SISTEMA COMPLETO DE SUCESOS:

Se dice que un conjunto de sucesos

1 2
, ,...,
n
A A A constituyen un sistema completo de
sucesos para un experimento aleatorio de un espacio muestral E, si se verifican las
siguientes condiciones:
1 2
1 ) .....
2 )
n
i j
A A A E
A A cuando i j




TEOREMA DE LA PROBABILIDAD TOTAL:

Sea
1 2
, ,...,
n
A A A un sistema completo de sucesos tales que ( ) 0
i
p A para todo i.
Sea B un suceso cualquiera para el que se conocen las probabilidades ( / )
i
p B A .
Entonces la probabilidad del suceso B, viene dada por la siguiente expresin:
1 1 2 2
( ) ( / ) ( ) ( / ) ( ) ......... ( / ) ( )
n n
p B p B A p A p B A p A p B A p A




TEOREMA DE BAYES:

Sea
1 2
, ,...,
n
A A A un sistema completo de sucesos tales que ( ) 0
i
p A para todo i.
Sea B un suceso cualquiera para el que se conocen las probabilidades ( / )
i
p B A , que
llamaremos verosimilitudes.
Entonces, las probabilidades ( / )
i
p A B vienen dadas por la siguiente expresin:
1 1 2 2
( / ) ( ) ( / ) ( )
( / )
( ) ( / ) ( ) ( / ) ( ) ......... ( / ) ( )
i i i i
i
n n
p B A p A p B A p A
p A B
p B p B A p A p B A p A p B A p A




Nota: A las probabilidades ( )
i
p A se les llama probabilidades a priori y a las
probabilidades ( / )
i
p A B se les llama probabilidades a posteriori.


Ejemplo1:

Se tienen dos urnas
1 2
U U con las siguientes composiciones:

1
U contiene 10 bolas blancas y 7 bolas negras.

2
U contiene 24 bolas blancas y 5 bolas negras
Se saca una bola al azar de la primera urna y sin mirarla se introduce en la segunda. A
continuacin se extrae una bola de la segunda urna y resulta ser negra. Cul es la
probabilidad de que la bola pasada de la primera a la segunda urna haya sido blanca?

Llamemos:
1 1 2
A pasar bolablanca deU aU
2 1 2
A pasar bola negra deU aU
Entonces tenemos:
1 2
10 7
( ) ( )
17 17
p A p A
(Estas son las probabilidades a priori o probabilidades de las causas)
Sea
2
B extraer posteriormentebola negra deU
Podemos calcular las siguientes probabilidades (llamadas verosimilitudes):

1 2
5 6
( / ) ( / )
30 30
p B A p B A

Queremos calcular la probabilidad de que la primera bola que pasamos fuese blanca, es
decir:
1
( / ) p A B .
Aplicando el Teorema de Bayes, resulta:
1 1
1
1 1 2 2
10 5
( / ) ( ) 25
17 30
( / )
10 5 7 6
( / ) ( ) ( / ) ( ) 46
17 30 17 30
p B A p A
p A B
p B A p A p B A p A

Ejemplo 2:

Elegido un individuo al azar y observado por rayos X, se diagnostic que estaba
tuberculoso. La probabilidad de que en la poblacin de la que se eligi el individuo, uno
de ellos sea tuberculoso, es de 0,01.
La probabilidad de que el aparato detecte a un enfermo como tuberculoso, sindolo, es
de 0,97.
La probabilidad de que el aparato detecte como tuberculoso a un individuo sano es de
0,001. Qu podemos decir acerca del diagnstico?

Definimos los siguientes sucesos:
det
T queunindividuo seatuberculoso
T queunindividuo sea sano
A ectar queunindividuoes tuberculoso

Se tienen las siguientes probabilidades:
( ) 0, 01 ( ) 1 ( ) 0, 99
( / ) 0, 97 ( / ) 0, 001
p T P T p T
p A T p A T



En el problema se nos pide encontrar la probabilidad siguiente: p(T/A).

Aplicando el Teorema de Bayes, resulta:

( / ) ( ) 0, 97 0, 01
( / ) 0, 97
( / ) ( ) ( / ) ( ) 0, 97 0, 01 0, 001 0, 99
p A T p T
p T A
p A T p T p A T p T











Ejemplo 3:

Una enfermedad puede ser producida por tres virus: A, B y C. En un laboratorio se
tienen tres tubos con virus A, dos con virus B y cinco con virus C. La probabilidad de
que el virus A produzca la enfermedad es de 1/3, que la produzca el virus B es 2/3 y que
la produzca el virus C es 1/7.
Se inocula un virus a un animal y contrae la enfermedad. Cul es la probabilidad de
que el virus que se le inocul fuera el C?

Llamemos Z al suceso el animal contrae la enfermedad. Tenemos entonces:

3 2 5
( ) ( ) ( )
10 10 10
1 2 1
( / ) ( / ) ( / )
3 3 7
p A p B p C
p Z A p Z B p Z C




Aplicando el Teorema de Bayes, tenemos:

1 5 5
( / ) ( ) 105
7 10 70
( / )
1 3 2 2 1 5 32
( / ) ( ) ( / ) ( ) ( / ) ( ) 448
3 10 3 10 7 10 105
p Z C p C
p C Z
p Z A p A p Z B p B p Z C p C