FACULTAD DE CIENCIAS EMPRESARIALES Y ECONÓMICAS

EXPERIMENTO ALEATORIO, ESPACIO MUESTRAL,

EVENTOS Y PROBABILIDADES
 Nociones de probabilidad
Con frecuencia nos hemos hecho preguntas sobre probabilidades. En muchos casos
tenemos una idea intuitiva de los que son las probabilidades.

¿Cuál es la
probabilidad ¿Cuál es la
de tener un probabilidad
accidente es de aprobar el
baja? curso?

¿Cuál es la ¿Cuál es la
probabilidad de ser probabilidad de
seleccionado para sacar 20 en un
un empleo ? examen?
 Conceptos básicos de probabilidad

 Es una medida numérica de la posibilidad de que ocurra un evento,

cuyo resultado no se puede predecir con certeza.

 Los eventos futuros no se pueden predecir con absoluta seguridad,

solo se puede llegar a aproximaciones de la ocurrencia o no del
evento.

 La técnica probabilística encuentra un valor entre 0 y 1, que nos

indicará:
 si es cercano a uno, es casi seguro que ocurrirá el evento.
 caso contrario si se aproxima a cero, es muy posible que dicho
evento no ocurrirá.
 Conceptos básicos de probabilidad
El cálculo de probabilidades nos suministra las reglas para el estudio de los
experimentos aleatorios, constituyendo la base para la estadística inductiva o inferencial.

Se denominan experimentos determinísticos, aquellos que realizados de una misma

forma y bajo las mismas condiciones iniciales, ofrecen siempre el mismo resultado (se
conoce el resultado del experimento antes de realizarlo).
 Experimento Aleatorio ()
 Es todo experimento, actividad o procedimiento empírico cuyo resultado
no se puede predecir con certeza.
Ejemplos:
1: Lanzar una moneda 2 veces y registrar el resultado que figura en la
parte superior.
2: Lanzar un dado y registrar el resultado que aparece en la cara superior.
3: Observar y registrar el número de clientes que ingresan a una tienda en
un día durante el transcurso de la mañana (de 9 a 12 am).
4: Lanzar un dado hasta obtener un 6 y registrar el número de
lanzamientos requeridos.
5: De una caja que contiene 3 bolas blancas y 5 rojas, extraer una bola y
observar el color.
6: : Observar y registrar el tiempo de vida de un componente eléctrico.
7: Observar y registrar el resultado obtenido por un equipo de básquet.
 Experimento Aleatorio ()
Condiciones de un experimento aleatorio

 Todo experimento aleatorio puede repetirse bajo las mismas

condiciones una infinidad de veces.

 Todos los resultados posibles pueden describirse con anticipación.

Es decir, el resultado que se obtenga pertenece a un conjunto de
resultados posibles previamente conocidos.

 Sin embargo, antes de realizar el experimento no se puede

predecir el resultado que se obtendrá.

No sabemos qué
resultado se obtendrá,
pero sí conocemos los
posibles resultados.
 Espacio Muestral ()
Es el conjunto de todos los resultados posibles de un experimento
aleatorio y se denota mediante la letra  o por S. Los espacios
muestrales pueden ser finitos o infinitos.

El número de elementos de un espacio muestral se denota por n().

Ejemplos:
1 ={(c, c), (c, s) (s, c), (s, s)}
2 ={1, 2, 3, 4, 5, 6}
3 ={0. 1, 2, 3, 4, 5, ….n}
4 ={1, 2, 3, 4, . …… …n }
5 ={blanca, roja}
6 ={t  R / t > 0}
7 ={Gana, pierde, empata}
 Punto Muestral ()
Es cada resultado de un experimento aleatorio. Es decir, los elementos de
un espacio muestral  se denominan puntos muestrales y se denotan por w
(o por s).

