Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Documento 04 Probabilidades
Documento 04 Probabilidades
PROBABILIDADES
SUCESOS Y ESPACIO MUESTRAL
Sucesos. Al definir los sucesos hablamos de las diferentes relaciones que pueden
guardar dos sucesos entre s, as como de las posibles relaciones que se pueden
establecer entre los mismos. Vamos a ver ahora cmo se refleja esto en el clculo de
probabilidades.
Suceso Elemental, hace referencia a cada una de las posibles soluciones que se
pueden presentar.
Suceso Compuesto, es un subconjunto de sucesos elementales.
-
Dos sucesos pueden ser iguales, en este caso, las probabilidades de ambos
sucesos son las mismas.
Un suceso puede estar contenido en otro, las posibles soluciones del primer suceso
tambin lo son del segundo, pero este segundo suceso tiene adems otras soluciones
suyas propias.
Dos sucesos pueden ser iguales, esto ocurre cuando siempre que se cumple uno de
ellos se cumple obligatoriamente el otro y viceversa.
Unin de dos o ms sucesos, la unin ser otro suceso formado por todos los
elementos de los sucesos que se unen.
Interseccin de sucesos, es aquel suceso compuesto por los elementos comunes de
dos o ms sucesos que se interceptan.
Sucesos incompatibles, son aquellos que no se pueden dar al mismo tiempo ya que
no tienen elementos comunes (su interseccin es el conjunto vaco).
Sucesos complementarios. Son aquellos que si no se da uno, obligatoriamente se
tiene que dar el otro. Existen dos tipos de fenmenos: Deterministas, que son aquellos
cuyos resultados se pueden predecir de antemano, y estocsticos o Aleatorios, que son
los que dependen del azar (no se pueden predecir). Se llama prueba al proceso
mediante el cual se obtiene un resultado. Y se llama experimento aleatorio a todo
fenmeno aleatorio.
Se llama suceso aleatorio a todo subconjunto del espacio muestral. Se llama suceso
elemental a un suceso unitario. Se llama espacio de sucesos al conjunto formado por
todos los sucesos, y se representa por . Se llama suceso imposible al que no se
verificar nunca, y se representa por . Se llama suceso seguro al que se verificar
siempre, y se representa por E.
Se dice que un subconjunto A se ha realizado o se ha verificado cuando el
resultado de la prueba coincide con algn componente del subconjunto A. Se dice que
un suceso A implica a otro B cuando siempre que se verifica A, se verifica B: A B.
Diremos que dos sucesos son iguales cuando A B y B A.
lgebra de Boole
A , B A B
A,
B A B
A.
A = (2, 4, 6)
B = (1, 3, 5)
C = (3, 6)
A
i 1
P(A
i 1
Ahora usaremos los axiomas de probabilidad para obtener resultados y reglas que nos
ayudarn a entender y usar la medida de probabilidad. Algunos de los resultados nos
pueden parecer obvios, sin embargo, el que se puedan demostrar a partir de los
axiomas nos da una indicacin de su consistencia y de lo poderosos que resultan ser.
Teorema. P() = 0.
Prueba. Considera la secuencia infinita A1, A2, , donde cada Ai = . Tenemos que
=, = y
i 1
Teorema. Para cualquier secuencia finita de conjuntos disyuntos, A1, A2,, An
P(A i )
i
i 1
i 1
tenemos P
n 1
A k
k 1
tambin, A k
k 1
An
n 1
P( A
n 1
Para
dos
sucesos
cualesquiera
se
cumple
p( A )
casos favorables
casos posibles
P(A) = Casos favorables / Casos posibles
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos
requisitos:
- El nmero de resultados posibles (sucesos) tiene que ser finito. Si hubiera
infinitos resultados, al aplicar la regla casos favorables / casos posibles el cociente
siempre sera cero.
- Todos los sucesos tienen que tener la misma probabilidad. Si al lanzar un dado,
algunas caras tuvieran mayor probabilidad de salir que otras, no podramos
aplicar esta regla.
