Teorema de la probabilidad total: fórmula, diagrama de árbol y ejemplos

Teorema de la probabilidad total: fórmula, diagrama de árbol y ejemplos
Índice
  1. Enunciado y fórmula
  2. Demostración
  3. Cómo se usa: el diagrama de árbol
  4. Ejemplos resueltos
    1. Ejemplo 1: piezas defectuosas
    2. Ejemplo 2: urnas y un dado
    3. Ejemplo 3: prueba diagnóstica
    4. Ejemplo 4: extracciones sin reemplazamiento
    5. Ejemplo 5: con dos causas
  5. Errores habituales
  6. Probabilidad total y Bayes: diferencias
  7. Versiones más generales
  8. Preguntas frecuentes
    1. ¿Cuál es la fórmula de la probabilidad total?
    2. ¿Qué es un sistema completo de sucesos?
    3. ¿Qué diferencia hay entre probabilidad total y Bayes?
    4. ¿Cómo se aplica con un diagrama de árbol?
  9. Fuentes

Actualizado el

El teorema de la probabilidad total calcula la probabilidad de un suceso cuando este puede ocurrir por varios caminos que no se solapan: se suma, para cada camino, la probabilidad de ir por él multiplicada por la probabilidad del suceso por ese camino. Es lo que se hace al sumar las ramas de un diagrama de árbol, y es el paso previo al teorema de Bayes.

Enunciado y fórmula

Sean A1, A2, …, An un sistema completo de sucesos: son incompatibles dos a dos (Ai ∩ Aj = ∅ si i ≠ j), su unión es todo el espacio muestral y cada uno tiene probabilidad positiva. Entonces, para cualquier suceso B,

P(B) = P(A1)·P(B | A1) + P(A2)·P(B | A2) + … + P(An)·P(B | An)

o, de forma abreviada, P(B) = Σ P(Ai)·P(B | Ai). Un sistema completo es, en la práctica, una lista de «causas» o «caminos» de la que ocurre siempre exactamente uno: la máquina que fabricó la pieza, la urna elegida, si una persona está enferma o sana.

Demostración

  1. Como los Ai cubren todo el espacio, B = (B ∩ A1) ∪ (B ∩ A2) ∪ … ∪ (B ∩ An).
  2. Esos trozos son incompatibles, porque los Ai lo son. Por el axioma de la suma, P(B) = Σ P(B ∩ Ai).
  3. Por la definición de probabilidad condicionada, P(B ∩ Ai) = P(Ai)·P(B | Ai). Sustituyendo, sale la fórmula.

Solo se usan los axiomas y la definición de probabilidad condicionada, que se repasan en la guía de axiomas y teoremas básicos de la probabilidad.

Cómo se usa: el diagrama de árbol

En un diagrama de árbol, las primeras ramas son los Ai (con sus probabilidades) y de cada una salen las ramas de B y de su contrario (con las probabilidades condicionadas). La regla es sencilla:

  • a lo largo de un camino, se multiplica;
  • entre los caminos que acaban en B, se suma.

Las probabilidades de las ramas que salen de un mismo nudo deben sumar 1; es una buena comprobación.

Ejemplos resueltos

Ejemplo 1: piezas defectuosas

Una fábrica produce con tres máquinas: M1 hace el 50 % de las piezas, M2 el 30 % y M3 el 20 %. Sus porcentajes de piezas defectuosas son 2 %, 3 % y 5 %. ¿Qué probabilidad hay de que una pieza tomada al azar sea defectuosa?

P(D) = 0,5·0,02 + 0,3·0,03 + 0,2·0,05 = 0,010 + 0,009 + 0,010 = 0,029, es decir, un 2,9 %.

Si la pieza resulta defectuosa, ¿qué probabilidad hay de que venga de M3? Es la pregunta inversa, la del teorema de Bayes: P(M3 | D) = 0,010/0,029 ≈ 0,345. La probabilidad total aparece en el denominador.

MáquinaP(Ai)P(D | Ai)Producto
M10,50,020,010
M20,30,030,009
M30,20,050,010
Total10,029

Ejemplo 2: urnas y un dado

La urna U1 tiene 3 bolas rojas y 2 azules; la U2, 1 roja y 4 azules. Se lanza un dado: si sale 1 o 2 se extrae de U1, y si no, de U2. ¿Probabilidad de sacar roja?

