Probabilidad Introduccién. Nociones basicas Hemos visto la Estadistica descriptiva, que es la més conocida de las dos existentes. Pero si las estadistica consiste solamente en un método para resumir datos, tendria escasa utilidad. Es el CAlculo de Probabilidades el que le da a la Estadistica su verdadero valor. En efecto, el c&lculo de probabilidades nos permitird conocer las caracteristicas de una poblacién, extrayendo de ella, con economia de medios, una muestra fiable; hard valoraciones sobre la significacién de los datos obtenidos, descubriendo una organizacién dentro del aparente desorden estadistico, y, finalmente, formulara, a partir del conocimiento estadistico del pasado, hipétesis sobre el futuro. Para comenzar con la probabilidad vamos a familiarizarnos con su lengua je. Definicién: Llamamos experimento o fenémeno aleatorio, a aquel que repetido en idénticas condiciones puede dar lugar a resultados diferentes i.e. que jamés se puede predecir el resultado que se va obtener. Por ejemplo el lanzar un dado, o sacar una carta de una baraja. Definicién: Llamaremos experimento o fenémeno fisico o determi- nista, a los opuestos, es decir que repitiendolo en iguales condici- ones obtenemos los mismos resultados. Por ejemplo, si se suelta una pelota en el aire, ésta caé al suelo. Definicién: Llamaremos espacio muestral de un experimento aleato- rio al conjunto de todos los resultados posibles del experimento, se denota por E, y cada uno de los elementos que forman este conjunto se llama punto muestral. Ejemplo: Sea el experimento aleatorio de lanzar dos monedas @obre una mesa y anotar los resultados de las caras superiores: A.G.OnandisEl espacio muestral es E = (cc,cx,xc,xx) una forma sencilla de crear el espacio muestral es mediante los diagramas de Arbol x © + ce © —> xe © x cx % 5 XX Definicién: Se llama suceso aleatorio a cualquier conjunto de resultados, es decir, a cualquier sbconjunto de E. Al conjunto formado por todos los sucesos se le denomina espacio de sucesos (FIE)) . Diremos que un suceso A se verifica si al realizar una prueba de) experimento se obtiene un resultado perteneciente a A, en el caso contrario se dira que el suceso no se verifica. Veamos los diferentes tipos de sucesos: ~ Sucesos elementales. Son los sucesos fomados por un solo ele- mento. Coincide con los puntos muestrales. ~ Sucesos compuestos. Son los formados por dos o més puntos mues- trales. ~ Suceso seguro o cierto. Es aquel que siempre se verifica. Es evidente que este suceso esta formado por tados los resultados, i.e. EL ~ Suceso imposible. Es aquel que no se verifica nunca y se denota por . ~ Suceso contrario. Dado un suceso A, 1lamaremos suceso contrario de A, y lo denotamos por A, a un suceso que se realiza cuando no se realiza A. Es evidente que E = gy § = E. ~ Sucesos incompatibles. Dados dos sucesos diremos que son incom- patibles, cuando no se pueden verificar a la vez. Es evidente que son incompatibles los sucesos A y A. ~ Sucesos compatibles. Son sucesos que se pueden verificar simul- taneamente. AvG.Onandi«aEjemplo. Experimento lanzar un dado y apuntar el resultado. E=(1,2,3,4,5,6,7,8) =suceso seguro A= (1) =suceso elemental B= (obtener impar)=(1,3,5)=suceso compuesto C=(2,5)=(obtener 2 6 5) {2,4)=contrario a B= (sacar par) D= (sacar 8) = ssuceso imposible Si en un lanzamiento obtenemos un 2, diremos que se ha verificado los sucesos E, C y B, pero no los demas. Son incompatibles A y B. Operaciones con sucesos Puesto que los sucesos son conjuntos, podemos operar con ellos tal como se opera con conjuntos. Au B = Suceso que se verifica cuando se verifica A é B An B = Suceso que se verifica cuando se verifica A