CAPTULO 4: PROBABILIDAD - c.e.p.a. san francisco
CAPTULO 4: PROBABILIDAD - c.e.p.a. san francisco
CAPTULO 4: PROBABILIDAD - c.e.p.a. san francisco
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
SUCESOS Y PROBABIILIIDAD<br />
La palabra probabilidad es utilizada con frecuencia en nuestra vida cotidiana:<br />
I : “¿Qué probabilidades crees que tengo?.”<br />
J: “Me parece que una entre un millón.”<br />
En los fenómenos reales observamos los hechos que se producen, repitiéndose unos con mayor frecuencia<br />
que otros y cuyos resultados pueden estar influenciados por varias causas. Para estudiar estos resultados<br />
construiremos un modelo matemático de dicho fenómeno. La parte de las matemáticas que profundiza en tales<br />
modelos se conoce como teoría de las probabilidades.<br />
SUCESOS<br />
DEFINICIONES<br />
DEFINICIONES Y PROPIEDADES<br />
• Experimentos aleatorios: son aquellos cuyos resultados no se pueden predecir antes de su realización,<br />
es decir, los que no dan siempre el mismo resultado al repetirlos en las mismas condiciones.<br />
Ejemplo 1.: Lanzar un dado o una moneda.<br />
• Suceso elemental: es el resultado de cada una de las realizaciones del experimento aleatorio. Suelen<br />
denotarse ω .<br />
Ejemplo 2.:<br />
i<br />
a) Cuando se lanza un dado, los sucesos elementales son:<br />
ω1= {1}, ω2<br />
= {2}, ω3<br />
= {3}, ω 4 = {4}, ω 5 = {5}, ω 6 = {6}<br />
b) Si se lanza una moneda:<br />
ω1={cara},<br />
ω 2 ={cruz}<br />
• Espacio muestral: Es el conjunto de todos los sucesos elementales y se denota por Ω .<br />
Ejemplo 3.:<br />
a) En el lanzamiento de un dado, el espacio muestral es: Ω = {1, 2, 3, 4, 5, 6} , es decir, todos los<br />
números que se pueden obtener al lanzarlo, que son los que tiene el dado.<br />
b) Si lanzamos 2 monedas y simbolizamos por c la cara y por + la cruz: Ω = {(c,c), (c,+), (+,c), (+,+)}.<br />
• Suceso: Se llama así a cualquier subconjunto del espacio muestral. Suelen denotarse por A, B, C, etc.<br />
Ejemplo 4.:<br />
a) En el lanzamiento de un dado el suceso A: “ salir par” es A = {2, 4, 6} puesto que podría salir el 2 o el<br />
4 o el 6 y con cualquier número par del dado podemos decir que ha ocurrido el suceso A.<br />
C.E.A. San Francisco – Probabilidad<br />
1
) Se lanzan 3 monedas, A: “obtener al menos una cara” es:<br />
A = {(c,+,+),(+,c,+),(c,c,+),(c,+,c),(+,+,c),(c,c,c),(+,c,c)}<br />
(al menos una cara significa que por lo menos hay una cara, pero eso no significa que no puedan<br />
aparecer más; también sirven los casos en los que haya dos y el caso de tres)<br />
• Suceso imposible: Es un suceso que no puede producirse nunca, es decir, que sea igual al conjunto<br />
vacío, y se representa por ∅.<br />
Ejemplo 5.:El suceso A: “salir el número 7” al lanzar un dado es un suceso imposible puesto que en un<br />
dado los números que aparecen en sus caras van del 1 al 6. Luego A = ∅.<br />
• Suceso seguro: Se llama así a un suceso que ocurre siempre, es decir, que sea igual al espacio muestral.<br />
Ejemplo 6.: Si en el lanzamiento de un dado consideramos el suceso A: “salir un nº menor que 8”, estamos<br />
ante un suceso seguro ya que se podría obtener un 1 o un 2 o un 3 o un 4 o un 5 o un 6 y todos estos<br />
