PROBABILIDAD CONDICIONAL

M. en C. Juan Carlos Gutierrez Matus

Instituto Politecnico Nacional
Primavera 2004
IPN UPIICSA c 2004 Juan C. Gutierrez Matus
Probabilidad Condicional Probabilidad Condicional
Probabilidad Condicional
Si en el experimento de lanzar un dado tenemos:
A = {1, 3, 5}; B = {2, 3, 4, 5, 6}
Entonces:
P(A) =
1
2
; P(B) =
5
6
Suponga que sabemos que el evento B ocurri o. Entonces la
probabilidad de A dado que ocurri o B es:
P(A|B) =
2
5
=
|A B|
|B|
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 1
Probabilidad Condicional Probabilidad Condicional
Probabilidad Condicional
Esto es, que ahora la probabilidad de A depende de la informaci on
que tenemos. El hecho de saber que el evento B ocurre, nos permite
considerar a B como un nuevo y restringido espacio muestral.
Denicion: Si P(B) > 0, entonces la probabilidad condicional de
A dado B es igual a:
P(A|B) =
P(A B)
P(B)
Que pasa con P(A|B) si los
dos eventos son mutuamente excluyentes?
Que pasa con P(A|B) si P(B) = 0?
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 2
Probabilidad Condicional Probabilidad Condicional
Probabilidad Condicional
Ejemplo: Una pareja tiene dos hijos, al menos uno es hombre. Cual
es la probabilidad de que AMBOS sean hombres?
= {mm, mh, hm, hh}
C = {hh}
D = {mh, hm, hh}
P(C|D) =
P(C D)
P(D)
=
P(C)
P(D)
=
1
3
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 3
Probabilidad Condicional Probabilidad Condicional
Probabilidad Condicional
Ejemplo: Se lanzar dos dados y se toma la suma de las caras.
A = {3, 5, 7, 9, 11} B = {2, 3}
P(A) = P(3) + P(5) +. . . + P(11)
= 2/36 + 4/36 +. . . + 2/36
= 1/2
P(B) = P(2) + P(3)
= 1/36 + 2/36
= 1/12
P(A|B) =
P(A B)
P(B)
=
P(3)
P(B)
=
2/36
1/12
=
2
3
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 4
Probabilidad Condicional Principio de la Multiplicaci on de Probabilidades
Principio de la Multiplicacion de Probabilidades
A partir de la f ormula de la probabilidad condicional, podemos derivar
las formulas para la intersecci on de los eventos, a traves del producto
de dos probabilidades.
P(A B) = P(B) P(A|B)
P(A B) = P(A) P(B|A)
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 5
Probabilidad Condicional Principio de la Multiplicaci on de Probabilidades
Principio de la Multiplicacion de Probabilidades
Ejemplo: En un caja hay doce botellas, ocho verdes y cuatro ambar.
Seleccione dos botellas sin reemplazo.
A : Primer botella es ambar.
B : Segunda botella es ambar.
(A B) : Ambas botellas son ambar.
P(A B) = P(A) P(B|A)
=
4
12

3
11
=
1
11
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 6
Probabilidad Condicional Diagramas de

Arbol de Probabilidades
Diagramas de

Arbol de Probabilidades
Considere el experimento de lanzar un dado.
A = {1} : Cae el n umero uno.
B = {1, 3, 5} : Cae un n umero non.

B
A

A
A

A
P(B)
P(

B)
P(A|B)
P(

A|B)
P(A|

B)
P(

A|

B)
P(A B) =
P(A

B) =
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 7
Probabilidad Condicional Diagramas de

Arbol de Probabilidades
P(A B C) = P(A) P(B|A) P(C|A B)
A
B

B
C

C
C

A
B

B
C

C
C

P(B|A)
P(

B|A)
P(C|A B)
P(

C|A B)
P(C|A

B)
P(C|A

B)
P(A)
P(

A)
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 8
Probabilidad Condicional Propiedades, Probabilidades Condicional
Propiedades, Probabilidades Condicional
1. 0 P(A|B) 1
2. P(|B) = 1
3. Si A
1
A
2
= , entonces
P(A
1
A
2
|B) = P(A
1
|B) + P(A
2
|B)
4. Si A
1
, A
2
, . . . son mutuamente excluyentes, entonces
P
_

