UNMSM FISI EAPIS CURSO: ESTADSTICA II SEMESTRE

2014-1
PROBABILIDAD CONDICIONAL
Algunas Veces, se requiere revisar la probabilidad de un evento a partir del conocimiento de condiciones
adicionales que pueden afectar su resultado. As, por ejemplo, la probabilidad de que un estudiante del aula,
elegido al azar, trabaje, es diferente a la probabilidad de que trabaje habindolo elegido aleatoriamente
entre los varones del aula. Se tiene as dos probabilidades diferentes para un mismo evento. La probabilidad
de que un alumno elegido trabaje sabiendo que es varn es una probabilidad condicional.
DEFINICIN:
Dados Los eventos A y B, la probabilidad del evento A sabiendo que el evento B ha ocurrido, que se denota
como P(A/B), est definida como
P( A / B)

P( A B)
P( B) , si P(B) > 0

En espacios muestrales con resultados equiprobables, la probabilidad condicional nos permite evaluar la
probabilidad del evento A en el espacio muestral reducido B.
EJEMPLO 1:
De una urna que contiene cuatro fichas numeradas de 1 a 4, se extrae de una en una y sin reposicin 2 fichas,
para conformar un nmero de 2 cifras. Sean los eventos, A: el nmero conformado es impar, B: el primer
dgito extrado es menor que 2. Una vez que ocurre B, el espacio muestral que queda para elegir la segunda
ficha es B = {2, 3, 4}, con resultados equiprobables, de modo que la probabilidad de que ocurra A es igual
a P*(A) = P({3}) = 1/3. A este mismo resultado se llega si se aplica la definicin de la probabilidad
condicional, ya que siendo P(A) = 6/12, P(B) = 3/12, P(A B) = 1/12, la probabilidad condicional P(A/B) =
1/12/3/12 = 1/3.
EJEMPLO 2:
Una urna contiene 3 fichas rojas y 2 negras. Se extraen al azar dos fichas, de una en una y sin reposicin.
El espacio muestral asociado est dado por = {rr, rn, nr, nn}, donde los puntos muestrales no son
equiprobables.
Si se definen los eventos, A: primera ficha es roja y B: segunda ficha es roja, calcularamos sus
probabilidades usando el principio de multiplicacin y con la ayuda de un diagrama en rbol, donde las
probabilidades de cada extraccin son condicionales. As,
P(A) = P({RR, RN}) = 3/5 X 2/4 + 3/5 X 2/4 = 3/5 y

1
Profesora del curso: Lic. Justa Caridad Huaroto Sumari

UNMSM FISI EAPIS CURSO: ESTADSTICA II SEMESTRE

2014-1
P(B) = P({RR, NR}) = 3/5 X 2/4 + 2/5 X 3/4 = 3/5.
PROPIEDADES DE LA PROBABILIDAD CONDICIONAL:
a) P(A/B) 0, para todo evento A, siempre que P(B) > 0.
b) P( ( / B ) = 1
c) Si {A n}es una sucesin de eventos incompatibles dos a dos, y B es un evento tal que P(B) > 0,
entonces se cumple
n=1

P [ ( A n ) /B ] = P( An / B)
n=1

d) P[( A1 A2 ) / B] = P(A1/B) + P(A2/B) P(A1 A2)/B, si A1 A2 =

e) P(A/B) = 1 P(A/B).
Las propiedades a), b) y c) indican que la probabilidad condicional cumple los axiomas de una funcin
probabilidad.
EJEMPLO 2:
Si P(A) = 0.2, P(B) = 0.3 y P(A B) = 0.4, entonces
P( A B)
P ( A) P ( B ) P ( A B)
1
0.66
P
(
B
)
p
(
B
)
P(A / B) = 1 P(A/B) = 1 66
La probabilidad condicional satisface, adems, las propiedades dadas por los siguientes teoremas.
TEOREMA 1: REGLA DE MULTIPLICACIN
Para dos eventos A y B se cumple lo siguiente:
P(A B) = P(B) P(A/B)
o equivalentemente
P(A B) = P(A) P(B/A)
Esta propiedad se deduce de la definicin de probabilidad condicional y permite evaluar la probabilidad de
la ocurrencia simultnea de dos eventos. La regla puede extenderse para ms de dos eventos.
EJEMPLO 3:

2
Profesora del curso: Lic. Justa Caridad Huaroto Sumari

UNMSM FISI EAPIS CURSO: ESTADSTICA II SEMESTRE

2014-1
Con los eventos definidos en el ejemplo 1, si deseramos evaluar la probabilidad de que la primera y la
segunda fichas extradas sean rojas, entonces se pide calcular P(A B). Utilizando el teorema 1 se tiene,
P(A B) = P(A) P(B/A) = 3/5 x 2/4 = 3/10
TEOREMA 2: TEOREMA DE PROBABILIDAD TOTAL
Sea un espacio muestral y sean los eventos B 1, B2, ..., Bk, con la propiedad: B1 B2 ...... Bk = y
disjuntos dos a dos, entonces para todo evento A se cumple que
k