y B A - B = Suceso que se verifica cuando se verifica A pero no B. Con esta operaciones podemos decir que dos sucesos A y B son incompatibles si An B = 9 y compatibles si An B # 9. Ejemplo: 7 Experimento tirar un dado Sucesos A= (2,4,6) (2,3,5) E=(1,2,3,4,5,6) wo —— AnB= (2) —— sucesos compatibles AuB= (2,3,4,5,6) (1,3,5) (3,5) (sacar impar) A-B= (4,6) BoA: (1,4,6)Definicién de probabilidad Hemos visto que en un experimento aleatorio es imposible predecir el resultado de una prueba aislada, o si se producira en ella o no, un determinado suceso, pero la realizacién de numerosas pruebas nos permite observar que se cumple la denimidada LEY DE LOS GRANDES M)MEROS "La frecuencia relativa de un suceso tiende a estabilizarse en torno a un nimero, a medida que el niimero de pruebas del experimento va creciendo. A este niimero se la denomina probabilidad del suceso" Ejemplo: Supongamos que hemos lanzado una moneda 200 veces obteniendo los siguientes resultados: N° Lanzamientos 20 40 60 80 100 120 140 160 170 180 190 200 N° Caras = n, 11 20 31 43 53 62 72 83 86 92 95 1o1 Si calculamos sus frecuencias relativas N°de caras/N° de lanzamientos, vemos que se van estabilizando alrededor del 0.5, asi la probabilidad de obtener cara serd de 0.5. Esta definicién presenta un inconveniente de tipo prdctico: para calcular la probabilidad de un suceso seria necesario realizar un gran nimero de pruebas, con el fin de obtener experimentalmente el valor a que se aproximan las frecuencias relativas. Esto es lo que se conoce como probabilidad a posterior. Cuando se pueda determinar de antemano, la probabilidad de un suceso, sin realizar ningin tipo de comprobacién experimental, estaremos calculando una probabilidad a priori. Que es la que vamos a estudiar. Es corriente decir “es probable que ...", "tal acontecimiento tiene mas probabilidad de ocurrir que otro", ...Ahora pretendemos cuantificar tal afirmacién. Por ejemplo, si se tira un dado bien equilibrado hay 6 casos po- sible, que corresponden a cada una de las figuras que pueden aparecer en la parte superior del dado. Estos 6 casos son equiprobables. Se dice que la probabilidad de sacar "cinco" con este dado es 1/6. A.G.OnandieDe forma general, tenemos la definicién de ZAPLACE: "Si todes los sucesos son equiprobables, la probabilidad de un suceso es la razén del nimero de casos favorables por el numero de casos posibles: P (a) =_nimero de casos favorables nimero de casos posibles Para el recuento del ntimero de casos podemos utilizar los diagramas de Arbol o el andlisis combinatorio. Ejemplo 1. En una habitacién que caben 40 personas (4 filas de 10) y en la que estoy colocado al azar, équé probabilidad tengo de estar en la primero fila?, de estar en la primera fila y en el asiento de la derecha? Estar en la primero fila. Hay dos formas de razonar a) Hay cuatro filas: la probabilidad de estar en una cualquiera de las cuatro filas es la misma. Tengo una probabilidad entre 4 de estar en la primera, por tanto probabilidad 1/4 b) Analisis combinatorio. Hay C,) formas de elegir las personas de la primera fila, que son los casos posibles. Para hallar el numero de casos favorables, debo de encontrarme en la primera fila, con lo que quedad C3, formas diferentes de elegir las demas personas de la primera fila. P(estar en la primera fila) = &star en el primer asiento. a) Hay 40 asientos, hay una probabilidad, entre 40 de estar en dicho asiento, por tanto probabilidad 1/40.b] Casos posibles = P,, = 40! son las formas de colocar las 40 personas. Casos favorables = P,, = 39! si estoy en el primer asiento, son las formas de colocar las 39 personas restantes. A P(estar en el primer asiento) = car