Facultad de Ciencias Técnicas

Departamento de Matemática
PROBABILIDADES Y ESTADÍSTICA

Tema II: Probabilidades y variables aleatorias

Conferencia # 4: Probabilidad condicional e independencia estadística. Probabilidad
total, fórmula de Bayes.

Sumario:
4.1 Probabilidad condicional e independencia estadística
4.2 Fórmula de Probabilidad Total y de Bayes.
4.3 Técnicas de conteo de puntos de la muestra.

Bibliografía:

Walpole, R.E. Probabilidad y estadística para ingenieros. Pág. 19 - 44

Objetivo:
 Identificar las expresiones matemáticas para el cálculo de probabilidades,
donde se utilice el concepto de probabilidad condicional.

Método de enseñanza: Exposición de ideas

Introducción:

La Teoría de Probabilidades y la Estadística Matemática, son disciplinas

matemáticas relativamente jóvenes por sí mismas, donde la Teoría de
Probabilidades, como teoría independiente, que incluye a su vez numerosas
disciplinas especiales y campos de aplicación, y como fundamento de la
estadística matemática, posee una significación particular.
La Teoría de las probabilidades se inicia a principio del siglo XVII, como resultado
de investigaciones sobre diversos juegos de azar realizados por algunos
matemáticos como: Huygens, Fermat, Pascal, Bernoulli y otros. Ya en los siglos
XVIII y XIX , los resultados teóricos probabilísticos fueron llevados a un sistema
único, construido sobre conceptos básicos rigurosamente definidos. Así surgía
la Teoría de Probabilidades como una nueva disciplina matemática, este hecho
fue consecuencia de diversos trabajos realizados por eminentes matemáticos de
la época como: Gauss, Laplace, De Moivre, Poisson, entre otros.
Son muchos los ejemplos de aplicación de esta ciencia a problemas prácticos,
pero además muchas disciplinas se benefician con sus teorías y métodos, como
son: la física, la química, la biología, la IO y todas las ramas de la ingeniería.
¿Qué es la Teoría de las Probabilidades? …… La teoría de probabilidades
proporciona modelos matemáticos para la descripción de fenómenos sujetos a
influjos casuales, y tiene como objetivo esencial la comprensión matemática de
las regularidades de los fenómenos aleatorios.
La teoría de probabilidades se construye de forma axiomática, de acuerdo con
un procedimiento probado y muy utilizado hoy en día, y se sirve en gran medida
de los métodos y resultados del análisis.

1
Puede decirse en sentido general que esta teoría es la parte de la matemática
que trata de cuantificar la incertidumbre. Por ejemplo cuando en el pronóstico del
tiempo se dice que la probabilidad de lluvia mañana es de 80%, no se afirma
que mañana será un día lluvioso, pero salga mañana con paraguas para evitar
un catarro.
Probabilidad condicionada es la probabilidad de que ocurra un evento A,
sabiendo que también sucede otro evento B. La probabilidad condicional se
escribe P(A|B), y se lee “la probabilidad de A dado B”.

4.1 Probabilidad condicional e independencia estadística

Probabilidad condicional:

Sea (S; A, P) un espacio de probabilidad, A y B eventos de ese espacio

tales que P(B) > 0; entonces la probabilidad condicional de A dado B (P(A|B)) es:
P( A  B)
P( A | B) 
P( B)
En primer lugar la probabilidad condicional cumple los axiomas dados en la
definición axiomática de probabilidad, es decir:

1. P(A|B) ≥ 0
2. P(B|B) = 1
n
3. P(A1 + A2 + …. + An | B) =  P( A | B)
i 1
i

Propiedades de la probabilidad condicional:

1. P(S|C) = 1
2. P(A|C) = 1, si CA
3. P(AB|C) = P(A|C) + P(B|C) – P(A  B|C)
4. P(Ac|C) = 1- P(A|C)

Ejemplo:
Sean los eventos A y B con P(A) = 1/2; P(B) = 1/3 y P(A▪B) = ¼
Hallar P(A|B); P(B|A) y P(Ac|Bc)

Solución:

De acuerdo a la definición de probabilidad condicional tenemos que:

1
P( A  B) 3
P( A | B)  por lo que P( A | B)  4 
P( B) 1 4
3
De forma similar se resuelve P(B|A)= 1/2

Observe que las probabilidades calculadas son diferentes, lo que manifiesta en

general, que al variar el evento considerado como ocurrido; varía la probabilidad
de ocurrencia de uno con respecto al otro.

