Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FUNDAMENTOS DE PROBABILIDAD
En el mundo real hay fenmenos regidos por leyes determinadas, es decir, bajo
condicionadas dadas. El resultado es previsible, salvo quizs por errores de medida;
estos fenmenos denominan fenmenos deterministas, un ejemplo de ellos puede ser
la cada de un objeto desde determinada altura.
Frente a estos fenmenos existen otros muchos que no siguen unas leyes determinadas.
Un fenmeno o experimento se dice aleatorio si puede dar lugar a varios resultados, sin
que pueda ser posible decir con certeza los resultados del mismo.
Los fenmenos aleatorios aparecen en muchas disciplinas cientficas. Por ejemplo, en
Mercadotecnia interesan las cantidades de cierta mercanca vendidas en das sucesivos;
en Fsica se detecta la presencia de ruidos trmicos en un circuito elctrico; en Control de
Calidad interesa el nmero de tems defectuosos producidos por cierta mquina; en
Medicina el nmero de pacientes curados por cierto frmaco, etc.
Al describir un experimento aleatorio es esencial especificar qu aspecto del resultado
interesa observar, es decir, cul es el criterio para considerar dos resultados como
diferentes. Esta especificacin se logra mediante el espacio muestral.
ESPACIO MUESTRAL.- Dado un experimento aleatorio, el conjunto cuyos elementos
son los posibles resultados diferentes (que se desean considerar diferentes) del mismo,
se conoce como espacio muestral asociado al experimento aleatorio, se denota por .
Se presentan diversos tipos de espacios muestrales:
a) En el lanzamiento de un dado se puede tomar como espacio muestral:
1, 2, 3, 4, 5, 6
b) En el experimento aleatorio que describe el nmero de automviles que cruzan un
puente de peaje en un perodo dado, el espacio muestral es del tipo 1, 2, 3,
c) En el caso de elegir al azar un nmero real en el intervalo 0, 1 , el espacio muestral
asociado es precisamente 0, 1
Sucesos elementales: Dado un suceso puede ocurrir que ste pueda ser
descompuesto en sucesos ms simples, de forma que la unin de stos sea
precisamente el suceso considerado. A estos sucesos se les llama sucesos
compuestos.
Por otra parte, existen otros sucesos que no pueden ser descompuestos en sucesos
ms simples, estos sucesos reciben el nombre de sucesos elementales.
A B B A
Conmutativas
A B B A
A (B C) (A B) C
Asociativas
A (B C) (A B) C
A (B C) (A B) (A C)
Distributivas
A (B C) (A B) (A C)
para la unin : A A
Elemento neutro
para la interseccin : A A
Sea C(M) una clase de subconjuntos de M, se dice que C(M) es un lgebra de Boole
si verifica:
a) M C(M)
b) Si A, B C(M) A B C(M)
c) Si A C(M) A C(M)
Sea el conjunto que es el espacio muestral y una clase formada por los sucesos que
son subconjuntos de , verificando:
a) C(), ya que es un suceso, el suceso seguro
b) Si A, B C( ) A B C() es otro suceso
c) Si A C() A C( ) es otro suceso
La clase formada por los sucesos de un experimento aleatorio tiene estructura de lgebra
de Boole, a sta se la llama lgebra de Boole de sucesos y se denota por
En el caso de que el espacio muestral sea infinito (numerable o no numerable), se
considera una estructura ms amplia, que es la - lgebra de sucesos, y en la que la
diferencia esencial con el lgebra de sucesos es que la unin infinita numerable de
sucesos es otro suceso.
Es decir, la clase de sucesos es un - lgebra s
a)
b) Si A A
c) Si A i i A i
i 1
Una variable aleatoria es una funcin definida sobre el espacio muestral (conjunto
de resultados de un experimento aleatorio) que toma valores en el cuerpo de los nmeros
reales , es decir:
:
()
Una variable aleatoria puede ser discreta o continua segn sea el rango de esta funcin.
En trminos matemticos con rigor, dado un espacio probabilstico (, , P) asociado a
un experimento aleatorio, una funcin :
es una variable aleatoria si x
el conjunto / () x
FRECUENCIA DE UN SUCESO: El objetivo es definir sobre el lgebra de Boole de
sucesos una funcin que indique una medida de la certeza o incertidumbre en la
ocurrencia de los sucesos del experimento aleatorio.
nA B nA nB nA nB
fA fB
n
n
n
n
Es decir, fA B fA fB si A B
PROBABILIDAD: Dado un experimento aleatorio, con espacio muestral y lgebra de
sucesos asociada , la probabilidad se define como una aplicacin del lgebra de
P :
0, 1
P(A) 0 A
P() 1
P(A B) P(A) P(B) A, B con A B
P() 0 P() 1 P( ) 1 1 0
Si A B P(A) P(B)
Si A B B A (B A) con A (B A)
P(B) P(A) P(B A) con P(A) 0 y P(B A) 0
con lo cual, P(B) P(A)
P(A B) P(A) P(B) P(A B) A, B
A (A B) (A B)
B (A B) (A B)
A B (A B) (A B) (A B) (A B) (A B) (A B) (A B)
P(A B) P(A B) P(A B) P(A B)
B A
Siendo
A B
resulta,
P(B / A)
P(A B)
P(A)
siguientes:
n A
i
i 1
A i A j i j i, j 1, 2, , n
Esto es, la unin de todos ellos es el suceso seguro y son incompatibles dos a dos.
