1

1. INTRODUCCIN:
1. DEFINICIONES BSICAS
2. OPERACIONES CON SUCESOS: ADICION E INTERSECCIN

2. CLCULO DE PROBABILIDADES:
1. AXIOMAS DEL CLCULO DE PROBABILIDADES
2. TEOREMAS: DE LA ADICIN Y DEL PRODUCTO
3. CALCULO DE LA PROBABILIDAD
1. LA PROB A PRIORI: REGLA DE LAPLACE
2. PROBABILIDAD CONDICIONADA
3. TEOREMA DE BAYES Y LEY DE LA PROBABILIDAD TOTAL

3. VARIABLES ALEATORIAS:
1. QU SON?:
1. VARIABLES ESTADSTICAS Y VARIABLES ALEATORIAS.
SEMEJANZAS Y DIFERENCIAS.
2. TIPOS:
1. VARIABLES ALEATORIAS DISCRETAS
2. VARIABLES ALEATORIAS CONTINUAS

TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
2
1. DEFINICIONES BSICAS

1.1. SITUACIN ALEATORIA, EXPERIMENTO ALEATORIO, Y SUCESOS

SITUACIN ALEATORIA
SON AQUELLAS EN LAS QUE UNA MISMA CONDICIN O CAUSA PUEDE
DAR LUGAR A RESULTADOS DIFERENTES

EXPERIMENTO ALEATORIO
AQUELLAS EXPERIENCIAS EN LAS QUE SE PRESENTAN SITUACIONES
ALEATORIAS

UN EXPERIMENTO ALEATORIO SIMPLE ES UNA ACCIN BIEN DEFINIDA
QUE TIENE LAS SIGUIENTES CARACTERSTICAS:
1. Tiene un conjunto definido de resultados posibles, es decir, todos los
posibles resultados del experimento son conocidos con anterioridad
2. No se puede predecir el resultado concreto del experimento
3. El experimento puede repetirse tericamente, todas las veces que queramos
en condiciones idnticas, es decir un nmero infinito de veces.





TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
3


ESPACIO MUESTRAL:

UNA CONSECUENCIA INMEDIATA DEL CONCEPTO DE EXPERIMENTO
ALEATORIO ES EL CONCEPTO DE ESPACIO MUESTRAL.

EL PRIMER PASO EN EL ESTUDIO DE UN EXPERIMENTO ALEATORIO ES
REGISTRAR TODOS LOS RESULTADOS POSIBLES, QUE PUEDEN
APARECER, LO QUE SIEMPRE ES FACTIBLE POR LA PROPIEDAD 1

ES EL CONJUNTO FORMADO POR TODOS LOS POSIBLES RESULTADOS DEL
EXPERIMENTO ALEATORIO. SE REPRESENTA CON E
TIPOS:
DISCRETO FINITO: Consta de un nmero finito de elementos (ej, lanzar un dado)
DISCRETO INFINITO: Consta de un nmero infinito de elementos, pero stos son numerables
(coches rojos que pasan por un puente a una hora determinada)
CONTINUO INFINITO: Consta de un nmero infinito de elementos que no pueden ser puestos
en correspondencia con los nmeros naturales (lanzar una flecha a una diana)
CADA ELEMENTO DEL ESPACIO MUESTRAL SE DENOMINA SUCESO
ELEMENTAL


TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
4
Ejemplos de ESPACIO MUESTRAL:
Lanzar una moneda: E={C,X}
Tirar al aire dos veces una moneda E={CC,CX,XC,XX}
Tirar dos monedas simultneamente: E={CC,CX,XX}
Lanzar un dado: E={1, 2, 3, 4, 5, 6}
Lanzar dos veces el dado: E: {(1,1),(1,2),(1,3), (1,4), (1,5),
(1,6),(2,1),(2,2),(2,3),(2,4), (2,5), (2,6), (3,1), (3,2),(3,3),(3,4),
(3,5), (3,6), (4,1), (4,2),(4,3),(4,4), (4,5), (4,6), (5,1), (5,2),
(5,3),(5,4), (5,5), (5,6), (6,1), (6,2),(6,3),(6,4), (6,5), (6,6)}
Introduccin de tres ratas en un laberinto en T:
E = {III, IID, IDI, DII, DDI, DID, IDD, DDD}


TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
5
Una forma sistemtica de construir el espacio es por medio de diagramas
de rbol














Representa el espacio muestral del experimento Tirar tres veces una
moneda, formado por 8 sucesos elementales
TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
6


SUCESO ELEMENTAL: CADA UNO DE LOS POSIBLES RESULTADOS
DE UN EXPERIMENTO ALEATORIO NO SUSCEPTIBLES DE SER
DESCOMPUESTO EN OTROS MS SIMPLES.

SUCESO ALEATORIO: UN SUBCONJUNTO CUALQUIERA DEL ESPACIO
MUESTRAL. LO REPRESENTAMOS CON A O B, ETC.

EJEMPLOS DE SUCESOS ALEATORIOS:

Cuando se lanza tres veces una moneda, el espacio muestral formado por ocho elementos o
resultados: E={CCC,CCX,CXC,CXX,XCC,XCX,XXC,XXX} podemos definir diversos sucesos
Suceso A:salen al menos dos caras A={CCC,CCX,CXC,XCC}.
Suceso B lo definimos como sale al menos una cruz, es:
B= {CCX,CXC,CXX,XCC,XCX,XXC,XXX}

Si consideramos el experimento aleatorio Lanzar dos veces un dado de seis caras, tambin podemos
definir sobre l diversos sucesos,
Suceso A en el segundo lanzamiento sale un nmero par. Este suceso contiene 18
elementos o resultados y es A={(1,2), (2,2),.....,(6,2),(1,4),...., (6,4),(1,6),...,(6,6)}
Suceso B, la suma de los resultados es al menos 9:
B={(3,6),(4,5),(4,6),(5,4),(5,5),(5,6),(6,3),(6,4),(6,5),(6,6)}, formado por 10 elementos.


TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
7

SUCESOS COMPUESTOS:

A menudo es interesante trabajar con sucesos que se conforman por
medio de otros sucesos.

Segn lo anterior, un espacio muestral (E) es un conjunto constituido
por elementos que se han denominado sucesos, entre dichos
elementos se pueden establecer idnticas relaciones y se pueden
efectuar las mismas operaciones, ya conocidas en la Teora de
Conjuntos.

Para representar los sucesos y observarlos de forma visual es
posible utilizar los diagramas de Venn. Se representa el espacio
muestral como un rectngulo y dentro del rectngulo se pueden
definir conjuntos que representan los sucesos

TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
8

EJEMPLOS

Unin de A y B
Si A y B son dos sucesos cualesquiera, la unin de A y B, AB se define como el suceso que
contiene todos los resultados que pertenecen slo a A, slo a B o a ambos










Esta operacin entre sucesos tiene las siguientes propiedades:
1. AB=BA
2. AA=A
3. A|=A
4. AE=E
5. Si AcB entonces AB = B




TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
9


Interseccin de A y B

Si A y B son dos sucesos cualesquiera, la interseccin de ambos, AB, se define como el
suceso que contiene todos los resultados que pertenecen a ambos sucesos










La interseccin as definida tiene las siguientes propiedades:
1. AB = BA
2. AA = A
3. A| =|
4. AE = A
5. Si AcB entonces, AB = A
TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
10

Suceso complementario de A ()
Se define el suceso complementario de un suceso dado A, como
aquel suceso que contiene todos los resultados del espacio
muestral que no pertenecen a A






El suceso complementario tiene las siguientes propiedades:


A A =
E A A =
E = |
| = A A
| = E
TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
11
Sucesos mutuamente exclusivos o incompatibles

Dos sucesos A y B definidos sobre el mismo espacio muestral, se dice que son
mtuamente excluyentes o incompatibles si no tienen resultados en comn, no
se pueden verificar simultneamente, es decir, si A B = C , o conjunto nulo o
suceso imposible.

















TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
12
OPERACIONES CON SUCESOS

Supongamos el espacio muestral E={a, b, c, d, e, f, g, h, i, j}
A={c, d, f, g}
B={a, c, f, i, j}

IMPLICACIN
DECIMOS QUE A IMPLICA B SI SIEMPRE QUE OCURRE A, OCURRE B.
NOTACIN: A_ B
EJEMPLO: Si definimos un suceso A como sacar un dos y un suceso B como sacar un nmero par.
Siempre que se verifique A, se verifica B
IGUALDAD
DECIMOS QUE DOS SUCESOS SON IGUALES (A=B) SIEMPRE QUE A IMPLIQUE B Y VICEVERSA

UNIN DE SUCESOS
LA UNIN DE DOS SUCESOS A Y B OCURRE SIEMPRE QUE SE VERIFICA A o B
EJEMPLO: AUB= {c, d, f, g, a, i, j}

INTERSECCIN DE SUCESOS
LA INTERSECCIN DE DOS SUCESOS (A Y B) SE DEFINE TAL QUE AS CUANDO OCURRE TANTO EL A
COMO EL B
EJEMPLO: AB={c, f}

TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
13

OPERACIONES CON SUCESOS

DIFERENCIA DE SUCESOS

LA DIFERENCIA DE DOS SUCESOS A Y B (B-A) OCURRE CUANDO OCURRE B Y NO
OCURRE A. ES DECIR, LA INTERSECCIN ENTRE B Y EL CONTRARIO DE A
EJEMPLO: B-A={a, i, j}


SUCESOS INCOMPATIBLES O MUTUAMENTE EXCLUSIVOS

SE DICE QUE DOS SUCESOS SON INCOMPATIBLES, ES DECIR, NO TIENEN NADA
EN COMN, SI AL VERIFICARSE UNO DE ELLOS NO SE VERIFICA EL OTRO.
TAMBIN SI SU INTERSECCIN ES IGUAL AL SUCESO IMPOSIBLE
EJEMPLO: SI A={a, b, c, d} y B={e, f, g, h} ENTONCES AB=

TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
14
2. Clculo de probabilidades

PARA DECIR QUE UNOS VALORES NUMRICOS SON PROBABILIDAD DE UN SUCESO,
DEBEN:
1. VERIFICAR LOS SIGUIENTES AXIOMAS
2. TENER UNA SERIE DE PROPIEDADES

AXIOMAS DEL CLCULO DE PROBABILIDADES:

LA PROBABILIDAD DEL SUCESO SEGURO ES IGUAL A 1
P(E)=1

LA PROBABILIDAD DE CUALQUIER SUCESO DEBE SER MAYOR O IGUAL A 0, ES
DECIR, ES NO NEGATIVA
P(A)>0

LA PROBABILIDAD DEL SUCESO IMPOSIBLE ES IGUAL A 0
P()=0

LA PROBABILIDAD DE UNIN DE DOS SUCESOS MUTUAMENTE EXCLUYENTES ES
IGUAL A LA SUMA DE SUS PROBABILIDADES. ESTO SE EXTIENDE A n SUCESOS
P(AUB)=P(A)+P(B)



TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
15

TEOREMAS:

LA PROBABILIDAD DEL SUCESO CONTRARIO ES IGUAL A 1 MENOS EL
SUCESO
P()=1-P(A)

LA PROBABILIDAD DEL SUCESO IMPOSIBLE ES IGUAL A 0
P()=0

SI EL SUCESO A IMPLICA B, A_ B, ENTONCES LA P(A) ES MENOR O IGUAL
QUE LA P(B)
P(A) s P(B)