Ejemplos:
1 =(c, c)
2 = 2
3 = 30
4 = 9
5 = blanca
6 = 125.36 horas
 = Gana
 Evento o Suceso
Es un subconjunto del espacio muestral. Se denota con una
letra mayúscula; por ejemplo: A, B, C,…A1, A2…., B1,
B2….Si la notación es A, el número de elementos de un
evento es denotado por n (A)

Tipos de eventos:

 Evento simple o elemental. Contiene sólo un elemento

del espacio muestral.
Ejemplo:
En el experimento 2, lanzar un dado y registrar el resultado,
A = {2} es un evento simple.

Número de elementos u ocurrencias del evento : n(A) = 1

 Tipos de eventos
 Evento compuesto. Contiene al menos 2 elementos del
espacio muestral.
Ejemplo: A = {2, 5}
Número de elementos u ocurrencias del evento : n(A) = 2

 Evento seguro o universal. Es el espacio muestral.

Ejemplo: A = {1, 2, 3, 4, 5, 6}
Número de elementos u ocurrencias del evento : n(A) = 
 Evento imposible, nulo o vacío. No contiene ningún
elemento del espacio muestral.
Ejemplo: A = { }
Número de elementos u ocurrencias del evento : n(A) = 0
 Tipos de eventos
 Eventos mutuamente excluyentes (incompatibles o disjuntos).
Dos eventos A y B definidos sobre un espacio muestral son
mutuamente excluyentes si no tienen elementos comunes; es
decir, si no pueden ocurrir simultáneamente. (A B = ).

Ejemplo:
En el experimento 1, lanzar un dado y registrar el resultado, los
eventos A = { 2, 6} y B = {1, 3} son mutuamente excluyentes.
Número de ocurrencias del evento A : n(A) = 2
Número de ocurrencias del evento B: n(B) = 2


A B
 Tipos de eventos
 Eventos colectivamente exhaustivos. Dos eventos A y B
definidos sobre un espacio muestral son colectivamente
exhaustivos si son mutuamente excluyentes y su unión es el
espacio muestral. (A U B = ).
Ejemplo:
En el experimento 1, lanzar un dado y registrar el resultado, los
eventos A = {2,4,6} y B = {1,3,5} son complementarios.
Número de ocurrencias del evento A : n(A) = 3 Número de ocurrencias
del evento B: n(B) = 3


B
A
 Operaciones con eventos
Sean los eventos A y B definidos en un mismo espacio muestral :

a) Intersección de Eventos A  B
Dados dos eventos A y B, se llama evento intersección de A y B, y
se representa por A  B, al evento que ocurre si y sólo si, se
realizan simultáneamente A y B.

A∩B={w / wA y wB}


A B “El evento A∩B ocurre, si los
dos eventos A y B ocurren”.

A∩B
 Operaciones con eventos
Propiedades de la intersección
1. A   = 

2. A  A = A

3. A   = A

4. A  B = B  A

5. A  (B  C) = (A  B)  C

6. (AUB)∩C =(A∩C)U(B∩C)

7. (A∩B)UC =(AUC)∩(BUC)
 Operaciones con eventos

b) Unión de Eventos A B
Dados dos eventos A y B se llama unión de A y B, y se
representa por AB, al evento que se realiza cuando ocurre
alguno de ellos, A o B.

AUB={w / wA ó wB}

 


A B “El evento AUB ocurre, si

al menos uno de los dos
eventos A ó B ocurren”.
 Operaciones con eventos
Propiedades de la unión

1. A U  = A

2. A U A = A

3. A U  = 

4. AUB = BUA

5. AU(BUC) = (AUB) U C
 Operaciones con eventos
c) Complemento :
El complemento de A, que se denota A , se define como el evento
formado por los elementos de  que no están en A. También se le
denomina evento opuesto o contrario.

A = {w  / w  A}

A
A “El evento A ocurre, si el
evento A no ocurre”.
 Operaciones con eventos

d) Diferencia de eventos
La diferencia entre A y B , expresado por A – B , es el conjunto de
elementos pertenecientes al evento A pero no a al evento B.
 
A-B={w / wA y wB}= A∩B


A B “El evento A-B ocurre, si el
evento A ocurre, pero el evento
B no ocurre”. Es decir, si
solamente A ocurre
A-B = A∩B= A – (A∩B)
 Operaciones con eventos
e) Diferencia Simétrica:
La diferencia simétrica de A y B, que se denota AB, es el evento formado
por todos los elementos que están en A pero no en B ó los que están en B
pero no en A.

