Está en la página 1de 10

Ctedra Estadstica

UNIDAD III
INTRODUCCIN A LA PROBABILIDAD
El objetivo general de la teora de probabilidades consiste en proporcionar un modelo
matemtico adecuado a la descripcin e interpretacin de cierta clase de fenmenos.
Es la teora de probabilidades la que permite vincular la muestra con la poblacin siempre
que la muestra responda al requisito fundamental de ser aleatoria.
Podemos decir que existen dos tipos de experimentos:
determinsticos : aquellos que repetidos bajo las mismas condiciones dan igual resul-
tado que es posible predecir, nos referimos por ejemplo los fenmenos fsicos o qumicos.
aleatorios : cuando no se puede predecir su resultado, los resultados de repeticiones
sucesivas variarn en forma aleatoria o impredecible.
o obstante, ser posible extraer de la repeticin del experimento ciertas regularidades,
como luego se ver. Estos experimentos son los que le interesan a la estadstica.
Por ejemplo:
! "ea el experimento de arrojar una moneda tres veces # observar su resultado, $para
cada lan%amiento ser cara o cru%, no pudiendo predecirse el mismo&' siendo sus
resultados posibles: (((,((),.........., ))).
! "ea el experimento aleatorio el de observar en una lnea de produccin que cierto
producto cumpla con las especificaciones' puede tratarse de una medida como longitud o
peso, la cual puede presentar diversos resultados.
El modo de abordar la probabilidad depende del inter*s que cada persona tenga en esta
materia. El matemtico puro prefiere por lo general tratar la probabilidad desde un punto de
vista axiomtico. El estadstico prctico prefiere considerarla como la proporcin de veces
que se presenta un determinado suceso si el experimento correspondiente se repitiera un
gran n+mero de veces.
ORIGEN DE LA TEORA DE PROBABILIDADES:
,a teora de probabilidades que actualmente es una rama importante de la matemtica
pura, con un campo de aplicacin que se extiende prcticamente sobre todas las ramas de
las ciencias naturales, t*cnicas # sociales, se -a desarrollado partiendo de un comien%o mu#
sencillo. "us races se encuentran en la teora matemtica del a%ar, planteada -ace tres si-
glos.
.urante el siglo )/00 en la alta sociedad francesa se practicaban frecuentemente los juegos
de a%ar. (omo dic-os juegos se complicaban cada ve% ms, se busc un m*todo racional
para resolverlos. El caballero .e 1ere le plante diversos problemas al matemtico #
filsofo 2lasie Pascal. 3ste, junto con otros matemticos como Pierre 4ermat, buscando
soluciones a dic-os problemas sent las bases de la actual teora de probabilidades.
ESPACIO MUESTRA
5l estudiar un experimento aleatorio, queda claro que las condiciones para su reali%acin
deben estar claramente especificadas, as como el tipo de resultado que se va a observar.
/eamos ejemplos de experimentos # su correspondiente conjunto de resultados posibles:
6. Experimento: "e arrojan dos dados # se observa la suma de sus caras.
En este caso el conjunto de resultados posibles es: 78, 9,..., 68:
8. Experimento: "e arroja una moneda -asta que apare%ca cara.
,uego, el conjunto de resultados posibles es:
7(, )(, ))(, )))(, ))))(, ..., )..)(, ...:
Introduccin a la Probabilidad 1
Ctedra Estadstica
9. Experimento: "e arroja un dardo al blanco # se observa su distancia al centro.
"uponiendo que el blanco tiene un metro de dimetro, el conjunto de resultados
posibles es: ;< ' <.=>
?. Experimento: "e extrae un artculo de un lote # se observa si es defectuoso o no.
El conjunto de los resultados posibles es: 7defectuoso, bueno:
=. Experimento: "e arroja un dado:
a& "i observamos su cara superior, el conjunto de resultados posibles es:
76, 8, 9, ?, =, @:
b& "i slo nos interesa que salga =, estamos considerando dos resultados del
experimento $o sale =, o no sale =&. .efiniendo los sucesos:
E A 7=: *xito
4 A 76, 8, 9, ?, @: fracaso
el conjunto de los resultados posibles se convierte en: 7E, 4:
En el primer caso el conjunto de resultados posibles es finito, en el segundo es infinito
numerable, en el tercero es un intervalo de n+meros reales $infinito no numerable&, en el
cuarto se trata de un experimento dicotmico #a que slo admite dos resultados posibles, #
el +ltimo caso se trata de un experimento que admite m+ltiples resultados en el inciso $a& #
reducido a slo dos resultados posibles en el inciso $b&, o sea, a un experimento cu#o
resultado es dicotmico.
.efiniciones:
Espacio Muestra: Es el conjunto de todos los resultados posibles de un experimento
aleatorio, # se lo simboli%a con .
Suceso Elee!tal: es cada uno de los resultados posibles del experimento aleatorio, es
decir, es cada elemento del espacio muestra, # se lo simboli%a con .
Suceso Aleatorio: Es un subconjunto del Espacio 1uestra , o sea, es un conjunto de
resultados posibles del experimento.
Ejemplo: "ea el experimento arrojar dos dados' el conjunto de resultados posibles es:
A 7$x,#&B x A 6, 8, ..., @' # A 6, 8, ..., @:
(ada par ordenado A $x,#& es un elemento del espacio muestra, por ejemplo:
A$9,=& , luego A $9,=& es un suceso elemental del experimento.
(ualquier conjunto de sucesos elementales es un suceso aleatorio. Por ejemplo, sea 5 el
suceso de obtener una suma de = puntos como resultado del experimento. Entonces
5 A 7$x,#& B x C # A = :' 5 A 7$6,?&, $8,9&, $9,8&, $?,6&:
5 , por lo tanto 5 es un subconjunto de .
Introduccin a la Probabilidad 2

