1.

Probabilidad
1.1) Propiedades basicas de la Probabilidad. Probabilidad condicionada.
Formula de las Probabilidades Totales. Formula de Bayes.
Propiedades b
asicas de la Probabilidad
La Teora de la Probabilidad es la parte de la Matematica que trata de explicar aquellos
fenomenos en los que interviene el azar: los fen
omenos aleatorios son aquellos fenomenos
fsicos en los que si repetimos la observacion de alguna caracterstica de dicho fenomeno, bajo
las mismas condiciones (hasta donde sea posible determinar), se pueden obtener diferentes
resultados, esto es, el resultado no puede ser predicho con total seguridad, aunque s se conozca
el conjunto de posibles resultados. Un fen
omeno determinista es aquel que no es aleatorio.
Ejemplos de fen
omenos aleatorios seran:
a) el lanzamiento de una moneda en el que se observa como caracterstica de interes que
lado de la moneda sale,
b) el lanzamiento de un dado en el que se observa como caracterstica de interes que cara
del dado sale,
c) se escoge un individuo al azar de una poblacion de personas adultas y se observa su peso
(en Kg),
d) se observa la ausencia o presencia de dioxinas en las hamburguesas de carne elaboradas
por cierta empresa c
arnica,
e) se observa el n
umero de microorganismos patogenos en muestras de embutidos envasados
en un supermercado,
f) se determina el porcentaje de calcio en los yogures desnatados de cierta marca.
El conjunto de resultados m
as sencillosque se pueden observar en un fenomeno aleatorio se
denota por y se llama espacio muestral . En los ejemplos:
a) = { cara, cruz }
b) = { 1, 2, 3, 4, 5, 6 }
c) = (40, 150)

(si este es el rango de pesos posible)

d) = { ausencia, presencia }

que se puede identificar con

= {0, 1}

e) = { 0, 1, 2, . . . } = N {0}
f) = [0, 100]
Cada uno de los elementos del conjunto se llama suceso elemental, y suceso(en general) un
subconjunto de cualquiera.
En el ejemplo b), {impar} y {2, 3, 4}, son dos sucesos. En el c), [100, 150) y (40, 60)
tambien lo son, por poner algunos ejemplos.
Dado que los sucesos son subconjuntos del espacio muestral , podemos utilizar con ellos
el algebra de conjuntos (uniones, intersecciones, complementario,...).
Recordemos algunas notaciones estandar. Si A y B son subconjuntos de (A, B )
usaremos las notaciones: A B (A union B), A B (A interseccion B), Ac (complementario
1

de A), B\A (B menos A), #A (cardinal del suceso A), A y B son disjuntos si A B = (se
dice que son sucesos incompatibles).
Dado un suceso A de un espacio muestral asociado a un fenomeno aleatorio, podemos
estar interesados en alg
un indicador del grado de confianzaque tenemos en que al realizar
una observaci
on del fen
omeno observemos precisamente un resultado que este en A (diremos
entonces que el suceso A se ha realizado). Este indicador es, precisamente, la probabilidad
del suceso A, que se escribe P (A), y es el valor al que tiende la frecuencia relativa del
suceso a medida que aumenta el n
umero de veces que observamos el fenomeno aleatorio. Las
propiedades b
asicas de la Probabilidad son:
1) 0 P (A) 1
2) P () = 1
3) P () = 0
4) P (A B) = P (A) + P (B) si A y B son disjuntos.
En general, para un n
umero finito de sucesos,
P (A1 An ) = P (A1 ) + + P (An )
decir, si Ai Aj = para todo i 6= j).

si A1 , . . . , An son disjuntos dos a dos (es

5) A B P (B\A) = P (B) P (A)

6) P (Ac ) = 1 P (A)
7) A B P (A) P (B)
8) P (A B) = P (A) + P (B) P (A B)
9) Si es finito y hay simetra entre los sucesos elementales, resulta que para todo suceso
A de , la probabilidad del suceso se obtiene as:
P (A) =

#A
casos favorables
=
#
casos posibles

Ejercicios:
1. Lanzamos dos veces consecutivas una moneda perfecta (en la que hay simetra en las dos
caras), de manera independiente. Que probabilidad tenemos de obtener dos valores diferentes (una cara y una cruz)?
2. Lanzamos un dado perfecto. Cu
al es la probabilidad de obtener un n
umero par? Y un
n
umero mayor que 4?
3. Lanzamos dos veces consecutivas un dado perfecto. Cual es la probabilidad de obtener
una suma de puntos de 8 o m
as? Y de obtener los mismos puntos con los dos dados? Y
de no obtener los mismos puntos?

