UNIDAD TEMATICA 2. TEORIA DE LA PROBABILIDAD 2.

1 HISTORIA DE LA PROBABILIDAD La probabilidad, tambin conocida como teora de probabilidad es la rama de las matemticas que se ocupa de medir cuantitativamente la posibilidad de que un suceso produzca un determinado resultado. La probabilidad es fundamento necesario de la estadstica. La creacin de la probabilidad se atribuye a los matemticos franceses del siglo XVIII, Blaise Pascal y Pierre de Fermat, aunque se tiene el antecedente de algunos matemticos anteriores como Gerolamo Cardano, quien intento responder varias peguntas que sugieren los juegos de azar, como por ejemplo: cuantas veces se ha de lanzar un par de dados para que la probabilidad de que caiga 6 sea del 50%. La teora de la probabilidad fue aplicada con xito en las mesas de juego eventualmente en los negocios. Por 50 aos muchos centros de aprendizaje estuvieron estudiando probabilidades como una herramienta para comprender los fenmenos sociales. Hoy la teora matemtica de probabilidad es la base para aplicaciones estadsticas tanto en investigaciones de tipo social como administrativas. Se vive en un mundo en el que se est con la incapacidad de predecir el futuro con completa certeza. La necesidad de tener suficiente poder para manejar la incertidumbre obliga a estudiar y a usar la teora de las probabilidades. En muchas ocasiones, como administradores de empresas es posible tener algn conocimiento sobre los posibles resultados de una decisin. Al organizar esta informacin y al considrala sistemticamente, se podran reconocer los supuestos, comunicar los razonamientos a los dems y tomar decisiones ms claras de las que se obtendrn si se usa el disparo en la obscuridad.

2.2 FENOMENOS DETERMINISTICOS Y ALEATORIOS FENOMENOS DETERMINISTICOS Son aquellos problemas, situaciones o fenmenos, que se conoce con toda precisin su resultado Ejemplo: si colocramos nuestras manos, sin proteccin, dentro del agua, podemos asegurar que se van a mojar FENOMENOS ALEATORIOS Son aquellos problemas, situaciones o fenmenos en los cuales no se puede precisar el resultad, tambin son llamados azarosos o estocsticos Ejemplo: sacar el premio mayor de la lotera?

2.3 DIFERENTES ENFOQUES DE LA PROBABILIDAD. PROBABILIDAD DE FRECUENCIA RELATIVA O EMPIRICA. Trata con los problemas de azar o aleatorios, inicio a partir de la aplicacin en juegos de azar. Esta aplicacin se debi a que se observaba la regularidad de la aparicin de ciertos resultados luego de cierto nmero de ocasiones, luego se consider la proporcin con respecto al nmero de veces que se repitieron stos en condiciones casi siempre iguales. A este tipo de probabilidad se le conoci como probabilidad emprica o de frecuencia relativa a propsito de la cual se establecieron ciertas nociones:

Hacia el siglo XIX los estadsticos britnicos, interesados en unas bases tericas para calcular el riesgo de prdidas en los seguros de vida y en los seguros comerciales, empezaron definiendo las probabilidades a partir de datos estadsticos recogidos en nacimientos y muertes. Este enfoque define las probabilidades como la frecuencia relativa observada de un evento en un gran nmero de pruebas y la proporcin de veces que ocurre en un evento en un largo periodo cuando las condiciones son estables. Este mtodo utiliza las frecuencias relativas de ocurrencias pasadas como probabilidades. Se determina con qu frecuencia algo ha ocurrido en el pasado y se usa este dato para predecir la posibilidad de que vuelva a salir en el futuro. (a mayor nmero de pruebas, mayor decisin) La dificultad del sistema de frecuencia relativa es que a menudo se usa sin evaluar un suficiente nmero de resultados. PROBABILIDAD CLASICA O A PRIORI La probabilidad clsica define la probabilidad de la ocurrencia de un evento como:

Donde cada uno de los posibles resultados deben de ser igualmente probables. Esta se llama probabilidad a priori, porque se pueden establecer los resultados basndose en un razonamiento lgico antes de realizar cualquier experimento. Este enfoque de probabilidad es til cuando se tiene que tratar con cartas, dados, lanzamiento de monedas y similares pero tiene serios problemas cuando se trata de aplicar a situaciones no tan simples, como son las que se presentan en el mundo de los negocios. De lo anterior se establece una diferencia entre la probabilidad relativa y la probabilidad clsica. Siendo hasta nuestros das la que ms se utiliza por su caracterizacin axiomtica. La diferencia es que la primera esta sobre bases igualmente probables que es posible que no se establezcan y la segunda si esta entre bases igualmente probables

