Ver esquema

Tema 64. Probabilidad compuesta. Probabilidad condicionada. Probabilidad total. Teorema de Bayes.

Temario oficial estatal de referencia — especialidad Matemáticas (Cuerpo de Profesores de Enseñanza Secundaria) · Índice oficial del BOE núm. 226, de 21 de septiembre de 1993, páginas 27400 a 27438 (Orden de 9 de septiembre de 1993, del Ministerio de Educación y Ciencia, BOE-A-1993-23257), Anexo III — cuestionario específico (Parte A) de la especialidad Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria.

Este temario corresponde en exclusiva a la especialidad de Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria (código 590/512) — una de las aproximadamente 50 especialidades oficiales de este cuerpo. No cubre ninguna otra especialidad de Secundaria (Lengua Castellana y Literatura, Geografía e Historia, Física y Química, Biología y Geología, Inglés, Filosofía, Tecnología, Dibujo, Música...) ni los cuerpos de Maestros o de Profesores Técnicos de Formación Profesional, que tienen temarios propios y distintos, todavía no publicados en OpositaGratis. El cuestionario específico (Parte A) que se reproduce aquí es el fijado con carácter estatal por el entonces Ministerio de Educación y Ciencia, y sigue siendo, más de tres décadas después, el temario base que las distintas Administraciones educativas —las 17 comunidades autónomas más Ceuta y Melilla, cada una competente para convocar su propia oposición— citan y desarrollan en sus resoluciones de convocatoria anual, al no existir una versión posterior que lo haya derogado o sustituido con carácter general para esta especialidad. Cada convocatoria autonómica concreta puede añadir particularidades propias (requisitos lingüísticos en comunidades con lengua cooficial, la prueba de programación y unidad didáctica, u otras variaciones menores de redacción), que no están reflejadas en este índice.

Este tema desarrolla las herramientas centrales del cálculo de probabilidades para el estudio de sucesos relacionados entre sí: la probabilidad condicionada, que cuantifica cómo la información sobre la ocurrencia de un suceso modifica la probabilidad de otro; la probabilidad compuesta, que calcula la probabilidad de que ocurran conjuntamente varios sucesos; y los teoremas de la probabilidad total y de Bayes, que permiten calcular probabilidades a partir de una partición del espacio muestral y, de forma inversa, actualizar la probabilidad de una causa a partir de la observación de un efecto. Es un tema de fuerte componente de cálculo con diagramas de árbol y tablas de contingencia, y con aplicaciones de gran relevancia práctica (diagnóstico médico, sistemas judiciales) que lo conectan directamente con el razonamiento crítico ante la evidencia.

← Ver el índice completo del temario

Definición de probabilidad condicionada P(A|B)=P(A∩B)/P(B)

La probabilidad condicionada P(A|B) es la probabilidad de que ocurra el suceso A, sabiendo o suponiendo que el suceso B ya ha ocurrido, y se define formalmente, siempre que P(B) > 0, como el cociente P(A|B) = P(A∩B)/P(B), es decir, la probabilidad de la intersección de ambos sucesos dividida entre la probabilidad del suceso condicionante B. Esta definición formaliza la idea intuitiva de que, al saber que B ha ocurrido, el espacio muestral relevante para valorar la probabilidad de A deja de ser el espacio muestral original completo y pasa a reducirse exclusivamente al propio suceso B, dentro del cual hay que evaluar qué proporción corresponde también al suceso A, es decir, a la intersección A∩B. La probabilidad condicionada P(A|B) satisface todos los axiomas de Kolmogorov de la probabilidad (no negatividad, probabilidad del espacio muestral igual a 1, aditividad para sucesos incompatibles) considerados respecto al nuevo espacio muestral reducido B, lo que permite tratarla formalmente como una probabilidad ordinaria definida sobre dicho espacio reducido. Es importante subrayar que, en general, P(A|B) es distinta de P(B|A), un error de razonamiento muy frecuente conocido como falacia de la transposición condicional, que se estudia con detalle más adelante en este mismo tema al abordar la falacia del fiscal.

Sucesos independientes: P(A∩B)=P(A)·P(B)

Dos sucesos A y B se dicen estadísticamente independientes cuando la ocurrencia o no ocurrencia de uno de ellos no modifica en absoluto la probabilidad del otro, es decir, cuando P(A|B) = P(A) (y, de forma equivalente, P(B|A) = P(B)). Sustituyendo esta condición en la definición general de probabilidad condicionada, P(A|B) = P(A∩B)/P(B) = P(A), se obtiene inmediatamente la conocida regla del producto para sucesos independientes, P(A∩B) = P(A)·P(B), que constituye tanto una consecuencia de la independencia como, alternativamente, su definición formal equivalente y más habitual en los textos, ya que no exige suponer previamente que P(B) sea distinta de cero. La independencia estadística entre dos sucesos debe verificarse matemáticamente, comprobando si se cumple efectivamente esta igualdad, y no debe confundirse nunca con una supuesta ausencia de relación causal entre los fenómenos representados por ambos sucesos, ni darse por sentada intuitivamente sin comprobación: experimentos físicamente independientes entre sí (por ejemplo, dos lanzamientos sucesivos de una misma moneda, o de dos monedas distintas) dan lugar típicamente a sucesos estadísticamente independientes, pero la independencia estadística es, en sentido estricto, una propiedad que debe verificarse a partir de las probabilidades involucradas, no simplemente presuponerse por la naturaleza física de la situación descrita.

Independencia frente a incompatibilidad de sucesos

La independencia y la incompatibilidad son dos propiedades de la relación entre dos sucesos que se confunden con relativa frecuencia por el alumnado, pese a ser conceptualmente muy distintas e, incluso, mutuamente excluyentes en la práctica salvo en casos degenerados. Dos sucesos son incompatibles cuando no pueden ocurrir simultáneamente, es decir, cuando su intersección es el suceso imposible, A∩B = ∅, y por tanto P(A∩B) = 0; dos sucesos son independientes cuando la ocurrencia de uno no altera la probabilidad del otro, condición matemática completamente distinta relacionada con el valor P(A)·P(B). De hecho, si dos sucesos A y B tienen ambos probabilidad estrictamente positiva y son incompatibles entre sí, necesariamente no pueden ser independientes, ya que P(A∩B) = 0 mientras que P(A)·P(B) sería un valor estrictamente positivo, siendo ambos valores por tanto distintos entre sí; en términos intuitivos, si dos sucesos son incompatibles, saber que uno de ellos ha ocurrido proporciona la máxima información posible sobre el otro, a saber, que este último no puede haber ocurrido en absoluto, lo cual es la negación exacta de la independencia. Este resultado contraintuitivo —que sucesos incompatibles con probabilidad positiva son siempre dependientes, nunca independientes— es un contenido de examen frecuente y una fuente habitual de error conceptual entre el alumnado que comienza el estudio de la probabilidad.

Regla del producto o probabilidad compuesta

La regla del producto, o teorema de la probabilidad compuesta, generaliza la fórmula de la probabilidad condicionada para calcular la probabilidad de que ocurran simultáneamente, o de forma sucesiva, dos o más sucesos, despejando P(A∩B) de la propia definición de probabilidad condicionada: P(A∩B) = P(A)·P(B|A) = P(B)·P(A|B), fórmula válida tanto si los sucesos son independientes (en cuyo caso se simplifica a P(A)·P(B), al ser P(B|A) = P(B)) como si son dependientes entre sí. Esta regla se generaliza de forma natural a la intersección de más de dos sucesos mediante la regla de la cadena o del producto generalizado: P(A∩B∩C) = P(A)·P(B|A)·P(C|A∩B), y así sucesivamente para un número cualquiera de sucesos, condicionando cada nuevo suceso a la ocurrencia conjunta de todos los anteriores. La regla del producto es la herramienta fundamental para calcular probabilidades en experimentos compuestos por varias fases o etapas sucesivas, especialmente cuando dichas etapas no son independientes entre sí, como ocurre típicamente en la extracción sucesiva de elementos de una urna sin reemplazamiento, en la que la composición de la urna, y por tanto las probabilidades de cada extracción posterior, se ve alterada por el resultado de cada extracción anterior.

Diagrama de árbol para probabilidad condicionada y compuesta

El diagrama de árbol es la herramienta gráfica de referencia para organizar y calcular sistemáticamente las probabilidades de experimentos compuestos por varias etapas sucesivas, especialmente cuando existen relaciones de dependencia condicionada entre ellas. Se construye representando cada etapa del experimento como un nivel sucesivo de ramificaciones que parten de un nodo común, con cada rama etiquetada con la probabilidad correspondiente al resultado que representa: las ramas del primer nivel llevan las probabilidades simples de cada posible resultado de la primera etapa, y las ramas de los niveles siguientes llevan las probabilidades condicionadas a los resultados de todas las etapas anteriores representadas por el camino recorrido hasta ese punto del árbol. El diagrama de árbol incorpora visualmente dos reglas de cálculo fundamentales: la regla del producto, según la cual la probabilidad de un camino completo desde la raíz hasta una hoja final del árbol se calcula multiplicando todas las probabilidades de las ramas recorridas a lo largo de dicho camino; y la regla de la suma, según la cual, si un mismo suceso final puede alcanzarse a través de varios caminos distintos y mutuamente excluyentes dentro del árbol, su probabilidad total se obtiene sumando las probabilidades de todos esos caminos. Esta representación visual resulta especialmente valiosa didácticamente para organizar de forma sistemática y sin errores el cálculo de probabilidades en problemas con varias etapas condicionadas.

Sistema completo de sucesos (partición del espacio muestral)

Un sistema completo de sucesos, o partición del espacio muestral, es una colección de sucesos A₁, A₂, ..., Aₙ que cumple dos condiciones simultáneamente: en primer lugar, son mutuamente excluyentes o incompatibles entre sí dos a dos, es decir, Aᵢ∩Aⱼ = ∅ para cualquier par de índices distintos i ≠ j, lo que significa que no puede ocurrir más de uno de ellos simultáneamente en una misma realización del experimento; en segundo lugar, son exhaustivos, es decir, su unión cubre la totalidad del espacio muestral, A₁∪A₂∪...∪Aₙ = E, lo que significa que necesariamente ha de ocurrir alguno de ellos en cada realización del experimento, sin dejar ningún resultado posible fuera de la partición. Un sistema completo de sucesos generaliza y formaliza situaciones habituales como clasificar la población de un estudio en grupos de edad mutuamente excluyentes que cubren a toda la población, o describir las distintas causas posibles y mutuamente excluyentes de un determinado efecto observado. Esta noción es el requisito matemático imprescindible que permite aplicar tanto el teorema de la probabilidad total como el teorema de Bayes, ambos formulados precisamente en términos de una partición del espacio muestral en sucesos disjuntos y exhaustivos, ya que ambos teoremas descomponen la probabilidad de un suceso cualquiera como una combinación de sus probabilidades condicionadas a cada uno de los elementos de dicha partición.

Teorema de la probabilidad total

El teorema de la probabilidad total permite calcular la probabilidad total, o marginal, de un suceso cualquiera B cuando se conoce cómo se comporta B condicionado a cada uno de los elementos de un sistema completo de sucesos A₁, A₂, ..., Aₙ que constituye una partición del espacio muestral, mediante la fórmula P(B) = Σᵢ P(Aᵢ)·P(B|Aᵢ), es decir, sumando, para cada elemento de la partición, el producto de su probabilidad por la probabilidad condicionada de B dado ese elemento. Esta fórmula se deduce directamente de la propia definición de partición: puesto que los sucesos Aᵢ son mutuamente excluyentes y exhaustivos, el suceso B puede descomponerse como la unión disjunta de sus intersecciones con cada uno de ellos, B = (B∩A₁)∪(B∩A₂)∪...∪(B∩Aₙ), y aplicando la propiedad de aditividad de la probabilidad para sucesos incompatibles junto con la regla del producto P(B∩Aᵢ) = P(Aᵢ)·P(B|Aᵢ) a cada término de dicha unión, se obtiene directamente la fórmula del teorema. Este resultado resulta especialmente útil cuando el cálculo directo de P(B) resulta difícil o inaccesible, pero se dispone en cambio de información sobre las distintas subpoblaciones o causas posibles (representadas por la partición Aᵢ) y sobre la probabilidad de B condicionada a cada una de ellas, como ocurre típicamente en problemas de producción industrial en varias fábricas o líneas de producción distintas.

Teorema de Bayes: enunciado y deducción

El teorema de Bayes permite invertir el sentido de una probabilidad condicionada, calculando P(Aᵢ|B) —la probabilidad de una de las causas Aᵢ de la partición, sabiendo que se ha observado el efecto o resultado B— a partir de las probabilidades condicionadas en el sentido inverso P(B|Aᵢ), que suelen ser más fáciles de conocer o de estimar directamente. Su fórmula es P(Aᵢ|B) = [P(Aᵢ)·P(B|Aᵢ)] / [Σⱼ P(Aⱼ)·P(B|Aⱼ)], donde el denominador es exactamente la expresión del teorema de la probabilidad total aplicada al cálculo de P(B), lo que evidencia que ambos teoremas están íntimamente relacionados y que el segundo se apoya directamente en el primero. La deducción del teorema es inmediata a partir de la propia definición de probabilidad condicionada, aplicada en ambos sentidos: dado que P(Aᵢ∩B) = P(Aᵢ)·P(B|Aᵢ) = P(B)·P(Aᵢ|B), despejando P(Aᵢ|B) de esta igualdad y sustituyendo P(B) por la expresión del teorema de la probabilidad total se obtiene directamente la fórmula de Bayes. Este resultado, de apariencia puramente algebraica, tiene una interpretación conceptual de enorme trascendencia práctica y filosófica: permite actualizar racionalmente el grado de creencia asignado a una causa o hipótesis a partir de nueva evidencia observada, constituyendo el fundamento matemático de toda una escuela de interpretación de la probabilidad y de la inferencia estadística, la estadística bayesiana.

Probabilidad a priori y a posteriori

En el marco conceptual del teorema de Bayes, las probabilidades P(Aᵢ) de cada elemento de la partición, conocidas o estimadas antes de disponer de la información aportada por la observación del suceso B, reciben el nombre de probabilidades a priori, ya que reflejan el estado de conocimiento o creencia previo a la nueva evidencia. Las probabilidades P(Aᵢ|B), calculadas mediante el teorema de Bayes una vez incorporada la información de que el suceso B ha ocurrido efectivamente, reciben el nombre de probabilidades a posteriori, y representan el estado de conocimiento actualizado, revisado a la luz de dicha evidencia. Este proceso de actualización de una probabilidad a priori en una probabilidad a posteriori mediante la incorporación de nueva evidencia observacional es el núcleo conceptual del razonamiento bayesiano, y puede repetirse de forma iterativa: la probabilidad a posteriori calculada tras observar una primera evidencia puede emplearse, a su vez, como nueva probabilidad a priori para actualizar de nuevo las creencias ante la llegada de una segunda evidencia independiente, en un proceso de aprendizaje probabilístico secuencial que se conecta directamente con métodos actuales de inteligencia artificial y de aprendizaje automático basados en inferencia bayesiana, y que permite formalizar matemáticamente la idea intuitiva de que el conocimiento científico y cotidiano se revisa progresivamente a medida que se dispone de más información.

Aplicación de Bayes al diagnóstico médico y la fiabilidad

El diagnóstico médico mediante pruebas de detección constituye la aplicación más citada del teorema de Bayes, y resulta especialmente ilustrativa de un fenómeno contraintuitivo de gran relevancia sanitaria: incluso una prueba diagnóstica muy fiable puede arrojar un valor predictivo positivo sorprendentemente bajo cuando se aplica a una enfermedad de baja prevalencia en la población. Si se denomina E al suceso "padecer la enfermedad" (con una probabilidad a priori muy baja, la prevalencia de la enfermedad en la población) y + al suceso "dar positivo en la prueba", el teorema de Bayes permite calcular P(E|+), la probabilidad real de padecer la enfermedad tras haber dado positivo, a partir de la sensibilidad de la prueba P(+|E) y de su tasa de falsos positivos P(+|no E), resultando P(E|+) = [P(E)·P(+|E)] / [P(E)·P(+|E) + P(no E)·P(+|no E)]. Cuando la enfermedad es muy poco prevalente, el denominador de esta expresión está dominado por el término P(no E)·P(+|no E), correspondiente a los falsos positivos generados entre la enorme población sana, lo que hace que P(E|+) resulte considerablemente menor de lo que la sensibilidad de la prueba haría intuitivamente suponer, resultado que debe comunicarse con precisión tanto a profesionales sanitarios como a pacientes para evitar interpretaciones erróneas de un resultado positivo.

Falacia de la tasa base

La falacia de la tasa base es el error de razonamiento probabilístico, extraordinariamente extendido incluso entre profesionales con formación técnica, que consiste en ignorar o infravalorar la probabilidad a priori (la tasa base o prevalencia) de un suceso al evaluar la probabilidad a posteriori tras observar una nueva evidencia, centrando la atención exclusivamente en la fiabilidad de dicha evidencia (por ejemplo, la sensibilidad de una prueba diagnóstica) sin tener en cuenta cuán frecuente o infrecuente es en realidad el suceso o la condición que se está evaluando dentro de la población de referencia. El ejemplo del diagnóstico médico descrito en el apartado anterior es el caso paradigmático de esta falacia: interpretar directamente la sensibilidad de una prueba (por ejemplo, un 95 % de aciertos entre los enfermos) como si fuera la probabilidad de estar enfermo dado un resultado positivo, ignorando que la baja prevalencia de la enfermedad en la población general hace que dicha probabilidad real, calculada correctamente mediante el teorema de Bayes, pueda resultar muy inferior a esa cifra inicial. Esta falacia se documenta de forma recurrente en estudios de psicología cognitiva sobre el razonamiento probabilístico humano, y su corrección explícita mediante el teorema de Bayes constituye uno de los objetivos didácticos más relevantes, desde el punto de vista de la alfabetización estadística y del pensamiento crítico, de todo este tema del temario.

Falacia del fiscal

La falacia del fiscal es un error de razonamiento probabilístico específico, de gran relevancia en el ámbito judicial y forense, que consiste en confundir la probabilidad condicionada P(evidencia|inocencia) —la probabilidad de que aparezca una determinada evidencia si el acusado fuera efectivamente inocente— con la probabilidad condicionada inversa P(inocencia|evidencia) —la probabilidad de que el acusado sea inocente, dado que dicha evidencia ha aparecido—, dos magnitudes que, como se ha visto al estudiar la probabilidad condicionada, no tienen por qué coincidir en absoluto, ni siquiera aproximadamente. Un ejemplo típico de esta falacia consiste en argumentar que, dado que la probabilidad de que una determinada coincidencia de ADN se produzca por puro azar entre dos personas no relacionadas es extremadamente baja (por ejemplo, una entre varios millones), la probabilidad de que el acusado sea inocente, habiéndose encontrado dicha coincidencia, es igualmente extremadamente baja; este razonamiento ignora por completo la probabilidad a priori de que el acusado fuera efectivamente el autor del delito antes de considerar la evidencia del ADN, y omite además el tamaño de la población de posibles sospechosos entre los que podría producirse igualmente dicha coincidencia por azar. Esta falacia ha sido invocada como causa documentada de errores judiciales reales, lo que subraya la relevancia práctica, más allá del ámbito puramente académico, de un manejo riguroso del teorema de Bayes y de la probabilidad condicionada.

Independencia mutua frente a independencia dos a dos

Cuando se trabaja con más de dos sucesos simultáneamente, es necesario distinguir con precisión entre la independencia dos a dos (o independencia por pares) y la independencia mutua (o independencia conjunta), dos nociones que, contra la intuición inicial, no son equivalentes entre sí. Un conjunto de sucesos A₁, A₂, ..., Aₙ es independiente dos a dos cuando cada pareja de sucesos tomada de forma aislada cumple la condición de independencia, P(Aᵢ∩Aⱼ) = P(Aᵢ)·P(Aⱼ) para todo par i ≠ j; es mutuamente independiente, una condición matemáticamente más exigente, cuando esta factorización del producto se cumple no solo para cada pareja, sino también simultáneamente para cualquier subconjunto de tres o más sucesos tomados conjuntamente, P(Aᵢ∩Aⱼ∩Aₖ) = P(Aᵢ)·P(Aⱼ)·P(Aₖ), y así sucesivamente para todos los subconjuntos posibles. Existen ejemplos clásicos, construidos deliberadamente en los manuales de probabilidad, de conjuntos de tres sucesos que son independientes dos a dos pero no mutuamente independientes, en los que conocer la ocurrencia simultánea de dos de los tres sucesos sí aporta información relevante sobre la probabilidad del tercero, pese a que cada pareja tomada de forma aislada satisface la condición de independencia. Esta distinción, de apariencia técnica, es relevante para evitar generalizar erróneamente propiedades de independencia por pares al caso de varios sucesos considerados conjuntamente.

Tablas de contingencia y probabilidad condicionada

La tabla de contingencia, ya estudiada en el tema 62 como herramienta descriptiva para variables bidimensionales, resulta también un instrumento de cálculo extraordinariamente útil y visual para resolver problemas de probabilidad condicionada, compuesta, total y de Bayes, especialmente cuando los datos del problema se presentan de forma natural en dicho formato de doble entrada. A partir de una tabla de contingencia que recoja las frecuencias absolutas o relativas conjuntas de dos sucesos categorizados en filas y columnas, es posible calcular directamente cualquier probabilidad simple (dividiendo la frecuencia marginal correspondiente entre el total), cualquier probabilidad conjunta o de intersección (dividiendo la frecuencia de la celda correspondiente entre el total) y cualquier probabilidad condicionada (dividiendo la frecuencia de la celda correspondiente entre la frecuencia marginal de la fila o columna que representa el suceso condicionante), sin necesidad de recurrir explícitamente a las fórmulas algebraicas generales, ya que la propia estructura de la tabla incorpora visualmente toda la información necesaria. Esta vía alternativa de resolución mediante tabla de contingencia, especialmente recomendable en problemas con datos numéricos concretos de frecuencias o de porcentajes de una población dividida según dos criterios cruzados, complementa al diagrama de árbol como herramienta de organización visual del cálculo de probabilidades, siendo frecuentemente más eficiente que este último cuando el problema no involucra explícitamente varias etapas temporales sucesivas.

Sensibilidad, especificidad y valor predictivo en pruebas diagnósticas

La evaluación estadística de una prueba diagnóstica se realiza mediante cuatro magnitudes basadas en probabilidades condicionadas, estrechamente relacionadas entre sí y con el teorema de Bayes. La sensibilidad es la probabilidad de que la prueba dé positivo entre los individuos que efectivamente padecen la enfermedad, P(+|enfermo), y mide la capacidad de la prueba para detectar correctamente a los verdaderos enfermos, evitando falsos negativos. La especificidad es la probabilidad de que la prueba dé negativo entre los individuos sanos, P(-|sano), y mide su capacidad para no generar falsas alarmas entre la población libre de la enfermedad, evitando falsos positivos. Estas dos magnitudes son propiedades intrínsecas de la prueba diagnóstica, independientes de la prevalencia de la enfermedad en la población concreta a la que se aplique. En cambio, el valor predictivo positivo, P(enfermo|+), y el valor predictivo negativo, P(sano|-), sí dependen crucialmente de la prevalencia de la enfermedad, ya que se calculan precisamente mediante el teorema de Bayes a partir de la sensibilidad, la especificidad y dicha prevalencia; son estas dos últimas magnitudes, y no la sensibilidad ni la especificidad de la ficha técnica de la prueba, las que responden verdaderamente a la pregunta clínicamente relevante para un paciente concreto: dado mi resultado, ¿cuál es realmente la probabilidad de que padezca la enfermedad?

El problema de Monty Hall como aplicación de Bayes

El problema de Monty Hall, nombrado en referencia al presentador del concurso televisivo estadounidense "Let's Make a Deal", es un célebre problema de probabilidad condicionada, notorio por resultar profundamente contraintuitivo incluso para matemáticos profesionales cuando fue popularizado en 1990 por la columna de Marilyn vos Savant en la revista Parade. El concursante elige inicialmente una de tres puertas, tras una de las cuales se esconde un premio y tras las otras dos, nada; el presentador, que conoce con certeza dónde está el premio, abre a continuación una de las dos puertas restantes que el concursante no ha elegido, mostrando siempre que dicha puerta no contiene el premio, y ofrece entonces al concursante la posibilidad de cambiar su elección inicial por la otra puerta que permanece cerrada. La resolución rigurosa del problema mediante el teorema de Bayes o mediante un diagrama de árbol demuestra que cambiar de puerta (siempre que el presentador abra una puerta sin premio y sepa dónde está) duplica exactamente la probabilidad de ganar el premio, pasando de 1/3 (la probabilidad de la elección inicial, que no cambia por el hecho de que el presentador abra una puerta que ya sabía vacía) a 2/3 si se cambia; la clave del resultado, contraria a la intuición de muchas personas que suponen erróneamente que, al quedar solo dos puertas, la probabilidad se reparte por igual entre ambas (50-50), reside en que la acción del presentador, al conocer de antemano dónde está el premio, no es un evento aleatorio ni ajeno a la información disponible, sino que aporta información relevante que actualiza las probabilidades de forma no simétrica.

Reducción del espacio muestral en la probabilidad condicionada

La interpretación conceptual más intuitiva y didácticamente valiosa de la probabilidad condicionada P(A|B) consiste en entenderla como una reducción del espacio muestral original de referencia: al saber, o al suponer, que el suceso B ha ocurrido efectivamente, el espacio de resultados posibles que debe considerarse para evaluar cualquier otra probabilidad deja de ser el espacio muestral completo E del experimento y pasa a limitarse exclusivamente a los resultados que forman parte de B, ya que cualquier resultado fuera de B queda descartado por la propia información disponible. Dentro de este nuevo espacio muestral reducido, formado únicamente por los elementos de B, la probabilidad condicionada de A dado B es simplemente la proporción de dicho espacio reducido que corresponde también al suceso A, es decir, la proporción que representa la intersección A∩B dentro del total de B, lo que explica de forma intuitiva y visual (especialmente en el caso de espacios muestrales finitos representables mediante diagramas de Venn) por qué la fórmula de la probabilidad condicionada divide precisamente P(A∩B) entre P(B): esta última magnitud actúa como el nuevo total de referencia, de manera análoga a como, en una tabla de contingencia, calcular una probabilidad condicionada equivale a dividir la frecuencia de una celda concreta entre la frecuencia marginal de la fila o columna correspondiente al suceso que se toma como condición.

Thomas Bayes y su ensayo póstumo de 1763

Thomas Bayes (c. 1701-1761) fue un matemático y ministro presbiteriano inglés cuyo trabajo más influyente, el ensayo titulado "An Essay towards solving a Problem in the Doctrine of Chances", no se publicó en vida del autor, sino póstumamente en 1763, dos años después de su muerte, gracias a la gestión de su amigo Richard Price, quien recuperó, editó y presentó el manuscrito ante la Royal Society de Londres. En dicho ensayo, Bayes abordaba de forma pionera el problema de la inferencia inversa en probabilidad: cómo determinar la probabilidad de una causa desconocida a partir de la observación de sus efectos, planteamiento que constituye el germen conceptual directo del teorema que posteriormente llevaría su nombre, aunque la formulación matemática moderna y general del resultado, tal como se enseña hoy, se debe en gran medida al desarrollo posterior realizado por Pierre-Simon Laplace de forma independiente y más sistemática a finales del siglo XVIII. El nombre "bayesiano", aplicado en la actualidad a toda una escuela filosófica y metodológica de interpretación de la probabilidad como grado de creencia racional actualizable mediante evidencia, y no solo como frecuencia relativa a largo plazo, es un homenaje histórico a esta contribución pionera, aunque su desarrollo teórico y su aplicación práctica generalizada son considerablemente posteriores al propio Bayes.

Uso del diagrama de árbol para organizar cálculos de probabilidad compuesta

Más allá de su utilidad como herramienta de cálculo puntual ya descrita, el diagrama de árbol desempeña un papel metodológico y didáctico central en la resolución sistemática de problemas complejos de probabilidad compuesta que combinan varias reglas simultáneamente —regla del producto, regla de la suma, probabilidad total y teorema de Bayes—, ya que su estructura visual jerárquica evita errores de omisión de casos o de doble contabilización que resultan relativamente frecuentes cuando dichos problemas se abordan de forma puramente algebraica y abstracta, sin ningún apoyo gráfico. En problemas que requieren aplicar el teorema de Bayes, resulta especialmente eficaz construir en primer lugar el árbol completo del experimento en su sentido natural o cronológico (por ejemplo, primero la causa Aᵢ, después el efecto observado B, en ese orden), calcular sobre dicho árbol todas las probabilidades de los caminos completos necesarias para aplicar el teorema de la probabilidad total, y emplear después directamente esos mismos valores, ya calculados y organizados, como numerador y denominador de la fórmula de Bayes, sin necesidad de reconstruir un árbol "invertido" en el sentido causa-efecto contrario, procedimiento que resulta tanto más eficiente como menos propenso a errores que intentar razonar directamente en el sentido inverso del árbol original.

Aplicación del teorema de Bayes a la actualización de creencias con nueva evidencia

Más allá de sus aplicaciones concretas al diagnóstico médico o al ámbito judicial, el teorema de Bayes proporciona el marco matemático general y formal para modelizar el proceso racional de actualización de creencias o de grados de confianza ante la llegada de nueva evidencia, un proceso presente de forma implícita en el razonamiento científico, en la toma de decisiones cotidianas y, de forma cada vez más explícita, en numerosos algoritmos de inteligencia artificial y de aprendizaje automático contemporáneos, como los filtros de correo electrónico no deseado (spam) basados en clasificadores bayesianos ingenuos, o los sistemas de reconocimiento de voz y de traducción automática que incorporan modelos probabilísticos bayesianos. Este proceso de actualización bayesiana se caracteriza por su naturaleza esencialmente iterativa y acumulativa: cada nueva pieza de evidencia observada permite refinar progresivamente una probabilidad a priori inicial, obteniendo una probabilidad a posteriori que, a su vez, sirve de punto de partida (nueva probabilidad a priori) para la incorporación de la siguiente evidencia disponible, en un ciclo continuo de aprendizaje que converge, a medida que se acumula suficiente evidencia, hacia una estimación cada vez más precisa y fiable de la probabilidad real del suceso o hipótesis considerado, con independencia, dentro de ciertos límites razonables, de cuál fuera la estimación inicial de partida antes de disponer de dicha evidencia.

Distinción entre probabilidad condicionada y probabilidad conjunta

La probabilidad conjunta P(A∩B) y la probabilidad condicionada P(A|B) son dos magnitudes estrechamente relacionadas mediante la regla del producto, pero conceptual y numéricamente distintas, cuya confusión constituye un error frecuente en la resolución de problemas de probabilidad. La probabilidad conjunta P(A∩B) responde a la pregunta "¿cuál es la probabilidad de que ocurran simultáneamente tanto A como B, evaluada sobre el espacio muestral original completo del experimento?", sin ninguna restricción ni condición previa sobre dicho espacio; la probabilidad condicionada P(A|B) responde en cambio a una pregunta distinta, "dado que B ya ha ocurrido con toda seguridad, ¿cuál es ahora la probabilidad de que ocurra A?", evaluada exclusivamente dentro del espacio muestral reducido a los casos en que B se cumple. Numéricamente, ambas magnitudes coinciden cuando P(B) = 1 (el suceso condicionante es prácticamente seguro) o cuando P(A∩B) = 0 (en cuyo caso ambas valen cero, sea cual sea P(B)); en el resto de los casos, con P(A∩B) > 0 y P(B) < 1, P(A|B) es siempre mayor que P(A∩B), ya que se obtiene dividiendo esta última entre P(B), un número estrictamente menor que 1. Distinguir con precisión ambas magnitudes, y saber en qué situaciones concretas del enunciado de un problema corresponde calcular una u otra, es una de las principales dificultades de comprensión que debe abordar explícitamente la enseñanza de la probabilidad condicionada en Secundaria y Bachillerato.

Propiedades de la probabilidad condicionada y cotas de la intersección

Fijado un suceso B con P(B) > 0, la función A ↦ P(A|B) es una probabilidad y, por tanto, cumple todas las propiedades generales: P(Ω|B) = 1, P(∅|B) = 0, P(A'|B) = 1 - P(A|B) (el complementario se toma respecto del mismo suceso condicionante) y P(A∪C|B) = P(A|B) + P(C|B) - P(A∩C|B). Además, si B ⊂ A entonces P(A|B) = 1, y si A y B son incompatibles entonces P(A|B) = 0. Una confusión muy habitual es creer que P(A|B') = 1 - P(A|B): es falso en general, ya que se trata de condicionar a sucesos distintos. Para la intersección de dos sucesos se cumplen las cotas de Fréchet: max(0, P(A) + P(B) - 1) ≤ P(A∩B) ≤ min(P(A), P(B)), útiles para comprobar la coherencia de los datos de un problema. Por ejemplo, si P(A) = 0,7 y P(B) = 0,6, la intersección está necesariamente entre 0,3 y 0,6. Un ejercicio típico: al lanzar un dado, la probabilidad de obtener un 6 sabiendo que ha salido un número par es P(6|par) = (1/6)/(1/2) = 1/3.

Independencia y sucesos complementarios; independencia de tres o más sucesos

Si A y B son independientes, también lo son A y B', A' y B, y A' y B'. En efecto, P(A∩B') = P(A) - P(A∩B) = P(A) - P(A)P(B) = P(A)(1 - P(B)) = P(A)P(B'). Este resultado se utiliza continuamente al calcular probabilidades del tipo P(ningún suceso) = P(A₁')·P(A₂')·...·P(Aₙ') para sucesos independientes, o P(al menos uno) = 1 - P(A₁')·...·P(Aₙ'). Para tres sucesos, la independencia mutua exige cuatro igualdades: P(A∩B) = P(A)P(B), P(A∩C) = P(A)P(C), P(B∩C) = P(B)P(C) y P(A∩B∩C) = P(A)P(B)P(C). Ejemplo clásico de independencia dos a dos sin independencia mutua: se lanzan dos monedas equilibradas y se consideran los sucesos A = «la primera sale cara», B = «la segunda sale cara» y C = «las dos monedas coinciden». Cada uno tiene probabilidad 1/2 y las tres intersecciones por pares tienen probabilidad 1/4 = (1/2)(1/2), pero P(A∩B∩C) = P({CC}) = 1/4 ≠ 1/8. También existe la independencia condicional: A y B son independientes dado C si P(A∩B|C) = P(A|C)P(B|C), propiedad que no equivale a la independencia incondicional.

Experimentos con y sin reemplazamiento: ejemplos resueltos

En una urna con 5 bolas rojas y 3 azules se extraen dos bolas consecutivas. Con reemplazamiento, las extracciones son independientes: P(dos rojas) = (5/8)(5/8) = 25/64. Sin reemplazamiento, la segunda extracción depende de la primera: P(dos rojas) = (5/8)(4/7) = 20/56 = 5/14. La probabilidad de obtener una de cada color sin reemplazamiento es P(R1∩A2) + P(A1∩R2) = (5/8)(3/7) + (3/8)(5/7) = 30/56 = 15/28. En una baraja española de 40 cartas, la probabilidad de extraer dos ases seguidos sin devolución es (4/40)(3/39) = 12/1560 = 1/130. Cuando interesa la probabilidad de «al menos uno», conviene calcular el complementario: la probabilidad de obtener al menos una bola azul en las dos extracciones sin reemplazamiento es 1 - 5/14 = 9/14. Estos problemas ilustran que el método de la regla del producto con probabilidades condicionadas es el adecuado para extracciones sucesivas sin devolución, mientras que con devolución basta multiplicar las probabilidades simples.

Probabilidad total y Bayes: ejemplo numérico completo

Tres máquinas A, B y C fabrican, respectivamente, el 50 %, el 30 % y el 20 % de las piezas de una fábrica, y producen piezas defectuosas en el 1 %, el 2 % y el 3 % de los casos. Por el teorema de la probabilidad total, P(D) = 0,5·0,01 + 0,3·0,02 + 0,2·0,03 = 0,005 + 0,006 + 0,006 = 0,017. Si se elige una pieza al azar y resulta defectuosa, la probabilidad de que proceda de cada máquina (probabilidades a posteriori) es, por Bayes, P(A|D) = 0,005/0,017 ≈ 0,294, P(B|D) = 0,006/0,017 ≈ 0,353 y P(C|D) = 0,006/0,017 ≈ 0,353; estos valores suman 1, como debe ser, y muestran que la máquina A, que produce la mitad de las piezas, es la responsable de menos de un tercio de los defectos. El esquema de resolución consta de cuatro pasos: definir los sucesos y la partición, escribir las probabilidades a priori y las condicionadas, calcular la probabilidad total (denominador común) y obtener las probabilidades a posteriori dividiendo cada término del numerador entre dicha probabilidad total.

Diagnóstico con frecuencias naturales: un ejemplo numérico

Sea una prueba de cribado con sensibilidad del 95 % y especificidad del 95 %, aplicada a una población en la que la prevalencia de la condición evaluada es del 1 %. Con probabilidades: P(+) = 0,01·0,95 + 0,99·0,05 = 0,0095 + 0,0495 = 0,059 y el valor predictivo positivo es P(enfermo|+) = 0,0095/0,059 ≈ 0,161, es decir, solo un 16,1 %. Con frecuencias naturales (método propuesto por Gerd Gigerenzer para facilitar el razonamiento bayesiano), en 10 000 personas hay 100 con la condición, de las que 95 dan positivo, y 9 900 sin ella, de las que 495 dan positivo por error (falsos positivos): entre los 590 positivos, solo 95 son verdaderos, y 95/590 ≈ 16,1 %. El valor predictivo negativo es P(sano|-) = (0,99·0,95)/(0,99·0,95 + 0,01·0,05) = 0,9405/0,941 ≈ 0,9995. Se aprecia que un resultado negativo es muy informativo, y un positivo poco concluyente cuando la prevalencia es baja. Si la prevalencia fuera del 20 %, el valor predictivo positivo subiría a 0,19/(0,19 + 0,04) ≈ 0,826, lo que ilustra que depende de la prevalencia, mientras que la sensibilidad y la especificidad son propias de la prueba.

Bayes en forma de razón de verosimilitud (odds)

El teorema de Bayes admite una formulación equivalente en términos de cuotas (odds), muy utilizada en medicina y en análisis forense. La cuota a priori de una hipótesis H es P(H)/P(H'); la razón de verosimilitud (likelihood ratio) de una evidencia E es LR = P(E|H)/P(E|H'); y la cuota a posteriori es el producto de ambas: P(H|E)/P(H'|E) = [P(H)/P(H')]·LR. En una prueba diagnóstica, la razón de verosimilitud de un resultado positivo es LR+ = sensibilidad/(1 - especificidad), y la de un resultado negativo es LR- = (1 - sensibilidad)/especificidad. Con sensibilidad y especificidad del 95 %, LR+ = 0,95/0,05 = 19. Si la prevalencia es del 1 %, la cuota a priori es 1/99 y la cuota a posteriori es 19/99; la probabilidad a posteriori resulta 19/(99 + 19) = 19/118 ≈ 0,161, el mismo valor que con la fórmula de Bayes. Esta formulación muestra de forma transparente que la evidencia multiplica la cuota inicial por un factor fijo, y permite encadenar varias pruebas independientes multiplicando sus razones de verosimilitud.

Actualización secuencial de Bayes: ejemplo de la moneda de dos caras

Una caja contiene dos monedas: una equilibrada y otra con dos caras. Se elige una al azar y se lanza. La probabilidad a priori de que sea la de dos caras es 1/2. Si sale cara, la probabilidad a posteriori es P(bicara|cara) = (1/2·1)/(1/2·1 + 1/2·1/2) = (1/2)/(3/4) = 2/3. Si se lanza la misma moneda otra vez y vuelve a salir cara, se toma 2/3 como nueva probabilidad a priori: P(bicara|dos caras) = (2/3·1)/(2/3·1 + 1/3·1/2) = (2/3)/(5/6) = 4/5. Se obtiene el mismo resultado calculando directamente con las dos caras: (1/2·1)/(1/2·1 + 1/2·1/4) = (1/2)/(5/8) = 4/5. Tras tres caras seguidas sería 8/9 y, en general, tras n caras, 2ⁿ/(2ⁿ + 1). Este ejemplo muestra la propiedad de coherencia de la actualización bayesiana (procesar la evidencia de una vez o paso a paso da el mismo resultado) y cómo la evidencia acumulada va dominando sobre la creencia inicial.

El problema de Monty Hall: análisis con árbol y variantes

Sean las puertas 1, 2 y 3, y supóngase que el concursante elige la 1. Si el premio está en la 1 (probabilidad 1/3), el presentador abre la 2 o la 3 con probabilidad 1/2 cada una; si el premio está en la 2 (probabilidad 1/3), el presentador abre necesariamente la 3; si está en la 3 (probabilidad 1/3), abre necesariamente la 2. Supóngase que abre la 3. Por Bayes: P(premio en 1 | abre 3) = (1/3·1/2)/(1/3·1/2 + 1/3·1 + 0) = (1/6)/(1/2) = 1/3, y P(premio en 2 | abre 3) = (1/3)/(1/2) = 2/3. Por tanto, cambiar duplica la probabilidad de ganar. El resultado depende de las hipótesis del enunciado: el presentador sabe dónde está el premio, siempre abre una puerta no elegida sin premio y, si puede elegir, lo hace al azar. Si el presentador abriera una puerta al azar sin conocer el premio y esta resultara vacía por casualidad (variante conocida como Monty Fall), las dos puertas restantes serían equiprobables (1/2) y cambiar no ofrecería ventaja. Otro problema relacionado es la caja de Bertrand (1889): hay tres cajas con dos monedas cada una (oro-oro, plata-plata, oro-plata); si se extrae al azar una moneda de oro, la probabilidad de que la otra moneda de esa caja también sea de oro es 2/3, no 1/2.

Problema de los dos hijos y dependencia de la información

Una familia tiene dos hijos y se supone equiprobabilidad de sexos y de orden, con espacio muestral {HH, HM, MH, MM}. Si se sabe que el mayor es un niño, el espacio se reduce a {HH, HM} y la probabilidad de que ambos sean niños es 1/2. Si solo se sabe que al menos uno es un niño, el espacio se reduce a {HH, HM, MH} y la probabilidad de que ambos sean niños es 1/3. Los dos enunciados parecen similares pero aportan información distinta, y de ahí la diferencia. Este problema subraya que la probabilidad condicionada depende de cómo se obtuvo la información, no solo de su contenido, y que los enunciados ambiguos deben interpretarse precisando el procedimiento por el que se adquiere el conocimiento. Es una excelente actividad de aula para insistir en el método correcto: escribir el espacio muestral, tachar los casos incompatibles con la información y calcular la proporción de casos favorables.

Falacia del fiscal, falacia de la defensa y casos judiciales

Además de la falacia del fiscal, existe la falacia de la defensa, que consiste en minimizar el valor de una evidencia porque muchas personas de la población podrían presentarla, olvidando que la evidencia sí eleva la probabilidad de culpabilidad respecto a su valor previo. Un ejemplo numérico: si la probabilidad de coincidencia aleatoria de un perfil es de 1 entre un millón y en la población de posibles autores hay un millón de inocentes, cabe esperar aproximadamente un falso coincidente además del culpable, y la probabilidad de que un individuo con coincidencia sea el culpable ronda 1/2, no 0,999999. Un caso documentado de uso incorrecto de las probabilidades en los tribunales es el de Sally Clark en el Reino Unido, condenada en 1999 en un proceso en el que un perito multiplicó probabilidades como si fueran independientes y presentó la cifra de una entre 73 millones; la Real Sociedad de Estadística criticó públicamente ese razonamiento y la condena fue anulada en 2003. Otro antecedente es People v. Collins (California, 1968), donde se aplicó indebidamente la regla del producto a rasgos no independientes. Estos casos son excelentes ejemplos de por qué la formación en probabilidad condicionada tiene relevancia social.

Paradoja de Simpson con tablas de contingencia: ejemplo numérico

La paradoja de Simpson muestra que una asociación observada en cada subgrupo puede invertirse al agrupar los datos. Ejemplo ilustrativo (datos inventados para el aula): un tratamiento A se aplica a 10 casos leves y 90 casos graves, con 9 y 36 éxitos respectivamente; un tratamiento B se aplica a 90 casos leves y 10 casos graves, con 72 y 3 éxitos. Entre los casos leves, A tiene un 90 % de éxito frente al 80 % de B; entre los graves, A tiene un 40 % frente al 30 % de B. Sin embargo, en conjunto A obtiene 45/100 = 45 % y B 75/100 = 75 %. La explicación es que existe una variable de confusión (la gravedad), que se reparte de forma muy distinta entre los tratamientos: A se aplica sobre todo a los casos graves. Desde el punto de vista de la probabilidad condicionada, la paradoja se debe a que P(éxito|A) es un promedio ponderado de P(éxito|A, leve) y P(éxito|A, grave) con pesos distintos para A y para B, y por eso no tiene por qué mantener el orden de las probabilidades condicionadas. El análisis correcto depende de la estructura causal del problema, y casi siempre exige comparar dentro de los subgrupos.

Errores típicos y estrategia de resolución

Los errores más habituales en los problemas de este tema son: aplicar la regla del producto P(A)·P(B) sin comprobar la independencia; confundir P(A|B) con P(B|A); usar las probabilidades condicionadas como si sumaran uno cuando condicionan a sucesos distintos; en un diagrama de árbol, escribir en las ramas probabilidades no condicionadas o dejar que las ramas que salen de un mismo nodo no sumen 1; olvidar que la partición debe ser completa (incompatible y exhaustiva); calcular el denominador de Bayes con una sola rama en lugar de con todas; confundir sensibilidad con valor predictivo positivo; deducir independencia a partir de que dos sucesos son incompatibles o a partir de que no hay relación causal aparente. Como estrategia general, se recomienda: leer con atención qué se da y qué se pide, nombrar los sucesos, decidir si interesa una intersección, una condicionada, una probabilidad total o una probabilidad a posteriori, elegir la herramienta (árbol, tabla de contingencia, frecuencias naturales) y, al final, comprobar que el resultado es razonable (entre 0 y 1) y coherente con el contexto.

Ideas clave para el examen — memoriza esto

  • Probabilidad condicionada: P(A|B)=P(A∩B)/P(B), interpretable como reducción del espacio muestral a B.
  • En general P(A|B) ≠ P(B|A) — confundirlas es la falacia de la transposición condicional, base de la falacia del fiscal.
  • Independencia: P(A∩B)=P(A)·P(B) ⟺ P(A|B)=P(A). Debe verificarse matemáticamente, no presuponerse por la física del experimento.
  • Sucesos incompatibles con probabilidad positiva NUNCA son independientes: si A∩B=∅ pero P(A),P(B)>0, entonces P(A∩B)=0≠P(A)·P(B).
  • Regla del producto (probabilidad compuesta): P(A∩B)=P(A)·P(B|A); se generaliza a la regla de la cadena para más de dos sucesos.
  • Sistema completo de sucesos (partición): sucesos mutuamente excluyentes (Aᵢ∩Aⱼ=∅) y exhaustivos (∪Aᵢ=E); requisito de probabilidad total y Bayes.
  • Probabilidad total: P(B)=Σ P(Aᵢ)·P(B|Aᵢ) — suma sobre toda la partición de causas.
  • Teorema de Bayes: P(Aᵢ|B) = P(Aᵢ)P(B|Aᵢ) / Σⱼ P(Aⱼ)P(B|Aⱼ); invierte el sentido de una probabilidad condicionada conocida.
  • Probabilidad a priori (antes de la evidencia) frente a a posteriori (después de incorporar la evidencia observada) — proceso iterativo de actualización bayesiana.
  • Falacia de la tasa base: ignorar la prevalencia (probabilidad a priori) al interpretar un resultado positivo de una prueba, sobrestimando el valor predictivo positivo.
  • Sensibilidad P(+|enfermo) y especificidad P(-|sano) son propiedades de la prueba (no dependen de la prevalencia); el valor predictivo positivo/negativo SÍ depende de la prevalencia vía Bayes.
  • Falacia del fiscal: confundir P(evidencia|inocencia) con P(inocencia|evidencia); ha causado errores judiciales documentados.
  • Independencia dos a dos no implica independencia mutua para 3 o más sucesos (existen contraejemplos construidos deliberadamente).
  • Problema de Monty Hall: cambiar de puerta duplica la probabilidad de ganar (de 1/3 a 2/3), porque la apertura del presentador aporta información no aleatoria.
  • Thomas Bayes (ensayo póstumo, 1763, publicado por Richard Price); la formulación general moderna se debe sobre todo a Laplace.
  • La tabla de contingencia y el diagrama de árbol son las dos herramientas visuales de cálculo para probabilidad condicionada, compuesta, total y Bayes.
  • P(A∩B) y P(A|B) coinciden si P(B)=1, o trivialmente si P(A∩B)=0; en los demás casos P(A|B) > P(A∩B), ya que se divide entre P(B)<1.
  • P(·|B) es una probabilidad: P(A'|B)=1-P(A|B), pero P(A|B') ≠ 1-P(A|B). Si B⊂A, P(A|B)=1; si A∩B=∅, P(A|B)=0.
  • Cotas de Fréchet: max(0, P(A)+P(B)-1) ≤ P(A∩B) ≤ min(P(A),P(B)). Útiles para validar los datos de un problema.
  • Si A y B son independientes, también lo son (A,B'), (A',B) y (A',B'). Para 'al menos uno' entre sucesos independientes: 1-ΠP(Aᵢ').
  • Independencia mutua de tres sucesos exige 4 igualdades (3 por pares + la triple). Contraejemplo: 2 monedas, A=1ª cara, B=2ª cara, C=coinciden: independientes 2 a 2 pero P(A∩B∩C)=1/4≠1/8.
  • Urna sin reemplazamiento: se multiplican probabilidades condicionadas (5/8·4/7=5/14); con reemplazamiento, independientes (25/64). Baraja de 40: P(dos ases seguidos)=4/40·3/39=1/130.
  • Ejemplo de referencia: P(D)=0,5·0,01+0,3·0,02+0,2·0,03=0,017; P(A|D)=0,005/0,017≈0,294. Las probabilidades a posteriori de la partición suman 1.
  • Prueba con sensibilidad 95 %, especificidad 95 % y prevalencia 1 %: VPP≈16,1 % (95 de 590 positivos en 10 000 personas); VPN≈99,95 %. El VPP sube a ≈82,6 % si la prevalencia es del 20 %.
  • Bayes en odds: cuota a posteriori = cuota a priori × razón de verosimilitud; LR+ = sensibilidad/(1-especificidad); LR- = (1-sensibilidad)/especificidad.
  • La actualización secuencial es coherente: moneda de dos caras entre dos monedas, tras n caras seguidas P=2ⁿ/(2ⁿ+1) (2/3, 4/5, 8/9...).
  • Monty Hall: cambiar da 2/3 solo si el presentador sabe dónde está el premio y siempre abre una puerta vacía. Si abre al azar y resulta vacía (Monty Fall), 1/2. Caja de Bertrand: 2/3.
  • Dos hijos: 'el mayor es niño' → 1/2; 'al menos uno es niño' → 1/3. La probabilidad condicionada depende del modo de obtener la información.
  • Falacia del fiscal: P(E|inocente) ≠ P(inocente|E). Falacia de la defensa: ignorar que la evidencia aumenta la probabilidad de culpabilidad. Caso Sally Clark (condena 1999, anulada en 2003).
  • Paradoja de Simpson: una tendencia presente en cada subgrupo puede invertirse al agregar por una variable de confusión (ejemplo: 90 % vs 80 % y 40 % vs 30 % pero 45 % vs 75 % en conjunto).
  • Thomas Bayes (c. 1701-1761); ensayo publicado en 1763 por Richard Price. Laplace (1774) formuló de forma independiente y generalizó el principio de probabilidad de las causas.
Ver el esquema con tus propios subrayados →

Ponte a prueba

12 preguntas sobre este tema, en orden aleatorio. Sin registro, sin límite de intentos.

Pregunta 1 de 120 aciertos

Si A y B son sucesos incompatibles con P(A) > 0 y P(B) > 0, ¿cuál de las siguientes afirmaciones es cierta?

Preguntas frecuentes

¿De qué trata el Tema 64 de Secundaria?

Este tema desarrolla las herramientas centrales del cálculo de probabilidades para el estudio de sucesos relacionados entre sí: la probabilidad condicionada, que cuantifica cómo la información sobre la ocurrencia de un suceso modifica la probabilidad de otro; la probabilidad compuesta, que calcula la probabilidad de que ocurran conjuntamente varios sucesos; y los teoremas de la probabilidad total y de Bayes, que permiten calcular probabilidades a partir de una partición del espacio muestral y, de forma inversa, actualizar la probabilidad de una causa a partir de la observación de un efecto. Es un tema de fuerte componente de cálculo con diagramas de árbol y tablas de contingencia, y con aplicaciones de gran relevancia práctica (diagnóstico médico, sistemas judiciales) que lo conectan directamente con el razonamiento crítico ante la evidencia.

¿Qué hay que memorizar del Tema 64 para el examen?

Probabilidad condicionada: P(A|B)=P(A∩B)/P(B), interpretable como reducción del espacio muestral a B. En general P(A|B) ≠ P(B|A) — confundirlas es la falacia de la transposición condicional, base de la falacia del fiscal. Independencia: P(A∩B)=P(A)·P(B) ⟺ P(A|B)=P(A). Debe verificarse matemáticamente, no presuponerse por la física del experimento. Sucesos incompatibles con probabilidad positiva NUNCA son independientes: si A∩B=∅ pero P(A),P(B)>0, entonces P(A∩B)=0≠P(A)·P(B). Regla del producto (probabilidad compuesta): P(A∩B)=P(A)·P(B|A); se generaliza a la regla de la cadena para más de dos sucesos. Sistema completo de sucesos (partición): sucesos mutuamente excluyentes (Aᵢ∩Aⱼ=∅) y exhaustivos (∪Aᵢ=E); requisito de probabilidad total y Bayes. Probabilidad total: P(B)=Σ P(Aᵢ)·P(B|Aᵢ) — suma sobre toda la partición de causas. Teorema de Bayes: P(Aᵢ|B) = P(Aᵢ)P(B|Aᵢ) / Σⱼ P(Aⱼ)P(B|Aⱼ); invierte el sentido de una probabilidad condicionada conocida. Probabilidad a priori (antes de la evidencia) frente a a posteriori (después de incorporar la evidencia observada) — proceso iterativo de actualización bayesiana. Falacia de la tasa base: ignorar la prevalencia (probabilidad a priori) al interpretar un resultado positivo de una prueba, sobrestimando el valor predictivo positivo. Sensibilidad P(+|enfermo) y especificidad P(-|sano) son propiedades de la prueba (no dependen de la prevalencia); el valor predictivo positivo/negativo SÍ depende de la prevalencia vía Bayes. Falacia del fiscal: confundir P(evidencia|inocencia) con P(inocencia|evidencia); ha causado errores judiciales documentados. Independencia dos a dos no implica independencia mutua para 3 o más sucesos (existen contraejemplos construidos deliberadamente). Problema de Monty Hall: cambiar de puerta duplica la probabilidad de ganar (de 1/3 a 2/3), porque la apertura del presentador aporta información no aleatoria. Thomas Bayes (ensayo póstumo, 1763, publicado por Richard Price); la formulación general moderna se debe sobre todo a Laplace. La tabla de contingencia y el diagrama de árbol son las dos herramientas visuales de cálculo para probabilidad condicionada, compuesta, total y Bayes. P(A∩B) y P(A|B) coinciden si P(B)=1, o trivialmente si P(A∩B)=0; en los demás casos P(A|B) > P(A∩B), ya que se divide entre P(B)<1. P(·|B) es una probabilidad: P(A'|B)=1-P(A|B), pero P(A|B') ≠ 1-P(A|B). Si B⊂A, P(A|B)=1; si A∩B=∅, P(A|B)=0. Cotas de Fréchet: max(0, P(A)+P(B)-1) ≤ P(A∩B) ≤ min(P(A),P(B)). Útiles para validar los datos de un problema. Si A y B son independientes, también lo son (A,B'), (A',B) y (A',B'). Para 'al menos uno' entre sucesos independientes: 1-ΠP(Aᵢ'). Independencia mutua de tres sucesos exige 4 igualdades (3 por pares + la triple). Contraejemplo: 2 monedas, A=1ª cara, B=2ª cara, C=coinciden: independientes 2 a 2 pero P(A∩B∩C)=1/4≠1/8. Urna sin reemplazamiento: se multiplican probabilidades condicionadas (5/8·4/7=5/14); con reemplazamiento, independientes (25/64). Baraja de 40: P(dos ases seguidos)=4/40·3/39=1/130. Ejemplo de referencia: P(D)=0,5·0,01+0,3·0,02+0,2·0,03=0,017; P(A|D)=0,005/0,017≈0,294. Las probabilidades a posteriori de la partición suman 1. Prueba con sensibilidad 95 %, especificidad 95 % y prevalencia 1 %: VPP≈16,1 % (95 de 590 positivos en 10 000 personas); VPN≈99,95 %. El VPP sube a ≈82,6 % si la prevalencia es del 20 %. Bayes en odds: cuota a posteriori = cuota a priori × razón de verosimilitud; LR+ = sensibilidad/(1-especificidad); LR- = (1-sensibilidad)/especificidad. La actualización secuencial es coherente: moneda de dos caras entre dos monedas, tras n caras seguidas P=2ⁿ/(2ⁿ+1) (2/3, 4/5, 8/9...). Monty Hall: cambiar da 2/3 solo si el presentador sabe dónde está el premio y siempre abre una puerta vacía. Si abre al azar y resulta vacía (Monty Fall), 1/2. Caja de Bertrand: 2/3. Dos hijos: 'el mayor es niño' → 1/2; 'al menos uno es niño' → 1/3. La probabilidad condicionada depende del modo de obtener la información. Falacia del fiscal: P(E|inocente) ≠ P(inocente|E). Falacia de la defensa: ignorar que la evidencia aumenta la probabilidad de culpabilidad. Caso Sally Clark (condena 1999, anulada en 2003). Paradoja de Simpson: una tendencia presente en cada subgrupo puede invertirse al agregar por una variable de confusión (ejemplo: 90 % vs 80 % y 40 % vs 30 % pero 45 % vs 75 % en conjunto). Thomas Bayes (c. 1701-1761); ensayo publicado en 1763 por Richard Price. Laplace (1774) formuló de forma independiente y generalizó el principio de probabilidad de las causas.

¿Hay preguntas de test de este tema exacto?

Sí, 12 preguntas tipo test sobre este tema, en el apartado "Ponte a prueba" de esta misma página. Sin registro y sin límite de intentos.

¿De dónde sale el temario de este tema?

Del índice oficial de BOE núm. 226, de 21 de septiembre de 1993, páginas 27400 a 27438 (Orden de 9 de septiembre de 1993, del Ministerio de Educación y Ciencia, BOE-A-1993-23257), Anexo III — cuestionario específico (Parte A) de la especialidad Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria (Temario oficial estatal de referencia — especialidad Matemáticas (Cuerpo de Profesores de Enseñanza Secundaria)).

Fuentes de este desarrollo

  • T. Bayes, "An Essay towards solving a Problem in the Doctrine of Chances", Philosophical Transactions of the Royal Society (1763), publicado por R. Price
  • P.S. Laplace, "Mémoire sur la probabilité des causes par les événements" (1774) y "Théorie analytique des probabilités" (1812)
  • A. Kolmogórov, "Grundbegriffe der Wahrscheinlichkeitsrechnung" (1933), definición de probabilidad condicionada e independencia
  • G. Gigerenzer y U. Hoffrage, trabajos sobre frecuencias naturales y razonamiento bayesiano (1995)
  • Real Decreto 217/2022, de 29 de marzo (ESO), y Real Decreto 243/2022, de 5 de abril (Bachillerato) — Matemáticas, sentido estocástico

Mientras tanto, practica con tests gratis de Secundaria.

Empieza gratis ahora