PUESTO QUE CUALQUIER SUCESO A IMPLICA EL SUCESO SEGURO,
ENTONCES PARA CUALQUIER SUCESO A LA PROBABILIDAD DEBE SER
MENOR O IGUAL QUE 1
P(A) s 1

LA PROBABILIDAD DE UNIN DE DOS SUCESOS MUTUAMENTE
EXCLUYENTES ES IGUAL A LA SUMA DE SUS PROBABILIDADES. ESTO SE
EXTIENDE A n SUCESOS
P(AUB)=P(A)+P(B)

SIN EMBARGO: OJO! Si AB= P(AUB)= P(A)+P(B)-P(AB)




TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
16
PROPIEDADES DE LA FUNCIN DE PROBABILIDAD

CMO CALCULAR LA PROBABILIDAD?

USANDO LAS REGLAS DE CONTAR (variaciones, combinaciones,
permutaciones):
Se cuentan los elementos que componen el suceso aleatorio, y se divide entre
los que compongan el espacio muestral.
Pero a veces el espacio muestral es complejo y es mejor usar los teoremas

USANDO LOS TEOREMAS
DE LA ADICIN:
P(AUB)= P(A)+P(B) Si son mutuamente excluyentes
P(AUB)=P(A)+P(B)-P(AB) Si no son mutuamente excluyentes
DEL PRODUCTO:
P(AB)=P(A)P(B) Si son independientes
P(AB)=P(A/B)P(B) P(B/A)P(A) Si no son independientes

En ambas estrategias, en algn paso, se dividen casos favorables
entre casos posibles (regla de Laplace)


TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
17
TEOREMA DEL PRODUCTO
El teorema del producto establece que la interseccin de dos sucesos es igual
al producto de uno de esos sucesos por la probabilidad condicionada del
otro.
Si P(A/B)= P(AB)/P(B) entonces P(AB)=P(B) P(A/B)

Si P (B/A)=P(AB)/P(A) entonces P(AB )=P(A) P(B/A)

SUCESOS INDEPENDIENTES
Si dos sucesos son independientes la probabilidad de que se verifique uno de ellos
no influye en la probabilidad de que se verifique el otro. Por tanto, si A es
independiente de B P(A/B)= P(A)

De este modo, teniendo en cuenta que P(AB)=P(A/B) P(B)

Al ser independientes podramos decir que P(AB)=P(A) P(B)

Dos sucesos son independientes si y solo si se verifica que
P(AB)= P(A) P(B)





TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
18
SUCESOS INDEPENDIENTES:

SU DIFERENCIA CON LA MUTUA EXCLUSIVIDAD
DOS SUCESOS INCOMPATIBLES NUNCA PODRN SER
INDEPENDIENTES

Si (AB)= entonces P(AB)=P(A) P(B)
La mutua exclusividad implica dependencia

DOS SUCESOS COMPATIBLES PODRN SER DEPENDIENTES O
INDEPENDIENTES
Si (AB) = entonces P(AB)= P(A) P(B)
P(AB) = P(A) P(B)
POR TANTO,
P(AB)=P(A/B) P(A)=P(B/A) P(B)



TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
19
TEOREMA DE BAYES

LEY DE LA PROBABILIDAD TOTAL:

SUPONIENDO UN SUCESO S EN UN ESPACIO MUESTRAL COMPUESTO POR
OTROS SUCESOS TALES COMO A, B, C, LA LEY DE LA PROBABILIDAD
TOTAL AFIRMA QUE
P(S)= P(SA)+P(SB)+P( SC)
Como sabemos P(SA)=P(S/A) P(A) y ello aplicado a la frmula
general...... P(S)=P(S/A) P(A)+P(S/B) P(B)+P(S/C) P(C)

EL TEOREMA DE BAYES

VIENE A DECIR QUE LA PROBABILIDAD DE UN SUCESO A SABIENDO QUE
SE HA DADO EL SUCESO S ES IGUAL A LA PROBABILIDAD DE SU
INTERSECCIN (LO CUAL ES LO MISMO QUE P(S/A) P(A)), DIVIDIDO ENTRE
LA PROBABILIDAD TOTAL DEL SUCESO S
P(A/S)= P(AS)/P(S)
P(A/S)= P(S/A)P(A) Interseccin de A y S
P(A)P(S/A)+P(B)P(S/B)+..+ Probabilidad total de S



TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
20
3. VARIABLES ALEATORIAS: QU SON?