Ctedra Estadstica
,as aplicaciones de probabilidad conciernen a menudo no a un suceso aislado sino a
combinaciones de los mismos, que dan como resultado otro suceso, para ello utili%amos
operaciones con conjuntos.
5 2 es el suceso de que ocurran 5, o 2, o ambos.
5 2 es el suceso de que tanto 5 como 2 ocurran simultneamente.
A
es el suceso de que 5 no suceda.
Ejemplo: "ea el experimento de arrojar un dado # observar el resultado:
A 76, 8, 9, ?, =, @:
"ean los sucesos:
5: obtener un n+mero par 5 A 78, ?, @:
2: obtener un n+mero impar 2 A 76, 9, =:
(: obtener un n+mero primo ( A 78, 9, =:
52 A
52 A
5( A 78:
A
A 76, 9, =: A 2
,os espacios muestra que poseen un n+mero finito o infinito numerable de elementos se
denominan espacios muestra discretos. ,os espacios muestra que poseen un n+mero infinito
no numerable de elementos, se denominan espacios muestra continuos' ejemplo de *stos
son los intervalos en D
6
,D
8
,
E, D
n
.
(omo el conjunto vaco es un subconjunto de , luego es un suceso, al que
denominaremos suceso iposi"le $suceso que no puede ocurrir&.
(omo es tambi*n un subconjunto de , ser un suceso, al que denominaremos suceso
seguro o cierto $suceso que siempre ocurre&.
"iendo nuestro objetivo asignar una medida, que llamaremos probabilidad, a los sub-
conjuntos de un espacio muestra, debemos notar que en general no es posible -acerlo para
todo subconjunto de . Esta asignacin debe -acerse mientras que verifique ciertas
propiedades necesarias.
En este sentido -abr que considerar ciertas familias de subconjuntos del espacio muestra.
DE#INICIN CL$SICA DE PROBABILIDAD%
En todos los juegos de a%ar $dados, ruleta, cartas, etc.& el resultado obtenido es uno entre
un n+mero posible de ellos. .ic-o resultado es imposible de predecir, lo cual caracteri%a el
a%ar del juego.
"i el instrumento utili%ado $sea ruleta, dado o baraja& es perfecto # el juego se reali %a
correctamente, los distintos resultados posibles de obtener sern igualmente favorables, por
lo tanto el espacio muestra tendr la caracterstica de ser equiprobable. En este caso,
indicando con ! $cardinal de & a la cantidad de resultados posibles del experimento, cada
resultado posible tiene una probabilidad de 6B! de ocurrir. Es decir, si # es un
espacio equiprobable, entonces:
P( )
#
=
1