A  B={w / w(A-B) ó w(B-A)}= (A-B)U(B-A)

= (A∩B)U(B∩A)
= (AUB) – (A∩B)

A

B “El evento AB ocurre, si
ocurren solamente A ó
solamente B”.

A-B = A∩B = A – (A∩B) B-A =B∩A = B– (A∩B)

 Eventos o Sucesos (Resumen)
Ω
 Cuando se realiza un experimento aleatorio diversos resultados son
posibles. El conjunto de todos los resultados posibles se llama
espacio muestral (Ω).

 Se llama evento a un subconjunto de dichos resultados.

 Se llama evento contrario (complementario) de un evento A, A’, al

formado por los elementos que no están en A.

 Se llama evento unión de A y B, AUB, al formado por los elementos

que están en A o en B (incluyendo los que están en ambos).

 Se llama evento intersección de A y B, A∩B ó simplemente AB, al Ω

formado por los elementos que están en A y B.

Ω Ω A
A’
UNIÓN INTERSECCION
A A

B B
 Particiones
Una partición de un espacio muestral  es una colección de
eventos mutuamente excluyentes:
 E1 , , En  , Ei∩Ej = Φ, i≠j,
cuya unión es la totalidad del espacio muestral 
(son colectivamente exhaustivos)

E1  E2  E3   En  
Ω

E1 E2 E3 ….. En
 a) Eventos mutuamente excluyentes
b) Particiones
c) Complemento
 PROBABILIDAD

Es un número entre 0 y 1 inclusive, que mide la

“posibilidad” de ocurrencia de un evento específico,
que es el resultado de un experimento.

0  P[ocurra un evento]
1
 Probabilidad
Enfoques de la probabilidad

Definición clásica o a priori

Si un experimento aleatorio tiene n() puntos muestrales

mutuamente excluyentes e igualmente posibles, y si n(A) de
estos puntos muestrales presentan una característica tal como
A, entonces la probabilidad de ocurrencia del evento A es:

n(
A
) Nde
punt
mº de
Aues
os
P
(
A
) 
n
(
) Nt
de
punt
ot
º
del
espac
al
mueos
 EJEMPLO 1:
En el lanzamiento de un dado ¿Cuál es la probabilidad de
obtener un número par?

ε : Lanzar un dado y observar la cara superior

Ω= {1, 2, 3, 4, 5 y 6}

n(Ω) = 6
Sea A el evento “Obtener un número par” 
A = {2, 4 y 6}; n(A)= 3
1 2 A
n A  3
P A     0.5 3 4
n  6 5 6
 Probabilidad
Enfoques de la probabilidad
Definición de probabilidad a partir de frecuencias relativas
Si un experimento aleatorio se repite n veces bajo las mismas
condiciones y nA resultados están a favor de un evento A, la
frecuencia relativa del evento A es:
nA
frA 
n
Cuando n es grande:n  , entonces la probabilidad del evento A
es: f
P A   A
n
En este caso, la frecuencia relativa del evento A proporciona una
estimación de la probabilidad real del evento A.
 Probabilidad
EJEMPLO 1:
Una moneda es lanzada 1000 veces y se obtienen los siguientes resultados: Cara
440 veces y Sello 560 veces. Entonces, la frecuencia relativa del evento
A = {cara} es 0.44 (440/1000).

EJEMPLO 2:
A continuación se presenta información sobre los alumnos matriculados en tres
carreras de una Escuela de Negocios. ¿Cuál es la probabilidad que un estudiante
estudie Administración?

