1

[...] Quiero decir, para

empezar: a quin le importa si
saco una bola blanca o una
bola negra de una urna? Y
segundo: si tan preocupado
ests por el color de la bola
que sacas, no lo dejes en
manos del azar: mira en la
maldita urna y saca la bola del
color que quieras!

Stephanie Plum, despus
(suponemos) de pasar por un curso
de probabilidad y estadstica.

3. Probabilidad
condicionada
2
Cuatro tipos de probabilidad
Marginal

La probabilidad
de que ocurra
X
Unin

La probabilidad
de que ocurra
X o Y
Conjunta

La probabilidad
de que ocurra
X e Y
Condicional

La probabilidad
de que ocurra
X sabiendo que
ha ocurrido Y
Y
X
Y
X
Y
X
P X ( ) P X Y ( )
P X Y ( ) P X Y ( | )
3
Lanzamos dos dados, uno rojo y otro blanco.
Cul es la probabilidad de que sumen 3?
x
x
36 / 2 ) 3 ( = P
4
Supongamos que hemos lanzado ya el dado rojo y ha salido
un 1. Cul es ahora la probabilidad de que sumen 3?
x
6 / 1 ) 1 | 3 ( = rojo dado suma de P
5
sexo edad
B.R H 18
C.C M 19
C.G H 19
G.P M 20
M.P M 21
J.L H 20
L.A. M 21
N.D M 21
V.C H 22
V.F. H 19
L.L. H 18
J.N. M 21
J.P. M 21
U.P M 18
Sucesos
A = ser hombre (H)
B = edad< 20
A A
c
B
B
c
Probabilidades
P(A) =
4
6
2
2
6/14 = 0.43
P(B) =
6/14 = 0.43
P(A B) =
4/14 = 0.29
P(A B) =
6/14 + 6/14 - 4/14 = 0.43+ 0.43 - 0.29 = 0.57
P(A|B) = 4/6 = 0.67
P(A) + P(B) - P(A B)
6
Intuir la probabilidad condicionada
A
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,10
A
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=1
P(A|B)=0,8
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,08
B
B
7
Intuir la probabilidad condicionada
A
B
A
B
Probabilidad de A sabiendo que ha pasado B?
P(A|B)=0,05
P(A|B)=0
P(A) = 0,25
P(B) = 0,10
P(A B) = 0,005
P(A) = 0,25
P(B) = 0,10
P(A B) = 0
8
Probabilidad condicionada
Se llama probabilidad de A condicionada a B
o probabilidad de un suceso A sabiendo que
se ha producido un suceso B a:
) (
) (
) | (
B P
B A P
B A P

=
9
Probabilidad condicionada
Una vez A ha ocurrido, ya es seguro:
1
) (
) (
) (
) (
) | ( = =

=
A P
A P
A P
A A P
A A P
Cuando A y B son excluyentes, una vez ha ocurrido A,
B es imposible:
0
) (
0
) (
) (
) | ( = =

=
A P A P
B A P
A B P
10
Espacio restringido
Negro
Color
Palo
Rojo Total
As 2 2 4
No-As 24 24 48
Total 26 26 52
Cul es la probabilidad de que una carta
escogida al azar sea un as sabiendo que es roja?
26
2
52 / 26
52 / 2
) (
) (
) | ( = =

=
Rojo P
Rojo As P
Rojo As P
Y la probabilidad de que una carta escogida al azar sea roja sabiendo
que es un as?

11
Los sucesos A y B sern independientes si la
ocurrencia de B no influye en la probabilidad
de A y al revs. Es decir, si:






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

=
=

=
) ( ) ( ) ( B P A P B A P =
Independencia
) ( ) | ( y ) ( ) | ( B P A B P A P B A P = =
Como:
Entonces:
12
Vamos a verificar la independencia de los dados.
Sea A = dado rojo sale 1 y B = dado blanco sale 1.
) (
6
1
6
1
36
1
) (
) (
) | ( A P
B P
B A P
B A P = = =

=
Independencia
Sea C = suma de los dos dados es 3. Afecta
A = que el dado rojo salga 1 a la probabilidad de C?
36
2
) (
6
1
6
1
36
1
) (
) (
) | ( = = = =

= C P
A P
A C P
A C P
13
Independencia de m sucesos
Similarmente, m sucesos A
1
...., A
m
se llaman independientes
si:
P(A
1
... A
m
) = P(A
1
) ... P(A
m
)

y adems para cada posible subconjunto de k sucesos:

P(A
j+1
... A
j+k
) = P(A
j+1
) ... P(A
j+k
)
donde j+k < m.
De modo que, p. ej. tres sucesos A, B y C son independientes si:

P(A B) = P(A) P(B)
P(B C) = P(B) P(C)
P(A B) = P(A) P(B)
P(A B C) = P(A) P(B) P(C)
14
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
B: Segunda bola no-roja
P(A) = 7/10
Si el muestreo es con reemplazo, la situacin para la segunda
eleccin es idntica 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
Si es sin reemplazo, hemos de tener en cuenta que una vez
extrada la primera bola, quedan solo 9 y 3 deben ser rojas.
As: 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


