1

1.4 Calculo de Probabilidades con

Metodos de Conteo
Considerere un espacio muestral nito,
= {
1
, . . . ,
n
},
y dena,
P({
i
}) = p
i
, i = 1, . . . , n
Luego,
P(A) =

i
A
p
i
, A
se dice equiprobable si todos los p
i
son iguales,
e.d.
p
i
=
1
n
, i = 1, . . . , n.
En este caso,
P(A) =
n
A
n
=
n umero de casos favorables
n umero de casos totales
= (

i
A
p
i
=

i
A
1
n
=
n
A
n
=
#A
#
)
Advertencia
2
Ejemplo B:
Urna negra: 5 bolas rojas, 6 bolas verdes
Urna blanca: 3 bolas rojas, 4 bolas verdes
Usted escoge una urna a voluntad, y luego extrae
al azar una bola de esa urna.
Si usted extrae una bola roja gana un premio.
Que urna usted debe preferir?
Dena los eventos:
R
N
=se extrae una bola roja de la urna negra.
R
B
=se extrae una bola roja de la urna blanca.
P(R
N
) =
5
5+6
=
5
11
= 0, 455
P(R
B
) =
3
3+4
= 0, 429
La urna negra es preferible.
3
En un segundo juego la composicion de las urnas
es:
Urna negra: 6 bolas rojas, 3 bolas verdes
Urna blanca: 9 bolas rojas, 5 bolas verdes
Que urna usted debe preferir?
Para este segundo par de urnas las probabilidades
de extraer una bola roja son:
P(R
N
) =
6
9
= 0, 667
P(R
B
) =
3
3+4
= 0, 643
Nuevamente la urna negra es preferible.
En un tercer, y ultimo, juego, el contenido de
urna negra del segundo juego se agrega a la urna
negra del primer juego. De manera similar, el
contenido de urna blanca del segundo juego se
agrega a la urna blanca del primer juego. Que
urna usted debe preferir en el ultimo juego?
Tal vez su intuicion le dice que escoja la urna
negra.
4
El calculo de la probabilidades arroja:
P(R
N
) =
11
20
= 0, 55
P(R
B
) =
12
21
= 0, 571
De modo que en el ultimo juego
la urna blanca es preferible!
Este ejemplo ilustra una instancia de la paradoja
de Simpson.
Ejemplo real: ver seccion 11.4.7.
Ejemplos interesantes en: Gardner, M. (1976) Mathematical Games. Scientic
American, 234. 119-123.
5
El Principio de Multiplicacion.
Si un experimento tiene m resultados y otro
tiene n resultados,
entonces hay m n resultados para los dos
experimentos.
Ejemplo:
En la clase hay hombres
mujeres
es posible formar parejas
6
Principio de Multiplicacion Extendido.
p experimentos
n
i
resultados en el experimento i, i = 1, . . . , p
hay n
1
n
2
n
p
resultados para los p
experimentos.
Ej.: cual es el n umero total de patentes de au-
tos?
Ejemplo C:
Una palabra binaria de 8 bits es una secuencia de
8 dgitos, cada uno de los cuales puede ser 0 o 1.
Cuantos palabras de 8 bits Ud. puede formar?
Sol: Hay dos alternativas para el primer dgito,
dos para el segundo, etc. Luego hay
2 2 2 2 2 2 2 2 = 2
8
= 256,
palabras binarias de 8 bits.
7
Ejemplo D:
Una molecula de ADN es una secuencia de cu-
atro tipos de nucleotidos que se denotan por A,
G, C y T. La molecula puede tener millones de
unidades de largo y por lo tanto puede codicar
una cantidad enorme de informacion. Por ejem-
plo, para una molecula con 1 millon de unidades
de largo, uno puede formar 4
10
6
secuencias difer-
entes. Este es un n umero enorme con cerca de
un millon de dgitos.
Un aminoacido se codica con una secuencia de
tres nucleotidos. Luego hay 4
3
= 64 codigos
diferentes, pero hay solo 20 aminoacidos puesto
que alguno de ellos tienen varios codigos.
Una protena es una molecula que se compone de
cientos de unidades de aminoacidos. Luego hay
una cantidad enorme de protenas. Por ejemplo
hay 20
100
secuencias diferentes de 100 aminoacidos.
8
1.4.2 Permutaciones y Combinaciones.
Sea C = {C
1
, C
2
, . . . , C
n
} una coleccion de n
objetos.
Escogemos r objetos y los listamos en orden.
1. Muestreo sin reemplazo
(objetos no se pueden repetir)
2. Muestreo con reemplazo
(objetos se pueden repetir)
Proposicion A
Para muestreo sin reemplazo, uno puede escoger
los r objetos de
n(n1)(n2)
n{r1}
..
(n r + 1) formas
Para muestreo con reemplazo, uno puede escoger
los r de
n n n
. .
r
= n
r
formas
9
Corolario
El n umero de permutaciones de n objetos es
n(n 1)(n 2) 1 = n!
Ejemplo:
Suponga que todas las patentes son equiproba-
bles. Cual es la probabilidad de que una patente
escogida al azar no tenga ni letras ni n umeros
repetidos?
10
Ejemplo E: Problema del cumplea nos
Hay n personas en una sala.
Cual es la probabilidad que al menos dos de el-
las tengan el mismo da de cumplea nos?
Suponga que cada da del a no es igualmente prob-
able como cumplea nos. (Descarte a nos bisiestos).
Sea A el evento: hay al menos dos personas con
el mismo da de cumplea nos.
P(A) = 1 P(A
c
).
P(A
c
) = P(no hay dos personas con
=
365 364 (365 n + 1)
365
n
En un curso con n = 75 alumnos:
P(A) = 0.9997199
11
n P(A)
4 0,016
16 0,284
23 0,507
32 0,753
40 0,891
56 0,988
12
Recuento de Combinaciones
El interes se centra en los constituyentes de las
muestra y NO en el orden de ellos.
Pregunta basica: si seleccionamos r objetos de
un conjunto de n, sin reemplazo y sin considerar
el orden,
cuantas muestras distintas hay?
Pregunta equivalente: cuantos subconjuntos de
tama no r se pueden formar de un conjunto de
tama no n?
13
Respuesta:
n umero de muestras ordenadas:
n(n 1) (n r + 1) (r objetos)
que se pueden ordenar de r! maneras
Luego, el n umero de subconjutos de tama no r
que se pueden a partir de un conjunto de tama no
n es,
n(n 1) (n r + 1)
r!
.
Note que el numerador en esta ecuacion se puede
reescribir en la forma,
n(n 1) (n r + 1)
= n(n 1) (n r + 1)
(n r)!
(n r)!
=
n!
(n r)!
14
Proposicion B
El n umero de muestras no-ordenadas de tama no
r tomadas sin reemplazo de n objetos es
_
n
r
_
=
n!
r!(n r)!
= Coeciente binomial
Los coecientes binomiales ocurren en la expan-
sion,
(a + b)
n
=
n