Estudiantes según Carrera

en una universidad
P(A) = 449/1,000 Facultad fj hj(%)

P(A) = 0.4490 Administración 449 44,90%

Contabilidad 387 38,70%
Economía 164 16,40%
Total 1000 100,00%
EJEMPLO 3:

Una encuesta a los estudiantes de licenciatura de una Escuela de Negocios,

reveló lo siguiente con respecto al género y área de especialización de los
estudiantes:

a) ¿Cuál es la probabilidad de seleccionar una alumna?

b) ¿Cuál es la probabilidad de seleccionar un estudiante de la especialidad de

Negocios Internacionales?
a) Probabilidad de seleccionar una alumna
F : Alumnos de género femenino.
fF= 200
f F 200
P F  
n = 500
 0.4
n 500
b) Probabilidad de seleccionar un estudiante de la especialidad
de Negocios Internacionales.
N : Alumnos de la especialidad de Negocios Internacionales.
fN= 100
n= 500
f N 100
P N     0.2
n 500
 Axiomas de Probabilidad
Primer Axioma
La probabilidad de un evento A  , sólo puede tener valores que están entre 0 y
1: 0  P(A)  1.

Segundo Axioma
La probabilidad del espacio muestral es igual a la unidad. Esto es, P(Ω) = 1.

Tercer Axioma

Dados los eventos A y B  ,

mutuamente excluyentes, entonces:
P(A  B) = P(A) + P(B)
 Teoremas de Probabilidad
4) Si A y B  , son eventos cualquiera que no son mutuamente
excluyentes, entonces:

P(A  B) = P(A) + P(B) – P(A  B)

5) Si A, B y C  , son eventos cualquiera, entonces:

P(A  B  C) = P(A) + P(B) +P(C)
– P(A  B) – P(A  C) – P(B  C)
+ P(A  B  C)

6) Leyes de Morgan
(A U B)’ = A’∩B’
(A ∩ B)’ = A’UB’
EJEMPLO 4:

Una encuesta a los estudiantes de licenciatura de una

Escuela de Negocios, reveló lo siguiente con respecto al
género y área de especialización de los estudiantes.
a) ¿Cuál es la probabilidad de seleccionar a alguien que tenga como
área de especialización Negocios Internacionales o Contabilidad?

N : Alumnos con área de especialización Negocios Internacionales

fN= 100
n = 500 ; P(N) = 100/500

C : Alumnos con área de especialización en Contabilidad

fC= 200
n=500; P (C) = 200 /500

Aplicando el tercer axioma:

100 200 300
P (N U C)     0.60
500 500 500
b) ¿Cuál es la probabilidad de seleccionar a un estudiante mujer ó a
alguien que tenga como área de especialización Contabilidad?

F : Estudiante mujer.
fN= 200
n = 500 ; P(F) = 200/500

C : Alumnos con área de especialización en Contabilidad

fC= 200
n=500; P (C) = 200 /500

Aplicando el tercer axioma:

200 200 100 300
P (F U C)      0.60
500 500 500 500
 EJEMPLO 5 A): Probabilidad del Complemento
En un salón de clases de 100 alumnos, 60 son mayores de edad ¿Cuál es la
probabilidad de escoger al azar un estudiante que no sea mayor de edad?
En este caso:
El experimento es seleccionar al azar un estudiante , y el evento A, es tal
que:
A : El estudiante seleccionado es mayor de edad
n(Ω)=100
A
A 40
40 60 P( A)   0.4
100

n( A) 60 40
P( A)  1  P ( A)  1 
Empleando el teorema:  1   0.4
n ( ) 100 100
 EJEMPLO 5 B): Probabilidad de la Unión
Si además en el aula hay 50 estudiantes hombres, de los que 25 son mayores
de edad; ¿cuál es la probabilidad de seleccionar al azar un estudiante que sea
mayor de edad o mujer?
Sea el evento B: la estudiante seleccionada es una mujer

Mayor de No mayor de 35
Edad (A) Edad (A´) Total A
Mujer
(B) 35 15 50 2
5 15
Hombre
(B´) 25 25 50 25 B
Total 60 40 100

n(AUB) 25  35  15 75
P(AUB)     0.75
n() 100 100
 Probabilidad de la Unión

A 35

50
60 B

P(AB)=P(A)+P(B)–P(AB)

60 50 35 75
P (AUB)      0.75
100 100 100 100
 EJEMPLO 5 C): Probabilidad con leyes de Morgan
Mayor de No mayor de
Edad (A) Edad (A´) Total
Mujer
(B) 0.35 0.15 0.50
Hombre
(B´) 0.25 0.25 0.50
Total 0.60 0.40 1.00

¿Cuál es la probabilidad de seleccionar al azar un estudiante que no sea mayor de

edad ó no sea mujer?
P ( A  B)  P ( A  B )  1  P ( A  B )
P ( A  B)  1  0.35  0.65
¿Cuál es la probabilidad de seleccionar al azar un estudiante que no sea mayor de
edad y que no sea mujer (es decir, que no sea mayor de edad ni mujer)?
P ( A  B)  P ( A  B )  1  P ( A  B )

P ( A  B)  1  0.75  0.25

EJEMPLO 6:
La probabilidad de que el sábado un alumno vaya al cine es
0.25, de que haga deporte 0.2 y de que haga ambas cosas
0.08.
 ¿Cuál es la probabilidad de que vaya al cine o haga
deporte?

 ¿Cuál es la probabilidad de que haga deporte y que

no vaya al cine?

 ¿Cuál es la probabilidad de que haga deporte o no

vaya al cine?

 ¿Cuál es la probabilidad de que no haga deporte o

no vaya al cine?
Puede observarse también que:

P A  B
P B / A   , si P(A)  0
P A 

- Primer Axioma: 0  P(A / B)  1.

- Segundo Axioma: P(Ω/ B) = 1.
- Tercer Axioma: Para 2 eventos mutuamente excluyentes,
A1 y A2 se tiene que:
P((A1 U A2) / B) =P(A1 / B) + P(A2 / B)
 Teoremas de la Probabilidad Condicional

1) P( / B ) = 0

2) P(A / B) = 1– P(A’ / B) ó P(A’ / B) = 1 – P(A / B)

3) A  C, entonces P(A / B)  P(C / B)

4) P( (A  C) / B ) = P(A / B) + P(C / B)– P( (A  C) / B )

 Teorema de Multiplicación

Sean los eventos A y B  , se denomina Teorema

Multiplicación a:

P( A  B) = P(A) P(B / A)= P(B) P(A / B)

Este resultado se origina a partir de la definición de

probabilidad condicional.
 Eventos Independientes

Se dice que el evento A es independiente del evento B, si la

probabilidad de que el evento A ocurra no está influenciada por la
ocurrencia del evento B. Por lo tanto:

P(A / B) = P(A)
P(B / A) = P(B)
 Eventos Independientes
En consecuencia, A y B son independientes si:

P(A  B) = P(A) P(B)

El resultado anterior se puede generalizar para tres o más eventos.

Si dos eventos son independientes también lo serán sus
complementos.
 Eventos Independientes

Si A y B son independientes, también lo son sus

complementos:

P(A´ B) = P(A´) P(B)

P(A  B´) = P(A) P(B´)
P(A´ B´) = P(A´) P(B´)
EJEMPLO 8:

Una encuesta a los estudiantes de licenciatura de una Escuela de

Negocios, reveló lo siguiente con respecto al género y área de
especialización de los estudiantes :
 Si se selecciona al azar a un estudiante, dado que es de género
femenino ¿Cuál es la probabilidad de que tenga como área de
especialización Administración ?

A : Alumnos de la especialidad de Administración.

B : Alumnas de género femenino.

f A B 50
P A  F   P F 
f B 200

n 500 n 500
50
P A  F 50
P A / F   500   0.25
P F 200 200
500
 MAYOR DE 21 AÑOS
CLASIFICACION TOTAL
NO (M') SI (M)
EJEMPLO 9: ADMINISTRACION (A) 189 280 469
CONTABILIDAD (C) 108 359 467
ECONOMIA (E) 6 58 64
TOTAL 303 697 1000

Se ha repetido en 1,000 ocasiones el experimento de elegir a una estudiante

mujer de la población de estudiantes de una Escuela de Negocios. El resultado
está en la tabla.

a) ¿Cuál es la probabilidad de que una estudiante mujer sea estudiante de

Economía?

