1

Probabilidad - Introducción
Introducción.
Tema 1. Análisis de datos univariantes.
Descripción de variables y datos
Tema 2. Análisis de datos bivariantes.
socioeconómicos
Tema 3. Correlación y regresión.
Tema 4. Series temporales y números índice.

Tema 5. Probabilidad.
Tema 6. Variables aleatorias unidimensionales.
Modelización de la incertidumbre
Tema 7. Modelos probabilísticos discretos.
en las variables socieconómicas
Tema 8. Modelos probabilísticos continuos.
Tema 9. Variables aleatorias multidimensionales.

Los objetivos del aprendizaje de esta unidad temática son los siguientes:
Entender los conceptos básicos de suceso, espacio muestral, independencia, etcétera.
Calcular probabilidades utilizando las reglas elementales y resultados teóricos simples de la
probabilidad.
Conocer los siguientes modelos probabilı́sticos discretos: Bernoulli, binomial, geométrico y
Poisson.
Conocer los siguientes modelos probabilı́sticos continuos: Exponencial, uniforme, y normal.

Introducción a la Estadı́stica Andrés M. Alonso

 2

Tema 5. Probabilidad
Los contenidos a desarrollar en este tema son los siguientes:

Experimentos aleatorios.
El espacio muestral, sucesos elementales y compuestos.
Interpretaciones de la probabilidad: clásica, frecuentista y subjetiva.
Propiedades de la probabilidad.
La regla de multiplicación.
Independencia.
La ley de la probabilidad total.
El teorema de Bayes.

Lecturas recomendadas: Capı́tulos 13 y 14 del libro de Peña y Romo (1997) y

el Capı́tulo 3 de Newbold (2001).

Introducción a la Estadı́stica Andrés M. Alonso

 3

Probabilidad - Introducción

I Habitualmente usamos frases como:

Es probable que el equipo de Getafe juegue la UEFA el año próximo.

Se espera que la inflación no alcance el 3 %.
El recién constituido partido “Vientos del Pueblo” espera obtener tres
escaños en las próximas elecciones municipales.

I Todas estas frases, contienen un sentido de incertidumbre sobre sucesos

cuyos resultados finales no pueden predecirse exactamente.

I De estos sucesos conocemos todos los resultados posibles y algunos resulta-

dos nos parece que son más probables que otros.

I En este tema estudiaremos como formalizar la idea de suceso aleatorio y de

probabilidad.

Introducción a la Estadı́stica Andrés M. Alonso

 4

Probabilidad - Conceptos básicos

En primer lugar, definimos el concepto de un experimento aleatorio y sus

posibles resultados.

Definición 1. Un experimento aleatorio es el proceso de observar un

fenómeno cuyos posibles resultados son inciertos. Se supone que se saben
todos los posibles resultados del experimento de antemano y que se puede
repetir el experimento en condiciones idénticas.

Ejemplo 1. Lanzar una moneda y observar si sale cara o cruz.

Ejemplo 2. Los resultados de los partidos de
No son experimentos puesto
football de la próxima jornada.
que no se pueden repetir en
Ejemplo 3. Los resultados de las próximas
condiciones idénticas.
elecciones municipales.
Pero es una simplificación
Ejemplo 4. Los valores, al final del año, de
que se utiliza frecuentemente.
la inflación, la tasa de paro, etcétera.

Introducción a la Estadı́stica Andrés M. Alonso

 5

Probabilidad - Conceptos básicos

Definición 2. El espacio muestral, que denotamos por Ω, es el conjunto de

todos los posibles resultados del experimento.

Ejemplo 5. Si el experimento es lanzar la moneda una vez, el espacio muestral

es Ω = {C, X} donde C denota cara y X denota cruz.

Si el experimento es lanzar la moneda dos veces, el espacio muestral es

Ω = {(C, C), (C, X), (X, C), (X, X)} donde, por ejemplo, (C, X) es el suceso
de que la primera tirada sea cara y la segunda cruz.