15
Sistema exhaustivo y excluyente de sucesos
A
3
A
4
Se trata de una coleccin de
sucesos A
1
, A
2
, A
3
, A
4

tales que la unin de todos
ellos forman el espacio
muestral, y sus intersecciones
son disjuntas.
A
1
A
2
Divide y vencers: Todo suceso B, puede ser
descompuesto en componentes de dicho sistema.
B = (B A
1
) U (B A
2
) U ( B A
3
) U ( B A
4
)
16
Teorema de la probabilidad total
A
1
A
2
A
3
A
4
B
Si conocemos la probabilidad
de B en cada uno de los
componentes de un sistema
exhaustivo y excluyente de
sucesos, entonces podemos
calcular la probabilidad de B
como la suma:

P(B) = P(B A
1
) + P(B A
2
) + P( B A
3
) + P( B A
4
)

P(B) = P(B|A
1
)P(A
1
) + P(B|A
2
)P(A
2
) + P(B|A
3
)P(A
3
) + P(B|A
4
)P(A
4
)

17
Supongamos que A
1
, A
2
, ... ,A
n
son una particin de E,
es decir que los sucesos son mtuamente excluyentes
entre s (A
i
A
j
=C para todo par) y su unin es E
entonces:
) ( ) | ( ) (
1
i
n
i
i
A P A B P B P

=
=
La ley de probabilidad total
) ( ) (
1

=
=
n
i
i
A B P B P
A
1
A
2
A
3
A
4
B
18
Ejemplo: En este aula el 70% de los alumnos son hombres.
De ellos el 10% son fumadores. El 20% de las mujeres son
fumadoras.
Qu porcentaje de fumadores hay en total?






Mujeres
Hombres
Fumadores
Podemos aplicar la ley de
la probabilidad total:

Hombres y mujeres forman
un sistema exhaustivo y
excluyente de sucesos.
19
Estudiante
Hombre
No fuma
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
Mujer
P(F) = P(FH) + P(FM) = P(F|H) P(H) + P(F|M) P(M)
= 0,1 0,7 + 0,2 0,3 = 0,13
20
Thomas Bayes naci en Londres, Inglaterra.
Su padre fue ministro presbiteriano.
Posiblemente De Moivre fue su maestro
particular, pues se sabe que por aquel entonces
ejerca como profesor en Londres.

Bayes fue ordenado ministro presbiteriano y
muere en 1761. Sus restos descansan en el
cementerio londinense de Bunhill Fields. La
traduccin de la inscripcin en su tumba es:
"Reverendo Thomas Bayes.
Hijo de los conocidos Joshua y Ann
Bayes. 7 de abril de 1761. En
reconocimiento al importante trabajo que
realiz Thomas Bayes en probabilidad. Su
tumba fue restaurada en 1969 con
donativos de estadsticos de todo el
mundo".
21
Teorema de Bayes
A
1
A
2
A
3
A
4
B
Si conocemos la probabilidad de B en
cada uno de los n componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces

si ocurre B, podemos calcular la
probabilidad (a posteriori) de
ocurrencia de cada A
i
, (i = 1, 2, ... , n):

donde P(B) se puede calcular usando el teorema de la probabilidad
total:
P(B)
) A P(B
|B) P(A
i
i

=
) ( ) (
1

=
=
n
i
i
A B P B P
22
P(M) = 0,3, P(F) = 0,13
P(M|F) = P(F M)/P(F) = P(F|M) P(M) / P(F) =
0,20,3 / 0,13 = 0,46
Estudiante
Hombre
No fuma
Fuma
No fuma
Fuma
0,7
0,1
0,2
0,3
0,8
0,9
Mujer
En el problema
anterior: Se elige a un
individuo al azar
y resulta fumador.
Cul es la
probabilidad de que
sea una mujer?
Una elaboracin interesante a partir del concepto de probabilidad
condicional es el conocido teorema de Bayes. Supongamos que el
0.5% de la poblacin padece verdaderamente cncer. Supongamos que
haya un anlisis para detectar el cncer con una fiabilidad del 98%. Se
hacen 10k pruebas, tendremos 49 anlisis positivos de las personas con
cncer de 50, del resto habr 199 anlisis falsos positivos, la
probabilidad condicional de padecer cncer sabiendo que se ha dado
positivo es slo 49/248, aproximadamente un 20%!
24
ALEATORIEDAD,
DEBORAH J. BENNETT,
ALIANZA EDITORIAL,
2000
25
ALEATORIEDAD, DEBORAH J. BENNETT, ALIANZA
EDITORIAL, 2000
26
ALEATORIEDAD,
DEBORAH J. BENNETT,
ALIANZA EDITORIAL,
2000
27
Ejemplo: Pruebas diagnsticas
Las pruebas o tests de diagnstico se evalan con anterioridad sobre
dos grupos de individuos: sanos y enfermos. De modo frecuentista
se estima:

Sensibilidad (verdaderos +) = Tasa de acierto sobre enfermos.
Especificidad (verdaderos -) = Tasa de acierto sobre sanos.

