You are on page 1of 20

tema

64 MATEMÁTICAS

Probabilidad compuesta.
Probabilidad condicionada.
Probabilidad total.
Teorema de Bayes.
24-13856-13

Temario 1993
tema 64

matemáticas

1. Probabilidad condicionada
1.1. Definición

1.2. Propiedades de la probabilidad condicionada

1.3. Sucesos independientes: propiedades

2. Probabilidad compuesta

3. Probabilidad total

4. Teorema de Bayes
4.1. El teorema de Bayes

4.2. Tablas de contingencia y diagramas en árbol


4.2.1. Tablas de contingencia
4.2.2. Diagramas en árbol

3
tema 64

matemáticas

INTRODUCCIÓN

En el cálculo de las probabilidades de algunos sucesos, el valor de dicha probabilidad varia


en función del conocimiento de determinadas informaciones relativas a estos sucesos. Vea-
mos un ejemplo. Al lanzar un dado, la probabilidad de que salga, por ejemplo, el número 5
es 1/6. Sin embargo, si al lanzar el dado, nos preguntaran por la probabilidad de que salga
el número 5 sabiendo que a salido un número par, la probabilidad sería 0. Es decir, conocer
cierta información puede influir sobre la probabilidad de un suceso.
La probabilidad condicionada nos da las herramientas necesarias para calcular una deter-
minada probabilidad teniendo en cuenta informaciones adicionales.
Pero conocer cierta información adicional, por ejemplo saber que ha ocurrido un suceso, no
siempre modifica la probabilidad de otro suceso. Los sucesos en los que, sabiendo que uno
se ha verificado, no se modifica la probabilidad del otro, decimos que son independientes,
en cambio, si modifica la probabilidad del otro, decimos que son dependientes entre sí.
El concepto de dependencia e independencia de sucesos fue presentado y aplicado al cál-
culo de probabilidades por De Moivre en 1711, y posteriormente extendido por Thomas
Bayes (1702-1761), quien además expresó la probabilidad condicional en función de la
probabilidad de la intersección.
Dos años después de la muerte de Bayes se publicó un trabajo en el que, por vez primera,
se calcula la probabilidad de las causas a partir de los efectos que se han observado. A pesar
de que fue Laplace quien mejoró y desarrollo la mayor parte de dichas probabilidades, el
cálculo de éstas recibe el nombre de teorema de Bayes.
En los problemas relacionados con la probabilidad, y en especial con la probabilidad con-
dicionada, así como con la probabilidad total y el teorema de Bayes, resulta interesante y
recomendable organizar la información y los datos del problema en tablas de contingencia
o en diagramas en árbol. Aunque un apartado referido a diagramas en árbol sería más pro-
pio de un tema referido a técnicas de recuento o combinatoria, haremos referencia a él a lo
largo del tema dada su importancia y utilidad en el cálculo de probabilidades tanto desde
un punto de vista metodológico como teórico.

5
tema 64

matemáticas

1 Probabilidad condicionada

1.1. Definición

Sea A un suceso de la σ-álgebra S tal que P(A) > O.


Llamamos probabilidad del suceso B condicionado por A, y la denotamos por
P(B/A), a la probabilidad de que ocurra B supuesto que haya ocurrido A.
La noción de condicionalidad viene de la necesidad de considerar sucesos cuya
realización depende de la realización o no de otros.
El ejemplo clásico es la extracción de bolas de una urna sin reemplazamiento, ya
que el resultado de las sucesivas extracciones de las bolas depende de los resulta-
dos anteriores. Por otro lado, se hace necesario formalizar la idea de que la infor-
mación aportada por la ocurrencia de un suceso ha de ser recogida cambiando el
espacio de partida.
Si en N pruebas ha resultado NA veces el suceso A, y de éstas NA ha resultado NAB
veces el suceso B, tenemos:
NA N N
fr ( A) = , fr ( B / A) = AB , fr ( A ∩ B ) = AB
N N N
N AB N A N AB
como = ⋅ , resulta fr(A ∩ B) = fr(A) ⋅ fr(B/A)
N N NA
fr ( A ∩ B )
luego fr(B/A) = con fr(A) > 0
fr ( A)
Por consiguiente, adoptamos la siguiente definición:
Sea (E, S, P) un espacio probabilístico y sea A un suceso de la σ-álgebra S tal
que P(A) > 0. Llamamos probabilidad condicionada del suceso B respecto
del suceso A, y la denotamos por P(B/A), al cociente:
P( A ∩ B)
P(B/A) =    con P(A) > 0
P( A)
Análogamente definimos:
P( A ∩ B)
P(A/B) =    con P(B) > 0
P( B)
Hay que hacer constar que la fórmula P(B/A) = P(A ∩ B) / P(A) con P(A) > 0
es una definición formal correspondiente a la idea intuitiva frecuentista de pro-
babilidad. Tiene sentido si P(A) ≠ 0; si P(A) = 0, diremos que la probabilidad
condicionada está indefinida.

