PROBABILIDAD COMPUESTA.
PROBABILIDAD
CONDICIONADA.
PROBABILIDAD TOTAL.
TEOREMA DE BAYES
1.- INTRODUCCÓN
2.- PROBABILIDAD CONDICIONADA
3.- INDEPENDENCIA ALEATORIA O ESTOCÁSTICA
4.- PROBABILIDAD COMPUESTA
5.- TEOREMAS DE LA PROBABILIDAD TOTAL Y DE BAYES
6.- EJEMPLOS
64.1 INTRODUCCIÓN
En el cálculo de probabilidades de algunos sucesos, el valor de dicha probabilidad varía
en función del conocimiento de determinadas informaciones relativas a estos sucesos. En
este sentido la probabilidad condicionada nos da las herramientas necesarias para calcular
una determinada probabilidad teniendo en cuenta dichas informaciones adicionales.
Pero conocer cierta información adicional, por ejemplo saber que ha ocurrido un su-
ceso, no siempre modi…ca la probabilidad de otro suceso. Los sucesos en los que sabiendo
que uno se ha veri…cado, no se modi…ca la probabilidad del otro, decimos que son indepen-
dientes, en cambio, si se modi…ca la probabilidad del otro, decimos que son dependientes
entre sí.
El concepto de dependencia e independencia de sucesos fue presentado y aplicado al
Cálculo de Probabilidades por De Moivre en 1711, y posteriormente extendido por Tho-
mas Bayes (1702-1761), quien además expresó la probabilidad condicionada en función
2 PROBABILIDAD CONDICIONADA
de la probabilidad de la intersección.
Dos años después de la muerte de Bayes se publicó un trabajo en el que, por vez
primera, se calculaba la probabilidad de las causas a partir de los efectos que se han
observado. A pesar de que fue Laplace quien mejoró y desarrolló la mayor parte de
dichas probabilidades, el cálculo de éstas recibe el nombre de teorema de Bayes.
En los problemas relacionados con la probabilidad, y es especial con la probabilidad
condicionada, así como con la probabilidad total y el teorema de Bayes, resulta inte-
resante y recomendable organizar la información y los datos del problema en tablas de
contingencia o en diagramas de árbol. Además, es muy útil desde el punto de vista
metodológico.
Ejemplos 64.2.2 Consideramos una urna que contiene 3 bolas rojas (R), 2 bolas ver-
des (V ) y 1 bola negra (N). Se extraen dos bolas, sin reemplazamiento. ¿Cuál es la
probabilidad de que la segunda sea roja si la primera era verde?
Como es usual llamaremos R al suceso “salir roja”, V al suceso “salir verde” y N al
Cipri Temas de Matemáticas 3
Hay que observar que al calcular P (BÁA) realmente estamos calculando la P (B)
con respecto al espacio muestral re6ducido A en vez del espacio muestral E:
Construyamos la ¾¡ álgebra cuyo conjunto fundamental es A, esto es, teniendo en
cuenta que A es el conjunto de resultados posibles.
Demostración:
(i) ; 2 AA , A 2 AA
(ii) Veamos que si C 2 AA entonces C 2 AA
Como C 2 AA entonces C = A \ B y por tanto C = A \ B, luego C 2 AA
S
1
(iii) Sea fCk g1
k=1 ½ AA . Tenemos que demostrar que Ck 2 AA
k=1
Como cada Ck 2 AA se tiene que Ck = A \ Bk y por tanto
1 1
Ã1 !
[ [ [
Ck = (A \ Bk ) = A \ Bk
k=1 k=1 k=1
µ µ1 ¶¶
S
1 S S
1
luego como Bk 2 A ) Bk 2 A ) A \ Bk = Ck 2 AA : C.Q.D.¤
k=1 k=1 k=1
PA : AA ! [0; 1]
P (C) P (A \ B)
C = A \ B ¡! PA (C) = =
P (A) P (A)
Demostración:
(1) 8C 2 AA ¿ PA (C) ¸ 0 ?
4 PROBABILIDAD CONDICIONADA
P (A \ B) P (A)
0· · =1
P (A) P (A)
es decir, 0 · PA (C) · 1
(2) ¿ PA (A) = 1 ?
P (A \ A)
PA (A) = =1
P (A)
µ1 ¶
S P
1
(3) ¿ PA Ck =
PA (Ck ) 8Ck \ Cj = ; con k 6= j ?
k=1 ¶
k=1µ
S
1 S
1
Tomamos Ck = A \ Bk . Entonces:
k=1 k=1
µ µ1 ¶¶
S
µ1 ¶ µ1 ¶ P A\ Bk
S S k=1
PA Ck =P Ck ÁA = =
k=1 k=1 P (A)
µ1 ¶
S P
1
P (A \ Bk ) P (A \ Bk )
k=1 k=1
= = =
P (A) P (A)
P1 P (A \ B )
k P1 P1
= = PA (A \ Bk ) = PA (Ck ) C:Q:D:¤
k=1 P (A) k=1 k=1
Demostración: ¡ ¢
(1) Si B µ C, entonces C = B [ C \ B , y por tanto
¡ ¢
P (CÁA) = P (BÁA) + P C \ BÁA
¡ ¢
ya que P C \ BÁA ¸ 0:
(2)
P (A \ B) P (B)
P (BÁA) = =
P (A) P (A)
(3)
P (A \ B) P (A)
P (BÁA) = = =1
P (A) P (A)
(4) Si A \ B = ;, entonces P (BÁA) = 0, y por tanto
P (A \ B) P (;) 0
P (BÁA) = = = =0 C.Q.D.¤
P (A) P (A) P (A)
P (BÁA) = P (B)
Ejemplos 64.3.2 Una moneda se lanza dos veces consecutivas. Si se ha obtenido cara
la primera vez, ¿cuál es la proabilidad de obtener cara la segunda vez?
