Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FUNDAMENTOS DE PROBABILIDAD
material para alumnos
ANTECEDENTES HISTRICOS
Status significa estado en el sentido de situacin, pero tambin El Estado,
donde se incluye y seala el estado de las cosas pblicas. La estadstica
antigua comprenda el segundo significado, la "Descripcin de Estado", es
decir, el estudio de las condiciones polticas, geogrficas y econmicas.
En este sentido, en el siglo VI A. C., Servio Tulio, sexto rey de Roma, estableci
una Constitucin que prevea la reunin de todos los ciudadanos, a fin de que
se distribuyeran en categoras segn los impuestos que pagaban. Tambin en
Helas era habitual hacer una divisin en clases para el censo.
En la Biblia se hace mencin de los censos. La primera parte del Libro de los
Nmeros se refiere a El Censo y dice:
"Yahveh habl a Moiss en el desierto, en la tienda del encuentro, el da
primero del mes segundo, el ao segundo de la salida de Egipto.
Les dijo: "Haced el censo de toda la comunidad de los israelitas, por clanes y
por familias, contando los nombres de todos los varones, uno por uno.
Alistaris, tu y Aarn, a todos los de veinte aos para arriba, a todos los tiles
para la guerra, por cuerpos de ejrcito. Os ayudar un hombre de cada tribu,
que sea jefe de su familia."
Luego se mencionan los encargados de realizar el censo: Elisur, Selumiel,
Najsn, Natanael, etc., cada uno perteneca a una de los doce tribus de Israel
bajo el mando de Moiss. Posteriormente se da el recuento de cada tribu y al
final dice: "Sacado el total de los israelitas de veinte aos para arriba, de todos
los que habitan en Israel, tiles para la guerra, revistados por sus casas
paternas, result el total de revistados: 603,550. Pero los levitas, y su tribu
paterna, no fueron revistados con ellos."
Tambin el evangelio de San Lucas menciona el censo que origin que
Jesucristo naciera en Beln. Dice: "Por aquellos das sali un edicto del Cesar
Augusto mandando empadronar a todo el mundo...y cada cual a la ciudad de
su estirpe. Jos, como era de la casa y familia de David, vino desde Nazaret,
ciudad de Galilea, a la ciudad de David, llamada Beln, en Judea, para
empadronarse con Mara, su esposa, la cual estaba en cinta. Y sucedi que
hallndose all le lleg la hora del parto". Los datos que se tienen de la Edad
Media se limitan casi exclusivamente a inventarios. Carlomagno orden se
hiciera un registro de todos sus dominios, de los bienes privados y se le
informara el resultado. Al transformarse las sociedades medievales en Estados
Polticos, los gobiernos recin formados necesitaban informacin sobre los
recursos del pas, por lo que fue necesario para los nuevos gobernantes
obtener descripciones numricas, con lo que nuevamente fue necesario la
realizacin de censos, reinicindose as su aplicacin.
A principios del siglo XVI, por orden de Lord Tomas Cromwell, se empez a
registrar en los libros parroquiales de Inglaterra, en forma sistemtica, los
nacimientos y muertes.
Uno de los primeros trabajos de Descripcin de Estado apareci en Venecia en
1562: "Del Governo et Emministratione di Diversi Regni", de Francesco
Sansovinos. Cien aos despus apareci "Teutscher Frstenstaat" (El Estado de
los Prncipes Teutones), de Veit Ludwig von Seckendorffs.
de triunfo en los diferentes juegos. Se puede decir que Pascal y Fermat son los
iniciadores de las matemticas de la probabilidad.
Poco despus se desarrollaron las primeras nociones especficas de la teora de
probabilidad, como son el concepto de valor esperado, el teorema de la suma
para eventos disjuntos y el de la multiplicacin para eventos independientes.
Posteriormente vienen las contribuciones de Jacob Bernoulli (1645-1705) que
elevaron la teora de probabilidades a la categora de ciencia, inicindose as
una nueva poca en su desarrollo. En 1713 se public su libro "El Arte de Hacer
Conjeturas", en donde aparecen los principios del anlisis combinatorio y la
primera demostracin de la ley de los grandes nmeros, lo cual ayud
notablemente a la teora de probabilidades e increment las aplicaciones de la
probabilidad a la estadstica.
