Autora: Srta.

Rosa Montao

Ejercicios Resueltos

Probabilidades Condicionales


1.- Pedro quiere enviar una carta a Mara. La probabilidad de que Pedro escriba la
carta es 0.8; la probabilidad de que el correo no la pierda es 0.9 y la probabilidad de
que el cartero la entregue es 0.9. Si Mara no recibi la carta, Cul es la probabilidad
condicional de que Pedro no la haya escrito?

Solucin:
Paso1: Definir los sucesos asociados al experimento
A : Pedro escribe la carta
B : Correo no pierde la carta
C

: Cartero entrega la carta
M : Mara recibe la carta

Paso2: Datos del problema

; 0 8 ( ) . P A = 0 9 ( ) . P B A = ; 0 9 ( ) P C A B = .
)

Paso3: Lo que se pide:
( |
c c
P A M


Claramente
= M A B C I I
. Luego

c c
M A A M
, y por tanto se
tiene las igualdades:
( ) ( ) 1 (
( | )
( ) ( ) 1 (

= = =

c c c
c c
c c
P A M P A P A
P A M
P M P M P M
I )
)

Se tiene
( ) ( ) ( | ) ( | ) ( ) 0.9 0.9 0.8 = = = P M P A B C P C B A P B A P A I I I

Finalmente obtenemos que:
1 0.8
( | ) 0.5681
1 0.9 0.9 0.8

= =

c c
e
P P M
Es decir, hay un 56,81 % de probabilidad de que Pedro no haya escrito dado que
Mara no la recibi.


2.- Una compaa de seguros clasifica a sus afiliados en tres grupos: bajo, mediano y
alto riesgo. Sus estadsticas indican que la probabilidad de que haya implicados en un
accidente en cada uno de los grupos es: 0.05 para los de bajo, 0.15 para los de
mediano y 0.30 para los de alto riesgo. Si el 20% de los afiliados es de bajo riesgo, el
60% de mediano y el 30% restante de alto, conteste:
Si un asegurado no sufri durante el ltimo ao ningn accidente. Cul es la
probabilidad de que est en la clase de bajo riesgo?

Solucin:

La solucin descrita la podemos ver como la extraccin al azar de un individuo, dentro
de cierta poblacin de personas. Un supuesto implcito es que:

(i) Cada persona de la poblacin en cuestin, pertenece a uno y slo uno de los
grupos de riesgo de modo que un 20% de la poblacin est en el de bajo, un
50% en el mediano y el 30% restante en el grupo de alto riesgo.
(ii) Si una persona est en un grupo de riesgo, por ejemplo el de bajo, se decide si
sta se accidentar o no durante el ao mediante cierto experimento que tiene
probabilidad igual a 0.05 de implicar a la persona en un accidente.
Al definir los sucesos

A : la persona est en el grupo de alto riesgo
M : la persona est en el grupo de mediano riesgo
B : la persona est en el grupo de bajo riesgo
C : la persona sufri un accidente en el ltimo ao

de (i) obtenemos que si se extrae al azar y de manera equiprobable un individuo de la
poblacin, entonces un buen modelo debiera asignar las siguientes probabilidades de
ocurrencia:
P(A) = 0.3 , P(M) = 0.5 , P(B) = 0.2 , (1)

Por otro lado de (ii) es natural interpretar y modelar las probabilidades condicionales
de ocurrencia siguientes:
P(C|A) = 0.3 , P(C|M) = 0.15 , P(C|B) = 0.05 , (2)

Del enunciado estamos interesados en calcular la probabilidad condicional P(B|C
c
).
Para esto notemos que:
[ ] 1 ( | ) (
( | ) ( )
( | )
( ) 1 ( )
c
c
c
P C B P B
P C B P B
P B C
P C P C

= =

)
(3)
De (i) y del teorema de probabilidades totales obtenemos que:

P(C)=P(C|A) P(A)+ P(C|M) P(M)+ P(C|B) P(B)

lo que por (1), (2) y (3) nos permite deducir que:

[ ]
(1 0.05) 0.2
( | ) 0.2303030...
1 0.3 0.3 0.15 0.5 0.05 0.2
c
P B C

= =
+ +


3.- Una caja contiene n cuadrados en blanco. Una persona saca al azar uno: si est en
blanco la marca y luego lo repone, repitiendo esto hasta sacar uno marcado que es
cuando finaliza. Calcule para cada k {1,.,n+1} la probabilidad de ocurrencia del
suceso la persona finaliza en la k-sima extraccin.

