Probabilidad condicional,

marginal y conjunta.
Independencia de eventos.
Probabilidad total y Teorema de
Bayes.
P(yo me resfrie tal que esta lloviendo)
•Como su nombre lo indica se trata de
determinar la probabilidad de que ocurra un
evento A (aposteriori) dado que ya aconteció un
evento B (apriori), y se representa mediante
PROBABIL P(A|B), se lee probabilidad de A dado B o
probabilidad de A condicionada a B.
IDAD •En la probabilidad condicional, consideramos
CONDICIO que de un espacio muestral S se conoce
únicamente el evento B, que constituye un
NAL espacio muestral reducido.

•Se desea saber la posibilidad de que exista el

evento A.
•Como únicamente conocemos el evento B, la
probabilidad de que exista A está dada por la posible
intersección del evento A con el evento B.
•Por lo tanto la expresión para la probabilidad
condicional quedaría P(A|B)=n(A∩B)/n(B), donde
n(A∩B) es el número de elementos en la intersección S B
de A con B y n(B) es el número de elementos en el
evento B.
•Si el numerador y el denominador se dividen entre
A
n(s) que es el número de elementos en el espacio
muestral y aplicamos el concepto de probabilidad,
tenemos:
•P(A|B)=[n(A∩B)/n(S)]/[n(B)/n(S)]= P(A∩B)/P(B).
 De la última expresión P(A|B)=P(A∩B)/P(B), P(B) es la
probabilidad del evento condición o del evento que se
presenta primero .

De manera similar se puede pedir la probabilidad del

evento B dado que ya ocurrió el evento A P(B|
A)=P(A∩B)/P(A), ahora P(A) es la probabilidad del evento
condición o del que se presenta primero .
Ejemplo: Al arrojar dos dados resultan caras iguales,
¿cuál es la probabilidad de que sumen ocho?
Identificamos los eventos dentro del espacio muestral:

A={caras iguales}={(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}

B={sumen más de ocho}={(3,6),(4,5),(4,6),(5,4),(5,5),

(5,6),(6,3),(6,4),(6,5),(6,6)}

n(A)=6, n(B)=10 y n(A∩B)=2, aplicando la expresión P(B|

A)=n(A∩B)/n(A)=2/6=1/3=0.333
.
 •Esla probabilidad de ocurrencia de dos o más
eventos.

•De la expresión P(B|A)=P(A∩B)/P(A) se pude

PROBABIL despejar P(A∩B)=P(A)P(B|A) expresión llamada

IDAD
Ley de multiplicación de probabilidades

CONJUNTA •P(A∩B) recibe el nombre de probabilidad

conjunta y corresponde a la probabilidad de que
se presenten resultados comunes a los eventos A
y B.
 •Regresando a la expresión anterior
P(A∩B)=P(A)P(A|B). Si los eventos A y B son
independientes entre sí, esto significa que la
ocurrencia de uno no depende de la ocurrencia
PROBABILID del otro, por lo tanto la probabilidad condicional
AD DE sería igual a la probabilidad de ocurra cualquier
P(A|B)=P(A) y P(B|A)=P(B).
EVENTOS
INDEPENDIE •Sustituyendo en la expresión de probabilidad
NTES conjunta, tenemos P(A∩B)=P(A)P(B), siempre y
cuando A y B sean eventos independientes entre
sí y se le denomina Ley de multiplicación de
eventos independientes.
 •Llamado así por su forma, el diagrama de árbol es una representación
gráfica de los posibles resultados del experimento, el cual consta una serie
de pasos, donde cada uno de los pasos tiene un número finito de maneras
de ser llevado a cabo. se utiliza en los problemas de conteo y probabilidad.

•Para la construcción de un diagrama en árbol se partirá poniendo una rama

Diagramas de
para cada una de las posibilidades, acompañada de su probabilidad. cada
una de estas ramas se conoce como rama de primera generación.

árbol •En el final de cada rama de primera generación se constituye a su vez, un

nudo del cual parten nuevas ramas conocidas como ramas de segunda
generación, según las posibilidades del siguiente paso, salvo si el nudo
representa un posible final del experimento (nudo final).

•Hay que tener en cuenta que la construcción de un árbol no depende de

tener el mismo número de ramas de segunda generación que salen de cada
rama de primera generación y que la suma de probabilidades de las ramas
de cada nudo ha de dar 1.
• Un diagrama de árbol permite la representación gráfica de todos los arreglos o posibles soluciones que se pueden
formar con los elementos pertenecientes a un conjunto, el cual tiene una serie de maneras de realizarse.