Todo el trabajo estadstico del siglo XIX tuvo como caracterstica, al igual que
los anteriores, el estudio de las grandes masas mediante el anlisis de todos
los datos de la poblacin.
A principios de nuestro siglo, y en definitiva en los aos treinta, se produjo un
cambio notable en el desarrollo de la estadstica: naci la estadstica moderna,
la estadstica inductiva, la estadstica analtica.
La diferencia con la antigua estadstica es que antes se estudiaba cada detalle
en particular tras el penoso esfuerzo de obtener y procesar cuantiosa
informacin. La consigna era abarcar cada vez ms nmeros y sta suele ser
an la idea de la estadstica para el hombre de la calle. La nueva estadstica
busca mtodos que hagan posible obtener conclusiones generales a partir de
pequeas partes de la poblacin llamadas muestras. La palabra clave de la
estadstica moderna es muestra. Esto provoc un giro completo en la
estadstica e hizo que se enriqueciera la teora de probabilidades en este nuevo
contexto, con la formulacin de la probabilidad axiomtica y la diversificacin
de sus aplicaciones.
Aqu se desarroll la estadstica como una rama de la alta matemtica, con
procedimientos propios como es el anlisis de variancia, el clculo de regresin
y correlacin y los ensayos de hiptesis, con sus numerosos mtodos de
trabajo.
1
6 . Se observa que para solucionar este problema
Lanzamiento de un dado.
Peso de una persona.
Los valores de las acciones de cierta empresa en el da de maana.
El estado del tiempo atmosfrico en el da de maana.
En cada uno de los casos anteriores est presente la incertidumbre (la cual se
mide mediante la probabilidad); pero sta se presenta en diferentes formas.
Para el caso del dado, por mucho que lo lancemos siempre nos
encontramos con el mismo nivel de incertidumbre en cuanto a qu
resultado particular va a darse en el prximo lanzamiento.
Para el caso del pesaje de una persona, la incertidumbre slo se da
antes de pesarla por primera vez; despus es un resultado relativamente
conocido.
Para los casos de los valores de las acciones y el estado del tiempo, la
situacin particular que se d, maana no vuelve a repetirse nunca y as
su evaluacin probabilstica es de carcter subjetivo.
S 1, 2, 3, 4, 5, 6
A x x es non
C x x es mltiplo de 3
,
que se expresan en la forma siguiente
A = 1, 3, 5
C = 3, 6
y
.
Si se lanza una moneda, los resultados posibles (elementos) son cara y cruz y
el conjunto de los dos resultados es el espacio muestral del experimento S=
{cara, cruz}.
Ejemplo: Los artculos provenientes de una lnea de produccin se clasifican
en defectuosos (D) y no defectuosos (N). Se observan los artculos y se anota
su condicin. Este proceso se contina hasta que se produzcan dos artculos
defectuosos consecutivos o se hayan verificado cuatro artculos, lo que ocurra
primero. Describa el espacio muestral para este experimento.
Solucin.
El espacio muestral estar constituido por todos los posibles resultados
que se puedan obtener, que son:
10
Evento Vaco
Un evento que no contiene elementos se llama evento vaco o evento
imposible y se representa con la letra
el
caso
del
lanzamiento
o
de
un
dado
los
eventos
ALGEBRA DE EVENTOS
En la definicin de evento se pudo apreciar que un evento es un conjunto, por
lo que los eventos heredan las propiedades y teora general de los conjuntos.
Diagrama de Venn
Al trabajar con relaciones y operaciones de conjuntos, es til disponer de un
sistema grfico de representacin que permita visualizar lo que ocurre e
interpretar mediante diagramas las deducciones lgicas correspondientes.
El diagrama de Venn, tambin conocido como de Venn-Euler, llamado as en
honor del matemtico ingls John Venn (1834-1882), que perfeccion la idea
original del matemtico suizo Leonardo Euler (1707-1783), es un dibujo
mediante el cual se pueden ilustrar las relaciones y operaciones que hay entre
los eventos.
En las aplicaciones de la teora de probabilidades trataremos ms
frecuentemente con dos o ms eventos relacionados entre s, que con un solo
evento independiente, por lo que es conveniente ver las siguientes relaciones.
