ESTADISTICA. FCE.

UBA

UNIDAD 1. PROBABILIDAD

Concepto de aleatoriedad

Cuando se trabaja sobre fenómenos económicos como objeto de estudio, como ser la
demanda de cierto producto, la inflación, la balanza comercial, la evolución de precios,
vale decir que sus posibles causas o factores que influyen en su comportamiento son
puntos de interés relevantes para su explicación y comprensión efectiva.

Causas reconocidas

Explicación del
Causas desconocidas: fenómeno:
factores aleatorios Fenómeno
Económico Patrón de
comportamiento
Experiencia

Registro y
estudio

Entre las causas desconocidas o no registrables se consideran las llamadas

componentes aleatorias o no predecibles del fenómeno. Cuánto más alta sea la
presencia de éstas más lejos se estará de lograr una explicación del fenómeno. De ahí
la necesidad de estudiar desde todas las dimensiones posibles estas situaciones con el
fin de determinar patrones o modelo de comportamiento que dejen lo más acotado
posible el margen para los factores aleatorios que inciden en el fenómeno.

A fin de disponernos al estudio de situaciones que se desarrollan en escenarios

aleatorios o no determinísticos, también llamados escenarios de incertidumbre a
continuación mencionamos algunos conceptos y definiciones importantes.

Concepto Definición Ejemplos

Experimento o Hecho o situación del que Se lanza un dado y se observa la
fenómeno aleatorio no es posible predecir su cara superior.
resultado.

Prof. LAURA POLOLA 1

ESTADISTICA. FCE. UBA

Espacio muestral Conjunto de todos los Al lanzar el dado resulta

asociado a un resultados u observaciones
experimento aleatorio posibles del experimento
(E; Ω) aleatorio asociado.
Evento ó Hecho cuya ocurrencia
suceso aleatorio depende del resultado de
un fenómeno aleatorio.
(A,B  Ω) Se llama así también a todo
subconjunto del espacio
muestral.
Ocurrencia de un suceso Un suceso ocurre cuando al
realizar un experimento
aleatorio se obtiene un
resultado que pertenece a
dicho suceso.
Sucesos especiales Se caracterizan porque:
 Suceso cierto Ω  Ω siempre ocurre
 Suceso imposible Ø  Ø nunca ocurre
 Suceso elemental {x}  {x} tiene un único
elemento
Ω = {1, 2, 3, 4, 5, 6}
Se lanza un dado y sale un dos.
A = “sale par”= {2,4,6};
B = “sale mayor que 4” = {5,6}
C = “sale as” = {1}
Si sale un 2 ocurre A pero no B ni
C.
Si sale un 6 ocurren A y B pero no
C.
Si sale un 3 no ocurre ni A ni B ni
C
Al lanzar un dado:
Sale un valor de 1 a 6 inclusive
Sale 9
Sale un 3

Los sucesos especiales se definen de esa manera ya que como todo conjunto es
subconjunto de sí mismo, el espacio muestral Ω es un suceso y tiene la particularidad
de que siempre ocurre, ya que cualquiera sea el resultado obtenido en el experimento,
pertenece a Ω.

El conjunto vacío o sin elementos tiene la propiedad de estar contenido en todo

conjunto (Ø  A  A conjunto) ya que para demostrar que esto no es cierto, debería
poder encontrarse un elemento en el conjunto vacío que no pertenezca al conjunto A
dado y esto no es posible. De esta forma, Ø también es un suceso y al no tener
elementos nunca podrá ocurrir.

Por último, los sucesos elementales son aquellos que tienen un único elemento. Éstos
tienen la propiedad de ser disjuntos dos a dos (nunca comparten elementos) y la unión
de todos ellos cubre todo el espacio muestral.

A partir de esto pueden definirse los sucesos simples como aquellos que dependen de
un único resultado de un fenómeno aleatorio, y sucesos complejos o compuestos a los
que surgen de la combinación de dos o más sucesos simples.

Para obtener sucesos compuestos pueden realizarse, entre dos o más sucesos, las
operaciones básicas definidas entre conjuntos, dado que las demás combinaciones
que pueden considerarse, pueden expresarse en función de éstas.