resultados corresponden a números menores que 8, por tanto, A = {1, 2, 3, 4, 5, 6} = Ω.<br />
• Espacio de sucesos, S: Es el conjunto de todos los subconjuntos de Ω<br />
Ejemplo 7.:Si consideramos el lanzamiento de una moneda, tenemos que Ω = {c, +} y S = {∅ , Ω , {c}, {+}}<br />
OPERACIONES CON SUCESOS<br />
• Inclusión: Se dice que un suceso A está contenido en un suceso B, A ⊂ B , si siempre que se verifica A<br />
también se verifica B.<br />
Ejemplo 8.: Lanzamos un dado y consideramos los sucesos A: “salir el 2” y B: “salir un número par”. Se<br />
tiene que A ⊂ B puesto que si obtenemos el 2, éste resultado es un número par y por lo tanto ocurre el<br />
suceso B.<br />
• Igualdad: Dos sucesos A y B son iguales si y sólo si se da la inclusión en ambos sentidos, es decir:<br />
A = B ⇔ A ⊂ B y B ⊂ A<br />
Ejemplo 9.:En el lanzamiento del dado los sucesos A: “salir el 2” y B: “salir un número primo par” son<br />
sucesos iguales pues el único primo par es el 2.<br />
• Unión: Lamamos suceso unión, A ∪ B , al suceso que se produce si se verifica por lo menos uno de los<br />
dos. Es decir, se verifica A o B o también podrían darse ambos al mismo tiempo.<br />
Ejemplo 10.: Consideramos los sucesos A: “salir número par” y B: “salir número primo menor que 4”. El<br />
suceso A ∪ B comprendería todos los pares junto con los primos menores que 4, es decir: A = {2, 4, 6}, B<br />
= {1, 2, 3} y A ∪ B = {1, 2, 3, 4, 6}.<br />
• Intersección: Se llama suceso intersección, A ∩ B , al suceso que se produce si se verifican A y B a la<br />
vez.<br />
Ejemplo 11.:Tomando los sucesos A y B del ejemplo anterior se tiene que, cuando sale el número 2, ocurre<br />
A pues es un número par y también sucede B ya que el 2 es menor que 4 y es primo. Este es el único<br />
resultado con el que se dan A y B simultáneamente, luego el suceso intersección viene representado por el<br />
conjunto A ∩ B = {2}.<br />
OBSERVACIÓN: Al escribir la unión de varios sucesos los elementos de la intersección los consideraremos<br />
una sola vez.<br />
C.E.A. San Francisco – Probabilidad<br />
2
• Diferencia de sucesos: El suceso diferencia de los sucesos A y B, denotado A - B , consiste en que se ha<br />
producido A y no se ha producido B.<br />
Ejemplo 12.: Continuando con los sucesos A y B mencionados, se tiene que el suceso A - B corresponde a<br />
la parte de A que no está en B, por tanto: A - B = {4, 6}.<br />
• Complementación: Llamamos suceso contrario o complementario de un suceso A y lo denotaremos por<br />
A , al que se verifica siempre que no se verifica A. De otro modo, el complementario de un suceso A es el<br />
suceso A : " no ocurrir A" .<br />
Ejemplo 13.:Lanzamos tres monedas y nos interesamos por el suceso A: “obtener al menos una cara”. Su<br />
complementario será el suceso “no obtener ninguna cara” o lo que es lo mismo, “obtener tres cruces”:<br />
A = {(+,+,+)}<br />
OBSERVACIÓN: Se tiene que<br />
A = Ω - A y A - B = A ∩ B .<br />
Las operaciones con sucesos definidas anteriormente pueden representarse gráficamente de la forma:<br />
A<br />
B<br />
A<br />
B<br />
A<br />
A<br />
B<br />
A ∪ B<br />
A ∩ B<br />
A = Ω - A<br />
.<br />
A - B<br />
PROPIEDADES<br />
La tabla siguiente recoge algunas propiedades para la unión, intersección y complementación de sucesos:<br />
Idempotente<br />
