PROBABILIDADES

Definicin frecuencista de probabilidad:

La probabilidad de que ocurra un evento es la frecuencia relativa con la
que puede esperarse que ocurra ese evento, si fuera repetido muchas
veces.
Esta definicin frecuencista o emprica es una de las formas como se
calculan las probabilidades pero tambin existen otras aproximaciones
como la probabilidad clsica. La probabilidad clsica data del siglo XVII en
los trabajos de dos matemticos, Pascal y Fermat. Gran parte de esta teora
fue creada para intentar resolver problemas relacionados con los juegos de
azar y asume que los resultados son equiprobables. La probabilidad clsica
o "a priori" y la frecuencia relativa o "a posteriori" son conocidas como
probabilidad objetiva. Existe tambin la probabilidad subjetiva o
Bayesiana, que se debe a Thomas Bayes, reverendo ingls del siglo XVIII, y
que ha sido desarrollado por De Finetti en los aos 1930. Para estos autores,
la probabilidad es siempre una medida subjetiva del grado de certeza sobra
la aparicin de un suceso, ya que se supone que dicha certidumbre depende
de la cantidad de informacin que posee el sujeto; por ejemplo, asignar
probabilidad de que salga cara en una moneda es distinta de 0,5 si se sabe
que la moneda est trucada.
Curiosidades:

El naturalista francs Count Buffon (1707-1788) lanz una moneda 4040

veces. Resultado: 2048 caras, proporcin 2048/4040=0,5069 o 50,69%
de caras.

Alrededor del 1900, el estadstico ingls Karl Pearson lanz una moneda
24 mil veces! Resultado: 12012 caras, proporcin 12012/24000=0,5005
o 50,05% de caras.

Durante la II guerra mundial, el matemtico australiano John Kerrich,

mientras estaba en prisin lanz una moneda 10 mil veces. Resultado:
5067 caras, proporcin 5067/10000=0,5067 o 50,67% de caras.

El lenguaje de Probabilidades
Definicin:
Un experimento aleatorio es un proceso (repetible) cuyo resultado no se
conoce de antemano.
Si se repite un experimento aleatorio bajo las mismas condiciones y
anotamos las frecuencias relativas de un suceso. Observaremos que estas
tienden a estabilizarse alrededor de un nmero que est entre cero y uno.
Este valor recibe el nombre de probabilidad.
Espacios Muestrales y Eventos
Sea el experimento aleatorio = lanzar una moneda tres veces

Podemos contar el nmero de resultados posibles de este experimento con

un diagrama de rbol:
3o
2o

S
C

S
S
C
C
S

S
C

S
S

o escribir los resultados como un conjunto:

SCS, SSC, SSS}

S = {CCC, CCS, CSC, CSS, SCC,

Definicin:
Un espacio muestral es el conjunto de todos los valores posibles de un
experimento aleatorio.
Escriba el espacio muestral S para los siguientes experimentos:
a) Lanzar una moneda y se observa el lado visible
b) Lanzar dos dados y se registra los nmeros que aparecen en cada dado:

S = { (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) }
c) Lanzar dos dados y anotar la suma de los valores:
d) Tomar una muestra aleatoria de tamao 10 de un lote de piezas y contar
cuantas tienen defectos.
e) Seleccionar aleatoriamente un estudiante y anotar el tiempo que estudi
estadstica en las ltimas 24-horas.
f) El tiempo que espero la llegada de la micro en el paradero

Definicin: Un evento es cualquier subconjunto del espacio muestral S.

Se dice que un evento A ocurre si cualquiera de los elementos o resultados
en A ocurren.
Habitualmente se usan los diagramas de Venn, de la teora de conjuntos,
para visualizar el espacio muestral y los eventos.

S
A

.a

.b

Considere el experimento de lanzar dos dados y se registra los nmeros

que aparecen en cada dado.