1
P (C1 \ C2 ) 1
P (C2 ÁC1) = = 4 = = P (C2 )
P (C1 ) 1 2
2
donde Ci es el suceso “obtener cara en el lanzamiento i (i = 1; 2)” y por tanto ambos
sucesos son independientes.
Teorema 64.3.3 Una condición necesaria y su…ciente para que B sea independiente de
A es que P (A \ B) = P (A) P (B).
Demostración:
)) Como B es independiente de A se tiene que P (BÁA) = P (B) y por tanto:
P (A \ B)
P (BÁA) = = P (B) ) P (A \ B) = P (A) P (B)
P (A)
P (A \ B) P (A) P (B)
P (BÁA) = = = P (B) C:Q:D:¤
P (A) P (A)
6 INDEPENDENCIA ALEATORIA
Demostración:
Sean A y B dos sucesos de probabilidades no nulas y supongamos que B es indepen-
diente de A. Entonces
P (BÁA) = P (B)
Vamos a demostrar que A es independiente de B:
Se tiene que:
P (A \ B) P (A) P (B)
P (AÁB) = = = P (A)
P (B) P (B)
es decir, A es independiente de B: C.Q.D.¤
Demostración:
))
P (A \ B) P (A) P (B)
P (AÁB) = = = P (A)
P (B) P (B)
Análogamente se demuestra la otra igualdad.
() Si
P (AÁB) = P (A)
se tiene que
P (A \ B)
P (AÁB) = = P (A)
P (B)
de donde se deduce que A y B son independientes. C.Q.D.¤
Se da frecuentemente el caso de que se confunden sucesos incompatibles con sucesos
independientes. Observemos para evitar dicha confusión que los sucesos incompatibles
son los más dependientes (dos sucesos son dependientes si el resultado de uno in‡uye
en el otro) que existen, puesto que la ocurrencia de uno de ellos proporciona la máxima
información: el otro suceso no va a ocurrir.
ya que A \ B ½ B: C.Q.D.¤
Demostración:
(1) Sabemos que P (A \ B)
¡ = P¢(A) P (B) ya
¡ que
¢ A y B son independientes, y
tenemos que demostrar que P A \ B = P (A) P B . Se tiene que:
¡ ¢ ¡ ¢
P A \ B = P (A) P BÁA = P (A) [1 ¡ P (BÁA)] =
¡ ¢
= P (A) [1 ¡ P (B)] = P (A) P B
De…nición 64.3.12 Se dice que los sucesos A1 ; ::; An 2 A son totalmente independientes
ó mútuamente independientes sii veri…can:
(²) P (Ai \ Aj ) = P (Ai ) P (Aj ) 8i 6= j
(²) P (Ai \ Aj \ Ak ) = P (Ai ) P (Aj ) P (Ak ) 8i 6= j 6= k
... µn ¶
T Q
n
(²) P Ai = P (Ai )
i=1 i=1
Cipri Temas de Matemáticas 9
Demostración:
Lo demostraremos por inducción sobre n :
n=2:
P (A1 \ A2 )
PA1 (A2 ) = = P (A2 ÁA1) ) P (A1 \ A2) = P (A1 ) P (A2 ÁA1 )
P (A1 )
n=3:
P (A1 \ A2 \ A3)
P (A1 \ A2 \ A3 ) = P (A1) P (A2 \ A3 ÁA1 ) = P (A1 ) =
P (A1 )
= P (A1 ) P (A2 ÁA1) P (A3 ÁA1 \ A2 ) :::P (An ÁA1 \ ::: \ An¡1 ) C:Q:D:¤
como queríamos demostrar.¤
10 TEOREMAS DE LA PROBABILIDAD TOTAL Y DE BAYES
Ejemplos 64.4.2 Consideramos una urna que contiene 3 bolas rojas (R), 2 bolas verdes
(V ) y 1 bola negra (N). Se extraen tres bolas, sin reemplazamiento, y nos preguntamos
por la probabilidad de que la primera sea roja, la segunda sea verde y la tercera sea negra
(utilizaremos los sucesos nombrados en el ejemplo anterior). Esta probabilidad viene dada
por:
3 2 1 1
P (R \ V \ N) = P (R) P (V ÁR) P (N ÁR \ V ) = ¢ ¢ =
6 5 4 20
Teorema 64.5.2 (Teorema de la probabilidad total): Sea fAn gn2N ½ A una parti-
ción de E y supongamos que P (An ) > 0 8n 2 N. Entonces, 8B 2 A se tiene:
1
X
P (B) = P (An ) P (BÁAn )
n=1
Demostración: µ ¶
S
1 S
1
Sea B = B \ E = B \ An = (An \ B). Entonces:
n=1 n=1
à 1
! 1 1
[ X X
P (B) = P (An \ B) = P (An \ B) = P (An ) P (BÁAn )
(¤)
n=1 n=1 n=1
P (An ) P (BÁAn )
P (An ÁB) = P
1
P (An ) P (BÁAn )
n=1
Cipri Temas de Matemáticas 11
Demostración:
P (An \ B) P (An ) P (BÁAn )
P (An ÁB) = = P 1
P (B) (¤)
P (An ) P (BÁAn )
n=1