PROBABILIDAD CONDICIONAL.

1. Definición de probabilidad condicional.

Para introducirnos en este concepto, veamos primero el siguiente ejemplo:

Los resultados de una encuesta sobre la actitud política de 334 personas es el siguiente:

HOMBRES MUJERES TOTAL

DERECHAS 145 42 187
IZQUIERDAS 51 96 147
TOTAL 196 138 334

Sea A:’ser hombre’ y B:’ser de derechas’

Se elige una persona al azar, ¿Cuál es la probabilidad de que sea de derechas sabiendo que es
145
hombre?. Evidentemente la probabilidad pedida es: pues hay 196 varones de los cuales 145
196
son de derechas.

Esta probabilidad es la que llamamos Probabilidad condicionada del suceso B respecto al suceso
A. Dicho de otro modo, la probabilidad condicionada de un suceso B respecto de otro A es la
probabilidad del suceso B sabiendo que previamente ha ocurrido el suceso A.

Definición: Se llama probabilidad condicional del suceso B respecto del suceso A, y lo denotamos
por P ( B / A ) , al cociente:

P ( A �B )
P ( B / A) = si P ( A ) �0
P ( A)
Análogamente se define P ( A / B ) .

De lo anterior se deducen claramente las relaciones siguientes:

P ( A �B ) = P ( A ) �
P ( B / A)
P ( A �B ) = P ( B ) �
P ( A / B)

Ejemplo: De una urna que contiene 9 bolas rojas y 5 negras, se extraen sucesivamente 2 bolas.
Calcular la probabilidad de los siguientes sucesos:

a) Que las dos sean negras

b) Que las dos sean rojas
c) Que la segunda sea roja sabiendo que la primera fue negra.

1
 Solución:

a) Sea N1 : Sacar la 1ª negra

N 2 : Sacar la 2ª negra

5 4
P ( N1 �N 2 ) = P ( N1 ) �
P ( N 2 / N1 ) = �
14 13

b) Sea R1 : Sacar la 1ª roja

R2 : Sacar la 2ª roja

9 8
P ( R1 �R2 ) = P( R1 ) �
P ( R2 / R1 ) = �
14 13

c) Sea N1 : Sacar la 1ª negra

R2 : Sacar la 2ª roja

9
P ( R2 / R1 ) =
13

2. Concepto de sucesos independientes.

Definición: Dos sucesos A y B se dicen independientes si P ( B ) = P ( B / A )

Ejemplo: Consideremos el experimento de extraer cartas de una baraja. ¿Cuál es la probabilidad

de extraer dos reyes?

a) sin devolver la 1ª carta.

b) Con devolución

Sol. a) R1 :”conseguir rey en la 1ª extracción”

R2 :”conseguir rey en la 2ª extracción”

P ( R1 �R2 ) = P ( R1 �R2 ) = P ( R1 ) �
P ( R2 / R1 ) = 4 / 40 �
3 / 39

b) P ( R1 �R2 ) = P( R1 ) �
P ( R2 ) = 4 / 40 �
4 / 40

3. Cálculo de probabilidades condicional y de intersección de sucesos.

De la combinación de la fórmula de la probabilidad condicionada y de la definición de sucesos

independientes se puede deducir que si dos sucesos A y B son independientes entonces:

P ( A �B ) = P ( A ) �
P ( B)

2
Esta fórmula se puede extender para el caso de n sucesos independientes A1 , A2 ,..., An ,
quedando: P ( A1 �A2 �... �An ) = P ( A1 ) �
P ( A2 ) ��
... P ( An )

Como hemos visto, en el caso de sucesos dependientes teníamos la expresión:

P ( A �B ) = P( A) P ( B / A)

que en el caso de tres sucesos sería:

P ( A �B �C ) = P( A) �
P ( B / A) �
P (C / A �B )

pudiendo generalizar también esta fórmula para el caso de n sucesos.