Las Frecuencias. Cuando se realiza un experimento aleatorio un nmero muy
elevado de veces, las probabilidades de los diversos posibles sucesos empiezan a
converger hacia valores determinados, que son sus respectivas probabilidades. En
este modelo ya no ser necesario que el nmero de soluciones sea finito, ni que todos
los sucesos tengan la misma probabilidad.
La idea intuitiva de probabilidad se basa en la llamada ley de los grandes nmeros,
enunciada por Bernoulli: La frecuencia relativa de un suceso tiende a estabilizarse
en torno a un nmero, a medida que el nmero de pruebas del experimento crece
indefinidamente.
n
Es decir, si A es un suceso, podramos hablar del Lm fr ( A) Lm A
n
n n
Este nmero al que la frecuencia relativa se acerca es lo que llamaremos la
probabilidad del suceso, se representar como P(A).
La probabilidad es una ley que asigna a cada suceso A un nmero real
p:
y que verifica:
A P(A)
- P(A) 0 , A
P(E) = 1
- si A y B son sucesos incompatibles, P(A B) = P(A) + P(B)
Como consecuencia de estos tres axiomas, se verifican adems las siguientes
propiedades:
- P(A C ) = 1 P(A)
- P( ) = 0
- si A B, P(A) P(B)
- P(A) 1, A
- si A 1 , A 2 , ...... , A n son incompatibles dos a dos, entonces, P(A 1 A 2 .....
A n ) = P(A 1 ) + P(A 2 ) + ..... + P(A n )
- si A, B son dos sucesos cualesquiera, entonces, P(A B) = P(A) + P(B)
P(A B)
La probabilidad de un suceso A es el cociente entre el nmero de casos favorables
al suceso y el nmero de casos posibles. Ejemplos,
Se considera un experimento aleatorio que consiste en lanzar un dado se pide la
probabilidad de obtener
a) Nmero impar
c) Mltiplo de 3
b) Nmero primo
d) Mltiplo de 5
Probabilidades
a) A= " obtener impar" = (1, 3, 5) P(A) = 3/6
b) B= " obtener nmero primo" = (2, 3, 5) P(B) = 3/6
c) C= " obtener mltiplo de 3" = (3, 6) P(B) = 2/6
d) D ="obtener mltiplo de 5 " = (5) P(D)= 1/6
Se realiza un experimento aleatorio que consiste en la extraccin de una carta de una
baraja espaola. Se pide hallar las siguientes probabilidades
a) "Obtener un oro"
b) "Obtener un as"
El espacio muestral del experimento est formado por los 40 resultados posibles
correspondientes a cada una de las cartas de la baraja. A continuacin formamos los
sucesos de los cuales nos piden estimar la probabilidad.
a) O = "Obtener un oro" = (1, 2, 3, 4, 5, 6, 7, S, C, R) p (O) = 10/40 = 1/4
b) A = "Obtener un as" = (1E, 1C, 1B,10) p (A) = 4/40 = 1/10
En este caso los subndices son E =Espada, C = Copas, B = Bastos, O = Oro
Consideremos el experimento aleatorio que consiste en lanzar dos datos y anotar la
suma de los puntos de las caras superiores. Hallar la probabilidad de los siguientes
sucesos
a) Obtener suma de igual a 8
b) Obtener suma menor o igual a 4
Espacio muestral del experimento E= ((1,1),(1,2), (1,3),..,(2,2), (2,3),...,(6,1),...,(6,6))
Por tanto, el nmero de casos posibles de casos es 36
a) S8 = ((2,6), (3,5), (4,4), (5,3), (6,2)) p (S8) = 5/36
b) S4= ((1,1), (1,2), (1,3), (2,1),(2,2),(3,1)) p ( S4) =6/36 = 1/6
En otras palabras, con miras a dejar mayor claridad,
Definicin axiomtica de probabilidad. Sea : espacio muestral, P() conjunto de
las partes de o conjunto de sucesos, o lgebra de sucesos. Se define probabilidad, o
funcin de probabilidad, a cualquier funcin p: P() (es decir, una regla bien
definida por la que se asigna a cada suceso un, y un solo un, nmero real) que cumpla
los axiomas siguientes:
i) P(A)0 A P()
ii) P(A1 A2 A3 ...) = P(A1) + P(A2) + P(A3) + ...