4. Supongamos que las hortalizas de cierta explotacion agrcola tienen residuos de plaguicidas
con probabilidad 0.4, tienen residuos de plomo con probabilidad 0.3, y con probabilidad
0.25 tienen ambos. Cu
al es la probabilidad de que una hortaliza cogida al azar de la
explotaci
on tenga residuos de plaguicidas o de plomo? Y la probabilidad de que
no tenga residuos de plaguicidas? Y la probabilidad de que no tenga residuos de
plaguicidas o tenga residuos de plomo?
5. En una baraja espa
nola de 48 cartas, si escogemos una carta al azar, cual es la probabilidad de sacar un oro o una figura?
Probabilidad Condicionada
Dados dos sucesos A y B, con P (B) > 0, definimos la probabilidad de A condicionada por
B (o condicionada a B) como
P (A B)
P (A/B) =
P (B)
Una aplicaci
on habitual de la anterior definicion consiste en, conocidas P (A/B) y P (B) (>
0), obtener la probabilidad de la interseccion mediante
P (A B) = P (A/B) P (B)
Tambien tenemos que si P (B) > 0, P (Ac / B) = 1 P (A/B) .
Ejercicios:
6. En una baraja espa
nola de 48 cartas, si escogemos dos cartas al azar una detras de otra,
cual es la probabilidad de sacar dos figuras?
7. Y la probabilidad de que la primera carta sea una figura pero la segunda no?
Todos tenemos una idea intuitiva de lo que la independenciade dos sucesos debera
significar: la informaci
on acerca de la ocurrencia de uno de ellos no afecta a la probabilidad
de ocurrencia del otro. La definici
on es: se dice que dos sucesos A y B son independientes
si
P (A B) = P (A) P (B) y, en ese caso,
P (A/B) = P (A) (si P (B) > 0)

y P (B/A) = P (B) (si P (A) > 0)

Ejercicio 8. Si lanzamos un dado perfecto y consideramos los sucesos

A = {mayor que 2} = {3, 4, 5, 6}

y B = impar = {1, 3, 5} ,

son A y B sucesos independientes? Y son independientes los sucesos A y C, siendo C =

{1, 2, 3} ?
Ejemplo. En una competici
on de tiro con arco, dos de los arqueros, Arc1 y Arc2 , apuntan
a una diana y disparan simult
aneamente, una sola vez cada uno de ellos, sin interaccionar en
ning
un sentido. Se sabe por la informacion de competiciones anteriores que Arc1 acierta con
probabilidad 0.75 mientras que Arc2 lo hace con probabilidad 0.9. Nos preguntamos cual es
la probabilidad de que la diana haya sido alcanzada.

El espacio muestral natural asociado a este fenomeno aleatorio es

= { (Arc1 acierta, Arc2 acierta), (Arc1 acierta, Arc2 falla),
(Arc1 falla, Arc2 acierta), (Arc1 falla, Arc2 falla) } ,
y en el no hay simetra, pues la probabilidad de acertar no es la misma para los dos arqueros
y, ademas, para cada arquero no es igual de probable acertar que fallar, de manera que no
favorables
podemos usar la f
ormula casos
casos posibles para calcular las probabilidades.
Consideramos los sucesos A = {Arc1 acierta} y B = {Arc2 acierta} , que podemos asumir
que son independientes por referirse cada uno de ellos a uno de los arqueros, por lo que
tenemos que P (A B) = P (A) P (B) (aqu la independencia viene dada por las condiciones
del fenomeno aleatorio, esto es, la no interaccion en ning
un sentido de los arqueros en sus
lanzamientos).
Queremos calcular la probabilidad de que la diana haya sido alcanzada, P (A B) . Usaremos la formula para la probabilidad de la union, aprovechando que podemos calcular la
probabilidad de la intersecci
on como producto de probabilidades debido a la independencia:
P (A B) = P (A) + P (B) P (A B)
| {z }

