Estadstica para Ciencias de la Salud

Docente: Paola T. Mendoza Bello

PROBABILIDAD

INTRODUCCIN
El concepto de probabilidad, como otros muchos conceptos matemticos, es una
elaboracin del pensamiento humano. Cada generacin ha contribuido con sus esfuerzos
a afianzarlo sobre los pilares construidos por las generaciones anteriores.

Es difcil establecer una cronologa histrica del desarrollo del concepto de

probabilidad, debido a que como tal concepto matemtico es muy reciente, pero, sin
duda, su origen se debi a los juegos de azar.

Los primeros acercamientos serios, a lo que hoy llamamos probabilidad, fueron

debidos a Niccolo Tartaglia (1.500 1.557), Luca Pacioli (1.445 1.514), Galileo
Galilei (1.564 1.642) y Jernimo Cardano (1.501 1.576).

Jernimo Cardano escribi el primer tratado organizado sobre el azar: Liber de

Ludo Alae. En dicho libro se preocupa por problemas sencillos de probabilidad,
combinatoria y estadstica.

Galileo Galilei tambin dedic un libro, Considerazioni sopra el gioco di dadi,

a los problemas que surgen en los juegos de azar.

Sobre el ao 1.654, los matemticos franceses Blaise Pascal (1.623 1.662) y

Pierre Fermat (1.601 1.665) mantuvieron una abundante correspondencia sobre los
problemas que les planteaba un jugador (el caballero de Mr). Esta correspondencia se
considera hoy da como el origen de la moderna teora de probabilidad, ya que dio pie a
la formulacin de los principios fundamentales de la probabilidad.

Christian Huygens (1.629 1.695) interesado por la abundante correspondencia

entre estos dos matemticos, public en 1.657 un trabajo titulado Sobre los
razonamientos relativos al juego de dados. Huygens se preocupa, adems, por aplicar
los conceptos de la teora del azar y la estadstica a la demografa.

A partir de este momento muchos matemticos profundizaron en este nuevo

campo, como Jacques Bernouilli (1.654 1.705) con su libro Ars conjectandi (Arte
de la conjetura), considerado como un clsico, que se public en 1.713, ocho aos
despus de la muerte de su autor; o Pierre Simon de Laplace (1.749 1.829) que en su
obra Teora Analtica de las Probabilidades, publicada en 1.812, establece la
definicin clsica de la probabilidad.

Tras Laplace tuvieron que pasar ms de 50 aos para que sus puntos de vista
fueran superados. El matemtico ruso Pafnuti L. Tchebycheff (1.821 1.894) estudi y
resolvi problemas que an quedaban pendientes, y sus trabajos tuvieron una gran
influencia en matemticos posteriores, de la llamada escuela rusa, como Andrei
Nicolaevich Kolmogorov (1.903 1.987) quien estableci el concepto axiomtico de
probabilidad.

1
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

EXPERIMENTOS ALEATORIOS

La teora de la probabilidad analiza situaciones en las que hay incertidumbre

acerca de lo que puede suceder, diremos que estas situaciones dependen del azar.

Definicin:

EXPERIMENTO DETERMINISTA
Llamaremos experimento determinista a todo experimento que al
repetirlo bajo idnticas condiciones se obtiene siempre el mismo resultado.

Ejemplos:
Son experimentos deterministas abrir las compuertas de un estanque lleno de
agua, quitar el freno de mano de un coche en una cuesta muy pronunciada, medir la
longitud de una circunferencia de radio 5 metros, arrojar una piedra al vaco y medir su
aceleracin, etc.

Definicin:

EXPERIMENTO ALEATORIO
Se define experimento aleatorio como aquel experimento que, a pesar
de repetirse en anlogas condiciones, jams se puede predecir el resultado que se
va obtener.

Ejemplos:
Son experimentos aleatorios: extraer una carta de una baraja, lanzar un dado y
anotar el smbolo que aparece en la cara superior, lanzar una moneda y anotar el
resultado de la cara que aparece, abrir un libro y anotar el ltimo nmero de la pgina de
la derecha, etc.

