Probabilidades

H. Alvarado L. Retamal

PROBABILIDADES
Pierre Simon Laplace (1749-1827) Uno de los fsicos y matemticos ms destacado de su tiempo. Sus principales aportes fueron en el campo de la probabilidad y la astronoma. Blaise Pascal (1623-1662) A partir de los 12 aos comenz a demostrar su talento para la matemtica. Fue fundador del clculo, junto con Fermat. Relacion ciertos fenmenos probabilsticos con el tringulo que actualmente lleva su nombre. Abraham De Moivre (1667-1754) Matemtico francs. Autor de notables desarrollos en el campo de la teora de probabilidades y de trigonometra analtica. Plante la paradoja de Moivre, relacionada con los posibles resultados en el lanzamiento de una moneda.

El trmino probabilidad est relacionado con la aleatoriedad e incertidumbre. La teora de probabilidad nos proporciona mtodos para cuantificar la posibilidad o chance de ocurrencias de un resultado posible en una situacin dada. El estudio de las probabilidades tuvo su origen en los juegos de azar. Def 1. Un experimento es cualquiera accin o proceso que genera observaciones con el fin de establecer nuevos conocimientos. Un experimento ser determinstico cuando de antemano conocemos el resultado. Un experimento es aleatorio si se conoce el conjunto de resultados posibles y cuyas caractersticas son: a) Se puede repetir indefinidamente bajo las mismas condiciones esenciales. b) No se conoce el resultado en que finaliza el experimento, pero se conoce el nmero posible de resultados en que termina. c) El resultado se produce al azar. Def 2. Un espacio muestral es el conjunto de todos los resultados posibles de un experimento aleatorio. Un espacio muestral discreto es aquel que tiene un nmero finito o infinito numerable de elementos. Ser continuo si tiene un nmero infinito no numerable, es decir, cuyos elementos son valores de algn intervalo del conjunto de los reales. Def 3. Un evento o suceso es cualquier subconjunto de un espacio muestral. Un evento se dice elemental si consiste de un solo resultado. Un evento es compuesto si consiste de ms de un resultado. Diremos que un evento ocurre al realizar un experimento si uno cualquiera de sus elementos ocurre. Si la cardinalidad del espacio muestral # = n, entonces podemos definir las partes de que son
( ) = {A ; A }

2n eventos posibles, algunos sern de inters y otros no. Las partes de

contiene todos los eventos posibles que pueden formarse a partir de .

Ejemplo 1. Considere el experimento E: Lanzamiento de una moneda 3 veces, en que queremos observar sucesin de caras y sellos. Su espacio muestral consta de ocho sucesos elementales: ={ (c,c,c), (c,c,s), (c,s,c), (s,c,c), (c,s,s), (s,c,s), (s,s,c), (s,s,s) } Podemos considerar los siguientes sucesos escritos por extensin y comprensin:
1

Probabilidades

H. Alvarado L. Retamal

A ={scs}; que el primer resultado sea sello, el segundo cara y tercer sello. B ={csc, ccs, scc}; que aparezcan exactamente dos caras. C = {ccc, ccs, csc, scc, css, scs, ssc}; que aparezcan al menos una cara. D = {css, scs, ssc, sss }; que aparezcan a lo ms una cara. Si al realizar el experimento se obtiene el resultado {scs}, diremos que ocurri el evento A, evento C, el evento D, pero no ocurri B. El suceso es aquel que no contiene elementos de , por ejemplo {(c,c,c,c)} La interpretacin ms usual de probabilidad est basada en la nocin de frecuencia relativa: Suponga que un experimento puede ser realizado repetidamente en forma idntica e independientemente (experimento aleatorio) y sea A un evento que consiste en un nmero fijo de resultado del experimento. Si el experimento se realiza n veces, el evento A ocurrir algunas veces y otras no. Sea n(A) el nmero de veces que ocurre A, entonces la razn n(A) / n se llama frecuencia relativa de ocurrencia del evento A en la sucesin de n repeticiones del experimento. n( A) P (A) ; Si n 1 n
2/3

1/3 0 3 10 100 1000

Nmero de lanzamientos de una moneda

Ejemplo 2. Sesenta y uno estudiantes realizaron el experimento de anotar una secuencia inventada de lo que creen que podra resultar al lanzar una moneda 20 veces. Se obtuvo el siguiente nmero de caras en los alumnos:
Nmeros de Caras por persona:
12 10 9 9 10 10 10 10 10 11 9 11 10 10 10 10 10 10 10 11 11 9 11 9 11 11 11 10 9 11 9 10 10 9 11 12 10 11 9 10 8 10 10 11 9 10 10 10 11 10 10 8 11 12 11 12 10 9 10 9 10