2
Para calcular P(Ac|Bc) tendremos que usar varias propiedades, ya que:

P( A c  B c )
P( A c | B c )  pero Ac ▪ Bc = (A+B)c (ley de Morgan), por tanto:
P( B c )
P( A  B) c 1  P( A  B)
P( A c | B c )  
P( B c ) 1  P( B)

Además sabemos que P( A  B) = P(A) + P(B) – P(A▪B)

P( A  B) = 1/2 + 1/3 – 1/4 = 7/12

7
1
Por lo cual: P( A c | B c )  12  5
1 8
1
3

En ocasiones resulta más fácil calcular la probabilidad condicionada de forma

directa y entonces despejando la fórmula tenemos una variante para calcular la
probabilidad de la intersección de dos sucesos:
P A  B  P A B  PB  PB A  P A , esta última expresión se conoce como
regla de la multiplicación.

Ejemplo:

Un grupo de estudiantes de la escuela de Ingeniería Informática está compuesto

por un 70% hombres. Además se sabe que un 60% de los hombres y un 50% de
las mujeres fuman. Si se selecciona un estudiante aleatoriamente de dicha
escuela. ¿Cuál es la probabilidad de que sea una mujer fumadora?

Solución:

Definamos los eventos:

H = estudiante Hombre
M = estudiante Mujer
F = estudiante Fumador

Del enunciado del problema podemos inferir que:

P(H) = 0,7; por tanto P(M) = 0,3

Como lo expresado en el problema es que de los hombres, el 60% fuman y de

las mujeres fuman el 50%, estamos condicionando el hecho de fumar al de ser
hombre o mujer, por tanto:

P(F|H) = 0,6 y P(F|M) = 0,5

La probabilidad de que sea una mujer fumadora es P(F ▪ M), que calculamos
aplicando la regla de la multiplicación:

3
P(F ▪ M) = P(F|M) * P(M) = 0,5 * 0,3 = 0,15.

La regla de la multiplicación puede generalizarse para más de dos eventos. Por

ejemplo, dados los eventos A, B y C:

P(A ▪ B ▪ C) = P(A|B▪C) * P(B|C) * P(C), que se obtiene al aplicar sucesivamente

la regla de la multiplicación.

Independencia estadística.

Sean A y B eventos definidos en un mismo espacio muestral. Los eventos A y B

son estadísticamente independientes si y sólo si:
P(A  B) = P(A)  P(B)
De aquí se deduce que P A B  P A; PB A  PB

Las fórmulas que veremos a continuación facilitan el cálculo de las

probabilidades, porque sus expresiones nos indican una vía lógica para la
solución de algunos problemas.

4.2 Fórmula de la Probabilidad Total y de Bayes

Probabilidad Total

Veamos un ejemplo para después generalizar:

Ejemplo 2: Se tienen 3 urnas que contienen bolas negras y blancas. La
primera urna contiene 2 bolas negras y una blanca, la segunda urna contiene 5
bolas blancas y la tercera urna contiene 3 bolas negras y 4 blancas. Calculemos
la probabilidad de extraer una bola negra si se escoge una urna al azar y se
extrae de ella, aleatoriamente una bola.
Sea el evento B- Extraer una bola negra.
La probabilidad de B estará sujeta a la urna de donde se saque, por tanto
definamos los eventos:
A1- Seleccionar la urna 1
A2- Seleccionar la urna 2
A3- Seleccionar la urna 3
Veamos que aquí:
A1  A2  A3   A1  A2  A3  S (Son eventos excluyentes y
exhaustivos)
Además: B  B  A1   B  A2   B  A3 
Por tanto: PB   PB  A1   PB  A2   PB  A3 
De aquí: PB   PB A1 P A1   PB A2 P A2   PB A3 P A3 
Calculando: PB   2 1  0 1  3 1  2  0  1  23 63
3 3 3 7 3 9 7

Consideremos un experimento que se realiza en dos etapas: en la primera, los

sucesos posibles, A1; A2;….; An son mutuamente excluyentes y exhaustivos, con
probabilidades conocidas, P(Ai), tales que  P Ai   1. En la segunda etapa, los
resultados posibles, Bj, dependen de los de la primera, y se conocen las

4
probabilidades condicionadas PB j Ai  de obtener cada posible resultado Bj
cuando aparece en la primera etapa el Ai.

