Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MARGINAL Y CONJUNTA.
INDEPENDENCIA DE EVENTOS.
PROBABILIDAD TOTAL Y TEOREMA DE
BAYES.
B E R N A R D O F R O N TA N A D E L A C R U Z
MARCO ANTONIO GMEZ RAMREZ
ENERO DE 2012.
PROBABILIDAD CONDICIONAL
Como su nombre lo indica se trata de determinar la
probabilidad de que ocurra un evento A (aposteriori)
dado que ya aconteci un evento B (apriori), y se
representa mediante P(A|B), se lee probabilidad de A
dado B o probabilidad de A condicionada a B.
En la probabilidad S B
condicional, consideramos
que de un espacio muestral
S se conoce nicamente el
evento B, que constituye un
espacio muestral reducido.
de un A
S A2
diagrama de S1 A
S S2
rbol.
PROBABILIDAD MARGINAL
Para obtener expresiones tiles en el clculo de este
tipo de probabilidades, se realizar un ejemplo.
En un taller mecnico tienen un total de 135
desatornilladores, los tcnicos atribuyen a stos dos
caractersticas cuando se los piden a sus ayudantes,
su longitud (largo y cortos) y la forma de la punta que
embona en los tornillos (planos o de cruz) de acuerdo a
la definicin de eventos que sigue, la distribucin es la
siguiente:
Eventos Caracterstica
A1 Largo Evento A1 A2 Total
A2 Corto B1 40 60 100
B1 Punta plana B2 15 20 35
B2 Punta de Cruz Total 55 80 135
Para determinar una probabilidad conjunta, digamos
desatornilladores cortos con punta plana, de acuerdo
con la tabla, es el cociente 60/135=0.444, que se obtuvo
de dividir el nmero de desatornilladores cortos y que
tienen punta plana, en trminos de conjuntos,
n(A2B1)=n21=60, entre el total de los desatornilladores
del taller, ns=135.
A1 A4 .. An-1
A2 B
A3
An
Para conocer el evento B a travs de los eventos Ai, se
tiene: B=(A1B)U(A2B)U(A3B)..U(An-1B)U(AnB), la
unin de las intersecciones del evento B con los
eventos Ai, en forma implcita B=Ui=1nAiB.
Si aplicamos el concepto de probabilidad a ambos
miembros de la igualdad se tiene: P(B)=i=1nP(AiB);
que recibe el nombre de probabilidad total del evento B.
TEOREMA DE BAYES
Considerando P(Ai) como la probabilidad a priori de los
eventos Ai, y se requiere conocer una probabilidad a
posteriori de cada uno de ellos, dado que ya conocemos
el evento B, Ak representa a cualquiera de los eventos Ai.
P(Ak|B)=P(AkB)/P(B), como P(AkB)=P(Ak)P(B|Ak) y la
probabilidad total de B es P(B)=i=1nP(AiB), tenemos:
P(Ak|B)=[P(Ak)P(B|Ak)]/[i=1nP(Ai)P(B|Ai)]
Esta ltima expresin se conoce como Teorema de
Bayes, que establece la probabilidad de un evento
particular Ak de los eventos Ai, dado que ya sucedi el
evento B, expresada en trminos de probabilidad
condicional.
Ejemplo: En una escuela el 5% de los hombres y el 2%
de las mujeres tienen ms de 1.8m de estatura. Adems
el 60% de los estudiantes son mujeres. Se selecciona al
azar un estudiante para que realice una determinada
funcin en el comit de seguridad del plantel, Qu
probabilidad hay de que: a) sea estudiante con estatura
mayor de 1.8m? b) sea mujer dado que tiene una
estatura mayor de 1.8m?
Solucin: Se define los eventos A1={estudiante mujer},
A2={estudiante hombre} y B={estatura mayor a 1.8m}
Datos: P(A1)=0.6, P(A2)=0.4, P(B|A1)=0.02 y P(B|A2)=0.05.
Auxilindonos de un diagrama de Venn
A1 A2
A1B
A2B
B