Azar e Probabilidade

1. Introdución
2. Experimentos aleatorios
2.1 Espazo mostral. Sucesos
2.2 Operacións cos sucesos
3. Probabilidade dun suceso. Regra de Laplace
4. Combinatoria
5. Experimentos compostos. Estratexias de reconto
6. Dependencia ou independencia de sucesos
6.1 Probabilidade condicionada. Sucesos dependentes
6.2 Sucesos independentes
7. Probabilidades Totais
8. Teorema de Bayes

1. Introdución
En moitas das actividades da vida cotiá podemos ter a certeza do que vai a acontecer,
porén, en outras moitas son incertas e teremos que conformarnos cunha probabilidade,
coma na previsión do tempo, que non se acerta sempre e desgraciadamente a
economía compórtase moitas veces de forma imprevisible... Estudaremos nesta unidade
o concepto de probabilidade e as súas aplicacións.

2. Experimentos aleatorios
2.1 Espazo mostral. Sucesos
Moitos dos fenómenos observables teñen un resultado imprevisible; lanzar un dado,
unha moeda, números da lotería... este tipo de fenómenos son os que estudaremos e
caracterízanse por:
a) Os seus resultados son imprevisibles.
b) Podemos realizar o experimento as veces que desexemos en idénticas
condicións.
Recordemos a terminoloxía básica:
 Espazo mostral (E): conxunto de tódolos posibles resultados dun experimento
aleatorio.
 Suceso: calquera subconxunto do espazo mostral, E.
 Suceso Elemental: suceso constituído por un único resultado.
 Suceso Composto: suceso formado por dous ou máis sucesos elementais.
 Suceso Imposible, : suceso que non se realiza nunca.
 Suceso Seguro, E: suceso constituído por todos os resultados da proba.

Exemplo

Consideremos o experimento aleatorio lanzar un dado.

Espazo mostral 𝐸 = {1,2,3,4,5,6}

Sucesos por exemplo: 𝐴 = {3,4} 𝐵 = 𝑆𝑎𝑐𝑎𝑟 𝑖𝑚𝑝𝑎𝑟 = {1,3,5}

Suceso imposible 𝐶 = {𝑆𝑎𝑐𝑎𝑟 𝑚á𝑖𝑠 𝑑𝑢𝑛 7} = ∅

Suceso Seguro= {𝑂𝑏𝑡𝑒𝑟 𝑚𝑒𝑛𝑜𝑠 𝑑𝑢𝑛 6}

1
 2.2. Operacións cos sucesos
De xeito semellante os conxuntos podemos realizar as seguintes operacións cos
sucesos.

A unión de dous suceso A e B, é outro suceso formado por tódolos sucesos

elementais que temos en A ou en B, o denotamos como A ∪ B

A intersección de dous suceso A e B, é outro suceso formado polos sucesos

elementais que teñen en común A e B, o denotamos como A ∩ B

Cando a intersección de dous sucesos é o suceso imposible  diremos que os

sucesos son incompatibles:
A e B incompatibles ⇔𝑨 ∩ 𝑩 = ∅

O suceso contrario ou complementario dun suceso A é outro suceso que denotamos

por 𝐴̅, está formado por tódolos sucesos elementais do espazo mostral que non están
en A.

A diferenza de dous suceso 𝐴 − 𝐵, é a intersección do primeiro suceso co contrario do

segundo: 𝐴 − 𝐵 = 𝐴 ∩ 𝐵̅(todos os elementos de A que non están en B)
Pódense deducir algunhas propiedades coas operacións anteriores coma:
É evidente que un suceso A e o seu contrario 𝐴̅ cumpre que :
𝐴 ∪ 𝐴̅ = 𝐸 𝐸𝑠𝑝𝑎𝑧𝑜 𝑚𝑜𝑠𝑡𝑟𝑎𝑙 𝐴 ∩ 𝐴̅ = ∅
É evidente que o suceso contrario de 𝐴̅ , é A⇒ 𝐴 = 𝐴̿
Maior dificultade presentan as Leis de Morgan:
1º ̅̅̅̅̅̅̅
𝐴 ∪ 𝐵 = 𝐴̅ ∩ 𝐵̅
2º ̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 = 𝐴̅ ∪ 𝐵̅