A partir de lo anterior y usando el teorema de Bayes, podemos
calcular las probabilidades a posteriori (en funcin de los resultados
del test) de los llamados ndices predictivos:

P(Enfermo | Test +) = ndice predictivo positivo
P(Sano | Test -) = ndice predictivo negativo
28
La diabetes afecta al 20% de los individuos que acuden a una
consulta. La presencia de glucosuria se usa como indicador de
diabetes. Su sensibilidad (la tasa de aciertos sobre enfermos)
es de 0,3 y la especificidad (tasa de aciertos sobre sanos) de
0,99. Calcular los ndices predictivos (P(Enfermo | Test +) = ndice
predictivo positivo y
P(Sano | Test -) = ndice predictivo negativo).

Individuo
Enfermo
Sano
T-
T+
T-
T+
0,3
1 - 0,99 = 0,01
1 - 0,3 = 0,7
0,99
0,2
1 - 0,2 = 0,8
29
) (
) (
) | (
+
+
= +
T P
T Enf P
T Enf P
Los ndices predictivos son: la probabilidad de que, sabiendo que
el test sea positivo, el paciente sea diabtico y la probabilidad de
que, sabiendo que el test es negativo, el paciente est sano.

Individuo
Enfermo
Sano
T-
T+
T-
T+
0,3
0,01
0,7
0,99
0,2
0,8
06 , 0 3 , 0 2 , 0 ) ( = = + T Enf P
068 , 0 01 , 0 8 , 0 3 , 0 2 , 0 ) ( = + = + T P
88 , 0
068 , 0
06 , 0
= =
30
Individuo
Enfermo
Sano
T-
T+
T-
T+
0,3
0,01
0,7
0,99
0,2
0,8
85 , 0
7 , 0 2 , 0 99 , 0 8 , 0
99 , 0 8 , 0
=
+

=
=

=
) (
) (
) | (
T P
T Sano P
T Sano P
31
Observaciones
En el ejemplo anterior, al llegar un
individuo a la consulta tenemos una
idea a priori sobre la probabilidad de
que tenga una enfermedad.

A continuacin se le pasa una prueba
diagnstica que nos aportar nueva
informacin: Presenta glucosuria o no.

En funcin del resultado tenemos una
nueva idea (a posteriori) sobre la
probabilidad de que est enfermo.
Nuestra opinin a priori ha sido
modificada por el resultado de un
experimento.


-Qu probabilidad
tengo de estar
enfermo?

- En principio un 20%.
Le haremos unas
pruebas.
- Presenta glucosuria.
La probabilidad ahora
es del 88%.
32
La probabilidad de que una mujer con edad comprendida entre los 40-50 tenga cncer
de mama es 0.8%. Si una mujer tiene cncer de mama, la probabilidad de positivo en
test = 90%. Si una mujer no tiene cncer de mama, la probabilidad de positivo en
test = 7%. Supongamos que una paciente da positivo en un test. Cul es la
probabilidad de que tenga cncer de mama?
1000 mujeres
8: enfermas 992: no enfermas
7: positivos 1: negativo 69: positivos 923: negativos
p(enferma | positivo) = 7 / (7+69) = 0.09
0.09
enf) no | (pos enf) (no enf) | (pos (enf)
enf) | (pos (enf)
pos) | (enf
0.07 enf) no | (pos 0.90, enf) | (pos 0.992, enf) (no 0.008, (enf)
=
+
=
= = = =
P P P P
P P
P
P P P P
En una urna hay 5 bolas, 3 azules y 2 verdes. Se saca una bola de la urna y sin
mirarla, se guarda. A continuacin se vuelve a sacar otra bola que es verde. (a) Cul
es la probabilidad de que la primera haya sido verde?
(b) Y si la segunda hubiera sido azul, cul es la probabilidad de que la primera sea
verde? (c) Y azul? Nota: Realiza un rbol de sucesos. Llama (A1 y A2), al suceso
"sacar azul la primera bola y azul la segunda" y anlogamente los restantes:
(A1 y V2), (V1 y A2), (V1 y V2).
Probabilidad de que la primera haya sido verde
(en el supuesto que la segunda ha sido verde)
Aplicamos el teorema de Bayes y resulta:
Probabilidad de que la primera haya sido
verde (en el supuesto que la segunda ha sido
azul)Aplicamos el teorema de Bayes y resulta:
Probabilidad de que la primera haya sido azul
(en el supuesto que la segunda ha sido azul)
Aplicamos el teorema de Bayes y resulta:
34
Supongamos que la incidencia del consumo de drogas
en la poblacin es del 5%. Hacemos una prueba de
drogas, que tiene una fiabilidad del 95%, a un sujeto
escogido al azar y el resultado es positivo.
Cul es la probabilidad de que consuma drogas?
5 , 0
1000
95
100
95
100
5
) (
) (
) | (
1000
95
100
95
100
5
100
5
100
95
) (
=
=

