B LOQUE II.

Modelos probabilı́sticos
Tema 3. Introducción al cálculo de probabilidades

Asignatura: MATEMÁTICAS III

Bloque II/Tema 3 Matematicas III 1 / 31

Contenidos

1 Experimentos aleatorios

2 Definición de probabilidad

3 Probabilidad condicionada e independencia

4 Teorema de Bayes

Bloque II/Tema 3 Matematicas III 2 / 31

 Experimentos aleatorios

Contenidos

1 Experimentos aleatorios

2 Definición de probabilidad

3 Probabilidad condicionada e independencia

4 Teorema de Bayes

Bloque II/Tema 3 Matematicas III 3 / 31

 Experimentos aleatorios

Probabilidad

La probabilidad nos permite cuantificar la incertidumbre que

tenemos sobre el resultado de un experimento, resultado que es
imposible predecir con seguridad.
Un experimento aleatorio viene caracterizado por:
Con las mismas condiciones iniciales se pueden obtener diferentes
resultados.
Todos los posibles resultados se conocen por anticipado, pero no
puede predecirse cuál aparecerá en cada realización particular.
En general, aunque no siempre, pueden repetirse indefinidamente
en las mismas condiciones.
Si un experimento aleatorio se repite bajo las mismas condiciones
n veces, y un determinado resultado aparece ni veces, el cociente
ni
n tiende a estabilizarse cuando n aumenta (ley de los grandes
números).

Bloque II/Tema 3 Matematicas III 4 / 31

 Experimentos aleatorios

Espacio muestral
El espacio muestral es el conjunto de todos los posibles
resultados de un experimento aleatorio. Se suele denotar con la
letra Ω.
Cada posible subconjunto de este espacio muestral se denomina
suceso aleatorio (o simplemente suceso), A, B, . . . ⊂ Ω.
Un suceso elemental es cada uno de los posibles resultados de
un experimento aleatorio, ω1 , ω2 , . . . , ωn . ω1 , ω2 , . . . , ωn ∈ Ω
Suceso seguro: está formado por todos los elementos del espacio
muestral, Ω.
Suceso imposible: el conjunto vacı́o: ∅ ⊂ Ω.
Suceso contrario o complementario de A(Ā ≡ Ac ):contiene
todos os elementos de Ω que no pertenec a A,
Ā = {ω ∈ Ω : ω ∈
/ A}.
Nota: Ocurrencia de un suceso. Un suceso ocurre si el
experimento aleatorio da lugar a uno de los sucesos elementales
que lo constituyen.
Bloque II/Tema 3 Matematicas III 5 / 31
 Experimentos aleatorios

Espacio muestral

Ejemplos
Si el resultado de un experimento es el sexo de un descendiente,
el espacio muestral será Ω = {H, M}.
Si el experimento consiste en el lanzamiento de dos monedas
cuyos resultados sean cara (C) o cruz (X), entonces el espacio
muestral Ω = {CC, CX , XC, XX }.
Si la salida de un experimento es el orden de llegada a la meta en
una carrera en la que participan 7 caballos identificados con los
números 1, 2, 3, 4, 5, 6 y 7, el espacio muestral
será Ω = {todas las permutaciones de 1, 2, 3, 4, 5, 6 y 7}.
Si observamos las puntuaciones de dos dados de seis caras, el
espacio muestral será Ω = {(1, 1), (1, 2), . . . , (6, 6)}.

Bloque II/Tema 3 Matematicas III 6 / 31

 Experimentos aleatorios

Espacio muestral y sucesos

Operaciones básicas con sucesos:

Unión: A ∪ B = {ω ∈ Ω : ω ∈ A ó ω ∈ B}. Ocurre al menos uno de
los dos sucesos
Intersección: A ∩ B = {ω ∈ Ω : ω ∈ A y ω ∈ B}. Ocurren los dos
sucesos simultáneamente
Dos sucesos son incompatibles (disjuntos o mutuamente
excluyentes) si A ∩ B = ∅, es decir, no pueden ocurrir
simultáneamente.
Diferencia: A\B = {ω ∈ Ω : ω ∈ A y ω ∈ / B} = A ∩ B c . Ocurre A,
pero no ocurre B
Diferencia Simétrica: A4B = (A\B) ∪ (B\A) = (A ∪ B) \ (A ∩ B).
Ocurre uno de los dos sucesos, pero no los dos simultáneamente
Se dice que el suceso B está contenido o incluido en el suceso
A, (B ⊂ A), si todos los resultados básicos que forman B
pertenecen a A. Siempre que ocurreB, necesariamente ocurre A

Bloque II/Tema 3 Matematicas III 7 / 31

 Experimentos aleatorios

Espacio muestral y sucesos

Propiedades: Sean A y B dos sucesos:

(Ac )c = A

A = (A ∩ B) ∪ (A ∩ B c ) = (A ∩ B) ∪ (A\B),

(A ∩ B) ∩ (A ∩ B c ) = ∅

A ∪ B = B ∪ (A\B), con B ∩ (A\B) = ∅

Leyes de DeMorgan:
A ∪ B = A ∩ B;
A∩B =A∪B .