En la imagen podemos ver al conjunto 𝑋 el cual tiene 2 posibilidades de poder ser resuelto 𝐴1, 𝐴2. La siguiente rama
consta de eventos distintos, 𝐵1, 𝐵2 que se realizan después de ocurrir 𝐴1.
Diagramas de árbol
• Multiplicamos las probabilidades si se trata de ramas adyacentes
(contiguas), o bien,

• Sumamos las probabilidades si se trata de ramas separadas que

emergen de un mismo punto.
¿Cuál es la probabilidad de
que al lanzar dos monedas
idénticas muestren lados
C
distintos?

C
Tres resultados posibles :
S

•Doble cara 50%

•Doble sello C
•Dos lados distintos
S

S
Lanzar una moneda tres veces seguidas, ¿cuál es la probabilidad de que salga dos veces cara y una vez sello? Hacer un
diagrama que permita contar los casos posibles y los favorables.

0,5 C

0,5 C
0,5 S
C 12,5%
0,5
0,5 C
S
0,5
0,5 S

0,5 C
0,5
0,5 C
S 0,5 S

0,5
0,5 C
S

0,5 S
Lanzar una moneda tres veces seguidas, ¿cuál es la probabilidad de que salga dos veces cara y una vez sello? Hacer un
diagrama que permita contar los casos posibles y los favorables.
0,5 S

0,5 S 0,5 C

C P(B) P(C)
0,5 0,5 S 1/8 =0,125
P(A) C
0,5
0,5 0,5 x 0,5 x 0,5 =0,125
C

0,5 S
0,5 P(A∩B)=P(A)P(B)
P(C ∩ P(A∩B)) =0,125
S C
0,5 0,5
S
0,5 0,5 S
C
0,5
C
Lanzar una moneda tres veces seguidas, ¿cuál es la probabilidad de que salga dos veces cara y una vez sello no consecutivas?
Hacer un diagrama que permita contar los casos posibles y los favorables.
0,5 S

0,5 S 0,5 C 1/8 =0,125

C P(B) P(C)
0,5 0,5 S 1/8 =0,125
P(A) C
0,5
0,5
C

0,5 S
0,5
S C
0,5 0,5
S
0,5 0,5 S
C
0,5
C
1/8 =0,125
En un grupo de 36 participantes, se les da a
elegir entre varios colores para el pantalón 1/4
y la polera, necesarios para las actividades 1/4
deportivas; en los pantalones hay azules, Azules 1/4
verdes y grises; en las poleras se puede 1/4
elegir entre blancas, amarillas, rosa o color
1/3
cafe.
1/4
Si todas la prendas están en una caja,
1/3 Verdes 1/4
1/4
¿cuál es la probabilidad de que una
1/4
persona saque la combinación azul-cafe?
Organizar la información en un diagrama de
árbol. 1/3
1/4
1/4
Grises 1/4
P(PoleraCafe ∩ PantalonAzul)=1/3 * 1 / 4
1/4
P(PoleraCafe ∩ PantalonAzul)=0,083 =8,3%

P(PoleraCafe | PantalonAzul)= P(PoleraCafe )

En la facultad de ingeniería industrial de Teleinformatica -> 30%
la universidad hay 3 carreras: Hombres - > 70%

ingeniería en teleinformática,
licenciatura en sistemas de información e
ingeniería industrial.
P(Teleinformatica ∩ Hombres)=P(Teleinformatica) * P(Hombres)
El número de estudiantes de la facultad
P(Teleinformatica ∩ Hombres)=0,3*0,7
se divide en: la primera el 30%, la
P(Teleinformatica ∩ Hombres)=0,21 -> 21%
segunda él 30% y la última él 40%.

Los hombres están repartidos de manera

uniforme, siento el 70% del total de cada
carrera.

Cuál sería la probabilidad de poder

encontrar a un hombre en la carrera de
ingeniería en teleinformática?.
 21%
0,7 H

30%
0,3 Teleinformatica 0,3 M

0,7 H
Ing 0,3 30%
Industrial Informacion 0,3 M

0,4 H
0,7
40%
Industrial M
0,3
 cafe

Alto

Edad>=25
bajo

Edad<25
C
 P(B)

P(A) Probabilidad de que me

duela la cabeza
Probabilidad de que este
resfriado

Mutuamente excluyentes
 Probabilidad Conjunta

P(A) P(B)
P(AꓵB)
Probabilidad de que este Probabilidad de que me
resfriado duela la cabeza
 Cuando son dependientes
P(A|B)=P(AꓵB)P(B)

Cuando son independientes

P(A|B)=P(A)