Exemplo

Os conxuntos 𝐴 = {1,3,5} , 𝐵 = {1,2,3} 𝑒 𝐶 = {4,5} son sucesos do experimento

lanzar un dado. Calcula 𝐴 ∪ 𝐵, 𝐴 ∪ 𝐵 ∪ 𝐶, 𝐵 ∩ 𝐶, 𝑒 𝐵 ∩ 𝐸, 𝐸 ∪ 𝐵, 𝐴̅, 𝐴 − 𝐵

𝐴 ∪ 𝐵 = {1,2,3,5}

𝐴 ∪ 𝐵 ∪ 𝐶 = {1,2,3,4,5}

𝐵 ∩ 𝐶 = ∅ 𝑠𝑜𝑛 𝑖𝑛𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒𝑠

𝐵∩𝐸 =𝐵

𝐸∪𝐵 =𝐸

𝐴̅ = {2,4,6}

𝐴 − 𝐵 = 𝐴 ∩ 𝐵̅ = {5}
2
 Exemplo

Comproba as leis de Morgan no xogo de lanzar un dado se A={2,4,6} 𝑒 𝐵 = {5,6}

Se A ={2,4,6}⇒𝐴̅ = {1,3,5} e se 𝐵 = {5,6} ⇒ 𝐵̅ = {1,2,3,4}.

Por outra la do 𝐴 ∩ 𝐵 = {6}

1º ̅̅̅̅̅̅̅
𝐴 ∪ 𝐵 = 𝐴̅ ∩ 𝐵̅ ⇒𝐴 ∪ 𝐵 = {2,4,5,6} ⇒ ̅̅̅̅̅̅̅
𝐴 ∪ 𝐵 = {1,3} por outro lado 𝐴̅ ∩ 𝐵̅ = {1,3},
verifícase a igualdade.

2º ̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 = 𝐴̅ ∪ 𝐵̅ ⇒ 𝐴 ∩ 𝐵 = {6} , ̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 = {1,2,3,4,5} por outro lado, 𝐴̅ = {1,3,5} 𝑒

𝐵̅ = {1,2,3,4} entón 𝐴̅ ∪ 𝐵̅ = {1,2,3,4,5} polo tanto verifícase a igualdade

3. Probabilidade dun suceso. Regra de Laplace

Ao realizar un experimento aleatorio descoñecemos cal vai ser o seu resultado, pero
si podemos asignar ao suceso A un número que mida a probabilidade de que
aconteza. Este número chámase probabilidade do suceso A e simbolízase por P(A).
Existen dúas formas de asignar probabilidades a un suceso:
a) Mediante a frecuencia relativa do suceso, cando o número de veces que
repetimos o experimento é moi grande, esta tende a aproximarse a un número
fixo.
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑜𝑐𝑜𝑟𝑟𝑒 𝐴 𝑛𝐴
𝑓𝑟 (𝐴) = =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑜 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜 𝑁

b) A outra forma é admitindo como axiomas de probabilidade as afirmacións

seguintes:
1. A probabilidade dun suceso A é sempre un número real non negativo,
𝑷(𝑨) ≥ 0
2. A probabilidade do suceso seguro E é 1, 𝑷(𝑬) = 1
3. Se A e B son sucesos incompatibles, 𝐴 ∩ 𝐵 = ∅, entón a probabilidade da
unión é a probabilidade da suma:
𝑷(𝑨𝑼𝑩) = 𝑷(𝑨) + 𝑷(𝑩)

Dos axiomas podese concluír:

1. 𝑃(∅) = 0
2. A probabilidade do suceso contrario 𝑃(𝐴) = 1 − 𝑃(𝐴̅)
3. Se A e B non son incompatibles ⇒𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
4. Se 𝐴 = 𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 sendo estes sucesos incompatibles dous a dous entón:
𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 )