=
= + =
positivo P
positivo drogadicto P
positivo drogadicto P
positivo P
35
El problema de las
tres cartas (introduccin a
Monthy)
pag.260
36
The Monty Hall Problem
Lets Make a Deal fue un famoso concurso en las dcadas 60-70
de la televisin de EEUU presentado por Monty Hall y Carol Merril.
http://gaussianos.com/marilyn-vos-savant-la-mujer-que-provoco-el-error-de-erdos/
37
Bienvenidos al
show de Monty Hall!
Detrs de una de estas
puertas hay un coche.
Y detrs de las dos
restantes hay una cabra.
38
A B C
Elijo la
puerta A
Nuestro concursante
seleccionar una puerta ...
39
A B C
PUERTA
SELECCIONADA
Monty Hall (que
conoce dnde est
el coche) abre la
puerta C.
Ahora sabemos que
el coche est o bien
en A o bien en B.
Monty Hall nos permite cambiar de
eleccin si queremos
Es ms probable ganar el coche si cambiamos
de puerta? (En este caso de A a B).
40
Si el concursante
CAMBIA
su eleccin original

Pierde

Gana

Gana

Gana

Gana

Pierde

Pierde

Gana

Gana
41
Si el concursante CAMBIA su eleccin original gana 6 veces de
las 9: su probabilidad de ganar es 6/9 = 2/3. Si no cambia, su
probabilidad de ganar es de 3/9 = 1/3. Tiene el doble de
posibilidades de ganar si cambia de puerta!

Pierde

Gana

Gana

Gana

Gana

Pierde

Pierde

Gana

Gana
Juega y comprubalo estadsticamente en
http://math.ucsd.edu/~crypto/Monty/monty.html
42
Existe una manera intuitiva de comprender este
resultado anti-intuitivo:

Cuando elijo la puerta, en promedio, dos de cada
tres veces detrs de la puerta habr una cabra.

O sea, la mayor parte de las veces habr elegido
una puerta con cabra.

Despus Monthy me ensea una puerta con cabra.
As que es razonable cambiar mi eleccin previa...
43
En el problema de Monthy Hall, si nosotros
escogemos la puerta A y Monthy abre la puerta
B, por ejemplo, la pregunta que nos estamos
haciendo es: Cul es la probabilidad de ganar si
cambio a la puerta C, teniendo la informacin
adicional de que el coche no est en la B?
Lo dejamos como ejercicio.
Podemos probar este resultado sin hacer una
lista de todos los casos. Usando la nocin de
probabilidad condicional. Recuerda que la
probabilidad condicional nos muestra cmo la
ocurrencia de un suceso afecta a la probabilidad
de otro.

44
Aleatoriedad D. J. Bennett (pg. 135):
Si una familia tiene dos hijos y al menos uno de ellos es
nia, cul es la probabilidad de que tenga dos nias?
45
46
47
48
49
Estadstica bayesiana
pag. 267-270
spam 274
Paradoja de Braess (Dietrich Braess, 1968).
Al principio hay slo dos rutas alternativas para desplazarse desde
la poblacin A a la D. Por la primera, tras 50 minutos sin atascos,
los conductores atravesarn el breve pero congestionado tramo CD.
Por la segunda, el tramo congestionado est al principio (AB), al
que siguen 50 minutos de trfico sin incidencias.
Imaginemos que son 60 los conductores que quieren llegar a D, y
que en atravesar un tramo congestionado tardan tantos minutos
como coches circulen (as, si son 10 coches, tardarn 10 minutos; y
si son 30, 30 minutos). Si los conductores eligen el itinerario ms
corto, acabarn dividindose por mitades: 30 se irn por la ruta
ABD y 30 por ACD, y todos tardarn 80 minutos (30 en el tramo
congestionado y 50 en el largo). Qu pasa si se inaugura una
ancha autopista entre B y C, transitable en tan slo 10 minutos?
Muchos conductores creern que si la usan se ahorrarn 10 minutos y llegarn a
su destino en 70 (es decir, 30+10+30). Pero ser un espejismo: si 20
conductores, digamos, optan por la nueva ruta ABCD, acabarn tardando 90
minutos, ya que por los dos tramos congestionados (AB y CD) transitarn ahora
40 coches, en vez de los 30 de antes. Tambin los conductores que mantengan
inalterada su ruta tardarn ahora 90 minutos, pues pasarn 10 minutos ms en el
tramo congestionado. Todos terminarn deseando que la autopista no se hubiera
abierto: pero en tanto exista (y su uso sea gratuito!), ningn conductor podr
hacer nada, por s slo, para abreviar su viaje. He ah la paradoja de Braess: la
apertura de la nueva autopista alargar el viaje para todos los conductores!
La paradoja se constat en Nueva York hace aos, cuando se cerr al trfico la calle 42
y la circulacin en la zona mejor. La provoca tambin en nuestras carreteras el carril
adicional derecho, cuando el trfico es muy denso: los listillos se meten por l para