SUCESO ALEATORIO

Supongamos que se realiza un experimento aleatorio, por ejemplo, lanzar un

dado.

Definiciones:

ESPACIO MUESTRAL
Se llama espacio muestral de un experimento aleatorio al conjunto de
todos los resultados posibles del experimento. Al espacio muestral de un
experimento aleatorio lo representaremos por E, omega (smbolo) u otra letra
previamente definida

PUNTO MUESTRAL
Se le llama punto muestral a cada uno de los elementos que forman el
espacio muestral.

2
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

Ejemplo:
En el experimento lanzar un dado el espacio muestral sera E 1, 2, 3, 4, 5, 6
y los puntos muestrales seran las caras 1, 2, 3, 4, 5 y 6.

Definiciones:

SUCESO ALEATORIO
Se denomina suceso de un experimento aleatorio, suceso aleatorio o
suceso estocstico a cada uno de los subconjuntos del espacio muestral E.

Diremos que un suceso A se verifica, se realiza o se presenta, si al efectuar una

prueba del experimento aleatorio obtenemos como resultado uno de los puntos
muestrales que componen el suceso A.

ESPACIO DE SUCESOS

Se denomina espacio de sucesos al conjunto de todos los sucesos de un

experimento aleatorio. Se representa por S.

Ejemplo:
El espacio de sucesos, en el experimento de lanzar un dado, sera:

,1, 2, 3, 4, 5, 6, 1, 2, 1, 3, 1, 4, 1, 5, 1, 6, 2, 3, 2, 4, 2, 5, 2, 6,
3, 4, 3, 5, 3, 6, 4, 5, 4, 6, 5, 6, 1, 2, 3, 1, 2, 4, 1, 2, 5, 1, 2, 6,

1, 3, 4, 1, 3, 5, 1, 3, 6, 1, 4, 5, 1, 4, 6, 1, 5, 6, 2, 3, 4, 2, 3, 5, 2, 3, 6,

2, 4, 5, 2, 4, 6, 2, 5, 6, 3, 4, 5, 3, 4, 6, 3, 5, 6, 4, 5, 6, 1, 2, 3, 4,
S
1, 2, 3, 5, 1, 2, 3, 6, 1, 2, 4, 5, 1, 2, 4, 6, 1, 2, 5, 6, 1, 3, 4, 5, 1, 3, 4, 6,
1, 3, 5, 6, 1, 4, 5, 6, 2, 3, 4, 5, 2, 3, 4, 6, 2, 3, 5, 6, 2, 4, 5, 6, 3, 4, 5, 6,

1, 2, 3, 4, 5, 1, 2, 3, 4, 6, 1, 2, 3, 5, 6, 1, 2, 4, 5, 6, 1, 3, 4, 5, 6, 2, 3, 4, 5, 6,
1, 2, 3, 4, 5, 6

Tipos de sucesos

Definiciones:

SUCESO ELEMENTAL
Se denomina suceso elemental a todo suceso formado por un solo punto
muestral, es decir, por un solo resultado del experimento aleatorio.

SUCESO SEGURO
Se denomina suceso cierto o suceso seguro al que siempre se realiza. Es
evidente que el suceso cierto estar formado por todos los resultados posibles del

3
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

experimento, es decir, coincide con el espacio muestral y, por tanto, lo

designaremos por E.

SUCESO IMPOSIBLE
Se denomina suceso imposible a un suceso que no se verifica nunca y se
designar por .

SUCESOS CONTRARIOS
Dado un suceso cualquiera A del espacio de sucesos S, llamaremos
suceso contrario del suceso A a un suceso que se realiza cuando no se realiza el
suceso A, y recprocamente. Es decir, el suceso contrario de A est formado por
todos los puntos muestrales de E que no pertenecen a A. El suceso contrario del
suceso A se representa por Ac o A o tambin por A.

El suceso contrario del suceso cierto es el suceso imposible, y viceversa.