Un conjunto de sucesos con estas dos propiedades recibe el nombre de sistema completo
de sucesos.
Sea un suceso cualquiera B y un sistema completo de sucesos A i i 1, 2, , n , tales
que P(A i ) 0 i . El Teorema de la Probabilidad Total establece que:
n
En efecto, B B siendo A i
i 1
n n
B B B A i B A i
i 1 i 1
Los sucesos B A i son disjuntos por serlo los sucesos A i , resulta, por tanto:
n
n
n
P(B) P B A i P B A i P B A i
i 1
i 1
i 1
Como P(B / A i )
P(B A i )
P(A i )
i 1
i 1
P(A j ) . P(B / A j )
n
P(A i ) . P(B / A i )
i 1
En efecto,
P(A j / B)
P(A j B)
P(B)
se tiene, P(A j / B)
y P(B / A j )
P(A j B)
P(B)
P(A j B)
P(A j )
P(A j ) . P(B / A j )
P(B)
P(A j ) . P(B / A j )
n
P(Ai ) . P(B / A i )
i 1
m
m!
Cm, n
n n! . (m n)!
donde m! m . (m 1) . . 3 . 2 . 1
Vm, n m . (m 1) . (m 2) . . (m n 1)
Permutaciones de m elementos: Es un caso particular de las variaciones, son
variaciones de m elementos tomados de m en m.
Pm Vm, m m! m . (m 1) . (m 2) . . 3 . 2 .1
Variaciones con repeticin de m elementos tomados de n en n: Es el conjunto de
todas las disposiciones distintas que se pueden formar tomando n elementos entre los
m elementos, en los que eventualmente pueden aparecer elementos repetidos, con la
condicin de que dos disposiciones sern distintas si tienen distintos elementos o
estn situados en distintos lugares, esto es, se tiene en cuenta el orden de los
elementos en las disposiciones.
Vmn mn
n!
n1 ! . n2 ! nm !
donde n1 n2 nm n
m n 1 (m n 1)!
RCnm
n!. (m 1)!
Portal Fuenterrebollo
C = "Aprueban Contabilidad"
Se organizan los datos en una tabla de doble entrada, completando los que faltan:
E
C
10
E
6
14
18
12
30
a) P (E C)
b) P (C / E)
16
10 1
30 3
P(E C) 10 5
P(E)
18 9
18 16 3 18
8
P(E) . P(C) 30 . 30 5 . 15 25
1
8
P A B
Morgan
P A B
Morgan
P A B 1 P A B 0,5
P A 1 P A 0, 4
P A B 1
P A B 0,5
P A 0,6
P A B P A P B P A B
1 0,6 P B 0,5
P B 0,9
Ejercicio 4.- Se tienen dos bolsas, A y B. En la bolsa A hay 3 bolas blancas y 7 rojas. En
la bolsa B hay 6 bolas blancas y 2 rojas. Sacamos una bola de A y la pasamos a B.
Despus se extrae una bola de B.
a) Cul es la probabilidad de que la bola extrada de B sea blanca?.
b) Cul es la probabilidad de que las dos bolas sean blancas?.
Solucin:
Se hace un diagrama de rbol:
10
a) P 2 blanca
7
7
21 7
30 15 30 10
b) P 1 blanca 2 blanca
7
30
Ejercicio 5.- En una cadena de televisin se hizo una encuesta a 2500 personas para
saber la audiencia de un debate y de una pelcula que se emitieron en horas distintas:
2100 personas vieron la pelcula, 1500 vieron el debate y 350 no vieron ninguno de los
dos programas. Se elegimos al azar uno de los encuestados:
a) Cul es la probabilidad de que viera la pelcula y el debate?.
b) Cul es la probabilidad de que viera la pelcula, sabiendo que vio el debate?.
c) Sabiendo que vio la pelcula, Cul es la probabilidad de que viera el debate?.
Solucin:
Sean los sucesos: P = 'Vio la pelcula'
D = "Vio el debate"
Se organizan los datos en una tabla de doble entrada, completando los que faltan:
D
P
1450
D
650
50
350
400
1500
1000
2500
a) P (P D)
1450 29
0,58
2500 50
b) P (P / D) =
P(P D) 1450 29
=
=
= 0,97
P(D)
1500 30
c) P (D / P)
P(D P) 1450 29
0,69
P(P)
2100 42
11
2100
P D 0,96
P G / D 0,95
El Teorema de Bayes: P D / G
P D / G
P D P G / D
P D P G / D P D P G / D
0,04 . 0,95
0,038
0,664
0,04 . 0,95 0,96 . 0,02 0,038 0,0192
12
d BAC 8 m
d C 1 m
d AC 3 m
P ABC P A . P B / A . P C
1 1
1
. .1
3 2
6
P BAC P B . P A / B . P C
1 1
1
. .1
3 2
6
P AC P A . P C / A
P BC P B . P C / B
P C
1 1
1
.
