Probabilidad y Estadı́stica

Conceptos básicos, probabilidad condicional, regla de la cadena

y regla de Bayes

Dr. Héctor Avilés

Ingenierı́a en Tecnologı́as de la Información

Universidad Politécnica de Victoria
Cd. Victoria Tamaulipas

Enero-Abril 2014
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Contenido

Conceptos básicos de probabilidad

Probabilidad condicional

Regla de la cadena

Probabilidad total y la regla de Bayes

H. Avilés UPV
2/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Contenido

X Conceptos básicos de probabilidad

Probabilidad condicional

Regla de la cadena

Probabilidad total y la regla de Bayes

H. Avilés UPV
3/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

“La probabilidad no es más que sentido común reducido a cálculos”

“Las preguntas más importantes en la vida son de hecho, para la

mayor parte sólo problemas de probabilidad”

Pierre Simón Laplace 1749 - 1827.

H. Avilés UPV
4/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

La probabilidad tiene que ver con la posibilidad o verosimilitud

de la ocurrencia de eventos
Frases como “Estoy casi seguro que lloverá hoy” o “Tenemos
un 90% de probabilidad de ganar el juego” son comunes en
nuestro lenguaje cotidiano
Desafortunadamente, declaraciones ası́ suelen no tener más
sustento que nuestra propia creencia
Con la teorı́a de probabilidad podemos sistematizar tales
afirmaciones a través de un conjunto de axiomas o reglas de
operación, un espacio muestral y eventos con probabilidades
relacionadas a ellos

H. Avilés UPV
5/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

Un espacio de probabilidad es una tripleta (L, E , P) donde:

L es un espacio muestral no vacı́o
E es un conjunto de subconjuntos de L (e.g., el conjunto
potencia de L)
P es una función que retorna valores de probabilidad para los
eventos en E en el intervalo [0, 1]

H. Avilés UPV
6/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

Sea A ∈ E , 0 ≤ P(A) ≤ 1
P(L) = 1 (evento seguro)
P(∅) = 0 (evento imposible)

H. Avilés UPV
7/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Lanzamiento de una moneda:

L = {águila, sol}
E = {∅, {águila}, {sol}, {águila,sol}}.
Eventos posibles:
A ó “que resulte águila” (A = {águila})
B ó “el resultado es sol” (B = {sol})

H. Avilés UPV
8/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

Las únicas restricciones para especificar E es que no sea vacı́o,

sea cerrado bajo complemento y unión (e.g., {sol}0 = {águila}
y {sol} ∪ {águila} = {sol, águila})
En la práctica frecuentemente podemos omitir la definición de
E si se precisan los eventos de interés

H. Avilés UPV
9/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Para definir la función P tenemos diferentes opciones:

1 P1 (A) = 0.5 y P1 (B) = 0.5, P1 (∅) = 0, P1 (A ∪ B) = 1
2 P2 (A) = 0.7 y P2 (B) = 0.3, P2 (∅) = 0, P2 (A ∪ B) = 1
3 P3 (A) = 0.4 y P3 (B) = 0.6, P3 (∅) = 0, P3 (A ∪ B) = 1
4 ...

H. Avilés UPV
10/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

Algunas veces sólo conoceremos las probabilidades para

eventos simples; sin embargo, el resto se puede inferir
Por ejemplo, si A y B exhaustivos colectivamente (es decir,
A ∪ B = L) y disjuntos entre sı́ (A ∩ B) = ∅, se tiene que
P(A ∪ B) = P(A) + P(B) = 0.5 + 0.5 = 1 = P(L)

H. Avilés UPV
11/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

Hay tres formas básicas para asignar probabilidades (i.e., para

definir P):
Por enfoque frecuentista, de estimación, o experiencia, cuando
se ha observado que un suceso A ha ocurrido mA veces de un
total de m repeticiones (i.e., P(A) = mmA )
Por enfoque clásico o a priori cuando un suceso A puede
ocurrir de nA formas de un total de n maneras posibles en el
espacio muestral (i.e., P(A) = nnA )
De manera subjetiva (i.e., suposición o creencia personal)

H. Avilés UPV
12/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

Como ejemplo del enfoque frecuentista, se dice que un

matemático adinerado pidió a sus trabajadores lanzar
monedas miles de veces, cayendo “sol” aproximadamente la
mitad de las veces
Si elegimos el método clásico, que caiga “cara” es uno de dos
resultados posibles del espacio muestral, entonces su
probabilidad es 12 = 0.5
En el lanzamiento de la moneda, las opciones 2 y 3 se
eligieron por suposición (la moneda podrı́a no ser “justa”)