Definición 3. Los posibles resultados del experimento o componentes del

espacio muestral, que denotaremos por ei, se llaman sucesos elementales y
Ω = {e1, . . . , ek }.

Ejemplo 6. En el caso de lanzar la moneda dos veces, los sucesos elementales

son e1 = (C, C), e2 = (C, X), e3 = (X, C) y e4 = (X, X).

Introducción a la Estadı́stica Andrés M. Alonso

 6

Probabilidad - Conceptos básicos

Definición 4. Un suceso es un conjunto de sucesos elementales.

Ejemplo 7. En el caso de lanzar la moneda dos veces, el suceso A =“sale

exactamente una cara” es A = {(C, X), (X, C)}.

El suceso B = “la primera tirada es cara” es B = {(C, C), (C, X)}.

Dos sucesos importantes son:

El suceso seguro = Ω, es decir, todo el espacio muestral.

El suceso imposible = ∅, es decir, el conjunto vacı́o.

Definición 5. Para cada suceso A, se define el suceso complementario o

contrario a A como Ā = Ω \ A = {ei : ei ∈
/ A}.

I Ω = A ∪ Ā y A ∩ Ā = ∅.

Introducción a la Estadı́stica Andrés M. Alonso

 7

Probabilidad - Conceptos básicos

Ejemplo 7. En el caso de lanzar la moneda dos veces:

A = {(C, X), (X, C)} Ā = {(C, C), (X, X)}

B = {(C, C), (C, X)} B̄ = {(X, C), (X, X)}

A y B ” como
Definición 6. Para dos sucesos, A y B, se define el suceso “A
el conjunto de sucesos elementales contenidos en A y en B, es decir, A y
B = A ∩ B.

I Si ocurre el suceso A y B , sabemos que se han ocurrido ambos sucesos.

I Dos sucesos A y B que no pueden ocurrir a la vez (A ∩ B = ∅) se llaman

sucesos incompatibles.

I Dos sucesos incompatibles no comparten sucesos elementales.

Introducción a la Estadı́stica Andrés M. Alonso

 8

Probabilidad - Conceptos básicos

A o B ” como
Definición 7. Para dos sucesos, A y B, se define el suceso “A
el conjunto de sucesos elementales contenidos en A o en B, es decir, A o
B = A ∪ B.

I Si ocurre el suceso A o B , sabemos que ha ocurrido al menos uno de dos

sucesos.

Ejemplo 7. En el caso de lanzar la moneda dos veces:

AyB = {(C, X)}
AoB = {(C, C), (C, X), (X, C)}

¿A y B son sucesos incompatibles?

Con este experimento, defina un suceso (no trivial) que sea incompatible con
el suceso A y B. Múltiples soluciones

Introducción a la Estadı́stica Andrés M. Alonso

 Diagramas de Venn
9

Una manera visual de ver

Diagramas los distı́ntos sucesos
de Venn
es a través del diagrama de Venn.

Ω R

A B

Podemos representar a “A y B”, “A o B” y al suceso complementario.

Introducción a la Estadı́stica Andrés M. Alonso

 Ā 10

Diagramas de Venn

Ω R Ω R

A AyB

Ā

¿Cómo podemos representar dos sucesos incompatibles?

Ω R
2

Introducción a la Estadı́stica Andrés M. Alonso

 11

Tema 5. Probabilidad

Experimentos aleatorios. X
El espacio muestral, sucesos elementales y compuestos. X
Interpretaciones de la probabilidad: clásica, frecuentista y subjetiva.
Propiedades de la probabilidad.
La regla de multiplicación.
Independencia.
La ley de la probabilidad total.
El teorema de Bayes.