Prof. LAURA POLOLA 2

ESTADISTICA. FCE. UBA

Operaciones entre sucesos

Operación Definición Observaciones

Unión ó Suma de sucesos: La unión entre dos sucesos
AUB = { x ϵ Ω: x ϵ A ó x ϵ B} A y B ocurre cuando ocurre
A ú ocurre B o ambos,
salvo se especifique que se
Ω trata de una unión disjunta
o excluyente.
Intersección ó Producto de La intersección entre dos
sucesos: sucesos A y B ocurre
A∩B = { x ϵ Ω: x ϵ A y x ϵ B} cuando ocurren A y B
simultáneamente.
En general, para que ocurra
una unión basta que ocurra al
menos uno de los sucesos
que participan de ella.
En general, para que ocurra
una intersección deben
ocurrir ambos al mismo
tiempo.

Complemento ó Negación de El complemento de un Como todo elemento de Ω

un suceso: suceso A ocurre cuando no pertenece a un suceso A ó a
Ā= { x ϵ Ω: x  A } ocurre A. su complemento, vale que
Ω=AUĀ y también que
Ā A∩Ā=Ø
A
Ω

Diferencia entre sucesos: La diferencia entre dos Puede identificarse al suceso

A-B = { x ϵ Ω: x ϵ A y x  B } sucesos A y B ocurre
cuando ocurre A pero no
ocurre B.
B A-B
Ω
diferencia A-B como la
intersección del suceso A con
el complemento de B, es
decir A-B = A∩B ̅
.

Concepto de Probabilidad

Puede decirse que el concepto de probabilidad goza de bastante popularidad dado que
se difunden masivamente datos de diferentes áreas que involucran cifras que expresan
probabilidades.
En escenarios de incertidumbre es donde esta noción cobra un rol destacado ya que
aunque no es posible predecir con certeza la ocurrencia de hechos aleatorios, puede
llegarse a cuantificar la posibilidad de ocurrencia de sucesos de estas características.
Existe una noción intuitiva o “cultural” que permite obtener probabilidades
identificándolas con proporciones aunque para que esto sea correcto deben cumplirse
algunas condiciones.

Prof. LAURA POLOLA 3

ESTADISTICA. FCE. UBA

Se dice que un espacio muestral es equiprobable si todos los resultados del fenómeno
asociado tienen la misma posibilidad de ocurrir.

Definición clásica de probabilidad de Laplace: Dado un espacio muestral finito y

equiprobable, para un suceso A  Ω se define la probabilidad de A como:

N°de elementos de A
P(A)=
N°de elementos de 

Los espacios muestrales que gozan de esta propiedad por excelencia son los
correspondientes a los juegos de azar (legales) donde el sistema por el que se generan
los resultados garantiza la equiprobabilidad.

Ejemplo: Siguiendo con el lanzamiento del dado y los sucesos ya mencionados:

A = “sale par”= { 2, 4, 6}; B = “sale mayor que 4” = {5, 6} ó C = “sale as” = {1}
Resultan sus probabilidades, aplicando la definición clásica:

P(A)= 3/6 = 0,5 P(B)= 2/6 = 0,33 P(C)= 1/6 = 0,167

Dada la limitación de esta definición a espacios muestrales finitos y equiprobables, es

necesario definir la probabilidad para todo hecho aleatorio cualesquiera sean las
circunstancias en que éste se produzca.

Definición frecuencista de probabilidad: Dado un fenómeno que puede observarse en

repetidas ocasiones en igualdad de condiciones, para un suceso A asociado a uno o
mas resultados del fenómeno se define la probabilidad de dicho suceso como:

N°de veces que ocurre A

P(A) =
n

donde n representa la cantidad de observaciones o repeticiones realizadas. El número

de veces que ocurre el suceso A se denomina frecuencia absoluta de A y el cociente
indicado se define como frecuencia relativa del suceso A.

Este resultado tiene una esencia empírica y sólo es aplicable a la situación particular
que da origen al cálculo (fenómeno y suceso a estudiar definidos en el momento). Más
allá de esto, los empiristas asentaron una interpretación formal más general de la
probabilidad en este cálculo definiendo:
f (A)
P(A)= lim a  lim fr (A)
n  n n 

donde fa(A) y fr(A) representan las frecuencias absoluta y relativa del suceso A
respectivamente.

Prof. LAURA POLOLA 4

ESTADISTICA. FCE. UBA

Definición subjetiva de probabilidad: Esta regla se aplica habitualmente en función de

la experiencia o “percepción” de algún hecho aleatorio de quien conoce o posee algún
“grado de creencia”. Es común que este tipo de asignación de probabilidad se utilice
respondiendo al conocimiento de las circunstancias del hecho sin seguir ninguna ley o
regla científica que la avale, por ejemplo, la probabilidad asociada al deporte (sobre
quién ganará un partido de tenis por ejemplo) o, en general, a confrontaciones diversas
(electorales por ejemplo).