H. Avilés UPV
13/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

En general, al definir un espacio de probabilidad creamos un

modelo matemático cuya precisión y utilidad debe contrastarse con
la realidad

H. Avilés UPV
14/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Hechos importantes

Para cualquier número de sucesos A1 , A2 , ..., An donde cada

Ai ∈ E y ∀i6=j Ai ∩ Aj = ∅,

P(A1 ∪ A2 ∪ ... ∪ An ) = P(A1 ) + P(A2 ) + ... + P(An )

H. Avilés UPV
15/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Hechos importantes

Si A1 , A2 , ..., An son exhaustivos colectivamente, es decir,

(A1 ∪ A2 ∪ ... ∪ An ) = L, entonces:

P(A1 ∪A2 ∪...∪An ) = P(L) = P(A1 )+P(A2 )+...+P(An ) = 1

H. Avilés UPV
16/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Hechos importantes

Si A1 ⊂ A2 , entonces:
P(A1 ) ≤ P(A2 )
P(A2 − A1 ) = P(A2 ) − P(A1 )
En particular: P(A0 ) = 1 − P(A)

H. Avilés UPV
17/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Hechos importantes

Si A y B son dos sucesos cualesquiera (válido para cuando son

o no disjuntos), entonces
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Para tres conjuntos
P(A ∪ B ∪ C ) = P(A) + P(B) + P(C ) − P(A ∩ B)
−P(B ∩ C ) − P(C ∩ A) + P(A ∩ B ∩ C )

H. Avilés UPV
18/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Hechos importantes

Si un suceso A puede resultar de dos sucesos mutuamente

excluyentes A y B, P(A) = P(A ∩ B) + P(A ∩ B 0 )
Generalizando con múltiples sucesos excluyentes A1 , A2 , ..., An
entonces:

P(A) = P(A ∩ A1 ) + P(A ∩ A2 ) + ... + P(A ∩ An )

H. Avilés UPV
19/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Si un experimento aleatorio consiste en lanzar un dado:

L = {1, 2, 3, 4, 5, 6}
Podemos definir los eventos simples A1 , A2 , ..., A6 como los
eventos en que resulte un 1, 2,..., 6, respectivamente
Siguiendo el modelo clásico, cada resultado es 1 de 6 posibles,
ası́ P(A1 ) = 16 , P(A2 ) = 16 , P(A3 ) = 61 , ...

H. Avilés UPV
20/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Ya que sólo un evento puede ocurrir a la vez (i.e.,

A1 , A2 , A3 , ... son disjuntos) y su unión produce L,
P(A1 ∪ A2 ∪ ... ∪ A6 ) = P(L) =
P(A1 ) + P(A2 ) + ... + P(A6 ) = 16 + 16 + ... + 16 = 1
Recordar: A1 ∪ A2 ∪ ... ∪ A6 implica que puede ocurrir A1 , ó A2 , ó A3 ,...

H. Avilés UPV
21/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Si un evento B es “que resulte un número impar”, el

subconjunto relacionado es {1, 3, 5} (i.e., 1 ó 3 ó 5) y
P(B) = P(A1 ∪ A3 ∪ A5 ) = P(A1 ) + P(A3 ) + P(A5 ) =
1 1 1 3 1
6 + 6 + 6 = 6 = 2

H. Avilés UPV
22/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Ya que A1 ⊂ B, entonces P(A1 ) < P(B)

1 1 2
P(B − A1 ) = P(B) − P(A1 ) = 2 − 6 = 6

H. Avilés UPV
23/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Si el evento es “que el resultado sea cualquier número excepto

el 2”, A02 = {1, 3, 4, 5, 6} y su probabilidad es
P(A02 ) = P(L − A2 ) = P({1, 3, 4, 5, 6}) = 65

H. Avilés UPV
24/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Consideremos nuevamente el evento B ó {1, 3, 5}, y el evento

A1 = {1}. Ambos conjuntos son no disjuntos (B ∩ A1 ) = {1}.
3
Ası́, P(B ∪ A1 ) = P(B) + P(A1 ) − P(B ∩ A1 ) = 6 + 16 − 61 = 3
6