si Ai Aj = i j (sucesos mutuamente excluyentes)
iii) P() = 1
10
11
n ij n *j
n i* n **
f ij f i* * f *j
n1j n 2 j
n *j
n1* n 2*
n **
n ij
n i* * n * j
n **
12
1k k
x n i* x i f i* x i
n** i1 i1
1p p
y n*j y j f*i y j
n** j1 j1
p
p
k
k
1
1
s 2x n i* (x i x)2 fi* (x i x)2 s2y n *j (y j y) 2 f*j (y j y)2
n** i1
n** j1
i1
j1
Para cada una de las p variables condicionadas X / Yi y Y / x j definimos sus
respectivas media condicionada y varianza condicionada mediante,
1 k k j
x j n ijxi fi x i
n*j i1 i1
1p pj
y i n ij y j f i y j
n i* j1 j1
k
k
1k
2
j
2 1
s n ij (x i x j ) fi (x i x j ) nijx i2 x 2j
n*j i1
n*j i1
i1
2
xj
p
p
1p
2
i
2 1
s nij (yi yi ) f j (y j yi ) nijy2j xy2j
n i* j1
n i* j1
j1
2
yj
13
1 p
x f *j x j n *j x j
n ** j1
j1
k
1 k
y f i* yi n i* yi
n ** i1
i1
s f s f *j (x j x) 2
2
x
j1
2
*j x j
j1
s f s f i* (y j y) 2
2
y
i1
2
i* y j
i1
PROBABILIDAD CONDICIONAL
En muchas ocasiones, la verificacin o no de un suceso se estudia en funcin de otro
suceso de cuya verificacin depende o del cual est condicionado. Se dice
probabilidad condicionada del suceso B respecto del suceso A, y se representa
P( A / B)
P(A B)
P( A)
P( A) 0
14
Segn las leyes de Mendel, todos los posibles genotipos de un hijo de una madre
portadora (xX) y un padre normal (XY) son xX, xY, XX, XY y tienen la misma
probabilidad. El espacio muestral es = {xX, xY, XX, XY} el suceso A={hijo
enfermo} corresponde al genotipo xY, por tanto, segn la definicin clsica de
probabilidad P(A) = 1/4 = 0,25
La mujer tiene el hijo y es varn qu probabilidad hay de que tenga la enfermedad?
Se define el suceso B = {ser varn} = {xY, XY} la probabilidad pedida es P(A/B) y
aplicando la definicin anterior P(B) = 0,5; A B = {xY}; P(A B) = 0,25; P(A/B) =
0,25/0,5 = 0,5
Si sabemos que es varn, el espacio muestral ha cambiado, ahora es B. Por lo tanto se
puede calcular P(A/B) aplicando la definicin clsica de probabilidad al nuevo
espacio muestral P(A/B) = 1/2 = 0,5
Ejemplo, Se sabe que el 50% de la poblacin fuma y que el 10% fuma y es
hipertensa. Cul es la probabilidad de que un fumador sea hipertenso?
A = {ser hipertenso} B = {ser fumador} A B = {ser hipertenso y fumador} P(A/B)
= 0,10/0,50 = 0,20
Obsrvese que los coeficientes falso-positivo y falso-negativo de las pruebas
diagnsticas son probabilidades condicionadas.