Dado que, según las condiciones en que se estudia un fenómeno o sus características
propias, es posible trabajar con diferentes definiciones e interpretaciones de
probabilidad, es preciso establecer pautas que integren todas las concepciones sin
caer en contradicciones, formalizando el concepto y sus propiedades.

La teoría matemática de probabilidades se sustenta en un conjunto mínimo de axiomas

(leyes primarias y fundantes de la teoría) que permiten demostrar teoremas y
propiedades que conforman las herramientas de validación de afirmaciones y
relaciones entre los conceptos involucrados.

Definición axiomática de probabilidad: Dados un experimento aleatorio y un espacio

muestral asociado Ω, una función P que se aplica sobre los sucesos de Ω se denomina
probabilidad si verifica:
Ax. I) P(A) ≥ 0  A  Ω
Ax. II) P(Ω)=1
Ax. III) P(AUB)=P(A)+P(B) si A∩B = Ø

Obs.: El axioma III, llamado “de aditividad” es válido únicamente si A∩B = Ø, (en este
caso A y B se dice que son mutuamente excluyentes o incompatibles). En los
corolarios y teoremas siguientes se establecen propiedades que se demuestran a partir
de los axiomas.

Corolario 1: P(A)= 1 - P(A)

Dem: Como A  A=  y A  A=  por el Ax. III puede decirse que
P(A  A)=P(A)+P(A)=P(  ) y además por el Ax. II es P(Ω) = 1 entonces P(A)+P(A)=1

de lo que se deduce que P(A)=1- P(A) .

Corolario 2: P(Ø) = 0
Dem: Se prueba inmediatamente a partir del Corolario 1 y del Ax. II ya que  =  .

Propiedad: Si A B Ω entonces P(A)  P(B) B

B -A
Dem: Como A y B verifican que A B A
vale que B = (B-A)UA y además(B-A)∩A= Ø
entonces por el Ax. III vale que P(B) = P(B-A)+P(A).

Prof. LAURA POLOLA 5

ESTADISTICA. FCE. UBA

Dado que por el Ax. I es P(B-A) ≥ 0 entonces P(B) = P(B-A)+P(A) ≥ 0 + P(A) = P(A) que
es lo que se quería probar.

Observación importante: La inclusión es una relación que se define entre conjuntos en

general, que cumple con todas las propiedades de una relación de orden. De esta
manera pueden considerarse conjuntos “mas grandes” ó “más chicos” que otros.
Nótese que la probabilidad de conjuntos “más chicos” es un número menor que la de
los conjuntos “más grandes”. La importancia de la transferencia de la relación de orden
a las probabilidades es que permite interpretarla como una medida de los conjuntos.
La probabilidad formalmente es un concepto que se desarrolla dentro de la teoría de la
medida, área muy fecunda de la matemática pura.

Coralario 1 de la propiedad: 0 P(A)  1  A  Ω

Coralario 2 de la propiedad: Si A B Ω entonces P(B-A) =P(B)-P(A)

Dem: Como vimos en la propiedad, P(B)=P(B-A)+P(A) de lo que se deduce
inmediatamente lo que se quiere probar.

Teorema de la suma o de probabilidad total: P(AUB) = P(A)+P(B)-P(A∩B)

Dem: Dado que es posible expresar al suceso
A  B  A  B  A AUB

por se tratarse de una unión de sucesos mutuamente B-A

excluyentes, aplicando el Ax. III resulta A

P(AUB) =P (A)+P(B-A) y además

por ser (A∩B)A y también A∩BB es aplicable el Corolario 2 y remplazando

convenientemente resulta
P(AUB) =P (A)+P(B)-P(A∩B)

y se obtiene la identidad que se deseaba probar.

Probabilidad Condicional: Dados dos sucesos A, B  E, se define la probabilidad de

que ocurra A dado que ya ocurrió B como:

 B   P(PA(B)B)
P A (siempre que P(B)  0)

Obs.: La probabilidad condicional puede interpretarse como la proporción de veces que

ocurrirá el suceso A de todas las veces que ocurre B.

Para pensar:
 cuánto valen P(A/B) y P(B/A) si A∩B = Ø?