H. Avilés UPV
25/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejemplo

Si A = {1, 2} ó “el resultado es 1 ó 2” y B 0 = {2, 4, 6},

P(A) = P(A ∩ B) + P(A ∩ B 0 ) = P({1}) + P({2}) = 26
Para P(B ∪ A1 ∪ A3 ) = P({1, 3, 5}) =
P(B) + P(A1 ) + P(A3 ) − P(B ∩ A1 )
−P(A1 ∩ A3 ) − P(B ∩ A3 ) + P(B ∩ A1 ∩ A3 ) =
3 1 1 1 1 3
6 + 6 + 6 − 6 −0− 6 +0= 6

H. Avilés UPV
26/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejercicios

Considere el experimento aleatorio “lanzar un dado dos veces”

Describa gráficamente su espacio muestral
Asigne probabilidades iguales a cada salida
Describa los conjuntos de los siguientes eventos: a) A ó “el
resultado en el primer lanzamiento es 1”, B ó “el resultado en
el segundo lanzamiento es 5”, C ó “la suma de ambos
resultados es 6” y D ó “ambos números son iguales”, E ó
“salga 7 u 11”

H. Avilés UPV
27/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejercicios

Calcule:
P(A)
P(B)
P(C )
P(D)
P(C ∪ A)
P(A ∪ D ∪ B)
P(E 0 )

H. Avilés UPV
28/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejercicios

Considere el experimento aleatorio “Sacar una ficha de una

bolsa que contiene 3 fichas marcadas con una X, 1 ficha con
una carita feliz y 4 fichas de carita triste”. Calcule la
probabilidad de elegir: a) una ficha X, b) una ficha de carita
feliz y c) una ficha de carita triste, d) que no sea una X, y e)
que sea de X o carita triste
Un niño está jugando con 5 cubos numerados del 1 al 5. Si
los coloca al azar en fila: a) ¿Cuál es la probabilidad de que el
número resultante sea menor a 20,000?, b) ¿Cuál es la
probabilidad de que resulte mayor de 40,000?

H. Avilés UPV
29/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Ejercicios

Un examen consta de 10 preguntas y 10 respuestas dadas. a)

¿Cuál es la probabilidad de contestar correctamente el examen
si las respuestas se eligen de manera aleatoria? b) Si la
primera pregunta se respondió bien ¿Cuál es la probabilidad
de sacar bien el resto del examen?
De una baraja inglesa de 52 cartas (13 valores y 4 palos) se
extraen todas las cartas marcadas con tréboles. Si las cartas
restantes están ordenadas al azar y se toma una de ellas: a)
¿Cuál es la probabilidad de que la carta sea del palo de
diamantes? b) ¿Cuál es la probabilidad de que la carta sea de
corazones y con valor mayor o igual a 10?, c) ¿Cuál es la
probabilidad si se considera también que sea un as de pica?

H. Avilés UPV
30/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad

En resumen, para definir un espacio de probabilidad se

requiere:
Un espacio muestral
Un conjunto de eventos posibles (definidos todos en el espacio
muestral)
La función de probabilidad para los eventos de dicho conjunto
La probabilidad de eventos compuestos se puede calcular
mediante operaciones básicas de probabilidad

H. Avilés UPV
31/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Contenido

x Conceptos básicos de probabilidad

X Probabilidad condicional

Regla de la cadena

Probabilidad total y la regla de Bayes

H. Avilés UPV
32/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total

Modificado de: http://plover.net/˜bonds/cultofbayes.html

H. Avilés UPV
33/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Maths in neon at Autonomy in Cambridge

http://www.flickr.com/photos/mattbuck007/3676624894/

H. Avilés UPV
34/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Es intutivo entender que si un evento A cualquiera sucede

esto puede estar o no relacionado con la ocurrencia de un
segundo evento B

H. Avilés UPV
35/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Ejemplos de eventos sin relación (al menos en apariencia):

Que llueva si no pague mi recibo de luz
Encontrar hoy una moneda en el camino ya que hace calor en
Tabasco
Que a una persona cualquiera le guste la pizza cuando a otra
le gusta el pollo rostizado
Al lanzar dos dados, el número que sale en un dado no afecta
el resultado de otro
...

H. Avilés UPV
36/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Ejemplos de eventos cuya ocurrencia se relaciona con otros

eventos (al menos aparentemente):
Que me corten la luz dado que no pagué mi recibo
Perder un partido de futbol si el equipo pierde 5-0 en el
segundo tiempo
Que repruebe un examen dado que no estudié
Que se ponche una llanta de un coche si ésta tiene 10 años de
uso
Enfermarse del estómago al comer fuera del metro Quevedo
(no recomendable)
...