Ejemplo 2: Probabilidad de obtener la palabra negro, pulsando al azar en una maquina de escribir. Casos Posibles VRi, = 26" = 12x10° Casos Favorables = 1 a Plescribir negro) = — 26° Nos encontramos en un caso en que la probabilidad es tan débil que nos hallamos en el campo de un suceso imposible. la definicién cldsica de Laplace tiene el inconveniente de que para su aplicacién hay que suponer que todos los sucesos elementales son igualmente probables. Esta es una gran limitacién por eso se le conoce también por definicién restringida Para subsanar esta deficiencia se construye la DEFIWOCION GENERAL 0 AXIOMATICA de probabilidad que absorve a la definicién clasic: Definicién: "Se llama probabilidad asociada a un experimento aleatorio de espacio muestral E, a una aplicacién P:P(E)——+[0 , 1] que verifica: 1.- P(E) = 1 2.- Para todo par de sucesos incompatibles (AnB=$) P(AuB) = P(A) + P(B) * Propiedades demostrables a partir de la definicién, de la probabilidad son: P1.- P(g) = 0 P2.- Si AcB entonces P(A) < P(B) P3.- P(A) = 1 - PIA) A.G.-OnendinProbabilidad Total * Sucesos incompatibles Definicién: Sean A y B dos sucesos incompatibles se verifica: P(AuB) = P(A) + P(B) Ejemplo. éCudl es la probabilidad de sacar 1 6 2 en los dados? Hay una probabilidad de entre 6 de sacar 1 y la mismo para sacar 2, de donde se obtiene que la probabilidad es #/3. Nota: si trabajamos con sucesos incompatibles la suma de todas las probabilidades de todos los sucesos debe ser 1. * Sucesos compatib. Recordamos que dos sucesos A y B son compatibles si se pueden producir al mismo tiempo i.e. AnB¥S, por tanto si queremos calcular la P(AuB) tenemos que tener en cuenta que en la p(A) contamos la P(AnB) y en la P(B) también, Asi Definicién: Sean A y B dos sucesos compatibles entonces se tiene P(AuB) = P(A] + P(B) - P (AnB) La definicién se entiende facilmente AnB fijandose en este grafico 7 Se trata simplemente, de no contar m4s de una vez la probabilidad de que A y B se produzcan a un tiempo. Ejemplo. Se tiran dos dados éCudl es la probabilidad de sacar un 6 6 un doble? Sea A, A,=sacar 6 con el segundo dado acar 6 con el primer dado Assacar un 6 = A,uA, Besacar dobleSe pide P(AuB) =P (A) +P (B) ~P (AnB] tay a 6°6 66 36 P(A) =P (A,) +P (A,) ~P (A,na,) A, y A, son compatibles Para calcular la probabilidad de sacar un doble suponemos que el primer dado presenta cualquier cifra, el segundo dado tiene una proba- 1 bilidad, entre 6, de presentar 1a misma cifra: P(B) => z AB = sacar doble 6 P(AnB) = a1 Luego la probabilidad pedida serd P(AvB) = —- 1 4 6 36 369 La expresién para tres sucesos, y generalizable a mds, es P (AuBuC) =P (A) +P (B) +P (C) -P [AnB) -P (AnC) ~P (BnC] + POAC) Probabilidad compuesta Experimentos aleatorios compuestos. Lanzar una moneda, extraer una carta de una baraja, son experimentos simples. Lanzar dos o mas monedas, lanzar un dado y una moneda, lanzar varios dados, extraer varias cartas de una baraja, son experimentos compuestos. Puede decirse que un experimento compuesto es aquél en el que cada prueba equivale a la realizacién "conjunta" de varias pruebas més simples, ya sea simultaneamente, o “una tras otra". © Sucesos independientes Ejemplo. Un obrero vigila dos maquinas de tejer A y B. La maquina A exige su intervencién con una probabilidad 1/7 durante una hora y la maquina B con una probabilidad de 1/5, en el mismo tiempo. éCudl es la probabilidad de no ser molestada en una hora?. Las dos m4quinas son independientes. La probabilidad de que la maquina A tenga una averia es independiente de la probabilidad de que la maquina B la tenga. Para calcular las probabilidades de que las maquinas tengan averga empleamos