Prof. LAURA POLOLA 6

ESTADISTICA. FCE. UBA

 cuánto vale P(B/A) si AB?

Puede darse el caso que para dos sucesos A, B  E, la ocurrencia de uno de ellos no
altere la probabilidad de que ocurra el otro, en este caso sería P(A/B) = P(A) por
ejemplo, o también a la inversa P(B/A) = P(B). En este caso se trata de una relación
particular entre sucesos, la independencia estocástica.

Independencia de sucesos: Se dice que dos sucesos A y B son independientes si sus

probabilidades no se alteran cuando se sabe o supone que uno de ellos ya ha ocurrido.
Es decir: P(A/B) = P(A) y P(B/A) = P(B). En este caso no tiene sentido considerar la
probabilidad condicional entre ellos.

Probabilidad compuesta o conjunta: A partir de la definición de probabilidad condicional

se deduce la probabilidad del producto de dos sucesos cualesquiera, conocida como
probabilidad compuesta o conjunta:

P(A∩B) = P(A/B).P(B) ó P(A∩B) = P(B/A).P(A)

o sea que se deduce que también se verifica: P(A/B).P(B)= P(B/A).P(A)

Esta fórmula, se modifica cuando se trata de sucesos independientes obteniéndose la

siguiente igualdad:

P(A∩B) = P(A).P(B)

Obs.: Es común que este cálculo se utilice para verificar la independencia de dos
sucesos (como prueba).

Ejemplos de todos los resultados teóricos vistos

En el lanzamiento de un dado se verifica que:

 P(salga par) = 1- P(salga impar) ya que ambos sucesos tiene probabilidad igual a
0,5.
 P(salga múltiplo de 8) = 0 ya que no hay resultados múltiplos de 8, por lo tanto es
imposible que eso ocurra.
 P(salga un múltiplo de 6) = P(6) = 1/6 dado que sólo el 6 es resultado favorable y
este suceso {6} está incluido en el suceso “sale par”, donde P(salga par) = P(2; 4; 6)
= 0,5 que es un valor mayor que 1/6
 Con los mismos sucesos del ejemplo anterior haciendo {2; 4; 6} – {6} = {2; 4} las
probablidades P( {2; 4; 6} ) – P( {6} ) =1/2 -1/6 = 1/3 = P( {2; 4} ) verifican la
propiedad de la diferencia.
 Dados los sucesos A = “sale par” y B = “sale mayor que 3” haciendo AUB = {2; 4; 5;

Prof. LAURA POLOLA 7

ESTADISTICA. FCE. UBA

6} resulta P(AUB) = 2/3 y P(A) + P(B) – P(A∩B) = ½ + ½ -P({4; 6}) = 1- 1/3 = 2/3
verificándose el teorema de la suma.
 Para los mismos sucesos del caso anterior, P(A/B) = P(A∩B)/P(B) =(1/3)/(1/2) = 2/3
y P(B/A) = P(A∩B)/P(A) = (1/3)/(1/2) = 2/3. En ambos casos la probabilidad
condicional no coincide con la del suceso sin condicionar, por lo tanto A y B no son
independientes.
 Dados los sucesos A = “sale mayor que 4” y B = “Sale impar” se tiene que
P(A) = 1/3 y P(B) = 1/2 y al calcular

P(A/B) = P(A∩B)/P(B) = P({5})/(1/2) = (1/6)/(1/2) = 1/3 y

P(B/A) = P(A∩B)/P(A) = P({5})/(1/3) = (1/6)/(1/3) = 1/2

En este caso P(A/B) = P(A) y P(B/A) = P(B), por lo tanto A y B resultan ser sucesos
independientes

Importante: Sucesos mutuamente excluyentes ≠ Sucesos independientes

Si dos sucesos son mutuamente excluyentes entonces P(A∩B)=0 por lo tanto si P(A)>0
y P(B)>0 (o sea que no son imposibles) entonces:
P(A/B)=P(B/A)=0 asi que P(A/B)≠P(A) y P(B/A)≠P(B)
es decir que A y B no son independientes. Por lo tanto hemos probado que:
Si dos sucesos son mutuamente excluyentes entonces son dependientes.

Vale decir también que no todo par de sucesos dependientes son mutuamente
excluyentes, por ejemplo si P(A)=1/2, P(B)=1/4 y P(A∩B)=1/6 se verifica que A y B son
dependientes ya que P(A).P(B)≠P(A∩B) y no son mutuamente excluyentes.