Ejemplos:

- Siguiendo con nuestro ejemplo del experimento lanzar un dado tendramos

que el suceso A = Salir un 2, B = Salir un 4 y C = Salir un 6, seran sucesos
elementales.
- El suceso H = Salir un nmero mayor que cero sera un ejemplo de suceso
seguro y el suceso T = Salir 0 sera un ejemplo de suceso imposible.
- El suceso F = Salir 1, 3 o 5 sera el suceso contrario del suceso D = Salir un
nmero par.

Operaciones con sucesos

Definiciones:

UNIN DE SUCESOS.
Dados dos sucesos A y B de un mismo experimento aleatorio, se
denomina suseso unin de A y B al suceso que se verifica cuando se verifica A
o se verifica B. Es decir, el suceso unin de A y B est formado por los puntos
muestrales de los sucesos A y B. El suceso unin de A y B (o suceso A unin B)
se representa por A B .

INTERSECCIN DE SUCESOS
Dados dos sucesos A y B de un mismo experimento aleatorio, se
denomina suceso interseccin de A y B al suceso que se realiza cuando se
realizan simultneamente los sucesos A y B. Es decir, el suceso interseccin de
A y B est formado por los puntos muestrales que son comunes a los sucesos A
y B. El suceso interseccin de A y B ( o suceso A interseccin B) se representa
por A B .

4
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

DIFERENCIA DE SUCESOS

Dados dos sucesos A y B de un mismo experimento aleatorio, se

denomina suceso diferencia de A y B al suceso formado por los sucesos
elementales de A que no pertenecen a B. Es decir, el suceso diferencia de A y B
se verifica cuando ocurre A pero no ocurre B. El suceso diferencia de A y B se
representa por A B.

Ejemplo:
Continuando con nuestro ejemplo del experimento lanzar un dado
consideramos los sucesos E = Salir un nmero par y G = Salir 1, 2 o 5.
Tenemos: E G 1, 2, 4, 5, 6; E G 2 ; E - G 4, 6.

Propiedades de las operaciones con sucesos

Consideramos un experimento aleatorio cualquiera. Sean E su espacio muestral

y S el espacio de sucesos asociado.
En S se definen las operaciones unin, interseccin y complementacin.
S con las operaciones definidas verifica las siguientes propiedades:

PROPIEDAD UNIN INTERSECCIN

ASOCIATIVA A B C A B C A B C A B C
CONMUTATIVA AB BA AB BA
IDEMPOTENTE AA A AA A
SIMPLIFICATIVA A B A A
A B A A
LEYES DE MORGAN A B A B
A B A B
DISTRIBUTIVA A B C A B A C
A B C A B A C
A S, A S / A A E y A A

SUCESOS INCOMPATIBLES

Definiciones:

SUCESOS INCOMPATIBLES
Dados dos o ms sucesos, diremos que son sucesos incompatibles si es
imposible que se realicen simultneamente, es decir, si su interseccin es el
suceso imposible.
Dos sucesos A y B son incompatibles A B

5
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

SUCESOS COMPATIBLES
Dados dos o ms sucesos, diremos que son sucesos compatibles si es
posible que se realicen simultneamente, es decir, si tienen algn suceso
elemental comn.
Dos sucesos A y B son compatibles A B

Ejemplo:

En el ejemplo anterior, basado en el experimento de lanzar un dado

considerabamos los sucesos E = Salir un nmero par y G = Salir 1, 2 o 5.
Observamos que E G 2 , es decir, los sucesos E y G son compatibles.
Ahora bien, si consideramos el suceso F = Salir 1, 3 o 5, tendremos que los
sucesos E y F son incompatibles, mientras que los sucesos F y G son compatibles,
tienen en comn {1, 5}.
Los sucesos E, F y G seran incompatibles ya que no pueden realizarse
simultneamente.

SISTEMA COMPLETO DE SUCESOS

Definicin:

SISTEMA COMPLETO DE SUCESOS.