avanzar y evitar los parones, pero su pugna por reincorporarse al carril principal ms
adelante cuando su carril se termina hace aun ms lento el trfico. La paradoja puede
darse en otro tipo de redes, aunque no sean de transporte. As, se dice que en los
hospitales pblicos del Reino Unido la mejora de algunos servicios neurociruga...-,
agrav las listas de espera, pues no se suprimieron otros cuellos de botella servicios de
scanner, enfermeras-. En Internet, los matemticos Tim Roughgarden y Eva Tardos
han sealado que la lucha entre routers por enviar sus mensajes por el camino ms corto
(selfish routing) hace que tarden hasta un tercio ms de lo necesario: llaman a esos
retrasos el precio de la anarqua.
El estudio matemtico de las redes es ya una disciplina muy desarrollada, de la que la
paradoja de Braess es slo un rudimento. El cobro de un precio puede, adems de
contribuir a su financiacin, mejorar a veces su funcionamiento. Pero esos precios
suscitan a menudo, como vemos en Madrid, el viejo dilema poltico entre equidad y
eficiencia.
54
Problemas
resueltos
55
56
57
58
59
60
61
2/ Se lanza una moneda si sale cara se saca una canica de la caja I que
contiene 3 rojas y 2 azules, si sale cruz se saca una canica de la caja II
que contiene 2 rojas y 8 azules. a) Determinar la probabilidad de que se
saque una canica roja. b) Habiendo sacado bola roja, cul es la
probabilidad de que haya salido cara?
|
.
|

\
|
=
|
.
|

\
|
+
|
.
|

\
|
+
|
.
|

\
|
+
|
.
|

\
|
=
= + =
5
2
8 2
2
2
1
2 3
3
2
1
) | ( ) ( ) | ( ) ( II R P II P I R P I P P
Caja I
Caja II
|
.
|

\
|
2
1
|
.
|

\
|
2
1 |
.
|

\
|
10
2
|
.
|

\
|
5
3
a)
b)
4
3
8 2
3
2
1
2 3
3
2
1
2 3
3
2
1
) | ( ) ( ) | ( ) (
) | ( ) (
=
|
.
|

\
|
+
|
.
|

\
|
+
|
.
|

\
|
+
|
.
|

\
|
|
.
|

\
|
+
|
.
|

\
|
=
|
|
.
|

\
|
+
=
II R P II P I R P I P
I R P I P
P
62
8/ Un ladrn es perseguido por un coche de polica y al llegar a un
determinado cruce se encuentra tres posibles calles por las que huir (A, B y
C), de tal manera que las dos ultimas son tan estrechas que por ellas no cabe
el coche de polica, de lo cual el ladrn no se da cuenta
Si huye por la calle A le atrapan seguro puesto que la final de la misma hay
otra patrulla de polica. Si huye por la calle C se escapa seguro puesto que no
est vigilada. Si huye por la calle B se encontrar que esta se bifurca en dos
callejuelas: la BA, que conduce a A y la BC que conduce a C-
a) Cul es la probabilidad de que el ladrn sea atrapado?
b) Sabiendo que escap, cul es la probabilidad de que huyera por la C
entrando por la B y llegando a C por la callejuela BC?
Ladrn B Polica
B
A

B
C

Polica
Va
libre

A

B

C
BA
BC
3
1
3
1
3
1 2
1
2
1
a)
Atrapado
Atrapado
Escapa
Escapa
63
| |
2
1
= + = +
(

+ + = +
+ + +
+ =
6
1
3
1
0
3
1
0
2
1
1
2
1
3
1
1
3
1
C) en atraparle ( C) (
BC) en atraparle ( BC) ( BA) en atraparle ( BA) ( B) (
A) en atraparle ( A) ( atraparle) (
P P
P P P P P
P P P
b)
3
1
2
1
1
2
1
3
1
escapar) (
C) escapar ( BC) ( B) (
BC) por escapar ( =
- -
=

=
P
P P P
P
2
1
2
1
- 1 atrapado) ser ( - 1 escapar) ( = = = P P
64
13/ Dados los sucesos A y B , tales que P(A)=0,4 y P(B)=0,3 y P(AB)=0,1 , calclense las
siguientes probabilidades:

a) P( A / B )
b) P(A/A U B)
c) P(A/A B)
d) P( A /B)


a)

( )
( / ) ; ( ) ( )
( )
(( ) ( )) ( ) ( ) ( ) 1
( ) 1 ( ) 1 ( ( ) ( ) ( ))
1 (0, 4 0, 3 0,1) 0, 4
0, 4 4
( ) 1 ( ) 1 0, 3 0, 7 ; ( / )
0, 7 7
P A B
P A B A B A B E
P B
P A B A B P A B P A B P E
P A B P A B P A P B P A B
P B P B P A B

= =
= + = =
= = + =
+ =
= = = = =

b)
( ( )) (( ) ( )) ( ( ))
( / )
( ) ( ) ( )
( ) 0, 4 2
( ) 0, 6 3
P A A B P A A P A B P A A B
P A A B
P A B P A B P A B
P A
P A B

= = = =

= =

c)
( ( )) ( )
( / ) 1
( ) ( )
P A A B P A B
P A A B
P A B P A B

= = =



d)
( / ) 1 ( / ), ya que ( / ) ( / )
( ) 0,1 2
( / ) 1 1
( ) 0, 3 3
P A B P A B A B A B E
P A B
P A B
P B
= =

= = =


65
17/ En unos laboratorios se preparan tres vacunas contra la misma enfermedad. Las probabilidades de obtener
en el mercado cada una de ellas son: vacuna 1=1/6; vacuna 2=1/3; vacuna 3=1/2. Las probabilidades de
inmunidad con cada una son: vacuna 1=0,90; vacuna 2=0,94; vacuna 3=0,88. Calclese la probabilidad de que,
utilizando cualquiera de ellas, el sujeto vacunado resulte inmune.