A ∪ A = A<br />
A ∩ A = A<br />
Conmutativa<br />
A ∪ B = B ∪ A<br />
A ∩ B = B ∩ A<br />
Asociativa A ∪ ( B ∪ C) = ( A ∪ B) ∪ C<br />
A ∩ ( B ∩ C) = ( A ∩ B) ∩ C<br />
Simplificativa A ∪ ( B ∩ A) = A<br />
A ∩ ( B ∪ A) = A<br />
Distributiva A ∩ ( B ∪ C) = ( A ∩ B) ∪ ( A ∩ C)<br />
A ∪ ( B ∩ C) = ( A ∪ B) ∩ ( A ∪ C)<br />
Elemento neutro<br />
Complementación<br />
Leyes de Morgan<br />
A ∪ ∅ = A<br />
A ∩ Ω = A<br />
A ∪ A = Ω<br />
A ∩ A = ∅<br />
A = A<br />
A ∪ B = A ∩ B<br />
A ∩ B = A ∪ B<br />
OTRAS DEFINICIONES<br />
• Sucesos Incompatibles: Dos sucesos A y B se dice que son incompatibles cuando no pueden darse<br />
simultáneamente, es decir, si y sólo si A ∩B = ∅ .<br />
C.E.A. San Francisco – Probabilidad<br />
3
Ejemplo 14.: En el lanzamiento de un dado, los sucesos A: “salir par” y B: “salir impar” son incompatibles ya<br />
que un número no puede ser par e impar al mismo tiempo.<br />
• Sistema Completo de Sucesos (S.C.S.): Se dice que una colección de sucesos A1,A<br />
2 ,..., An<br />
forma un<br />
sistema completo de sucesos, cuando son incompatibles dos a dos y la unión de todos ellos es el espacio<br />
muestral, es decir, si se cumplen las condiciones siguientes:<br />
1. A ∩ A = ∅ ∀i<br />
≠ j<br />
i<br />
j<br />
2. A ∪ A ∪ ... ∪ A = Ω<br />
1<br />
2<br />
n<br />
Ejemplo 15.:Los sucesos elementales, puesto que no pueden darse a la vez y el espacio muestral es por<br />
definición el conjunto formado por dichos sucesos, constituyen claramente un S.C.S.<br />
C.E.A. San Francisco – Probabilidad<br />
4
<strong>PROBABILIDAD</strong><br />
DEFINICIONES<br />
• Clásica: Supongamos un experimento aleatorio que se repite n veces y A un suceso asociado a dicho<br />
experimento que ha ocurrido n A veces en esas n pruebas. Llamamos probabilidad de A, y lo denotaremos<br />
P(A), al cociente:<br />
nA<br />
P(A) =<br />
n<br />
• Espacio Probabilístico: La terna formada por (Ω, S, P) se llama espacio probabilístico.<br />
PROPIEDADES<br />
1. La probabilidad del suceso seguro (espacio total, Ω) es 1 y la<br />
del suceso imposible (vacío, ∅ es 0):<br />
2. El valor de la probabilidad de un suceso siempre se encuentra<br />
entre 0 y 1:<br />
P( Ω ) = 1 ; P(∅) = 0<br />
0 ≤ P(A) ≤ 1<br />
3. Para el complementario de un suceso A se cumple: P( A) = 1- P(A)<br />
4. Cuando un suceso está incluido en otro, sus probabilidades<br />
están relacionadas de la forma:<br />
A ⊂ B ⇒ P(A) ≤ P(B)<br />
5. La probabilidad de la unión de dos sucesos verifica: P(A ∪ B) = P(A) + P(B) - P(A ∩ B)<br />
Cuando A y B son incompatibles, como A<br />
P(A ∪ B) = P(A) + P(B) .<br />
∩ B =<br />
∅ , esa probabilidad se reduce a<br />
Supongamos que tenemos tres sucesos y queremos calcular la probabilidad de su unión. Para ello<br />
utilizaremos la propiedad conocida para dos:<br />
P(A ∪ B ∪ C)<br />
P(A ∪ B ∪ C) = P((A ∪ B) ∪ C) = P(A ∪ B) + P(C) - P((A ∪ B) ∩ C) =<br />
P(A) + P(B) - P(A ∩ B) + P(C) - P ((A<br />
∩ C) ∪ (B ∩ C) ) =<br />
P(A) + P(B) - P(A ∩ B) + P(C) - (P(A ∩ C) + P(B ∩ C) - P(A ∩ B ∩ C)) =<br />
P(A) + P(B) + P(C) - P(A ∩ B) - P(A ∩ C) - P(B ∩ C) + P(A ∩ B ∩ C)<br />
= P(A) + P(B) + P(C) - P(A<br />
∩ B)<br />
- P(A<br />
∩ C)<br />
- P(B<br />
∩ C) + P(A ∩ B ∩ C)<br />