k=0
_
n
k
_
a
k
b
nk
En particular,
2
n
=
n

k=0
_
n
k
_
.
15
Interpretacion: Este resultado provee el n umero
de subconjuntos que uno puede formar a partir
de un conjunto de tama no n. Es decir,
#(P(A)) = 2
n
, si #(A) = n.
Uno suma el n umero de subconjuntos de tama no
cero (con la convencion 0! = 1.) con el n umero
de subconjuntos de tama no 1, etc., hasta el n umero
de subconjuntos de tama no n.
16
Ejemplo G: Hasta 1991, un jugador de la lotera
del Estado de California, EEUU, poda ganar el
pozo escogiendo seis n umeros entre 1 y 49 y que
despues coincidieran con los seleccionados por
funcionarios de la lotera.
Haban
_
49
6
_
= 13.983.816 formas de escoger 6
n umeros de 49, y por lo tanto la probabilidad de
ganar el pozo era aproximadamente 14 millones.
Si no haba ganadores, el pozo se acumulaba para
el proximo juego.
Las reglas del juego fueron modicadas de modo
que el los jugadores tenan que escoger 6 n umeros
entre 1 y 53.
Puesto que
_
53
6
_
= 22.957.480, la probabilidad
de ganar decrece a 1 en 23 millones aproximada-
mente. Por la acumulacion de pozos de varios
juegos, el pozo alcanzo un record de USD 120
millones. Este pozo genero un ebre de juego,
gente compraba boletos a tasas de entre 1 y
2 millones por hora y los ingresos del estado
crecieron fuertemente.
17
Ejemplo H:
- n items en un lote.
- items pueden ser defectuosos o no.
- se seleccionan r para ser examinados.
hay
_
n
r
_
de tales muestras.
Supongamos que hay k items defectuosos en el
lote.
Cual es la probabilidad que la muestra contenga
m items defectuosos exactamente?
18
Sea A el evento relevante:
P(A) =
n

casos favorables
n

casos totales
=
n

formas en que A puede ocurrir

n

muestras
_
k
m
_
= n umero de muestras con exacta-
mente m items defectuosos.
_
n k
r m
_
= n umero de muestras con exacta-
mente r m items NO defectuosos
Luego,
P(A) =
_
k
m
__
nk
rm
_
_
n
r
_
Probabilidad Hipergeometrica
19
Ejemplo I: Metodos de Captura-Recaptura
Uso: Estimacion del tama no
de una poblacion de animales
Etapa I
10 animales son atrapados, marcados y
devueltos
Etapa II
20 animales son atrapados,
4 de ellos haban sido marcados
Cual es el tama no de la poblacion?
20
Sea A el evento:
4 animales de 20 tienen marcas.
P(A) =
_
10
4
__
n10
16
_
_
n
20
_
=
n

muestras favorables
n

muestras totales
n = tama no de la poblacion
DESCONOCIDO
cantidad de interes
datos = n

de animales marcados
en la Etapa II
cantidad desconocida ANTES
del experimento . . .
observada DESPUES
del experimento
21
Tama nos de las muestras (10 y 20) son conoci-
dos antes del experimento (cantidades jas por
DISE