Bloque II/Tema 3 Matematicas III 8 / 31

 Experimentos aleatorios

Espacio muestral y sucesos

Ejemplos (continuación)
Descendiente: A = {M} es el suceso “tener como descendiente
una hija”.
Moneda: A = {CC, CX } es el suceso “salir cara en el primero de
los dos lanzamientos”.
Caballos: A = {Todos los resultados de Ω que comiencen con 2}
es el suceso “el caballo 2 gana la carrera”.
Dado: A = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} es el suceso
“la suma de los dados es 7”.

Bloque II/Tema 3 Matematicas III 9 / 31

 Definición de probabilidad

Contenidos

1 Experimentos aleatorios

2 Definición de probabilidad

3 Probabilidad condicionada e independencia

4 Teorema de Bayes

Bloque II/Tema 3 Matematicas III 10 / 31

 Definición de probabilidad

Definición de probabilidad

La probabilidad es una función que a cada posible suceso del

espacio muestral le asigna un valor relacionado con la certeza
que teemos de que el resultado del experimento esté dentro de
este suceso (es una medida)
Por tanto, al suceso seguro le asignará la máxima probabilidad y
al suceso imposible, la mı́nima probabilidad.
Además, debe verificar otras propiedades como que si dos
sucesos son incompatibles (no comparten resultados), la
probabilidad de la unión de ellos debe ser la suma de las
probabilidades de los dos sucesos.
En 1933, el matematico Andrei Kolmogorov estableció unos
axiomas que permitieron formalizar el concepto clásico de
probabilidad.

Bloque II/Tema 3 Matematicas III 11 / 31

 Definición de probabilidad

Axiomas de Kolmogorov (1933)

Dado un espacio muestral Ω, diremos que Pr es una función de

probabilidad definida sobre el conjunto de los posibles sucesos A,
si verifica las siguientes condiciones (axiomas):
Axioma 1. La probabilidad es una función definida sobre el
conjunto de todos los posibles sucesos, y que toma valores
positivos comprendidos entre 0 y 1.

Dado A ⊂ Ω, se cumple que 0 ≤ Pr (A) ≤ 1.

Axioma 2. La probabilidad del suceso seguro es 1, Pr (Ω) = 1.

Axioma 3. La probabilidad de la unión numerable de sucesos
disjuntos (incompatibles) es la suma de sus probabilidades:
∞ ∞
!
[ X
A1 , . . . An , . . . ∈ A =⇒ Pr Ai = Pr (Ai ).
i=1 i=1

Bloque II/Tema 3 Matematicas III 12 / 31

 Definición de probabilidad

Interpretaciones de la probabilidad
Interpretación clásica. Es el cociente entre el número de casos
favorables al suceso y el número de casos posibles (Laplace).
número de casos favorables a A
Pr (A) = .
número de casos posibles
Interpretación frecuentista. Se aplica a experimentos que se
pueden repetir indefinidamente bajo condiciones similares,
adoptándose la hipótesis implı́cita de que las frecuencias relativas
se estabilizan al repetirse el experimento. Si un suceso A ocurre
An veces en n repeticiones del experimento, entonces:
An
Pr (A) = limn supuesto que existe el lı́mite.
n
Probabilidad como grado de confianza. Es la medida de la
creencia que tiene una persona dada en un momento dado sobre
la ocurrencia del suceso.
Bloque II/Tema 3 Matematicas III 13 / 31
 Definición de probabilidad

Ejemplos

Ejemplo
Una escuela de secundaria ofrece dos asignaturas optativas de
idiomas: inglés y francés. Estas asignaturas están abiertas para
cualquiera de los 120 estudiantes matriculados. Supongamos que
32 estudiantes se matricularon de inglés, 36 en francés, y 8 en
ambas. Si se selecciona aleatoriamente a un estudiante de entre
los 120 matriculados, ¿cuál es la probabilidad de que se haya
matriculado en al menos uno de los idiomas?
Solución: A y B denotan los sucesos “matricularse en inglés” y
“matricularse en francés”, respectivamente. Para calcular
32 36 8
Pr (A ∪ B) = Pr (A) + Pr (B) − Pr (A ∩ B) = 120 + 120 − 120 = 12 .

