Probabilidad Condicionada

Es la probabilidad de que ocurra un evento A, sabiendo que tambin

sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee la
probabilidad de A dado B.

No tiene por qu haber una relacin causal o temporal entre A y B. A puede

preceder en el tiempo a B, sucederlo o pueden ocurrir simultneamente. A puede
causar B, viceversa o pueden no tener relacin causal. Las relaciones causales o
temporales son nociones que no pertenecen al mbito de la probabilidad. Pueden
desempear un papel o no dependiendo de la interpretacin que se le d a los
eventos.

El condicionamiento de probabilidades puede lograrse aplicando el

teorema de Bayes.

Definicin

Dado un espacio de probabilidad y dos eventos (o sucesos)

con , la probabilidad condicional de A dado B est definida como:

se puede interpretar como, tomando los mundos en los que B se

cumple, la fraccin en los que tambin se cumple A.

Interpretacin
 se puede interpretar como, tomando los mundos en los que B se
cumple, la fraccin en los que tambin se cumple A. Si el evento B es, por
ejemplo, tener la gripe, y el evento A es tener dolor de cabeza, sera la
probabilidad de tener dolor de cabeza cuando se est enfermo de gripe.

Grficamente, si se interpreta el espacio de la ilustracin como el espacio de todos

los mundos posibles, A seran los mundos en los que se tiene dolor de cabeza y B
el espacio en el que se tiene gripe. La zona verde de la interseccin representara
los mundos en los que se tiene gripe y dolor de cabeza . En este caso
, es decir, la probabilidad de que alguien tenga dolor de cabeza
sabiendo que tiene gripe, sera la proporcin de mundos con gripe y dolor de
cabeza (color verde) de todos los mundos con gripe: El rea verde dividida por el
rea de B. Como el rea verde representa y el rea de B representa a
, formalmente se tiene que:

[editar] Propiedades

1.
2.
3.

La proporcin de zona verde dentro de B es la misma que la de A en todo el

espacio y, de la misma forma, la proporcin de la zona verde dentro de A es la
misma que la de B en todo el espacio. Son sucesos dependientes.

[editar] Independencia de sucesos

Artculo principal: Independencia (probabilidad).

Dos sucesos aleatorios A y B son independientes si y slo si:

O sea que si A y B son independientes, su probabilidad conjunta,

puede ser expresada como el producto de las probabilidades individuales.

Equivalentemente:

En otras palabras, si A y B son independientes, la probabilidad condicional de A

dado B es simplemente la probabilidad de A y viceversa.

[editar] Exclusividad mutua

Los conjuntos A y B no intersecan. Son mutuamente excluyentes.

Dos sucesos A y B son mutuamente excluyentes si y slo si .

Entonces, .

Adems, si entonces es igual a 0.

[editar] La falacia de la probabilidad condicional

La falacia de la probabilidad condicional se basa en asumir que P(A|B) es casi

igual a P(B|A). El matemtico John Allen Paulos analiza en su libro El hombre
anumrico este error muy comn cometido por personas que desconocen la
probabilidad.

La verdadera relacin entre P(A|B) y P(B|A) es la siguiente:

 (Teorema de Bayes)

[editar] Problemas de ejemplo

---La paradoja del falso positivo---

La magnitud de este problema es la mejor entendida en trminos de

probabilidades condicionales.

Supongamos un grupo de personas de las que el 1 % sufre una cierta

enfermedad, y el resto est bien. Escogiendo un individuo al azar:

Supongamos que aplicando una prueba a una persona que no tiene la

enfermedad, hay una posibilidad del 1 % de conseguir un falso positivo, esto es:

Finalmente, supongamos que aplicando la prueba a una persona que tiene la

enfermedad, hay una posibilidad del 1 % de un falso negativo, esto es:

Ahora, uno puede calcular lo siguiente:

La fraccin de individuos en el grupo que estn sanos y dan negativo:

La fraccin de individuos en el grupo que estn enfermos y dan positivo:

La fraccin de individuos en el grupo que dan falso positivo:

La fraccin de individuos en el grupo que dan falso negativo:

Adems, la fraccin de individuos en el grupo que dan positivo:

Finalmente, la probabilidad de que un individuo realmente tenga la enfermedad,

dado un resultado de la prueba positivo:

En este ejemplo, debera ser fcil ver la diferencia entre las probabilidades
condicionadas P (positivo | enfermo) (que es del 99 %) y P (enfermo | positivo)
(que es del 50 %): la primera es la probabilidad de que un individuo enfermo d
positivo en la prueba; la segunda es la probabilidad de que un individuo que da
positivo en la prueba tenga realmente la enfermedad. Con los nmeros escogidos
aqu, este ltimo resultado probablemente sera considerado inaceptable: la mitad
de la gente que da positivo en realidad est sana.