H. Avilés UPV
37/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

En probabilidad se puede modelar el efecto que tiene la

ocurrencia de un evento A sobre la ocurrencia de un evento B
Este mecanismo es conocido como probabilidad condicional

H. Avilés UPV
38/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

La fórmula de probabilidad condicional de un evento B dado

un evento A es:

P(A ∩ B)
P(B|A) =
P(A)
donde P(A) > 0:
P(B|A) es la probabilidad posterior de B dado A
P(A ∩ B) es la probabilidad conjunta de A y B (i.e., que
sucedan “los dos”)
P(A) es la probabilidad marginal de A

H. Avilés UPV
39/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Si la ocurrencia de un evento A afecta la ocurrencia de un

evento B, entonces se dice que B es dependiente (o que
depende) estadı́sticamente de A

H. Avilés UPV
40/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Probabilidad

condicional

Para un evento A cualquiera donde A 6= ∅,

P(A|A) = P(A∩A) P(A)
P(A) = P(A) = 1

H. Avilés UPV
41/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Conceptos básicos de probabilidad - Probabilidad

condicional

Un evento A cualquiera está implicitamente condicionado al

espacio muestral donde está definido L:
P(A|L) = P(A∩L) P(A)
P(L) = 1 = P(A)

H. Avilés UPV
42/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

P(B|A) = P(A∩B)
P(A) indica que cuando un evento A sucede, la
probabilidad del evento B es la razón de P(A ∩ B) con
respecto a P(A)

H. Avilés UPV
43/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

¿Qué pasa con P(B|A), si como se muestra el área (A, B)

aumenta?

H. Avilés UPV
44/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Si A ∩ B = ∅, entonces P(B|A) = P(A|B) = 0

H. Avilés UPV
45/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Si B ⊂ A, entonces P(A|B) = 1

H. Avilés UPV
46/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Un hecho importante de la probabilidad condicional es

P(A ∩ B) = P(A) × P(B|A) = P(B) × P(A|B)

En general P(A|B) 6= P(B|A)

H. Avilés UPV
47/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Dado que P(A ∩ B) = P(A) × P(B|A) la interpretación

intuitiva de P(B|A) y P(A ∩ B), es similar y son
proporcionales por un factor P(A)
De cuál de las dos cantidades se disponga dependerá del
problema

H. Avilés UPV
48/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Por otro lado, si B y A son independientes marginalmente:

P(A ∩ B) = P(A) × P(B), alternativamente:
P(A|B) = P(A)
P(B|A) = P(B)

H. Avilés UPV
49/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional - Ejemplo 1

Si se tienen en una bolsa 3 bolas rojas y 4 azules, ¿Cuál es la

probabilidad de sacar una bolita roja y después tomar otra
bolita roja si hay reemplazo en el experimento?
Considere dos eventos A = “Sacar una bola roja en el primer
intento” y B = “Sacar una bola roja en el segundo intento”
P(A) = 37 y si hay reemplazo, P(B|A) = P(B) = 37
P(A ∩ B) = P(A) × P(B) = 37 × 37 = 499

H. Avilés UPV
50/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional - Ejemplo 2

Si se tienen en una bolsa 3 bolas rojas y 4 azules, ¿Cuál es la

probabilidad de sacar una bolita roja primero y después otra
roja si no hay reemplazo en el experimento?
Considere los eventos A = “Sacar una bola roja en el primer
intento” y B = “Sacar una bola roja en el segundo intento”
P(A) = 37 y si no hay reemplazo, P(B|A) = 62
P(A ∩ B) = P(A) × P(B|A) = 37 × 26 = 42 6

H. Avilés UPV
51/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional - Ejemplo 3

Considere el ejemplo de lanzar una moneda dos veces con

L = {(C , C ), (C , S), (S, C ), (S, S)}:
y el evento A = “Cae cara” en L. La moneda no es justa; ası́
P(A) = 0.7
Si se realizan dos lanzamientos independientes:
P(A1 ∩ A2 ) = P(A1 ) × P(A2 ) = 0.7 × 0.7 = 0.49
P(A01 ∩ A2 ) = P(A01 ) × P(A2 ) = 0.3 × 0.7 = 0.21
P(A1 ∩ A02 ) = P(A1 ) × P(A02 ) = 0.7 × 0.3 = 0.21
P(A01 ∩ A02 ) = P(A01 ) × P(A02 ) = 0.3 × 0.3 = 0.09
Note que la probabilidad de estas combinaciones suma a 1