Definición: Se dice que un conjunto de sucesos A1 , A2 ,..., An forman un sistema completo de

sucesos para un determinado experimento aleatorio si verifican las dos condiciones siguientes:

- A1 �A2 �... �An = E

(
- A1 , A2 ,..., An son incompatibles dos a dos. Ai �Aj = f )
Teorema de la 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 para el que se conocen las probabilidades P ( B / Ai ) ,
entonces la probabilidad del suceso B viene dada por:

n
P ( B / Ai )
P ( B) = �P( Ai ) �
i =1

Demostración:

B = B �E = B �( A1 �A2 �... �An ) = ( B �A1 ) �( B �A2 ) �... �( B �An )

n n
entonces : P ( B) = �P( B �A ) = �P( A ) �P( B / A )
i =1
i
i =1
i i

Teorema de Bayes

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 para el que se conocen las probabilidades P ( B / Ai ) ,
entonces:

3
 P ( Ai ) P ( B / Ai )
P ( Ai / B ) = n
i = 1, 2,..., n
�P( A ) �P( B / A )
i =1
i i

Demostración:

P ( Ai �B) = P( Ai ) �
P( B / Ai ) = P( B) �
P( Ai / B ) i = 1,..., n

despejando P ( Ai / B ) nos queda:

P( Ai ) P ( B / Ai )
P( Ai / B) = i = 1, 2,..., n
P ( B)

y por el teorema de la probabilidad total :

P ( Ai ) P ( B / Ai )
P ( Ai / B ) = n
i = 1, 2,..., n
.
�P( A ) �P( B / A )
i =1
i i

Ejemplo:

Se tiene dos urnas, la primera tiene 3 bolas blancas y 2 negras, la segunda tiene 2 bolas blancas
y 3 negras. Se elige al azar una urna y de ella se extrae una bola. Calcular la probabilidad de que
sea blanca.

Sea A1 :”elegir la urna nº1”

A2 :”elegir la urna nº2”
B :”extraer bola blanca”

1 3 1 2 1
P ( P( B ) = P( A1 ) �
P( B / A1 ) + P ( A2 ) �
P ( B / A2 ) = �+ � =
2 5 2 5 2

Supongamos ahora que realizada la extracción, la bola resulta ser blanca y queremos saber qué
probabilidad hay de que la bola proceda de la urna nº1.

1 3
�
P ( A1 ) P ( B / A1 ) 2 5 3
P ( Ai / B ) = = =
P ( A1 ) P ( B / A1 ) + P ( A2 ) P ( B / A2 ) 1 �3 1 2 5
+ �
2 5 2 5

4
 TEOREMA DE MULTIPLICACIÓN DE PROBABILIDADES

El teorema de la multiplicación de probabilidades era conocido por casi todos los

estudiosos a través de cálculos particulares. Sin embargo, fue Abraham De Moivre (1667–
1754) el primero que los enunció con autoridad. En la introducción a su obra Doctrina de
las Posibilidades de 1711, De Moivre presentó el importante concepto de independencia
de sucesos aleatorios; así, escribió: «Diremos que dos sucesos son independientes, si uno
de ellos no tiene ninguna relación con el otro» y procedió a definir los sucesos
dependientes: «Dos sucesos son dependientes si están ligados el uno al otro y la
probabilidad de ocurrencia de uno de ellos influye en la probabilidad de ocurrencia del
otro». Una vez hecho esto, De Moivre lo aplicó al cálculo de probabilidades: «la
probabilidad de ocurrencia de dos sucesos dependientes es igual a la probabilidad de
ocurrencia de uno de ellos dividida por la probabilidad de que el otro ocurra si el primero
ya ha ocurrido. Esta regla puede generalizarse para varios sucesos». El caso de varios
sucesos lo describía así: «Se necesita elegir uno de ellos como el primero, otro como el
segundo, y así. Luego, la ocurrencia del primero debe considerarse independiente de
todas las demás; el segundo debe considerarse con la condición de que el primero ha
ocurrido: el tercero con la condición de que tanto el primero como el segundo han
ocurrido, y así. De aquí, la probabilidad de las ocurrencias de todos los sucesos es igual al
producto de todas las probabilidades». O en notación moderna:
P{A1 ∩ A2….A N}=P{A1} ⋅ P{A2 | A1} ⋅ P{A3 | A1 ∩ A2}….⋅ P{AN |A1 ∩…. AN-1}
De Moivre acompañó sus afirmaciones con ejemplos resueltos. También fue consciente de
que lo verdaderamente difícil de este teorema es descubrir cuándo dos sucesos son o no
independientes.
Cuando un acontecimiento resulta del concurso de dos acontecimientos A y B, la
probabilidad es igual a la de uno de ellos, A, por ejemplo, multiplicada por la probabilidad
nueva que corresponde al acontecimiento B cuando se sabe que A se ha realizado.
Si la probabilidad del acontecimiento B no se modifica por la llegada previa del
acontecimiento A se dice que ambos acontecimientos son independientes.

