PROBABILIDAD CONDICIONAL,

MARGINAL Y CONJUNTA.
INDEPENDENCIA DE EVENTOS.
PROBABILIDAD TOTAL Y
TEOREMA DE BAYES.

B E R N A R D O F R O N TAN A D E L A C R U Z
MARCO ANTONI O GMEZ RAMREZ
ENERO DE 2012.

PROBABILIDAD CONDICIONAL
Como su nombre lo indica se trata de determinar la
probabilidad de que ocurra un evento A (aposteriori)
dado que ya aconteci un evento B (apriori), y se
representa mediante P(A|B), se lee probabilidad de A
dado B o probabilidad de A condicionada a B.
En la probabilidad condicional,
consideramos que de un
espacio muestral S se conoce
nicamente el evento B, que
constituye un espacio muestral
reducido.

Se desea saber la posibilidad de que exista el

evento A.

Como nicamente
conocemos el evento B, la
probabilidad de que exista
A est dada por la posible
interseccin del evento A
con el evento B.

Por lo tanto la expresin para la probabilidad

condicional quedara P(A|B)=n(AB)/n(B), donde n(AB)
es el nmero de elementos en la interseccin de A con
B y n(B) es el nmero de elementos en el evento B.
Si el numerador y el denominador se dividen entre n(s)
que es el nmero de elementos en el espacio muestral
y aplicamos el concepto de probabilidad, tenemos:
P(A|B)=[n(AB)/n(S)]/[n(B)/n(S)]= P(AB)/P(B).

De la ltima expresin P(A|B)=P(AB)/P(B), P(B) es la

probabilidad del evento condicin o del evento que se
presenta primero .
De manera similar se puede pedir la probabilidad del
evento B dado que ya ocurri el evento A P(B|
A)=P(AB)/P(A), ahora P(A) es la probabilidad del
evento condicin o del que se presenta primero .
Ejemplo: Al arrojar dos dados resultan caras iguales,
cul es la probabilidad de que sumen ocho?
Identificamos los eventos dentro del espacio muestral:
A={caras iguales}={(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}
B={sumen ms de ocho}={(3,6),(4,5),(4,6),(5,4),(5,5),
(5,6),(6,3),(6,4),(6,5),(6,6)}
n(A)=6, n(B)=10 y n(AB)=2, aplicando la expresin P(B|
A)=n(AB)/n(A)=2/6=1/3=0.333

PROBABILIDAD CONJUNTA
Es la probabilidad de ocurrencia de dos o ms eventos.

De la expresin P(B|A)=P(AB)/P(A) se pude despejar

P(AB)=P(A)P(B|A) expresin llamada Ley de
multiplicacin de probabilidades.

P(AB) recibe el nombre de probabilidad conjunta y

corresponde a la probabilidad de que se presenten
resultados comunes a los eventos A y B.
Ejemplo: Al arrojar una moneda desequilibrada al aire,
P(A)=1/3 y P(S)=2/3, en dos ocasiones, cul es la
probabilidad de que en las dos ocasiones sea guila.

Auxilindonos
de un diagrama
de rbol.

A
S

A1
S1

A
S

A
S

A2

S2

A2

S2

P(A1A2)=P(A1)P(A2|A1)=
P(A1A2)=1/3(1/3)= 1/9

PROBABILIDAD MARGINAL
Para obtener expresiones tiles en el clculo de este
tipo de probabilidades, se realizar un ejemplo.
En un taller mecnico tienen un total de 135
desatornilladores, los tcnicos atribuyen a stos dos
caractersticas cuando se los piden a sus ayudantes,
su longitud (largo y cortos) y la forma de la punta que
embona en los tornillos (planos o de cruz) de acuerdo
a la definicin de eventos que sigue, la distribucin es
la siguiente:
Evento Caracterstic
s
a
A1

Largo

Event
o

A1

A2 Tot
al

A2

Corto

B1

40 60

100

B1

Punta plana

B2

15 20

35

Para determinar una probabilidad conjunta, digamos

desatornilladores cortos con punta plana, de acuerdo
con la tabla, es el cociente 60/135=0.444, que se obtuvo
de dividir el nmero de desatornilladores cortos y que
tienen punta plana, en trminos de conjuntos,
n(A2B1)=n21=60, entre el total de los desatornilladores
del taller, ns=135.
Generalizando se obtiene la probabilidad conjunta de
dos eventos con la expresin siguiente: P(AiBj)=nij/ns
Donde i=1, 2, 3,n y j=1, 2, 3,n
Considrese que nicamente nos interesa conocer la
probabilidad de los eventos Bj, por ejemplo de B1,
P(B1)=(n11+n21)/ns=(40+60)/135=100/135=0.74 Se observa
que el subndice correspondiente al evento B
permanece constante en la suma del numerador n11+n21.