Demostración:
1. Se 𝑃(𝐸) = 𝑃(𝐸 ∪ ∅) = 𝑃(𝐸) + 𝑃(∅) = 1 ⇒ 𝑃(∅) = 0
2. Se 𝑃(𝐴) ≥ 0, 𝑐𝑜𝑚𝑜 𝑃(𝐸) = 𝑃(𝐴 ∪ 𝐴̅) = 𝑃(𝐴) + 𝑃(𝐴̅) = 1 ⇒ 𝑃(𝐴) = 1 − 𝑃(𝐴̅) 𝑒
0 ≤ 𝑃(𝐴) ≤ 1
3. Se A e B non son incompatibles a intersección non é valeira entón temos que
restar a probabilidade desta, xa que se non estaríamos contando dúas veces esa
probabilidade ⇒𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
4. Este é unha xeneralización do axioma 3.

3
Sexa o espazo mostral E= {𝑥1 , 𝑥2 , … 𝑥𝑛 } de n elementos, todos eles equiprobables,
isto é, que teñan a mesma dispoñibilidade de saír. Tendo en conta os axiomas e
consecuencias anteriores:
1
𝑃(𝐸) = 𝑃(𝑥1 ∪ 𝑥2 ∪ … ∪ 𝑥𝑛 ) = 𝑃(𝑥1 ) + 𝑃(𝑥2 ) + ⋯ 𝑃(𝑥𝑛 ) = 1⇒𝑛 ∙ 𝑃(𝑥1 ) = 1 ⇒ 𝑃(𝑥1 ) =
𝑛

Se agora tomamos un suceso A, formado por h sucesos elementais,polo tanto tamén

equiprobables:
1 ℎ
𝑃(𝐴) = 𝑃(𝑥1 ∪ 𝑥2 ∪ … ∪ 𝑥ℎ ) = ℎ ∙ =
𝑛 𝑛
Este resultado coñécese co nome de Regra de Laplace que nos di:

𝑛º 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑜 𝑠𝑢𝑐𝑒𝑠𝑜 𝐴

𝑃(𝐴) =
𝑛º 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Insistir en que soamente podemos aplicar este criterio cando os sucesos elementais
dun experimento teñan a mesma probabilidade de saír.

Exemplo 1

Unha furna de 5 bolas azuis, 2 vermellas e 3 verdes. Se sacamos unha bola ao azar,
cal é a probabilidades de que sexa verde?

O primeiro que temos que mirar é se os suceso son equiprobables, efectivamente ten
a mesma probabilidade de saír a vermella que a verde e que a azul.

Determinamos os casos posibles: 10 bolas, e os casos favorables:3 bolas

3
𝑃( 𝐵𝑜𝑙𝑎 𝑠𝑒𝑥𝑎 𝑣𝑒𝑟𝑑𝑒) = 10 = 0,3

Exemplo 2

O control de calidade dunha fábrica descobre que cada 2000000millóns de pezas

producidas 10000son defectuosas. Se non se modifica as condicións, cal é a
probabilidade de que unha peza elixida ao chou sexa defectuosa?
10000 1
P(peza defectuosa)=2000000 = 200 = 0,005⇒0,5%

Exemplo 3

Ao tirar un dado, cal é a probabilidade de que saia número par? Cal é a probabilidad
de que non saia número par? Cal é a probabilidade de que saia un número menor
de 7? Sexa o suceso B={4,5} e o suceso A saia par, cal é a probabilidade de 𝐴 ∪ 𝐵?
3
O suceso saír par é 𝐴 = {2,4,6} 𝑃(𝐴) = 6

O suceso non par o podemos calcular de varias formas unha delas polo contrario
3 3
𝑃(𝐴̅) = 1 − 𝑃(𝐴) = 1 − =
6 6
𝑃(𝑢𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑚𝑒𝑛𝑜𝑟 𝑞𝑢𝑒 7) = 𝑃(𝐸) = 1

Os sucesos A e B teñen intersección, isto é non son incompatibles, entón:

1 2 1 2
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵) = + − =
2 6 6 3

4
4. Combinatoria
Para poderes aplicar a Regra de Laplace é necesario contar os casos posibles e os
casos favorables dun experimento, cousa que non sempre é doado de facer. A
combinatoria proporciónanos unha serie de fórmulas e procedementos para contar de
cantos xeitos diferentes pódese facer unha elección de varios obxectos de entre unha
colección.
Cando o que queremos é saber de cantos xeitos podemos elixir grupos de m obxectos
de entre unha colección formada por n obxectos, loxicamente, dependerá de como
fagamos a elección, isto é, se temos en conta a orde dos elementos ou non, se se
poden repetir ou non os elementos. Se tomamos coma exemplo: “elixir nunha clase
delegado e subdelegado”, está claro que NON se poden repetir os elementos e que SI
importa a orden, non é o mesmo María delegada e subdelegado Manolo que Manolo
delegado e subdelegada María.
Pero se o exemplo é: “cubrir unha primitiva” , este consiste en elixir 6 números de 49.
NON importa a orden dos elementos e NON se poden repetir.
As principais fórmulas combinatorias son: Variación, permutación e combinacións.
 Variacións de n elementos tomados de m en m, 𝑉𝑛,𝑚 , utilízase para contar os
diferentes grupos de m elementos que se poden forman en conxuntos de n
elementos(m<n). Os elementos, NON se poden repetir e importa a orde.
𝑛!
𝑉𝑛,𝑚 =
(𝑛 − 𝑚)!
 Variacións con Repetición de n elementos tomados de m en m, 𝑉𝑅𝑚,𝑚 , son
as variacións nas que os elementos pódense repetir ou ser diferentes.
𝑉𝑅𝑛,𝑚 = 𝑛𝑚
 Permutacións, 𝑃𝑛 , son as variacións nas que m=n ⇒ 𝑃𝑛 = 𝑛!

 Combinacións de n elementos tomados de m en m, 𝐶𝑛,𝑚 ,utilízanse para

contar o número de grupos diferentes que podemos formar con m elementos
distintos, elixidos dun conxunto de n elementos. Non importa a orde e ningún
elemento pódese repetir.
𝑛 𝑛!
𝐶𝑛,𝑚 = ( ) =
𝑚 𝑚! ∙ (𝑛 − 𝑚)!

Recordar: 𝑛! = 𝑛 ∙ (𝑛 − 1) ∙ (𝑛 − 2) … 3 ∙ 2 ∙ 1 e que 0! = 1

Exemplos

1. De cantos xeitos diferentes pódese formar o podio nunha carreira de 100

metros con 8 atletas?

Debemos formar grupos de 3 elementos con 8 atletas NON se poden repetir e

8! 8∙7∙6∙5!
importa a orden son 𝑉8,3 = (8−3)! = 5! = 8 ∙ 7 ∙ 6 = 336 posibilidades

2. De cantas formas diferentes pódense sentar 3 persoas nun banco?

Grupos de 3 persoas con tres elementos polo tanto𝑃3 = 3! = 6

3. Cantas combinacións de 4 letras podemos facer coas letras de MIGUEL?

Temos que formar con 6 letras grupos de 4 en 4, NON importa a orde e NON
6 6! 6∙5∙4!
se pode repetir polo tanto 𝐶6,4 = ( ) = 4!(6−4)! = 4!∙2! = 15
4
4. Cantos números naturais de tres cifras podemos formar cos díxitos 1,2,3,4 e 5?
Importa a orde e pódense repetir polo tanto 𝑉𝑅5,3 = 53 = 125

5
5. Experimentos compostos. Estratexias de reconto
Un experimento composto é o que está formado por varios simples, “tirar dous dados”,
“tirar dúas varias veces un dado”, “extraer cartas dunha baralla”..., nestas
experimentos, probas, é importante saber para poderes calcular a probabilidade dun
suceso se os experimentos son independentes ou non, é dicir se cada proba, ou
extracción, realízase nas mesmas condicións ou non que a anterior: Extraccións con
substituír ou extraccións sen substituír.
No caso dos experimentos compostos temos diferentes técnicas para organizar os
datos, isto é os posibles resultados, e así obter de forma máis sinxela as
probabilidades:
 Diagramas cartesianos ou Táboas de dobre entrada: É útil en
experimentos compostos formados por dous simples, na fila superior
colocamos os sucesos elementais dun experimento simple e na columna da
esquerda os sucesos elementais do outro experimento simple.
 Diagramas en árbore: Un diagrama en árbore é un gráfico que nace dun
tronco e os seus trazos vanse ramificando coma unha árbore. O final de
cada rama obtemos os diferentes resultados do experimento, así coma a súa
probabilidade.