DEBIDO A LA UTILIDAD QUE TIENE EN LA CIENCIA EN GENERAL, VA A SER
NECESARIO ATRIBUIR NMEROS A LOS ELEMENTOS DEL ESPACIO
MUESTRAL, YA QUE COMO SABEMOS STOS A VECES SON NUMRICOS
PERO EN OTRAS OCASIONES NO.

A SU VEZ EL HECHO DE ASIGNAR NMEROS A LOS ELEMENTOS DEL
ESPACIO MUESTRAL VA A SERVIR PARA RESUMIR DATOS (COMO EN LAS
DISTRIBUCIONES DE FRECUENCIAS), DE MODO QUE SEA MS FCIL EL
MANEJO DE STOS

LA MANERA EN QUE VAMOS A ATRIBUIR NMEROS A LOS ELEMENTOS DE
UN ESPACIO MUESTRAL VA A SER A TRAVS DE UNA FUNCIN.

POR OTRO LADO, UNA VARIABLE ALEATORIA VA A SER UNA VARIABLE
(CARACTERSTICA, ATRIBUTO, ETC), PORQUE VA A TOMAR UNA SERIE DE
VALORES (LOS ASIGNADOS POR UNA FUNCIN O LEY A CADA UNO DE
LOS ELEMENTOS DEL ESPACIO MUESTRAL).

LO DE ALEATORIO NO SIGNIFICA QUE EL VALOR QUE TOME VA A SER
ALEATORIO, SINO QUE CADA VALOR TENDR UNA PROBABILIDAD DE
SALIR, QUE AUNQUE CAMBIE AL VALOR RESULTANTE DE LA LEY NO HAR
QUE CAMBIE LA PROBABILIDAD DE QUE SE TOME ESE VALOR






TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
21
EJEMPLO: Lanzar una moneda al aire tres veces consecutivas
ESPACIO MUESTRAL: 2
3
=8

CCC, XXX, CCX, XCC, XXC, CXX, XCX, CXC

FUNCIN O LEY: Asignar un nmero igual al de caras vueltas hacia
arriba
RESULTADO DE LA LEY: CCC (3), XXX (0), CCX, XCC,CXC (2),
XXC, CXX, XCX (1)

FUNCIN O LEY: W=X
2
-1
RESULTADO DE LA LEY: CCC(8), XXX(-1), CCX, XCC, XCX (3),
XXC, CXX, XCX (0)

PODEMOS UTILIZAR DIFERENTES LEYES O FUNCIONES QUE
HARN QUE LOS VALORES A TOMAR POR LA V.A. SEAN
DISTINTOS, PERO LA PROBABILIDAD DE TOMAR CADA UNO DE
ELLOS NO CAMBIA
TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
22
VARIABLES ALEATORIAS
(NIVEL TERICO) FRENTE A
VARIABLES ESTADSTICAS
(NIVEL EMPRICO)

EN QU SE PARECEN LAS DOS
Y EN QU SON DIFERENTES?
En las Variables Estadsticas
necesitbamos organizar los
datos, para obtener de ellos
medidas-resumen que
sirvieran para describir la
muestra.

En las Variables aleatorias
tambin necesitamos una
tabla que haga los datos ms
manejables as como
medidas que permitan extraer
conclusiones sobre la
probabilidad.