_
i=1
A
i
|B
_
=

i=1
P(A
i
|B)
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 9
Probabilidad Condicional Partici on del Espacio Muestral
Particion del Espacio Muestral
Los eventos A
1
, A
2
, . . . , A
n
forman una partici on del espacio
muestral si y solo si:
1. A
1
, A
2
, . . . , A
n
son mutuamente excluyentes.
2.
n
_
i=1
A
i
= .
3. P(A
i
) > 0 para toda i.
A
1
A
2
A
4
A
3

De esta manera cuando un experimento

probabilstico se efect ua, solo un A
i
ocurre.
Ejemplo: Un evento A y su complemento A forman una partici on.
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 10
Probabilidad Condicional Teorema de Probabilidad Total
Teorema de Probabilidad Total
Si hacemos una partici on del espacio muestral y B un evento
arbitrario
A
1
A
2
A
3
B

P(B) =
n

i=1
P(A
i
B)
=
n

i=1
P(A
i
)P(B|A
i
)
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 11
Probabilidad Condicional Teorema de Probabilidad Total
Teorema de Probabilidad Total
Ejemplo: En el experimento anterior de las botellas.
A : Primer botella es ambar
B : Segunda botella es ambar
(A B) : Ambas botellas son ambar
(

A B) : La primera es verde y la segunda ambar
P(B) = P(A B) + P(

A B)
= P(A)P(B|A) + P(

A)P(B|

A)
=
_
4
12

3
11
_
+
_
8
12

4
11
_
=
1
3
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 12
Probabilidad Condicional Teorema de Bayes
Teorema de Bayes
Ya conocemos las probabilidades a priori P(A
i
) y las condicionales
P(B|A
i
); ahora deseamos conocer la P(A
i
|B).
Usando el teorema de probabilidad total y la denici on de la
probabilidad condicional obtenemos el Teorema de Bayes.
Si A
1
, A
2
, . . . , A
n
forman una partici on de y B es un evento
cualquiera, entonces:
P(A
i
|B) =
P(B|A
i
)P(A
i
)

n
j=1
P(B|A
j
)P(A
j
)
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 13
Probabilidad Condicional Teorema de Bayes
Teorema de Bayes
Ejemplo: De un grupo de 40 ductos metalicos, 12 presentan fracturas
internas.
Suponga que la sistema para detectar fracturas no es perfecto.
Detectando fracturas en solo el 90% de los casos en que estas se
presentan. Ademas, existe un 40% de probabilidad de sistema de una
falsa alarma.
Cual es la probabilidad de que una tubera que se le haya detectado
fracturas en realidad las tenga?
F : El ducto presenta fracturas
D : Fracturas son detectadas
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 14
Probabilidad Condicional Teorema de Bayes
La partici on de es {F, F}
P(F) = 0.3; P(D|F) = 0.9; P(D|F) = 0.4
P(F|D) =
P(D|F)P(F)
P(D|F)P(F) + P(D|F)P(F)
=
(0.9)(0.3)
(0.9)(0.3) + (0.4)(0.7)
=
0.27
0.55
0.5
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 15
Probabilidad Condicional Teorema de Bayes
Teorema de Bayes
Otro Ejemplo: Una distribuidora obtiene la mitad de sus productos
de la Fabrica 1, la otra mitad es obtenida de las Fabricas 2 y 3 en la
misma proporci on.
Los porcentajes de productos defectuosos son 4%, 5% y 6%
respectivamente para las Fabricas 1, 2 y 3.
Un artculo de la distribuidara resulta ser defectuoso. Encuentre la
probabilidad de este venga de la Fabrica 1.
F
i
: Artculo proviene de la Fabrica i
D : Artculo defectuoso
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 16
Probabilidad Condicional Teorema de Bayes
La partici on de es {F
1
, F
2
, F
3
}
P(F
1
) = 0.5; P(F
2
) = P(F
3
) = 0.25
P(F
1
|D) =
P(D|F
1
)P(F
1
)
3
i
=1
P(D|F
i
)P(F
i
)
=
(0.04)(0.5)
(0.04)(0.5) + (0.05)(0.25) + (0.06)(0.25)
=
0.02
0.0475
0.42
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 17
Probabilidad Condicional Independencia
Independencia
Si consideramos los siguientes dos eventos
J : Al menos una luna de J upiter esta llena.
T : Cantidad de autos que pasaran hoy de 9:00 a 9:10 por Av Te.
El estado de las lunas de J upiter tiene algo que ver con el ujo de
autos frente a UPIICSA?
As que estos eventos son independientes.
Una forma de comprobar esto, es al comparar las estadsticas diarias
del ujo de autos cuando las lunas de J upiter estan llenas, no veramos
diferencia alguna.
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 18
Probabilidad Condicional Independencia
Independencia
Denicion: Los eventos A y B son independientes si y solo si
P(A B) = P(A) P(B)
Si P(A B) = P(A) P(B) ,entonces P(A) = P(A|B) y
P(B) = P(B|A)
Si P(A) = 0 entonces Aes independiente de cualquier otro evento.
Si A y B son independientes, entonces A y