5claracin: "i no se consideran los distintos resultados posibles $6,8,9,?,=,@& sino que nos
interesa definir otro suceso, como por ejemplo: que salga =, el espacio muestra que se
genera no es un espacio muestra equiprobable.
"ea 5 un subconjunto de , 5 , simboli%ando con !5 al cardinal de 5 que indica el
n+mero de casos favorables al suceso 5, calculamos la probabilidad de dic-o suceso
$siempre que sea equiprobable& como el cociente:
Introduccin a la Probabilidad 3
Ctedra Estadstica
P A
A nmero de resultados favorables
nmero de resultados posibles
( )
#
#
= =

.efinicin:
.ado un espacio muestra equiprobable # un suceso 5, 5 , la probabilidad de
ocurrencia de ese suceso es igual al cociente entre el n+mero de resultados favorables al
suceso 5 # el n+mero total de resultados posibles del experimento
P A
A
( )
#
#
=

Propiedades:
Propiedad 6: < P$5& 6
.em: (omo < !5 ! 1 ) ( 0
#
#
#
#
#
0

A P
A
Propiedad 8:
P( ) = 0
.em: (omo ! A <
#
# #
( )

= =

0
0 P
Propiedad 9: P$ & A 6
.em: Fa que P$ & A
1
#
#
=

Propiedad ?: P$52& A P$5& C P$2&, si 52 A


.em:"i 52 A, es decir los sucesos son exclu#entes, entonces !$52& A !5 C !2.
,uego :
P A B
A B A B A B
P A P B ( )
#( )
#
# #
#
#
#
#
#
( ) ( ) =

=
+
= + = +

Propiedad =: P$52& A P$5& C P$2& - P$52&, si 52
.em: "i 52 , es decir sucesos no exclu#entes, entonces !$52& A !5 C !2 - !$52&.
) ( ) ( ) ( ) (
#
) ( #
#
#
#
#
#
) ( # # #
#
) ( #
) (
B A P B P A P B A P
B A B A B A B A AUB
B A P
+ =

+ =
+
= =

Propiedad @: P$
A
& A 6 - P$5&
.em: (omo !$
A
& A ! - !5, entonces:
) ( 1
#
#
#
#
#
# #
#
) ( #
) ( A P
A A A
A P =

=
DE#INICIN #RECUENCIAL DE PROBABILIDAD
En los juegos de a%ar # en distintos campos de la actividad cientfica # prctica encontramos
ciertos experimentos que pueden repetirse en condiciones uniformes dando a cada
observacin aislada un resultado definido. "e intenta mantener bajo control todas las
condiciones que puedan ejercer influencia sobre el experimento de forma que las
Introduccin a la Probabilidad 4
Ctedra Estadstica
repeticiones sean lo ms uniformes posibles, sin embargo, los resultados presentan una
variabilidad que no es posible controlar, o sea, que el resultado del experimento vara en
forma singular # no puede predecirse el resultado de una repeticin individual' nos
encontramos ante un experimento aleatorio. o obstante, ser posible extraer cierta regu-
laridad que -ace posible # +til el estudio de los experimentos aleatorios.
"i se repite un experimento una gran cantidad de veces # se observa la aparicin de un
resultado $suceso 5& podr notarse que la frecuencia relativa del suceso tiende a
estabili%arse en un valor a medida que crece el n+mero de repeticiones del experimento.
"imboli%ando con f a la cantidad de veces que apareci el suceso 5 como resultado del
experimento, # con n a la cantidad de veces que se repiti el experimento, tenemos que:
A
A
n
p
n
f
lim
=