Este resultado puede generalizarse para una cantidad n de manera que irían apareciendo además<br />
todas las intersecciones de tres sucesos, las de cuatro, cinco, etc. hasta llegar a la intersección de los<br />
n sucesos, alternándose el signo de la misma forma que en el obtenido para tres.<br />
6. Para la diferencia de dos sucesos, A-B, se tiene: P(A - B) = P(A) - P(A ∩ B)<br />
C.E.A. San Francisco – Probabilidad<br />
5
DEFINICIÓN CLÁSICA DE LAPLACE<br />
Supongamos un espacio muestral Ω con un número finito n de sucesos elementales ω 1,...,<br />
ω n<br />
equiprobables , es decir, P( ω 1 ) =...= P( ω n ). Podemos calcular esta probabilidad aplicando las propiedades<br />
anteriores de la forma siguiente:<br />
1<br />
1 = P(Ω) = P( ω 1 ∪ ...∪ ω k ) = P( ω 1 ) +...+ P( ω n ) = n P( ω i ) ⇒ P( ω i)<br />
= ∀i<br />
n<br />
como por hipótesis son equiprobables, estamos sumando n<br />
veces la probabilidad de uno cualquiera de ellos<br />
Consideremos ahora un suceso A del espacio de sucesos S correspondiente a Ω, formado por k de esos n<br />
sucesos elementales (k ≤ n), A = { ω i1<br />
,..., ω ik<br />
}. Escribiendo A como la unión de tales sucesos, se tiene:<br />
1 1 1<br />
k<br />
P(A) = P( ωi1<br />
∪ ...∪ ωik<br />
) = P( ωi1) +...+ P( ωik<br />
) = + ... + = k ⋅ ⇒ P(A) =<br />
n n n n<br />
Llegamos así a la definición clásica de Laplace:<br />
k<br />
P(A) =<br />
n<br />
=<br />
nº casos<br />
nº casos<br />
favorables<br />
posibles<br />
Ejemplo 16.: Lanzamos un dado al aire y queremos calcular la probabilidad del suceso<br />
A: “salir un número par”. Supondremos que el dado no está cargado, es decir, que todos los números tienen la<br />
misma probabilidad de salir. Los resultados posibles en el lanzamiento son cada uno de los números de las<br />
caras del dado, luego el espacio muestral es Ω = {1, 2, 3, 4, 5, 6} y los casos favorables serán todos aquellos<br />
resultados en los que se obtenga un número par, así, A = {2, 4, 6}. Tenemos seis casos posibles y tres<br />
favorables, por tanto la probabilidad que buscamos es:<br />
3 1<br />
P(A) = =<br />
6 2<br />
<strong>PROBABILIDAD</strong> CONDICIONAL<br />
Cuando se desarrolla un experimento aleatorio, algunos sucesos se relacionan de modo que el conocimiento<br />
de la realización de uno de ellos interviene en la obtención de otro suceso y por tanto influye en su<br />
probabilidad.<br />
DEFINICIONES<br />
• Probabilidad Condicional: Supongamos un suceso A de probabilidad no nula y otro suceso cualquiera B.<br />
Lamamos probabilidad de B condicionada al suceso A, y se representa por P (B | A)<br />
, al número definido<br />
por el cociente:<br />
P(A ∩ B)<br />
P(B | A) =<br />
P(A)<br />
Ejemplo 17.:Se lanzan dos dados al aire y se sabe que el resultado total de puntos ha sido 8. Queremos<br />
calcular la probabilidad de que en alguno de los dados haya salido el número 5. Primero daremos nombre<br />
a los sucesos que intervienen, llamaremos:<br />
C.E.A. San Francisco – Probabilidad<br />
6
A: “la suma de puntos es 8”<br />
B: “en algún dado sale el 5”<br />
Estamos buscando la probabilidad del suceso B pero no como tal sino condicionada a un suceso que<br />
sabemos que ha ocurrido y del cual conocemos su probabilidad que es el suceso A; en realidad nos<br />