Dados n sucesos A1, A2, ..........., An, se dice que forman un sistema
completo de sucesos para un determinado experimento aleatorio si se verifica:

1. A1 A 2 ......... A n E
2. Los sucesos A1, A2, ......., An son incompatibles dos a dos.

Ejemplo:
Supongamos el experimento aleatorio lanzar tres monedas y anotar la serie de
caras y cruces resultante. El espacio muestral sera:
E = { CCC, CCX, CXC, CXX, XCC, XCX, XXC, XXX}

Consideramos los sucesos:

A = Salir tres caras, B = Salir tres cruces,
C = Salir dos caras, D = Salir dos cruces
Es fcil comprobar que los sucesos A, B, C y D forman un sistema completo de
sucesos.

Por otro lado, los sucesos:

E = Salir alguna cara, A = Salir tres caras, B = Salir tres cruces no
forman un sistema completo de sucesos, ya que si bien su unin es igual al espacio
muestral, los sucesos E y A no son incompatibles. Si slo consideramos los sucesos E y
B si se tratara de un sistema completo de sucesos.

6
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

DEFINICIN DE PROBABILIDAD

Al realizar reiteradamente una experiencia aleatoria, la frecuencia relativa de un

cierto suceso va tomando distintos valores. Estos valores, al principio, sufren grandes
oscilaciones y, poco a poco, se van estabilizando (oscilando cada vez menos). Jacques
Bernouilli demostr la llamada ley de los grandes nmeros, que enunciada de una
forma sencilla dice: La frecuencia relativa de un suceso tiende a estabilizarse en torno
a un nmero, a medida que el nmero de pruebas del experimento crece
indefinidamente.

Este nmero, al que la frecuencia relativa de un suceso se acerca ms conforme

aumenta el nmero de pruebas realizadas, lo llamaremos probabilidad del suceso.

Esta definicin presenta un inconveniente de tipo prctico, ya que para calcular

la probabilidad de un suceso sera necesario realizar un gran nmero de pruebas, con el
fin de obtener experimentalmente el valor al que se aproximan las frecuencias relativas
del suceso en estudio. Por otra parte, de esta forma siempre obtenemos un valor
aproximado, en lugar del valor exacto de la probabilidad.

La primera definicin que se conoce del concepto de probabilidad fue enunciada

por Pierre Simon de Laplace.

Definicin:

DEFINICIN DE LAPLACE

La probabilidad de un suceso A es el cociente entre el nmero de casos

favorables al suceso A (los sucesos elementales que componen el suceso A) y el
nmero de casos posibles (todos los resultados del experimento aleatorio, es
decir, todos los elementos del espacio muestral).

Si denotamos la probabilidad del suceso A por p(A) esta definicin se

puede expresar:

pA
nmero de casos favorables al suceso A
nmero de casos posibles

A la hora de aplicar esta definicin hay que tener en cuenta que los sucesos
elementales tienen que ser igualmente probables (equiprobables).

Definiciones:

PROBABILIDAD A PRIORI
Se denomina probabilidad a priori a la probabilidad que se puede
determinar de antemano, sin realizar ningn tipo de comprobacin experimental.

7
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

PROBABILIDAD A POSTERIORI

Se denomina probabilidad a posteriori a la probabilidad que no puede

establecerse a priori, es decir, a la que ha de estimarse estudiando el valor lmite
al que se acercan las frecuencias relativas al realizar un gran nmero de pruebas
en anlogas condiciones.

Ejemplo:
Sabemos que la probabilidad de obtener un cinco en el lanzamiento de un dado
es de un sexto, ya que, aplicando la definicin de Laplace, tenemos que hay un solo
caso favorable frente a seis casos posibles. Esta se trata de una probabilidad a priori. Sin
embargo, es imposible asignar una probabilidad a priori al clculo de tasas de natalidad,
tasas de defuncin, expectativas de xito de un nuevo producto comercial, posibilidades
de triunfo de un candidato a presidente en unas elecciones a presidente, etc. En todos
estos casos hay que recurrir a las probabilidades a posteriori. Es decir, hay que hacer un
gran nmero de pruebas, y a partir de ellas estimar la probabilidad deseada. No
obstante, debemos saber que nunca llegaremos a estimar dicha probabilidad con
precisin, si bien cuanto mayor sea el nmero de pruebas ms cerca estaremos del valor
exacto.