Es decir, la frecuencia relativa del suceso se estabili%a en un valor que es la probabilidad
terica del suceso A # la propia frecuencia relativa es la probabilidad emprica del suceso
A.
E&eplo:
"ea el experimento: arrojar una moneda repetidas veces, # consideremos *xito el suceso 5:
aparece cara. "ea n el n+mero de veces que se arroja la moneda # f el n+mero de veces
que aparece cara $n+mero de *xitos&, por lo tanto la frecuencia relativa de ocurrencia del
suceso 5, est dada por el cociente
f
n
"i reali%amos varias secuencias de repeticiones de este experimento, obtendremos una
serie de frecuencias relativas para distintos valores de n:
f
n
f
n
f
n
f
n
i
i
1
1
2
2
3
3
, , ,.........., ,.......
# empricamente comprobamos que a medida que n crece, las frecuencias relativas se
estabili%an prximas a un valor fijo, que representa la probabilidad terica del suceso 5:
aparece cara.
,a siguiente tabla indica los resultados obtenidos a trav*s de varias secuencias de
repeticiones, para diferentes valores de n A cantidad de lan%amientos de la moneda, # en
el grfico correspondiente se aprecian las fluctuaciones de la frecuencia relativa -, # cmo
estas fluctuaciones disminu#en a medida que aumenta n
n f -AfBn n f -AfBn
6< @ <,@< 66< =@ <,=6
8< G <,?< 68< @9 <,=9
9< 6? <,?H 69< @6 <,?H
?< 6I <,?G 6?< H8 <,=6
=< 8= <,=< 6=< H= <,=<
@< 96 <,=8 6@< HG <,?I
H< 9G <,=? 6H< G9 <,?I
G< ?9 <,=? 6G< GI <,?I
I< ?@ <,=6 6I< I= <,=<
6<< =6 <,=6 8<< 6<6 <,=<
Introduccin a la Probabilidad 5
Ctedra Estadstica
0,35
0,45
0,55
0,65
-50 50 150 250
n
h
.efinicin:
5sociada a cada suceso existe una probabilidad terica, a la cual tiende la frecuencia
relativa del mismo a medida que aumenta la cantidad de repeticiones del experimento.
Propiedades:
Propiedad 6: < P$5& 6 para cualquier 5
.em: (omo < f n 5 , entonces
0
n
f
n
n
n

1 ) ( 0 1 0 1 0

A P lim lim
n
f
lim lim
n
f
n n n n
Propiedad 8: P$ & A <
.em: (omo para 5 A es f A <, entonces
f
n n
= =
0
0
lim
f
n
lim P
n n
= = 0 0 ( )
Propiedad 9: P$& A 6
.em: (omo para 5 A es f A n, entonces 1 = =
n
n
n
f
1 ) ( 1 = =

P lim
n
f
lim
n n
.istinguiremos mediante un subndice el suceso al cual le corresponde la frecuencia de
aparicin como resultado del experimento. 5s,
f f f y f
A B A B A B
, ,

indican la cantidad de
veces que aparecen, respectivamente, los sucesos 5, 2, 52 # 52 como resultado del
experimento, #
f
A
indica la cantidad de veces que no apareci el suceso 5, es decir, que
aparece el suceso
A
Propiedad ?: P$52& A P$5& C P$2& si 52 A
.em:"i 52 A, sucesos exclu#entes, entonces
f f f luego
f
n
f f
n
f
n
f f
n
f
n
f
n
P A B P A P B
A B A B
A B A B
n
A B
n
A B
n
A
n
B


= + =
+
=
+

= +
= +
lim lim lim lim
( ) ( ) ( )
Propiedad =: P$52& A P$5& C P$2& - P$52& si 52
.em: "i 52 , sucesos no exclu#entes, entonces
Introduccin a la Probabilidad 6
Ctedra Estadstica
f f f f luego
f
n
f f f
n
f
n
f f f
n
f
n
f
n
f
n
P A B P A P B P A B
A B A B A B
A B A B A B
n
A B
n
A B A B
n
A
n
B
n
A B

= + =
+
=
+

= +
= +
lim lim lim lim lim
( ) ( ) ( ) ( )
Propiedad @: P$
A
& A 6 - P$5& para cualquier 5
.em:
) ( 1 ) (
1 1
1
A P A P Luego
n
f
lim
n
f
f lim
n
f
lim
n
f
n
f n
n
f
entonces f n f como
A
n
A
A
n
A
n
A A A
A
A
=
=