Introducción a la Estadı́stica Andrés M. Alonso

 12

Interpretaciones de la probabilidad

Interpretación clásica de la probabilidad: En algunas situaciones, la definición

del experimento asegura que todos los sucesos elementales tienen la misma
probabilidad de ocurrir. En este caso, se dice que el espacio muestral es
equiprobable.
Si el espacio muestral es equiprobable y contiene k sucesos elementales,

Ω = {e1, . . . , ek }

luego se tiene
1
Pr(ei) = para i = 1, 2, . . . , k.
k
Para cualquier suceso A entonces, la probabilidad de A es

1
Pr(A) = × número de sucesos elementales en A.
k

Introducción a la Estadı́stica Andrés M. Alonso

 13

Ejemplo 7. Supongamos que se lanza una moneda equilibrada dos veces.

Luego hay cuatro sucesos elementales,

(C, C), (C, X), (X, C), (X, X)

1
y cada uno tiene probabilidad igual a 4 .

La probabilidad de observar exactamente una cara (suceso A) es

Pr(A) = Pr({(C, X), (X, C)})

1 1
= 2× =
4 2

La probabilidad de que la primera tirada sea cara (suceso B) es

2 1
Pr(B) = = .
4 2

Introducción a la Estadı́stica Andrés M. Alonso

 14

Interpretaciones de la probabilidad
Interpretación frecuentista de la probabilidad:
Ejemplo 8. Definimos el experimento de tirar una moneda una vez. Repeti-
mos el experimento un número n de veces y calculamos las frecuencias relativos
de cada suceso elemental. Excel

f n=1 f n = 10
1 1
6 6

,5 ,5

0 0
C X C X
f f
1 n = 100 1 n = 1000
6 6

,5 ,5

0 0
C X C X

Introducción a la Estadı́stica Andrés M. Alonso

 15

Interpretaciones de la probabilidad
Interpretación frecuentista de la probabilidad:
I En el ejemplo, se ve que las frecuencias relativas se acercan a un lı́mite
cuando se repite el experimento muchas de veces. El valor lı́mite de la frecuencia
es la probabilidad del suceso.
I Para un suceso A se escribe Pr(A) para representar su probabilidad.
I Utilizando las propiedades de frecuencias se puede deducir las siguientes
propiedades básicas de las probabilidades:
Para cualquier suceso A, 0 ≤ Pr(A) ≤ 1.
P
Pr(A) = i:ei ∈A Pr(ei )

Pr(Ω) = 1

Si A y B son sucesos incompatibles (es decir que A y B = φ) entonces

Pr(A o B) = Pr(A) + Pr(B).

Introducción a la Estadı́stica Andrés M. Alonso

 16

I De estas tres propiedades, se deduce que si Ā es el suceso complementario

a A,
Pr(Ā) = 1 − Pr(A)

I Como consecuencia y dado que ∅ = Ω̄, tenemos que Pr(∅) = 0, es decir

que el suceso imposible es improbable.

Ejemplo 9. Supongamos que un experimento tiene 4 sucesos elementales,

e1, e2, e3, e4 y que

Pr(e1) = 0,2 Pr(e2) = 0,3 Pr(e3) = 0,4

1. ¿Cuál es Pr(e4)?
2. Si A = e1 o e2, hallar Pr(A) y Pr(Ā).
3. Si B = e3, hallar Pr(B̄)
4. Calcular Pr(A o B).

Introducción a la Estadı́stica Andrés M. Alonso

 17

Interpretaciones de la probabilidad

Interpretación subjetiva de la probabilidad: Se han visto anteriormente dos

ideas para definir probabilidades: frecuencias relativas y espacios equiprob-
ables.

Existe otro enfoque completamente distinto que define la probabilidad como

una medida subjetiva de incertidumbre sobre la aparición de un suceso.

I Ası́ nuestras probabilidades para algún suceso pueden ser distintas, ya que
tenemos diferentes cantidades de información.

¿Cuál es la probabilidad de las interpretaciones de la probabilidad

salgan en el examen de junio?