11
Evento Unin
Sean A y B dos eventos cualesquiera del espacio de eventos. La unin de los eventos A y B es el
evento que consta de los elementos que pertenecen tanto a A como a B y se representa por (A
B).
(A B) = x x A o x B
A x x es par
B x x2
y
por lo que la AB es:
Solucin:
A B x x es par o x > 2
es el evento
A = x x el numero es par
8,
sean
los
eventos
.
La unin de los eventos A y B ser AB .
Solucin:
Ejemplo: Sea el evento A formado por las vocales {a, e, i, o, u} y el B por las
letras {a, b, e}, entonces
AB es:
Solucin:
12
Evento Interseccin
Sean A y B dos eventos cualesquiera del espacio de eventos. La interseccin de los eventos A y B es
el evento que contiene los elementos que simultneamente pertenecen a A y a B y se represente por
(A
B).
La representacin algebraica y en el diagrama de Venn de la interseccin
es:
(A B) = x x A y x B
R = 1, 2, 3, 4, 5
T = 2, 4, 6, 8
, entonces
D x x es par
los eventos
Solucin:
A x x es non
definimos los eventos
Solucin:
B= x 2 x 9
y
A x x es par
Ejemplo: Si se lanza un dado y establecemos los eventos
B x x es non
, entonces
mutuamente excluyentes.
A B
B R
, entonces
Evento Complemento
El complemento del evento A es el evento de aquellos elementos que no pertenecen a A y se
A o A c
simboliza por
A c x x S y x A
14
entonces
las azules.
Oc
Lc
Ejemplo: Sea el espacio muestral que est constituido por los dgitos. Si
B = x x es par
tenemos el evento
B x x no es par
c
B = e, u
A i, o, u
c
, entonces
S = a, e, i, o, u
B a, i, o
y los eventos
A = a, e
Diferencia de Eventos.
Sean A y B dos eventos cualesquiera del espacio de eventos. La diferencia de los eventos es el
evento que contiene los elementos que pertenecen a A pero no a B.
A B = x x A y x B
La diferencia de eventos se representa y expresa como
.
El lgebra de conjuntos nos dice que
(A - B) = (A B c ) A - A B
15
Identidad
Idempotencia
Complemento
A = A
A =
A S= S
AS= A
AA = A
AA = A
A Ac S
A Ac
Ac c A
c S
Sc
Conmutativa
A B = BA
A B = B A
16
A B C A B C
Asociativa
A B C A B C
A B C A B A C
Distributiva
A B C A B A C
Ley de De Morgan
A B c A c Bc
A B c A c B c
Ejemplo: Sean los eventos A = {personas que tienen los ojos negros}, B =
{personas que usan lentes}, C = {personas que pesan menos de 75
kilogramos}. Describir los siguientes eventos:
a
c
d)
C
C
A B C
A B C
Solucin.
A = 2, 4, 6
B = 4, 6, 7
S = x nmeros naturales x 7
C = 4, 5, 7
y los eventos
17
a)
A c B
b)
A Bc
A B C
c)
B C c
d)
A Bc
e)
A c Bc
f)
g)
A B C c
Solucin.
P ( A )=
n( A)
N
1
N
18
1
N
Solucin.
Ejemplo: Una urna contiene tres canicas amarillas y siete verdes. Si se extrae
una canica al azar Cul es la probabilidad de que sea amarilla?
Solucin.
19
Evento
Veces que
ocurre
14
45
30
11
Total
100
Con esta informacin podemos decir que A ocurri el 14% de las veces, B el
45%, C el 30% y D el 11% de las veces. Estos valores se obtuvieron dividiendo
el nmero de veces que ocurri cada evento entre el nmero de veces que se
repiti el experimento y cada uno de los valores recibe el nombre de frecuencia
relativa.
Este concepto se formaliza en los trminos siguientes:
20
n (A )
4,040
2,048
0.5069
K. Pearson
12,000
6,019
0.5016
L. Pearson
24,000 12,012
0.5005
P A lim
n( A )
N
21
P ( A B )=P ( A ) + P(B)
S = A 1 , A 2 ,..., A n
donde
excluyentes. Entonces
A 1 , A 2 ,...,A n
son
eventos
mutuamente
P ( A 1 A2 A 3 A n )=P ( A1 ) + P ( A2 ) + P ( A3 ) + + P( An )
El axioma tres es conocido con el nombre de regla especial de adicin
Basndose en los axiomas anteriores, se pueden establecer los teoremas
necesarios para desarrollar una teora axiomtica de probabilidades.