H. Avilés UPV
52/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional - Ejemplo 4

Si se lanza un dado justo y se consideran los eventos A =

“Cae un número impar” ({1, 3, 5}) y B = “Cae 5” ({5})
P(A) = 36 y P(B) = 16
P(A ∩ B) = P({5}) = 16
P(B|A) = P(A∩B) 1/6
P(A) = 3/6 = 6/18 = 3/9 = 1/3
P(A∩B) 1/6
P(A|B) = P(B) = 1/6 = 6/6 = 1
Nótese que P(A|B) 6= P(B|A)

H. Avilés UPV
53/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional - Ejemplo 5

Una fábrica produce partes que son o buenas (95%), o con

defectos menores (4%), o para la basura (1%). Las partes
pasan por una inspección que siempre detecta las que son
basura para descartarlas. ¿Cuál es la probabilidad de que se
embarque una pieza buena?
Sea A = “La pieza es buena”, B = “La pieza tiene algún
defecto menor” y C = “La pieza es basura”. Además,
P(A) = 0.95, P(B) = 0.04 y P(C ) = 0.01. Considere también
C’ = “La pieza no es basura”
0
P(A|C 0 ) = P(A∩C ) P(A) .95
P(C 0 ) = P(1−C ) = .99 = 0.9595

H. Avilés UPV
54/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Para n eventos mutuamente independientes:

n
Y
P(A1 ∩A2 ∩...∩An ) = P(A1 )×P(A2 )×...×P(An ) = P(Ai )
i=1

H. Avilés UPV
55/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional

Adición de probabilidades condicionales para eventos

disjuntos:
P(A1 ∪ A2 ∪, ..., Ak |B) = P(A1 |B) + P(A2 |B) + ... + P(Ak |B)
Complemento de A condicionado en B:
P(A0 |B) = 1 − P(A|B)

Note que P(A0 |B) no es lo mismo que P(A|B 0 )

H. Avilés UPV
56/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional - Ejercicios

Un jugador empedernido debe tomar una carta al azar. ¿Cuál

es la probabilidad de que la carta sea de un as de diamantes si
obtuvo una de color rojo?
Luis tiene dos hijos. Uno de ellos es un niño. ¿Cuál es la
probabilidad de que el otro sea niño también? Sugerencia:
Considere las posibilidades {HM, HH, MM, MH}
La probabilidad de que sea lunes y un estudiante falte en la
UPV es 0.09. Ya que hay 5 dı́as hábiles de la semana, la
probabilidad de que hoy sea lunes es 0.2. ¿Cuál es la
probabilidad de que falte un estudiante dado que hoy es lunes?

H. Avilés UPV
57/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional - Ejercicios

La probabilidad de que un estudiante tome probabilidad y

tópicos de programación es 0.2. La probabilidad de que un
estudiante tome probabilidad es 0.8. Calcule la probabilidad
de que un estudiante tome tópicos dado que el estudiante
toma probabilidad
Un profesor de proba dió a su clase dos exámenes. 80% de la
clase pasó los dos exámenes y 90% de la clase pasó el primer
examen. ¿Qué porcentaje de aquellos que pasaron el primer
examen también pasaron el segundo?
En México, 88% de todas las casas tiene una televisión. 51%
de todas casas tienen TV y cable. ¿Cuál es la probabilidad de
que una casa tenga cable dado que tiene TV?

H. Avilés UPV
58/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad condicional - Ejercicios

La confiabilidad de dos módulos de un sistema conectados en

serie es 90% y 80%, respectivamente. Calcule la probabilidad
conjunta de estos dos módulos
Considere la siguiente tabla en una base de datos:
Género Carrera
H Quı́mico
M Computóloga
H Quı́mico
M Quı́mica
M Quı́mica
H Matemático
M Computóloga
H Matemático
M Quı́mica

Calcule: a) P(H|Quı́mico), b) P(M|Computóloga), c)

P(M|Matemática)

H. Avilés UPV
59/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Contenido

x Conceptos básicos de probabilidad

x Probabilidad condicional

X Regla de la cadena

Probabilidad total y la regla de Bayes

H. Avilés UPV
60/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena

Un modelo de probabilidad se define por probabilidad

conjunta P(A1 , A2 , A3 , A4 , ..., Ak ) de los eventos de interés
A1 , A2 , A3 , A4 , ..., Ak
Esta forma es muy común para describir un espacio de
probabilidad

H. Avilés UPV
61/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena

Frecuentemente no es simple manejar probabilidades en la

forma anterior, o siquiera contar con los datos necesarios
Afortunadamente, la teorı́a de probabilidad permite maneras
para derivar fórmulas más “manejables” para nuestras
probabilidades

