UNIVERSIDAD PRIVADA ANTENOR ORREGO

PROBABILIDAD CONDICIONAL

Dr. CRISTOBAL EXEBIO C.

 Probabilidad condicionada
Dado los sucesos A y B, tal que ( A  B)  B
entonces, la probabilidad de A condicionada a la
ocurrencia del suceso B o probabilidad de un
suceso A sabiendo que se ha producido un
suceso B, es dada por :

P( A  B)
P( A | B) 
P( B)
2
1. Sean A y B dos sucesos aleatorios con P(A) = 1/3,
P(B) = 1/4, P(A  B) = 1/5. Determinar:

P( A / B ) , P( B / A ) y P( A / B )
 Ejemplos:
2.En una ciudad, el 40% de la población tiene
cabellos castaños, el 25% tiene ojos castaños y el
15% tiene cabellos y ojos castaños. Se escoge una
persona al azar:
a. Si tiene los cabellos castaños, ¿cuál es la
probabilidad de que tenga también ojos castaños?
b.Si tiene ojos castaños, ¿cuál es la probabilidad de
que no tenga cabellos castaños?
c.¿Cuál es la probabilidad de que no tenga cabellos ni
ojos castaños?
 ¿Cuál es la probabilidad de que una carta
escogida al azar sea un as sabiendo que es roja?

26
Espacio restringido
P ( As  Rojo) 2 / 52 2
P ( As | Rojo)   
P ( Rojo) 26 / 52 26
5
 Regla de la la Multiplicacion de Sucesos
Condicionados
1.Sean A y B dos sucesos condicionados, entonces
la probabilidad conjunta de A y B es dada por:
P ( A  B )  P( A ) P ( B / A )
2. Sean A, B y C tres sucesos condicionados,
entonces:
P( A  B  C )  P ( A ) P ( B / A ) P ( C / AB )
La probabilidad de ocurrencia simultanea de los sucesos A,B y
C, es dada por la probabilidad del primer suceso multiplicado
por la probabilidad de ocurrencia del segundo suceso dada la
ocurrencia del primero, por la probabilidad de la ocurrencia del
tercer suceso dada la ocurrencia de los dos anteriores.
 Ejemplo:
3.Disponemos de dos urnas: la urna A contiene 6 bolas
rojas y 4 bolas blancas, la urna B contiene 4 bolas rojas
y 8 bolas blancas. Se lanza un dado, si aparece un
número menor que 3; nos vamos a la urna A; si el
resultado es 3 ó más, nos vamos a la urna B. A
continuación extraemos una bola. Se pide obtener la:
a.Probabilidad de que la bola sea roja y de la urna B.
b.Probabilidad de que la bola sea blanca.
 Independencia de Sucesos
Los sucesos A y B serán independientes si la
ocurrencia de B no influye en la probabilidad
de A y al revés. Es decir, si:
P( A | B)  P( A) y P( B | A)  P( B)
P( A  B)
P( A | B)   P( A  B)  P( A | B) P( B)
P( B)
Como:
P( A  B)
P ( B | A)   P( A  B )  P ( B | A) P( A)
P( A)

Entonces: P( A  B )  P( A) P( B ) 8
 Ejemplo
Experimento: Lanzar dos dados,un rojo y un blanco.
Sea A = dado rojo sale 1 y B = dado blanco sale 1.
1
P( A  B ) 36 1
P( A | B)     P( A)
P( B) 1 6
6
Sea C = suma de los dos dados es 3. ¿Afecta A =
que el dado rojo salga 1 a la probabilidad de C?
1
P (C  A) 36 1 2
P(C | A)     P (C ) 
P( A) 1 6 36
9
6
2.Una caja contiene 10 bolas, 3 son rojas. Escogemos dos
bolas al azar. Encuentra la probabilidad de que ninguna de
ellas sea roja: (a) con reemplazo y (b) sin reemplazo.
Consideremos los sucesos:
A: Primera bola no-roja y B: Segunda bola no-roja
Conocemos que: P(A) = 7/10