6
tema 64

matemáticas

Debemos observar, asimismo, que al calcular P(B/A) estamos realmente calcu-


lando la P(B) con respecto al espacio muestral reducido A en vez del espacio
muestral E.
Teorema
Si A es fijo con P(A) > 0, entonces (E, S, P(B/A)) es un espacio probabilístico
∀B ∈ S.
Demostración:
Veamos que la probabilidad condicionada verifica las condiciones de la definición
de probabilidad.
P( A ∩ B)
1. ∀B ∈ S, P(B/A) = ≥ 0, pues P(A ∩ B) ≥ 0 y P(A) > 0.
P ( A)
2. Si B1, B2, .., son incompatibles, entonces

  ∞  ∞ 
n  (*) ∑
P  A ∩  ∪ B  ∪ ∩ P( A ∩ Bn )
 n =1 n  
P  n =1( A B )
∞    
P  ∪ Bn / A = = = n =1
=
 n =1  P ( A) P( A) P( A)

= ∑ P( Bn / A)
n =1

(*)
pues si B1, B2, ..., son incompatibles, también lo son A ∩ B1, A ∩ B2, ...

P( A ∩ E ) P( A)
3. P ( E / A) = = = 1
P( A) P( A)
La terna formada por el espacio muestral E, la σ-álgebra S y la probabilidad
con­dicionada P(B/A) recibe el nombre de espacio probabilístico condicio-
nado (E, S, P (B/A)).

1.2. Propiedades de la probabilidad condicionada

a) P( B/A) = 1 – P(B/A).
Demostración:
En efecto:
1 = P(E/A) = P(B ∪ B/A) = P(B/A) + P( B/A) ⇒
P( B/A) = 1 – P(B/A).
En particular:
P(φ/A) = P( E/A) = 1 – P(E/A) = 1 – 1 = 0.
Otra forma:

P ( A ∩ φ) P ( φ) 0
P(φ/A) = = = =0
P ( A) P ( A) P ( A)

7
tema 64

matemáticas

b) Si B ⊂ C, entonces P(B/A) ≤ P(C/A).


Si B ⊂ C, entonces C = B ∪ (C ∩ B), luego:
P(C/A) = P(B/A) + P(C ∩ B/A)
y como P(C ∩ B/A) ≥ 0, será P(C/A) ≥ P(B/A)
En particular, para todo suceso B tenemos que B ⊂ E y como P(E/A) = 1, será
P(B/A) ≤ P(E/A) = 1.
P( B)
c) Si B ⊂ A, entonces P(B/A) =
P( A)
P( A ∩ B) P( B)
En efecto, P(B/A) = =
P( A) P ( A)
d) Si A ⊂ B, entonces P(B/A) = 1.

P( A ∩ B) P ( A)
P(B/A) = =
P( A) P ( A)

e) Si A ∩ B = φ, entonces P(B/A) = 0.