preguntamos por la probabilidad de que en algún dado haya salido el 5 si el resultado ha sido de 8 puntos,<br />
es decir, P(B | A) . Escribiremos todos los pares de puntos que corresponden a cada uno de nuestros<br />
sucesos:<br />
A = {(2,6), (6,2), (3,5), (5,3), (4,4)}<br />
B = {(1,5), (2,5), (3,5), (4,5), (5,5), (6,5), (5,1), (5,2), (5,3), (5,4), (5,6)}<br />
necesitamos también el suceso intersección:<br />
A ∩ B = {(3,5), (5,3)}<br />
Para calcular la probabilidad que buscamos tenemos que hallar primero las probabilidades de los sucesos<br />
A y A ∩ B ; lo haremos utilizando la definición de Laplace. La cantidad de resultados posibles en el<br />
lanzamiento de dos dados es de 36, por tanto:<br />
5<br />
2<br />
P(A) = P(A ∩ B) =<br />
36<br />
36<br />
Entonces:<br />
P(A ∩ B) 2 / 36 2<br />
P (B | A) = = =<br />
P(A) 5 / 36 5<br />
La probabilidad del suceso B como tal, sin estar condicionado a otro suceso, sería simplemente la<br />
11<br />
probabilidad de que al lanzar dos dados por lo menos en uno de ellos salga el 5, que es P (B) = .<br />
36<br />
• Sucesos Independientes: Dos sucesos A y B se dice que son independientes cuando la realización de<br />
uno de ellos no condiciona la del otro. Esto significa que P (B | A) = P(B)<br />
y que P (A | B) = P(A)<br />
.<br />
Ejemplo 18.: Si tiramos una moneda al aire varias veces, el resultado obtenido en un lanzamiento no influye<br />
en el resultado de los restantes.<br />
Podemos decir que la condición necesaria y suficiente para que dos sucesos A y B sean independientes<br />
es que la probabilidad de su intersección coincida con el producto de sus probabilidades:<br />
A y B<br />
independientes ⇔ P(A ∩ B) = P(A) ⋅P(B)<br />
Utilizando esto para relacionar sucesos incompatibles y sucesos independientes se tiene que si A y B, no<br />
imposibles, son dos sucesos incompatibles entonces A y B no pueden ser independientes ya que por la<br />
incompatibilidad se tendría A ∩ B = ∅ , luego su probabilidad P( A ∩ B ) = 0, mientras que como P(A) y<br />
P(B) son no nulos, su producto P(A)·P(B) ≠ 0; por tanto al no cumplirse la igualdad entre el producto de las<br />
probabilidades y la probabilidad de la intersección y ser la condición anterior necesaria y suficiente es<br />
deduce que los sucesos no son independientes.<br />
OBSERVACIONES:<br />
1. Dado un suceso fijo A, esta función que asocia a cualquier suceso B el número P(B | A)<br />
cumple:<br />
P(B |<br />
A) = 1−<br />
P(B | A)<br />
Ejemplo 19.: Consideremos el ejemplo 17, y queremos calcular la probabilidad del suceso C: “en ninguno<br />
de los dados ha salido el número 5” sabiendo que el resultado suma un total de 8 puntos.<br />
Podríamos seguir los mismos pasos, es decir, escribir ahora todos los pares en los que no aparece el<br />
C.E.A. San Francisco – Probabilidad<br />
7
número 5 para obtener el suceso C y calcular las probabilidades necesarias; pero el conjunto de pares que<br />
comprende C es muy grande y nos resulta mas sencillo hallar su complementario que es:<br />
C : “en algún dado sale el 5” (es el suceso denotado antes por B)<br />
Utilizaremos pues el suceso contrario de C para calcular la probabilidad buscada. Así:<br />
2<br />
P (C | A) = 1−<br />
P(C | A) = 1−<br />
=<br />
5<br />
2. De la definición se deduce la siguiente igualdad para la intersección de dos sucesos:<br />