la propiedad P(A)=1-P (A) de donde P(A no tiene averia) = eraao P(B no tiene averia)=64 parece légico que PIA y B no se averien) = x= (= am per cade probebilided da que ne ae aver A tenemos Gadas Ane prebebilidades de que no so avert 8). También podemos hacer P(no ser molestado) = 1 - P(ser molestado) = 1-P(averia A 6 averia B) = 1- (Plaveria A) + Plaveria B) - Plaveria A y B)) = 24 2 (1/7 41/5 - 1/38) = = De modo general Definicién: Sean A y B dos sucesos independientes, se verifica P(AnB) = P(A) + P(B) Nota: Dos sucesos A y B son independientes cuando para que se verifique B no influye que se haya o no verificado A. Los sucesos independientes son, necesariamente, compatibles. © Sucesos dependientes Ejemplo: Un conductor sobrio tiene una probabilidad entre 1.000 de tener un accidente de coche a lo largo de cierto tiempo; un concuctor ebrio tiene una probabilidad entre 50 de tener un accidente a lo largo del tiempo. Se admite que un conductor entre 100 conduzca en estado ebrio. 2Cudl es la probabilidad de que haya un accidente y el conductor este ebrio? iCudl es la probabilidad de que un conductor tenga accidente?. Supongamos que se haya producido un accidente. éCudl es la probabilidad de que el conductor esté ebrio? Los sucesos tener un accidente y conducir ebrio no son independientes, son sucesos dependientes. Para expresar en terminos de probabilidades el problema expuesto, es necesario definir probabilidades condicionadas P(accidente/conductor ebrio) = Probabilidad de que un accidente se produzca "sabiendo que" el conductor esta sobrio o "con la condi- cién" de que el conductor esté sabrio.tener un accidente" es dependiente del suceso “el sobrio", la prueba es que las probabilidades El suceso conductor esta condicionales son diferentes P(accidente/conductor sobrio) =0.001 +02 P(accidente/conductor ebrio) =| De forma general, la probabilidad condicional se denota P(A/B) : probabilidad del suceso A, sabiendo que B se produce Definicién: Sean A y B dos sucesos dependientes, entonces se verifica: P(AnB) = PIA) + P(B/A) De alguna forma, podemos decir que esta es la expresién mas general para la interseccién de sucesos, ya que si A y B son indepen- dientes el suceso A no influye en que se verifigque o no B asi que P(B/A] = P(B) y obtenemos la expresién para sucesos independientes. De esta expresién podemos obtener la formula para la B (AnB) Probabilidad condicionada P(A/B) = ——— P (B) En nuestro ejemplo P(cond. ebrio y accid.) = P(cond.ebrio) - Placcid./cond. ebrio) = =0.01x0.02 Trabajando con sucesos dependientes nos podemos encontrar con dos situaciones que se resuelven de forma diferente: 1) Se desea conocer la probabilidad que se verifique el suceso A, pero esta verificacién puede ser debida a varias causas C, Gy, «1, C,, incompatibles dos a dos. Este caso no es més que una generaliza- cién légica de la probabilidad condicionada ya que se tiene: PIA) =P(AyC, 6 AyC, 6 ... 6 AYC,)=P(AnC,) + P(AnC,) + + B(AnC,) 10Teniendo en cuenta que A y C, son claramente dependiente P(A) = P(C,)-PIA/C;) + P(C,)-P(A/C)) + ... + P(C,) +BIA/C,) Siguiendo con nuestro ejemplo se trataria de encontrar la probabilidad de que un conductor tenga accidente. Placcid) = P(ebrio y accidente o sobrio y accidente) = = Plebrioffaccidente) + P(sobrioflaccidente) = = Plebrio) P(accidente/ebrio) + P(sobrio]P(accidente/sobrio) = = 0.01x0.02 + 0.99x0.001 = 0-29 vvods Nota: Esto es realmente una probabilidad a priori 2) Situacién iversa a la anterior. Supongamos que ha ocurrido el suceso A, se trata de encontar la probabilidad de que se haya debido a la causa C, i.e. P(C,/A). Para resolver esta situacién utilizaremos el Teorema de Bayes: Sean C,, C, -.