S = { (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1)
(3,1)
(4,1)
(5,1)
(6,1)

(2,2)
(3,2)
(4,2)
(5,2)
(6,2)

(2,3)
(3,3)
(4,3)
(5,3)
(6,3)

(2,4)
(3,4)
(4,4)
(5,4)
(6,4)

(2,5)
(3,5)
(4,5)
(5,5)
(6,5)

(2,6)
(3,6)
(4,6)
(5,6)
(6,6) }

Marque los resultados que corresponden a los siguientes eventos:

a) Evento A = "No sale seis"
b) Evento B = "Sale exactamente un seis"
c) Evento C = "Salen exactamente dos seis"
d) Evento D = Sale al menos un seis

La unin de dos eventos, representada por A o B, se denota por:

A B

"A or B"
A

La interseccin de dos eventos, representado por A y B, se denota por:

A B

"both A and B"

A

El complemento de un evento, representado por no A, se denota por: AC

C

Definicin:
Dos eventos A y B son disjuntos o mutuamente excluyentes si no tienen
elementos en comn. As, si un evento ocurre, el otro no puede ocurrir.

S
B

Mutuamente excluyentes?
En cada caso, determine si la siguiente lista de eventos es mutuamente
excluyente:
a) Un vendedor hace una venta:
A = la venta excede $5 mil pesos
B = la venta excede $50 mil pesos

b) Un vendedor hace una venta:

A = la venta es de menos de $5 mil pesos
B = la venta es de entre $10 mil y $50 mil pesos
C = la venta es de ms de $100 mil pesos
Reglas de Probabilidades
Para cualquier evento A, le asignamos el nmero P(A) llamado la
probabilidad del evento A.

Le asignamos una probabilidad a cada resultado en el espacio muestral,

entre 0 y 1, tal que la suma de estas probabilidades es igual a 1, y

La probabilidad de cualquier evento es la suma de las probabilidades de

los resultados que hacen aquel evento.

Si los resultados del espacio muestral son equiprobables (igualmente

probables), la probabilidad de un evento A es simplemente la proporcin de
resultados de A en el espacio muestral.
Ley de Laplace :

nmero de resultados favorables a A casos favorables

nmero de resultados posibles

casos posibles

Esta ley es la definicin de Probabilidad a priori o clsica

Asignando Probabilidades a eventos
Experimento = lanzar dos dados. Asuma que los 36 puntos en el espacio
muestral son equiprobables. Cul es la probabilidad de los siguientes
eventos?
a) Evento A = " No sale seis"

S = { (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1)
(3,1)
(4,1)
(5,1)
(6,1)

(2,2)
(3,2)
(4,2)
(5,2)
(6,2)

(2,3)
(3,3)
(4,3)
(5,3)
(6,3)

(2,4)
(3,4)
(4,4)
(5,4)
(6,4)

(2,5)
(3,5)
(4,5)
(5,5)
(6,5)

(2,6)
(3,6)
(4,6)
(5,6)
(6,6) }

b) Evento B = "Sale exactamente un seis"

P(B) =

c) Evento C = "Salen exactamente dos seis"

P(C) =

d) Evento D = "Sale al menos un seis"

P(A) =

P(D) =

e) Compare 1 - P(A) con P(D)

f) Considere la suma de los valores de dos dados:
Cul es la probabilidad de obtener una suma de 3?
Cul es la probabilidad de obtener una suma de al menos 11?
Dado cargado?
Se sospecha que un dado est cargado en el sentido que tienden a salir
nmero grandes. Queremos docimar la siguiente hiptesis:

H 0 : El dado no est cargado (todas las caras tienen la misma

probabilidad).
H1: El dado est cargado hacia los nmeros ms grandes.

Suponga que usted obtiene los datos al lanzar dos veces el dado. Entonces
el espacio muestral es:

S = { (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1)
(3,1)
(4,1)
(5,1)
(6,1)

(2,2)
(3,2)
(4,2)
(5,2)
(6,2)

(2,3)
(3,3)
(4,3)
(5,3)
(6,3)

(2,4)
(3,4)
(4,4)
(5,4)
(6,4)

(2,5)
(3,5)
(4,5)
(5,5)
(6,5)

Se sugiere la siguiente regla de decisin: rechazar

dados es 11 o ms extremo.

(2,6)
(3,6)
(4,6)
(5,6)
(6,6) }

H 0 si la suma de los dos

a) Cul es la direccin del extremo?

b) Cul es el valor-p si al tirar los dados suman 11?
c) Es, ese resultado estadsticamente significativo al 5%? Al 10%?

Probabilidad Condicional
En ocasiones, el conjunto de todos los "resultados posibles" puede constituir
un subconjunto del espacio muestral original.