La definicin de Laplace tiene el inconveniente de que para su aplicacin hay

que suponer que todos los sucesos elementales de un experimento aleatorio son
igualmente probables.

Para superar esta dificultad el matemtico ruso Andrei N. Kolmogorov

construy una definicin axiomtica para el clculo de probabilidades.

Definicin:

DEFINICIN AXIOMTICA DE PROBABILIDAD (KOLMOGOROV)

Se llama probabilidad a una ley que asocia a cada suceso A, del espacio
de sucesos S, un nmero real que llamaremos probabilidad de A, y que
representaremos por p(A), que cumple los siguientes axiomas:

1. La probabilidad de un suceso cualquiera del espacio de sucesos es

positiva o nula.
pA 0 0 pA 1

2. La probabilidad del suceso cierto es igual a la unidad.

pE 1

3. La probabilidad de la unin de dos sucesos incompatibles es igual a

la suma de las probabilidades de cada uno de ellos.
Si A y B son sucesos incompatibles entonces:
pA B pA pB

8
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

Ejemplo:
Imaginemos el lanzamiento de un dado, trucado de tal modo que la probabilidad
de salir cada una de las caras es proporcional al valor de la misma. As:

p1 , p2 , p3 , p4 , p5 , p6
1 2 3 4 5 6
21 21 21 21 21 21

Esta sera una probabilidad segn Kolmogorov, aunque no todos los sucesos
elementales sean equiprobables. Es sencillo comprobar que se cumplen todos los
axiomas de la definicin. La probabilidad de cualquier suceso es positiva, la
probabilidad de la unin de sucesos incompatibles es la suma de las probabilidades y la
1 2 3 4 5 6 21
probabilidad del espacio muestral es 1, ( 1 ).
21 21 21 21 21 21 21

Consecuencias de los axiomas de probabilidad

1. PROBABILIDAD DEL SUCESO CONTRARIO

La probabilidad del suceso contrario del suceso A, A , es igual a 1 menos la

probabilidad del suceso A.

p A 1 pA

En efecto:
Como A A E , y A y su contrario A son incompatibles, resulta:

1 pE p A A pA p A , de donde se deduce p A 1 pA .

2. PROBABILIDAD DEL SUCESO IMPOSIBLE

La probabilidad del suceso imposible es cero.

p 0

En efecto:
Como el suceso imposible es el contrario del suceso seguro, cuya
probabilidad es 1, usando la consecuencia anterior se tiene que la
probabilidad del suceso imposible es 0.

9
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

3. PROBABILIDAD DE UN SUCESO INCLUIDO EN OTRO SUCESO

Si el suceso A est incluido en el suceso B, A B , entonces se tiene

que pA pB .

4. PROBABILIDAD DE LA UNIN DE SUCESOS INCOMPATIBLES

Sabemos que si A y B son sucesos incompatibles pA B pA pB .

Este axioma se puede geneeralizar para n sucesos.

Dados n sucesos A1, A2, ........, An, incompatibles dos a dos, entonces se tiene
que pA1 A 2 ............. A n pA1 pA 2 ............. pA n .

En efecto:
Dado que los sucesos A1, A2, ........, An son incompatibles dos a dos,
entonces:

pA1 A 2 ............. A n pA1 pA 2 ............. A n

pA 1 pA 2 pA 3 .................. A n ............................
pA 1 pA 2 pA 3 ...... pA n

5. PROBABILIDAD DE LA UNIN DE SUCESOS COMPATIBLES

Si A y B son dos sucesos compatibles de un mismo experimento aleatorio, se

verifica que la probabilidad de la unin de A y B es igual a la suma de las
probabilidades de cada uno de ellos, menos la probabilidad de la interseccin
de A y B.