Sea A un evento que puede suceder en n formas de un total de m formas posible e igualmente probables Luego: El clculo de la probabilidad de un evento A simple puede conseguirse por medio de conjuntos, luego:

Donde N indica el nmero de elementos del conjunto A y , este ltimo es la notacin del conjunto universal que en estadstica se denomina espacio muestra. Tanto la probabilidad de frecuencia relativa como la clsica, tambin pueden ser referidas como probabilidades objetivas. DEFINICION DE PROBABILIDAD SUBJETIVA Las probabilidades subjetivas estn basadas en la confianza propia de la persona que est haciendo uso de la probabilidad. LA PROBABILIDAD SUBJETIVA se define como la probabilidad asignada a un evento por un individuo basado en cualquier tipo de evidencia que tenga disponible

Asignaciones de probabilidad subjetiva se encuentran frecuentemente cuando los eventos ocurren solamente una vez, mximo pocas veces. Como la mayora de las decisiones de alto nivel social o de administracin se refieren a situaciones especficas y nicas, en lugar de largas series de situaciones idnticas, los administradores a este nivel deben utilizar las probabilidades subjetivas.

2.4 DEFINICION DEL CONCEPTO DE PROBABILIDAD. De los enfoques de la probabilidad antes referidos se puede establecer que: LA PROBABILIDAD es la medida numrica de la posibilidad de que ocurra un suceso, o es el valor entre 0 y 1 que describe la posibilidad relativa de que ocurrir una cosa.

2.5 CONCEPTOS BASICOS EN PROBABILIDAD. EXPERIMENTO Cualquier proceso que produce un resultado o una observacin Ejemplo: al lanzar un dado se puede observar que puede caer: 1,2,3,4,5,6 Es un subconjunto de resultados posibles de un experimento Ejemplo: que aparezca un numero par en el experimento anterior. Se pueden clasificar los eventos en simples o compuestos. Un evento que consta de un solo resultado u observacin. Ejemplo: que aparezca el 4, en el experimento anterior referido Un evento que consta de 2 o ms eventos simples y/o dos o ms resultados. Ejemplo: que aparezca un numero divisible entre 3 en el experimento de lanzar un dado

EVENTO

EVENTO SIMPLE

EVENTO COMPUESTO

ESPACIO MUESTRAL: Es un listado de todos los eventos simples que pueden resultar en un experimento probabilstico. El listado puede tener cualquiera de las siguientes formas: Una lista Un diagrama de rbol Un sistema de red o celosa, etc. Se acostumbra simbolizar tanto a los eventos como al espacio muestra con una notacin de conjuntos por extensin o por comprensin, con letras maysculas del abecedario a los eventos y por el al espacio muestra, como se haba indicado anteriormente. Tambin pueden ser representados grficamente por medio de diagramas de Venn: (grafico 1 unidad 2)

Ejemplo: la probabilidad de sacar un corazn rojo de un mazo ordinario de naipes que tenga 52 cartas: 1,2,3,4,5,6,7,8,9,10,joto,reina y rey en cada uno de sus smbolos: corazones negros, corazones rojos, diamantes y trboles. A= {fue un corazn} = {1,2,3,4,5,6,7,8,9,10,J,Q,K} N(A) = 13 N() = 52 Luego:

= = 0.25 = 25%
2.6 TECNICAS DE CONTEO Se desarrollaron algunos mtodos para determinar sin enumeracin directa el nmero de resultados posibles de un experimento particular o el nmero de elementos de un evento. TEOREMA FUNDAMENTAL DEL CONTEO Si un evento puede realizarse de n maneras diferentes y si un segundo evento puede realizarse de m maneras diferentes y as sucesivamente entonces el nmero de maneras en que los eventos pueden realizarse en el orden indicado es el producto n.m. Ejemplo: En un grupo de 30 alumnos, un profesor desea escoger 3 alumnos y designar un representante, un suplente y un auxiliar. Cuntas formas se tiene para hacerlo?

r 30

s 29 Tabla 1

a 28

El nmero de arreglos posibles ser de 30 x 29 x 28 = 24,360 formas. NOTACION FACTORIAL n! = 1 x 2 x 3 x x (n-2) x (n-1) x n 0! = 1! = 1 por definicin. Ejemplo: 8! = 1x2x3x4x5x6x7x8 = 40,320.

