Probabilidad Condicional

Introduccion a la Estadística
(secciones 1.3 y 1.4 del Bertsekas)

Probabilidad condicional
Andrea Rotnitzky, Analia Ferrari, Matías Cersosimo
Universidad Torcuato Di Tella
12 de Marzo, 2018
Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 1 / 34

Probabilidad condicional: introducción
Hemos visto que la probabilidad es un valor numerico, llamémoslo p, que
cuanti…ca la plausibilidad de un evento incierto.
El valor p lo calculamos en base a toda la evidencia o información que

tenemos acerca de la situacion incierta en cuestion.
Pero ahora supongamos que luego de asignar el valor p, recogemos nueva

evidencia consistente con, o contraria al, evento de interés.
Que regla seguimos para corregir nuestra probabilidad inicial p? .
La probabilidad condicional es el concepto que nos permite corregir de forma

lógica y coherente una probabilidad incial frente a nueva evidencia sobre el
evento de interés.

Probabilidad condicional: un ejemplo
Es verano, anoche arribé de visita a una ciudad y fui directo a dormir al
hotel. Supongamos que
No conozco el pronostico metereológico para la ciudad.

Las guías turisticas que leí dicen que en verano llueve poco, con una
frecuencia de una vez cada 15 días.
A la mañana siguiente, con la persiana aún baja, al evento incierto A de que

llueva ese día, le asigno probabilidad
P (A) = 1/15

Probabilidad condicional: un ejemplo
Ahora subo la persiana y observo que hay grandes nubarrones, la
probabilidad del evento A frente a la nueva evidencia debería aumentar.
Lamemos B al evento "hay grandes nubarrones".
La probabilidad que le asignamos a A luego de informarnos que el evento B

ocurre, se denomina Probabilidad condicional de A dado B y se la designa
con la notacion
P (AjB )
Pero ¿cuál es la de…nición formal de P (AjB )? Cómo calculamos P (AjB )?

Probabilidad condicional. Un ejemplo para motivar su
de…nición.
Supongamos que sabemos que en un bolillero hay
20 bolillas rojas de las cuales

6 tienen pintada una X
8 bolillas verdes de las cuales
6 tienen pintada una X
Sorteo un bolilla.
La probabilidad de que la bolilla sorteada sea roja es 20/28 = 5/7 (por

que?)
Alguien mira la bolilla sorteada y me informa que tiene una X pintada.

¿Cuál debería ser ahora la probabilidad de que la bolilla sea roja?
Sea A el evento sale bolilla roja

Sea B el evento sale bolilla pintada con X
Probabilidad condicional.
P (A ) es el peso de las bolillas P (A jB ) es el peso las bolillas

que satisfacen A relativo al que satisfacen A y B relativo
peso del universo de todas al peso del universo de las
las bolillas. bolillas que satisfacen B
6 1
P (A ) = 20/28 = 5/7 P (A jB ) = =
12 2
Grá…cos adaptados de "Urn Problem" from the Wolfram Demonstrations Project http://demonstrations.wolfram.com/UrnProblem/

Probabilidad condicional: de…nición
De…nición: La probabilidad condicional de un evento A dado un evento B

tal que P (B ) > 0 se de…ne como
P (A \ B )
P (AjB ) =
P ( B)
Atención: el símbolo AjB no representa una operacion entre conjuntos o

eventos. El símbolo no tiene sentido si no se lo asocia con una probabilidad
y debe interpretarse como la probabilidad de A cuando sabemos que el
evento B ocurre, ocurrió o ocurrirá con seguridad. O sea, cuando el universo
de resultados posibles ya no es mas Ω sino el conjunto de elementos en B.

Probabilidad condicional
P (Roja \ Pintada)
P (Roja j Pintada) =
P ( Pintada)
6/28
=
12/28
1
=
2

La probabilidad vista como probabilidad condicional
P (Roja \ Ω)
P (Roja) =
P (Ω)
20/28
=
28/28
5
=
7

Interpretación frecuentista de la probabilidad condicional
Supongamos que repetimos un experimento un numero n muy grande de
veces. De acuerdo a la interpretacion frecuentista
nB nA \B
P (B ) y P (A \ B )
n n
donde nB y nA \B es el numero de veces que ocurren B y A \ B
respectivamente.
Luego,
P (A \ B )
P (AjB ) =
P (B )
nA \B /n
nB /n
nA \B
=
nB
número de veces que ocurren A y B
=
número de veces que ocurre B
Interpretación frecuentista de la probabilidad condicional
Concluimos que interpretacion frecuentista de P (AjB ) es la siguiente:
Imaginemos que repetimos inde…nidamente la situacion incierta o

experimento aleatorio, y generamos una lista in…nita de los resultados
que obtuvimos.
Ahora eliminemos de esa lista in…nita, los resultados en los que B no

ocurrio.
La prob. condicional P (AjB ) es la proporcion de resultados de la lista

restante en las que el evento A ocurrió.