=
=

= =

PROBABILIDAD DE LA UNIN DE SUCESOS
.ecimos que dos sucesos son exclu#entes cuando no tienen ning+n elemento en com+n, es
decir, 5 # 2 son exclu#entes si 52 A. "i, por el contrario, 52 entonces 5 # 2 son
no exclu#entes.
Fa vimos que para dos sucesos exclu#entes $52 A& la probabilidad de la unin
$52& es igual a la suma de las probabilidades de los sucesos 5 # 2.
P$52& A P$5& C P$2&
5nlogamente, para tres sucesos exclu#entes $52 A # 5(A # 2( A & tenemos
que: P$52(& A P$5& C P$2& C P$(&
Para tres sucesos no exclu#entes:
P$52(& A P$5& C P$2& C P$(&- P$52&- P$5(& - P$(2& C P$52(&
Jambi*n vimos que para dos sucesos no exclu#entes:
P$52& A P$5& C P$2& - P$52& Regla de la Suma
PROBABILIDAD CONDICIONAL
5nali%aremos a continuacin las probabilidades de sucesos cuando se dispone de alguna
informacin.
(onsideremos el segundo ejemplo anali%ado, en el cual el experimento consiste en arrojar
un dado # observar su resultado, # consideremos tambi*n los sucesos 5 # ( definidos en el
mismo. "upongamos que nos informan que el resultado obtenido es un n+mero primo $es
decir, ocurri (&, # nos interesa el -ec-o de obtener un n+mero par $o sea, queremos saber
la probabilidad de ocurrencia de 5&. (omo sabemos que ocurri (:Kel resultado es un
n+mero primoK, el espacio muestra se reduce a
c
A 78, 9, =:, es decir, el nuevo espacio
muestra consiste en tres resultados posibles de los cuales slo uno es favorable al suceso
5:Kel resultado es un n+mero parK. Por lo tanto, teniendo en cuenta la informacin
disponible, la probabilidad de obtener un n+mero par es uno entre tres resultados posibles.
Es decir:
{ }
{ }
p = =
1
3
2
2 3 5
#
# , ,
Introduccin a la Probabilidad 7
Ctedra Estadstica
.ecimos que *sta es la probabilidad del suceso 5 condicionada a la ocurrencia del suceso (,
# la simboli%amos P $5 B (&. (omo es posible observar, el suceso "xito" result igual al
suceso 5( # el espacio muestra result igual al suceso (.
=

P A C
A C
C
( / )
#( )
#
.ividiendo numerador # denominador por !, resulta :
P A C
A C
C
P A C
P C
P A C
P A C
P C
( / )
#( )
#
#
#
( )
( )
( / )
( )
( )
=

=

=

.efinicin:
"ean 5 # 2 dos sucesos $5 , 2 &, tales que P$2& L < $ o sea, 2&. ,a probabilidad de
5 dada la ocurrencia de 2 es:
) (
) (
) / (
B P
B A P
B A P

=
.ada esta definicin, se deduce que la probabilidad del suceso 52 se calcula como el
producto de la probabilidad de uno de los sucesos por la probabilidad del otro suceso
condicionada al primero.
Es decir:
P A B P B P A B ( ) ( ) ( / ) =
conocida como Regla del Producto
5nlogamente, P A B P A P B A ( ) ( ) ( / ) =
#a que
P B A
P A B
P A
( / )
( )
( )
=

SUCESOS INDEPENDIENTES
"i la ocurrencia de un suceso 5 no afecta a la probabilidad de ocurrencia de alg+n otro
suceso 2, decimos que ambos sucesos son independientes, puesto que el suceso 2 Kno
dependeK de la ocurrencia del suceso 5. Por lo tanto en este caso, tener alguna informacin
sobre la ocurrencia de 5 no sera de ninguna utilidad #a que la probabilidad de 2 no vara.
Esto es, si 2 no depende de 5: P$2B5& A P$2&
,uego: P'AB( ) P'A(P'B*A( ) P'A(P'B(
.efinicin:
"i 5 # 2 son dos sucesos independientes, entonces la probabilidad conjunta de ambos es
igual al producto de las probabilidades de esos dos sucesos, # viceversa.
5 # 2 i!+epe!+ie!tes P'AB( ) P'A(P'B(
Ejemplo:
"ea el experimento extraer una carta de un ma%o de naipes espaMoles' # sean los eventos
$o sucesos&:
5: la carta obtenida es un naipe de KoroK
2: la carta obtenida es un KasK
Por lo tanto, el evento 52 es Kla carta obtenida es el as de oroK.
,as respectivas probabilidades de estos sucesos son:
Introduccin a la Probabilidad 8
Ctedra Estadstica
P A
P A B
P B
( )
( )
( )
= =
=
= =
10
40
1
4
1
40
4
40
1
10
"i nos informan que la carta obtenida es un KasK, Naltera esto la probabilidad de que sea de
KoroKO
P A B
A B
B
P A ( / )
#( )
#
( ) =