PERMUTACIONES Una permutacin de un nmero de objetos es cualquiera de los diferentes arreglos de esos objetos en orden definido. Una ordenacin de un nmero r de dichos objetos, r<n en un orden dado se llama permutacin de los n objetos tomados r a la vez y se denota por: nPr = n(n-1)(n-2)(n-(r-1)) Ejemplo: Un bibliotecario tiene un espacio para colocar 7 libros en un librero y tiene 12 libros de las cuales debe escoger los 7. De cuantas maneras puede colocar los 7 libros en el librero? 12 11 10 9 8 7 6

Por el teorema fundamental del conteo tenemos: 12x11x10x9x8x7x6 = 3991680 O bien por permutacin

PERMUTACIONES CON REPETICIONES A veces se desea saber el nmero de permutaciones de objetos, de los cuales algunos son iguales. As el nmero de permutaciones de n objetos de las cuales m son iguales, o son igual, p son igual es:

Ejemplo: Cuntas formas diferentes existen para ordenar las letras de la palabra AZCAPOTZALCO?

PRUEBAS ORDENADAS a) Pruebas con sustitucin: (n)(n)(n) (n) = b) Pruebas sin sustitucin: si hay r factores

Ejemplo: De ambos casos (a) y (b) supngase que una urna contiene 6 bolas. Hallar el nmero de muestras ordenadas de tamao 3 con (sin) sustitucin. Con sustitucin: (6)(6)(6) = Sin sustitucin: (6)(5)(4) = 6P3 = 120 COMBINACIONES Es una seleccin de objetos sin importar el orden El nmero de combinaciones de n objetos tomados r a la vez lo denotaremos por: = 216

Ejemplo: Cuntos equipos de basquetbol se pueden formar con 10 buenos jugadores si cada equipo se compone de 5 jugadores? = DIAGRAMAS DE ARBOL Es el dibujo que se usa para enumerar todos los resultados posibles de una serie de experimentos, donde cada experimento puede suceder en un nmero finito de maneras. Ejemplo: Jaime y Teresa intervienen en un torneo de tenis. La primera persona que gane dos juegos seguidos o que complete 3, gana el torneo. Grafica 2 Ntese que hay 10 puntos finales que corresponden a los 10 resultados posibles: JJ, JTT, TT, TJJ, =

= 2x9x2x7 = 18 x 14 = 252

2.7 AXIOMATIZACION DE LA PROBABILIDAD EVENTOS TOTALMENTE INCLUSIVOS Son aquellos eventos definidos en un experimento de manera que se tengan en cuenta todos los resultados posibles. EVENTOS MUTUAMENTE EXCLUYENTES Son los eventos relacionados de manera que la aparicin de uno de ellos no impide la aparicin de cualquier otro. Otra forma de establecerlos es que no tienen que ver nada uno con el otro, es decir, no tienen elementos en comn. Ejemplo: Consideremos el experimento de tirar 2 dados, definamos 3 eventos de la manera siguiente: A = {La suma de los nmeros mostrados en los dados es 7} = {(1,6), (6,1), (2,5), (5,2), (4,3), (3,4)} B = {La suma de los dados es 10} = {(5,5), (6,4), (4,6)} C = {Cada uno de los dados muestra el mismo nmero} = { (1,1), (2,2), (3,3), (4,4), (5,5), (6,6)} A y B son eventos mutuamente excluyentes o disjuntos ya que no tienen elementos en comn. B y C son eventos no mutuamente excluyentes, ya que tienen un elemento en interseccin. A y C son eventos ajenos o mutuamente excluyentes puesto que no tienen nada en comn. PROPIEDADES DE LA PROBABILIDAD Las dos propiedades fundamentales son: a) 0 < P(A) < 1 b) P(A) = 1 Dnde:

Es de hacer notar que tanto el numerador como el denominador deben ser nmeros enteros positivos. El numerador puede ser 0 si el evento no se observara, a este evento se le denomina evento imposible y se denota por . Por otra parte, el denominador debe ser mayor que cero, de lo contrario el espacio muestra ser vaco o el experimento no se habr realizado.