De forma general tenemos para un resultado B en particular:

n
PB    PB Ai P Ai  (Fórmula de la Probabilidad Total)
i 1

Fórmula de Bayes:

Esta fórmula nos permite calcular la probabilidad condicional de un evento

cualquiera perteneciente a una familia de eventos exhaustivos y mutuamente
excluyentes, si sabemos que ha ocurrido un evento B del espacio y conocidas
las probabilidades indicadas para el caso anterior.
Partiremos del mismo ejemplo:
- Supongamos ahora que conocemos que se ha extraído una bola
negra, pero queremos saber cuál es la probabilidad de que haya
sido seleccionada de la urna 1.
P( A1  B) PB A1 P A1 
2 1
Aquí se pide: P( A1 / B)    3 3  14 23
P( B) P B  23
63
De manera general podemos decir:
P( Ai  B)
P( Ai / B) 
P( B)
Aplicando la fórmula de la probabilidad total y para la intersección de eventos
tenemos:
PB Ai P Ai 
P Ai B   n (Fórmula de Bayes)
 PB A j PA j 
j 1

4.3 Técnicas de conteo de puntos de la muestra.

En ocasiones determinar el número de casos posibles y casos probables de un

determinado experimento aleatorio se convierte en un proceso complejo y se
debe necesariamente acudir a reglas matemáticas para resolver este problema:

a) Combinaciones: Determina el número de subgrupos de 1, 2, 3, etc. elementos

que se pueden formar con los "n" elementos de una nuestra. Cada subgrupo se
diferencia del resto en los elementos que lo componen, sin que influya el orden.

Por ejemplo, calcular las posibles combinaciones de 2 elementos que se pueden

formar con los números 1, 2 y 3.

Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el cálculo de

combinaciones las parejas (1,2) y (2,1) se consideran idénticas, por lo que sólo
se cuentan una vez.

5
Ejemplo: C10,4 son las combinaciones de 10 elementos agrupándolos en
subgrupos de 4 elementos:

Es decir, podríamos formar 210 subgrupos diferentes de 4 elementos, a partir

de los 10 elementos.

b) Variaciones: Calcula el número de subgrupos de 1, 2, 3, etc. elementos que

se pueden establecer con los "n" elementos de una muestra. Cada subgrupo se
diferencia del resto en los elementos que lo componen o en el orden de dichos
elementos (es lo que le diferencia de las combinaciones).

Por ejemplo, calcular las posibles variaciones de 2 elementos que se pueden

establecer con los números 1, 2 y 3.
Ahora tendríamos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1) y (3,3). En
este caso los subgrupos (1,2) y (2,1) se consideran distintos.

Combinaciones y variaciones con repetición:

Vamos a analizar ahora que ocurriría con el cálculo de las combinaciones y de

las variaciones en el supuesto de que al formar los subgrupos los elementos
pudieran repetirse.

Por ejemplo: tenemos bolas de 6 colores diferentes y queremos formar

subgrupos en los que pudiera darse el caso de que 2, 3, 4 o todas las bolas del
subgrupo tuvieran el mismo color. En este caso no podríamos utilizar las
fórmulas que vimos en la lección anterior.

a) Combinaciones con repetición:

Para calcular el número de combinaciones con repetición se aplica la siguiente
fórmula:

Ejemplo: C'10,4 son las combinaciones de 10 elementos con repetición,

agrupándolos en subgrupos de 4, en los que 2, 3 o los 4 elementos podrían estar
repetidos:

6
Es decir, podríamos formar 715 subgrupos diferentes de 4 elementos.

b) Variaciones con repetición:

Para calcular el número de variaciones con repetición se aplica la siguiente
fórmula:

Ejemplo: V'10,4 son las variaciones de 10 elementos con repetición,

agrupándolos en subgrupos de 4 elementos:

Es decir, podríamos formar 10.000 subgrupos diferentes de 4 elementos.

Conclusiones:

Con estos elementos hemos podido introducir los principios probabilísticos

aplicados a los experimentos aleatorios, es importante lograr una motivación en
los estudiantes para que sean capaces de desarrollar estas ideas, por lo que
debemos proponerles ejercicios que constituyan un verdadero reto para su
intelecto y otros que se apliquen en su labor de ingeniero.
En la medida que se interioricen los diferentes conceptos se podrá adquirir un
lenguaje adecuado sobre los diferentes aspectos del cálculo de probabilidades y
la lógica de su razonamiento que de forma general difiere algo de lo que se ha
visto hasta el momento.

Estudio Independiente:
Estudiar los ejemplos resueltos de las páginas 19 a la 44.