H. Avilés UPV
62/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena

Como se ha visto, para dos variables A1 y A2 ,

P(A1 ∩ A2 ) = P(A1 |A2 ) × P(A2 )
Para tres variables:
P(A1 ∩ A2 ∩ A3 ) = P(A1 |A2 , A3 ) × P(A2 , A3 ) =
P(A1 |A2 , A3 ) × P(A2 |A3 ) × P(A3 )

H. Avilés UPV
63/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena

Para k variables:
P(A1 , A2 , A3 , A4 , ..., Ak ) = P(A1 |A2 , A3 , A4 ..., Ak )×
P(A2 |A3 , A4 , ..., Ak ) × P(A 3 |A4 , ..., AT
k ) × ...×
P(Ak−1 |Ak ) × P(Ak ) = i=1 P(Ai | kj=i+1 Aj )
Qk−1

A esta factorización se le conoce como la regla de la cadena

Note que el orden de las variables en las funciones condicionales es fijo

H. Avilés UPV
64/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena

La función anterior puede simplificarse a través de

suposiciones de independencia, por ejemplo:
P(A1 , A2 , A3 , A4 ) =
P(A1 |
A2, A3 , A4 ) × P(A2 |A3 , 4 ) × P(A3 |
A 4 ) × P(A4 ) =
A
P(A1 |A4 ) × P(A2 |A3 ) × P(A3 ) × P(A4 )

H. Avilés UPV
65/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena

Cuando los k eventos son mutuamente independientes:

k
Y
P(A1 ∩A2 ∩...∩Ak ) = P(A1 )×P(A2 )×...×P(Ak ) = P(Ai )
i=1

H. Avilés UPV
66/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena

Un evento A es independiente condicionalmente de B dado C

si B no cambia la creencia sobre A una vez conocido C :
P(A|B, C ) = P(A|C ) (i.e., B no aporta al conocimiento de A
si se sabe C )
De manera general:
P(A, B|C ) = P(A|B,C

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


H. Avilés UPV
67/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena

Para k eventos mutuamente independientes condicionalmente:

Qk 1 ∩A2 ∩...∩Ak |B) = P(A1 |B)×P(A2 |B)×...×P(Ak |B) =
P(A
i=1 P(Ai |B)

H. Avilés UPV
68/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Regla de la cadena - Resumen

Cuando algunos eventos ocurren, pueden tener alguna relación

estadı́stica con la ocurrencia de otros eventos
En probabilidad esta (in)dependencia estadı́stica se modela a
través de la probabilidad condicional P(·|·)
P(·|·) nos permite aumentar o disminuir la creencia sobre la
ocurrencia de un evento, a la luz de cierta información
disponible
Aunque la relación no necesita ser causal o temporal, P(·|·)
nos da herramientas para tomar decisiones más informadas,
tomando en cuenta toda “evidencia” a la mano

H. Avilés UPV
69/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Contenido

x Conceptos básicos de probabilidad

x Probabilidad condicional

x Regla de la cadena

X Probabilidad total y la regla de Bayes

H. Avilés UPV
70/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total

Modificado de: http://kruel.co/tag/eliezer-yudkowsky/

H. Avilés UPV
71/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total

Hemos mencionado que para dos sucesos A y B,

P(A) = P(A ∩ B) + P(A ∩ B 0 )

H. Avilés UPV
72/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total

Igualmente, si un suceso A puede resultar en uno de los

sucesos B1 , B2 , ..., Bn donde ∀i6=j Bi ∩ Bj = ∅ y (∪∀i Bi ) = L,
entonces P(A) = P(A ∩ B1 ) + P(A ∩ B2 ) + ... + P(A ∩ Bn )

H. Avilés UPV
73/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total

Siempre que B1 , B2 , ..., Bn sean mutuamente excluyentes y

exhaustivos colectivamente éstos formarán una partición del
espacio muestral L

H. Avilés UPV
74/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total

Si sustituimos P(A ∩ Bi ) = P(A|Bi )P(Bi ), ∀i en

P(A) = P(A ∩ B1 ) + P(A ∩ B2 ) + ... + P(A ∩ Bn ), se tiene

P(A) = P(A|B1 )P(B1 ) + P(A|B2 )P(B2 ) + ... + P(A|Bn )P(Bn )

n
X
= P(A|Bi )P(Bi )
i=1

Esta regla es conocida como la regla o el teorema de

probabilidad total

H. Avilés UPV
75/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total

La utilidad de P(A) = ni=1 P(A|Bi )P(Bi ) es que para

P
algunos problemas no se cuenta con P(A ∩ Bi ) o con P(A)
Al cálculo de P(A) se le denomina marginalización