P ( A) P ( Bi ) P ( A / Bi )
i 1

Con esta propiedad se trata de evaluar la probabilidad de un evento A que puede ocurrir simultneamente
con otros eventos Bi de una particin de .
EJEMPLO 4:
La probabilidad de que Juan estudie para su examen de estadstica es 0.8. Si estudia, la probabilidad de que
apruebe el examen es 0.90. Si Juan no estudia, la probabilidad de aprobar el curso se reduce a 0.15. Qu tan
probable es que Juan apruebe el examen?.
SOLUCIN:
Vemos que el evento Juan aprueba el examen puede ocurrir con otros dos eventos: Juan estudia y Juan
no estudia. Entonces, para resolver este problema, definiremos eventos del modo siguiente:
B1: Juan estudia para el examen
B2: Juan no estudia para el examen
A: Juan aprueba el curso.
Con los datos se tiene: P(B1) = 0.8, P(B2) = 0.2, P(A/B1) = 0.90, P(A/B2) = 0.15. Usando el teorema de
probabilidad total se tiene
P(A) = P(B1) P(A/B1) + P(B2) P(A/B2) = 0.8 x 0.9 + 0.2 x 0.15 = 0.75
TEOREMA 3: REGLA DE BAYES
Sea un espacio muestral y sean los eventos B 1, B2, ..., Bk, con la propiedad: B1 B2 ...... Bk = y
disjuntos dos a dos. Sea A un evento tal que P(A) > 0. Entonces para cada j = 1, 2, ... , k se cumple
P( B j / A)

P( B j ) P( A / B j )
k

P( B ) P( A / B )
i 1

3
Profesora del curso: Lic. Justa Caridad Huaroto Sumari

UNMSM FISI EAPIS CURSO: ESTADSTICA II SEMESTRE

2014-1
Esta propiedad es una herramienta que permite determinar, a partir de la probabilidad a priori P(B i), la
probabilidad a posteriori del evento Bi , dada una cierta informacin A, permitiendo revisar estimaciones
anteriores y reducir el riesgo en la toma de decisiones.
EJEMPLO 5:
Los alumnos de Estadstica II se distribuyen en tres grupos del modo siguiente:
Grupos
1
2
3

Varones
25
30
20

Mujeres
25
15
10

Total
50
45
30

Se elige un grupo al azar y de l se elige al azar un alumno. Qu tan probable es que se elija a un varn?
Si se eligi un varn, qu tan probable es que sea del grupo 1? del grupo 2? del grupo 3?
SOLUCION:
Sean los eventos
Bi: alumno proviene del grupo i, para i = 1, 2, 3.
A: alumno elegido es varn.
Con los datos se tiene: P(Bi) = 1/3, P(A/B1) = 25/50, P(A/B2) = 30/45, P(A/B3) = 20/30.
Usando la probabilidad total, P(A) = P(B1) P(A/B1) + P(B2)P(A/B2) + P(B3)P(A/B3)
= (1/3)(25/50) + (1/3)(30/45) + (1/3)(20/30)
= 0.611
A la luz del conocimiento de que ha ocurrido el evento A, enseguida reevaluaremos las probabilidades de los
eventos Bi, usando la regla de Bayes:
P(B1/A) = [P(B1)P(A/B1)] / P(A) = (1/3)(25/50) / 0.611 = 0.272
P(B2/A) = [P(B2)P(A/B2)] / P(A) = (1/3)(30/45) / 0.611 = 0.364
P(B3/A) = [P(B3)P(A/B3)] / P(A) = (1/3)(20/30) / 0.611 = 0.364

EVENTOS INDEPENDIENTES:
Si la probabilidad del evento A no depende de la realizacin del evento B, se dice que A es independiente de
B.
DEFINICIN:
Se dice que los eventos A y B son independientes si P(A B) = P(A) P(B).
EJEMPLO 1:
4
Profesora del curso: Lic. Justa Caridad Huaroto Sumari

UNMSM FISI EAPIS CURSO: ESTADSTICA II SEMESTRE

2014-1
Si de la urna del ejemplo 2 se hicieran extracciones con reposicin, para los eventos A y B descritos se
tendra lo siguiente:
9
P(A B) = P(obtener la primera y segunda fichas rojas) = P(A)P(B/A)= 3/5x3/5 = 25
Como vemos, al cumplirse que P(A B) = P(A) P(B), entonces A y B son eventos independientes.
PROPIEDAD 1:
Los eventos A y B son independientes si y solo si P(A/B) = P(A), o equivalentemente, P(B/A) = P(B).
PROPIEDAD 2:
Si A y B son eventos independientes, entonces, tambin son independientes los siguientes eventos:
i) A y B
ii) A y B
iii) A y B
Se puede generalizar esta propiedad indicando lo siguiente: Si se tiene una coleccin de N eventos
independientes y, si se cambia algunos o todos los eventos por sus eventos contrarios, la clase resultante
sigue siendo de eventos independientes. As por ejemplo, Si A, B y C son eventos independientes, entonces
Ac , Bc y Cc tambin son eventos independientes.
Con las nociones de probabilidad condicional e independencia de eventos se puede calcular probabilidades
de eventos definidos en espacios muestrales infinito numerables.

5
Profesora del curso: Lic. Justa Caridad Huaroto Sumari