P( A ∩ B) P ( φ) 0
P(B/A) = = = =0
P( A) P ( A) P ( A)

De la definición dada tenemos que:


P(A ∩ B) = P(A) ⋅ P(B/A) = P(B) ⋅ P(A/B) con P(A) > 0 y P(B) > 0
resultado que se conoce con el nombre de teorema del producto o de la pro-
babilidad compuesta.
Teorema (Generalización del teorema del producto)
P(A1 ∩...∩ An) = P(A1) ⋅ P(A2/A1) ⋅ P(A3/A1 ∩ A2) ...⋅ P(An/A1 ∩...∩ An –1)
con P(A1 ∩...∩ An –1) > 0
Demostración (Por inducción):
De la definición obtenemos que:
P(A1 ∩ A2) = P(A1) ⋅ P(A2/A1)
P(A1 ∩ A2 ∩ A3) = P[(A1 ∩ A2) ∩ A3] = P(A1 ∩ A2) ⋅ P(A3/A1 ∩ A2) =
= P(A1) ⋅ P(A2/A1) ⋅ P(A3/A1 ∩ A2)
Supongamos que se cumple para (n – 1) sucesos, es decir:
P(A1 ∩...∩ An –1) = P(A1) ⋅ P(A2/A1) ⋅ P(A3/A1 ∩ A2) ... ⋅ P(An –1/A1 ∩...∩ An –2)
y veamos que se cumple para n sucesos:
P(A1 ∩...∩ An –1 ∩ An) = P[(A1 ∩...∩ An –1) ∩ An] =
= P(A1 ∩...∩ An –1) ⋅ P(An/A1 ∩...∩ An –1) =
= P(A1) ⋅ P(A2/A1) ... P(An –1/A1 ∩...∩ An –2) ⋅ P(An/A1 ∩...∩ An –1)

8
tema 64

matemáticas

1.3. Sucesos independientes: propiedades

En general la P(B/A) ≠ P(B) y el suceso B depende del suceso A. Pero si la


P(B/A) = P(B), entonces el suceso B es independiente del suceso A y el teorema
de la probabilidad compuesta toma la forma P(A ∩ B) = P(A) ⋅ P(B); por tanto
adoptamos la siguiente definición:
Sea (E, S, P) un espacio probabilístico y sean A y B dos sucesos de la σ-álgebra S
tales que P(A) > 0 y P(B) > 0. Decimos que los sucesos A y B son independientes
si y sólo si P(A ∩ B) = P(A) ⋅ P(B)
Observemos que no se hace ninguna restricción sobre P(A) o sobre P(B). Por
tanto el concepto de independencia sigue siendo válido aun cuando P(A) o P(B)
sean cero.
Por otro lado, conviene hacer constar el hecho del carácter recíproco de la defi-
nición de independencia. Es exactamente lo mismo decir A y B independientes,
A es independiente de B, o B es independiente de A, pues cualquiera de las tres
aseveraciones lleva implícita a las otras dos.
Propiedades
a) Si los sucesos A y B son independientes, entonces P(A/B) = P(A) y
P(B/A) = P(B).
Demostración:
P ( A ∩ B ) P ( A) ⋅ P ( B )
En efecto, P(A/B) = = = P( A)
P( B) P( B)

Análogamente, P(B/A) = P(B)


b) Si los sucesos A y B son independientes, entonces los sucesos A y B también
son independientes.
Demostración:
Veamos:
A = (A ∩ B) ∪ (A ∩ B) con (A ∩ B) ∩ (A ∩ B) = A ∩ ( B ∩ B) =
= A ∩ φ = φ; luego P(A) = P(A ∩ B) + P(A ∩ B)
P(A ∩ B) = P(A) – P(A ∩ B) = P(A) – P(A) ⋅ P(B) =
= P(A) ⋅ [1 – P(B)] = P(A) ⋅ P( B)
c) Si los sucesos A y B son independientes, entonces los sucesos A y B también
son independientes.
Demostración:
En efecto,
E = (A ∩ B) ∪ (A ∩ B) ∪ ( A ∩ B) ∪ ( A ∩ B) y todos incompatibles,
luego P(E) = P(A ∩ B) + P(A ∩ B) + P( A ∩ B) + P( A ∩ B), es decir:

9
tema 64

matemáticas

1 = P(A) ⋅ P( B) + P(A) ⋅ P(B) + P( A) ⋅ P(B) + P( A ∩ B)