A given B

original sample space

B = updated sample space

A
B

Definicin:
La probabilidad condicional de que ocurra el evento A dado que el evento B
ocurri est dada por:

P( A | B)

P( A B)
,
P( B)

donde

P( B ) 0

Nota: de esta relacin se deduce que podemos escribir la interseccin de

otra manera usando la regla de la multiplicacin:
P ( A B ) P ( A) P ( B | A) P ( B ) P ( A | B )

El ao 2004 la Universidad de Talca tena 5453 estudiantes, en la tabla se muestra

el detalle de la composicin.
Pregrado
Postgrado
Total

Mujeres Hombre
s
2461
2848
67
77
2528
2925

Total
5309
144
5453

a) Cul es la probabilidad de que un estudiante elegido al azar sea un

estudiante de postgrado?
b) Cul es la probabilidad de que una mujer elegida al azar sea estudiante
de postgrado?
Las probabilidades condicionadas se calculan una vez que se ha
incorporado informacin adicional a la situacin de partida:
Ejemplo: se tira un dado y sabemos que la probabilidad de
que salga un 2 es 1/6 (probabilidad a priori). Si incorporamos
nueva informacin (por ejemplo, alguien nos dice que el
resultado ha sido un nmero par) entonces la probabilidad de
que el resultado sea el 2 ya no es 1/6.
Las probabilidades condicionadas se calculan aplicando la siguiente
frmula:

Donde:
P (B/A) es la probabilidad de que se de el suceso B
condicionada a que se haya dado el suceso A.
P (B A) es la probabilidad del suceso simultneo de A y de B
P (A) es la probabilidad a priori del suceso A
En el ejemplo que hemos visto:
P (B/A) es la probabilidad de que salga el nmero 2 (suceso B)
condicionada a que haya salido un nmero par (suceso A).
P (B A) es la probabilidad de que salga el dos y nmero par.
P (A) es la probabilidad a priori de que salga un nmero par.

Por lo tanto:

P (B A) = 1/6
P (A) = 1/2 es decir 3/6
P (B/A) = (1/6) / (1/2) = 1/3
Luego, la probabilidad de que salga el nmero 2, si ya sabemos que ha
salido un nmero par, es de 1/3 (mayor que su probabilidad a priori de 1/6).
2 ejemplo:
En un estudio sanitario se ha llegado a la conclusin de que la probabilidad
de que una persona sufra problemas coronarios (suceso B) es el 0,10
(probabilidad a priori).
Adems, la probabilidad de que una persona sufra problemas de obesidad
(suceso A) es el 0,25 y la probabilidad de que una persona sufra a la vez
problemas de obesidad y coronarios (suceso interseccin de A y B) es del
0,05.
Calcular la probabilidad de que una persona sufra problemas coronarios si
est obesa (probabilidad condicionada P(B/A)).
P (B A) = 0,05
P (A) = 0,25
P (B/A) = 0,05 / 0,25 = 0,20
Por lo tanto, la probabilidad condicionada es superior a la probabilidad a
priori. No siempre esto es as, a veces la probabilidad condicionada es igual
a la probabilidad a priori o menor.
Por ejemplo: probabilidad de que al tirar un dado salga el nmero 2,
condicionada a que haya salido un nmero impar.
La probabilidad condicionada es en este caso cero, frente a una probabilidad
a priori de 1/6.
Probabilidad compuesta
La probabilidad compuesta (o regla de multiplicacin de probabilidades)
se deriva de la probabilidad condicionada:
La probabilidad de que se den simultneamente dos sucesos
(suceso interseccin de A y B) es igual a la probabilidad a priori
del suceso A multiplicada por la probabilidad del suceso B
condicionada al cumplimiento del suceso A.
La frmula para calcular esta probabilidad compuesta es:
Ejemplo 1: Estudiamos el suceso A (porcentaje de varones mayores de 40
aos casados) y el suceso B (varones mayores de 40 aos con ms de 2
hijos) y obtenemos la siguiente informacin:
Un 35% de los varones mayores de 40 aos estn casados.
De los varones mayores de 40 aos y casados, un 30% tienen
ms de 2 hijos (suceso B condicionado al suceso A).
Calcular la probabilidad de que un varn mayor de 40 aos est casado y
tenga ms de 2 hijos (suceso interseccin de A y B).
Por lo tanto:
P (A) = 0,35
P (B/A) = 0,30
P (B A) = 0,35 * 0,30 = 0,105
Es decir, un 10,5% de los varones mayores de 40 aos estn casados y
tienen ms de 2 hijos.