Probabilidades a-priori y a posteriori
a P (A) se la llama probabilidad a-priori
a P (AjB ) se la llama probabilidad a-posteriori

Probabilidad condicional: ejercicio
Para otorgar un préstamo hipotecario, un banco evalúa el riesgo de mora (retraso
en el pago) del solicitante otorgandole un puntaje de 0 a 100.
El préstamo es otorgado a quienes hayan obtenido un puntaje mayor o igual que 85.
Hay 100000 clientes que ya han recibido el credito. La siguiente tabla (en unidades
de mil) los clasi…ca de acuerdo a su puntaje y a si resultaron o no morosos.
Puntaje
85-90 91-95 95-100 TOTAL
Mo- no 8 16 56 80
roso si 8 6 6 20
TOTAL 16 22 62 100
a. Si la solicitud de un nuevo cliente ha sido aprobada, cuál es la probabilidad de que

el cliente resulte moroso?
b. Si ademas sabemos se nos informa el puntaje del cliente. Calcule el valor de la
probabilidad de mora dado el rango de puntaje, para cada una de las tres
categorias de puntaje.

Solucion del ejercicio
Puntaje
85-90 91-95 95-100 TOTAL
Mo- no 8 16 56 80
roso si 8 6 6 20
TOTAL 16 22 62 100
Para resolver el ejercicio asumiremos que la población de nuevos solicitantes con

créditos aprobados tiene características similares a la de los clientes que están en la
base de datos del banco. Entonces un nuevo solicitante con crédito aprobado es
como un cliente elegido al azar entre los que están en la base de datos.
La respuesta a la pregunta (a) es
# clientes morosos 20
Pr (Moroso) = = = 0.2
# total de clientes 100

Solucion del ejercicio
La respuesta a la pregunta (b) es
Pr (Moroso j puntaje entre a y b)

# clientes morosos y con puntaje entre a y b
=
# total de clientes con puntaje entre a y b
Puntaje
85-90 91-95 95-100
Mo- no 8 16 56
roso si 8 6 6
TOTAL 16 22 62
Prob(morajpuntaje) 8 0.5 6 0.27 6 0.10
16 22 62
Notemos que la probabilidad de mora disminuye con el aumento del puntaje. El

puntaje nos da información valiosa para a…nar la prediccion de mora.

Probabilidad condicional: ejercicio
Si se sabe que una pareja tiene dos hijos de los cuales por lo menos uno es
mujer, ¿cuál es la probabilidad que los dos hijos sean mujeres?
Solución:
Los sexos de dos hijos son tan inciertos como los lados en que caerá una
moneda tirada dos veces.
Entonces el espacio muestral es
Ω = f(m, m) , (v , v ) , (m, v ) , (v , m)g
donde (v , m ) representa "hijo mayor varon, hijo menor mujer", etc.
Para una pareja cualquiera (como la del problema), los sexos de los dos hijos
pueden corresponder a cualquiera de los pares ordenados en Ω y no hay
razon para pensar que un par es mas probable que otro. Luego supondremos
que Ω es equiprobable.

Continuación
El evento que representa la información dada es
B = "al menos uno de los dos hijos es mujer"

= f(m, m) , (m, v ) , (v , m)g
El evento de interés es
A = " los dos hijos son mujeres"

= f(m, m)g
y tenemos que
A \ B = f(m, m )g
Por lo tanto
P (A \ B ) 1/4
P (AjB ) = = = 1/3
P (B ) 3/4

Comentarios sobre el ejercicio anterior
El enunciado del problema fue incompleto ya que no indicó como se llegó a
conocer que al menos uno de los hijos es mujer.
En nuestro calculo de P (B ) implicitamente asumimos que el informante del

evento B- por ejemplo la administradora de la escuela a la que asisten los
hijos de la pareja- primero desenmascaró - por ejemplo del registro de
alumnos - el sexo de ambos chicos, y luego nos reveló sólo la información de
que por lo menos hay una mujer entre ellos.
Bajo este supuesto, conocer los sexos de ambos hijos es como conocer los
resultados de dos tiros de una moneda equilibrada. Por eso, nuestro calculo
de P (B ) bajo el supuesto de que Ω es equiprobable es razonable.
El próximo ejemplo ilustrará que conocer cómo se obtuvo la información de

que al menos uno de los hijos es mujer es relevante para el cálculo de la
probabilidad.

