Universidad de Aconcagua

Probabilidad Condicionada
Csar Ahumada Cofr / Exequiel lvarez Tello

17
ndice
Introduccin ............................................................................................................................. 3
Definiciones Bsicas.................................................................................................................. 4
Definiciones de Probabilidad ..................................................................................................... 5
Probabilidad Condicionada ....................................................................................................... 6
Aplicacin de la Probabilidad Condicionada .............................................................................. 7
Sucesos Independientes ............................................................................................................ 9
AplicacinSucesos Independientes .......................................................................................... 10
Teorema de Bayes .................................................................................................................. 11
Conclusin .............................................................................................................................. 12
Bibliografa ............................................................................................................................ 13
 Introduccin

El concepto de probabilidad es manejado por mucha gente. Frecuentemente se escuchan preguntas como
las que se mencionan a continuacin:

Cul es la probabilidad de que me saque la lotera o el kino?

Qu posibilidad hay de que me pase un accidente automovilstico?
Qu posibilidad hay de que hoy llueva? para llevar mi paraguas o no.
Existe alguna probabilidad de que repruebe el primer parcial?

Estas preguntas en el lenguaje coloquial esperan como respuesta una medida de confianza representativa o
prctica de que ocurra un evento futuro, o bien de una forma sencilla interpretar la probabilidad.

En este curso lo que se quiere es entender con claridad su contexto, como se mide y como se utiliza al hacer
inferencias.
 Definiciones Bsicas

Experimento: cualquier proceso que genere un conjunto de datos.

Deterministas:son los que obedecen a una relacin causa-efecto y al variar poco las causas vara
poco el efecto. Aunque se repita varias veces, bajo condiciones dadas, el resultado es previsible
salvo, quizs, errores de medida.

Ejemplo: al disparar un proyectil con el mismo ngulo de elevacin y las mismas condiciones
siempre describe la misma parbola.

Aleatorios:se caracterizan porque al repetirse en condiciones anlogas indefinidamente presentan

resultados impredecibles de antemano, dependen del azar y no pueden pronosticarse con
certidumbre.

Ejemplo: si lanzamos una moneda al aire repetidamente, no es posible garantizar que en un

lanzamiento dado se obtenga cara, aunque se conozca el conjunto completo de posibilidades para cada
lanzamiento (cara, cruz).

Espacio muestral (S ):conjunto de todos los resultados posibles de un experimento aleatorio.

Espacio muestral finito: Tiene un nmero finito de posibles resultados.

Ejemplo: Experimento aleatorio: Lanzar un dado al aire una sola vez

Espacio muestral:S = {1, 2, 3, 4, 5, 6}

Espacio muestral infinito:Tiene infinitos sucesos elementales. Si se corresponden con los nmeros
naturales se trata de un espacio muestral infinito numerable.

Ejemplo: Experimento aleatorio: N de veces que se lanza una moneda hasta obtener la primera cara

Espacio muestral:S = {1, 2, 3, , n, }

En caso contrario, infinito no numerable.

Ejemplo: Experimento aleatorio: Eleccin al azar de un valor en el intervalo real [0,1]

Espacio muestral: S = {infinitos valores reales entre 0 y 1}

 Definiciones de Probabilidad

La probabilidad de un suceso es un nmero que cuantifica, en trminos relativos, las opciones de verificacin
de ese suceso al realizar un experimento aleatorio. A los experimentos que no son aleatorios no se les puede
aplicar las reglas de la probabilidad.

Enfoque CLSICO o a priori (Laplace, 1812): Supongamos un espacio muestral finito S = {a1, , aN}
de manera que los ai son sucesos elementales igualmente probables y sea un suceso A = {a 1, , ak}
(N k).
n casos favorables k
P ( A )
n casos posibles N
Enfoque FRECUENCIALISTA o a posteriori: Los fenmenos aleatorios presentan la llamada
regularidad estadstica que consiste en que, al aumentar el n de repeticiones de un experimento,
en condiciones prcticamente constantes, las frecuencias relativas de ocurrencia de cada evento
tiende a estabilizarse en un valor fijo (probabilidad frecuencial del evento).

Definicin AXIOMTICA

En los aos 30 se dio una definicin axiomtica de la probabilidad como medida de incertidumbre. Sea un
espacio muestral cualquiera, P() conjunto de las partes de , o conjunto de sucesos y A un suceso
cualquiera de P() . Se define probabilidad, o funcin de probabilidad sobre , a una aplicacin (es decir,
una regla bien definida por la que se asigna a cada suceso un, y un solo un, nmero real)
p: P()

que cumpla los axiomas siguientes:

i) p(A) 0 A P()

ii) p(A1 A2 A3 ...) = p(A1) + p(A2) + p(A3) + ... si Ai Aj= i j (sucesos mutuamente excluyentes)

iii) p() = 1 A la estructura (, P(), p) se le denomina espacio de probabilidad.