Tabla de Distribucin de Frecuencia

Frec absoluta 2 12 28 15 4 61 Fr acumulada 2 14 42 57 61 % acumulado 3,3 23,0 68,9 93,4 100,0

Datos Estadsticos N vlidos Perdidos Media Mediana Moda Desv. Tpica Varianza 61 0 10,11 10,00 ,915 ,837

N caras 8 9 10 11 12 Total

Porcentaje 3,3 19,7 45,9 24,6 6,6 100,0

Probabilidades

H. Alvarado L. Retamal

Grafico Secuencia Inventada

30 Numero 20 de Alumnos 10 0 8 9 10 11 12 Numero de Caras

Series1

a) Una representacin in grfica, con la planilla Excel, de la distribucin de frecuencias de caras es la que se muestra. Qu comentarios le merece. b) Determine la frecuencia relativa de obtener a lo ms 10 caras en el total de lanzamientos de una moneda correcta. c) Qu porcentaje orcentaje de alumnos obtuvo 11 caras? d) Obtener e interpretar la medida de tendencia central adecuada. Justifique. e) Piensas que estos alumnos tienen buena intuicin sobre el lanzamiento de monedas? Operaciones con eventos. Sean A y B dos evento eventos asociados a cierto a , entonces son tambin eventos: A B : Es el evento que ocurre cuando ocurre por lo menos uno de ellos , A o B A B : Ocurre si ocurre ambos, A y B Ac : Ocurre si A no ocurre A - B : Ocurre si ocurre A y no o ocurre B; ocurre slo A. La e la podemos generalizar a una sucesin numerable de eventos. Sea A 1 , A 2 ,.....,.. una sucesin numerable de eventos, entonces: U Ai : es el evento que ocurre si a lo menos ocurre A i , i IN i =1 I Ai : es el evento que ocurre si ocurre A i , i IN i=1

Def 4. Dos elementos s A y B se dicen mutuamente excluyentes si no pueden ocurrir al mismo tiempo, es decir, AB = . Def 5. Un conjunto () de subconjuntos de se llama una -lgebra lgebra de si:
i. ii. iii. Para cada A A
c

Si A 1 , A 2 ,.....A k

U Ai i=1

Probabilidades

H. Alvarado L. Retamal

Ejemplo 3. Sea el conjunto de casos posibles que resultan de la tirada de un dado. Mencionar cules de las siguientes clases de conjuntos son lgebras. a) 1 = { , {1,3,5} , {2 ,4,6} , } b) 2 = { , { 1}, {3,5} , {2 ,4 ,6} , }

Def 6. Axiomas de Probabilidades. Una funcin de probabilidad es una funcin cuyo dominio es una -lgebra y codominio los nmeros reales que satisfacen los axiomas: A 1 : P(A) 0 ; A
A 2 : P() =1 A 3 : A n A , n N , A n disjuntos dos a dos entonces: P(
n =1

U An

)= P ( An )
n =1

Propiedades elementales:
Consideremos la terna (P, , ) un espacio de probabilidades de Kolmogorov, entonces: P1: P()=0

P2: P3: P4: P5:

P (A ) = 1 - P(A) P(AB) = P(A) + P(B) - P(AB) Si AB P(A) P(B) (propiedad de monotona) Si 0 P(A) 1 ; A

k k U P6: Sean A 1 , A 2 ,.....A k elementos elementales de , se cumple que ( A i )= P (A i ) i =1 i =1 Observacin: Mediante eventos elementales se puede calcular la probabilidad de cualquier suceso sumando las probabilidades de los eventos elementales que el contiene.

P7: P8:

Si {E n } n IN es una sucesin de eventos crecientes (E 1 E 2 ... E N ...) entonces: P( U En ) = Lm P ( E n ) n

n=1

A,B,C , P(ABC) = P(A) + P(B) + P(C) - P(AB) - P(AC) - P(BC) + P(ABC)

P9:

Se puede probar que si {F n } n IN es una sucesin de eventos decrecientes, entonces ( F 1 F 2 ... F N .......) , entonces: P( I Fn ) =
n=1

Lm P ( F n )
n

Observacin: Los axiomas sirven para caracterizar el concepto de probabilidad. La asignacin apropiada de una probabilidad a los sucesos, depende en la forma en la cual el experimento se lleva a cabo y tambin de nuestra propia interpretacin de probabilidad.