Por lo tanto puede decirse que los sucesos mutuamente excluyentes son un caso
particular de los sucesos dependientes, pero no son todos ya que hay sucesos
dependientes con intersección no vacía.

Mutuamente
excluyentes

Dependientes

Independientes

Cubrimiento o partición de un conjunto: Dado un espacio muestral E asociado a un

experimento aleatorio, se dice que una familia de sucesos {A1 ; A2 ; … ; Ak} es un
partición finita de E si se verifica que:

Prof. LAURA POLOLA

E8
ESTADISTICA. FCE. UBA

a) Ai ≠ Ø  Ai 1≤ i ≤ k A2
A1
b)  = ⋃𝑘1 𝐴𝑖 y
A3 Ai
c) Ai ∩ Aj = Ø  i ≠ j

Obs: Dado que E = ⋃𝑘1 𝐴𝑖 y Ai ∩ Aj = Ø  i ≠ j Ak

resulta ∑𝑘1 𝐴𝑖 = 1. (Por el Ax. III de la definición axiomática de probabilidad)

Esta noción se refiere a un cubrimiento exhaustivo del espacio, es decir que cada
elemento del espacio pertenece a algún conjunto de la partición y sólo a uno de ellos.
De esta manera, para todo suceso B  , éste también puede “partirse” mediante la
partición que se tenga de , en subconjuntos mutuamente excluyentes de la forma
(B ∩ Ai) tales que:

B = ⋃𝑘1(𝐵 ∩ 𝐴𝑖 ) y
B 
(B ∩ Ai) ∩ (B ∩ Aj) = Ø si i ≠ j

A partir de estas propiedades aplicadas al espacio muestral y los sucesos incluidos en

él es posible demostrar el siguiente teorema.

Ley de la Probabilidad Total: Dado un espacio muestral  asociado a un experimento

aleatorio, B   un suceso cualquiera y {A1 ; A2 ; … ; Ak} una partición finita de , se
verifica que:
 P(A )P(B/A )
k
P(B) = 1 i i

Dem: Como B   se verifica que B = B ∩  y además  Ai entonces

1 i  k
 
B = B∩  Ai 
1i k 
Por la propiedad distributiva de la intersección respecto de la unión se obtiene que
B= (B  Ai )
1 i  k

Donde (B ∩ Ai) ∩ (B ∩ Aj) = Ø por estar cada uno contenido en un conjunto de la

partición, es decir (B ∩ Ai)  Ai y (B ∩ Aj)  Aj resultando mutuamente excluyentes.
Entonces puede obtenerse P(B) aplicando el Ax. III de la definición axiomática de
probabilidad haciendo:
 P(B  A ) =  P(A )P(B/A )
k k
P(B) = 1 i 1 i i

Prof. LAURA POLOLA 9

ESTADISTICA. FCE. UBA

Como por definición de probabilidad conjunta se verifica que P(B ∩ Ai) = P(Ai).P(B/Ai)
se arriba finalmente al resultado del teorema:

 P(A )P(B/A )
k
P(B) = 1 i i

Conclusión: Es posible obtener la probabilidad total de un suceso a partir de sus

probabilidades condicionales respecto a una serie de conjuntos de una partición del
espacio muestral siempre y cuando se sepan las probabilidades marginales de los
elementos de la partición que intersecan al suceso estudiado.

Ejemplo: Se sabe que la probabilidad de aprobar Álgebra I siendo recursante es de

0,62 mientras que los alumnos que la cursan por primera vez tienen una probabilidad
de 0,35 de aprobarla. Si en un curso hay un 25% de recursantes, ¿cuál es la
probabilidad de que al elegir un alumno al azar, una vez finalizada la cursada, éste
haya aprobado?

Datos:
Experimento aleatorio: se elige al azar un alumno del curso de Álgebra I
Denominando R al suceso “el alumno es recursante”, R ̅ el suceso complementario de
R, o sea “el alumno no es recursante” y A al suceso “el alumno aprueba” se tiene:

P(R) = 0,25 entonces ̅ ) = 0,75 por ser sucesos complementarios.