P(A<br />
∩ B) = P(A) ⋅ P(B | A)<br />
siendo A el suceso que condiciona, es decir, la probabilidad de la intersección es el producto de la<br />
probabilidad del suceso que condiciona por la probabilidad condicional correspondiente. Por tanto, en caso<br />
de conocer las probabilidades condicionadas a B, escribiremos:<br />
P(A<br />
∩ B) = P(B) ⋅ P(A | B)<br />
3<br />
5<br />
Ejemplo 20.: Supongamos una urna con 4 bolas verdes y 3 amarillas. Se realizan dos extracciones sin<br />
reemplazamiento, o lo que es lo mismo, sacamos una bola y sin devolverla sacamos una segunda bola.<br />
La probabilidad que pretendemos hallar es la probabilidad de que la primera bola extraída sea amarilla y la<br />
segunda verde.<br />
1ª bola 2ª bola<br />
Denotamos por:<br />
3 amar.<br />
4 verd.<br />
total: 7 bolas<br />
A i : “salir bola amarilla en la extracción i” i =1, 2<br />
V : “salir bola verde en la extracción i” i =1, 2<br />
i<br />
Así, por ejemplo,<br />
A 2<br />
significará que la segunda bola que sacamos es amarilla.<br />
Nos interesamos por el suceso “1ª amarilla y 2ª verde”; con esta notación podemos escribir este suceso<br />
como intersección de dos sucesos, A1 ∩ V2<br />
.<br />
3 4<br />
Entonces: P(A<br />
∩ V2<br />
) = P(A 1)<br />
⋅ P(V2<br />
| A 1)<br />
= ⋅<br />
7 6<br />
1 =<br />
2<br />
7<br />
3<br />
P(A<br />
1 ) = puesto que hay un total de 7 bolas y de ellas 3 son amarillas<br />
7<br />
4<br />
P(V2 | A 1)<br />
= ya que en la urna tenemos ahora una bola menos por realizarse extracciones sin<br />
6<br />
reemplazamiento y el número de bolas verdes es de 4, pues la anterior ha sido amarilla<br />
Veamos ahora algunas fórmulas que nos permiten el cálculo de probabilidades de sucesos a partir de<br />
probabilidades condicionales ya conocidas:<br />
TEOREMA DE INTERSECCIÓN<br />
Es una generalización de la probabilidad de la intersección de dos sucesos para una cantidad finita n.<br />
C.E.A. San Francisco – Probabilidad<br />
8
Sean A1,<br />
A2,...,<br />
An<br />
n sucesos tal que P( A n | A1<br />
∩ ... ∩ A n− 1)<br />
> 0 , entonces:<br />
P( A1 ∩ ... ∩ A n ) = P(A 1)P(A<br />
2 | A1)P(A<br />
3 | A1<br />
∩ A 2 )...P(A n | A1<br />
∩ ... ∩ A n−1)<br />
Ejemplo 21.: En una urna hay 5 bolas negras y 7 rojas. Se realizan cuatro extracciones sin<br />
reemplazamiento y nos preguntamos por la probabilidad de que salgan la primera y la segunda<br />
rojas, la tercera negra y la cuarta roja.<br />
Denotaremos los sucesos por Ni<br />
y Ri<br />
, donde N y R hacen referencia al color de la bola y el<br />
subíndice i indica la extracción a la que corresponde.<br />
Buscamos la probabilidad del suceso intersección: R1 ∩ R2<br />
∩ N3<br />
∩ R4<br />
Aplicando la fórmula producto anterior tenemos:<br />
7 6 5<br />
P( R ∩ R 2 ∩ N3<br />
∩ R 4 ) = P(R 1)<br />
⋅ P(R 2 R1)<br />
⋅ P(N 3 R1<br />
∩ R 2 ) ⋅ P(R 4 R1<br />
∩ R 2 ∩ N3<br />
) = ⋅ ⋅<br />
12 11 10<br />
1 =<br />
5 negras<br />
7 rojas<br />
total: 12 bolas<br />
Los denominadores corresponden al total de bolas, el cual va disminuyendo en uno en cada extracción pues la<br />
bola no se devuelve a la urna, y los numeradores se refieren al número de bolas negras o rojas que van<br />
