Probabilidades
INTRODUCCIN
Al considerar algunos fenmenos obtenidos en la observacin, se pueden formular
modelos matemticos (deterministas o probabilsticos) que sirvan para investigar tales
fenmenos en forma bastante precisa.
El modelo determinista estipula que las condiciones en las que se verifica un
experimento determinan el resultado del mismo. Por ejemplo, las leyes gravitacionales
describen con precisin lo que sucede a un cuerpo que cae en ciertas condiciones, las
leyes de Kepler indican el comportamiento de los planetas, etc.
Hay tambin otros fenmenos que necesitan un modelo no determinista (denominado
tambin probabilstico o estocstico) para su investigacin. Por ejemplo, la cantidad de
Lic. Ruben A. Baquel
2
Probabilidades
lluvia cada debido a una tormenta que se aproxima, el nmero de partculas emitidas
durante un intervalo de tiempo, etc.
DEFINICIONES
EXPERIMENTO ALEATORIO
ESPACIO MUESTRAL
S1 =
S2 =
S4 = {x/m < x
3
Probabilidades
Por ejemplo:
E5 = tirar una moneda legal
tira la moneda)
S2 = {cs }
N = 4 (nmero de resultados
S3 = {sc }
S4 = {ss }
SUCESOS
S
Tomando el ejemplo anterior (E5), se pueden definir los siguientes sucesos:
A= aparicin de dos caras = {cc}
NA= 1
N B= 1
NC= 1
ND= 1
Suceso imposible
Suceso cierto
Un suceso imposible es aquel que nunca puede ocurrir. Se lo representa a travs del
conjunto vaco ( c S)
Un suceso cierto es aquel que siempre ocurre. Coincide con el espacio muestral S. (S
c S)
Dado un suceso A, entonces la no aparicin de A (A c) est dado por el complemento
del suceso A respecto al espacio muestral S.
Es decir:
Ac = CS:A
4
Probabilidades
A
S
A
B
A
B
5
Probabilidades
A = primer espada B = segunda espada
A y B y C no son independientes
C = tercer espada
P ( A )=
NA
Nmero de casos favorables
=
N Nmero de casos posibles(simtricos)
Por ejemplo:
1) Determinar la probabilidad de obtener un seis al tirar un dado legal.
E= tirar un dado
n= 1
S = {1, 2, 3, 4, 5, 6}
N=6
A= aparicin de un seis= {6}
N A= 1
Por lo tanto P(A) = 1/6
2) Determinar la probabilidad de obtener una cara, al tirar dos monedas
simultneamente.
E= tirar dos monedas
n=1
S= {ss, cs, sc, cc}
N= 4
A= aparicin de una cara = {sc, cs}
N A= 2
Por lo tanto P(A) = 2/4 =
Un defecto de esta definicin es que no brinda un criterio para decidir cuando los casos
posibles pueden considerarse simtricos. Otro defecto es que a veces no se conocen
los casos posibles o el total de los mismos es muy grande (tiende a infinito).
6
Probabilidades
nA
= P( A)
n
lim
n
Ejemplos:
1) Sea E= tirar una moneda; n= nmero de veces que se realiza el experimento y
nA= nmero de veces que aparece cara. Simulando la siguiente secuencia se
tiene que:
n
1
2
3
4
5
6
7
8
9
A
C
S
S
C
C
S
S
C
S
na
1
1
1
2
3
3
3
4
4
na/n
1
1/2
1/3
1/2
3/5
1/2
3/7
1/2
4/9
1,00
0,80
0,60
0,40
0,20
0,00
1
lim
nA
=1/2
n
2) se
toma nota del nmero de personas de una poblacin que fallecen a x aos. Si d x es el
nmero de personas que fallecen a los x aos de edad, dentro de un total l x de
personas consideradas, se puede decir que la probabilidad de vida a los x aos (o
sea, la probabilidad de que una persona de x aos llegue a cumplir x+1 aos) est
dada por (lx dx) / lx. Estos datos figuran en las llamadas tablas de mortalidad, que
varan segn la poblacin y el tiempo, en las que se basan los seguros de vida.