Probabilidad condicional: otro ejercicio
Una familia se acaba de mudar a mi barrio.
Escuché decir por ahi que tienen dos hijos.

Hoy me crucé con uno de los hijos por la calle y resultó ser una mujer.
¿Cuál es la probabilidad de que los dos hijos de la pareja sean mujeres:
1. antes de cruzarme con la chica?
2. despues de cruzarme con la chica?

Probabilidad condicional: otro ejercicio
Solución: sea B = "el sexo del hijo que crucé en la calle es mujer" y
A ="los dos hijos de la familia son mujeres". La probabilidad solicitada es
P (AjB ) . Ahora
P (B ) = 1/2
porque no hay ninguna razón para pensar que las niñas caminan más por la calle
que los niños.
En la proxima …lmina con…rmaré formalmente que esta probabilidad es correcta.
Además A B pues si ocurre A ("las dos hijas son mujeres") seguro ocurre
B ("el hijo que me encontre en la calle es mujer"). Luego
P (A \ B ) = P (A)
Pero
P (A) = 1/4
Luego
P (A \ B ) 1/4
P (AjB ) = = = 1/2
P (B ) 1/2

Cálculo formal de la solucion del ejercicio
Consideremos el experimento compuesto en el que primero se sortean "los sexos
por orden de nacimiento de los dos hijos" y luego se sortea "cuál de los dos hijos
me crucé hoy en la calle". Para este experimento
Ω = f(m, m, 1) , (m, m, 2) , (v , v , 1) , (v , v , 2) , (m, v , 1) , (m, v , 2) , (v , m, 1) , (v , m, 2)g
donde 1 indica que el hijo que me cruce por la calle es el mayor de los dos, etc..
Ω es equiprobable por consideraciones de simetria: los hijos mayores caminan

tanto por la calle como los menores y los varones tanto como las nenas.

Cálculo formal de la solucion del ejercicio
Ahora,
B = "el sexo del hijo que me cruce en la calle es mujer"

= f(m, m, 1) , (m, m, 2) , (m, v , 1) , (v , m, 2)g
Luego
#B 4 1
P (B ) = = =
#Ω 8 2
Por otro lado,
A = "las dos hijas son mujeres"

= f(m, m, 1) , (m, m, 2)g
Luego
P (A \ B ) 2/8
P (AjB ) = = = 1/2
P (B ) 4/8

Comentarios
En el primer ejercicio nos dijeron que al menos uno de los hijos es mujer ,
pero no nos dijeron como arribaron a ese dato. En ese caso, hicimos la
suposición adicional de que la información se obtuvo simetricamente.
Arribamos a que P (AjB ) = 1/3
En el segundo ejercicio ademas de informarnos que al menos uno de los hijos

es mujer , nos dijeron que la información fue revelada esencialmente
registrando el sexo de un hijo elegido al azar entre los dos hijos de la pareja.
Arribamos a que P (AjB ) = 1/2
Para ayudarte a entender por qué está bien que las probabilidades sean
distintas en los dos casos, pensá para cada caso en el experimento que
repetirías in…nitas veces para darle interpretación frecuentista a los valores
de P (AjB ).

Regla de la multiplicación
De la formula
P (A \ B )
P (AjB ) =
P (B )
podemos despejar Pr (A \ B ) obteniendo asi
P (A \ B ) = P (AjB ) P (B )
A esta ultima formula se la conoce como la regla de multiplicación.

Regla de la multiplicación para mas de dos eventos
Proposicion: si P (B \ C ) > 0 y P (C ) > 0, entonces
P (A \ B \ C ) = P (A jB \ C ) P (B jC ) P (C )
Mas generalmente: si A1 , ..., An son eventos, tales que

P (A1 ) > 0, P (A1 \ A2 ) > 0, ..., P (A1 \ ... \ An 1 ) > 0, entonces
P (A1 \ A2 ... \ An ) = P (An jA1 \ A2 ... \ An 1)
P (A n 1 jA 1 \ A2 ... \ An 2)
P (A 2 jA 1 ) P (A 1 )
Demostracion: A \ B \ C = A \ (B \ C ) , entonces
P (A \ B \ C ) = P (A jB \ C ) P (B \ C )
Ademas,
P (B \ C ) = P (B jC )
La demostración para más de tres conjuntos sale por induccion de forma análoga.
Regla de la multiplicación para dos o mas de dos eventos
La regla de multiplicacion suele se util en situaciones en que el calculo de

cada probabilidad condicional es relativamente facil e intuitivo mientras que
el calculo directo de Pr (A1 \ A2 ... \ Ak ) es engorroso.
En la proxima …limina, el ejemplo 1.11 de Bertsekas ilustrara esta situacion

Ejemplo de la regla de multiplicacion
Una clase tiene 4 estudiantes de posgrado y 12 de grado. Si se los divide
aleatoriamente en cuatro grupos de cuatro alumnos cada uno. ¿Cuál es la
probabilidad de que cada grupo tenga exactamente un estudiante de
posgrado?
Solucion: Enumeremos los estudiantes de posgrado con 1, 2, 3, y 4.