I En este caso, se pueden definir probabilidades para experimentos irrepetibles.

Introducción a la Estadı́stica Andrés M. Alonso

 18

Tema 5. Probabilidad

Experimentos aleatorios. X
El espacio muestral, sucesos elementales y compuestos. X
Interpretaciones de la probabilidad: clásica, frecuentista y subjetiva. X
Propiedades de la probabilidad.
La regla de multiplicación.
Independencia.
La ley de la probabilidad total.
El teorema de Bayes.

Introducción a la Estadı́stica Andrés M. Alonso

 La probabilidad P (A o B) 19

Propiedades de la probabilidad
Si A y B son sucesos incompatibles, tenemos
La probabilidad de A o B:
el siguiente diagrama de Venn.
Si A y B son sucesos incompatibles, tenemos el siguiente diagrama de Venn:
Ω R

A B

El área de A o B es igual a la suma de las dos áreas. Entonces, interpretando

probabilidad como área, concluimos que
La área en A o B es igual a la suma de las
dos áreas.Pr(A
Entonces, interpretando
o B) = Pr(A) + Pr(B). probabili-
dad como área, concluimos que
Introducción a la Estadı́stica P (A o B) = P (A) + P (B). Andrés M. Alonso
 Diagramas de Venn
20

Propiedades
Una manera visual de la probabilidad
de ver los distı́ntos sucesos
es a través del diagrama de Venn.
En el caso más general, tenemos el siguiente diagrama Venn:
Ω R

A B

El área de A o B es igual a el área de A más el área de B menos el área de

A y B. Entonces, tenemos la ley de adición:

Pr(A o B) = Pr(A) + Pr(B) − Pr(A y B)

229

Introducción a la Estadı́stica Andrés M. Alonso

 21

Ejemplo 10. En una ciudad hay 15 empresas constructoras. De ellas, 6 no

cumplen las reglas de contratación y 8 no cumplen los requisitos de seguridad
en el trabajo. 5 empresas no cumplen ni los requisitos de seguridad ni las reglas
de contratación.
Si se elige al azar una empresa para inspeccionar, ¿cuál es la probabilidad de
que cumpla ambos reglamentos?
Sea A el suceso “la empresa cumple las reglas sanitarias” y B “la empresa
cumple los requisitos de seguridad”. Pr(A y B)

Si elegimos una empresa al azar, tenemos:

6
Pr(Ā) =
15
8
Pr(B̄) =
15
5
Pr(Ā y B̄) =
15

Introducción a la Estadı́stica Andrés M. Alonso

 22

9
Deducimos que Pr(A) = 1 − Pr(Ā) = 15 y también que Pr(B) = 1 − Pr(B̄) =
7
15 .
ΩR

AoB

Ā y B̄

Del diagrama deducimos que (A o B) ∪ (Ā y B̄) = Ω y que son incompatibles,

por tanto:
Observamos que (A o B) ∪ (Ā y B̄)10 = Ω y tam-
Pr(A o B) = 1 − Pr(Ā y B̄) =
bién los dos sucesos son incompatibles.15 Luego
Y si utilizamos la ley de la adición obtenemos: 10
P (A o B) = 1 − P (Ā y B̄) =
9 715 10 6 2
Pr(A y B) = Pr(A) + Pr(B) − Pr(A o B) = + − = =
15 15 15 15 5
Ahora necesitamos calcular P (A y B).
Introducción a la Estadı́stica Andrés M. Alonso
 23

Ejemplo 11. Una empresa de venta por correo ofrece un regalo sorpresa a
todos los clientes que hacen compras 20 euros o más. Hay cinco tipos de regalo
sorpresa que se eligen al azar:

1. llavero y navajita
2. bolı́grafo y linterna
3. abrecartas y linterna
4. navajita y abrecartas
5. bloc de notas y abrecartas

Si un cliente hace dos compras de más de 20 euros y recibe dos regalos, ¿cuáles
son el espacio muestral y los sucesos elementales?