NO.
Cantidad de interes NO observable: parametro
El proceso de aprendizaje sobre los parametros
se llama INFERENCIA ESTAD

ISTICA.
22
Proposicion C
El n umero de formas que n objetos pueden ser
ordenados en r clases con n
i
objetos en la clase
i, i = 1, . . . , r, y

r
i=1
n
i
= n, es
_
n
n
1
n
2
n
r
_
=
n!
n
1
!n
2
! n
r
!
.
Note que la Proposicion B es un caso especial
del la Proposicion C con r = 2.
Dem:
Hay
_
n
n
1
_
maneras de escoger los objetos para la
primera clase.
Terminada esta etapa,
Hay
_
nn
1
n
2
_
maneras de escoger los objetos
para la 2da clase.
23
Continuando de esta manera, uno cuenta
n!
n
1
!(n n
1
)!

(n n
1
)!
(n n
1
n
2
)!(n
2
)!


n
r
..
(n n
1
n
2
n
r1
)!
(0)!n
r
!
. .
1
,
formas de escoger los objetos de la forma desea-
da.
El resultado de la proposicion se obtiene
despues de simplicar.
24
Ejemplo J
Un comite de siete personas puede ser dividido
en tres comites de tama no tres, dos y dos, re-
spectivamente.
Cuantos subcomites diferentes uno puede for-
mar de esta forma ?
_
7
322
_
=
9!
2!4!3!
= 1260.
25
Ejemplo K
De cuantas formas uno puede reordenar el con-
junto de nucleotoides {A, A, G, G, G, G, C, C, C}
en una secuencia de nueve letras?
Solucion: Uno puede usar la Proposicion C
despues de notar que uno puede reformular la
pregunta en forma equivalente:
De cuantas formas uno puede ordenar las nueve
posiciones en la secuencia en subgrupos de tama no
dos, cuatro y tres? (que son las posiciones de las
letras A, G y C).
_
9
243
_
=
9!
2!4!3!
= 1260.
26
Ejemplo L
De cuantas formas uno puede ordenar n = 2m
personas y luego asignarlas a mcanchas de tenis?
Sol: En este problema n
i
= 2, i = 1, . . . , m,
y de acuerdo a la proposicion C el n umero de
asignaciones es
(2m)!
2
m
.
Uno tiene que ser cauteloso con estos problemas.
Suponga que la pregunta fuera por el n umero de
parejas que uno puede formar con 2m personas,
sin requerir que luego sean asignadas a canchas
de tenis.
Puesto que el n umero de formas en que uno
puede asignar m parejas a m canchas es m!, uno
debe dividir el resultado anterior por m!, y obten-
er,
(2m)!
m! 2
m
.
27
Los n umeros
_
n
n
1
n
2
n
r
_
se llaman coecientes
multinomiales, y ocurren en la expansion
(x
1
+ x
2
+ + x
r
)
n
=

_
n
n
1
n
2
n
r
_
x
n
1
1
x
n
2
2
x
n
r
r
,
donde la suma es sobre los enteros n
1
, n
2
, . . . , n
r
,
tales que n
1
+ n
2
+ + n
r
= n.
28
Ejercicio
Suponga que un mazo de 52 naipes contiene 4
ases.
El mazo se mezcla y los naipes se distribuyen
entre cuatro jugadores. Cada Jugador recibe 13
naipes.
Calcule la probabilidad que cada jugador reciba
un as.
Sol:
N umero de casos totales:
Los cuatro ases ocupan cuatro posiciones en el
mazo.
Enumere las posiciones en el mazo de 1 a 52.
El n umero de casos totales es el n umero de for-
mas que se puede seleccionar 4 n umeros de 52.
29
En otras palabras, el n umero de subconjuntos de
tama no 4 que se puede seleccionar a partir de 52
elementos.
N umero de conguraciones totales =
_
52
4
_
.
Suponga que cada una de estas conguracines es
igualmente probable.
N umero de casos favorables:
Si cada jugador recibe un as, entonces debe haber
exactamente un as entre los 13 primeros naipes,
exactamente un as entre los 13 naipes siguientes,
y exactamente un as entre los 13 naipes que los
otros dos jugadores recibiran.
Para el primer as hay 13 posicines posibles.
Para el segundo as hay 13 posiciones posibles, y
el mismo n umero de posiciones para los ases de
los otros dos jugadores.
30
Por lo tanto hay 13
4
conguraciones de posi-
ciones de los cuatro ases que conducen al re-
sultado deseado.
Luego, la probabilidad p que cada jugador reciba
exactamente un as es
p =
13
4
_
52
4
_
= 0, 1055