= =
1
4
Podemos comprobar que P$5B2& A P$5&, lo cual indica que 5 no depende de 2.
Jambi*n podemos comprobar que el producto de las probabilidades de 5 # 2, resulta igual a
la probabilidad conjunta 52, #a que:
P A P B P A B ( ) ( ) ( ) = = =
1
4
1
10
1
40
lo cual indica que 5 # 2 son sucesos independientes.
REGLA DE PROBABILIDAD TOTAL
"ea 26, 28,..., 2
P
una particin de , luego los 2
i
son subconjuntos no vacos de , adems
son ex-austivos # exclu#entes. Esto significa que los sucesos 26,..., 2P cumplen con:
6.- 2
i
, 2i i A 6,....,P
8.- 2
i
2
j
A , i j $Exclu#entes&
9.-
k
i
i
B
1 =
=
$Ex-austivos&
"ea 5 , 5 . Qbviamente, 5 tiene elementos en com+n con alguno de los 2
i.
Es decir que:
i i k tal que A B
i
, , 1
Podemos expresar este suceso 5 como la unin de las intersecciones que tiene con los
sucesos 2:
5 A 265 285 ... 2P5 A ( ) B A
i
i
k
=

(omo los sucesos 2


i
son exclu#entes, entonces tambi*n lo sern los sucesos 2
i
5, es
decir:
( )
( ) [ ] ( )
( )
) / ( ) ( ) (
) / ( ) ( ........ ) / ( ) ( / ( ) ) (
) ( ........ ) ( ) ( ........ ) ( ) (
, ) ( ,
1
2 2 1 1
2 1 2 1
i
k
i
i
k k
k k
j i j i
B A P B P A P
B A P B P B A P B P B A P B P A P
A B A B P A B P A B A B A B P A P
j i A B A B j i B B

=
=
+ + + =
+ + + = =
= =
TEOREMA DE BA,ES
Introduccin a la Probabilidad 9
Ctedra Estadstica
"ea 26, 28,..., 2
P
una particin de , luego los 2
i
son subconjuntos no vacos de , adems
son ex-austivos # exclu#entes. Esto significa que los sucesos 26,..., 2P cumplen con:
6.- 2
i
, 2i i A 6,....,P
8.- 2
i
2
j
A , i j
9.- B
i
i
k
=
=

"ea 5 , 5 . Qbviamente, 5 tiene elementos en com+n con alguno de los 2


i.
Es decir que: i i k tal que A B
i
, , 1
"upongamos que son conocidas las probabilidades de cada suceso 2i, como tambi*n las
probabilidades del suceso 5 condicionado a la ocurrencia de cada suceso 2i.
Por lo tanto son conocidas las probabilidades: P$2i& P$5B2i& para todo i A 6, ..., P
(omo #a -emos visto, podemos expresar este suceso 5 como la unin de las intersecciones
que tiene con los sucesos 2:
5 A 265 285 ... 2P5 A ( ) B A
i
i
k
=

# a su probabilidad :
P A P B P A B
i i
i
k
( ) ( ). ( / ) =
=

1
"upongamos que, una ve% ocurrido el suceso 5, nos interesa saber la probabilidad de que
su causa -a#a sido alguno de los 2j, Es decir, queremos averiguar P$2j B5& .
P B A
P B A
P A
P B P A B
P B P A B
j
j j j
i i
i
k
( / )
( )
( )
( ). ( / )
( ). ( / )
=

=
=

1
frmula conocida con el nombre de FRM!A "# $A%#S .
,as probabilidades conocidas P$2i& se llaman probabilidades a priori
# las probabilidades calculadas P$2iB5& se llaman probabilidades a posteriori.
Este teorema se denomina tambi*n como el teorema de las causas, #a que se utili%a para
conocer cul es la causa ms probable de la ocurrencia de un suceso' -abiendo ocurrido
*ste.
Introduccin a la Probabilidad 10