Si se denota por i cuando el cliente recibe el regalo sorpresa número i con

i = 1, 2, 3, 4, y, 5.

El espacio muestral es Ω = {(1, 1), (1, 2), . . . , (4, 5), (5, 5)}, donde el par (i, j)
significa que con el primer pedido recibe el regalo i y con el segundo pedido
recibe el regalo j.

Introducción a la Estadı́stica Andrés M. Alonso

 24

Ejemplo 11. Hallar las probabilidades de los siguientes sucesos:

A: el cliente recibe (por lo menos) una linterna.

B: el cliente recibe (por lo menos) una abrecartas.

A y B: el cliente recibe (por lo menos) una abrecartas y una linterna.

1 2 3 4 5 1 2 3 4 5
1 A A 1 B B B
2 A A A A A 2 B B B
3 A A A A A 3 B B B B B
4 A A 4 B B B B B
5 A A 5 B B B B B

¿Qué es más fácil de calcular Pr(A) o Pr(Ā)? ¿Pr(B) o Pr(B̄)?

Una vez se tienen Pr(A) y Pr(B), ¿qué es más fácil de calcular Pr(A o B) o
Pr(A y B)? Ley de adición

Introducción a la Estadı́stica Andrés M. Alonso

 25

Propiedades de la probabilidad
Una extensión P (A o B o C)
Extensión de la ley de la adición:

Ω R

)
C

A B

Pr(APensamos
o B o C) en
= probabilidad
Pr(A) + Pr(B)como si fuera area.
+ Pr(C)
− Pr(A y B) − Pr(B y C) − Pr(A y C)
+ Pr(A y B y C)
P (A o B o C) = P (A) + P (B) + P (C) −
Introducción a la Estadı́stica Andrés M. Alonso
P (A y B) − P (B y C) − P (A y C)
 26

Tema 5. Probabilidad

Experimentos aleatorios. X
El espacio muestral, sucesos elementales y compuestos. X
Interpretaciones de la probabilidad: clásica, frecuentista y subjetiva. X
Propiedades de la probabilidad. X

La regla de multiplicación. Concepto clave: Probabilidad condicional

Independencia.
La ley de la probabilidad total.
El teorema de Bayes.

Introducción a la Estadı́stica Andrés M. Alonso

 27

Probabilidad condicional

Ejemplo 12. Se clasifica un grupo de 100 ejecutivos en acuerdo con su peso

y si tienen hipertensión. La tabla de doble entrada muestra el número de
ejecutivos en cada categorı́a.
Insuficiente Normal Sobrepeso Total
Hipertenso 2 8 10 20
Normal 20 45 15 80
Total 22 53 25 100

Si se elige un ejecutivo al azar, ¿cuál es la probabilidad de que tenga hiperten-

sión?
20
Hay 20 ejecutivos con hipertensión, por tanto, Pr(H) = 100 = 0,2.

Se elige una persona al azar del grupo y se descubre que tiene sobrepeso.
¿Cuál es la probabilidad de que tenga hipertensión? ¿Es la misma que antes?
¿Miramos en la misma columna?

Introducción a la Estadı́stica Andrés M. Alonso

 28

Escribimos Pr(H|S) para representar la probabilidad de que sea hipertenso

sabiendo que tiene sobrepeso.
Para calcular Pr(H|S), las primeras dos columnas de la tabla no son
relevantes.
Hay 25 ejecutivos con sobrepeso y de ellos, 10 son hipertensos, por tanto,
10
Pr(H|S) = 25 = 0,4.

Otra manera de obtener Pr(H|S) es:

Calculamos Pr(H y S), la probabilidad de que una persona elegida al azar
10
sea hipertenso y tenga sobrepeso: Pr(H y S) = 100 = 0,1.
25
Calculamos Pr(S), la probabilidad de que tenga sobrepeso: Pr(S) = 100
= 0,25.