Variable Estadstica Variable Aleatoria
1 Distribucin de
Frecuencias
Tablas
2 Frecuencias relativas
simples (p
i
)
Funcin de
probabilidad (f(x))
3 Frecuencias relativas
acumuladas (p
a
)
Funcin de
distribucin (F(x))
4 Media Esperanza
Matemtica o
Valor Esperado
E[X]
5 Varianza S
2
x
Varianza VAR [X]
x
TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
23
VARIABLES ALEATORIAS DISCRETAS: VALOR ESPERADO O ESPERANZA
MATEMTICA

QU ES? Es similar a la media de las variables estadsticas

E [X] = E xf(x)

CMO SE INTERPRETA?

SUS SIMILITUDES CON LA MEDIA ARITMTICA

EN LA MEDIA ARITMTICA UTILIZAMOS EXACTAMENTE EL MISMO
PROCEDIMIENTO, ES DECIR, MULTIPLICAMOS VALORES POR
PROPORCIONES EMPRICAS, MIENTRAS QUE EN EL VALOR
ESPERADO LOS DISTINTOS VALORES SON MULTIPLICADOS POR
PROPORCIONES QUE SON TERICAS

SU INTERPRETACIN: LOS JUEGOS DE AZAR





TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
24
EJEMPLOS
25
OPERACIONES CON SUCESOS
Supongamos que se
entrevistaron 10 estudiantes de
una Facultad, preguntndoles si
durante el ltimo mes haban
padecido algn dolor, y si ste
haba sido de cabeza o de algn
otro tipo, pudiendo sealar
ambos si era el caso. De los
encuestados:

1. Cuntos sufren dolor de
cabeza o de otro tipo?
2. Cuntos no sufren ningn
dolor?
3. Cuntos sufren dolor de
cabeza y de otro tipo?
4. Cuntos no sufren dolor de
cabeza o no sufren otro tipo de
dolor?
NOMBRE DOLOR DE CABEZA OTRO DOLOR
JESS SI SI
JORGE SI NO
TERESA NO NO
SILVIA SI NO
CARLOS NO SI
ELENA SI SI
ANA NO SI
SARA NO NO
JOS NO SI
EVA SI SI
26
Supongamos que se entrevistaron 500 estudiantes de una
Facultad, preguntndoles si durante el ltimo mes haban
padecido algn dolor, y si ste haba sido de cabeza o de algn
otro tipo, pudiendo sealar ambos si era el caso. De los
encuestados 150 presentaron dolor de cabeza, (A), 60
presentaron algn otro tipo de dolor, (B) y 20 presentaron tanto
dolor de cabeza como de algn otro tipo.
27
Si elegimos al azar un estudiante de esa Facultad, entre todos los
encuestados:

Cul es la probabilidad de que haya padecido dolor de cabeza y de algn otro tipo?
Cul es la probabilidad de que presente dolor de cabeza o de algn otro tipo?
Cul es la probabilidad de que no presente ningn dolor?
Cul sera la probabilidad de haber padecido slo dolor de cabeza?
Cul la de haber padecido slo algn otro tipo de dolor?



28
Cul es la probabilidad de que haya padecido dolor
de cabeza y de algn otro tipo?
P(AB)=0.04
29
Cul es la probabilidad de que presente dolor
de cabeza o de algn otro tipo?.
P(AB) = P(A) + P(B) - P(AB)= 0.30 + 0.12 0.04 = 0.38
30
Cul es la probabilidad de que no presente
ningn dolor?

62 . 0 38 . 0 1 ) ( = = B A P
31
Cul sera la probabilidad de haber padecido
slo dolor de cabeza?

P(A) - P(AB)=0.30-0.04=0.26
32
Cul la de haber padecido slo algn otro tipo
de dolor?

P(B) - P(AB)=0.12-0.04=0.08
33



1.Suponiendo estos datos sobre una muestra de estudiantes de la UGR. Elegimos a una
persona al azar:

FILOLOGA CC. INFORMACIN CC. ECONMICAS TOTAL
VARN 983 3820 6151 10954
MUJER 2384 2288 1728 6400
TOTAL 3367 6108 7879 17354
a. Calcula la probabilidad de que sea de Filologa
b. La de que sea varn
c. La de que sea varn y de Filologa
d. La probabilidad de que sea de Filologa, sabiendo que la persona
que ha salido es un hombre.
e. La probabilidad de que sea un hombre, sabiendo que la persona que
ha salido es de Filologa.

TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
34
PROBABILIDAD CONDICIONADA

EJEMPLO: Nmero de alumnos matriculados en algunas facultades

Calcula la probabilidad de ser de Filologa
P(F)= 3367/17354=0.19

Calcula la probabilidad de ser Varn
P(V)=10954/17354=0.63

Calcula la probabilidad de ser Varn y de Filologa
P(FV)=983/17354=0.05

Calcula la probabilidad de que sabiendo que ha salido Varn sea de Filologa
P(F/V)=983/10954=0.09




TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
35


Tenemos estos datos sobre una muestra de personas de diversas zonas geogrficas.
Supongamos que elegimos a una de ellas al azar


EUROPEOS NORTEAMERICANOS LATINOAMERICANOS TOTAL
VARN 1548 723 610 2881
MUJER 1605 938 533 3076
TOTAL 3153 1661 1143 5957

a. Calcula la probabilidad de ser Europeo y Mujer (P(EM)
b. La probabilidad de ser de Norteamericano sabiendo que ha sido varn P(NA/V)
c. Calcula la probabilidad de que salga una mujer sabiendo que no es europea (M/E)
d. Calcula la probabilidad de que no sea latinoamericano, sabiendo que ha salido un hombre
(LA/H)
e. Calcula la probabilidad de que sea Europeo o Norteamericano P(EUNA)
f. Calcula la probabilidad de que sea Varn o Europeo P(VUE)

TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
36
Supongamos que tenemos dos urnas con bolas bancas, rojas y
azules en su interior.

Sabiendo que P(U1)=6/16 y que P(B)=8/16, que no son independientes y que
hay 3 bolas blancas en la urna 1: Calcula P(U1B)

Sabiendo que P(U2)=10/16 y que P(R)=6/16, y que P(U2R)=4/16: Calcula
P(U2/R)

Supongamos que sacamos 2 bolas, y que tras sacar la primera no la
volvemos a introducir (sin reposicin). Qu probabilidad existe de que
ambas sean rojas independientemente de la urna que sean?

Supongamos lo mismo que en el caso anterior, pero ahora al sacar la
primera volvemos a introducirla (con reposicin). Qu probabilidad existe
de que ambas sean rojas independientemente de la urna que sean?

Supongamos que sacamos 2 bolas. Qu probabilidad existe de que una
sea blanca y otra roja? Y Y de que salga primero una blanca y luego una
roja?. Calclalo con y sin reposicin.



TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES
37

TEOREMA DE BAYES

Un escritor acaba de concluir su primera novela. l confa con una
probabilidad subjetiva de 0.30 que ser aceptada mayoritariamente.

Para una mejor valoracin del posible xito, presenta su original a
una prestigiosa revista de literatura.

Se sabe que, de las novelas que finalmente son aceptadas por el
pblico, el 85% tuvieron un juicio positivo por parte de la revista y
tambin que lo tuvieron un 6% de las que finalmente no fueron
aceptadas. Suponiendo que el juicio de la revista fuera positivo
cunto valdr ahora la probabilidad de que sea aceptada
mayoritariamente?


PROBABILIDADES
A PRIORI
VEROSIMILITUDES INTERACCIONES PROB A POSTERIORI
P(A)=0.30
P(NA)=0.70
P(P/A)=0.85
P(P/NA)=0.06
P(AP)= 0.255
P(NAP)=0.042
P(A/P)= 0.255/0.297 =0.859
P(NA/P)= 0.042/0.297=0.141
0.297
TEMA 5: INTRODUCCIN AL CLCULO DE
PROBABILIDADES