Consideremos los siguientes eventos
A1 ="Los estudiantes 1 y 2 estan en grupos distintos"
A2 = "Los estudiantes 1, 2 y 3 estan en grupos distintos"
A3 = "Los estudiantes 1, 2, 3 y 4 estan en grupos distintos"
Entonces
A3 = A3 \ A2 \ A1
y por lo tanto
P ( A3 ) = P ( A3 \ A2 \ A1 )
= P ( A3 j A2 \ A1 ) P ( A2 j A1 ) P ( A1 )
Continuacion de la solucion
Ahora
P (A 1 ) = 12 /15
Esto es así porque una vez que el estudiante 1 eligió su asiento (lo cual ocurre con
probabilidad 1), al estudiante 2 le quedan 15 asientos disponibles, todos equiprobables.
El evento A 1 ocurre cuando el estudiante 2 se sienta en cualquiera de los 12 asientos que
no están en el grupo del estudiante 1.
Del mismo modo,
P (A 2 jA 1 ) = 8 /14
pues, una vez que los estudiantes 1 y 2 eligieron sus asientos en grupos separados, quedan
14 sillas disponibles. El evento A 3 ocurre cuando el estudiante 3 se sienta en alguna de las
8 sillas disponibles en los grupos en los que no están los estudiantes 1 y 2.
Del mismo modo,
P (A 3 jA 2 \ A 1 ) = 4 /13
Luego,
12 8 4
P (A 3 ) = = 0.14066
15 14 13

Árbol de probabilidad
Un árbol de probabilidad es un grá…co que nos facilita la visualización de la regla de
multiplicación.
Retornando al ejemplo de la cartera de clientes del banco, su árbol de probabilidad es
P(Cumplidor y 85-90)=
(16/100)x(8/16) =8/100
P( Moroso y 85-90)
=16/100(16/100)x(8/16)=8/100
P(Cumplidor y 91-95)
.
P(91-95)=22/100
=(22/100)x(16/22) =16/100
P(Moroso y 91-95)
=(22/100)x(6/22)=6/100
P(Cumplidor|95-100)=56/62 P(Cumplidor y 95-100)

=(62/100)x(46/62) =56/100
P(Moroso y 95-100)
=(62/100)x(6/22)=6/100

Ley de probabilidad total
Proposición: Supongamos que A1 , ..., Ak es una particion de Ω. Entonces
para ¿cuálquier evento B,
P (B ) = P (B jA1 ) P (A1 ) + P (B jA2 ) P (A2 ) + ... + P (B jAk ) P (Ak )
Demostración: por ser una particion de Ω, A1 , ..., Ak son mutuamente

excluyentes y
Ω = [ki=1 Ai
Luego
B = B \Ω
= B \ [ki=1 Ai
= [ki=1 (B \ Ai )

Continuacion de la demostración.
B = [ki=1 (B \ Ai )
Ademas, los conjuntos B \ A1 , ..., B \ Ak son mutuamente excluyentes. Por

ejemplo, para k = 6
Figura reproducida de Blitzstein y Hwang, pag. 50.

Luego
P (B ) = P [ki=1 (B \ Ai )
k
= ∑ P ( B \ Ai )
i =1
k
= ∑ P ( B j Ai ) P ( Ai )
i =1
donde la segunda igualdad es por el axioma de aditividad de probabilidad, y

la tercera es porque para cada i, P (B \ Ai ) = P (B jAi ) P (Ai ) .