-, C, un sistema de sucesos incompatibles dos a dos y de tal forma que su unién sea todo el espacio muestral P(C,)P(A/C,) Pic,/a) = ——_____ ye (c,) B(A/C,) Aplicaremos Bayes si A es un suceso del que conocemos P(A/C,) y PIC,)- De forma més sencilla diremos: P(A) -P(B/A) P(A/B) = —_____ P(A) -P(B/A) + P(A) P(B/A) Volviendo a nuestro ejemplo la tercera pregunta nos situa en este caso. Se ha producido un accidente y nos preguntan cual es la probabilidad de que el conductor estubiese ebrio. a.P (ebrio] P (accidente/ebrio) P (ebrio) P (accid/ebrio) +P (sobr io) P (accid/sobrio) P (ebrio/accidente) 0.01x0.02 = ss 068, 0. 01x0.02+0.99x0.002 Este Ultimo caso representa un esfuerzo para pasar de un probable a un probable més seguro. En vez de situarnos en el conjunto E, se trata de situarse en un conjunto mas restringido A. En nuestro ejemplo ya no buscamos el suceso ebrio en el total, sino lo buscamos en el conjunto del suceso accidente. Nota. Es una probabilidad a posteriori. Después que tenemos cierta informacién calculamos la probabilidad del suceso deseado. Otra forma de ver este tipo de ejercicios es utilizando los diagramas de 4rbol y las tablas de contingencia. En el ejemplo anterior la situacién quedard recagida asi Asconductor sobrio Betener accidente - tabla de contingencia piessa cuits f B 5 Totales a [0.99-0.001 |0.99-0.999 | 0.99 RK [0.01-0.02 |0.01-0.98 | 0.01 Uo ______.- Totales 0.00119 0.99861 1 al +99-0.001 casilla a, b) 0.01-0.02 quedamos con la primera columna = ~~" = 0.168 0.00119 12 A.@.0nandiaEiemplo: "Enfermedad" Supongamos una poblacién en la que el 1 % tiene una enfermedad. Empleamos un test gue nos permite detectar la enfermedad 8 veces sobre 10 en un sujeto enfermo (test positivo). ¥ detectar la no exis- tencia de dicha enfermedad 9 veces sobre 10 en un sujeto sano (test negativo). éCual es la probabilidad de que un sujeto que ha dado test positivo esté enfermo? Azestar enfermo jstest positivo le contingencia o.os (eee af = ta n B B |Zotales A ae 0.01-0.8 | 0.01-0.2 | 0.01 tg 3 | 0-99-0.1 | 0.99-0.8 | 0.99 o.09 x Looe ox] | 5 Tetales| 0.107 0.893 1 Se pide P(A/B) = es considerar la primera columna de la tabla de 0.01-0.8 contingencia =~ = 0.747 0.107 Si utilizamos el teorema de Bayes: P(A/B) = 10010 100°10 13 A.G.0nandiaEjemplo "circuitos impresos" En una proceso de fabricacién de circuitos impresos, un fabricante asegura que el 5% de los circuitos son defectuosos. Supongamos que un dispositivo para conprobar los circuitos defectuosos detecta el 90% de ellos, pero también califica como defectuosos al 2% de los que en realidad son correctos. éCalcular la probabilidad de que un¢dircuito que ha sido calificado como incorrecto sea en realidad correcto, y también la de que suceda lo contrario, es decir, la que sea incorrecto un determinado circuito que fué calificado correcto? A = ser correcto B = ser declarado correcto R = ser incorrecto B = ser declarado incorrecto tabla de contingencia 2.25 A n B B Totales A__|0.95-0.98 |0.95-0.02 [0.95 7 RB |0.05.0.1 0.05.0.9 0.05 — Ale. 5g Teteles| 0.936 0.064 1 = 0.296 Ejemplo "fabrica de l4cteos" Una empresa de lacteos elabora sus productos en cuatro factorias A, B, C y D. Las cuotas de produccién de cada factoria {porcentage de la produccién total que se fabrica en esa factorial, y{ el porcentage de productos con envasado incorrecto son los siguientes: Cuotas de produccién Envasados incorrecto Si se toma un producto de esta marca al azar 1,-2Cudl es la probabilidad de que esté defectuosamente envasada’ 142.- Supongamos que hemos tomado un producto al azar y ha resulta- do estar mal envasado. éQué probabilidad hay de que proceda de la factoria Az. 3.