PROBABILIDAD DE LOS EVENTOS COMPUESTOS Los eventos compuestos se definen mediante el empleo de combinaciones de otros eventos. a) La probabilidad del evento complementario P ( . b) La probabilidad de aparicin, ya sea del evento A o del evento B.

c) La probabilidad de aparicin de los eventos A y B

Como estamos hablando de eventos asociados con un espacio muestral de eventos elementales igualmente probables. P(

=1-

= 1 P (A)

REGLA DE LA ADICIN Sean A y B dos eventos definidos en un espacio muestral Caso 1: Si A y B son mutuamente excluyentes )

Caso 2: Si A y B no son eventos mutuamente excluyentes

EVENTOS INDEPENDIENTES Decimos que dos eventos A y B son independientes si la ocurrencia de cualquiera de ellos no afecta en absoluto la probabilidad asignada a la ocurrencia del otro. REGLA DE LA MULTIPLICACIN Sean A y B dos eventos definidos en un espacio muestral . Caso 1: si A y B son eventos independientes: P( ) = P (A) P (B)

Caso 2: si A y B son eventos dependientes. P( )=

Ejemplo 1: Se busca encontrar la probabilidad de que por lo menos se observe una cara cuando arrojan al mismo tiempo cuatro monedas. P (por lo menos una cara) = P (1 cara o 2 caras o 3 caras) = 1 P (cero caras o cuatro cruces) y como en cada lanzamiento, el evento salga cara es independiente de los otros. P (0 C) = (1/2) (1/2) (1/2) (1/2) = 1/16 Luego P (por lo menos una cara) = 1 1/16 = 15/16 Ejemplo 2: Una carta es seleccionada de una baraja estndar, el modelo del experimento consta de las 52 posibles ocurrencias junto con sus probabilidades asignadas. Se busca calcular la probabilidad de los eventos compuestos y simples siguientes: E= {la carta extrada es un as} F= {la carta extrada es roja} G= {la carta extrada es una figura} H= {la carta extrada es negra y es un 2 o un 4} Luego tenemos que:

= {la carta extrada no es un as}

Ya que E F

Dnde:

PROBABILIDAD CONDICIONAL Dados los eventos A y B, la probabilidad de obtener ambos A y B conjuntamente es el producto de la probabilidad de obtener uno de los eventos por la probabilidad condicionada de obtener un evento, dado que el otro evento ha ocurrido. ( ) ( )

Ms bien para que expresen una condicional deben estar establecidas como: ( ) Ejemplo 1: Se lanzan dos dados, uno rojo y otro azul, si sabemos que el dado azul muestra un nmero divisible por 3, Cul es la probabilidad de que la suma de puntos de ambos dados sea mayor que 8? La condicin de que el numero mostrados por el primer dado sea divisible por 3, cambia el espacio muestral que estamos considerando. En particular el nuevo espacio muestral contiene solamente 12 puntos muestrales, para cuantos de estos puntos el total es mayor que 8? La restriccin del espacio muestra que cada punto tiene en 1/12 de ser escogido, y de ah que dan mayor que 8 son cinco, luego la probabilidad es 5/12.

{ { }

( )

Dnde: { }

TABLAS DE PROBABILIDAD CONJUNTA Es una tabla en la que se encuentran todos los eventos posibles para una variable (u observacin) como encabezamientos de columnas, todos los eventos posibles para una segunda variable se enumeran como encabezamientos de filas y el valor incluido en cada celda resultante es la probabilidad de cada ocurrencia conjunta (ambas o interseccin). A menudo esta tabla se expresa en funcin de frecuencias relativas de ocurrencias para los dos eventos conjuntos, lo cual se denomina tabla de contingencia. Ejemplo: En una escuela de 700 alumnos de primer grado, 150 tienen automvil. De 200 alumnos de primer grado que provienen de provincia, 90 poseen automvil. Se quiere encontrar las siguientes probabilidades. a) b) c) d) Un estudiante es residente y posee automvil. Un estudiante no es residente y posee automvil. Un estudiante es residente y no posee automvil. Dado que el estudiante es residente, posee automvil. RESIDENCIA AUTOMOVIL A TOTALES R 60 440 500 TABLA 2 90 110 200 TOTALES 150 550 700

( )

2.8 CONEXIN DE LA PROBABILIDAD CON LA ESTADISTICA INFERENCIAL Ya es momento y necesidad de considerar aquellas situaciones de negocios que no son de tipo determinstico, sino que tienen incertidumbre en su planteamiento y resolucin. Los conocimientos para medir esa aleatoriedad se encuentran establecidos en la teora de probabilidad, la cual crea el vnculo forzoso y la base para construir ms bagaje estadstico como son los modelos aleatorios que permitirn la resolucin de las situaciones antes referidas. Ms an, al fusionar el manejo de muestras con la medicin bajo probabilidad se crea la otra parte de la estadstica conocida como estadstica inferencial, que permite ampliar los mtodos para abordar en la solucin de todo tipo de problemticas, para as efectuar con sustento una toma de decisin bajo optimizacin. Por lo anterior la conexin de la probabilidad con la estadstica inferencial est justificada bajo el argumento de crear conocimiento de frontera en la estadstica paramtrica.