1 = P(A) ⋅ [P( B) + P(B)] + P( A) ⋅ P(B) + P( A ∩ B)
1 = P(A) ⋅ 1 + P( A) ⋅ P(B) + P( A ∩ B)
1 – P(A) = P( A) ⋅ P(B) + P( A ∩ B)
P( A) = P( A) ⋅ P(B) + P( A ∩ B)
P( A) – P( A) ⋅ P(B) = P( A ∩ B)
P( A) ⋅ [ 1 – P(B)] = P( A ∩ B)
P( A) ⋅ P( B) = P( A ∩ B)
Otra forma de demostrarlo sería:
P( A ∩ B) = P( A ∪ B ) = 1 – P(A ∪ B) = 1 – P(A) – P(B) + P(A ∩ B) =
= 1 – P(A) – P(B) + P(A) ⋅ P(B) = [1 – P(A)] ⋅ [1 – P(B)] =
= P( A) ⋅ P( B)
d) Si los sucesos A y B son incompatibles con P(A) > 0 y P(B) > 0, entonces son
dependientes.
P(A ∩ B) = P(φ) = 0 ≠ P(A) ⋅ P(B) > 0
Con frecuencia se da el caso de confundir sucesos incompatibles con sucesos
independientes. Los sucesos incompatibles son los más dependientes que exis-
ten, como acabamos de ver, puesto que la ocurrencia de uno de ellos propor-
ciona información máxima en el sentido de que el otro suceso no ocurre.
Definiciones
Sean A, B y C tres sucesos de la σ-álgebra S tales que P(A) > 0, P(B) > 0 y
P(C) > 0.
Decimos que los sucesos A, B y C son independientes si y sólo si:
P(A ∩ B) = P(A) ⋅ P(B), P(A ∩ C) = P(A) ⋅ P(C)
P(B ∩ C) = P(B) ⋅ P(C) y P(A ∩ B ∩ C) = P(A) ⋅ P(B) ⋅ P(C)
Dados n sucesos A1 , ..., An decimos que son independientes si para todas las
combinaciones de los subíndices 1... ≤ i < j < k < ... ≤ n se verifica:
P(Ai ∩ Aj) = P(Ai) ⋅ P(Aj)
P(Ai ∩ Aj ∩ Ak) = P(Ai) ⋅ P(Aj) ⋅ P(Ak)

P(A1 ∩ A2 ∩...∩ An) =P(A1) ⋅ P(A2) ⋅...⋅ P(An)
El número total de condiciones es:

() () ()
n + n + ... + n = 2n − 1 − n
2 3 n

10
tema 64

matemáticas

2 Probabilidad compuesta
Si consideramos varios experimentos aleatorios sucesivos, entonces las condicio-
nes iniciales de cada uno pueden venir alteradas por los resultados del anterior, ob-
teniendo así la dependencia e independencia de dichos experimentos aleatorios.
Definición
Sean A1 , ..., An los sucesos elementales del espacio probabilístico (E1, S1, P1) y
sean B1, ..., Bm los sucesos elementales del espacio probabilístico (E2, S2, P2).
Llamamos espacio producto cartesiano E1 × E2, al formado por los n × m suce-
sos elementales (Ai, Bj) i = 1, ..., n ; j = 1, ..., m.
Supongamos que tenemos definida en el espacio producto una probabili-
dad (E1 × E2, S, P); entonces decimos que los experimentos aleatorios o espa-
cios probabilísticos (E1, S1, P1), (E2, S2, P2) son independientes si verifican
P(Ai, Bj) = P1 (Ai) ⋅ P2 (Bj), es decir, si los sucesos asociados al primer y segundo
experimento aleatorio son independientes.
Si consideramos dos experimentos aleatorios independientes por ser físicamente
independientes, es decir, partimos de los espacios probabilísticos (E1, S1, P1) y
(E2, S2, P2) independientes, entonces podemos construir el espacio probabilís-
tico del experimento compuesto así:
(E1 × E2, S, P) con P(Ai, Bj) = P1 (Ai) ⋅ P2 (Bj)
Cuando los experimentos aleatorios no se puedan considerar como físicamente in-
dependientes, entonces las probabilidades de los sucesos del espacio producto
cartesiano vienen dadas por P(Ai, Bj) = P(Ai) ⋅ P(Bj / Ai).
El caso más sencillo de experimentos aleatorios independientes es el dado por la
repetición de un experimento dos veces en las mismas condiciones. Por ejemplo,
lanzar dos veces sucesivas un dado.
Veamos un par de ejemplos:
1. Consideremos el típico experimento de lanzar una moneda, con espacio mues-
tral E = {C, X}, y un segundo experimento consistente en lanzar un dado cuyo
espacio muestral es E’ = {1, 2, 3, 4, 5, 6}.
El espacio muestral asociado al experimento compuesto, será:
{C1, C2, C3, C4, C5, C6, X1, X2, X3, X4, X5, X6}
y teniendo en cuenta que hemos de considerar físicamente independientes los
dos experimentos, tendremos que:
P(C, 1) = P(C) ⋅ P(1) = 1/2 ⋅ 1/6 = 1/12, y así sucesivamente...
2. Consideremos ahora el siguiente experimento: se lanza una moneda. Si sale
cara, sacamos una bola de una urna que contiene una bola negra y otra blanca.
Por el contrario, si obtenemos cruz al lanzar la moneda, sacamos la bola de una
segunda urna que contiene dos bolas blancas y una negra.
El espacio muestral del primer experimento es {C, X} y el del segundo;
{B1, N1, B’1, B’2, N’1}