P(E)=64/1000=0,064= 6,4%
 MAYOR DE 21 AÑOS
CLASIFICACION TOTAL
NO (M') SI (M)
ADMINISTRACION (A) 189 280 469
EJEMPLO 9: CONTABILIDAD (C) 108 359 467
ECONOMIA (E) 6 58 64
TOTAL 303 697 1000
b) ¿Cuál es la probabilidad que una mujer estudie Contabilidad o Economía?
P(CUE)=467/1000 + 64/1000= 0,531
• Estudiar Contabilidad y estudiar Economía son eventos disjuntos
• Es decir: C∩E=ɸ
P(C∩E) = 0

c) ¿ Cuál es la probabilidad que una mujer estudie Economía o sea mayor de 21 años?
P(EUM)=64/1000 + 697/1000 - 58/1000= 0,703
• Estudiar Economía y ser mayor de 21 años no son eventos disjuntos
• Es decir: E∩M≠ɸ

d) ¿ Cuál es la probabilidad que una mujer estudie Administración?

P(A)=469/1000= 0,469
P(A)=1-P(A’)=1-P(CUE)
=1-0,531= 0,469
 MAYOR DE 21 AÑOS
CLASIFICACION TOTAL
NO (M') SI (M)
EJEMPLO 9: ADMINISTRACION (A) 189 280 469
CONTABILIDAD (C) 108 359 467
ECONOMIA (E) 6 58 64
TOTAL 303 697 1000

e) Si una estudiante es mayor de 21 años… ¿Cuál es la probabilidad que estudie economía ?

58
P E  M  1,000 58
P E de
f) ¿Cuál es la probabilidad de ser mayor /M 21 años
 y estudie Economía?
   0.0832
P(M∩E) = 58/1000= 0,058 P M  697 697
1,000

P(E|M) =58/697= 0,0832

Otra forma (teorema de multiplicación):

P(M∩E)= P(M) x P(E/M)

697 58 58
 *   0,058
1000 697 1000
 MAYOR DE 21 AÑOS
CLASIFICACION TOTAL
NO (M') SI (M)
EJEMPLO 9: ADMINISTRACION (A) 189 280 469
CONTABILIDAD (C) 108 359 467
ECONOMIA (E) 6 58 64
TOTAL 303 697 1000

¿Son independientes los eventos mayor de 21 años y estudiante de Economía?

Una forma:
P(E)=64/1000= 0,064
P(E/M)=58/697= 0,0832

No se cumple que: P(E/ M) = P(E)

luego No son independientes

Otra forma:
P(M∩E)=58/1000 = 0,058
P(M) x P(E)=(697/1000) x (64/1000) = 0,045
La probabilidad de la intersección no es igual al producto de probabilidades,
luego, No son independientes.
 Partición de un espacio muestral
Se dice que la colección de eventos A1, ..., Ak  , es una
partición de , si y sólo si: A  
i

1) Si P(Ai ) > 0,  i = 1, ..., k

2) Si los eventos A1, ..., Ak son mutuamente excluyentes (o
disjuntos); esto es, Ai  Aj = .
3) Si los eventos A1, ..., Ak son colectivamente exhaustivos; esto es:
A1 U A2 U….U Ak= 
 Sistema exhaustivo y excluyente de eventos

A1 A2 Son una colección de eventos:


A1, A2, A3, A4…
Tales que la unión de todos ellos
forman el espacio muestral, y sus
intersecciones son disjuntas.
¿Recuerda cómo son los
intervalos en tablas A de
1
A3 A4 frecuencias?
A2
Evento
seguro
A3

A4
Todo evento B, puede ser descompuesto en componentes de dicho sistema.
B = (B∩A1)U(B∩A2)U(B∩A3)U(B∩A4)
4

A1 A2 B  ( B  Ai )
i 1

A1 B

B A2 B
Evento

seguro
A3 B
A3 A4
A4 B

Nos permite descomponer el problema B en sub problemas más simples.