P(A) P(B)
P(AꓵB)
Probabilidad de que este Probabilidad de que me
resfriado duela la cabeza
 P(B ꓵ A)

Duele la Cabeza

resfriado P(B|A)=P(B ꓵ A) P(A)

P(A) No Duele la Cabeza

Duele la Cabeza

No
resfriado
No Duele la Cabeza
A1
A5

A4 A7
A2

A8
A6
A3
A1
A5

A4 A7
A2

A8
A6
A3
A1
A5

A4 A7
A2 B

A8
A6
A3
 Probabilidad Total

•La prevalencia de infarto cardíaco para hipertensos es del 0,3% y para no

hipertensos del 0,1%. Si la prevalencia de hipertensión en una cierta
población es del 25% ¿Cuál es la prevalencia del infarto en esa población?

A1 = {ser hipertenso} A2 = {no serlo} estos sucesos constituyen una partición
B = {padecer infarto}
datos: p(B|A1) = 0,003; p(B|A2) = 0,001; p(A1) = 0,25

evidentemente p(A2) =0,75

p(B) = 0,003x0,25 + 0,001 x 0,75 = 0,0015

A1=Es
hipertenso P(B)= Infarto
(25%) A2=No Es hipertenso
(75%)

P(A1 ꓵ B)=P(B|A1)P(A1)
P(A2 ꓵ B)=P(B|A2)P(A2)

P(B)= P(B|A1)P(A1) + P(B|A2)P(A2)

Teorema de Bayes
A1=Es
hipertenso P(B)= Infarto
(25%) A2=No Es hipertenso (75%)

P(A1|B)= P(A1)P(B|A1) = P(A1 ꓵ B)

P(A1 ꓵ B)=P(B|A1)P(A1) _______________________ ________
P(A2 ꓵ B)=P(B|A2)P(A2)
P(B|A1)P(A1) + P(B|A2)P(A2) P(B)
P(B)= P(B|A1)P(A1) + P(B|A2)P(A2)

P(A1|B)+P(A2|B)=1
• Se sabe que el 65% de los accidentes de tráfico que se producen durante
la noche de los sábados se deben a la ingesta excesiva de alcohol, el 25%
se deben a la imprudencia del conductor y el resto a otras causas, (fallo
mecánico...etc.).

• En estos accidentes, el resultado es nefasto MUERTE el 30% de las veces

en el primer caso, el 20% en el segundo y el 5% en el tercero.

• Si se produce un accidente con resultado nefasto MUERTE , calcular la

probabilidad de que la causa de dicho accidente sea la ingesta excesiva
de alcohol.
 P(MUERTE|ALCOHOL)

MUERTE P(MUERTE ꓵ ALCOHOL)=0.65*0.3

30%

P(ALCOHOL) ALCOHOL NO FATAL

70%
65%

20% MUERTE P(MUERTE ꓵ IMPRUDENCIA)=0.25*0.2

25%
IMPRUDENCIA
80% NO FATAL
10%
MUERTE P(MUERTE ꓵ OTROS)=0.1*0.05
5%
OTROS
NO FATAL
95%
 ALCOHOL

IMPRUDENCIA

MUERTE

OTROS
 Si se produce un accidente con resultado nefasto MUERTE ,
Po de dicho accidente sea
calcular la probabilidad de que la causa
ste
la ingesta excesiva de alcohol. rio
ri

P(ALCOHOL|MUERTE) ???

i o ri
Pr
P(A1|B)= P(A1)P(B|A1)
______________________________________ [Teorema de Bayes]
P(B|A1)P(A1) + P(B|A2)P(A2) + P(B|A3)P(A3)
A1 : Probabilidad de que haya ingerido alcohol
A2: Probabilidad de que haya cometido imprudencia
A3: Probabilidad de que haya sido otra causa
P(A1|B)= 0.65 * 0.3
______________________________________ [Teorema de Bayes]
0.65 * 0.3+ 0.25*0.2+ 0.1*0.05
 P(A1|B)= 0.65 * 0.3
______________________________________ [Teorema de Bayes]
0.65 * 0.3+ 0.25*0.2+ 0.1*0.05

P(A1|B)= 0.195
______________________________________ [Teorema de Bayes]
0.195+ 0.05+ 0.005

P(A1|B)= 0.195
______________________________________ = 0.78 [Teorema de Bayes]
0.25

La probabilidad de que dado que ocurrio una muerte en el accidente , la causa fue la ingesta de alcohol con un 78%
1) Una compañía de transporte público tiene tres líneas en una ciudad, de forma que el 45% de los autobuses cubre
el servicio de la línea 1, el 25% cubre la línea 2 y el 30% cubre el servicio de la línea 3. Se sabe que la probabilidad
de que, diariamente, un autobús se averíe es del 2%, 3% y 1% respectivamente, para cada línea.

a) Calcular la probabilidad de que, en un día, un autobús sufra una avería

b) Calcular la probabilidad de que, en un día, un autobús no sufra una avería
c) ¿De qué línea de transporte es más probable que un autobús sufra una avería?