La frmula anterior se puede poner P(A B) = P(B) P(A/B) = P(A) P(B/A) llamada
regla de la multiplicacin, que se puede generalizar a ms sucesos P(A 1 A2 A3)
= P((A1 A2) A3) = P(A1 A2) P(A3/A1 A2) = P(A1) P(A2/A1) P(A3/A1 A2)
Sucesos independientes. Dos sucesos son independientes si y slo si P(A B) =
P(A) P(B). Si dos sucesos son independientes
P( A / B)
P(A B) P(A ) P( B)
P( A )
P( B)
P( B)
y del mismo modo P(B/A) = P(B). Esta propiedad coincide ms con la idea intuitiva
de independencia y algunos textos la dan como definicin. Hay que notar, sin
embargo, que ambas definiciones no son estrictamente equivalentes.
Ejemplo, Para un hijo de una mujer portadora de Duchenne, el sexo y la enfermedad
son independientes?
Segn vimos en el Ejemplo el espacio muestral es = {xX, xY, XX, XY}
Definimos los sucesos A = {varn} = {xY, XY}; B = {enfermo} = {xY}
15
A B = {xY} por lo tanto P(A) = 0,5; P(B) = 0,25; P(A B) = 0,25 P(A) P(B) NO
son independientes.
Dos sucesos A, B se dicen independientes si P(B) = P(B/A). Es decir, se
cumplir que P(A)*P(B) = P(A B). Si A y B son independientes, entonces A y B c
son independientes, Ac y B son independientes, y Ac y Bc son independientes.
Probabilidad Compuesta. La probabilidad compuesta (o regla de multiplicacin de
probabilidades) se deriva de la probabilidad condicionada. La probabilidad de que se
den simultneamente dos sucesos (suceso interseccin de A y B) es igual a la
probabilidad a priori del suceso A multiplicada por la probabilidad del suceso B
condicionada al cumplimiento del suceso A.
P( A B) P(B / A ) P( A )
En general P(A1 A2 A3 ...) = P(A1) P(A2/A1) P(A3/A1 A2) ... llamado Principio
de las probabilidades compuestas y especialmente til para aquellas situaciones en
que las probabilidades condicionadas son ms fciles de obtener que las
probabilidades de las intersecciones.
Ejemplo, Se sabe por estudios previos que el 0,1% de la poblacin tiene problemas
vasculares. Un estudio sobre individuos con problemas vasculares revela que el 20%
de ellos son placas de ateroma. Si el 10% de los individuos con placas de ateroma
est expuesto a muerte sbita por desprendimiento de trombos qu probabilidad
tiene un individuo cualquiera de estar expuesto a muerte sbita por desprendimiento
de trombos de una placa de ateroma?
A1 = {problemas vasculares}; A2 = {placas de ateroma}; A3 = {expuesto a muerte
sbita por ....} P(A1) = 0,001; P(A2/A1) = 0,20; P(A3/A1 A2) = 0,1 P(A1 A2
A3) = 0,001 x 0,20 x 0,1 = 0,000002
Ejemplo, Una urna contiene 10 bolas, de las cuales 3 son rojas, 5 verdes y 2 azules.
Se extraen al azar 3 bolas. Calcular la probabilidad de que la primera sea azul, y las
otras dos verdes.
Definimos A1 = {la 1 bola es azul}; A2 = {la 2 bola es verde}; A3 = {la 3 bola es
verde} P(A1) = 2/10 aplicando la definicin clsica de probabilidad, puesto que hay
10 bolas y 2 son verdes. P(A2/A1) = 5/9; si la primera bola extrada es azul, en la urna
quedan 9 bolas, 5 de ellas verdes. P(A 3/A1 A2) = 4/8; si la primera bola extrada es
azul y la segunda verde en la urna quedan 8 bolas, 4 de ellas verdes. P(A1 A2
A3) = 2/10 x 5/9 x 4/8 = 1/18
PROBABILIDAD TOTAL
16
17
probabilidad de ganar del 60%, o c) Roja: participas en un tercer sorteo con una
probabilidad de ganar del 80%.
Con esta informacin, qu probabilidad tienes de ganar el sorteo en el que
participes?