Exemplo 1

Calcula a probabilidade de que ao lanzar dous dados a suma dos números

obtidos sexa 10, cal é suma máis probable?

1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
Para obteres a probabilidade aplicaremos a regra de Laplace
3 1
𝑃(10) = =
36 12
A suma máis probable é 7, xa que é a suma que máis veces se repite.

Exemplo 2

Tiramos un dado e unha moeda, cales son todos os posibles resultados?

Se os organizamos nunha árbore obtemos:

6
6. Dependencia ou independencia de sucesos
6.1 Probabilidade condicionada. Sucesos dependentes
A probabilidade do suceso B condicionada polo suceso A, é a probabilidade de que se
realice B sabendo que se realizou A, e calcúlase como:

𝑃(𝐴∩𝐵)
𝑃(𝐵/𝐴)= 𝑃(𝐴)
sendo 𝑃(𝐴) > 0
Os diagramas de árbore son moi útiles a axudan moito cando temos que resolver
problemas de probabilidade condicionada, estas probabilidades, son as segundas
ramas das árbores e sucesivas.
Nos casos nos que as probas son dependentes(a probabilidade de que se verifique
un depende do outro), empregaremos esta mesma definición para calcular a
probabilidade dunha intersección de dous sucesos, isto é:

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

Exemplo 1

Se nunha furna temos 5 bolas de igual tamaño, 2 negras e 3 brancas, extraemos

una bola ao chou, obsérvase e non se devolve á furna, extraemos outra bola. Cal
será a probabilidade de que a primeira fora branca e a segunda negra? E a
probabilidade de que a segunda sexa negra se a primeira foi branca.

Construímos un diagrama de árbore:

B⇒BB

B
3 2 6
N⇒BN⇒𝑃(𝐵 ∩ 𝑁) = 𝑃(𝐵 𝑎 𝑝𝑟𝑖𝑚𝑒𝑖𝑟𝑎) ∙ 𝑃(𝑁/𝐵) = ∙ = = 0,3
5 4 20

B⇒NB

N⇒NN
2
Agora a P(N a segunda/B a primeira)=
4

Exemplo 2

Ao tirar un dado sábese que a suma dos resultados foi 8, cal é a probabilidade de
que polo menos saíra un 5?

O suceso A={(2,6), (6,2), (3,5)(5,3), (4,4)} o suceso B={𝑝𝑜𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 5} é evidente

que 𝐴 ∩ 𝐵 = {(3,5)(5,3)} entón:

𝑃(𝐴 ∩ 𝐵) 2⁄36
𝑃(𝐵⁄𝐴) = = = 2/5
𝑃(𝐴) 5/36
11
Porén, observamos que a probabilidade de B, é P(B)=36 , xa que temos 11
resultado favorables de que saía polo menos un 5 entre 36 resultados posibles:

(1,5), (5,1), (2,5), (5,2), (3,5), (5,3), (4,5), (5,4), (5,5), (5,6), (6,5)

7
 Regra do produto ou da probabilidade composta
Se xeneralizamos a intersección de dous sucesos dependentes a n-sucesos obtemos:
Sexan os sucesos 𝐴1 , 𝐴2 , … 𝐴𝑛 dependentes entón a probabilidade da intersección de
todos é:
𝑃(𝐴1 ∩ 𝐴2 ∩ … 𝐴𝑛 ) = 𝑃(𝐴1 ) ∙ 𝑃(𝐴2 /𝐴1 )∙...𝑃(𝐴𝑛 /𝐴1 ∩ 𝐴2 ∩ … 𝐴𝑛−1 )
Na práctica a regra do produto nos di que a probabilidade dun camiño é igual ao
produto das probabilidades das ramas que o forman.