P(R) = (2/6)·(3/5) + (4/6)·(1/5) = 1/5 + 2/15 = 1/3.

Ejemplo 3: prueba diagnóstica

Una enfermedad afecta al 1 % de la población. Una prueba da positivo en el 95 % de los enfermos (sensibilidad) y en el 5 % de los sanos (falsos positivos). ¿Qué proporción de las pruebas da positivo?

P(+) = 0,01·0,95 + 0,99·0,05 = 0,0095 + 0,0495 = 0,059.

Casi el 6 % de los resultados son positivos, aunque solo el 1 % de la gente está enferma. Con Bayes: P(enfermo | +) = 0,0095/0,059 ≈ 0,161. Solo uno de cada seis positivos corresponde a un enfermo, porque los sanos son muchos más. Hay más casos así en los ejercicios resueltos de Bayes.

Ejemplo 4: extracciones sin reemplazamiento

Una bolsa tiene 4 bolas blancas y 6 negras. Se sacan dos, una tras otra, sin devolver la primera. ¿Probabilidad de que la segunda sea blanca?

El sistema completo es el color de la primera bola:

P(2.ª blanca) = (4/10)·(3/9) + (6/10)·(4/9) = 12/90 + 24/90 = 36/90 = 0,4.

Es la misma que la de que la primera sea blanca (4/10). No es casualidad: sin información sobre la primera, la segunda bola es igual de «aleatoria» que la primera.

Ejemplo 5: con dos causas

Un estudiante se presenta al examen habiendo estudiado con probabilidad 0,7. Si ha estudiado, aprueba con probabilidad 0,9; si no, con probabilidad 0,3. P(aprobar) = 0,7·0,9 + 0,3·0,3 = 0,63 + 0,09 = 0,72. Aquí el sistema completo tiene solo dos sucesos, A y su contrario Ā, y la fórmula se escribe P(B) = P(A)·P(B | A) + P(Ā)·P(B | Ā).

Errores habituales

  • Usar sucesos que no forman un sistema completo: si se solapan, se cuenta dos veces; si no cubren todos los casos, falta un trozo.
  • Confundir P(B | A) con P(A | B). El 5 % de defectuosas de M3 es P(D | M3); la probabilidad de que una defectuosa venga de M3 es otra cosa (34,5 %).
  • Sumar las probabilidades condicionadas sin multiplicarlas por P(Ai). En el ejemplo 1, 2 % + 3 % + 5 % = 10 % no significa nada.
  • Olvidar que las ramas de cada nudo suman 1.

Probabilidad total y Bayes: diferencias

Probabilidad totalBayes
Pregunta¿Qué probabilidad tiene el efecto B?Sabiendo que ha ocurrido B, ¿qué probabilidad tiene la causa Ai?
FórmulaΣ P(Ai)·P(B | Ai)P(Ai)·P(B | Ai) / P(B)
En el árbolSuma de todas las ramas que llegan a BUna rama dividida entre la suma

Versiones más generales

La fórmula vale igual con un sistema completo de infinitos sucesos (numerable): P(B) = Σi≥1 P(Ai)·P(B | Ai). Con variables continuas, la suma se convierte en una integral: si X tiene densidad f, P(B) = ∫ P(B | X = x)·f(x) dx. Una versión parecida, para esperanzas, es la ley de la esperanza total: E[Y] = Σ P(Ai)·E[Y | Ai].

Preguntas frecuentes

¿Cuál es la fórmula de la probabilidad total?

P(B) = Σ P(A_i)·P(B | A_i), donde A_1, …, A_n forman un sistema completo de sucesos: incompatibles dos a dos y cuya unión es todo el espacio muestral.

¿Qué es un sistema completo de sucesos?

Una colección de sucesos incompatibles entre sí que cubren todos los casos posibles, de modo que siempre ocurre exactamente uno. Por ejemplo, las máquinas que pueden haber fabricado una pieza.

¿Qué diferencia hay entre probabilidad total y Bayes?

La probabilidad total calcula la probabilidad de un efecto sumando todas sus causas. Bayes calcula la probabilidad de una causa sabiendo que ha ocurrido el efecto, y usa la probabilidad total como denominador.

¿Cómo se aplica con un diagrama de árbol?

Se multiplican las probabilidades a lo largo de cada camino y se suman los caminos que terminan en el suceso buscado.

Fuentes

Teoremas

RELACIONADOS

Subir