2 ejemplo: Estudiamos el suceso A (alumnos que hablan ingls) y el

suceso B (alumnos que hablan alemn) y obtenemos la siguiente
informacin:
Un 50% de los alumnos hablan ingls.
De los alumnos que hablan ingls, un 20% hablan tambin
alemn (suceso B condicionado al suceso A).
Calcular la probabilidad de que un alumno hable ingls y alemn (suceso
interseccin de A y B).
Por lo tanto:
P (A) = 0,50
P (B/A) = 0,20
P (B A) = 0,50 * 0,20 = 0,10
Es decir, un 10% de los alumnos hablan ingls y alemn.
Independencia de sucesos
Escenario I

Sea el experimento de lanzar un dado.

El espacio muestral es S={1, 2, 3, 4, 5, 6}.

a) Cul es la probabilidad de obtener un dos?

b) Suponga que sabemos que el resultado es par; cul es ahora la
probabilidad de obtener un dos?
Escenario II
Sea el experimento de lanzar una moneda dos veces.
El espacio muestral es S={CC, SC, CS, SS}.
a) Cul es la probabilidad de que salga cara en el segundo lanzamiento?
b) Cul es la probabilidad de que salga cara en el segundo lanzamiento
dado que sali cara en el primer lanzamiento?
Compare los resultados en los dos escenarios
En el segundo caso, la informacin no cambi la probabilidad buscada, es
decir saber que "sali cara en el primer lanzamiento" no cambi la
probabilidad de "que salga cara en el segundo lanzamiento".
Esto es as porque los lanzamientos de la moneda son eventos
independientes.

Definicin:
Dos eventos A y B son independientes si

P( A| B) = P( A) , o

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

Si saber que un evento ocurri no cambia la probabilidad de ocurrencia del

otro evento, entonces los eventos son independientes.

Si dos eventos A y B son independientes, entonces la regla de la

multiplicacin:
P ( A B ) P ( A) P ( B ) .

Considere el experimento de lanzar una moneda 6 veces.

1. Cul de las siguientes secuencias tiene mayor probabilidad?
(a) SCSCCS
2.

(b) CCCSSS

(c) CCCCCC

Si observamos SSSSSS, en el siguiente lanzamiento ser ms probable

que salga una cara o un sello?

SERNAC realiza una encuesta acerca de la calidad del servicio de

reparacin de automviles en 86 talleres:
Atencin
Taller
Buena Regular
Autorizado
18
6
No
34
28
autorizado
a) Cul es la probabilidad de que un taller elegido al azar d una buena
atencin?
b) Cul es la probabilidad de que un taller elegido al azar sea no
autorizado?
c) Cul es la probabilidad de que un taller elegido al azar sea no
autorizado y d una buena atencin?
d) Cul es la probabilidad de que los talleres no autorizados den una
buena atencin?
e) Son los eventos "no autorizado" y "buena atencin" disjuntos?
f) Son los eventos " no autorizado " y "buena atencin" independientes?
g) Si fueran independientes, cuntos talleres no autorizados que dan
buena atencin esperara encontrar?
Dos sucesos son independientes entre s, si la ocurrencia de uno de ellos
no afecta para nada a la ocurrencia del otro:
Ejemplo: el suceso estatura de los alumnos de una clase y el
color del pelo son independientes: el que un alumno sea ms o
menos alto no va a influir en el color de su cabello, ni
viceversa.
Para que dos sucesos sean independientes tienen que verificar al menos
una de las siguientes condiciones:

P (B/A) = P (B) es decir, que la probabilidad de que se de el

suceso B, condicionada a que previamente se haya dado el
suceso A, es exactamente igual a la probabilidad de B.
Ejemplo: la probabilidad de que al tirar una
moneda salga cara (suceso B), condicionada a que
haga buen tiempo (suceso A), es igual a la propia
probabilidad del suceso B.
P (A/B) = P (A) es decir, que la probabilidad de que se de el
suceso A, condicionada a que previamente se haya dado el
suceso B, es exactamente igual a la probabilidad de A.
Ejemplo: la probabilidad de que haga buen
tiempo (suceso A), condicionada a que al tirar una
moneda salga cara (suceso B), es igual a la propia
probabilidad del suceso A.
P (B A) = P (A) * P (B) es decir, que la probabilidad de que
se de el suceso conjunto A y B es exactamente igual a la
probabilidad del suceso A multiplicada por la probabilidsad del
suceso B.
Ejemplo: la probabilidad de que haga buen
tiempo (suceso A) y salga cara al tirar una
moneda (suceso B), es igual a la probabilidad del
suceso A multiplicada por la probabilidad del
suceso B
Si el suceso A es independiente del suceso B, entonces el suceso B
tambin es independiente del suceso A.
Ejemplo 1: analicemos dos sucesos:
Suceso A: la probabilidad de que haga buen tiempo es del 0,4
Suceso B: la probabilidad de tener un accidente es del 0,1
Suceso interseccin: la probabilidad de que haga buen
tiempo y tener un accidente es del 0,08
Veamos si se cumple alguna de las condiciones sealadas:
P (B/A) = P (B A) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a
P (B))
P (A/B) = P (B A) / P (B) = 0,08 / 0,6 = 0,133 (que no es igual
a P (A))
P (B A) = 0,08 (que no es igual a P (A) multiplicado por P (B))
Por lo tanto, no se cumple ninguna de las tres condiciones sealadas por lo
que estos dos sucesos no son independientes, sino que existe algn
grado de dependencia entre ellos.

Ejemplo 2: analicemos dos sucesos:

Suceso A: la probabilidad de que haga buen tiempo es del 0,4
Suceso B: la probabilidad de salir cara al lanzar una moneda
es del 0,5
Suceso interseccin: la probabilidad de que haga buen
tiempo y que salga cara es 0,2
Veamos si se cumple alguna de las condiciones sealadas:
P (B/A) = P (B A) / P (A) = 0,2 / 0,4 = 0,5 (igual que P (B))
P (A/B) = P (B A) / P (B) = 0,2 / 0,6 = 0,4 (igual que P (A))
P (B A) = 0,2 (igual a P (A) multiplicado por P (B))
Por lo tanto, estos dos sucesos s son independientes.

MS SOBRE PROBABILIDAD CONDICIONADA.

ERRORES TPICOS. Probabilidad condicionada
-Asociar el mismo valor a P(A|B) y a P(B|A).
-Calcular el valor de P(A|no B) a partir del de P(A|B) aplicando la regla del
suceso complementario. sta se cumple en el caso de P(A|B) y P(no A|B).
Probabilidades condicionadas en rboles.

P(noB|no A)

Adems
P(A|B) =p(A y B)/ (p(A y B) + P(no A y B))
P(no A|B) =p(no A y B)/ (p(A y B) + P(no A y B))
P(A|no B) =p(A y no B)/ (p(A y no B) + P(no A y no B))
P(no A| no B) =p(no A y no B)/ (p(A y no B) + P(no A y noB))
Probabilidades condicionadas a partir de diagramas de Venn.
Se extrae una carta de la baraja. Se consideran los siguientes sucesos.
{Extraer oro} y F={extraer figura}.
a) Dibuja el diagrama de Venn correspondiente al problema y determina el
rea de sus zonas.
b) Cmo se visualizara P(oro|figura)?
c) y P(figura|no oro)?

Soluciones

Probabilidad condicionada a partir de Tablas: Un problema resuelto.

Consideremos la eleccin de un representante del alumnado teniendo en
cuenta su procedencia y sexo. En la siguiente tabla se muestra la
distribucin del alumnado del centro de acuerdo a estas dos caractersticas.

Pueblo
A
Pueblo
B
TOTAL

Chico
8

Chica
30

TOTAL
38

32

30

62

40

60

100

Consideremos los sucesos A={ser de A}, B={ser de B}, C={ser chica}

a) Calcula P(A)
Solucin:
Usando la regla de La place: casos posibles 100, casos favorables: 38. Valor
de P(A)=38/100=0,38.
b) Calcula ahora la misma probabilidad pero conociendo el hecho de
que la persona elegida ha sido una chica. Por tanto se pide P(A|C).
Solucin:
Los casos posibles se han reducido de 100 a 60 (dado que se conoce la
circunstancia de que la elegida es una alumna), mientras que el nmero de
casos favorables pasa a ser de 30 (chicas que provienen de A). La
probabilidad pedida es 30/60=0,5. El hecho de saber que la elegida es una
chica da ms certidumbre al hecho de ser de A al ser P(A)<P(A|C).
c) Calcula P(C|A) (Probabilidad de elegir una chica conocido que el
elegido proviene de C)para comprobar que no tiene nada que ver
con P(A|C). Usando la Regla de Laplace los casos posibles son ahora 38
(habitantes de A) y los posibles son todas las chicas que residen en A (30).
La probabilidad ser igual a 30/38.

