥ 𝑇1 , Ƥ 𝑇2
Podemos llevar a cabo la experimentación que se
considere más conveniente, para una vez obtenido el
cuerpo de evidencia, B, calcular como se modifican
las probabilidades de verosimilitud de cada teoría
mediante el teorema de Bayes:
Ƥ 𝑇1ȁ𝐵 , Ƥ 𝑇2ȁ𝐵
Así la experimentación puede hacer que una teoría ..
sea descartada si Ƥ 𝑇𝑖ȁ𝐵 ≈ 0 o reforzada si Ƥ 𝑇𝑖ȁ𝐵 ≈
1. Una aplicación básica de esta técnica la tenemos
en Medicina para decidir si un paciente padece
cierta enfermedad o no, en función de los resultados
de un test diagnóstico.
Problema 1: ..
Una mujer portadora de hemofilia clásica da a luz
tres hijos.
1. ¿Cual es la probabilidad de que de los tres hijos,
ninguno esté afectado por la enfermedad?
2. ¿Cual es la probabilidad de que exactamente dos
de los tres niños esté afectado?
Solución:
E = 2x2x2 = 8 sucesos elementales
E = {(S,S,S), (S,S,E), (S,E,S), (S,E,E), (E,S,S), (E,S,E),
(E,E,S), (E,E,E)}

S = sano , E = enfermo
1
1. A = {(S,S,S) P(A) =
8
3
2. B = {(S,E,E), (E,S,E), (E,E,S)} P(B) =
8
Problema 2: ..
El 60 % de los individuos de una población están
vacunados contra una cierta enfermedad. Durante
una epidemia se sabe que el 20 % la ha contraído y
que 2 de cada 100 individuos están vacunados y son
enfermos. Calcular el porcentaje de vacunados que
enferma y el de vacunados entre los que están
enfermos.
Solución:
V : vacunados
E : enfermos

P[V] = 0,6
P[E] = 0,2
P[V ∩ E] = 0,02
P(V ∩𝐸) 0,02
P[𝐸ȁ𝑉 ] = P[V] = 0,6 = 0,033

P(V ∩𝐸) 0,02

P[𝑉ȁ𝐸 ] = = = 0,1
P[E] 0,2
Problema 3: a. En este caso, la población es de los infantes. Y la
característica en común es que sean menores de 24
En una sala de pediatría de un hospital, el 60% de
meses. Por lo tanto, la probabilidad de seleccionar
los pacientes son niñas de los niños el 35% son
un infante menor de 24 meses es un ejemplo
menores de 24 meses. El 20% de las niñas tienen
de probabilidad total. Su probabilidad será:
menos de 24 meses . Un pediatra que ingresa a la
sala selecciona un infante al azar. SI el infante resulta
P[M] = P[H].P[M/H] + P[V].P[M/V]
ser menor de 24 meses.
= 0,6 x 0,20 + 0,4 x 0,35
a. Determine el valor de la probabilidad de que sea = 0,26
menor de 24 meses. b. Para identificar cuando en un ejercicio se hace
referencia al teorema de bayes, hay que partir de
b. Determina la probabilidad de que sea niña. reconocer esta es una probabilidad condicionada y
Solución: que la característica común de los sucesos
condicionantes ya ha ocurrido. Entonces, la
H: suceso de seleccionar una niña probabilidad de que sea niña una infante menor de
V: suceso de seleccionar un niño 24 meses será:
𝑃 𝐻 . 𝑃[𝑀/𝐻]
M: suceso que el infante sea menor de 24 meses 𝑃 𝐻/𝑀 =
𝑃 𝐻 . 𝑃 𝑀/𝐻 + 𝑃 𝑉 . 𝑃 𝑀/𝑉
0,6 𝑥 0,2 0,12
= = = 0,46
0,6 𝑥 0,2+0,4𝑥0,35 0,26
MUCHAS GRACIAS