I Observamos que
Pr(H y S)
Pr(H|S) = .
Pr(S)

Introducción a la Estadı́stica Andrés M. Alonso

 29

Probabilidad condicional y Ley de multiplicación

Definición 8. Para dos sucesos A y B, se define la probabilidad

condicionada de A dado B como

Pr(A y B)
Pr(A|B) = .
Pr(B)

I Se entiende la expresión como la probabilidad de A suponiendo que B haya

ocurrido.

I A menudo se escribe esta fórmula de otra manera

Pr(A y B) = Pr(A|B) Pr(B).

En este caso, se le llama la ley de multiplicación.

Introducción a la Estadı́stica Andrés M. Alonso

 30

Ejemplo 13. Se dan dos cartas de una baraja española. ¿Cuál es la probabil-
idad de que ambas cartas sean copas?

Sea A (B) el suceso de que la primera (segunda) carta sea copa. Queremos
calcular Pr(A y B).

Usamos la ley de multiplicación.

Pr(A y B) = Pr(B|A) Pr(A)

Tenemos que Pr(A) = 1040 y Pr(B|A) = 9

39 porque si la primera carta es copa,
quedan 39 cartas y nueve de ellas son copas.

Por tanto,
10 9 3
Pr(A y B) = × = .
40 39 52

Introducción a la Estadı́stica Andrés M. Alonso

 31

Tema 5. Probabilidad

Experimentos aleatorios. X
El espacio muestral, sucesos elementales y compuestos. X
Interpretaciones de la probabilidad: clásica, frecuentista y subjetiva. X
Propiedades de la probabilidad. X
La regla de multiplicación. X
Independencia.
La ley de la probabilidad total.
El teorema de Bayes.

Introducción a la Estadı́stica Andrés M. Alonso

 32

Independencia

Definición 9. Se dicen que dos sucesos A y B son independientes si

Pr(A y B) = Pr(A) Pr(B).

I Utilizando la ley de multiplicación, tenemos que A y B son independientes

si Pr(A|B) = Pr(A) o si Pr(B|A) = Pr(B).

Ejemplo 13. Los sucesos, H: “tiene hipertensión” y S: “tiene sobrepeso” no

son independientes pues

Pr(H y S) = 0,1 6= Pr(H) Pr(S) = 0,2 × 0,25 = 0, 05.

También lo sabemos por Pr(H|S) = 0,4 6= Pr(H) = 0,2.

Introducción a la Estadı́stica Andrés M. Alonso

En el Ejemplo 122, hemos aplicado otra regla 33

útil de la probabilidad. Ley de la probabilidad total

Teorema 8 Para dos sucesos A y B, se tiene

P Teorema
(A) = P (A|B)P
1. Para (B) + P (A|AB̄)P
dos sucesos y B,(B̄).
se tiene

Demostración Pr(A) = Pr(A|B) Pr(B) + Pr(A|B̄) Pr(B̄).

Ω R Vemos que
A = (A y B) ∪ (A y B̄)

A y B̄ AyB Por tanto,

µ 6
Pr(A) = Pr(A y B) + Pr(A y B̄)
A B = Pr(A|B) Pr(B) + Pr(A|B̄) Pr(B̄)

Mirando el diagrama Venn, vemos que

Introducción a la Estadı́stica Andrés M. Alonso

A = (A y B) ∪ (A y B̄)
 34

Ejemplo 14. El 42 % de la población activa de cierto pais está formada por

mujeres. Se sabe que un 24 % de las mujeres y un 16 % de los hombres están
en el paro.
¿Cuál es la probabilidad de que una persona elegida al azar de la población
activa en esta pais esté en el paro?
¿Cuál es la probabilidad de que tenga trabajo?
Sea P el suceso de que la persona esté en el paro. Sea M el suceso de que sea
mujer y H el suceso de que sea hombre.
Entonces,

Pr(P ) = Pr(P |M ) Pr(M ) + Pr(P |H) Pr(H)

= 0,24 × 0,42 + 0,16 × 0,58
= 0,1936

Ahora Pr(P̄ ) = 1 − Pr(P ) = 0,8064 es la probabilidad de que tenga trabajo.