H. Avilés UPV
76/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total - Ejemplo 1

El porcentaje de individuos que desarrollan pulmonı́a si tienen

gripa es 20% y para los que no tienen gripa es 5%. Si en una
población cualquiera, ésta tiene un porcentaje de gripa de
21%. ¿Cuál es la probabilidad de que en esa población se
desarrolle pulmonı́a?
Sea A = “Tiene gripa”, A0 = “No tiene gripa” y B = “Tiene
pulmonı́a”
P(B|A) = 0.2, P(B|A0 ) = 0.05, P(A) = .21 y P(A0 ) = .79
P(B) = P(B|A)P(A) + P(B|A0 )P(A0 ) =
(0.2)(0.21) + (0.05)(0.79) = 0.042 + 0.0395 = 0.0815
¿Cuál es la probabilidad de que no desarrollen pulmonı́a (i.e.,
P(B 0 ))?

H. Avilés UPV
77/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total

Recuerde que P(B 0 ) es el complemento de P(B) y observe

que P(B|A) complementa a P(B 0 |A) y a su vez P(B|A0 ) es el
complemento de P(B 0 |A0 )

H. Avilés UPV
78/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total - Ejemplo 2

El porcentaje de alumnos que aprueban un curso dada una
nota alta en su examen es 70%, con nota regular entonces el
porcentaje es de 50%, y 20% pasan aún con nota mala. Si en
el curso actual 95% sacan una nota alta, 3.5% sacan una nota
media y sólo 1.5% nota mala, calcule el porcentaje de
aprobación del curso
Sea A = “Aprueba”, A0 = “No aprueba” y B1 = “Nota alta”,
B2 = “Nota regular” y B3 = “Nota baja”
P(A|B1 ) = 0.7, P(A|B2 ) = 0.5 y P(A|B3 ) = .2, P(B1 ) = .95,
P(B2 ) = .035 y P(B3 ) = .015
P(A) = P(A|B1 )P(B1 ) + P(A|B2 )P(B2 ) + P(A|B3 )P(B3 ) =
0.665 + 0.0175 + 0.003 = 0.6855
El porcentaje de aprobación esperado es .6855 × 100% =
68.55%
H. Avilés UPV
79/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

Probabilidad total - Ejercicio

Una fábrica produce 12,400 autopartes diariamente. Se tienen

tres máquinas (1, 2 y 3). La máquina 1 genera 5,000 partes
con 2% de partes defectuosas, la máquina 2 produce 3,000 de
las cuales el 5% no sirve y la máquina 3 que maquila el resto
ofrece el 90% de sus partes sin defectos. ¿Cuál es la
probabilidad de que una autoparte salga defectuosa?

H. Avilés UPV
80/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes

La regla de Bayes es una forma muy útil para calcular

probabilidades condicionales P(A|B)
La idea es combinar las fórmulas de probabilidad condicional y
total
Su utilidad es amplia (ciencias sociales, biologı́a, fı́sica,
quı́mica, matemáticas y en computación en robótica,
inteligencia artificial, visión computacional, reconocimiento de
patrones...)
Es aplicable cuando queremos calcular la posibilidad de ciertas
alternativas (o “hipótesis”) que expliquen la ocurrencia de
otro(s) evento(s) (“observación(es)” o “evidencias”)

H. Avilés UPV
81/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes

Considere la regla general de probabilidad condicional:

P(B|A) = P(A∩B)
P(A)
Si sustituimos P(A ∩ B) = P(A|B)P(B):

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

H. Avilés UPV
82/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes

Además considerando que

P(A) = P(A|B)P(B) + P(A|B 0 )P(B 0 ),

P(A|B)P(B)
P(B|A) =
P(A|B)P(B) + P(A|B 0 )P(B 0 )

A esta regla se le llama el teorema de Bayes

H. Avilés UPV
83/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes

Cuando la partición tiene n elementos:

P(A|Bi )P(Bi )
P(Bi |A) = Pn
j=1 P(A|Bj )P(Bj )

H. Avilés UPV
84/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes

P(B) y P(B 0 ) son probabilidades a priori de las hipótesis (i.e.,

que tanto creemos posible cada hipótesis)
P(A|B) o verosimilitud es la posibilidad de que se observe A
cuando ha sucedido la hipótesis B
P(A) = nj=1 P(A|Bj )P(Bj ) también se conoce como la
P
probabilidad de la evidencia
Para su aplicación, P(A|B)P(B) + P(A|B 0 )P(B 0 ) > 0 y las
hipótesis posibles deben formar una partición

H. Avilés UPV
85/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes - Ejemplo 1

Un laboratorio detecta si un paciente tiene gripe AH1N1 o no.