Bloque II/Tema 3 Matematicas III 16 / 31

 Probabilidad condicionada e independencia

Contenidos

1 Experimentos aleatorios

2 Definición de probabilidad

3 Probabilidad condicionada e independencia

4 Teorema de Bayes

Bloque II/Tema 3 Matematicas III 17 / 31

 Probabilidad condicionada e independencia

Probabilidad condicionada

Definición
Sean A, B ⊂ Ω dos sucesos tales que Pr (B) > 0. Se define la
probabilidad condicionada de A, dado B, como
Pr (A∩B)
Pr (A|B) = Pr (B) .

Es una medida de la parte de A que está contenida en B.

Igualmente, si Pr (A) > 0, también se puede definir la probabilidad
condicionada de B dado A.

Bloque II/Tema 3 Matematicas III 18 / 31

 Probabilidad condicionada e independencia

Probabilidad condicionada

Aplicando la definición, se obtiene que

Pr (A ∩ B) = Pr (A)Pr (B|A) = Pr (B)Pr (A|B)

Esta relación se puede generalizar

Regla del producto
Sean A1 , A2 , . . . , An sucesos tales que Pr (A1 ∩ A2 ∩ . . . ∩ An−1 ) > 0,
entonces

Pr (A1 ∩ A2 ∩ . . . ∩ An ) =
Pr (A1 )Pr (A2 |A1 )Pr (A3 |A1 ∩ A2 ) · · · Pr (An |A1 ∩ A2 ∩ . . . ∩ An−1 )

Bloque II/Tema 3 Matematicas III 19 / 31

 Probabilidad condicionada e independencia

Probabilidad condicionada e independencia

Dos sucesos son independientes si la ocurrencia de uno no

influye en la probabilidad de ocurrencia del otro:
Formalmente: A y B son independientes si y solo si

Pr (A) = Pr (A|B) ⇔ Pr (B) = Pr (B|A) ⇔ Pr (A ∩ B) = Pr (A)Pr (B).

Bloque II/Tema 3 Matematicas III 20 / 31

 Probabilidad condicionada e independencia

Propiedades de la independencia

Si A es un suceso con probabilidad nula entonces A es

independiente de cualquier otro suceso.

Si A y B son independientes entonces A y B c son independientes

(⇒ Ac y B c son independientes).

Si A es un suceso con Pr (A) = 1, entonces A es independiente

de cualquier otro suceso.

Si A y B son incompatibles e independientes entonces al menos

uno de ellos tiene probabilidad nula.

Bloque II/Tema 3 Matematicas III 21 / 31

 Probabilidad condicionada e independencia

Probabilidad condicionada e independencia

Ejemplo
Supongamos que se lanzan dos dados “equilibrados” (los
posibles resultados son equiprobables). Sean A, B y C los
sucesos consistentes “sacar un 3 en el primer lanzamiento”, “la
suma de los dos lanzamientos es un 8”, y “la suma de los dos
lanzamientos es un 7”, respectivamente.
¿Son A y B independientes? ¿Y A y C?
Solución: Como A ∩ B es el suceso {(3, 5)}, entonces
1
Pr (A ∩ B) = Pr ({(3, 5)}) = 36 . Y como
Pr (A) = Pr ({(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)}) = 16 y
5
Pr (B) = Pr ({(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)}) = 36 , se tiene que
Pr (A ∩ B) 6= Pr (A) · Pr (B), luego A y B NO son independientes.
¿qué ocurre con A y C?

Bloque II/Tema 3 Matematicas III 22 / 31

 Teorema de Bayes

Contenidos

1 Experimentos aleatorios

2 Definición de probabilidad

3 Probabilidad condicionada e independencia

4 Teorema de Bayes

Bloque II/Tema 3 Matematicas III 23 / 31

 Teorema de Bayes

Teorema de la Probabilidad Total

Dado Ω y una partición S1 , S2 , . . . , Sn ⊂ Ω tales que:

n
[
Si = Ω; Si ∩ Sj = ∅, ∀i 6= j
i=1

Entonces, para cualquier suceso B del espacio muestral:

n
X
Pr (B) = Pr (B|Si ) Pr (Si ).
i=1

Bloque II/Tema 3 Matematicas III 24 / 31

 Teorema de Bayes

Teorema de la Probabilidad Total

P(A1)=0.50  
A1   A2   P(A2)=0.25  
P(A3)=0.25  
P(B)=0.20  
P(B/A1)=0.10  
B   P(B/A2)=0.20  
A3   P(B/A3)=0,40    

La probabilidad del suceso B se puede calcular a partir de las

probabilidades condicionadas ya que A1, A2 y A3 definen una
partición del espacio muestral:

P(B) = P(B|A1)P(A1) + P(B|A2)P(A2) + P(B|A3)P(A3)

= 0,10 · 0,50 + 0,20 · 0,25 + 0,40 · 0,25 = 0,20

Bloque II/Tema 3 Matematicas III 25 / 31

 Teorema de Bayes

Teorema de Bayes

Teorema de Bayes
Sea S1 , S2 , . . . , Sn ⊂ Ω una partición de Ω. Sean A y B dos sucesos
cualquiera, con Pr (A), Pr (B) > 0, entonces:

Pr (B|A) · Pr (A)
Pr (A|B) = Pn .
i=1 Pr (B|Si ) · Pr (Si )

El teorema de Bayes es una de los resultados más importantes

en Probabilidad y es fundamental por su aplicación a la Inferencia
Estadı́stica
Permite conocer cómo varı́an las probabilidades de algunos
sucesos cuando se tiene información adicional.