quedando y que depende del color de la bola en la extracción anterior.<br />
5<br />
⋅<br />
9<br />
35<br />
396<br />
TEOREMA DE LA PARTICIÓN O DE LA <strong>PROBABILIDAD</strong> TOTAL<br />
Sea un S.C.S { A , A<br />
1 2,...,<br />
An<br />
}tal que<br />
P(A i ) ≠ 0 ∀i<br />
= 1,..., n . Entonces para un suceso cualquiera B se verifica:<br />
Escrito como sumatorio: P(B) = P(A ) ⋅ P(B | A )<br />
P(B) = P(A )P(B | A ) + P(A )P(B | A ) + ... + P(A )P(B | A )<br />
n<br />
∑<br />
i=<br />
1<br />
1<br />
i<br />
1<br />
i<br />
2<br />
Ejemplo 22.:Consideremos dos urnas con bolas rojas y negras. La primera contiene 3 rojas y 4 negras y la<br />
segunda 5 rojas y 3 negras. Sacamos una bola de la urna número 1 y sin ver su color la introducimos en la<br />
urna número 2 y a continuación extraemos de ésta una bola. Nos preguntamos por la probabilidad de que esta<br />
segunda bola sea roja.<br />
En primer lugar, haremos un pequeño esquema del experimento y daremos nombre a los sucesos que<br />
intervienen:<br />
1ª bola 2 ª bola<br />
2<br />
n<br />
n<br />
3 rojas<br />
4 negras<br />
URNA 1<br />
total: 7 bolas<br />
5 rojas<br />
3 negras<br />
URNA 2<br />
total: 8 bolas<br />
Denotaremos por R y N a los sucesos relacionados con salir<br />
roja y salir negra, respectivamente, acompañados con el<br />
subíndice 1 o 2 para indicar la urna de la que extraemos la<br />
bola.<br />
Así, el suceso<br />
R 1<br />
representará: “la 1ª bola sale roja”.<br />
Con esta notación, nos estamos preguntando entonces por la probabilidad del suceso R 2 , pero la composición<br />
de la segunda urna cambia, es decir, a la urna 2 añadimos una bola, con lo cual tendrá un total de 9 y el<br />
número de rojas y negras variará según el color de la bola en la extracción anterior: habrá 6 rojas y 3 negras si<br />
la primera ha salido roja, y 5 rojas y 4 negras si la primera ha sido negra. Por tanto el suceso R 2 depende del<br />
color de la primera bola que puede ser o bien roja o bien negra y además no pueden darse al mismo tiempo,<br />
por tanto los sucesos y N forman un S.C.S. Aplicando la fórmula anterior:<br />
R1<br />
1<br />
C.E.A. San Francisco – Probabilidad<br />
9
3 6 4<br />
P(R ) = P(R1)<br />
⋅ P(R 2 | R1)<br />
+ P(N1)<br />
⋅ P(R 2 | N1)<br />
= ⋅ +<br />
7 9 7<br />
Otra forma (sin aplicar directamente la fórmula):<br />
2 ⋅<br />
5 38<br />
=<br />
9 63<br />
Teniendo en cuenta que el estado de la segunda urna depende del color de la bola extraída de la urna 1, la<br />
probabilidad de que la segunda bola sea roja puede expresarse considerando todas las opciones para las que<br />
la segunda es roja, que son: la primera ha salido roja y la segunda también, o, la primera ha salido blanca y la<br />
segunda roja. Además estas dos únicas situaciones no pueden darse al mismo tiempo, puesto que si la<br />
primera es roja no puede ser también blanca. De esta forma el suceso R 2 puede escribirse como la unión de<br />
dos sucesos incompatibles: = (R ∩ R ) ∪ (N R )<br />
R2 1 2 1 ∩ 2<br />
Por tanto, el cálculo de su probabilidad se reduce al cálculo de la probabilidad de la unión de dos sucesos:<br />
P(R2)<br />
= P((R1<br />
∩ R2)<br />
∪ (N1<br />
∩ R2))<br />
Utilizando ahora la propiedad 5 sobre la probabilidad de una unión, llegamos a la misma expresión que nos da<br />