Teorema 1. Sea el conjunto vaco, entonces
P() 0
P(A c ) 1 P(A)
23
B, entonces P(A)
P(B)
24
Ejemplo 1. 26. En una encuesta realizada en una escuela para conocer las
actividades programadas por los alumnos al trmino de los cursos, se obtuvo la
siguiente informacin:
Actividades
Trabajar (T)
Descansar (D)
Estudiar (E)
Total
Hombre
s
(H)
60
22
18
100
Mujeres
(M)
Total
48
35
17
100
108
57
35
200
Ejemplo: De 100 personas que llegan a una panadera 60 compran pan dulce,
50 compran pan blanco y 30 compran de los dos panes. Si se selecciona al azar
a una de las 100 personas, encontrar la probabilidad de que:
a Compre pan blanco pero no dulce
b) Compre pan
25
c)
No compre pan
Solucin.
Definamos los eventos:
D={La persona compra pan dulce}
B={La persona compra pan blanco}
Ejemplo: Si A y B son eventos del mismo espacio muestral, tales que P(A) =
5
9
, P(B)=
y
c
a) P(A Bc)
b) P(AcBc)
b P(ABc)
P(A B)
1
9
3
9
, determinar:
Solucin.
26
PROBABILIDAD CONDICIONAL
En los problemas vistos hasta ahora, las probabilidades de los eventos se han
calculado libremente, sin ninguna restriccin y sin relacionarlos con la
ocurrencia de otros eventos. Sin embargo, muchas veces necesitamos
encontrar la probabilidad de un evento A que est sujeto o condicionado a que
haya sucedido otro evento B, al cual pertenece una parte del primero.
Escribiremos P(AB) y significa la probabilidad del evento A a condicin de
que ocurra el evento Bo la probabilidad de A dado B.
Para que tenga validez lo anterior debe de cumplirse que:
1
2
3
P(A | B)
P(A B)
P(B)
Ejemplo: A los habitantes de una ciudad se les hizo una encuesta con el
propsito de determinar el nmero de lectores peridico Universal y Exclsior.
Los resultados de la encuesta fueron los siguientes: 20% de los habitantes leen
el Exclsior, el 16% lee el Universal y un 1% lee ambos peridicos. Si se
selecciona al azar a un lector, cul es la probabilidad de que tambin lea el
Exclsior?
Solucin:
TEOREMA DE LA MULTIPLICACIN:
27
P(A | B)
Ya vimos que la probabilidad condicional est definida por
Despejando P(A B) se obtiene: P(A B) = P(B) P(A | B)
P(A B)
P(B)
28
29
B1
0.75
0.08
0.92
B2
0.25
0.10
0.90
Solucin:
30
P ( A|B )=
P (A B)
P( B)
Si A es independiente de B, entonces
P ( A|B )=P ( A )=
P( A B)
P(B)
P(AB)=P(A)P(B)
P(AB)=P(A)P(B)
P(AC)=P(A)P(C)
P(BC)=P(B)P(C)
P(ABC)= P(A)P(B)P(C)
31
P(D)=0.93
A
P(A)=0.98
P(C)=0.95
P(E)=0.97
Solucin:
32
Ejemplo 3. 10. Se sabe que el 32% de los habitantes de una ciudad que tiene
ms de 50 aos de edad son hipertensos. Sale al mercado un aparato nuevo
33
TEOREMA DE BAYES
La interpretacin ms aceptada del teorema de Bayes, es que su estructura
permite el clculo de probabilidades despus de haber sido realizado un
experimento (probabilidades a posteriori), basndose en el conocimiento de la
ocurrencia de ciertos eventos que dependan del evento estudiado, o sea, se
parte de probabilidades conocidas antes de efectuar el experimento
(probabilidades a priori), las cuales son afectadas por las probabilidades
propias del experimento (las que aparecen durante la ocurrencia del evento).
Continuando nuestro anlisis sobre el teorema de Bayes, la probabilidad
condicional de Ai dado B, para cualquier i, es:
P(A i | B)
P(A i B)
P(B)
P(A i | B)
P(A i ) P(B | A i )
n
P(A ) P(B | A )
i 1
35