You are on page 1of 14

PROBABILIDAD CONDICIONAL, 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 condicional, consideramos que de un espacio muestral S se conoce nicamente el evento B, que constituye un espacio muestral reducido.
S
B

Se desea saber la posibilidad de que exista el evento A.

Como nicamente conocemos el evento B, la probabilidad de que exista A est dada por la posible interseccin del evento A con el evento B.

Por lo tanto la expresin para la probabilidad condicional quedara P(A|B)=n(AB)/n(B), donde n(AB) es el nmero de elementos en la interseccin de A con B y n(B) es el nmero de elementos en el evento B. Si el numerador y el denominador se dividen entre n(s) que es el nmero de elementos en el espacio muestral y aplicamos el concepto de probabilidad, tenemos: P(A|B)=[n(AB)/n(S)]/[n(B)/n(S)]= P(AB)/P(B).

De la ltima expresin P(A|B)=P(AB)/P(B), P(B) es la probabilidad del evento condicin o del evento que se presenta primero .

De manera similar se puede pedir la probabilidad del evento B dado que ya ocurri el evento A P(B|A)=P(AB)/P(A), ahora P(A) es la probabilidad del evento condicin o del que se presenta primero .
Ejemplo: Al arrojar dos dados resultan caras iguales, cul 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 ms 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(AB)=2, aplicando la expresin P(B|A)=n(AB)/n(A)=2/6=1/3=0.333

PROBABILIDAD CONJUNTA
Es la probabilidad de ocurrencia de dos o ms eventos.

De la expresin P(B|A)=P(AB)/P(A) se pude despejar P(AB)=P(A)P(B|A) expresin llamada Ley de multiplicacin de probabilidades.
P(AB) recibe el nombre de probabilidad conjunta y corresponde a la probabilidad de que se presenten resultados comunes a los eventos A y B.

Ejemplo: Al arrojar una moneda desequilibrada al aire, P(A)=1/3 y P(S)=2/3, en dos ocasiones, cul es la probabilidad de que en las dos ocasiones sea guila. Auxilindonos de un diagrama de rbol.
A1 A S A2 S2 A2 S2
P(A1A2)=P(A1)P(A2|A1)= P(A1A2)=1/3(1/3)= 1/9

A S

S1

A S

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 A2 B1 B2 Largo Corto Punta plana Punta de Cruz Evento B1 B2 Total A1 40 15 55 A2 Total 60 20 80 100 35 135

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. Generalizando se obtiene la probabilidad conjunta de dos eventos con la expresin siguiente: P(AiBj)=nij/ns Donde i=1, 2, 3,n y j=1, 2, 3,n Considrese que nicamente nos interesa conocer la probabilidad de los eventos Bj, por ejemplo de B1, P(B1)=(n11+n21)/ns=(40+60)/135=100/135=0.74 Se observa que el subndice correspondiente al evento B permanece constante en la suma del numerador n11+n21.

Generalizando, la probabilidad marginal de cualquier evento Bj puede calcularse P(Bj)=i=1nnij/ns, pero i=1nnij/ns=i=1nP(AiBj), por lo tanto P(Bj)=i=1nP(AiBj). En otra palabras la probabilidad de un evento Bj es igual a la suma de probabilidades conjuntas del evento Bj y los eventos Ai, la suma se realiza sobre los eventos Ai. Tambin se puede determinar la probabilidad marginal de cualquier evento Ai: P(Ai)=j=1nP(AiBj), en este caso la suma se realiza sobre los eventos Bj. Se puede demostrar que la suma de probabilidades marginales de los eventos Ai, o de los eventos Bj, es igual a uno, como se demuestra a continuacin: P(B1)=100/135=0.74 y P(A1)=55/135=0.4075 y P(B2)=35/135=0.26 P(A2)=80/135=0.5925 Por lo tanto i=12P(Ai)=1 Por lo tanto i=12P(Ai)=1 P(A1)+P(A2)=0.4975+0.5925=1 P(A1)+P(A2)=0.74+0.26=1

PROBABILIDAD DE EVENTOS INDEPENDIENTES


Regresando a la expresin anterior P(AB)=P(A)P(A|B). Si los eventos A y B son independientes entre s, esto significa que la ocurrencia de uno no depende de la ocurrencia del otro, por lo tanto la probabilidad condicional sera igual a la probabilidad de ocurra cualquier P(A|B)=P(A) y P(B|A)=P(B).

Sustituyendo en la expresin de probabilidad conjunta, tenemos P(AB)=P(A)P(B), siempre y cuando A y B sean eventos independientes entre s y se le denomina Ley de multiplicacin de eventos independientes.

Ejemplo: En una Olimpiada compiten tres arqueros para la final, la probabilidad de que den en el blanco son 1/2, 1/3 y 1/6. Si la final se define con un solo tiro por arquero. Calcular la probabilidad de que: a) Slo uno de en el blanco, b) los dos primeros den en el blanco y el tercero no y c) Ninguno da en el blanco. Solucin: a) Si i=1, 2, 3 es el orden de los tiros al blanco, se establecen los siguientes eventos: A={Slo un arquero da en el blanco}, Ai={El arquero Ai da en el blanco} y Aic={El arquero Aic no da en el blanco}. P(A)=P[(A1A2cA3c)U(A1cA2A3c)U(A1cA2cA3)] = P(A1)P(A2c)P(A3c)+P(A1c)P(A2)P(A3c)+P(A1c)P(A2c)P(A3) P(A)=(1/2)(2/3)(5/6)+(1/2)(1/3)(5/6)+(1/2)(2/3)(1/6)=0.4722 b) B={el primero y el segundo arqueros dan en el blanco y el tercero falla} P(B)=P(A1A2A3c)=P(A1)P(A2)P(A3c) P(B)=(1/2)(1/3)(5/6)=5/36=0.1388

c) B={El primero, el segundo y el tercer arqueros fallan} P(C)=P[(A1c A2c A3c)=P(A1c)P(A2c)P(A3c)=(1/2)(2/3)(5/8) P(C)=10/36=0.277

PROBABILIDAD TOTAL
Consideremos un eventos B y un conjuntos de eventos Ai que son mutuamente excluyentes entre si, AiAj=, ij, es decir, si tomamos dos eventos Ai diferentes su interseccin es el evento vaco, adems los eventos Ai son exhaustivos, Ui=1nAi=S, la unin de todos ellos cubre el espacio de eventos, como se muestra en la figura.
A1 A2 A4 .. A n-1 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

a) Probabilidad total de B, P(B)=P(A1B)+P(A2B), P(B)=P(A1)P(B|A1)+P(A2)P(B|A2)=0.6(0.02)+0.4(0.05)=0.032 b) Aplicando el Teorema de Bayes: P(A1|B)=P(A1)P(B|A1)/P(B)=0.6(0.02)/0.032=0.375