Las tres papeletas forman un sistema completo: sus probabilidades suman 100%,
luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54
Por tanto, la probabilidad de ganar el sorteo es del 54%.
Probabilidad Total. Sea A1,..,An estn incluidas en E, un sistema exhaustivo y
n
tal como se puede observar en la figura: Si A1, A2, A3, A4 forma un sistema exhaustivo
y excluyente se sucesos, podemos calcular la probabilidad de B a partir de las
cantidades P( B A i ) , o lo que es lo mismo, P( B / A i ) P( A i )
P(B) P(B E) P B
Ai P
i 1
Ejemplo, Van a cambiar a tu jefe y se barajan diversos candidatos: a) Abe, con una
probabilidad del 60%, b) Ver, con una probabilidad del 30%, y c) Diego, con una
probabilidad del 10%.
En funcin de quien sea tu prximo jefe, la probabilidad de que te suban el sueldo es
la siguiente: a) Si sale Abe: la probabilidad de que te suban el sueldo es del 5%, b) Si
sale Ver: la probabilidad de que te suban el sueldo es del 20%, o c) Si sale Diego: la
probabilidad de que te suban el sueldo es del 60%.
En definitiva, cual es la probabilidad de que te suban el sueldo?
18
A B C
A B C
A C BC
A C BC
A B A B
A B A B
A estas leyes se les puede aplicar las normas que hemos mencionado de
probabilidades y se obtendrn resultados muy interesantes
TEOREMA DE BAYES
Teorema de Bayes. El Teorema de Bayes viene a seguir el proceso inverso al que
hemos visto en el Teorema de la probabilidad total. Si A 1 , A 2 , ......., A n son un
sistema completo de sucesos tal que P(A i ) 0, i 1,....n , entonces
para un suceso B cualquiera se verifica:
P( A ) P (B / A i )
P(A i / B) n i
,
i 1 P(A i ) P(B / A i )
y esto para cualquier i = 1, ...., n.
19
0.50 0.20
0.714
(0.50 0.20) (0.30 0.10) (0.20 0.05)
0.30 0.10
0.214
(0.50 0.20) (0.30 0.10) (0.20 0.05)
0.20 0.05
0.071
(0.50 0.20) (0.30 0.10) (0.20 0.05)
INDEPENDENCIA DE SUCESOS
De acuerdo con lo visto anteriormente, tenemos que dos sucesos son independientes
entre s, si la ocurrencia de uno de ellos no afecta para nada a la ocurrencia del otro.
Ejemplo, el suceso estatura de los alumnos de una clase y el color del pelo son
20
Ejemplo, Sean los dos sucesos: P(A) = la probabilidad de que haga buen tiempo es
del 0,4, y P(B) = la probabilidad de tener un accidente es del 0,1, y P(A B) = la
probabilidad de que haga buen tiempo y tener un accidente es del 0,08
Veamos si se cumple alguna de las condiciones sealadas:
P (B/A) = P(A B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a P (B))
P (A/B) = P(A B) / P (B) = 0,08 / 0,6 = 0,133 (que no es igual a P (A))
P(A B) = 0,08 (que no es igual a P (A) multiplicado por P (B))
Por lo tanto, no se cumple ninguna de las tres condiciones sealadas por lo que estos
dos sucesos no son independientes, sino que existe algn grado de dependencia entre
ellos.
Ley de los Grandes Nmeros. Suponga que X1, X2,...,Xn es una secuencia arbitraria
de variables aleatorias con valores esperados E(X1), E(X2),...,E(Xn). Suponga adems
n
que la variable aleatoria i1 x i tiene varianza para cada valor de n entero.
21
1 n
i 1
n
Si V
1
n
x
i 1 i
n
cuando n o equivalentemente a
cuando n n converge
Una secuencia de variables aleatorias Zn converge en probabilidad o converge
estocsticamente a una constante "a" si para cada nmero positivo
cuando n Simblicamente:
i 1
E X i P
o
n
22