Exemplo

Extraemos tres naipes nunha barralla de 40 cartas. Cal é a probabilidade de obter

tres ases?
P(“tres ases”)=P(1ªAs y 2ªAs y 3ªAs)=P(1ª As)∙P(2ªAs /1ªAs)∙P(3ªAs/1ªAs∩2ªAs)=

4 3 2 24 1
= ∙ ∙ = = = 4,04 ∙ 10−4
40 39 38 59280 2470

6.2 Sucesos independentes

Os sucesos A e B son independentes se a probabilidade dun deles non depende de
que se verifique o outro. Se dous sucesos son independentes verifícase:

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

É moi importante non confundir sucesos independentes con sucesos incompatibles.

Exemplo 1

Extraemos dúas cartas dunha baralla de 40.

a) Se a primeira carta devólvese, calcula a probabilidade de que as dúas foran

reis.
b) Se a primeira carta non se devolve, calcula a probabilidade de que ambas
sexan reis.
Sexa A=sacar rei na 1ª, B=sacar rei na 2ª
A∩B=sacar rei na 1ª e na 2ª
a) Se A e B son independentes, isto ocorre cando devolvemos a primeira carta:
4 4
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵) = 40 ∙ 40 = 0,01
b) Se A e B no son independentes, isto ocorre cando non devolvemos a primeira
4 3 1
carta: 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵⁄𝐴) = 40 ∙ 39 = 130

Exemplo 2

Se nunha urna temos 5 bolas de igual tamaño, 2 negras e 3 brancas, extraemos

una bola ao chou, observase e devólvese á urna e extraemos outra bola. Cal será
a probabilidade de que a primeira fora branca e a segunda negra?

De novo son sucesos independentes.

3 2 6
𝑃(𝐵 ∩ 𝑁) = ∙ = = 0,24
5 5 25

8
7. Probabilidades Totais
En ocasións é posible calcular a probabilidade dun suceso en función das
probabilidades condicionadas deste suceso con respecto a un conxunto de sucesos
coñecidos. Isto ocorre cando o conxunto de sucesos coñecidos constitúen un sistema
completo de suceso.
Dise que 𝐴1 , 𝐴2 , 𝐴3, … , 𝐴𝑛 é un sistema completo de sucesos se verifica as seguintes
condicións:
1º Son incompatibles dous a dous, 𝐴𝑖 ∩ 𝐴𝑗 = ∅ sempre que 𝑖 ≠ 𝑗
2º A unión de todos os suceso é o suceso seguro 𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ … ∪ 𝐴𝑛 = 𝐸

O teorema da probabilidade Total di, que se nos atopamos nun sistema completo de
sucesos do que coñecemos as probabilidades condicionadas 𝑃(𝐵/𝐴𝑖 ), entón a 𝑃(𝐵)
ven dada pola fórmula:
𝑃(𝐵) = 𝑃(𝐴1 ) ∙ 𝑃(𝐵/𝐴1 )+𝑃(𝐴2 ) ∙ 𝑃(𝐵/𝐴2 )+...+𝑃( 𝐴𝑛 ) ∙ 𝑃(𝐵/𝐴𝑛 )

Moitos deste casos os podemos resolver cun sinxelo diagrama de árbore.

Exemplo

O 40 % dos créditos que concede un banco son para vivenda, o 35% para industria
e o 25% para o consumo. Resultan falidos o 4% dos créditos de vivenda, o 6% dos
créditos de industria e o 8% dos créditos para o consumo. Se eliximos ao azar un
préstamo bancario, cal é a probabilidade de que non pague o crédito? E cal é a
probabilidade de que pague o crédito?

Os créditos forman un sistema completo de sucesos, son incompatibles a a súa

unión constitúe todos os créditos do banco. Podemos facer un sinxelo diagrama de
árbores para ver mellor as cousas:

Un crédito falido é o que non se paga e sabemos que polo teorema das
probabilidades totais que a probabilidade dun suceso é a suma dos camiños que
conducen a el.