 Teorema de la probabilidad total

A1 A2 Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
B
eventos, entonces podemos calcular la
probabilidad de B.
P(B|A1)
A1 B
P(A1)
A3 A4 P(B|A2)
P(A2) A2 B
Evento

seguro
P(A3)
P(B|A3)
A3 B
P(A4)
A4 P(B|A4)
P(B) = P(B∩A1) + P(B∩A2) + P(B∩A3) + P(B∩A4) B

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

 P( A ) P( B / A )
11
i i
 Teorema de la Probabilidad Total

Sean A1, A2, . . . AK cualquier partición de un espacio muestral 

y sea B un evento cualquiera de dicho espacio muestral,
entonces la probabilidad del evento B es:

k k
P
(
B
)
P
(
B
A)
i
P
(
B|)
AiP(
A
i

i
)
i 
ii
 Teorema de Bayes
Si conocemos la probabilidad de B
en cada uno de los componentes de
A1 A2 un sistema exhaustivo y excluyente
de eventos, entonces…
…si ocurre B, podemos calcular la
probabilidad de ocurrencia de cada
A i.
B

A3 A4 P(B  A i )
P(A i /B) 
P(B)
donde P(B) se puede calcular usando el teorema de la probabilidad total:
P(B)=P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 )
=P(B|A1) P(A1) + P(B|A2) P(A2) + …

P( B)   P( A ) P( B / A )
11
i i
 Teorema de Bayes
Sean A1, A2, . . . AK cualquier partición de un espacio muestral
 y sea B un evento cualquiera no nulo de dicho espacio
muestral, entonces se tiene que :

P()
A
iP(|
B A)
P(B  A i ) P
(
Ai|B
) i
P(A i /B)  k
P(B) P()
AiP
(|
B Ai

)
ii

El teorema de Bayes puede deducirse a partir de la definición

de probabilidad condicional, la regla de la multiplicación y el
teorema de la probabilidad total.
EJEMPLO 10:
En una empresa, el 70% de los trabajadores son mujeres. De ellas el
10% son fumadoras. De los hombres, son fumadores el 20%.
T. Probabilidad Total.
Hombres y mujeres forman un sistema exhaustivo y excluyente de eventos

F: Fuma
a) ¿Qué porcentaje de fumadores hay?
0,1
• P(F) = P(M∩F) + P(H∩F) M: Mujer0,9
0,7
= P(M)P(F|M) + P(H)P(F|H) F´: No fuma

=0,7 x 0,1 + 0,3 x 0,2 Trabajador

= 0,13 13% 0,3 0,2

F: Fuma
Las rutas a Eventos: H: Hombre
través de nodos M: Trabajadora mujer.
H: Trabajador hombre. 0,8
representan
F: Fumador. F´: No fuma
intersecciones. F´: No fumador.
 ¿Qué porcentaje de fumadores hay?
P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13 (resuelto en la diapositiva anterior)

b) Si elije a un individuo al azar y es… fumador ¿Cuál es la

probabilidad de que sea un hombre? Fuma 0,1

Mujer
0,9
0,7 No fuma
Trabajador

0,3 0,2
Fuma
Hombre
P( H  F ) P( H )  P( F | H )
P( H | F )   
P( F ) P( F ) 0,8 No fuma
0,3  0,2
  0,46
0,13
EJEMPLO 11:

El mercado de consumo de café en Lima se encuentra distribuido de

la siguiente manera:

25% para la marca K, 45% para la marca N y el resto para la marca

A. De los consumidores de la marca K, 20% consume café clásico y
el resto café descafeinado. De los consumidores de la marca N, 40%
consume café descafeinado y el resto café clásico. De los
consumidores de la marca A, 30% consume café clásico y el resto
café descafeinado.
EJEMPLO 11:

Definiendo los eventos:

B: Consumidor de café clásico.

B’ : Consumidor de café descafeinado.
 EJEMPLO 11:

a) Si se elige un consumidor de café al azar, ¿cuál es la

probabilidad de que consuma café clásico?

Consumidor

P(B´) = 1- 0.41 = 0.59 (probabilidad de que elegido un consumidor de café al azar, consuma
café descafeinado).
 EJEMPLO 11:
b) Si se elige un consumidor de café al azar y se encuentra que
consume café descafeinado, ¿cuál es la probabilidad de que consuma
café de la marca N?

Consumidor