Si el muestreo es con reemplazo, la situación para la

segunda elección es idéntica que para la primera, y
P(B) = 7/10.
Los sucesos son independientes y la respuesta es:
P(A  B) = P(A)  P(B) = 0.7  0.7 = 0.49
10
Si es sin reemplazo, hemos de tener en cuenta que
una vez extraída la primera bola, quedan solo 9 y 3
deben ser rojas.
Así: P(B|A) = 6/9 = 2/3. En este caso la respuesta
es:
P(A  B) = P(A)P(B|A) = (7/10)  (2/3)  0.47

3R
3R 6O
7O
P(A) = 7/10 P(B) = 6 / 9
 Partición del Espacio Muestral
A1 A2 A3Se trata de una colección de
A4
sucesos A1, A2, A3, A4…
B
AB AB AB AB
2
tales que la unión de todos
1 3 4
ellos forman el espacio
muestral, y sus intersecciones
4 son disjuntas.
Ai   y Ai  A j  
i 1

Asi, el suceso B, puede ser expresado en términos de

sus componentes:
B = (A1  B) U (A2  B ) U (A3  B ) U (A4  B)
12
 Teorema de la probabilidad total

La probabilidad de B se puede
expresar como la suma de sus
componentes que son
excluyentes entre si. Esto es:

B = (A1  B) U (A2  B ) U (A3  B ) U (A4  B)

P(B) = P(A1) P(B|A1) + P(A2)P(B|A2) + P(A3) P(B|A3)+ P(A4)P(B|A4)

4
P ( B)   P( Ai ) P( B / Ai )
i 1

13
 Ejemplo:
En este aula el 70% de los alumnos son hombres.
De ellos el 10% son fumadores. El 20% de las mujeres son
fumadoras.¿Qué porcentaje de fumadores hay en total?
H M Sean los sucesos:
F H: Que el alumno sea hombre
HF MF M: Que el alumno sea mujer
HF: Que el alumno sea hombre y fume
MF: Que el alumno sea mujer y fume.

P( F )  P( HF  MF )  P( H ) P( F / H )  P( M ) P( F / M )

P( F )  ( 0,70) ( 0,10)  (0,30) ( 0,20)  0,13

14
 Aplicando el diagrama del arbol:
Fuma
0,1

Hombre
0,7
No fuma
0,9
Estudiante

0,2
0,3 Fuma
Mujer

0,8
No fuma

P(F) = P(H∩F) + P(M∩F) = P(H)P(F|H) +P(M) P(F|M)

= 0,7 · 0,1 + 0,3 · 0,2 = 0,13
 Teorema de Bayes
Si conocemos la probabilidad de B en cada uno de los n
componentes de una partición de un espacio muestral,
entonces, si ocurre B, podemos calcular la probabilidad
(a posteriori) de ocurrencia de cada Ai, (i = 1, 2, ... , n),
esta probabilidad es dada por:
P(B  Ai )
P(Ai|B) 
P(B)
A3
donde P(B) se puede calcular usando el teorema de la
probabilidad total:
n
P( B)   P ( B  Ai )
i 1
16
 0,1
Fuma En el problema
anterior: Se elige a un
0,7
Hombre individuo al azar
0,9
No fuma y resulta fumador.
Estudiante ¿Cuál es la
0,2
probabilidad de que sea
0,3 Fuma
una mujer?
Mujer
P(M ) = 0,30,
0,8
No fuma P(F) = 0,13

