PROBABILIDAD CONDICIONAL

Hasta ahora hemos calculado la probabilidad de

un evento sin conocer si otro evento relacionado
haba ocurrido. En esta sesin discutiremos las
oportunidades que tiene un evento A cuando se
sabe que un evento relacionado B ha ocurrido;
esto se llama probabilidad condicional de A
dado B.

PROBABILIDAD CONDICIONAL
La probabilidad condicional de que un evento A ocurra dado que otro
evento B ha ocurrido se denota por P(A/B). Esta notacin se lee la
probabilidad de que A ocurra dado que B ha ocurrido, o
simplemente la probabilidad de A dado B.
Se llama probabilidad de A condicionada a B, o probabilidad de A

tam

P( A B)
P( A | B)
P( B)

ao
uno de
res
pec
t
otro o al

sabiendo que pasa B:

E espacio muestral
A
B

Ejemplo:
Si P(E y F) = 0.3 y P(F) = 0.6,encuentre P(E|F).
P(E|F)

Ejemplo:
Si P(E)=0.6 P(F)=0.7 y P(E o F)=0.8 calcule P(E | F).
P(E F) = P(E) + P (F) - P(E y F)
0.8 = 0.6 + 0.7 - P(E y F)
P(E y F) =0.5
P(E | F)

Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado salga 3
E: que al lanzar un dado salga un impar
Encontrar la probabilidad de que al lanzar un dado se obtenga un 3 dado
que se obtuvo un numero impar.
= {1,2,3,4,5,6}
A = {3},

E = { 1,3,5},

(AE) = {3},

P(A) = 1/6
P(A/E) = P(AE)/ P(E)
= 1/6 / 3/6 = (1)(6)/(6)(3)
= 6/18 = 1/3

Ejemplo:
Cul es la probabilidad de que en el segundo lanzamiento de
una moneda se obtenga cara, dado que el resultado del
primero tambin fue cara?

S CC , CS , SC , SS
A CC , SC
B CC , CS

n( S ) 4

2 1
n( A) 2 P ( A)
4 2
2 1
n( B ) 2 P ( B )
4 2

1
P( A B)
4
1
P( A B)
1
4
P( A / B)

1
P( B)
2
2

Ejemplo:
Durante un estudio de accidentes automovilsticos la PNP,
encontr que el 60% de los accidentes suceden de noche, 52%
estn relacionados con conductores alcohlicos y 37% se
presentan de noche y con conductores ebrios. Cul es la
probabilidad de que un accidente este relacionado con un
conductor alcoholizado dado que sucedi de noche?
A: Accidentes de noche

P(A)=0.60

B: Conductores alcoholizados

P(B)=0.52

P(AB)=0.37

P( A B ) 0.37
P ( B / A)

0.62
P ( A)
0.60

PROBABILIDAD TOTAL

El Teorema de la probabilidad total nos permite

calcular la probabilidad de un suceso a partir de
probabilidades condicionadas.
Particin de un conjunto
Se llama particin a conjunto de sucesos Ai (A1, A2,..., An)
tales que
A1 U A2 U... U An = S y Ai Aj = vacio

PROBABILIDAD TOTAL

Sea A1, A2, ...,An un sistema completo de sucesos tales que la

probabilidad de cada uno de ellos es distinta de cero, y sea B un suceso
cualquier del que se conocen las probabilidades condicionales P(B/Ai),
entonces la probabilidad del suceso B viene dada por la expresin:

Ejemplo:

Una compaa dedicada al transporte pblico

explota tres lneas de una ciudad, de forma que
el 60% de los autobuses cubre el servicio de la
primero lnea, el 30% cubre la segunda y el 10%
cubre el servicio de la tercera lnea. Se sabe que
la probabilidad de que, diariamente, un autobs
se avere es del 2%, 4% y 1%, respectivamente,
para cada lnea. Determina la probabilidad de
que, en un da, un autobs sufra una avera.

Solucin

El suceso "sufrir una avera" (Av) puede producirse en las

tres lneas, (L1, L2, L3). Segn el teorema de la probabilidad
total y teniendo en cuenta las probabilidades del diagrama
de rbol adjunto, tenemos:
P(Av) = P(L1) P(Av/L1) + P(L2) P(Av/L2) + P(L3) P(Av/L3) =
= 0.6 0.02 + 0.3 0.04 + 0.1 0.01 =
= 0.012 + 0.012 + 0.001 = 0.025

TEOREMA DE BAYES

El Teorema de Bayes, dentro de la teora

probabilstica, proporciona la distribucin de
probabilidad condicional de un evento "A" dado
otro evento "B" (probabilidad posteriori), en
funcin de la distribucin de probabilidad
condicional del evento "B" dado "A" y de la
distribucin de probabilidad marginal del evento
"A" (probabilidad simple o apriori).

Teorema:

Sea A1, A2, ...,An un sistema completo de

sucesos, tales que la probabilidad de cada
uno de ellos es distinta de cero, y sea B un
suceso cualquier del que se conocen las
probabilidades condicionales P(B/Ai).
entonces la probabilidad P(Ai/B) viene dada
por la expresin:

Ejemplo:

Tres mquinas, A, B y C, producen el 45%,

30% y 25%, respectivamente, del total de
las piezas producidas en una fbrica. Los
porcentajes de produccin defectuosa de
estas mquinas son del 3%, 4% y 5%.
Seleccionamos una pieza al azar; calcula la
probabilidad de que sea defectuosa.
Tomamos, al azar, una pieza y resulta ser
defectuosa; calcula la probabilidad de haber
sido producida por la mquina B.

Solucin

Sea D= "la pieza es defectuosa" y N= "la pieza no es

defectuosa".
P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) =
= 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038
Aplicando el teorema de Bayes, obtenemos:

EVENTOS INDEPENDIENTES

El concepto de independencia es importante porque facilita el

anlisis de los datos estadsticos. Si no se tuviese este
concepto, el anlisis seria muy complejo y en algunos casos
imposible de llevarse a cabo.

Decimos que el par de eventos A,B son independientes si y

solo si cualquiera de las siguientes expresiones son
verdaderas.

P(A\B) = P(A)

P(B\A) = P(B)

P(A B) = P(A) . P (B)

Ejemplo: La probabilidad de que un hombre viva dentro de 25

aos es 3/5 y la probabilidad de que su esposa viva dentro de 25
aos es 2/5. halle la probabilidad de que:
Dos eventos A y B son independientes si y slo si:
P(AB) = P(A)P(B)
Ambos vivan
P(AB) = P(A).P(B) = 3/5 *P(B)
2/5 =
= 6/25
b.
Viva solamente
solamente la
el mujer
hombre P(A) =
c. Viva
d. Viva al menos uno de ellos P(A U B) =