Solucin:

Para responder a la pregunta debemos primero definir un espacio probabilstico (, A,
P) tal que para todo k {1,, n+1} el subconjunto de asociado a la afirmacin la
persona finaliza en la k-sima extraccin pertenece a la -lgebrade sucesos de
inters A. Veremos que no es necesario definir un espacio muestral . para poder
responder a la pregunta satisfactoriamente.

Dado i {2,, n +1}: Qu valor asignara un buen modelo a la probabilidad de que
en la i-sima extraccin sale un cuadrado marcado (respectivamente en blanco) dado
que hasta la (i - 1)extraccin han salido cuadrados en blanco?

Definamos para cada i {1,, n+1} los sucesos

A
i
: hasta la i-sima extraccin han salido cuadrados en blanco
BB
i
: en la i-sima extraccin sale un cuadrado en blanco
C
i
: en la i-sima extraccin sale un cuadrado marcado

Bajo el supuesto razonable de que en cada extraccin la persona escoge
equiprobablemente entre los n-cuadrados de la jarra, para cuando se realice la i-sima
extraccin habrn (i - 1) cuadrados marcados y (n i + 1) cuadrados en blanco, por lo
tanto un buen modelo debiera asignar las probabilidades condicionales:

1
1
( | )
i i
n i
P B A
n

+
= (1)

1
1
( | )
i i
i
P C A
n

= (2)
Como
(3)
1 1
( 2,..., 1) : ... ...
c c
i i i i i i
i n A B B C B B B

= + = = =
1
B
de (1), (2) y (3) obtenemos que:

1 1 1
1
( 2,..., 1) : ( | ) ( | ... )
c
i i i i
i
i n P C A P B B B
n


= + = = (5)
Por otro lado, para el experimento sealado el suceso el primer cuadrado extrado
sale en blanco, siempre ocurre, luego un buen modelo asignara las probabilidades
1
( ) 1 , ( ) 0
c
P B P B =
1
= (6)

La existencia de un espacio probabilstico (, A ,P) tal que la familia de sucesos
{C
1,,
, C
n+1
} A y se tengan las frmulas (4), (5) y (6) no es evidente. Existen
resultados que permiten abordar ste problema mediante un esquema general de
razonamiento. Nosotros omitiremos esto pues el propsito del presente problema es
sensibilizar al lector del hecho, que la interpretacin dada a la probabilidad
condicional puede ser til para modelar probabilsticamente un experimento.

Al utilizar entonces las igualdades de (3), y las expresiones (4), (5) y (6)
obtenemos que:
1 1
2 2 2 1 2 1 1
3 3 3 2 1 3 2 1 1
( ) ( ) 0
1
( ) ( ) ( ) ( | ) ( ) 1
2 1
( ) ( ) ( ) ( | ) ( ) 1
c
c c c
c c c
P C P B
P C P B P B B P B B P B
n
n
P C P B P B B B P B B B P B
n n
= =
= = = =

= = = =
I
I I I

Inductivamente se obtiene que dado k {1, , n + 1}:

1
1 ( 2) 1 1
( ) ... 1 ( 1) ... ( ( 2))
k k
k n k n k
P C n n k
n n n n


= =
Es decir,
1 !
( )
( 1
k k
k n
P C
n n k

=
)! +
para todo k {1, , n + 1}.


4.- Dos personas escogen al azar y por separado un nmero natural entre. 1 y n,
donde n est fijo. Cul es la probabilidad de que los nmeros coincidan?
Solucin:
(a) Un espacio muestral para el experimento sealado es
: = {(i , j) : i, j {1,,n}}

con la -lgebra de sucesos de inters A= P(). Del enunciado no hay razn para
pensar que un suceso en de la forma {} con tenga ms chance de salir
que otro, luego como ya es habitual una buena medida de probabilidad que refleja
ste hecho viene dada por
2
( A) : ( ) :
A A
A P A
n
= =