B son independientes.
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 19
Probabilidad Condicional Independencia
Independencia
No confundas el que dos eventos sean independientes con el que
sean mutuamente excluyentes.
Teorema: Si P(A) > 0 y P(B) > 0, entonces A y B no pueden
ser independientes y mutuamente excluyentes al mismo tiempo.
Demostracion: Si A y B son mutuamente excluyentes:
(A B) =
P(A B) = 0
P(A B) < P(A) P(B)
Por lo cual no pueden ser independientes.
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 20
Probabilidad Condicional Independencia
Independencia
Dos eventos pueden estar fsicamente relacionados y aun as ser
independientes.
Ejemplo: Al lanzar un dado.
A = {2, 4, 6}; B = {1, 2, 3, 4}
P(A) =
P(B) =
A B =
P(A B) =
P(A) P(B) =
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 21
Probabilidad Condicional Independencia
Independencia
Ejemplo: Una urna contiene tres canicas rojas y dos verdes. Considere
el experimento de extraer una canica de la urna colocarla de nuevo y
sacar una segunda canica.
A: La primera canica es verde.
B: La segunda canica es verde.
Los eventos A y B son independientes?
P(A) P(B) = P(A B) =
Que pasa si no regresamos la primera canica?
P(A) P(B) = P(A B) =
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 22
Probabilidad Condicional Independencia Para Mas de Dos Eventos
Independencia Para Mas de Dos Eventos
Los eventos A, B, C son independientes si y solo si:
(a) La probabilidad de la intersecci on de los tres eventos es igual al
producto de las probabilidades de cada evento.
P(A B C) = P(A) P(B) P(C)
(b) Ademas, todos los pares de eventos deben ser independientes:
P(A B) = P(A) P(B)
P(A C) = P(A) P(C)
P(B C) = P(B) P(C)
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 23
Probabilidad Condicional Independencia Para Mas de Dos Eventos
Tan solo (a) no es suciente.
Ejemplo: = {1, . . . , 8}, prob. de cada elemento es 1/8
A = {1, 2, 3, 4}; B = {1, 5, 6, 7}; C = {1, 2, 3, 8}
A B = A B C =
P(A B) = P(A B C) =
P(A) P(B) = P(A) P(B) P(C) =
Tan solo (b) no es suciente.
Ejemplo: = {1, . . . , 4}, prob. de cada elemento es 1/4
A = {1, 2}; B = {1, 3}; C = {1, 4}
A B = A B C =
P(A B) = P(A B C) =
P(A) P(B) = P(A) P(B) P(C) =
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 24
Probabilidad Condicional Independencia: Denicion General
Independencia: Denicion General
A
1
, . . . , A
n
son independientes si y solo si
P
_
n

i=1
A
i
_
=
n

i=1
P(A
i
)
y todos los subconjuntos de {A
1
, . . . , A
n
} son independientes.
IPN UPIICSA c 2004 Juan C. Gutierrez Matus 25