𝑃(𝑓𝑎𝑙𝑖𝑑𝑜) = 𝑃(𝑣𝑖𝑣𝑒𝑛𝑑𝑎) ∙ 𝑃(𝑓𝑎𝑙𝑖𝑑𝑜⁄𝑣𝑖𝑣𝑒𝑛𝑑𝑎) + 𝑃(𝑖𝑛𝑑𝑢𝑠𝑡𝑟𝑖𝑎) ∙ 𝑃(𝑓𝑎𝑙𝑖𝑑𝑜⁄𝑖𝑛𝑑𝑢𝑠𝑡𝑟𝑖𝑎)

+𝑃(𝑐𝑜𝑛𝑠𝑢𝑚𝑜) ∙ 𝑃 (𝑓𝑎𝑙𝑖𝑑𝑜⁄𝑐𝑜𝑛𝑠𝑢𝑚𝑜) = 0,4 ∙ 0,04 + 0,35 ∙ 0,06 + 0,25 ∙ 0,08 = 0,057

É dicir, o 5,7% dos créditos son falidos.

A probabilidade de que se pague o crédito, é dicir, non falido será:

P(𝑛𝑜𝑛 𝑓𝑎𝑙𝑖𝑑𝑜) = 1 − 𝑃(𝑓𝑎𝑙𝑖𝑑𝑜) = 1 − 0,057 = 0,943⇒94,3%

9
8. Teorema de Bayes
Sexa 𝐴1 , 𝐴2 , 𝐴3, … , 𝐴𝑛 é un sistema completo de sucesos tales que a probabilidade de
cada un deles é distinta de cero, e sexa B un suceso calquera para o que se coñecen
as probabilidades 𝑃(𝐴𝑖 ⁄𝐵). O teorema de Bayes establece que as probabilidades
𝑃(𝐴𝑖 ⁄𝐵) veñen dadas pola seguinte expresión:
𝑃(𝐴𝑖 ) ∙ 𝑃(𝐵⁄𝐴𝑖 )
𝑃(𝐴𝑖 ⁄𝐵) =
𝑃(𝐴1 ) ∙ 𝑃(𝐵⁄𝐴1 ) + 𝑃(𝐴2 ) ∙ 𝑃(𝐵⁄𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 ) ∙ 𝑃(𝐵⁄𝐴𝑛 )

As probabilidades 𝑃(𝐴𝑖 ) denomínanse a priori.

As probabilidades 𝑃(𝐵⁄𝐴𝑖 )denomínanse verosimilitudes.
As probabilidades 𝑃(𝐴𝑖 ⁄𝐵) denomínanse a posteriori.

Exemplo

Nun concesionario hai 40 coches de gasolina e 30 de diésel. Dos 40 coches de

gasolina, 25 son novos e 15 de segunda man. Dos 30 coches diésel, 22 son novos, e
8 de segunda man. Se se elixe un coche ao azar que é novo, que probabilidade hai
de que sexa de gasolina?
𝑃(𝑔𝑎𝑠𝑜𝑙𝑖𝑛𝑎∩𝑛𝑜𝑣𝑜)
Entón pídenos a 𝑃(𝐺𝑎𝑠𝑜𝑙𝑖𝑛𝑎⁄𝑁𝑜𝑣𝑜) = 𝑃(𝑛𝑜𝑣𝑜)
= aplicaremos o teorema de
Bayes e obtemos:
𝑛𝑜𝑣𝑜
𝑃(𝑔𝑎𝑠𝑜𝑙𝑖𝑛𝑎)𝑃 ( )
𝑔𝑎𝑠𝑜𝑙𝑖𝑛𝑎
𝑃(𝐺𝑎𝑠𝑜𝑙𝑖𝑛𝑎⁄𝑁𝑜𝑣𝑜) = =
𝑃(𝑔𝑎𝑠𝑜𝑙𝑖𝑛𝑎)𝑃(𝑛𝑜𝑣𝑜/𝑔𝑎𝑠𝑜𝑙𝑖𝑛𝑎) + 𝑃(𝑑𝑖é𝑠𝑒𝑙)𝑃(𝑛𝑜𝑣𝑜⁄𝑑𝑖é𝑠𝑒𝑙)
40 25
∙ 25
= 70 40 =
40 25 30 22 47
∙ + ∙
70 40 70 30

10