El suceso "los nmeros escogidos coinciden" que denotaremos por C, en tiene
asociado el conjunto ( ) { } ( )} {
1
: , : ,
n
k
C i j i j k k
=
= = =
U

Luego
2
1
( )
n
C n P C
n n
= = =



5.- En cierto concurso participan k personas de la siguiente manera: se escoge al azar
un nmero entre 1 y n1, que si la primera persona, lo adivina gana: si no, se escoge
un nuevo nmero al azar entre 1 y n2 que si la segunda persona lo adivina gana: y as
sucesivamente, finalizando el juego cuando gana una de las personas o pierde la k-
sima.
Los nmeros naturales n1,,nk estn fijos y conocidos en el juego. Considere para
cada i {1,...., k} el suceso definido por Gi := ''gana la persona i", y responda:

a.- Qu valor asignara un buen modelo probabilstico a las probabilidades
condicionales donde i {1, , k-1}.
1
( | ... ) ?
c c
i i
P G G G
+
I I
1
b.- Qu relacin deben verificar los naturales n
1
,, n
k
de forma tal que todos los
concursantes tengan igual probabilidad de ganar?
c.- Cmo escogera n
1
,,n
k
de modo que todos los concursantes tengan igual
probabilidad de ganar, pero siempre haya un ganador?
Solucin:

a.- Sin importar el espacio muestral escogido para describir el concurso sealado,
dado i {1,,k-1} el conjunto tiene asociado el suceso "hasta el i-simo
1
...
c
i
G I I
c
G
concursante todos han perdido". Sabiendo que sto ha sucedido, para cuando juegue el
concursante (i + 1) es razonable pensar que sus posibilidades de ganar estn regidas
por un juego como el sealado en (a) donde n = n
i+1
. De ste modo, un buen modelo
debiera asignar las probabilidades condicionales:

1
1
1
( ) : P G
n
=

} {
1 1 1
1
1
( | ... ) : , 1,..., 1
c c
i
i
P G G G i k
n
+
+
= I I
b.- Los nmeros naturales n
1
,,n
k
deben ser escogidos de modo que:

1 2
( ) ( ) ... ( )
n
P G P G P G = = =
Dado i {2,..., k} es claro que

1 1
... )
c c
i i i
G G G G
+
= I I I
luego
( )
1 1 2 1
( ) ( | ... ) ... ( | ( )
c c c c
i i i
P G P G G G P G G P G

= I I
1
c

De lo anterior obtenemos que:
( )
1 2 1
1 2
1 1 1 1
2,..., : ( ) ...
i
i
i i
n n n
i k P G
n n n n

1

= =
Para verificar la condicin es necesario y suficiente que
( )
1
1,..., 1 : ( ) ( )
i i
i k P G P G = = lo que se escribe de manera equivalente como
+

( )
1
1 1 1
1,..., 1 :
i
i i i
n
i k
n n n
+

= =
y por lo tanto, para que todos los concursantes tengan igual probabilidad de
ganar es necesario y suficiente que ( )
1
1... 1 :
i
i k n n
1 i +
= =


c.- Para poder asegurar que todos los concursantes tienen igual 'probabilidad de
ganar y que siempre haya un ganador, es necesario y suficiente que se verifique
(b2.4) y que
1 1
( | ... ) 1 1
c c
k k k
P G G G n

= = I I . Lo anterior equivale a:

1 2
: , : 1,..., : 1
k
n k n k n = = =

6.- Suponga que las condiciones que hacen llover o no en un da cualquiera dependen
slo de las condiciones del tiempo del da inmediatamente anterior. Se sabe que si un
da llueve, llover al siguiente con probabilidad 0.7; y que si un da no llueve, llover al
siguiente con probabilidad 0.4. Se le pide que:
a.- Modele probabilsticamente el enunciado.
b.- Sabiendo que hoy no llovi, determine la probabilidad condicional de que si lo haga
algn da despus.


Solucin:

(a) Un espacio muestral natural para el experimento viene dado por

: = {0, 1}

= {(
k
) k {0, 1} para todo k }
donde para = (
k
)
k
se interpreta que
n
= 1 si el da n llueve y
n
= 0 si el
da n no llueve.
Dado n , la afirmacin llueve el da n tiene asociado en el suceso

R
n
: = { = (
k
)
k
:
n
= 1}
que sin duda es de inters. Por este motivo definimos la -lgebra de sucesos de
inters dada por
A : = ( {R
n
: n } )
Qu medida de probabilidad P pondremos en (, A)? Obviamente cualquier me-
dida de probabilidad no refleja la informacin que tenemos del experimento.
Debemos modelar los siguientes hechos:
(al) Si el da n llueve la probabilidad de que llueva el da (n + 1) es 0.7
(a2) Si el da n no llueve la probabilidad de que llueva el da (n + 1) es 0.4
(a3) las condiciones que hacen o no llover el da (n + 1) dependen slo de las condi-
ciones del tiempo inmediatamente anterior.

Una medida de probabilidad P que refleja (al) y (a2) debiera asignar los valores

(a1.1)
1
( ): ( | ) 0.7
n n
n P R R
+
=
(a2.1)
1
( ): ( | ) 0
c
n n
n P R R
+
= .4

Por otro lado, dado n lo dicho en (a3) lo podemos interpretar como que el
conocimiento de las condiciones de tiempo que hubo entre los das 1 y (n 1) no
dice nada de las condiciones del tiempo del da (n + 1), que se deciden recin el da n
mediante un experimento que se deja regir por lo dicho en (al) y (a2). De ste modo
una probabilidad P que refleja (a3) debiera satisfacer:

1
1 1 1
| ... |
n
x x
n n n n
P R R R P R R
+
=

I I
n
x
+

(a3.1)

1
1 1 1
| ... |
n
x x c
n n n n
P R R R P R R
+
=

I I
n
x c
+

(a3.2)
para todo n y todo (x
1
, , x
n
) {-1,1}
n
, donde se entiende para cada i
{1,,n} que:
, 1
, 1
i
i i
x
i
c
i i
R si x
R
R si x
=

=

=

La existencia de una tal medida de probabilidad se puede demostrar utilizando
resultados que se escapan de los objetivos del presente curso. Nosotros daremos
por sentado ste hecho, y como veremos en la parte (b), las identidades (al.l),
(a2.1), (a3.1) y (a3.2) son suficientes para poder asignarle probabilidad a una
cantidad no despreciable de sucesos.



(b) Entendiendo que el ndice k = 1 representa el da de hoy, el suceso A asociado
a la afirmacin "el da de hoy no llovi" viene dado por A = R
c
1
A. El suceso B
asociado a la afirmacin "llueve algn da despus de hoy'' viene dado por:

2
k
k
B R A

=
U

Debemos calcular P(B\A). Para sto, para cada k 2 consideremos el suceso F
k
asociado a la afirmacin llueve por primera vez el da k, es claro que
1 1
( 2): ...
c c
k k k
k F R R R

= I I I y por lo tanto dado k 2 se tiene que:

1 1 1 1 2 1
( ) ( ... ) ( | ... ) ... ( | ) ( )
c c c c c c
k k k k k
P F P R R R P R R R R R P R

= = I I I I I
1
c


Al aplicar (a3.1) y (a3.2) obtenemos que:

1 2 1
( ) ( | ) ... ( | ) ( )
c c c
k k k
P F P R R P R R P R

=
1
c


de donde por (al.l) y (al.2) concluimos que:

2
1
( 2): ( ) 0.4 (0.6) ( )
k c
k
k P F P R

= (b1)

Finalmente corno A B = de (bl) obtenernos que:
2
k
k
F

U
2
2
1 1
(
( ) ( )
( | ) :
( ) ( ) ( )
k
k k
c c
k
P F
P F P A B
P B A
P A P R P R

= = =

U

2
2 0
0.4
0.4 (0.6) 0.4 0.6 1
1 0.6
k k
k k

= = =

=


7.- Sea (E
0
) el experimento consistente en tirar una moneda y escoger un punto al
azar en el intervalo [0,1] procediendo de la siguiente manera: Se tira una moneda
equilibrada, si sale cara se escoge el punto y si sale sello se escoge un punto al azar
y equiprobablemente en [0,1]. Se pide que:

(a) (a1) Defina un espacio muestral
0
y una -lgebra de sucesos de inters A
0
para
el experimento (E
0
).
(a2) Si P
0
es una medida de probabilidad definida sobre A
0
que modela adecuada-
mente el experimento (E
0
), conteste:
Qu valor asignara a las probabilidades
P
0
(sale cara al tirar la moneda) ,
P
0
(sale sello al tirar la moneda) ,
P
0
(el punto pertenece a I \ sali cara al tirar la moneda) y
P
0
(el punto pertenece a I \ sali sello al tirar la moneda) con I ([0,1]) ? .
(b) Basado en el espacio probabilstico (
0
, A
0
, P
0
) modele el experimento (E) consis-
tente en determinar el punto del intervalo [0, 1] que fue escogido en el
experimento (E
0
).
(c) Determine explcitamente la funcin F : [0, 1] [0, 1] definida por
F(x) := probabilidad de que en (E) el punto escogido sea x.





Solucin:
(a) (al) Un e.m. natural para el experimento (E
0
) viene dado por

0
:={c,s} x [0, 1]
donde el resultado del experimento es el elemento = (m, t)
0
si al tirar la
moneda sali m y a continuacin t fue el punto escogido en [0, 1]. Una -lgebra
de sucesos de inters para el experimento viene dada por
A
0
:= ( {{ c } x I : I ([0, 1])} {{s} x I : I ([0, 1])})
(a2) Denotando por C (respectivamente S) el suceso "en (E
0
) al tirar la moneda
sali cara" (respectivamente en (E
0
) al tirar la moneda sali sello) es claro
que en el e.m.
0
se tiene que:
C = {c} x [0, 1]

S = {s} x [0, 1]

La frecuencia de ocurrencia en el experimento (E
0
) de por ejemplo el suceso C,
coincide con la frecuencia con que sale cara al tirar la moneda equilibrada, fenmeno
que no est condicionado a la posterior eleccin de un punto en [0, 1]. De ste
modo es razonable que:

0
1
( )
2
P C = (a.2.1)

0
1
( )
2
P S = (a.2.2)

Por otro lado el suceso el punto escogido en (E
0
) pertenece a I" donde I ([0, 1])
tiene asociado en
0
el suceso {c, s} x I A
0
. Sabiendo que al efectuar (E
0
) ocurri el
suceso C, la probabilidad de que el punto escogido pertenezca a I es uno si I y
cero si I. Por otro lado sabiendo que ocurri el suceso S, es razonable pensar que
la probabilidad de que el punto escogido pertenezca a I, coincide con la probabilidad de
que en un experimento donde se escoge al azar y equiprobablemente un punto en [0,
1] ste pertenezca a I. Conforme lo anterior una medida de probabilidad P
0
que
modele adecuadamente (E
0
) debiera asignar las probabilidades condicionales:
} {
0
1
1,
1
2
( , | ) 1 ( )
1 2
0,
2
I
P c s I C r
I

(a2.3)
} {
[ ]
0
largo( )
( , | ) largo( )
largo( 0,1 )
I
P c s I S I = = (a2.4)
lo anterior para todo I ([0,1]).

(b) Un espacio muestral natural para el experimento (E) viene dado por : = [0.1]
dotado de la -lgebra de sucesos de inters A := ([0,1]). Dado un I ([0,1])
se tendr que la frecuencia con que el punto escogido en (E) pertenece I coincide
con la frecuencia con que en el experimento (E
0
) ocurre el suceso {c. s} x I. De
sto una medida de probabilidad P que modele adecuadamente el experimento
(Eo) viene dada por ( ) } {
0
: ( ) : ( , ) I A P I P c s I = (b1)

De (a2.1), (a2.2), (a2.3) y (a2.4) sale al aplicar la frmula de Bayes que:
} { } { } {
0 0 0 0
( , ) ( , | ) ( ) ( , |
1 1
1 largo ( )
2 2
P c s I P c s I C P C P c s I S
r I
= +

= +



)

y por lo tanto de (bl) obtenemos que

( )
1 1
: ( ) : 1 largo ( )
2 2
I A P I r I

= +



(b2)

(c) Dado x e [0,1] el suceso el punto escogido en (E) es tiene asociado en el e.m. el
conjunto [0, x]. Es claro entonces que
[ ] [ ]
[ ] 0,
1 1
( 0,1 ) : ( ) ( 0, ) 1
2 2
x
x F x P x x

= = +





y por lo tanto



















1 1/2
1
3/4
1/4
F
X
X