Ley de probabilidad total: ejemplo
En la clase de Introducción a la Estadistica, la probabilidad de que un alumno esté
atrasado al …nalizar una semana
dado que estuvo atrasado al …nalizar la semana anterior es 0.8,
dado que estuvo al día al …nalizar la semana anterior es 0.4.
¿Cuál es la probabilidad de que un alumno esté atrasado al …nalizar la semana 3?
Solucion: Sean
Aj = el alumno esta atrasado al …nalizar la semana j
Dj = el alumno esta al día al …nalizar la semana j
Nos piden calcular P (A3 ) .
Por la ley de probabilidad total sabemos que
P Aj = P A j jA j 1 P Aj 1 + P A j jD j 1 P Dj 1
= 0.8P Aj 1 + 0.4P Dj 1
Ademas
P Dj = 1 P Aj

Continuacion de la solucion del ejemplo
P (A0 ) = 0 y P (D0 ) = 1 porque al comienzo el alumno esta al día.
Luego, calculamos recursivamente, primero P (A1 ) y P (D1 ) , luego P (A2 ) y
P (D2 ) y …nalmente P (A3 )
P (A 1 ) = 0.8P (A0 ) + 0.4P (D0 )

= 0.8 0 + 0.4 1 = 0.4
P (D 1 ) = 1 P (A1 ) = 0.6
P (A 2 ) = 0.8P (A1 ) + 0.4P (D1 )

= 0.8 0.4 + 0.4 0.6 = 0.56
P (D 2 ) = 1 P (A2 ) = 0.44
Finalmente
P (A 3 ) = 0.8P (A2 ) + 0.4P (D2 )

= 0.8 0.56 + 0.4 0.44 = 0.624

Probabilidad Condicional

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Probabilidad Condicional

Uploaded by

Copyright:

Available Formats

Introduccion a la Estadística

(secciones 1.3 y 1.4 del Bertsekas)

Andrea Rotnitzky, Analia Ferrari, Matías Cersosimo

Universidad Torcuato Di Tella

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 1 / 34

El valor p lo calculamos en base a toda la evidencia o información que

Pero ahora supongamos que luego de asignar el valor p, recogemos nueva

Que regla seguimos para corregir nuestra probabilidad inicial p? .

La probabilidad condicional es el concepto que nos permite corregir de forma

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 2 / 34

No conozco el pronostico metereológico para la ciudad.

A la mañana siguiente, con la persiana aún baja, al evento incierto A de que

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 3 / 34

Lamemos B al evento "hay grandes nubarrones".

La probabilidad que le asignamos a A luego de informarnos que el evento B

Pero ¿cuál es la de…nición formal de P (AjB )? Cómo calculamos P (AjB )?

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 4 / 34

20 bolillas rojas de las cuales

La probabilidad de que la bolilla sorteada sea roja es 20/28 = 5/7 (por

Alguien mira la bolilla sorteada y me informa que tiene una X pintada.

Sea A el evento sale bolilla roja

P (A ) es el peso de las bolillas P (A jB ) es el peso las bolillas

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 6 / 34

De…nición: La probabilidad condicional de un evento A dado un evento B

Atención: el símbolo AjB no representa una operacion entre conjuntos o

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 7 / 34

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 8 / 34

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 9 / 34

Concluimos que interpretacion frecuentista de P (AjB ) es la siguiente:

Imaginemos que repetimos inde…nidamente la situacion incierta o

Ahora eliminemos de esa lista in…nita, los resultados en los que B no

La prob. condicional P (AjB ) es la proporcion de resultados de la lista

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 11 / 34

a P (A) se la llama probabilidad a-priori

a P (AjB ) se la llama probabilidad a-posteriori

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 12 / 34

a. Si la solicitud de un nuevo cliente ha sido aprobada, cuál es la probabilidad de que

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 13 / 34

Para resolver el ejercicio asumiremos que la población de nuevos solicitantes con

La respuesta a la pregunta (a) es

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 14 / 34

Pr (Moroso j puntaje entre a y b)

Notemos que la probabilidad de mora disminuye con el aumento del puntaje. El

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 15 / 34

Entonces el espacio muestral es

Ω = f(m, m) , (v , v ) , (m, v ) , (v , m)g

donde (v , m ) representa "hijo mayor varon, hijo menor mujer", etc.

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 16 / 34

B = "al menos uno de los dos hijos es mujer"

A = " los dos hijos son mujeres"

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 17 / 34

En nuestro calculo de P (B ) implicitamente asumimos que el informante del

El próximo ejemplo ilustrará que conocer cómo se obtuvo la información de

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 18 / 34

Escuché decir por ahi que tienen dos hijos.

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 19 / 34

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 20 / 34

Ω = f(m, m, 1) , (m, m, 2) , (v , v , 1) , (v , v , 2) , (m, v , 1) , (m, v , 2) , (v , m, 1) , (v , m, 2)g

Ω es equiprobable por consideraciones de simetria: los hijos mayores caminan

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 21 / 34

B = "el sexo del hijo que me cruce en la calle es mujer"

A = "las dos hijas son mujeres"

Rotnitzky, Ferrari, Cersosimo (UTDT) Probabilidad Condicional 12 de Marzo, 2018 22 / 34