La regla de la probabilidad total sirve para calcular la probabilidad de un suceso cuando puede ocurrir por varias vías distintas, y cada una tiene su propio peso. En estadística aparece sobre todo en problemas con grupos, causas o escenarios excluyentes, desde test médicos hasta defectos de fabricación. Aquí explico la idea, el teorema de la probabilidad total, un ejemplo resuelto y los errores que más suelen penalizar en examen.
Lo esencial en pocas líneas
- Se usa cuando un mismo resultado puede llegar por varios escenarios que no se solapan.
- La fórmula combina probabilidades condicionadas con el peso previo de cada escenario.
- Si los casos no forman una partición completa, el resultado queda mal planteado.
- Bayes responde a la pregunta inversa y suele aparecer junto a este tema.
- Un árbol de probabilidad ayuda a ver de un vistazo qué ramas debes sumar.
Cuándo conviene usar el teorema de la probabilidad total
Yo lo uso cuando el enunciado me obliga a pensar en “de dónde viene” un suceso. Puede ser una muestra de una de varias máquinas, un cliente de uno de varios canales o un paciente de uno de varios grupos. La idea central es sencilla: si divides el problema en casos excluyentes y cubres todas las posibilidades, la probabilidad final sale de sumar las contribuciones de cada caso.
Una partición es justamente eso: un conjunto de escenarios que no se pisan entre sí y que, juntos, abarcan todo lo que puede pasar. Esa condición no es un detalle técnico; es la base del cálculo. Si hay solapamientos o faltan casos, antes de aplicar la fórmula hay que corregir el planteamiento.
Visto con calma, no estás sumando “por intuición”, sino construyendo una media ponderada de probabilidades dentro de cada escenario. Con esa idea clara, el cálculo ordenado es mucho más fácil.
Cómo se calcula paso a paso
Fórmula general: si los escenarios A1, A2, ..., An forman una partición y B es el suceso que interesa, entonces P(B) = P(B|A1)·P(A1) + P(B|A2)·P(A2) + ... + P(B|An)·P(An).
Lo importante no es memorizar la suma como una fórmula suelta, sino entender qué representa cada término. P(B|Ai) es la probabilidad de B dentro del escenario i, y P(Ai) es el peso de ese escenario en el conjunto total.
| Elemento | Qué representa |
|---|---|
| Ai | Escenario o causa i |
| P(Ai) | Probabilidad previa del escenario |
| P(B|Ai) | Probabilidad de B si ya sabemos que ocurrió Ai |
| B | Suceso final que queremos calcular |
Ejemplo rápido: una fábrica produce piezas desde tres líneas. La línea 1 fabrica el 50% y tiene un 1% de defectos; la línea 2 fabrica el 30% y tiene un 2% de defectos; la línea 3 fabrica el 20% y tiene un 4% de defectos. Si D es “pieza defectuosa”, el cálculo es:
P(D) = 0,5·0,01 + 0,3·0,02 + 0,2·0,04 = 0,019, es decir, 1,9%.
- Identifica los escenarios.
- Comprueba que no se solapan y que cubren todo el caso.
- Escribe la probabilidad condicionada en cada escenario.
- Multiplica cada condicional por su peso.
- Suma los resultados parciales.
La trampa habitual aquí es hacer una media simple de los porcentajes de defecto. Eso daría 2,33%, pero sería incorrecto porque no respeta el peso real de cada línea. La diferencia parece pequeña en este ejemplo, pero en ejercicios de examen suele ser justo lo que separa un resultado correcto de uno mal interpretado.
Una vez dominado el procedimiento, merece la pena ver cómo se relaciona con otras reglas cercanas para no confundir preguntas que parecen muy parecidas.
Qué cambia respecto a la probabilidad condicional y Bayes
Este tema se entiende mejor cuando se separan tres preguntas distintas. Yo suelo resumirlo así: una regla calcula “dentro de un escenario”, otra combina todos los escenarios y la última invierte la pregunta para averiguar qué escenario es más probable después de ver un resultado.
| Regla | Pregunta que responde | Qué usa |
|---|---|---|
| Probabilidad condicional | Si ya sé que ocurrió A, ¿cuál es la probabilidad de B? | Un escenario concreto |
| Descomposición por escenarios | Si B puede venir de varias causas, ¿cuál es la probabilidad de B? | Todos los escenarios de la partición |
| Bayes | Si observo B, ¿qué probabilidad tiene cada causa? | La misma partición, pero con la pregunta invertida |
Un ejemplo médico ayuda mucho: si una prueba da positiva, Bayes intenta responder qué probabilidad hay de que el paciente esté realmente enfermo. En cambio, la descomposición por escenarios calcula primero la probabilidad de que la prueba salga positiva teniendo en cuenta a sanos y enfermos por separado. Son preguntas distintas, aunque se apoyen en la misma estructura matemática.
Bayes, en forma corta: P(Ai|B) = P(B|Ai)·P(Ai) / P(B). Fíjate en que el denominador es justamente el resultado calculado con la descomposición anterior.
Cuando el enunciado mezcla “causas”, “grupos” o “ramas”, conviene pensar primero en la estructura del problema y después en la fórmula exacta. Esa mirada evita bastantes errores, que son precisamente los que más se repiten en clase y en examen.
Errores frecuentes que bajan la nota
- Sumar porcentajes sin ponderar. No basta con juntar probabilidades condicionadas; cada una debe multiplicarse por la probabilidad previa de su escenario.
- Confundir escenarios con eventos. Un escenario es una vía de llegada; el evento final es lo que quieres medir.
- Olvidar que la partición debe ser completa. Si faltan casos, el resultado queda incompleto aunque los cálculos estén bien hechos.
- Intercambiar P(A|B) y P(B|A). Ese cambio altera completamente el problema y suele arruinar la interpretación.
- Usar casos solapados. Si un mismo elemento puede caer en dos grupos a la vez, primero hay que redefinir la clasificación.
Mi consejo práctico es muy simple: si el árbol no se puede dibujar con ramas limpias, el enunciado todavía no está bien traducido a probabilidad. En esa fase se gana o se pierde más tiempo que en el cálculo final.
Con esa base, solo queda una pauta breve para estudiar el tema con seguridad y llegar al examen con una idea clara de qué mirar primero.
Lo que conviene llevarte al examen
- Busca siempre varios escenarios excluyentes detrás del enunciado.
- Escribe la probabilidad de cada escenario antes de calcular nada.
- Multiplica cada escenario por su probabilidad condicional.
- Suma solo al final, cuando todos los caminos estén bien definidos.
- Si dudas, dibuja un árbol y etiqueta cada rama con números concretos.
Si te quedas con una sola idea, que sea esta: el resultado no sale de una suma mecánica, sino de una suma ponderada bien planteada. Esa forma de pensar te ahorra fallos tontos, mejora la lectura de problemas de estadística y te deja mucho mejor preparado para ejercicios de examen.