5
Ejemplo:
Probabilidad de sacar 2 reyes de una baraja de 52 cartas
P(A) = 4/52 = 0,0769
Casos favorables 4, los 4 reyes
Casos posibles 52, las 52 cartas.
P(B) = 3/51 = 0,0588
Casos favorables 3, los 3 reyes que quedan porque YA ha salido un rey.
Casos posibles 51, falta el rey que ya hemos extraído en A
P(AB) = (4/52) * (3/51) = 0,0045
Si al sacar la carta en el caso A se devolviera a la baraja entonces los casos serían
independientes y su probabilidad
P(AB) = (4/52) * (4/52) = 0,0059
TEOREMA DE MULTIPLICACIÓN (O DE LAS PROBABILIDADES COMPUESTAS).

Si para que se produzca un acontecimiento, debe producirse un acontecimiento A y

además un acontecimiento B, la probabilidad compuesta del primer acontecimiento es
igual a la probabilidad de A multiplicada por la probabilidad condicionada de B después
de realizarse A. Simbólicamente se escribe:

En donde es la probabilidad de B después de realizarse A.

Ejemplo:

¿Qué probabilidad hay de que extrayendo dos cartas de una baraja de 52 cartas bien
mezcladas se obtengan dos ases? Obsérvese que la extracción es exhaustiva; es decir, que
una vez sacado un naipe, éste no se repone a la baraja.

La probabilidad de que el primer naipe sea un as es:

6
Una vez sacado el primer as, quedan sólo 3 ases en la baraja de 51 cartas; por tanto, la
probabilidad de sacar otro as es:

Así pues, la probabilidad buscada es:

Observación al teorema de multiplicación:

Si la probabilidad del acontecimiento A no es modificada por la realización del

acontecimiento B, se dice que los acontecimientos A y B son independientes y entonces el
teorema de multiplicación se escribe:

Ejemplo:

¿Cuál es la probabilidad de sacar no exhaustivamente dos ases de una baraja de 52

cartas? Este es el caso en que después de sacar el primer as, éste se devuelve a la baraja y
se mezcla de nuevo antes de buscar el segundo as. Entonces la probabilidad es:

TEOREMA DE LA MULTIPLICACIÓN PARA PROBABILIDAD CONDICIONAL.

Tomando como referencia la fórmula de probabilidad condicional,

7
Despejando:

p (AÇE) = p(E)p(A½E) Teorema de la multiplicación para probabilidad condicional

Donde:

p(AÇE) = probabilidad de que ocurran A y E

p(E) = probabilidad de que ocurra E

p(A½E) = probabilidad de que ocurra el evento A dado que el evento E ya ocurrió

Eventos Independientes

Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento no

tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un caso típico de
eventos independiente es el muestreo con reposición, es decir, una vez tomada la muestra se

regresa de nuevo a la población donde se obtuvo.

Ejemplo:

Lanzar al aire dos veces una moneda son eventos independientes por que el resultado del primer
evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello, en el segundo
lanzamiento.

Eventos dependientes

Dos o más eventos serán dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos
afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso, empleamos
entonces, el concepto de probabilidad condicional para denominar la probabilidad del evento
relacionado. La expresión P(A|B) indica la probabilidad de ocurrencia del evento A sí el evento B
ya ocurrió.

Se debe tener claro que A|B no es una fracción.

P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A)

8
 Ciertas Reglas de Multiplicación

Se relacionan con la determinación de la ocurrencia de conjunta de dos o más eventos. Es decir la

intersección entre los conjuntos de los posibles valores de A y los valores de B, esto quiere decir
que la probabilidad de que ocurran conjuntamente los eventos A y B es:

P(A y B) = P(A B) = P(A)P(B) si A y B son independientes

P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes

P(A y B) = P(A B) = P(B)P(A|B) si A y B son dependientes

Si se tienen varios eventos sucesivos e independientes entre sí, la probabilidad de que ocurran
todos ellos a la vez corresponde a la multiplicación de las probabilidades de cada uno de los
eventos.

Ejemplo:
Si se responden al azar cuatro preguntas con cinco opciones cada una, ¿cuál es la
probabilidad de acertar a todas?

La probabilidad de acierto en cada una de las preguntas es 1/5. Por lo tanto, la probabilidad de
acertar en las cuatro es: