PROBABILIDAD TOTAL

Y
TEOREMA DE BAYES

Dr. Mariza Cárdenas Pineda

Probabilidad Condicional
(Dependencia Estadística)

P( AyB )
P( A | B) 
P( B)

P( ByA)
P( B | A) 
P( A)
 Ejercicio
EN LA SIGUIENTE TABLA DE
CONTINGENCIA Evento
A: Artículos en idioma español Evento C D Total
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
A 4 2 6
D: Artículos sobre gestión. B 1 3 4
Total 5 5 10
¿Cuál es la probabilidad?
P (A|D) =
P (C|B) =
Son C y B independientes?

Diapositiva 3
 Evento
Evento C D Total
A 4 2 6 1. La probabilidad de que sea en un
B 1 3 4 articulo en idioma español dado de
que es un articulo de gestión
Total 5 5 10
2
P(A y D) 10 2
P(A | D)   
P(D) 5 5
10
1
P(C y B) 10 1
P(C | B)   
P(B) 4 4
10
5 1 6 2
P(C)   P(A)  
10 4 10 5
 PROBABILIDAD TOTAL
El Teorema de la probabilidad total nos permite calcular la probabilidad
de un suceso a partir de probabilidades condicionadas:

EJEMPLO: En un saquito hay papeletas de tres colores, con las siguientes

probabilidades de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.

Según el color de la papeleta elegida, podrás participar en diferentes sorteos.

Así, si la papeleta elegida es:

a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.

b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%
c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.

¿Qué probabilidad tienes de ganar el sorteo en el

que participes?:
PASO 1:Las tres papeletas forman un sistema completo: sus
probabilidades suman 100% (VERIFICAR SIEMPRE)

PASO2: Aplicamos la fórmula:

P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) =

0,54

Por tanto, la probabilidad de que ganes el sorteo es del

54%.
 EN UNA URNA SE
TIENE BOLAS DE LAS
SIGUIENTES
CARACTERISTICAS:

Color: C=4 Puntos: P=5

Grises: G=6 Rayas: R=5
 Calcular la probabilidad de que al extraer una
bola sea de puntos dado que es de color P(P|C) =
P ( P, C )
P( P | C ) 
P(C )

◦ P(P,C) = 3/10 3
◦ P(C) = 4/10 P( P, C ) 10 3
P( P | C )   
P(C ) 4 4
10
  Calcular la probabilidad de que al extraer una
bola sea de rayas dado que es de color P(R|C) =
P ( R, C )
P( R | C ) 
P(C )
 P(R|C) = 1/4
◦ P(R,C) = 1/10 1
◦ P(C) = 4/10 P( R, C ) 10 1
P( R | C )   
P(C ) 4 4
10
 Calcular P(P|G)

◦ P(P,G) = 2/10
◦ P(G) = 6/10
2
P( P, G ) 10 1
P( P | G )   
P(G ) 6 3
Diapositiva 10 10
 Calcular P(C|R) = ◦ P(C,R) = 1/10
◦ P(R) = 5/10

1
P(C , R) 10 1
P(C | R)   
P( R) 5 5
Diapositiva 11 10
 PROBABILIDAD CONJUNTA
(Dependencia Estadística)

P( A, B)  P( A | B) * P( B)

P( B, A)  P( B | A) * P( A)

Diapositiva 12
 P( A, B)  P( B) * P( A | B)
Calcular P(C,R)
Calcular P(C,P)

 P(C,R) = P(R) * P(C|R)= 1/5 * 5/10 = 1/10

 P(C,P) = P(C|P) *P(P) = 3/5 * 5/10 = 3/10

Diapositiva 13
 PROBABILIDAD MARGINAL
(Dependencia Estadística)
 Suma de las probabilidades de TODOS los
eventos CONJUNTOS en los que se presenta el
evento sencillo. Calcular la probabilidad de que
sea de color P (C) =

 P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10

 P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10

P(C) = P(C,R) + P(C,P) = 1/10 + 3/10 = 4/10

Diapositiva 14
 Se ha realizado una encuesta en una universidad sobre
accidentes de tránsito a hombres y mujeres que poseen
auto o camioneta, encontrándose los siguientes
resultados Hombres Mujeres Total
Con accidentes (A1) 14 6 20
Sin accidentes (A2) 70 24 94
Total 84 30 114

En base a la encuesta determine si el sexo del conductor

influye en la frecuencia de los accidentes de tránsito.
Piden:
P(A1nH)= P(H) * P(A1/H) = 0.123 = 0.737 * P(A1/H) = 0.167 = 16.7%

P(A1nM) = P(M) * P(A1/M) = 0.053 = 0.263 * P(A1/M) = 0.20 = 20.0%

Al ser distintas las probabilidades,

el sexo del conductor podría incidir en la
ocurrencia de un accidente de tránsito
 Teorema de Bayes
Revisión de Probabilidades

Posibilidades Información Teorema Posibilidades

a priori Nueva de Bayes posteriores

P( B, A)
P( B | A) 
P( A)
TEOREMA DE BAYES:
Si los k eventos A1, A2, A3, ......, Ak,
constituyen una partición del espacio muestral S,
entonces para cualquier evento B de S, tal que P(B)
> 0, se cumple:
P(A/B) = P(A) * P(B/A) y P(B/A) = P(B) * P(A/B)
P(B) P(A)
Es decir:
Se conoce P(A) y P(B/A) (Información A priori)
y P(B) (Probabilidad total).
Y se desea P(A/B) (Información a posteriori)
 Como resolvemos este problema de
probabilidades
• En un pueblo alejado, 5% de la población padece
una enfermedad originaria de dicho lugar. A priori
podemos afirmar que la probabilidad de que una
persona seleccionada al azar padezca la
enfermedad es 5%, y de que no la padezca es 95%.
• Existe una prueba de diagnóstico para detectar la
enfermedad.
– Si una persona tiene la enfermedad, la prueba sale positiva
en 90% de los casos.
– La estadística muestra además que en 15% de los casos, a
pesar de que la persona no padecía la enfermedad, la
prueba salió positiva.
• Si escogemos a una persona, y al hacerle la prueba
de diagnóstico, ésta sale positiva, ¿Cuál es la
probabilidad de que la persona tenga realmente la
enfermedad?
 P(P|E) P(E,P)=0.05x0.90=0.0450

P(E)
0.0450 +
P(E,N)=0.05x0.10=0.0050 0.1425
P(N|E)
0.1875

P(P|noE)
P(noE,P)=0.95x0.15=0.1425

P(no E)

P(N|noE) P(noE,N)=0.95x0.85=0.8075

P( E , P) P(E, P)
P( E | P)    0.24
P( P) P(E, P)  P(noE, P) P( E, P) 0.0450
P( E | P)    0.24
P( P) 0.1875
 EJERCICIOS
En el distrito universitario de Jauja los estudiantes se distribuyen
entre las tres carreras que pueden cursarse del siguiente modo: el
20% estudian arquitectura, el 35% medicina y el 45% economía. El
porcentaje de alumnos que finalizan sus estudios en cada caso es
del 5%, 12% y del 18%. Elegido un alumno al azar determinar la
probabilidad de que haya acabado los estudios.
Otra forma de resolver utilizando las tablas de contingencia

Como el 5% (del 20% de los alumnos de arquitectura) finalizan la

carrera, el número de alumnos que finalizan arquitectura es el 1%
(casilla c11). Igualmente el 12% del 35% de los estudiantes finalizan
medicina, por lo que el 4,2% finalizan medicina (casilla c21). Por último
el 18% del los 45% de los alumnos finalizan económicas por lo que
colocamos en la casilla c23 el 8,1% correspondiente. La suma de estas
casillas es 13,3 que colocamos en la casilla c41.
 Teorema de Bayes

• Una manufacturera recibe embarques de piezas de

dos proveedores. El 65% de las piezas adquiridas
provienen del proveedor 1 y el 35% restante del
proveedor 2. Según la estadística existente, de las
100 últimas piezas recibidas del proveedor 1, 98
estuvieron buenas y 2 estuvieron malas. En el caso
del proveedor 2, 95 piezas de 100 estuvieron
buenas y 5 fueron malas. Suponga que una de las
piezas recibidas de los dos proveedores está mala,
¿cuál es la probabilidad que provenga del
proveedor 1? ¿Cuál es la probabilidad que provenga
del proveedor 2?
Diapositiva 22
 P(B|1) P(1,B)=0.65x0.98=0.6370