Se sabe por diferentes exámenes que el análisis detecta
positivamente 90% de los casos en los que efectivamente el
paciente tiene la gripe y da positivo 5% de las veces en las
que el paciente no tiene la gripe (i.e., se equivoca). Se supone
además que el 7% de la población padece la enfermedad.
Calcule la probabilidad de que un paciente: a) tenga gripe
cuando el resultado dió positivo, b) tenga gripe cuando el
resultado fue negativo

H. Avilés UPV
86/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes - Ejemplo 1

Sea G = “Una persona tiene AH1N1” y ⊕ = “El resultado es

positivo”
a) ¿P(G |⊕)?
P(G ) = 0.07, P(G 0 ) = 0.93, P(⊕|G ) = 0.9, P(⊕|G 0 ) = 0.05
P(⊕|G )P(G )
P(G |⊕) =
P(⊕|G )P(G ) + P(⊕|G 0 )P(G 0 )

(0.9)(0.07)
=
(0.9)(0.07) + (0.05)(.93)
0.063
= = 0.575342466
0.1095

H. Avilés UPV
87/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes - Ejemplo 1

b) ¿P(G | )?
P( |G ) = 0.1, P( |G 0 ) = 0.95, P(G ) = 0.07, P(G 0 ) = 0.93
P( |G )P(G )
P(G | ) =
P( |G )P(G ) + P( |G 0 )P(G 0 )

(0.1)(0.07)
=
(0.1)(0.07) + (0.95)(.93)
0.007
= = 0.007860752
0.8905

H. Avilés UPV
88/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes - Ejercicio 1

Del problema anterior, calcule la probabilidad de que no tenga

AH1N1 cuando el resultado dió positivo, P(G 0 |⊕), y
No tenga gripe cuando el resultado salió negativo P(G 0 | )

H. Avilés UPV
89/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes - Ejercicio 2

El ayudante de Microsoft puede ofrecer ayuda a los usuarios

de Office. Se sabe que un usuario divaga con el ratón 90% de
las ocasiones que necesita ayuda. Se estima el 23% de sus
tareas diarias son nuevas y suele requerir ayuda. También se
sabe que a veces (el 15% de las ocasiones aproximadamente)
el usuario mueve aleatoriamente su ratón sin necesitar ayuda.
Calcule la probabilidad de que el asistente deba ofrecer ayuda
dado que el usuario parece no hacer nada coherente con el
ratón.

H. Avilés UPV
90/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes - Ejercicio 3

La alarma de una refinerı́a a veces falla. Si hay algo mal, la

probabilidad de que la alarma suene es del 99%, pero también
la alarma suena 2% de las veces que no hay nada incorrecto.
Supóngase que la planta falla una vez cada dos años. ¿Cuál es
la probabilidad de que efectivamente haya un fallo cuando la
alarma suena?

H. Avilés UPV
91/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes - Ejercicio 4

Frecuentemente un robot debe decidir si puede desplazarse

hacia adelante en su ambiente si sus sensores dicen que el
espacio es libre. Los sensores son “ruidosos” y no son fiables
siempre. A prueba y error se sabe que el 98% de las ocasiones
sus sensores han reportado espacio libre y el robot se ha
podido mover. El 3% de las veces reportan espacio libre
cuando hay un obstáculo en la ruta (i.e., no puede
desplazarse). Se sabe que en un ambiente cualquiera el 70%
del espacio está libre y 30% ocupado. Calcule la probabilidad
de que el robot pueda moverse dado que los sensores dicen
que puede hacerlo.

H. Avilés UPV
92/93
Conceptos básicos Probabilidad total y la regla de Bayes Probabilidad condicional Regla de la cadena Probabilidad total y la regla

La regla de Bayes - Ejercicio 5

En el ejemplo de la gripa, suponga además que el paciente

salió positivo en la primera prueba y ahora busca una segunda
opinión de otro laboratorio. El segundo examen es más caro
pero es correcto el 98% de las ocasiones en que el resultado es
⊕ para A1HN1; también da el 99% de las veces en que el
enfermo no tiene gripa A1HN1. Calcule la probabilidad de que
el paciente esté enfermo si los dos resultados dieron positivos

H. Avilés UPV
93/93