Control Estadstico de Procesos

Introduccin a la Probabilidad
Cada vez que realizamos un clculo matemtico para
resolver un problema, lo que estamos haciendo es aplicar un modelo
matemtico a un fenmeno de la realidad.

Este fenmeno puede ser, por ejemplo, la cada de un

objeto desde cierta altura, y en este caso utilizamos un modelo que
es la Ley de Gravedad.
Qu es un modelo?.
Al enfrentar un problema de fsica,
qumica, ingeniera o de algn otro tipo, estamos
analizando e investigando una parte o aspecto de la
realidad material que nos rodea. Para resolver el
problema, necesitamos modelar esa realidad, es
decir, construir una representacin en la mente de
cmo ocurren los hechos, junto con ecuaciones
matemticas que permitan calcular los efectos de los
mismos. El modelo de fuerza gravitatoria o leyes de la gravedad
permite estudiar la cada de un cuerpo en el vaco. Cuando
aplicamos este modelo a la cada real de un cuerpo, estamos
dejando de lado la influencia del aire, cuyo rozamiento en el cuerpo
disminuye su velocidad, pero lo hacemos a sabiendas que este
rozamiento es muy pequeo y por lo tanto no va a afectar demasiado
nuestros clculos.

En ningn caso se debe confundir modelo con realidad.

Un modelo es slo una representacin de la realidad, utilizado para
estudiar y analizar dicha realidad.
Los modelos matemticos que mencionamos hasta
ahora, despus de efectuar los clculos nos dan un resultado
numrico preciso, por ejemplo, que la velocidad de un automvil es
de 75,5 Km/Hora.

Tambin podemos calcular la corriente elctrica que

circula por un cable con la Ley de Ohm y obtenemos, por ejemplo, un
resultado como 5,7 Amperes:
V
5,7 A
R

Este tipo de modelos matemticos se denominan

Determinsticos. Hay fenmenos que necesitan otro tipo de
modelos matemticos, que se denominan no determinsticos,
probabilsticos o estocsticos.
Por ejemplo, supongamos que un agricultor
necesita saber cuanta lluvia va a caer en los
prximos meses, antes de decidir si le
conviene sembrar o no esta temporada. El
agricultor se inform en la oficina de
meteorologa acerca de la presin
baromtrica, la temperatura, velocidad del
viento y otros datos meteorolgicos de la
zona en que vive.

Sin embargo, no hay una ecuacin que con todos esos

datos le permita calcular los milmetros de lluvia que
van a caer en un mes en forma precisa.

De la misma manera, ningn operador puede calcular

cuanto va a subir la Bolsa, ni siquiera si va a subir o bajar, an
cuando tenga a su alcance todas las variables econmicas
disponibles para el pas. Este tipo de fenmenos No admiten un
modelo determinstico, sino un modelo
probabilstico, que como resultado nos dice la
probabilidad de que llueva una cierta cantidad,
o la probabilidad de que la Bolsa suba un cierto
porcentaje. El resultado no es un valor
determinado, sino la probabilidad de un valor.
Veamos algunos ejemplos de fenmenos o
experimentos para los cuales es apropiado o conveniente utilizar un
modelo probabilstico:
Experimento 1:
Se lanza un dado y se anota el nmero que aparece en la cara
superior.

Experimento 2:
Se arroja una moneda cuatro veces y se cuenta el nmero total de
caras obtenidas.

Experimento 3:
Se arroja una moneda cuatro veces y se anota la sucesin de caras
y cecas obtenidas.
Experimento 4:
Se fabrican artculos en una lnea de produccin
y se cuenta el nmero de artculos defectuosos
producidos en 24 horas.
En todos estos casos, el resultado del
experimento no se puede predecir con absoluta
certeza. Hay varios resultados posibles cada
vez que se realiza la experiencia.
Para cada experimento del tipo que estamos
considerando, se define el Espacio Muestral como el conjunto de
todos los resultados posibles que pueden producirse al realizar el
experimento.
Experimento 1:
Se lanza un dado y se anota el nmero que aparece en la cara
superior:

Espacio Muestral S
2
1

4
3

S = { , 2 , 3 , 4 , 5, 6}
1

Experimento 2:
Se arroja una moneda cuatro veces y se cuenta el nmero total de
caras obtenidas:

Espacio Muestral S
2
1
0
3

S =

{0 ,1 , 2 , 3 , 4 }

Experimento 3:
Se arroja una moneda cuatro veces y se anota la sucesin de caras
(C) y cecas (X) obtenidas:

cccc, xccc, cxcc, ccxc, cccx,

xxcc, xcxc, xccx, cxxc, cxcx,

S =

ccxx, xxxc, xxcx, cxxx, xcxx,

xxxx

Experimento 4:
Se fabrican artculos en una lnea de produccin y se cuenta el
nmero de artculos defectuosos producidos en 24 horas.