pA B pA pB pA B

En efecto:
Observemos que A B A - B A B B - A , (donde tenemos que
A - B, A B y B - A son conjuntos disjuntos).
Por otro lado: A A - B A B y B B - A A B
As: pA pA - B pA B pA - B pA pA B y
pB pB - A pA B pB - A pB pA B

Reuniendo toda la informacin se tendra:

pA B pA - B pA B pB - A
pA pA B pA B pB pA B
pA pB pA B

10
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

Esta expresin se puede extender al caso de ms de dos sucesos sin ms que

aplicar las propiedades de la unin e interseccin y la consecuencia demostrada. Por
ejemplo, para tres sucesos A, B y C, compatibles dos a dos, la probabilidad de su unin
viene dada por:

pA B C pA B C pA B pC pA B C
pA pB pA B pC pA C B C
pA pB pA B pC pA C pB C pA B C
pA pB pC pA B pA C pB C pA B C

Ejemplo:
Supongamos el experimento aleatorio extraer una carta de una baraja
espaola. Consideramos los sucesos:

A = Salir caballo o as, B = Salir figura, C = Salir oros

La probabilidad del suceso C es pC

1
- , y la probabilidad de no salir
4
oros sera
3
4
1 3
, es decir, p C 1 .
4 4
La probabilidad del suceso D = salir el as de oros es pD
1
- , que es
40
menor que la probabilidad del suceso C. Observa que D est incluido en C.
Adems, se puede ver que pC pD pC - D
1 9 10 1
.
40 40 40 4
- La probabilidad de la unin de los sucesos A, B y C, contando los casos
favorables, es pA B C
22 11
. Por otro lado, utilizando la
40 20
expresin obtenida anteriormente:
pA B C pA pB pC pA B pA C pB C
pA B C
8 12 10 4 2 3 1 22 11

40 40 40 40 40 40 40 40 20

PROBABILIDAD CONDICIONADA

Definicin:

PROBABILIDAD CONDICIONADA
Sean A y B dos sucesos del espacio de sucesos S, tal que la probabilidad
de B es distinta de cero. Se llama probabilidad de A condicionada a B, p A ,
B

a la probabilidad de A tomando como espacio muestral B, es decir, la
probabilidad de que ocurra A dado que ha sucedido B.

11
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

B pApBB ,
pA pB 0

De la igualdad anterior se deduce: pA B p A B pB .

Observamos, por tanto: pA B p A B pB pB A pA .
Esta frmula permite calcular la probabilidad de que ocurran simultneamente
dos sucesos a partir de la probabilidad condicionada de uno por el otro y la probabilidad
del suceso que condiciona.

SUCESOS DEPENDIENTES E INDEPENDIENTES

Definiciones:

SUCESOS INDEPENDIENTES
Dados dos sucesos A y B, diremos que A y B son independientes si se

verifica pB p B
A

y pA p A .
B

En general, dos o ms sucesos son independientes cuando el resultado

de cada uno de ellos no influye en las probabilidades de los otros.

SUCESOS DEPENDIENTES
Dados dos sucesos A y B, diremos que A y B son dependientes si se
verifica pB p B
A

o pA p A , segn tenga sentido el
B
condicionamiento.

En general, dos o ms sucesos son dependientes cuando el resultado de

cada uno de ellos influye en las probabilidades de los siguientes.

Ejemplo:
Imaginemos una bolsa con 5 bolas negras y 5 bolas blancas. Procedemos a sacar
sucesivamente dos bolas. Llamaremos suceso A = La primera bola es blanca y suceso
B = La segunda bola es negra. Nos planteamos dos posibles situaciones:
a) Si la primera bola sacada se devuelve a la bolsa, entonces la probabilidad del
suceso B es la misma se haya verificado el suceso A o no. Por tanto, son dos
sucesos independientes. Es decir, que la segunda bola sea negra suponiendo
que la primera ha sido blanca tendra la misma probabilidad que sacar una
bola negra en la primera extraccin.
p"Sacar bola negra"
5 1

10 2
pB
A 10 2
5 1

b) Si la primera bola sacada no se devuelve a la bolsa, entonces la probabilidad
del suceso B depende del suceso A. Por tanto, son dos sucesos dependientes.