Probabilidades

H. Alvarado L. Retamal

Determinacin Sistemtica de Probabilidad. Sea un espacio muestral discreto (finito o numerable) cuando el nmero de resultados posibles (eventos elementales) es grande, habrn muchos eventos compuestos. Una forma simple de determinar probabilidades para estos eventos que eviten violar los axiomas y las propiedades derivadas de ellas, es primero determinar las probabilidades P(Ei) para cada uno de los eventos elementales Ei y que satisfacen: P(Ei) 0 y P(Ei) = 1. As, la probabilidad para cualquier evento
i

compuesto A se calcula sumando los P (Ei) para todos los Ei eventos elementales de A P(A) = P(Ei) Ei A
i

Espacios muestrales equiprobables. En experimentos con N resultados (# = N) es razonable asignar igual probabilidad a todos los N eventos elementales , con p=P(Ei)
i = 1, N

1=

i =1

P(Ei) =

i =1

p = Np p = 1 / N ,
i = 1, N

P (Ei) = 1 / N

Ahora, si A es un evento compuesto con N(A) elementos, entonces: P(A) =

Ei A

P (E

) = n = N = nmero de elementos de

N ( A)

nmero de elementos de A

De aqu que resulta til contar con las tcnicas de enumeracin para poder determinar rpidamente el nmero de elementos que posee el espacio muestral y el evento de inters.

Mtodo de Conteo
Son tcnicas que permiten contar el nmero de elementos de un evento o los elementos de un espacio muestral. En el proceso de contar objetos se estudia el nmero de ocurrencias de un determinado suceso sin describir, necesariamente, todas sus posibilidades. Principio de Adicin. Si un evento (operacin) A puede ocurrir de n formas y el evento B de m formas, entonces el evento A o B se puede efectuar de n + m formas cuando A y B son mutuamente excluyentes. En caso contrario, si A B , A o B puede ocurrir m + n - k formas donde k es el nmero de coincidencias entre A y B. Principio de Multiplicacin. Si A ocurre de n formas y B de m formas, entonces el evento A y B puede ocurrir de mn formas. Ejemplo 4. De cuntas formas pueden caer dos dados? Solucin: de 6x6=36 formas. En un concurso de proyectos participan 7 ingenieros De cuntas maneras se pueden distribuir los tres primeros lugares? Solucin: de 7 6 5 = 210 lugares.

Def 7. Si n es un entero positivo, entonces: n! = n (n-1)!=n(n-1)(n-2)...... 3 2 1 y lo llamamos n-factorial. Tambin, denotamos 0 ! =1

Probabilidades

H. Alvarado L. Retamal

Variaciones. La Variacin es un arreglo u ordenacin diferente de un grupo de objetos. El nmero de variaciones de r objetos tomados de un conjunto de n objetos ( n r ) distinguibles es:
P(n, r ) = Prn = n! (n r )!

Ejemplo 5. Cuntos nmeros de 2 cifras distintas pueden formarse con los nmeros

{1,2,3}?

3 P2 =

3! =6 (3 2)!

{(1,2),(2,1),(1,3),(3,1),(2,3),(3,2)}

n Permutaciones es el nmero de permutaciones de n objetos distintos entre si es n!: Pn = n!

El nmero de permutaciones de n objetos tomndolos todos entre si y siendo n 1 de ellos iguales entre si, n 2 iguales entre si, ..., nk es :
P(n; n1, n2 ,..., nk ) = n! n1!n2! nk !

, n = ni
i =1

Combinaciones. Es una seleccin de objetos de un conjunto sin importar el orden. El nmero de combinaciones de n objetos tomados de r en r es el nmero de subconjuntos de tamao r que puedan formarse con los n objetos. El nmero total de combinaciones de n objetos tomados de r en r est dado por:
n n! C (n, r ) = r = r!(n r )!

