Probabilidad y Estadística 2021 Madrid
Probabilidad condicionada y Teorema de Bayes en extracciones de urnas
A.4. Calificación máxima: 2.5 puntos.
En una urna hay dos bolas blancas y cuatro bolas negras. Se extrae una bola al azar. Si la bola extraída es blanca, se devuelve a la urna y se añade otra bola blanca; si es negra, no se devuelve a la urna. A continuación, se vuelve a extraer una bola al azar de la urna.
a) (1 punto) ¿Cuál es la probabilidad de que las dos bolas extraídas sean de distinto color?
b) (1.5 puntos) ¿Cuál es la probabilidad de que la primera bola extraída fuera negra, sabiendo que la segunda ha sido blanca?
Paso 1
Definición de sucesos y construcción del árbol de probabilidad
**a) (1 punto) ¿Cuál es la probabilidad de que las dos bolas extraídas sean de distinto color?**
Primero, definimos los sucesos para mayor claridad:
- $W_1$: extraer bola blanca en la 1ª extracción.
- $B_1$: extraer bola negra en la 1ª extracción.
- $W_2$: extraer bola blanca en la 2ª extracción.
- $B_2$: extraer bola negra en la 2ª extracción.
Analizamos la composición de la urna tras la primera extracción:
1. Si sale $W_1$ (probabilidad $2/6 = 1/3$): se devuelve y se añade otra blanca. La urna ahora tiene **3 blancas y 4 negras** (7 bolas).
2. Si sale $B_1$ (probabilidad $4/6 = 2/3$): no se devuelve. La urna ahora tiene **2 blancas y 3 negras** (5 bolas).
Representamos esto en un árbol de probabilidad:
💡 **Tip:** Presta mucha atención a cómo cambia el número total de bolas. Si añades una bola, el denominador pasa de 6 a 7; si no devuelves la extraída, pasa de 6 a 5.
Paso 2
Cálculo de la probabilidad de que las bolas sean de distinto color
Para que las bolas sean de distinto color, tenemos dos caminos posibles: que la primera sea blanca y la segunda negra ($W_1 \cap B_2$), o que la primera sea negra y la segunda blanca ($B_1 \cap W_2$).
Calculamos la probabilidad total sumando ambas ramas:
$$P(\text{Distinto color}) = P(W_1 \cap B_2) + P(B_1 \cap W_2)$$
$$P(\text{Distinto color}) = P(W_1) \cdot P(B_2 | W_1) + P(B_1) \cdot P(W_2 | B_1)$$
Sustituimos los valores obtenidos del árbol:
$$P(\text{Distinto color}) = \left( \frac{2}{6} \cdot \frac{4}{7} \right) + \left( \frac{4}{6} \cdot \frac{2}{5} \right)$$
$$P(\text{Distinto color}) = \frac{8}{42} + \frac{8}{30} = \frac{4}{21} + \frac{4}{15}$$
Para sumar las fracciones buscamos el mínimo común múltiplo de $21$ y $15$, que es $105$:
$$P(\text{Distinto color}) = \frac{4 \cdot 5}{105} + \frac{4 \cdot 7}{105} = \frac{20}{105} + \frac{28}{105} = \frac{48}{105}$$
Simplificamos dividiendo entre 3:
$$\frac{48}{105} = \frac{16}{35} \approx 0.4571$$
✅ **Resultado:**
$$\boxed{P(\text{Distinto color}) = \dfrac{16}{35}}$$
Paso 3
Cálculo de la probabilidad de que la segunda bola sea blanca
**b) (1.5 puntos) ¿Cuál es la probabilidad de que la primera bola extraída fuera negra, sabiendo que la segunda ha sido blanca?**
Estamos ante una **probabilidad a posteriori**, por lo que usaremos el Teorema de Bayes. Primero necesitamos calcular la probabilidad total de que la segunda bola sea blanca, $P(W_2)$.
Por el Teorema de la Probabilidad Total:
$$P(W_2) = P(W_1 \cap W_2) + P(B_1 \cap W_2)$$
$$P(W_2) = P(W_1) \cdot P(W_2 | W_1) + P(B_1) \cdot P(W_2 | B_1)$$
Sustituimos los valores:
$$P(W_2) = \left( \frac{2}{6} \cdot \frac{3}{7} \right) + \left( \frac{4}{6} \cdot \frac{2}{5} \right)$$
$$P(W_2) = \frac{6}{42} + \frac{8}{30} = \frac{1}{7} + \frac{4}{15}$$
Operamos con el denominador común $105$:
$$P(W_2) = \frac{15}{105} + \frac{28}{105} = \frac{43}{105}$$
💡 **Tip:** El Teorema de la Probabilidad Total consiste en sumar todos los caminos del árbol que terminan en el suceso deseado (en este caso, que la segunda bola sea blanca).
Paso 4
Aplicación del Teorema de Bayes
Queremos hallar $P(B_1 | W_2)$. Aplicamos la fórmula de Bayes:
$$P(B_1 | W_2) = \frac{P(B_1 \cap W_2)}{P(W_2)}$$
Ya tenemos ambos valores de los pasos anteriores:
- $P(B_1 \cap W_2) = \frac{28}{105}$ (obtenido en el cálculo de la probabilidad de distinto color).
- $P(W_2) = \frac{43}{105}$.
Sustituimos:
$$P(B_1 | W_2) = \frac{\frac{28}{105}}{\frac{43}{105}} = \frac{28}{43} \approx 0.6512$$
💡 **Tip:** Recuerda que la fórmula de Bayes siempre es $\frac{\text{probabilidad de la rama específica}}{\text{probabilidad total del suceso final}}$.
✅ **Resultado:**
$$\boxed{P(B_1 | W_2) = \dfrac{28}{43}}$$