12
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

Es decir, la probabilidad de que la segunda bola sea negra depende de lo que

haya ocurrido con la primera extraccin.
p"Sacar bola negra"
5 1

10 2
pB
A 9
5

PROBABILIDAD COMPUESTA

Para estudiar la probabilidad compuesta o probabilidad de la interseccin de

sucesos distinguiremos dos casos:

- Cuando los sucesos son independientes.

- Cuando los sucesos son dependientes.

PROBABILIDAD DE LA INTERSECCIN DE SUCESOS

INDEPENDIENTES

Hemos estudiado anteriormente que si A y B son sucesos independientes se

verifica que p B pB . Entonces si A y B son dos sucesos independientes se
A
verifica que la probabilidad de la interseccin de A y B es igual al producto de las
probabilidades de cada uno de ellos.

Sean A y B dos sucesos independientes, entonces:

pA B p B A pA pB pA
Anlogamente, para el caso de tres sucesos independientes se tiene:

pA B C pA pB pC

PROBABILIDAD DE LA INTERSECCIN DE SUCESOS

DEPENDIENTES

Atendiendo a la definicin de probabilidad condicionada tenemos la siguiente

relacin: pA B p A pB p B pA . Luego, si A y B son dos sucesos
B A
dependientes, se verifica que la probabilidad de la interseccin de A y B es igual al
producto de la probabilidad de uno de ellos, supuesta no nula, por la probabilidad del
otro condicionada a la realizacin del anterior.

Sean A y B dos sucesos dependientes, entonces:

pA B p B A pA

13
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

Anlogamente, para el caso de tres sucesos dependientes se tiene:

pA B C pA p B A pC A B
En efecto:
pA B C pA B C pA B p C AB

pA p B A pC A B.

TEOREMA DE LA PROBABILIDAD COMPUESTA

Sean A1, A2, A3, ......, An, n sucesos cualesquiera de un mismo

experimento aleatorio y tales que la probabilidad de la realizacin simultnea de
los n sucesos no es nula. Se verifica entonces:

pA 1 A 2 ...... A n pA 1 p 2 ...... p A n
A
A 1 A 2 .... A n -1
A 1

Demostracin.

En efecto:

p A1 A2 ...... An 1 An

p A1 A2 ...... An 1 p n
A

A 1 A 2 ...... A n 1

p A1 A2 ...... An 2 p n 1
A

A1 A 2 ...... A n2

p n ............................................
A

A1 A2 ...... An 1
p A1 p 2 ........... p n 1
A A
A1 A1 A2 ...... An 2

p n .
A

A1 A2 ..... An 2

Ejemplo:
Supongamos que una caja tiene 5 bolas rojas, 4 bolas azules y 6 bolas negras y
pretendemos saber la probabilidad de sacar sucesivamente tres bolas rojas sin
reemplazamiento de la bola tras cada extraccin, es decir, extraer una primera bola roja
( R 1 ), despus, sin devolver esta bola extraer una segunda bola roja ( R2 ) suponiendo
que la primera ha sido roja, y finalmente, sin devolver la bola a la caja, sacar una tercera
bola roja ( R 3 ) suponiendo que las dos anteriores tambin han sido rojas.

14
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

Teniendo en cuenta el teorema de la probabilidad compuesta, la probabilidad del

suceso extraer tres bolas rojas, sin reemplazamiento, sera:

pR1 R2 R3 pR1 p 2 p 3 5 4 3 2
R R

R1 R1 R 2 15 14 13 91
Observemos que pR1
5 1
ya que hay 5 rojas de un total de 15 bolas,
15 3
p 2
R 4 2
dado que, si la primera bola es roja y no ha sido devuelta, entonces
R1 14 7
nos quedan 4 bolas rojas de 14 bolas, y p 3 R R
R 3
puesto que en este
1 2 13
momento ya nos quedan slo tres bolas rojas en la caja, de 13 posibles.