L1 L2 L3

P(L1) = 0,45
P(Falla|L1) = 0,02
Espacio Muestreal P(L3)=0,3
P(Falla|L2) = 0,03
P(Falla) P(Falla|L3) = 0,01

P(L2) =0,25
 Pro
abb
ilid
ad
P(Falla ꓵ L1) = 0,02 * 0,45 = 0,009

Co
) = 0,02 FALLA

n
a |L1

jun
Fa ll
P(

ta
L1
,45 OK
=0
1)
P(L

) = 0,03 FALLA P(Falla ꓵ L2) = 0,03 * 0,25 = 0,0075

a lla |L2
P(L2) =0,25 L2 P( F
OK
P(
L3 0,01
)= 3) = FALLA P(Falla ꓵ L2) = 0,01 * 0,3 = 0,003
0 ,3 Fa lla|L
P(
L3
OK
 P(Falla ꓵ L1) = 0,02 * 0,45 = 0,009
P(Falla ꓵ L2) = 0,03 * 0,25 = 0,0075
P(Falla ꓵ L2) = 0,01 * 0,3 = 0,003

) = 0,02 FALLA
a lla |L1
P(F * Entonces la probabilidad de falla es :
L1
5
0,4 OK P(Falla) = P(Falla ꓵ L1)+ P(Falla ꓵ L2)+ P(Falla ꓵ L2)
P(Falla) = 0,0195  1,95%
)=

0,03
1

FALLA
P(L

) =
a lla |L2 * Entonces la probabilidad de no sufrir falla es :
P(L2) =0,25 L2 P( F
OK P(OK)= 1- P(Falla) =1- 0,0195  98,05%
P(
L3
)= = 0,01 • Dado que hay una falla, a que linea es mas probable que
3) FALLA
0 ,3 Fa lla|L pertenezca:
P(
L3
OK P(Li|Falla) con i = 1,2,3
P(Falla ꓵ L1) = 0,02 * 0,45 = 0,009
• Dado que hay una falla, a que linea es mas probable que
P(Falla ꓵ L2) = 0,03 * 0,25 = 0,0075
pertenezca:
P(Falla ꓵ L2) = 0,01 * 0,3 = 0,003
P(Li|Falla) con i = 1,2,3
) = 0,02 FALLA
a lla |L1 P(Li|Falla)= P(Li)P(Falla|Li)
P(F ______________________________________ [Teorema de Bayes]
L1 P(Falla|L1)P(L1) + P(Falla|L2)P(L2) + P(Falla|L3)P(L3)

5
0,4 OK
)=

P(Li|Falla)= P(Li)P(Falla|Li)
0,03
1

FALLA
P(L

) = ______________________________________

a lla |L2 0,0195

P(L2) =0,25 L2 P( F
OK
P(
L3
)= = 0,01
3) FALLA
0 la|L
P(L1|Falla)= 0,009
,3 Fa l ______________________________________ = 0,461
P( 0,0195
L3
OK P(L2|Falla)= 0,0075
______________________________________ = 0,384
0,0195

P(L3|Falla)= 0,003
______________________________________ = 0,153
0,0195
 A B C D

Yo se : P(llave)=0,5*0,25*4=0,5
A
P(llave|Ji)=0,5  Probabilidad total
P(llave)=0,5*0,5*2=0,5
P(Ji)=0,25  Probabilidad total B

C P(B|llave) = (0,5*0,25)/ 0,5 =0,25

D
P(B|llave) = (0,5*0,5)/ 0,5 =0,5
 nuo
nge
I

Naïve Bayes

Es una tecnica de clasificacion y prediccion que construye modelos de que predicen la probabilidad de que ocurra un evento

Clasificar Naïve Bayes Estimar

Pre
d icc
ion
es
 generalizacion

Entrenamiento
75%

100
#particion
datos

Validacion

Test
25%

NO TIENE RELACION CON EL AJUSTE DEL MODELO

 array([[65, 3], [ 7, 25]])

Esti
Matriz confusion

ma
cio
n
No Compra Compra

No Compra

Real
Compra