Generalizando, la probabilidad marginal de cualquier

evento Bj puede calcularse P(Bj)=i=1nnij/ns, pero
i=1nnij/ns=i=1nP(AiBj), por lo tanto P(Bj)=i=1nP(AiBj).
En otra palabras la probabilidad de un evento Bj es igual
a la suma de probabilidades conjuntas del evento Bj y
los eventos Ai, la suma se realiza sobre los eventos Ai.
Tambin se puede determinar la probabilidad marginal
de cualquier evento Ai: P(Ai)=j=1nP(AiBj), en este caso
la suma se realiza sobre los eventos Bj.
Se puede demostrar que la suma de probabilidades
marginales de los eventos Ai, o de los eventos Bj, es
igual a uno, como se demuestra a continuacin:
P(B1)=100/135=0.74 y
P(A1)=55/135=0.4075 y
P(B2)=35/135=0.26
P(A2)=80/135=0.5925
Por lo tanto i=12P(Ai)=1
Por lo tanto i=12P(Ai)=1
P(A )+P(A )=0.4975+0.5925=1 P(A )+P(A )=0.74+0.26=1

PROBABILIDAD DE EVENTOS INDEPENDIENTES

Regresando a la expresin anterior P(AB)=P(A)P(A|B).
Si los eventos A y B son independientes entre s, esto
significa que la ocurrencia de uno no depende de la
ocurrencia del otro, por lo tanto la probabilidad
condicional sera igual a la probabilidad de ocurra
cualquier P(A|B)=P(A) y P(B|A)=P(B).
Sustituyendo en la expresin de probabilidad conjunta,
tenemos P(AB)=P(A)P(B), siempre y cuando A y B sean
eventos independientes entre s y se le denomina Ley
de multiplicacin de eventos independientes.

Ejemplo: En una Olimpiada compiten tres arqueros para

la final, la probabilidad de que den en el blanco son 1/2,
1/3 y 1/6. Si la final se define con un solo tiro por
arquero. Calcular la probabilidad de que:
a) Slo uno de en el blanco, b) los dos primeros den en
el blanco y el tercero no y c) Ninguno da en el blanco.
Solucin: a) Si i=1, 2, 3 es el orden de los tiros al blanco,
se establecen los siguientes eventos: A={Slo un
arquero da en el blanco}, Ai={El arquero Ai da en el
blanco} y Aic={El arquero Aic no da en el blanco}.
P(A)=P[(A1A2cA3c)U(A1cA2A3c)U(A1cA2cA3)] =
P(A1)P(A2c)P(A3c)+P(A1c)P(A2)P(A3c)+P(A1c)P(A2c)P(A3)
P(A)=(1/2)(2/3)(5/6)+(1/2)(1/3)(5/6)+(1/2)(2/3)(1/6)=0.4722
b) B={el primero y el segundo arqueros dan en el blanco
y el tercero falla} P(B)=P(A1A2A3c)=P(A1)P(A2)P(A3c)
P(B)=(1/2)(1/3)(5/6)=5/36=0.1388

c) B={El primero, el segundo y el tercer arqueros fallan}

P(C)=P[(A1c A2c A3c)=P(A1c)P(A2c)P(A3c)=(1/2)(2/3)(5/8)
P(C)=10/36=0.277

PROBABILIDAD TOTAL
Consideremos un eventos B y un conjuntos de eventos
Ai que son mutuamente excluyentes entre si, AiAj=, ij,
es decir, si tomamos dos eventos Ai diferentes su
interseccin es el evento vaco, adems los eventos Ai
son exhaustivos, Ui=1nAi=S, la unin de todos ellos cubre
el espacio de eventos, como se muestra en la figura.
A .. A
n-

A
3

Para conocer el evento B a travs de los eventos Ai, se

tiene: B=(A1B)U(A2B)U(A3B)..U(An-1B)U(AnB), la
unin de las intersecciones del evento B con los
eventos Ai, en forma implcita B=Ui=1nAiB.
Si aplicamos el concepto de probabilidad a ambos
miembros de la igualdad se tiene: P(B)=i=1nP(AiB);
que recibe el nombre de probabilidad total del evento B.

TEOREMA DE BAYES
Considerando P(Ai) como la probabilidad a priori de los
eventos Ai, y se requiere conocer una probabilidad a
posteriori de cada uno de ellos, dado que ya conocemos
el evento B, Ak representa a cualquiera de los eventos Ai.
P(Ak|B)=P(AkB)/P(B), como P(AkB)=P(Ak)P(B|Ak) y la
probabilidad total de B es P(B)=i=1nP(AiB), tenemos:
P(A |B)=[P(A )P(B|A )]/[ nP(A )P(B|A )]

Esta ltima expresin se conoce como Teorema de

Bayes, que establece la probabilidad de un evento
particular Ak de los eventos Ai, dado que ya sucedi el
evento B, expresada en trminos de probabilidad
condicional.
Ejemplo: En una escuela el 5% de los hombres y el 2%
de las mujeres tienen ms de 1.8m de estatura. Adems
el 60% de los estudiantes son mujeres. Se selecciona al
azar un estudiante para que realice una determinada
funcin en el comit de seguridad del plantel, Qu
probabilidad hay de que: a) sea estudiante con estatura
mayor de 1.8m? b) sea mujer dado que tiene una
estatura mayor de 1.8m?
Solucin: Se define los eventos A1={estudiante mujer},
A2={estudiante hombre} y B={estatura mayor a 1.8m}
Datos: P(A1)=0.6, P(A2)=0.4, P(B|A1)=0.02 y P(B|A2)=0.05.

Auxilindonos de un diagrama de Venn

A1

A2

A1B

A2B

a) Probabilidad total de B, P(B)=P(A1B)+P(A2B),

P(B)=P(A1)P(B|A1)+P(A2)P(B|A2)=0.6(0.02)+0.4(0.05)=0.032
b) Aplicando el Teorema de Bayes: P(A1|B)=P(A1)P(B|
A1)/P(B)=0.6(0.02)/0.032=0.375