11
tema 64

matemáticas

El espacio producto cartesiano estará, pues, formado por 10 valores. Una vez
eliminados los sucesos imposibles nos queda:
{CB1, CN1, XB’1, XB’2, XN’1}
Una primera idea nos haría asignar probabilidad 1/5 a cada uno de estos su-
cesos. Sería un error, ya que nada garantiza que exista equiprobabilidad entre
esos 5 sucesos.
Debe operarse de la siguiente forma:
P(CB1) = P(C) ⋅ P(B1/C) = 1/2 ⋅ 1/2 = 1/4
y así sucesivamente.
Es decir, calcular las probabilidades en el espacio producto cartesiano por la
regla de las probabilidades compuestas para sucesos no independientes.

12
tema 64

matemáticas

3 Probabilidad total
Definición
Sea (E, S, P) un espacio probabilístico y sean n sucesos A1, ..., An de la σ-álgebra
S.

Decimos que los sucesos A1 , ..., An constituyen un sistema completo de sucesos,


n
si verifican que Ai ∩ Aj = φ y ∪ Ai = E.
i =1

Teorema (Probabilidad total)


Sea A1, ..., An un sistema completo de sucesos. Si B es un suceso del que conoce-
mos las P(B/Ai) y si además conocemos las P(Ai), entonces
n

P(B) = ∑ P(Ai) ⋅ P(B/Ai)


i =1
Demostración:

P(B) = P(B ∩ E) = P[B ∩ ( ∪ Ai)] = P[ ∪ (B ∩ Ai)] = ∑ P(B ∩ Ai) =


n i i i

= ∑ P(A ) ⋅ P(B/A )
i =1
i i

Ejemplo:
Supongamos que se barajan tres posibles candidatos para representar a tu comuni-
dad de vecinos el próximo año:
a) Sr. Cuesta, con una probabilidad del 60%
b) Sr. Jiménez, con una probabilidad del 30%
c) Sr. Pérez, con una probabilidad del 10%
En función de quien sea el próximo presidente, la probabilidad de que se realice
la reforma que solicitaste es:
a) Si sale el Sr. Cuesta: la probabilidad es del 15%
b) Si sale el Sr. Jiménez: la probabilidad es del 35%
c) Si sale el Sr. Pérez: la probabilidad es del 80%
Entonces, ya que los tres candidatos a presidente forman un sistema completo, la
probabilidad de que te hagan la reforma es:
P = (0,60 ⋅ 0,15) + (0,30 ⋅ 0,35) + (0,10 ⋅ 0,80) = 0,275

13
tema 64

matemáticas

4 Teorema de Bayes

4.1. El teorema de Bayes

Sea A1, ..., An un sistema completo de sucesos.