Bloque II/Tema 3 Matematicas III 26 / 31

 Teorema de Bayes

Teorema de Bayes

P(A1)=0.50  
A1   A2   P(A2)=0.25  
P(A3)=0.25  
P(B)=0.20  
P(B/A1)=0.10  
B   P(B/A2)=0.20  
A3   P(B/A3)=0,40    

La ocurrencia del suceso B modifica nuestra creencia sobre la

ocurrencia de alguno de los sucesos A1, A2 y A3:
P(A1 ∩ B)
P(A1/B) =
P(B)
P(B|A1)P(A1)
=
P(B|A1)P(A1) + P(B|A2)P(A2) + P(B|A3)P(A3)
0,10 · 0,50 1
= =
0,10 · 0,50 + 0,20 · 0,25 + 0,40 · 0,25 4
Bloque II/Tema 3 Matematicas III 27 / 31
 Teorema de Bayes

Teorema de Bayes
Explicación del Teorema de Bayes

El Teorema de Bayes se puede expresar como

Pr (A|G) Pr (G|A) Pr (A)

= · .
Pr (Ac |G) Pr (G|Ac ) Pr (Ac )

Pr (A|G)
Pr (Ac |G) se denomina apuestas a posteriori a favor de A,
Pr (A)
Pr (Ac ) son las apuestas a priori a favor de A
Pr (G|A)
Pr (G|Ac ) es el factor Bayes a favor de A.
De este modo se puede escribir
Apuestas a posteriori = Factor Bayes × Apuestas a priori

Bloque II/Tema 3 Matematicas III 28 / 31

 Teorema de Bayes

Teorema de Bayes

Ejemplo 1
Una compañı́a de seguros cree que sus clientes pueden ser
clasificados en dos grupos: (I) los que tienen predisposición a
tener accidentes, y (II) los que no. La probabilidad de que una
persona sufra un accidente en el primer año es 0.1 (I), y 0.05 (II).
Supongamos que la probabilidad de que un nuevo asegurado sea
propenso a tener accidentes es de 0.2. ¿Cuál es la probabilidad
de que sufra un accidente en el plazo de un año?
Solución: Sea H el suceso de que un nuevo asegurado sea
propenso a tener accidentes, y A el suceso de sufrir un accidente
en el primer año. Se puede calcular Pr (A) condicionando sobre si
la persona es o no propensa a tener accidentes, es decir, Pr (A) =
Pr (A|H) · Pr (H) + Pr (A|H̄) · Pr (H̄) = 0,1 · 0,2 + 0,05 · 0,8 = 0,06.

Bloque II/Tema 3 Matematicas III 29 / 31

 Teorema de Bayes

Teorema de Bayes

Ejemplo 1 (cont.)
En el ejemplo anterior, si un nuevo asegurado tiene un accidente
en el primer año, ¿cuál es la probabilidad de que sea propenso a
tener accidentes?
Solución: Nos piden la probabilidad

Pr (A|H) · Pr (H) 0,1 · 0,2 1

Pr (H|A) = = =
Pr (A) 0,06 3
.

Bloque II/Tema 3 Matematicas III 30 / 31

 Teorema de Bayes

Teorema de Bayes
Ejemplo 2
Si cierta enfermedad está presente, existe una probabilidad del
99 % de que una prueba sanguı́nea sea efectiva para detectarla.
Sin embargo, la prueba da falso positivo en un 2 % de los
pacientes sanos. Supongamos que un 0.5 % de la población
padece la enfermedad. Calcular la probabilidad de que un
individuo, elegido al azar para someterse a la prueba, padezca
realmente la enfermedad, si el resultado de la misma ha sido
positivo.
Solución: Sean D y E los sucesos de que la persona padezca la
enfermedad y de que la prueba resulte positiva. Nos piden
calcular
Pr (E|D)·Pr (D) 0,99·0,005
Pr (D|E) = Pr (E|D)·Pr (D)+Pr (E|D̄)·Pr (D̄)
= 0,99·0,005+0,02·0,995 = 0,199.

Bloque II/Tema 3 Matematicas III 31 / 31