Para calcular la probabilidad de inmunizacin aplicamos el teorema de la probabilidad total:


1 1 2 2 3 3
( ) ( ) ( / ) ( ) ( / ) ( ) ( / )
1 1 1
0, 90 0, 94 0, 88 0, 903
6 3 2
P I P V P I V P V P I V P V P I V = + + =
= + + =


66
19/ Sean las urnas de bolas U1 = (5b, 8n) y U2 = (6b, 9r). Se toma una bola de U1 y se pasa a U2 y seguidamente
una de U2 y se pasa a U1. cul es la probabilidad de que esta ltima sea roja?
(b = bola blanca, n = bola negra, r = bola roja)

Las posibles dobles extracciones de U1 son: bb, br, nn, nb y nr ; cuyas probabilidades respectivas son:
5 7 5 9 8 1 8 6 8 9
, , ,
13 16 13 16 13 16 13 16 13 16
y

Sea B el suceso cuya probabilidad queremos calcular. Por el teorema de la probabilidad total tenemos que:

( ) ( / ) ( ) ( / ) ( ) ( / ) ( ) ( / ) ( )
35 1 45 8 48 1 72 117
( / ) ( ) 0 0 0 0, 043
208 13 208 208 208 13 208 2704
P B P B bb P bb P B br P br P B nn P nn P B nb P nb
P B nr P nr
= + + + +
+ = + + + + = =

67
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) dem 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:
( / ) ( ) 0, 9 0, 2 9
( / )
0, 9 0, 2 0, 2 0, 8 17 ( / ) ( ) ( / ) ( )
P C T P T
P T C
P C T P T P C T P T

= = =
+ +


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

= = = =
+ +


c) ( ) ( ) ( / ) 0, 2 0, 9 0,18 P T C P T P C T = = =

d)
( ) ( ) ( ) ( ) 0, 2 0, 34 0,18 0, 36
ya que la probabilidad de que el test sea positivo es:
( ) ( / ) ( ) ( / ) ( ) 0, 9 0, 2 0, 2 0,8 0, 34
P T C P T P C P T C
P C P C T P T P C T P T
= + = + =
= + = + =


68
21/ A un puesto aduanero llegan peridicamente misiones diplomticas procedentes de un determinado pas y que
estn constituidas por 10 miembros. El citado pas es un gran productor de marihuana, circunstancia que, de vez
en cuando, es aprovechada por sus misiones diplomticas para introducir algn que otro cargamento en el pas
que visitan, siendo la forma de hacerlo el que dos de los diez miembros lleven en sus maletas la hierba.
Los aduaneros tienen ya informacin del truco, pero, para no producir incidentes diplomticos, se limitan a
inspeccionar dos de las diez maletas dejando pasar a la misin si en las maletas inspeccionadas no encuentran
droga. Su experiencia les dice adems que el 10% de las misiones portan la droga.
Si una misin inspeccionada no arroja resultado positivo, cul es la probabilidad de que realmente dicha misin
no lleve droga alguna?

Denominaremos:
A1 al suceso la delegacin porta droga
A2 al suceso la delegacin no lleva droga
B al suceso una misin inspeccionada arroja resultado negativo

Conocemos:

1 2
1 2
( ) 0,1 ( ) 0, 9
8 2
2 0 28
( / ) ( / ) 1
10 45
2
P A P A
P B A P B A
= =
| | | |

| |
\ . \ .
= = =
| |
|
\ .


Y nos pide P(A2/B). Esta probabilidad podemos calcularla con ayuda del teorema de Bayes:

2 2
2
1 1 2 2
( ) ( / )
( / ) 0, 9353
( ) ( / ) ( ) ( / )
P A P B A
P A B
P A P B A P A P B A
= =
+

69
22/ Una caja contiene 3 monedas, 2 normales y una con dos caras. Se elige una moneda al azar y se efecta una
tirada. Si sale cara se tira otra vez. Si sale cruz se elige una de las otras dos que quedan en la caja y se tira. Se pide:

a) Probabilidad de que hayan salido dos caras
b) En este caso, cul es la probabilidad de que la moneda que se ha lanzado dos veces sea la que tiene dos
caras?
c) cul es la probabilidad de que salgan dos cruces?


a)
1 2 1 1 2 2
(dos caras) ( ) ( ) ( ) ( ) ( / ) ( ) ( / )
2 1 1 1 1
1 0, 5
3 4 3 6 3
P P B P B A P B A P A P B A P A P B A = = + = + =
= + = + =