3 2
6
1 1
1
.
3 2
6
1
3
La distribucin de probabilidad:
ABC
8
1
6
di
pi
BAC
8
1
6
AC
3
1
6
BC
6
1
6
C
1
1
3
i 1
di . pi 8 .
1
1
1
1
1 27
8 . 3 . 6 . 1.
4,5 m
6
6
6
6
3
6
P (A B)
P (A B )
P (A B)
P (A B )
Solucin:
a) P (A B) P (A) P (B) P (A B) , con la hiptesis A B , siendo P () 1 ,
se tiene:
1 0,8 0,5 P (A B)
P (A B) 0,3
b) B es el complementario de B, en consecuencia, B B
P (A B ) P (A) P (B ) P (A B )
13
De otra parte,
B B (A B) B A B P (B ) P (A B ) 0,5
P (A B) P(A) 0,8
c) P (A B) P (B) 0,5
Leyes de Morgan
d) P (A B )
P (A B) 1 P (A B) 1 O,3 0,7
Ejercicio 9.- Sean A, B y C tres sucesos incompatibles, con P (A) 0,5 , P (B) 0,25 y
P (C) 0,166 . Se pide calcular las siguientes probabilidades:
a) P (A B )
b)
c)
d)
e)
P (A B C )
P (A B C)
P (B A)
Probabilidad de que exactamente se realice uno de los tres sucesos considerados.
Solucin:
a) El suceso A B (A B) . Por las leyes de Morgan:
P (A B ) P (A B) 1 P (A B)
Como los sucesos son incompatibles, P (A B) P () 0 . En consecuencia,
P (A B) P (A) P (B) P (A B) P (A B) P (A) P (B)
resultando:
P (A B ) P (A B) 1 P (A B) 1 P (A) P (B) 1 0,5 0,25 0,25
b) El suceso A B C (A B C) . Por las leyes de Morgan:
P (A B C) P (A B C) 1 P (A B C)
14
AB
Si A C C A
Si B C C B
AC
y, por tanto,
BC
ABC
resultando,
P (B A) P (B A) P (B) 0,25
e) Sea E = 'suceso ocurre exactamente uno de los tres sucesos A, B , C'
E (A B C) (A B C) (A B C)
por analoga con razonamientos anteriores, se tiene que:
ABCA
A B C B
AB C C
P (A) 0,3
P (A) 0,7
P (B / A) 0, 4
P (B / A) 0,6
P (B / A) 0,6
P (B / A) 0, 4
P (A / B)
P (A).P (B / A)
0,3.0, 4
0,22
P (A).P (B / A) P (A).P (B / A) 0,3.0, 4 0,7.0,6
b) P (A / B)
P (A).P (B / A)
0,7.0, 4
0,608
P (A).P (B / A) P (A).P (B / A) 0,7.0, 4 0,3.0,6
a)
Ejercicio 11.- Un psiclogo industrial, por experiencias anteriores, conoce que el 90 por
100 de las personas que inician un determinado tratamiento tcnico terminan con xito.
La proporcin de personas en entrenamiento y con experiencia previa es del 10 por 100
de entre las personas que completaron con xito su entrenamiento y del 25 por 100 de
entre aquellos que no terminaron con xito su entrenamiento. Se pide:
a) Probabilidad de que una persona con experiencia anterior supere el entrenamiento
con xito.
b) Podemos concluir que la experiencia previa influye en el xito del entrenamiento?
Solucin:
Sean los sucesos:
P (A) 0,9
P (A) 0,1
P (B / A) 0,1
P (B / A) 0,25
con lo cual,
P (A) . P (B / A)
P (A) . P (B / A)
P (B)
P (A) . P (B / A) P (A) . P (B / A)
P (A / B)
0,9 . 0,1
0,78
0,9 . 0,1 0,1 . 0,25
b) Comparando P (A) 0,9 y P (A / B) 0,78 se observa una diferencia entre los dos
sucesos, a favor de P (A) .
16
P (E) P (A B) (A B) P (A B) P (A B) P(A A B B)
P (A B) P (A B) P() P (A B) P (A B)
P (A B) 0, 4
P (A B) 0,2
3 1
9 3
P(B)
7
9
P(B A)
1
9
P(B/ A)
P(B A) 1 9 1
P(A)
13 3
P(B A) P(B A) 1
P(A)
13
3
P(B A)
1
9
P(B A)
17
d) Utilizando el contraejemplo,
A 4, 5, 6, 7, 8, 9
B 1, 2
P(A B) P() 0
Portal Fuenterrebollo
18
P(A/ B)
P(A B) P()
0
29
P(B)