Reglas cuando asignamos probabilidades:

1. Cualquier probabilidad es siempre un valor numrico entre 0 y 1. La

probabilidad es cero si el evento no puede ocurrir. La probabilidad es uno
si el evento es seguro.

0 P( A) 1
2. Si sumamos las probabilidades de cada resultado individual en el espacio
muestral, la probabilidad total tiene que ser uno.

P( S ) 1

3. La probabilidad de que un evento A ocurra es uno menos la probabilidad

de que el evento no ocurra.

P ( A) 1 P ( A C )

4. Regla de la suma: La probabilidad de que un evento A o un evento B

ocurra es la suma de sus probabilidades individuales menos la
probabilidad de la interaccin.

P ( A o B ) P ( A B ) P ( A) P ( B ) P ( A B )
"A or B"

A
B

Si los dos eventos A y B son disjuntos, es decir, no tienen elementos

en comn, entonces:

P ( A o B) P( A B ) P ( A) P ( B)
Sexo y educacin
Suponga que se registra informacin sobre sexo y nivel de educacin de 200
adultos seleccionados al azar entre los residentes de la comuna de Talca

Sexo
Hombre
Mujer

Bsica
38
45

Educacin
Media
28
50

Universitaria
22
17

Considere los siguientes eventos:

A="adulto seleccionado tiene educacin universitaria"
B="adulto seleccionado es mujer"
Cul es la probabilidad de que un adulto seleccionado aleatoriamente
tenga educacin universitaria o sea mujer?

Una compaa de construccin local present sus proyectos en dos

propuestas. La compaa cree que tiene una probabilidad de 0,5 de ganar
la primera propuesta, de 0,4 la segunda y una probabilidad de 0,2 de ganar
ambos contratos.
a) Cul es la probabilidad de que la compaa gane al menos un contrato,
es decir, la probabilidad de ganar el primer contrato o el segundo o
ambos?
b) Dibuje un diagrama de Venn para mostrar los dos eventos
A= gana el primer contrato y B= gana el segundo contrato
c) Cul es la probabilidad de ganar el primer contrato pero no el segundo?
d) Cul es la probabilidad de ganar el segundo contrato pero no el
primero?
e) Cul es la probabilidad de no ganar ningn contrato?

Reglas bsicas de Probabilidad:

1. La probabilidad de que un evento A ocurra se denota por . Para
cualquier evento A, 0 P ( A) 1.
2. La suma de todas las probabilidades de los resultados en el espacio
muestral tiene que ser igual a uno: P ( S ) 1
3. Regla del Complemento: La probabilidad de que un evento ocurra es 1
menos la probabilidad que el evento no ocurra. P ( A) 1 P ( A C )
4. Regla de la Suma: La probabilidad de que el evento A o el evento B
ocurra es la suma de sus probabilidades individuales menos la
probabilidad de la interseccin:

P ( A B ) P ( A o B ) P ( A) P ( B) P ( A B ) .
Si A y B son eventos mutuamente excluyentes (o disjuntos), entonces:

P( A o B ) P( A) P ( B ) .
5. La probabilidad condicional de que ocurra un evento A, dado que
ocurri el evento B est dada por:

P( A | B)

P( A B)
,
P( B)

donde

De aqu sale la regla de la multiplicacin:

P( A B) P( A) P ( B | A) P ( B) P( A | B ) .

P( B) 0 .

Si dos eventos no se influencian entre s, es decir, saber que uno ocurri

no cambia la probabilidad de que el otro ocurra, los eventos son
independientes.
Dos eventos A y B son independientes si

P ( A | B ) P( A) , o

equivalentemente P ( B | A) P ( B) , o equivalentemente P ( A B ) P ( A) P ( B) .