el teorema de la probabilidad total:<br />
P(R 2 ) = P((R1<br />
∩ R 2 ) ∪ (N1<br />
∩ R 2 )) = P(R1<br />
∩ R 2 ) + P(N1<br />
∩ R 2 ) = P(R1)<br />
⋅ P(R 2 | R1)<br />
+ P(N1)<br />
⋅ P(R 2 | N1)<br />
↑<br />
como no pueden<br />
darse a la vez, la<br />
probabilidad de<br />
la intersección<br />
sería 0.<br />
↑<br />
desarrollando la<br />
probabilidad para<br />
una intersección<br />
TEOREMA DE BAYES<br />
Sea un S.C.S { A , A<br />
1 2,...,<br />
An<br />
} tal que P(A<br />
i ) ≠ 0 ∀i<br />
= 1,..., n y se considera un suceso B cualquiera. Entonces:<br />
P(A<br />
k<br />
| B)<br />
=<br />
P(A<br />
n<br />
∑<br />
i=1<br />
k<br />
)P(B | A<br />
P(A )P(B | A )<br />
i<br />
k<br />
)<br />
i<br />
∀ k = 1,2,...,n<br />
El denominador desarrollado sería la suma siguiente:<br />
P(A )P(B | A ) + P(A<br />
1<br />
1<br />
2<br />
)P(B | A<br />
2<br />
) + ... + P(A<br />
k<br />
)P(B | A<br />
k<br />
) + ... + P(A<br />
n<br />
)P(B | A<br />
Esta fórmula puede comprobarse fácilmente utilizando la definición de probabilidad condicional, la probabilidad<br />
de una intersección y el teorema de la probabilidad total.<br />
n<br />
)<br />
Ejemplo 23.: Supongamos una urna con 3 bolas blancas, 4 negras y 2 rojas. El experimento consiste en sacar<br />
una bola y devolverla a la urna junto con 2 del mismo color. Se realizan dos extracciones y se sabe que la<br />
segunda bola ha sido negra. Nos preguntamos por la probabilidad de que la primera bola haya sido blanca.<br />
Llamamos, para i = 1,2:<br />
B i : “salir blanca en la extracción i”<br />
N i : “salir negra en la extracción i”<br />
R i : “salir roja en la extracción i”<br />
1ª bola<br />
+2 igual color<br />
que 1ª<br />
3 blancas<br />
4 negras<br />
2 rojas<br />
2ª bola<br />
Puesto que la situación de la urna para la segunda extracción<br />
depende de si en la primera ha salido roja o blanca o negra, los<br />
total: 9 bolas<br />
C.E.A. San Francisco – Probabilidad<br />
10
sucesos { R1<br />
, B1, N1<br />
} forman un sistema completo de sucesos.<br />
La probabilidad que nos interesa es P(B1 | N2<br />
) y no P( B1), es decir, la probabilidad de que la primera haya<br />
sido blanca si la segunda nos ha salido negra.<br />
Para la segunda extracción el número de bolas ha cambiado; el total es de 11 y habrá 2 blancas mas o 2<br />
negras mas o 2 rojas mas dependiendo del color de la bola extraída en primer lugar.<br />
Por el teorema de Bayes podemos escribir entonces que:<br />
P(B1)P(N2<br />
| B<br />
P(B1<br />
| N2<br />
) =<br />
P(R1)P(N2<br />
| R1)<br />
+ P(B1)P(N2<br />
| B<br />
3 9 ⋅ 4 11<br />
3<br />
=<br />
=<br />
2 9 ⋅ 4 11+<br />
3 9 ⋅ 4 11+<br />
4 9 ⋅ 6 11 11<br />
1<br />
1<br />
)<br />
) + P(N<br />
P(B1)P(N2<br />
| B1)<br />
También puede plantearse utilizando la definición de probabilidad condicionada: P(B1<br />
| N2<br />
) =<br />
P(N2<br />
)<br />
y encontrar por separado cada uno de los términos. Al calcular P(N 2 ) habrá que considerar todas las<br />
situaciones posibles para la bola anterior, con lo cual, aparecerá la expresión del teorema de la probabilidad<br />
total, que es justo el denominador del teorema de Bayes.<br />
1<br />
)P(N<br />
2<br />
| N<br />
1<br />
)<br />
C.E.A. San Francisco – Probabilidad<br />
11