DEFINICIN
Sea un conjunto y una coleccin de subconjuntos de . Se dice que es un
lgebra de conjuntos o sigma-lgebra si se cumplen las siguientes propiedades:
1)
2)
3)
4)
Si A B A B
Si A
Ac
Si A B A B
Ejemplo:
E= tirar un dado
= {1, 2, 3, 4, 5, 6}
= {, {1}, {2},, {1,2},.., {1,2,3},.., {1,2,3,4,5,6}}
Lic. Ruben A. Baquel
7
Probabilidades
Definiendo los siguientes conjuntos:
A= aparicin de un nmero divisible por 3 = {3, 6}
A B = {3}
A B = {2,3,5,6}
AB
AB
P(A) 0
TEOREMAS DE PROBABILIDAD
I.
8
Probabilidades
II.
III.
IV.
V.
A
S
Tomando:
A= (A B) (A Bc)
(A Bc) (Ac B)
B= (A B) (Ac B)
A B = (A B)
Por ejemplo:
Se extrae una carta de un mazo de 52. Hallar la probabilidad de que sea:
a) Trbol o corazn
b) trbol o figura
Lic. Ruben A. Baquel
9
Probabilidades
PROBABILIDAD CONDICIONAL
Dados dos sucesos A y B, la probabilidad de aparicin de A habiendo ya ocurrido el
suceso B est dada por P (A / B). En forma anloga la P (B /A) indica la probabilidad
de que ocurra el suceso B dado que A ya sucedi.
P (A / B) = P (A B) / P (B)
y
P (B /A) = P (B A) / P (A)
DIAGRAMAS DE RBOL
Es un diagrama que enumera todos los posibles resultados de un experimento
aleatorio, que puede realizarse en un nmero finito de veces.
Ejemplo:
Lic. Ruben A. Baquel
10
Probabilidades
Juan y Miguel juegan un partido de tenis al mejor de tres sets. Si los dos jugadores
tienen la misma probabilidad de ganar cada set, Cul es la probabilidad de que gane
Juan el partido?
P (gane Juan) = . + . . 1/2 + . .1/2 =
TABLA DE CONTINGENCIA
Cuando un experimento se realiza dos veces, o una vez con la presencia o no de dos
sucesos mutuamente excluyentes, el espacio muestral se puede esquematizar en una
tabla de doble entrada o tabla de contingencia 2x2.
Ejemplo:
En un examen se presentaron 100 alumnos, de los cuales 20 reprobaron y del total de
35 varones, 5 reprobaron. Determinar la probabilidad que en el prximo examen un
alumno sea varn o repruebe el examen.
P (v r) = P (v) + P (r) P (v y r)
= 35/100 + 20/100 5/100 = 1/2
v
5
m
15
T
20
rc
30
50
80
35
65
100
TEOREMA DE BAYES
Sean n sucesos A1, A2, A3,.., An mutuamente excluyentes y exhaustivos, por lo que
representan una particin del espacio muestral S.
1 A i A j = i j
2 i=1 n A i=S
Sea un nico suceso B que puede ocurrir asociado a algn A i , por lo que B se
denomina efecto y cada Ai causa.
Se conocen las siguientes probabilidades a priori:
La probabilidad de aparicin de cada una de las causas: P (Ai)
La probabilidad de aparicin del efecto B habiendo actuado la causa Ai: P (B /Ai)
Se quiere calcular la siguiente probabilidad a posteriori: la probabilidad de que
habiendo sucedido el efecto B, haya actuado una determinada causa Aj:
P (Aj /B)
Bajo estas condiciones, la frmula de Bayes est dada por:
Lic. Ruben A. Baquel
11
Probabilidades
P ( A j B )=
P ( A j ) . P(B A j )
P ( Ai ) . P(B A i)
P ( m1 d )=
P ( m1 d )=
P ( m1 ) . P(d m1)
P ( m1 ) . P ( d m1 ) + P ( m2 ) . P(d m2)
0,3 .0,02
=0,22
0,3. 0,02+0,7 .0,03