Introducción a la Estadı́stica Andrés M. Alonso

 35
Una descomposición más general
Ley de la probabilidad total
Consideramos el siguiente diagrama de Venn.
Consideramos el siguiente diagrama de Venn:

Ω
B1 B3

B2 B4

Los sucesos B1, . . . , B4 dividen el espacio muestral en 4 partes distintas.

Los Un
Definición 10. sucesos B1,de
conjunto . . .sucesos
, B4 dividen
B1, . . . el
, Bespacio mues-
k tales que Bi ∩ Bj = ∅
para todo i 6= j y en 4 partes distı́ntas.
tral
Ω = B1 ∪ B2 ∪ . . . B k
se llama unaDefinición
partición del 28
espacio
Un muestral.
conjunto de sucesos B , . . . , B
1 k
donde Bi ∩ Bj = φ para todo i 6= j y
Introducción a la Estadı́stica Andrés M. Alonso
 36

Ahora supongamos que Ley de la probabilidad

introducimos otro suce- total
so A
Supongamos que introducimos otro suceso A

Ω
B1 B3

Tenemos: A = (A ∩ B1) ∪ (A ∩ B2) ∪

A (A ∩ B3) ∪ (A ∩ B4) y los Bi son incom-
patibles,

B2 B4

Pr(A) = Pr(A ∩ B1) + Pr(A ∩ B2) + Pr(A ∩ B3) + Pr(A ∩ B4)

Tenemos
Ay
=usando
(A ∩ B1la
) ∪ley
(Ade
∩B 2 ) ∪ (A ∩ B3 ) ∪ (A ∩ B4 )
multiplicación,
Luego como los Bi son incompatibles, 4
X
Pr(A) = Pr(A|B ) Pr(Bi)
P (A) = P (A ∩ B1) + P (A ∩ B2 ) + P (A ∩ B3 ) + P (A ∩ iB4 )
i=1
y usando la ley de multiplicación,
P (AIntroducción
∩ Bi ) a= P (A|Bi )P (Bi )
la Estadı́stica
para i = 1, . . . , 4 Andrés M. Alonso

4
 37

Ley de la probabilidad total

Teorema 2. Para un suceso A y sucesos B1, . . . , Bk , donde B1 ∪ B2 ∪ . . . ∪
Bk = Ω y Bi ∩ Bj = φ para todo i 6= j, entonces
Xk
Pr(A) = Pr(A|Bi) Pr(Bi)
i=1

Ejemplo 15. En una fábrica se embalan galletas en 4 cadenas de montaje:

A1, A2, A3 y A4. El 35 % de la producción total se embala en la cadena A1,
el 20 %, 24 % y 21 % en A2, A3 y A4, respectivamente. Los datos indican que
no se embalan correctamente un porcentaje pequeño de las cajas: el 1 % en
A1, el 3 % en A2, el 2.5 % en A3 y el 2 % en A4.
¿Cuál es la probabilidad de que una caja elegida al azar de la producción total
sea defectuosa (suceso D)?
X4
Pr(D) = Pr(D|Ai) Pr(Ai)
i=1
= ,01 × ,35 + ,03 × ,20 + ,025 × ,24 + ,02 × ,21 = ,0197

Introducción a la Estadı́stica Andrés M. Alonso

 38

El teorema de Bayes
Teorema 3. Para dos sucesos A y B, se tiene

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

Demostración
Por la regla de multiplicación, se tiene
Pr(A y B) = Pr(A|B) Pr(B) e igualmente
Pr(A y B) = Pr(B|A) Pr(A)