P(R
P(A/R) = 0,62 y P(A/R̅ ) = 0,35

Se quiere calcular P(A) sabiendo que hay dos únicas posibilidades (exhaustivas) ya
que cualquier alumno puede ser recursante o no, con probabilidad conocida y se saben
las probabilidades del suceso “el alumno aprueba” según a que categoría pertenezca -
ser recursante o no- entonces puede aplicarse la ley de la probabilidad total:

̅ ).P(A/R
P(A) = P(R). P(A/R) + P(R ̅)
P(A) = 0,25 . 0,62 + 0,75 . 0,35

P(A) = 0,4175

Rta.: La probabilidad de que un alumno elegido al azar apruebe Álgebra I es 0,4175.

Teorema de Bayes o de las causas

Dadas las mismas condiciones en que se aplica la Ley de Probabilidad Total, es posible
obtener la probabilidad condicional de cualquier suceso A i perteneciente a la partición,
al que se lo identifica como “causa”, sabiendo de la ocurrencia del suceso B,
reconocido como “efecto”.

Prof. LAURA POLOLA 10

ESTADISTICA. FCE. UBA

Dado un espacio muestral  asociado a un experimento aleatorio, B   un suceso

cualquiera y {A1 ; A2 ; … ; Ak} una partición finita de , se verifica que:

P    P(Ai )P(B/Ai )
Ai
i, 1  i  k B
B 
   
k
1
P(Ai )P(B/Ai )
Ai

P(Ai  B)
Dem: Como P  i  
A
por definición de probabilidad condicional, y al poder
 B P(B)

expresar la probabilidad conjunta como P  Ai  B   P  B  P(Ai ) resulta

 Ai 

P    P(Ai )P(B/Ai )
Ai
donde el denominador, que es el suceso “efecto” puede
 B  P(B)
descomponerse mediante la Ley de Probabilidad Total, obteniéndose así:

P    P(Ai )P(B/Ai )
Ai
i, 1  i  k
B 
   
k
1
P(Ai )P(B/Ai )
que para todo valor de i tal que 1 i  k coincide con el resultado del Teorema de Bayes
o de las “causa”.

Ejemplo integrador: Se tienen dos urnas, una con dos bolillas rojas y una blanca y otra
con dos bolillas rojas y dos blancas. Se lanza moneda cargada y si sale cara se saca
una bolilla al azar de la primera urna, sino se saca una de la segunda urna. Se sabe
que la probabilidad de obtener cara al lanzar la moneda es 1/3.

cara ceca

U1 U2

a) Calcular la probabilidad de que la bolilla extraída sea roja.

Dado que el experimento consta de dos etapas y que la segunda depende del
resultado de la primera, es útil ordenar la información mediante un diagrama de árbol.

Se puede obtener una bolilla roja tanto de

Roja una urna como de la otra, aunque las
Cara=U1 probabilidades P(R/U1) y P(R/U2) no sean
Blanca
iguales. Éstas pueden ubicarse en el árbol
Moneda
Roja según de que urna se haya tomado al bolilla.
Ceca=U2 En el árbol se “acomodan” las probabilidades
Blanca individuales o marginales y las
condicionales.
Prof. LAURA POLOLA 11
ESTADISTICA. FCE. UBA

Roja
2/3
Cara=U1 Para calcular las probabilidades
1/3 Blanca
condicionales, se utiliza la definición clásica
1/3
Moneda ya que las bolillas se seleccionan al azar
Roja
Ceca=U2 1/2 con equiprobabilidad.
2/3 Blanca
De esta forma P(R/U1) = 2/3 y P(R/U2)
1/2 =2/4=1/2.

A partir de estos datos es posible calcular P(U1∩R) = P(U1). P(R/U1)=1/3.2/3=2/9

y también P(U2∩R) = P(U2). P(R/U2)=2/3.1/2=1/3.

En base a estos resultados ya puede obtenerse la probabilidad buscada P(R) ya que

por la Ley de Probabilidad Total:
P(R)= P(U1). P(R/U1) + P(U2). P(R/U2) = 2/9 + 1/3 = 5/9.

b) Calcular la probabilidad de que la bolilla extraída sea de la primera urna si era roja.
En este caso se trata de la probabilidad de un suceso causa “saco de U1” dependiendo
del suceso efecto “sale R”, por lo tanto se aplica el Teorema de Bayes:
P R  
 
P(U1) 2/3 1/3
P U1  U1   2/5
R P(R) 5/9

donde el denominador no se calcula con la fórmula desarrollada, ya que fue obtenido a

través de la Ley de Probabilidad Total con anterioridad.

Prof. LAURA POLOLA 12