Regla Hipergeomtrica. Suponga que hay n objetos en un grupo y que n 1 son de un tipo y n 2 de otro. El nmero de grupos de r objetos, donde r 1 son del primer tipo y r 2 del segundo tipo, puede ser formado por extraccin de r objetos de n y est dado por:
n1 n2 r 1 r2
n = n1 + n 2 ; r = r1 + r 2

Probabilidad Condicional
A menudo se sabe que ha ocurrido un evento A y se desea conocer la probabilidad de otro evento B. Cabe preguntarse cmo influye la ocurrencia del evento A en la probabilidad del evento B? Suponga que Usted esta apostando por la ocurrencia de dos caras en el lanzamiento de una moneda dos veces. As, sea A = { aparezca dos caras }= {(c,c)}, luego si los resultados son equiprobables P(A)=1/4. Suponga ahora que antes de ver el resultado alguien le dice que las monedas presentan a lo menos una cara B = { (c,c),(c,s),(s,c). Luego, no sera bueno apostar al resultado {(s,s)}. El

Probabilidades

H. Alvarado L. Retamal

espacio muestral ahora es {(c,c),(c,s),(s,c)}. As, en base a la informacin, la probabilidad de obtener 2 caras es P({(c,c)}) / B) = 1/3. Si el primer lanzamiento fue cara Cul es la probabilidad que ambos sean cara? Se tiene C= {(c,c),(c,s)} y luego P= ({cc}/C) = 1/2. Observacin: cada vez que calculamos P(A / B) estamos calculando P(A) con respecto al espacio muestral reducido B en vez de .

Def 8. La probabilidad condicional de B dado que ocurri A, se denota por: / si P(A) >0

De igual forma, si P(B) > 0 entonces /

. Si P(B)=0 entonces P(A/B)=0.

En trminos de frecuencia relativa da la proporcin de las veces que ocurre A con B relativo a la proporcin de veces que B ocurre. Observacin: La funcin P( / B) tambin define una probabilidad. En efecto: P (A / B) 0 A P( / B) = 1 P(AC/ B)= P (A / B) + P(C / B) ; para AC = Note que: P (A / B) = 1- P(A / B) P (A / B) = P(A) / P(B) si y solo si A B
c

Regla de la Multiplicacin
La definicin de probabilidad condicional nos permite obtener la probabilidad de la ocurrencia simultnea de dos eventos. Se sabe que: / , P(B) > 0 / P ( B )

P(AB) = P(A / B) P(B) .. (1) Anlogamente, se tiene que: /

P(A) > 0 / IP ( A )

P(AB) = P(B / A) P(A) .. (2)

Las igualdades (1) y (2) reciben el nombre de regla de multiplicacin o compuesta. Esta regla puede generalizarse para un nmero finito de eventos.

Teorema1. Sean A 1 , A 2 , ......., A n , n-eventos cualesquiera, tal que P (A 1 A 2 ,, A n 1 ) > 0 , entonces: n P( I A i ) = P(A 1 ) P(A 2 / A 1 ) P(A 3 /A 1 A 2 ) P (A n / A 1 A 2 A n1) i= 1
7

Probabilidades

H. Alvarado L. Retamal

Def 9. Sean E 1 , E 2 ,.,E n subconjuntos de se dice que E 1 , E 2 ,., E n forman una particin de si :
i. Ei E j = ; ij, E i

i
E2
Ei

ii.

U
i=1

Ei =

E1

E3

E4

Teorema 2. Probabilidad Total. Sea E 1 , E 2 ,., E n muestral y sea A cualquier evento de . Entonces:

una particin de un espacio

P( A ) = P(E 1 ) P(A / E 1 ) + P(E 2 ) P(A / E 2 )+.+ P (E n ) P (A / E n )

Teorema 3. TEOREMA DE BAYES Sea E 1 , E 2 ,., E n una particin de . Entonces para cualquier suceso A en se tiene:
P(Ei /A)=
n j =1

P ( E i ) P (A / E i )

P (E j ) P ( A / E j )

Independencia de Eventos. Dos eventos A y B se dicen mutuamente independientes (m.i.) si P ( A / B ) = P ( A ) o P ( B ) = P ( B / A), cualquiera sean los casos . La ocurrencia o no ocurrencia de uno de los eventos no afecta la probabilidad de ocurrencia o no ocurrencia del otro. Teorema 4. Dos eventos A y B se dicen mutuamente independientes, si y slo si:
P(A B )= P(A) P ( B )

Teorema 5. Si A y B son sucesos independientes, entonces tambin lo son el complemento de uno de ellos con el otro y ambos complementos.
i. ii. iii. P(AB ) =P(A) P(B )
c
c

P (A

B ) = P ( A ) P ( B )
c c c
c

P (A B ) = P (A ) P ( B )
c