P(1)

P(1,M)=0.65x0.02=0.0130
P(M|1)

P(B|2) 0.0130 +
P(2,B)=0.35x0.95=0.3325 0.0175
0.0305
P(2)

P(M|2) P(2,M)=0.35x0.05=0.0175

P(1, M ) 0.0130 P(2, M ) 0.0175

P(1 | M )    0.4262 P(2 | M )    0.5738
P( M ) 0.0305 P( M ) 0.0305

Diapositiva 23
 Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Conjunta
Evento P(proveedor) P(Mala|proveedor) P(proveedor ,Mala)
Proveedor 1 0,65 0,02 0,0130 P(1,Mala)
Proveedor 2 0,35 0,05 0,0175 P(2,Mala)
0,0305 P(Mala)

P(1|M) 0,4262

P(2|M) 0,5738

P(1, M ) P(2, M )
P(1 | M )  P(2 | M ) 
P( M ) P( M )

Diapositiva 24
 Teorema de Bayes

• En una fábrica existe una máquina que produce

automáticamente engranajes. Si la máquina está
correctamente calibrada producirá 90% de piezas
buenas. Si está mal calibrada producirá sólo 40% de
piezas buenas. La experiencia pasada indica que el
70% de los trabajos de calibración dan buenos
resultados. Luego de un trabajo de mantenimiento,
la máquina produce 3 engranajes buenos, como las
primeras tres piezas.
• Se desea conocer la probabilidad revisada que la
calibración halla sido buena?

Diapositiva 25
 P(BBB|C)
P(C,BBB)=0.70x(0.90)3=0.5103
P(BB|C)

P(B|C)
0.5103 +
P(C) 0.0192
0.5295

P(NC,BBB)=0.30x(0.40)3=0.0192

P(NC)

P(C , BBB ) 0.5103

P(C | BBB )    0.9637
P( BBB ) 0.5295

Diapositiva 26
 Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta
Evento P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB)
Calibrada 0.70 0.90 0.7290 0.5103 P(Calibrada, BBB)
No Calibrada 0.30 0.40 0.0640 0.0192 P(No Calibrada, BBB)
0.5295 P(BBB)

P(Calibrada|BBB) 0.9637

P(No Calibrada|BBB) 0.0363

P(Calibrada , BBB )
P(Calibrada | BBB ) 
P( BBB )

P( No Calibrada , BBB )
P( No Calibrada | BBB ) 
P( BBB )

Diapositiva 27
RESUELVE TU PRÁCTICA EN CON
APOYO DE UN COMPAÑEROS DE
CLASE Y PREPÁRATE PARA QUE
SUSTENTES UNO DE LOS
EJERCICIOS. EN PAPELOTES

GRACIAS
reglas de adición , multiplicación y la condicional

Al lanzar un dado. ¿Cuál es la probabilidad de obtener un número

cuatro y que sea par?

A 150 residentes, a cada persona se le preguntó si estaba de

acuerdo de tener una sola agencia de policía en el municipio. Éste
está integrado por una gran ciudad y muchas poblaciones
suburbanas. Los resultados fueron que 80 estaban a favor y 40 en
contra de aquellos que pertenecen a la ciudad, los resultados fuera
de la ciudad estaban 20 a favor y 10 en contra. Si uno de estos
residentes se elige al azar :
•¿Cuál es la probabilidad de que esta persona esté a favor de la
iniciativa?
•¿Este a favor de la iniciativa si la persona elegida reside en la
ciudad?
•¿Este a favor de la iniciativa si la persona elegida reside fuera de la
ciudad?
•¿Los eventos a favor de la iniciativa y reside en la ciudad son
independientes?
Un estudiante es elegido aleatoriamente de un grupo
de 200; se sabe que de éstos, 140 son alumnos de
tiempo completo (80 mujeres y 60 varones) y 60 son
de tiempo parcial (40 mujeres y 20 varones) A:”el
estudiante elegido es de tiempo completo” y el evento
B: “el estudiante elegido es una mujer”. Calcular :
•Si son independientes los eventos A y B.
•Encuentre la probabilidad P(A y C) aplicando la regla
de la multiplicación.

40
Evento A 60 80 Evento B