- éDe qué factoria es mas probable que proceda? 4.- Son independientes los sucesos "estar mal envasado" y “pertenecer a la factoria A"? ~ tabla de contingencia ———_—8 ——a a B 3 Totales 7 aA ff a a = Totales L___ 15: Probabilidad| una urna hay 6 bolas de las que 3 son rojas. Se sacan al azar 4 bolas. éCuél es la probabilidad de que haya al menos una roja? producto est4 formado por dos partes, una de plastico y otra metdlica. E] proceso de fabricacién de ambas partes es independiente, siendo 0.05 la probabilidad de defecto en la parte de plastico y 0.06 la probabilidad de defecto en la parte metdlica, iCudl es la probabilidad de que el producto no sea defectuoso? so. 0.009 Determinar la probabilidad de que al volver una ficha del dominé sea doble o sumen sus puntos mas de 9. El dominé tiene 28 cifras. so (4) =n un dominé 7 de sus fichas son dobles :6-6, 5-5, ...,0-0. HAllese la probabilidad de encontrar algin doble al coger 4 fichas Una encuesta revela que el 35% de los habitantes de Santander leen El Diario Montafies, el 28% leen el Alerta y un 10% leen ambos. Si se elige al azar un ciudadano é Cudl es la probabilidad de que: a) lea al menos uno de los dos periddicos. sei:0.s3 b) lea B1 Diario Montafies pero no el Alerta. %ei:0.25 €) no lea ninguno. sei:0.47 : (6) Des tiradores hicieron un disparo cada uno. La probabilidad de que el primer tirador haga blanco es 0.8 y la del segundo 0.7. Hallar la probabilidad de que por lo menos uno de los tiradores haya dado en el blanco. soi:0.94 En una guarderia hay 18 nifios y 14 nifias, de los cuales la mitad de los nifios y la mitad de las nifias tienen el pelo negro. Se pide a) la probabilidad de que elegido al azar uno de ellos sea nifio o tenga el pelo negro. se1:0.7a1 b) La probabilidad de que elegido al azar uno de ellos sea nifia o no tenga el pelo negro. sei:0.719 Se lanza un dado al aire icudl es la probabilidad de que el numero aparecido sea impar y mayor que 3? sei: ‘ (9) m una biblioteca hay 8 libros de probabilidad de los cuales 5 son de formato grande y el resto de formato pequefio. Un alumno toma dos al azar écudl es la probabilidad de que ambos libros sean de formato grande? so:o1 8.6. OnandiaProbabilidad Una urna contiene 9 bolas blancas, 8 negras y 5 rojas. Se extraen sucesivamente 3 bolas de la urna. Hallar la probabilidad de que sean extraidas en este orden : Blanca, negra y roja en los siguientes casos: a) la extraccién sea con reemplazamiento. so1:0.034 b) la extraccién sea sin reemplazamiento.su:0.0109 Una urna A contiene 4 bolas blancas y 7 bolas negras; otra urna B contiene 8 bolas blancas y 3 bolas negras. De la urna A se pasa una bola tomada al azar a la urna B sin mirarla; después se saca una bola de la urna B que resulté ser blanca. éCudl es la probabilidad de que la bola pasada de A a B fuese negra? so:o.st En una fdbrica de pantalones se toman tres modelos distintos seleccionando al azar 20 pantalones de cada modelo, resultando defectuosos 2, 4 y 5 respectivamente. De un modelo tomado al azar se escogié aleatoriamente un pantalén resultando defectuoso, después se restituye la pieza tomando del mismo modelo otro pantalén que resulté también defectuoso. Determinar la probabilidad de que los pantalones que se han tomado pertenezcan al tercer modelo. se:0/9 En una urna hay 7 bolas blancas y 5 negras. Se extrae una bola al azar y se desecha, a continuacién se introducen en la urna dos bolas de color diferente a la primera que se extrajo y se extrae otra bola. a) Hallar la probabilidad de que la segunda bola sea blanca. Sei 129/82 b) Si la segunda bola es blanca, hallar la probabilidad de que la primera haya sido negra. sot:10/23