(donde A1 es el suceso consistente en que la moneda extrada sea normal y A2 que la moneda extrada sea la especial)


b)
2 2 2
1
( ) ( ) ( / ) 2
3
( / )
1
( ) ( ) 3
2
P A B P A P B A
P A B
P B P B

= = = =
1 1 2 1 2
2 1 1 1 1
( ) ( ) ( / ) ( / ) ( / )
3 2 2 2 12
P H P M P C M P M M P C M = = =

c) Saldrn dos cruces si la primera moneda era normal y el lanzamiento fue cruz y la segunda moneda era tambin nor mal y asimismo arroj
cruz. Llamaremos:

M
i
: La moneda extrada en el lugar i-simo es normal , i = 1 , 2
C : Salir cruz al lanzar una moneda
H : Salir dos cruces

1 1 2 1 2
2 1 1 1 1
( ) ( ) ( / ) ( / ) ( / )
3 2 2 2 12
P H P M P C M P M M P C M = = =

70
23/ Una urna contiene 2 bolas blancas, 5 negras y 4 rojas, y de ella extraemos tres bolas, una a continuacin de
otra. La primera que se extrajo result roja, la segunda no se mir y la tercera fue negra.
Determinar la probabilidad de que la bola extrada en segundo lugar sea blanca.

La informacin de que la primera bola extrada 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 despus de la otra. La primera no se mir y la segunda era
negra. cul es la probabilidad de que la bola extrada 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 extrada sea negra

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


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

( / ) ( ) 2
( / )
( / ) ( ) ( / ) ( ) ( / ) ( ) 9
P C B P B
P B C
P C B P B P C N P N P C R P R
= =
+ +


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

71
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)
Calclese:
a) Probabilidad de extraer bola blanca
b) Probabilidad de que una bola negra que se ha extrado proceda de la
segunda urna.
SOLUCIN:
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) =


Tambin se podra haber obtenido con la probabilidad del complementario:
P (negra) = 1 P (blanca) = 1 22/45 = 23/45


23
5
3
1
5
4
3
1
6
2
3
1
5
2
3
1
6
2
=
- + - + -
-
72
Problemas
propuestos
73
74
75
76
77
TEORIA DE PERCOLACIN
Harry Kesten
Professor Emeritus of Mathematics
Cornell University
( ) ( )
(abierto) proba 1
, , ,
p X
j i j i
=
' '
c
p p <
: no hay cluster infinito
: hay cluster infinito c
p p >
Cul es el valor de p
c
? Qu ocurre en p= p
c
?
( ) ( ) vecinos nodos , , , Sean j i j i
' '
( ) ( )
(cerrado) 1 proba 0
, , ,
-p X
j i j i
=
' '
) , ( j i
) , ( j i ' '
78
REDES DE TELECOMUNICACIONES
(Loss Networks)
R : Conjunto de rutas
j
1
j
2

j
3

La ruta r usa A
jr
circuitos del enlace j.

Por ejemplo

C
j
: nmero total de circuitos del enlace j (capacidad).

Si llega una llamada para usar la ruta r, sta se efecta si hay al
menos A
jr
circuitos disponibles del enlace j, si no la llamada se
pierde.

1 A 2 A 3
3 2 1
= = =
r j r j r j
A
r : ruta determinada
por enlaces que usa
79
Punto fijo de Erlang
Si las llamadas que usan la ruta r llegan aleatoriamente a tasa
(esto es segn un proceso de Poisson).

n
r
: nmero de llamadas que estn usando la ruta r,
el vector de llamadas de las diferentes rutas. Se verifica