La probabilidad de tener una enfermedad rara es de 0,001:

La probabilidad de que cuando el paciente est enfermo se acierte en el

diagnstico es de 0,99:

La probabilidad de falso positivo es de 0,05:

Pregunta: Me dicen que he dado positivo, Qu probabilidad hay de que tenga la

enfermedad?
PROBABILIDAD CONDICIONAL

En esta seccin examinaremos como la probabilidad de ciertos eventos depende o

se ve influida por la ocurrencia de otros. Para ello veremos algunos ejemplos.

Ejemplo 27: Se seleccionan dos semillas aleatoriamente, una por una, de una
bolsa que contiene 10 semillas de flores rojas y 5 de flores blancas. Cul es la
probabilidad de que:

a. La primera semilla sea roja?

b. La segunda semilla sea blanca dado que la primera fue roja?

Solucin:

a. La probabilidad de que la primera semilla sea roja es , puesto que hay

10 semillas de flores rojas de un total de 15. Escrito con notacin de

probabilidad tenemos:
b. La probabilidad de que la segunda semilla sea blanca se ve influida por lo
que sali primero, es decir esta probabilidad est sujeta a una condicin, la
de que la primera semilla sea roja. Este tipo de probabilidad se le llama
probabilidad condicional y se denota por

, y se lee: la probabilidad de B2 dado R1.

Esta probabilidad , puesto que todava hay 5 semillas blancas en un
total de 14 restantes.

Veamos la situacin en un diagrama de rbol:

Definicin de Probabilidad Condicional: Para dos eventos

cualesquiera A y B en un espacio muestra S, tales que P(A) > 0 con
P(A) 0, la probabilidad del evento B dado el evento A, se define

por .

Ejemplo 28: Una persona lanza una moneda 3 veces, Cul es la probabilidad de
obtener 3 guilas dado que sali por lo menos un guila?

Solucin: El espacio muestra del experimento de lanzar una moneda 3 veces es

S = {aaa, aas, asa, ass, saa, sas, ssa, sss}

El evento A de que por lo menos hay un guila en los tres lanzamientos es:

A = {aaa, aas, asa, ass, saa, sas, ssa}

El evento B de que obtenga 3 guilas es B = {aaa}

Por lo tanto, A B ={aaa} y

De donde

Ntese que es la probabilidad de una ocurrencia en las siete que son

posibles en A; es decir, calcular la probabilidad condicional de B dado A es como
calcular la probabilidad de B con relacin al conjunto A, como si ste fuera un
nuevo espacio muestra S* = A.

Proposicin 3.5: Para dos eventos A y B cualesquiera del espacio muestra S,

Demostracin: Para cualquier evento B,

Como los eventos (B A) y (B AC) son mutuamente exclusivos y su unin es B,

entonces por el axioma 3, tenemos: [3.3]

Despejando P(A B) de la definicin de probabilidad condicional, tenemos

P(A B) = P(A) P(B/A) y P(AC B) = P(AC) P (B/AC)

Sustituyendo en [3.3] se tiene P(B) = P(A) P(B/A) + P(AC) P (B/AC).

Obsrvese que en un diagrama de rbol si se multiplica

P(A) P(B/A) = P(A B) y P(AC) P(B/AC) = P(AC B)

Ejemplo 29: Consideremos dos cajas, la caja 1 contiene 3 esferitas blancas y 4
rojas y la caja 2 contiene 8 blancas y 4 rojas. Se selecciona una caja al azar y
luego se extrae una esfera al azar. Hallar la probabilidad de que la esfera sea
blanca.

Solucin: Sea A el evento de seleccionar la caja 1 y A C el evento de seleccionar

la caja 2, entonces P(A) = P(AC) = 1/2 ya que cualquiera de las dos cajas tiene la
misma probabilidad de ser extrada. Sea B el evento de seleccionar una esfera
blanca, entonces P(B/A) = 3/7 ya que en la caja 1 hay 3 esferas blancas en un
total de 7 y P(B/AC) = 8/12 porque en la caja 2 hay 8 esferas blancas en un total de
12.

Ahora bien, por la proposicin 3.5 tenemos:

Teorema de Bayes
Ejemplos de probabilidad total y teorema de Bayes