S = {0 ,1 , 2 ,3 ,..., N

donde N es el nmero mximo que pudo ser producido en 24 horas.

Un Suceso, respecto a un espacio muestral S asociado
con determinado experimento, es un subconjunto de resultados del
espacio muestral.

Espacio Muestral S
2
1

6
4
3

Suceso

Entonces, el subconjunto formado por un solo elemento del espacio

muestral es un suceso.

Espacio Muestral S
2
1

6
Suceso
Elemental

4
3

El conjunto formado por todos los elementos del espacio muestral

tambin es un suceso:

Espacio Muestral S
Suceso

2
1

6
4
3

Y tambin lo es el conjunto vaco.

Hemos visto que dado un experimento cualquiera, hay un
espacio muestral asociado cuyos elementos son todos los resultados
que se pueden obtener de la experiencia. Un subgrupo o
subconjunto de resultados es un suceso. Ahora, cmo podemos
saber si la posibilidad de que ocurra un suceso es grande o
pequea?
Por ejemplo, si arrojamos un dado, cmo podemos calcular la
probabilidad de que salga un 2 ?. Para esto necesitamos un nmero
asociado con cada suceso, al cual se lo denomina probabilidad del
suceso. Entonces, la probabilidad P de un suceso es un nmero
entre 0 y 1, que nos dice en que medida es posible que ocurra el
suceso:
Si la probabilidad es 1 significa que el suceso ocurrir con toda
certeza.
Si la probabilidad es 0,5 significa que un suceso puede ocurrir o

puede no ocurrir con la misma probabilidad.

Probabilidad 0 quiere decir que el suceso es imposible que ocurra.
Cmo podemos calcular la Probabilidad de un suceso?
La respuesta a esta pregunta no siempre es sencilla y
depende del experimento y de su espacio muestral asociado. Hay
casos simples en los que el clculo es relativamente sencillo. En
primer trmino, supondremos que se trata de un experimento cuyo
espacio muestral es finito y tiene un nmero pequeo de resultados
posibles. En segundo trmino, supondremos que todos los
resultados que integran el espacio muestral (sucesos elementales)
tienen la misma probabilidad de ocurrir.
Con estas dos hiptesis, la frmula para calcular la
probabilidad es muy sencilla. Supongamos que se trata de un
experimento cualquiera cuyo espacio muestral S tiene N elementos
(N resultados posibles). Deseamos calcular la probabilidad de un
suceso H (Un subconjunto H del espacio muestral S) que tiene m
elementos. De acuerdo a lo dicho previamente, el nmero N tiene
que ser pequeo y la probabilidad de cada suceso elemental tiene
que ser la misma:

Espacio Muestral S
Suceso H

m elementos

N elementos

Entonces la probabilidad P de que ocurra el suceso H es:

Veamos algunos ejemplos. Supongamos que se arroja un

dado sobre una mesa y apostamos a que salga un nmero igual o
menor que 4. Sabemos que son igualmente posibles los nmeros: {1,
2, 3, 4, 5 y 6} (Espacio muestral con 6 elementos). Pero los nmeros
favorables a nuestra apuesta son: {1, 2, 3 y 4} (Suceso con 4
elementos). Entonces, la probabilidad de que ganemos es:

Suceso

2
1

6
4
3

Espacio Muestral S

Es decir que tenemos a nuestro favor una probabilidad de

0,666.. (o sea aproximadamente del 67 %). Si apostamos a un slo
nmero, por ejemplo a que sale un as, la probabilidad de ganar

sera:

Suceso
2
1

6
4
3

Espacio Muestral S

Repitiendo, la probabilidad es un nmero entre 0 y 1, que

nos dice en que medida es posible que ocurra un suceso.