Probabilidad n ~



r
u
j. enlace todo para C
j
e
s
R r
r jr
n A
) : ( R r n n
r
e =
!
r
n
r
n
r
u
H
eR r
La distribucin de equilibrio del sistema es:
80
AGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAAAAGAGTGTCT
GATAGCAGCTTCTGAACTGGTTACCTGCCGTGAGTAAATTAAAATTTTATTGACTTAGGTC
ACTAAATACTTTAACCAATATAGGCATAGCGCACAGACAGATAAAAATTACAGAGTACACA
ACATCCATGAAACGCATTAGCACCACCATTACCACCACCATCACCATTACCACAGGTAACG
GTGCGGGCTGACGCGTACAGGAAACACAGAAAAAAGCCCGCACCTGACAGTGCGGGCTTTT
TTTTTCGACCAAAGGTAACGAGGTAACAACCATGCGAGTGTTGAAGTTCGGCGGTACATCA
GTGGCAAATGCAGAACGTTTTCTGCGTGTTGCCGATATTCTGGAAAGCAATGCCAGGCAGG
GGCAGGTGGCCACCGTCCTCTCTGCCCCCGCCAAAATCACCAACCACCTGGTGGCGATGAT
TGAAAAAACCATTAGCGGCCAGGATGCTTTACCCAATATCAGCGATGCCGAACGTATTTTT
GCCGAACTTTTGACGGGACTCGCCGCCGCCCAGCCGGGGTTCCCGCTGGCGCAATTGAAAA
CTTTCGTCGATCAGGAATTTGCCCAAATAAAACATGTCCTGCATGGCATTAGTTTGTTGGG
GCAGTGCCCGGATAGCATCAACGCTGCGCTGATTTGCCGTGGCGAGAAAATGTCGATCGCC
ATTATGGCCGGCGTATTAGAAGCGCGCGGTCACAACGTTACTGTTATCGATCCGGTCGAAA
AACTGCTGGCAGTGGGGCATTACCTCGAATCTACCGTCGATATTGCTGAGTCCACCCGCCG
TATTGCGGCAAGCCGCATTCCGGCTGATCACATGGTGCTGATGGCAGGTTTCACCGCCGGT
AATGAAAAAGGCGAACTGGTGGTGCTTGGACGCAACGGTTCCGAC
Genes
Hebra 1
Hebra -1
AGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAAAAGAGTGTCT
GATAGCAGCTTCTGAACTGGTTACCTGCCGTGAGTAAATTAAAATTTTATTGACTTAGGTC
ACTAAATACTTTAACCAATATAGGCATAGCGCACAGACAGATAAAAATTACAGAGTACACA
ACATCCATGAAACGCATTAGCACCACCATTACCACCACCATCACCATTACCACAGGTAACG
GTGCGGGCTGACGCGTACAGGAAACACAGAAAAAAGCCCGCACCTGACAGTGCGGGCTTTT
TTTTTCGACCAAAGGTAACGAGGTAACAACCATGCGAGTGTTGAAGTTCGGCGGTACATCA
GTGGCAAATGCAGAACGTTTTCTGCGTGTTGCCGATATTCTGGAAAGCAATGCCAGGCAGG
GGCAGGTGGCCACCGTCCTCTCTGCCCCCGCCAAAATCACCAACCACCTGGTGGCGATGAT
TGAAAAAACCATTAGCGGCCAGGATGCTTTACCCAATATCAGCGATGCCGAACGTATTTTT
GCCGAACTTTTGACGGGACTCGCCGCCGCCCAGCCGGGGTTCCCGCTGGCGCAATTGAAAA
CTTTCGTCGATCAGGAATTTGCCCAAATAAAACATGTCCTGCATGGCATTAGTTTGTTGGG
GCAGTGCCCGGATAGCATCAACGCTGCGCTGATTTGCCGTGGCGAGAAAATGTCGATCGCC
ATTATGGCCGGCGTATTAGAAGCGCGCGGTCACAACGTTACTGTTATCGATCCGGTCGAAA
AACTGCTGGCAGTGGGGCATTACCTCGAATCTACCGTCGATATTGCTGAGTCCACCCGCCG
TATTGCGGCAAGCCGCATTCCGGCTGATCACATGGTGCTGATGGCAGGTTTCACCGCCGGT
AATGAAAAAGGCGAACTGGTGGTGCTTGGACGCAACGGTTCCGAC
Genes
Hebra 1
Hebra -1
GENOMICA

(Laboratorio de Bioinformtica y Matemticas del Genoma)
Zonas codificantes y zonas no-codificantes tiene distintas estructuras
de memoria:
( )
k k n n n
a X a X a X a = = = =

, , , X Prob
2 2 1 1 0 n
81
Distribucin Granulomtrica: Cantera
Las fotografas son analizadas con un marco, hay dos
granulometras estudiadas por J. B. y S. M. Una subestima y
la otra subestima la granulometra real (anlogo Paradoja
Tiempo de Espera).
Sesgo en Estimacin por Efecto Frontera
82
Una elaboracin interesante a partir del concepto de probabilidad
condicional es el conocido teorema de Bayes. Supongamos que el
0.5% de la poblacin padece verdaderamente cncer. Supongamos que
haya un anlisis para detectar el cncer con una fiabilidad del 98%. Se
hacen 10k pruebas, tendremos 49 anlisis positivos de las personas con
cncer de 50, del resto habr 199 anlisis falsos positivos, la
probabilidad condicional de padecer cncer sabiendo que se ha dado
positivo es slo 49/248, aproximadamente un 20%!.
Refutar la afirmacin de que algo existe es a menudo muy difcil. Y
tambin a menudo se toma esta dificultad como prueba de que la
afirmacin es cierta.
Tversky y Kahneman concluyen que, ante la
posibilidad de ganancias, las personas tienden a
evitar los riesgos, mientras que prefieren correr
riesgos para evitar prdidas.
Hay dos tipos de errores que se pueden cometer al
aplicar un test estadstico y se llaman en un derroche
de imaginacin, errores del Tipo I y errores del Tipo
II. Se produce un error del Tipo I cuando se acepta
una hiptesis falsa, y uno del tipo II, cuando se
rechaza una hiptesis verdadera.
Casi siempre hay un compromiso entre la calidad y el
precio, entre los errores de Tipo I y los de Tipo II.
83
La medicina es un terreno
frtil para las pretensiones
seudocientficas por una razn
muy sencilla. La mayora de
enfermedades y estados
fsicos, a) mejoran por s
solos, b) remiten
espontneamente, o c) aun
siendo fatales, rara vez siguen
estrictamente una espiral
descendente.
84
85