Si B es un suceso del que conocemos las P(B/Ai), y si además conocemos las
P(Ai), entonces:
P( Ai ) ⋅ P( B / Ai )
P( Ai / B) = n

∑ P( A ) ⋅ P( B / A )
i =1
i i

Demostración:
Por el teorema del producto tenemos:

P( Ai ) ⋅ P( B / Ai )
P(B ∩ Ai) = P(B) ⋅ P(Ai /B) = P(Ai) ⋅ P(B/Ai) ⇒ P(Ai /B) =
P( B)
Y por el teorema de la probabilidad total tenemos que:
n

P(B) = ∑ P(Ai) ⋅ P(B/Ai). Luego,


i =1

P( Ai ) ⋅ P( B / Ai )
P( Ai / B) = n

∑ P( A ) ⋅ P( B / A )
i =1
i i

Las P(B/Ai) reciben el nombre de probabilidades a priori mientras que las


P(Ai /B) reciben el nombre de probabilidades a posteriori.
El problema que se presenta en las aplicaciones prácticas al utilizar el teorema de
Bayes viene dado por la forma aleatoria de tomar los valores P(Ai), que general-
mente no son conocidos de antemano.
Un problema típico que se suele resolver mediante el teorema de Bayes es el si-
guiente:
Una urna contiene en total 4 bolas entre blancas y negras. Sacamos una bola de la
urna y resulta ser blanca. ¿Cuál es la composición más probable de la urna?
Suele decirse que este problema es equivalente al siguiente:
Se tienen tres urnas con las siguientes composiciones: A1, 3 blancas y 1 negra; A2,
2 blancas y 2 negras; A3, 1 blanca y 3 negras. Elegimos una urna al azar y sacamos
una bola de ella. ¿Cuál es la urna que nos da una probabilidad mayor para que la
bola extraída sea blanca?
Si consideramos como equiprobables las distintas urnas, tenemos:
P(A1) = P(A2) = P(A3) = 1
3

14
tema 64

matemáticas

Sea B el suceso extraer bola blanca. Entonces:


3 2 1
P ( B / A1 ) = , P( B / A2 ) = , P( B / A3 ) =
4 4 4
Aplicando el teorema de Bayes tenemos:

1 3

P( A1 ) ⋅ P( B / A1 ) 3 4 3 1
P( A1 / B) = 3 = = =
1  3 2 1 6 2
∑i =1
P( Ai ) ⋅ P( B / Ai ) ⋅ + + 
3  4 4 4

2 1
P( A2 / B) = = ;
6 3
1
P ( A3 / B ) =
6

Según estos resultados, la respuesta es la primera urna. Sin embargo, la suposición


de equiprobabilidad de las distintas urnas carece de fundamento según el enuncia-
do del primer problema. Por tanto, para el primer problema no debemos aceptar
la solución anterior, que, por otro lado, es correcta para el enunciado del segundo
problema.
En resumen, la fórmula de Bayes es correcta, pero se debe emplear únicamente si
son conocidos todos los elementos que intervienen en ella.

4.2. Tablas de contingencia y diagramas en árbol

Debido a la importancia de estas herramientas para representar de forma organi-


zada la asignación de probabilidades de sucesos y facilitar así el cálculo de proba-
bilidades, es necesario introducirlas antes de terminar este tema.

4.2.1. Tablas de contingencia


Permiten reflejar todas las posibilidades que pueden presentar dos sucesos o más
sucesos.
Ejemplo para dos sucesos:

A A Total

B P(A ∩ B) P( A ∩ B) P(B)

B P(A ∩ B ) P( A ∩ B ) P( B )
Total P(A) P( A ) 1

15
tema 64

matemáticas

4.2.2. Diagramas en árbol


Un diagrama en árbol es una forma de representar determinadas situaciones, en
particular en los sucesos compuestos.
Un ejemplo es:
Si A, B y D son tres sucesos entonces:

P(D/A)
A D

P(A)

P(B)
P(D/B)
B D

donde el producto de las probabilidades de cada rama nos daría respectivamente:


P(A ∩ D) y P(B ∩ D)
La suma de todas las probabilidades finales debe dar 1 y la suma de todas las pro-
babilidades que parten de un nudo debe dar 1.
„„ El teorema total visto en el diagrama en árbol:
P(D) = P(A) · P(D/A) + P(B) · P(D/B)
luego es la suma de las probabilidades de todos los sucesos cuyas ramas termi-
nan en D.
„„ El teorema de Bayes visto (en general) en el diagrama en árbol:
P(Ai/B)
es el cociente de la probabilidad de la rama que contiene Ai por la suma de todas
las probabilidades de las ramas que contienen a B.