PROBABILIDAD TOTAL
TEOREMA DE PROBABILIDAD TOTAL

Sean n sucesos A1 , A2 , .........., An incompatibles dos a dos (es decir, se verifica

que Ai A j , i j ), con A1 A2 ..........An E (E espacio muestral), y sea un
suceso cualquiera B, del espacio muestral E. Supongamos que son conocidas las
probabilidades p A1 , p A2 , ........, p An y p B A , p B A , ........, p B A .
1 2 n

Entonces la probabilidad de B se obtiene:

pB p A1 p B p A2 p B .......... p An p B
A1 A2 An

Demostracin.

En efecto:

pB pB E pB A1 A2 .................... An (*)
pB A1 B A2 ............................. B An (**)
pB A1 pB A2 ........................ pB An (* * *)

p A1 p B p A2 p B ........... p An p B
A1 A2 An

(*) Propiedad distributiva de la interseccin respecto de la unin.

(**) Sucesos incompatibles.
(***) Probabilidad condicionada.

15
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

Ejemplo:
En un centro escolar, los alumnos pueden optar por cursar como lengua
extranjera entre ingls y francs. En un determinado curso, el 90 % de los alumnos
estudian ingls y el resto francs. El 30 % de los que estudian ingls son chicos, y de los
que estudian francs, son chicos el 40 %. Elegido un alumno al azar, cul es la
probabilidad de que sea chica?

Nombramos los sucesos:

I: Estudiar ingls, F: Estudiar francs.
A: Ser chica, O: Ser chico.

Leyendo el enunciado, vemos que se cumplen las condiciones del teorema de

probabilidad total, I y F son incompatibles entre s, y unidos dan el total de alumnos
Ahora hacemos un diagrama de rbol que nos recoja la informacin del
problema:
0.3 O p A p A I p A F
0.9 I
0.7 A
pI p A pF p A
I F

0.4 O 0.9 0.7 0.1 0.6 0.69
0.1 F
0.6 A

PROBABILIDAD A POSTERIORI.

TEOREMA DE BAYES.

Sean n sucesos A1 , A2 , .........., An incompatibles dos a dos (es decir, se verifica

que Ai A j , i j ), con A1 A2 ..........An E (E espacio muestral), y sea un
suceso cualquiera B, del espacio muestral E. Supongamos que son conocidas las
probabilidades p A1 , p A2 , ........, p An y p B A , p B A , ........, p B A .
1 2 n

Entonces las probabilidades a posteriori p 1 B , p 2 B , ........, p n B se

A A A

obtienen mediante la expresin:

p Ai p B
p i
A Ai , siempre que pB 0, i : 1, ....., n .
B pB

Demostracin.

Sabemos que: p Ai B p Ai p B A pB p i B , i : 1, ....., n .

A
i

16
 Estadstica para Ciencias de la Salud
Docente: Paola T. Mendoza Bello

p Ai p B
De la igualdad anterior se deduce: p i
A Ai , i : 1, ....., n .
B pB

Utilizando el teorema de probabilidad total y el teorema de Bayes, tendramos la

siguiente expresin, conocida como frmula de Bayes:

p Ai p B p Ai p B
p i
A Ai Ai , i : 1, ....., n .
B pB
i1 p Ai p B Ai
n

Ejemplo:
En un centro escolar, los alumnos pueden optar por cursar como lengua
extranjera entre ingls y francs. En un determinado curso, el 90 % de los alumnos
estudian ingls y el resto francs. El 30 % de los que estudian ingls son chicos, y de los
que estudian francs, son chicos el 40 %. Elegido un alumno al azar resulta ser un chico,
cul es la probabilidad de que estudie ingls?

Usando el teorema de Bayes, y los resultados del ejemplo anterior tenemos:

pO 1 p A 1 0.69 0.31

pI
pI O pI p I

O
0.9 0.3
0.87
O pO pO 0.31

17