P(M|F) = P(F ∩ M)/P(F) = P(M) P(F|M) / P(F) =

= (0,30)(0,20) / 0,13 = 0,46
17
18
19
20/ Un test detecta la presencia de un cierto tipo T de bacterias en el agua con probabilidad 0,9 en caso de
haberlas. Si no las hay, detecta la ausencia con probabilidad 0,8. sabiendo que la probabilidad de que una
muestra de agua contenga bacterias de tipo T es 0,2 , calcular la probabilidad:

a) De que realmente haya presencia de bacterias cuando el test ha dado resultado positivo
b) Ídem cuando del resultado del test es negativo
c) De que haya bacterias y el test sea positivo
d) De que, o haya bacterias, o el test sea positivo

Designaremos por T el suceso “que haya bacterias tipo T” y por C el suceso “el test dio positivo”.
a) Por el teorema de Bayes:
P (C / T ) P(T ) 0,9  0, 2 9
P(T / C )   
P (C / T ) P (T )  P (C / T ) P (T ) 0,9  0, 2  0, 2  0,8 17

P (C / T ) P (T ) 0,1  0, 2 0, 02 1
b) P (T / C )    
P (C / T ) P (T )  P (C / T ) P (T ) 0,1 0, 2  0,8  0,8 0, 66 33

c) P(T  C )  P (T ) P(C / T )  0, 2  0,9  0,18

P (T  C )  P (T )  P (C )  P(T  C )  0, 2  0, 34  0,18  0,36

d) ya que la probabilidad de que el test sea positivo es:
P (C )  P(C / T ) P (T )  P (C / T ) P (T )  0,9  0, 2  0, 2  0,8  0,34

22
23/ Una urna contiene 2 bolas blancas, 5 negras y 4 rojas, y de ella extraemos tres bolas, una a continuación de
otra. La primera que se extrajo resultó roja, la segunda no se miró y la tercera fue negra.
Determinar la probabilidad de que la bola extraída en segundo lugar sea blanca.

La información de que la primera bola extraída fue roja reduce el problema inicial a este otro:
Una urna con 2 bolas blancas, 5 negras y 3 rojas y de ella extraemos 2 bolas, una después de la otra. La primera no se miró y la segunda era
negra. ¿cuál es la probabilidad de que la bola extraída en primer lugar sea blanca?
Llamamos B, N y R a los sucesos salir bola blanca, negra o roja en primer lugar y C al suceso “segunda bola extraída sea negra”

5 4 5
P (C / B )  P (C / N )  P (C / R ) 
9 9 9
2 5 3
P( B)  P( N )  P( R) 
10 10 10

Y pretendemos calcular es P(B/C) lo que haremos con ayuda del teorema de Bayes. Así tenemos:

P (C / B ) P( B ) 2
P( B / C )  
P (C / B) P( B)  P(C / N ) P( N )  P(C / R) P( R ) 9

Análogamente se calcula que: P(N/C) = 4/9 P(R/C) = 3/9

23
Sean tres urnas con las siguientes posiciones de bolas blancas y negras:
U1: (3 blancas y 2 negras)
U2: (4 blancas y 2 negras)
U3: (1 blanca y 4 negras)
Calcúlese:
a) Probabilidad de extraer bola blanca
b) Probabilidad de que una bola negra que se ha extraído proceda de la segunda
urna.
SOLUCIÓN:
a) Suponemos que las tres urnas son equiprobables:
P(U1) = P(U2) = P(U3) = 1/3.
Por el teorema de la probabilidad total:
P(blanca) = P(blanca/U1) P(U1) + P(blanca/U2) P(U2) + P(blanca/U3) P(U3) = 3/5 x
1/3+ 4/6 x 1/3 +1/5 x 1/3 = 22/45 = 0,48888
b) P (U2/negra) = P (negra/ U2)P (U2)/P(negra) =
= (P(negra/U2) P(U2)/(P(negra/U1)P(U1)+P(negra/ U2) P ( U2)+P(negra/U3) P/U3) =
2 1

6 3 5

2 1 2 1 4 1 23
    
5 3 6 3 5 3
También se podría haber obtenido con la probabilidad del complementario:
P (negra) = 1 – P (blanca) = 1 – 22/45 = 23/45

24