=P (A) P (B)

= 0.75 + 0.9 0.75 0.9 = 1.65 0.675 = 0.975

F
ormula de las Probabilidades Totales. F
ormula de Bayes
Introduciremos ahora dos u
tiles f
ormulas a partir del siguiente ejemplo: en una determinada zona en la que el 45% de los individuos adultos son hombres se estudia cierta enfermedad.
La prevalencia de esta enfermedad en adultos (porcentaje de individuos que la padecen) se
conoce disgregada por sexos, y es de un 4% en hombres y un 1% en mujeres. Deseamos calcular la prevalencia global (esto es, sin disgregar) de la enfermedad, o porcentaje de individuos
enfermos en la poblaci
on.
El fenomeno aleatorio que estamos considerando es el de escoger un individuo adulto de la
zona al azar. Estamos interesados en calcular la probabilidad de que padezca la enfermedad
(la probabilidad multiplicada por 100 nos da la prevalencia). Como conocemos la prevalencia
disgregada por sexos, lo natural ser
a observar como caracterstica de interes del individuo dos
cosas: si est
a o no enfermo, y su sexo. Entonces, el espacio muestral (natural) asociado a este
fenomeno es:
= {hombre enfermo, hombre sano, mujer enferma, mujer sana}
Queremos obtener la probabilidad del suceso
E = {enfermo} = {hombre enfermo, mujer enferma} ,
pero tenemos el problema de que en no hay simetra (ya que la proporcion de los dos
favorables
sexos no es igual, por ejemplo). Entonces no podemos aplicar casos
casos posibles para calcularla
y lo tendremos que hacer de otra manera, utilizando las propiedades de la probabilidad.
Consideremos ahora tambien los sucesos
H = {hombre} y

M = {mujer} .

Entonces, podemos escribir los datos que conocemos as:

P (H) = 0.45, P (M ) = 1 0.45 = 0.55, P (E/H) = 0.04 y P (E/M ) = 0.01 .
4

Utilizando que = H M , siendo la union disjunta, tenemos que

P (E) = P (E ) = P (E (H M )) = P (E H) + P (E M )
{z
}
|
=(EH)(EM ) disjuntos

= P (E/H) P (H) + P (E/M ) P (M )

= 0.04 0.45 + 0.01 0.55 = 0.0235
Hemos determinado, por tanto, que la prevalencia global de la enfermedad es 2.35% (naturalmente, hemos obtenido un valor entre las dos prevalencias disgregadas por sexos; en realidad,
una media ponderada de ambas). La formula que hemos utilizado para calcular P (E), que es
P (E) = P (E/H) P (H) + P (E/M ) P (M )
se conoce como F
ormula de las Probabilidades Totales en general (en este caso tenamos
una particion de en dos trozos, H y M , pero en general pueden ser mas trozos y se hace de
manera analoga, condicionando a todos y cada uno de los trozos).
Si ahora escogemos un individuo adulto de la zona y sabemos que esta enfermo, que
probabilidad tiene de ser mujer? Nos hemos planteado, pues, el calculo de la probabilidad
P (M/E) cuando lo que en realidad conocemos es P (E/M ) = 0.01 (le queremos dar la vuelta
a la probabilidad condicionada). Para hacerlo pasaremos por la probabilidad de la interseccion,
P (M E), as
P (M/E) =

P (M E)
P (E/M ) P (M )
0.01 0.55
=
=
= 0.23404
P (E)
P (E)
0.0235

Esta manera de dar la vuelta para calcular la probabilidad condicionada,

P (M/E) =

P (E/M ) P (M )
P (E/M ) P (M )
=
P (E)
P (E/H) P (H) + P (E/M ) P (M )

es lo que se conoce como F

ormula de Bayes (notemos que en el denominador, para calcular
P (E), se utiliza la f
ormula de las probabilidades totales).