16
tema 64

matemáticas

BIBLIOGRAFÍA
GNEDENKO, B.: Teoría de las probabilidades. Ed. Rubicos 1860, S. A., 1996.
QUESADA, V.: Lecciones de cálculo de probabilidades. Díaz de Santos, S. A., 1980.
HOEL, P. G.: Introducción a la Estadística Matemática. Ed. Ariel, 1980.
ARNÁIZ, G.: Introducción a la Estadística Teórica. Ed. Lex Nova, 1986.

17
tema 64

matemáticas

RESUMEN

Probabilidad compuesta.
Probabilidad condicionada.
Probabilidad total.
Teorema de Bayes.

1.
1 Probabilidad condicionada

1.1. Definición
Sea (E, S, P) un espacio probabilístico y sea A un suceso de la σ-álgebra S tal que P(A)>0.
Llamamos probabilidad condicionada del suceso B respecto del suceso A a:
P( A ∩ B)
P(B/A) =
P( A)

1.2. Propiedades de la probabilidad condicionada


a) P( B/A) = 1 – P(B/A)
b) Si B ⊂ C, entonces P(B/A) ≤ P(C/A)
P( B)
c) Si B ⊂ A, entonces P(B/A) =
P ( A)
d) Si A ⊂ B, entonces P(B/A) = 1
e) Teorema del producto o probabilidad compuesta: P(A ∩ B) = P(A) ⋅ P(B/A)

1.3. Sucesos independientes: propiedades


Sea (E, S, P) un espacio probabilístico. Los sucesos A y B de la σ-álgebra S con P(A)>0 y P(B)>0
son independientes si y sólo si P(A ∩ B) = P(A) ⋅ P(B)
En este apartado se ven las principales propiedades relacionadas con la independencia de
sucesos y se amplia la definición a la independencia de más de dos sucesos.

2.
2 Probabilidad compuesta
Llamamos espacio producto cartesiano E1 × E2, al formado por los n × m sucesos elemen-
tales (Ai, Bj) donde Ai, i= 1, ..., n son los sucesos elementales de (E1, S1, P1) y Bj, j = 1, ..., m
los sucesos elementales de (E2, S2, P2)
Los espacios probabilísticos (E1, S1, P1), (E2, S2, P2) son independientes si verifican:
P(Ai, Bj) = P1 (Ai) ⋅ P2 (Bj)
Si (E1, S1, P1) y (E2, S2, P2) son independientes, construimos el espacio probabilístico del
experimento compuesto (E1 × E2, S, P) con:
P(Ai, Bj) = P1(Ai) ⋅ P2 (Bj)

19
tema 64

matemáticas

Si los experimentos aleatorios no son independientes, las probabilidades de los sucesos del
espacio producto cartesiano vienen dadas por:
P(Ai, Bj) = P(Ai) ⋅ P(Bj / Ai)

3.
3 Probabilidad total
Sea (E, S, P) un espacio probabilístico. Los sucesos A1, ..., An de la σ-álgebra S constituyen
un sistema completo de sucesos, si verifican que:
n
Ai ∩ Aj = φ y ∪ Ai = E
i =1
Teorema (Probabilidad total):
Sea A1, ..., An un sistema completo de sucesos. Si B es un suceso del que conocemos las
P(B/Ai) y si además conocemos las P(Ai), entonces:
n

P(B) = ∑ P(Ai) ⋅ P(B/Ai)


i =1

4.
4 Teorema de Bayes

4.1. El Teorema de Bayes


Sea A1, ..., An un sistema completo de sucesos. Si B es un suceso del que conocemos las
P(B/Ai), y si además conocemos las P(Ai), entonces:
P( Ai ) ⋅ P( B / Ai )
P( Ai / B) = n

∑ P( A ) ⋅ P( B / A )
i =1
i i

4.2. Tablas de contingencia y diagramas en árbol


Debido a la importancia para organizar la información y facilitar el cálculo de probabili-
dades se introducen:

4.2.1. Tablas de contingencia


Permiten reflejar todas las posibilidades que pueden presentar dos sucesos o más sucesos.

4.2.2. Diagramas en árbol


Un diagrama en árbol es una forma de representar determinadas situaciones, en particular
en los sucesos compuestos.

20