Como consecuencia de estos axiomas se pueden deducir otras propiedades que cumple la funcin de
probabilidad definida y que nos van a ayudar a asignar la probabilidad de cualquier otro suceso que no sea el
seguro (es necesario asignar un nmero a todos los sucesos).
 Probabilidad Condicionada

Si la probabilidad de que ocurra un suceso B es p(B) 0, entonces la probabilidad del suceso A, condicionada
al suceso P (A/B), se define considerando nicamente los casos en los que B se ha verificado y viendo en
cuntos de ellos ocurre A:

Error frecuente:

No confundir probabilidad condicionada con interseccin. En ambos medimos efectivamente la

interseccin, pero

En P(AB) con respecto a P(E)=1

En P(A|B) con respecto a P(B)

De la expresin anterior deducimos: P( A B) P( A / B).P( B)

En general tenemos que P(A/B) P(A). Si as se verifica diremos que el suceso A depende del suceso B.

La probabilidad que ocurra A dado en B, Esto se anota como P(A|B)

P( A B)
Y se calcula como P( A | B)
P( B)

P( A B)
P( B | A)
P( A)
 Aplicacin de la Probabilidad Condicionada

Ejercicios:

1.
1

Probabilidad de A sabiendo que ha pasado B?

2.
3.Seleccionamos un empresario al azar y preguntamos sobre la
probabilidad de que tenga por lo menos dos empresas, suponiendo que fuese quiosquero

Miramos slo los nmeros de empresas de los quiosqueros

Luego, la probabilidad es

15 8 5 28

53 53

4.De una baraja de 48 cartas se extrae simultneamente dos de ellas. Calcular la probabilidad de que:
12 11
Las dos sean copas P(2C ) 0,059
48 47

Al menos una sea copas P(al menos una copa) 1 - P(ninguna copa)
36 35
1- 0,441
48 47

Una sea copa y la otra espada P(1Cy1E ) P(CE ) P( EC )

12 12
2 0,128
48 47
 Sucesos Independientes

Sean A y B dos sucesos del mismo espacio muestral . El suceso A es estadsticamente independiente (o
independiente) del suceso B si el conocimiento de la ocurrencia de B no modifica la probabilidad de aparicin
de A, es decir, si:

P(A|B) = P(A)

En este caso, y con la definicin de probabilidad condicionada:

Notar entonces que:

y entonces B es tambin independiente de A. Diremos que A y B son sucesos independientes.

Propiedades de la independencia de sucesos:

Sean A y B dos sucesos independientes

(i) Entonces tambin son independientes A y Bc, Ac y B y Ac y Bc.

(ii) A es independiente de s mismo si y slo s P(A) = 0 1

Regla del producto:

Sean A1, A2, , An sucesos del mismo espacio muestral tales que P(A1A2An) > 0. Entonces:

P(A1A2An) = P(A1) P(A2|A1) P(A3|A1A2) . P(An|A1A2An-1

 AplicacinSucesos Independientes

Ejercicios

1. Se ha repetido en 1000 ocasiones el experimento de elegir a una mujer de una poblacin muy grande. El
resultado est en la tabla.

Recuento
MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

Cul es la probabilidad de que una mujer tenga osteoporosis?

P(Osteoporosis)=64/1000=0,064=6,4%

Nocin frecuentista de probabilidad

Probabilidad de tener osteopenia u osteoporosis?

P(OsteopeniaUOsteoporosis)=467/1000+64/1000=0,531

Son sucesos disjuntos

Osteopenia Osteoporosis=
 Teorema de Bayes

P(B A i )
P(A i | B)
P(B)

P( H F ) P( H ) P( F | H )
P( H | F )
P( F ) P( F )
0,3 0,2
0,46
0,13
 Conclusin

Sin lugar a duda convivimos diariamente con las probabilidades y poder aplicarlas nos facilita la vida y lo
mejor es que podemos inferir sucesos que puedan acontecer en futuro, aunque s con un margen de error.

La probabilidad condicionada como pudimos ver son transversales sus aplicaciones y a medida que empieza
a analizar ,comprender y aplica ser pude concluir:

1. Proporciona reglas para el estudio de los experimentos aleatorios o de azar , que constituyen la base para
la estadstica inferencial.

2.La probabilidad de un evento A, denotada por P(A), es el valor en el que se estabilizan las frecuencias
relativas del evento A, cuando el nmero de observaciones del experimento se hace cada vez mayor.

3.El escenario o suceso condicionante A debe ser tal que su probabilidad de ocurrencia sea positiva, es decir
que tenga probabilidad positiva de ocurrir. No tiene sentido ni gracia que el escenario condicionante A sea
tal que P(A) = 0.

4. Puesto que, si lo anterior ocurre, entonces todo suceso B condicionado al suceso A, significar que

PB A PA 0

y esto significa que cualquier suceso condicionado a un escenario imposible tambin ser imposible

5.calcular la probabilidad de que dos cosas sucedan a la vez a travs del producto de dos probabilidades. Ese
clculo es correcto si suponemos que son sucesos independientes.
 Bibliografa

http://probabilidad2013a.blogspot.cl/2013/05/eventos-dependientes-e-independientes.html
http://www.monografias.com/trabajos105/probabilidad-y-estadistica/probabilidad-y-estadistica.shtml
https://es.slideshare.net/dmolinarym/probabilidad-7811471
https://es.wikipedia.org/wiki/Probabilidad_condicionada