Pr(A|B) Pr(B) = Pr(B|A) Pr(A) y despejando obtenemos

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

Introducción a la Estadı́stica Andrés M. Alonso

 39

Ejemplo 16. Volvemos al Ejemplo 14. Supongamos que se elige un adulto al

azar para rellenar un formulario y se observa que no tiene trabajo. ¿Cuál es la
probabilidad de que la persona elegida sea mujer?
Necesitamos calcular Pr(M |P ). Mediante el teorema de Bayes, tenemos
Pr(P |M ) Pr(M )
Pr(M |P ) =
Pr(P )
0,24 × 0,42
= ≈ 0,5207
0,1936

Ejemplo 17. Volviendo al Ejemplo 15, supongamos que descubrimos que una
caja es defectuosa. Calcule la probabilidad de que la caja provenga de la cadena
A1.
Pr(D|A1) Pr(A1)
Pr(A1|D) =
Pr(D)
,01 × ,35
= ≈ ,1777
,0197

Introducción a la Estadı́stica Andrés M. Alonso

 40

Ejemplo 18. Tres prisioneros, Alfredo, Bruno y Carlos han solicitado la

libertad condicional. Se sabe que el gobernador va a poner en libertad a uno
de los tres pero él no va a decir quien hasta finales del mes. El gobernador dice
a Alfredo que puede informarle del nombre de un solicitante sin éxito dadas las
siguientes condiciones.

1. Si se va a liberar a Alfredo, el gobernador dirá Bruno o Carlos con la

misma probabilidad (1/2).
2. Si se libera a Bruno, dirá el nombre de Carlos.
3. Si Carlos es el que se va a liberar, dirá Bruno.

Alfredo pide al gobernador que le diga el nombre y el gobernador creyendo que

su información es inútil le dice que Bruno se va a quedar en la cárcel.

Alfredo piensa “mi probabilidad de que me pongan en libertad ha

cambiado de 1/3 a 1/2. Estoy muy contento.” ¿Tiene razón?

Introducción a la Estadı́stica Andrés M. Alonso

 41

Sean A, B,C los sucesos de que Alfredo, Bruno y Carlos respectivamente estén
puestos en libertad. Sea b el suceso de que el gobernador diga el nombre de
Bruno.
Se tiene:
Pr(A) = Pr(B) = Pr(C) = 1/3.

Además, sabiendo que el gobernador ha dicho el nombre de Bruno, se tiene

Pr(b|A) = 1/2, Pr(b|B) = 0, Pr(b|C) = 1.

Entonces, mediante el teorema de Bayes,

Pr(b|A) Pr(A)
Pr(A|b) =
Pr(b)
Pr(b|A) Pr(A)
=
Pr(b|A) Pr(A) + Pr(b|B) Pr(B) + Pr(b|C) Pr(C)
1/2 × 1/3
= = 1/3.
1/2 × 1/3 + 0 × 1/3 + 1 × 1/3

Introducción a la Estadı́stica Andrés M. Alonso

 42

Recapitulación
Tema 5. Probabilidad
Experimentos aleatorios.
El espacio muestral, sucesos elementales W Conceptos básicos
y compuestos.

Interpretaciones de la probabilidad:
clásica, frecuentista y subjetiva. W Interpretación y
propiedades básicas
Propiedades de la probabilidad.

La regla de multiplicación.
Independencia. W Probabilidad condicional y
La ley de la probabilidad total. reglas de cálculo

El teorema de Bayes.

Introducción a la Estadı́stica Andrés M. Alonso

 43

Tema 5. Probabilidad
Conceptos básicos.
Interpretación y propiedades básicas
Probabilidad condicional y reglas de cálculo.

Generalización

Tema 6. Variables aleatorias unidimensionales

Distribución.
Caracterı́sticas: media, varianza, etc.
Transformaciones.

Introducción a la Estadı́stica Andrés M. Alonso