Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MA Probabilidades PDF
MA Probabilidades PDF
Curso de Probabilidades
Por
2007
“Todo pensamiento es una tirada de dados”. S. Mallarmé.
“Bien sabíamos que eran muy peligrosos los mares en que nos aventurábamos y que solo
teníamos una probabilidad sobre diez de salir vivos; y no obstante, nos hemos arriesgado, a
causa de lo que esperábamos ganar, haciendo enmudecer el temor de los peligros probables”.
Shakespeare, Enrique IV.
Capítulo I. Introducción.
Esta medida será un número real entre 0 y 1, tal como muestra la figura I.1:
3 1
P( A) = =
6 2
Sin embargo esta fórmula no funciona, por ejemplo, en los casos siguientes:
Ejemplo 3: Se dispara un punto al azar (es decir sin apuntar) dentro del círculo
con radio r (figura I.4). Calcular la probabilidad de impactar un círculo
concéntrico con radio r / 2.
2
⎛r⎞
π⎜ ⎟
P( A) = ⎝ 2⎠ =
2 1
πr 4
Es solo válida cuando todos los casos son equiprobables (por ejemplo un dado
no cargado).
Pero al usar la palabra “equiprobable” llegamos a una definición circular…
nA
P ( A) = lim
n →∞ n
Esta fórmula funciona en todos los casos anteriores (por ejemplo en el caso de
un dado cargado).
Tabla I.1
Experimentador Número de Número de Frecuencia
tiradas caras relativa
Buffon 4040 2048 0.5080
Karl Pearson 12000 6019 0.5016
Karl Pearson 24000 12012 0.5005
Se llama experimento a cualquier acción que pueda dar lugar a resultados que
se pueden identificar.
Ejemplos: en los casos anteriores E1, E2, E3 se tienen los espacios muestrales
correspondientes siguientes:
Ω1 = { 1, 2, 3, 4, 5, 6 }
Ω2 = { t : t ≥0 }
Ω3 = { 1, 2, …, i, … } = N
Sucesos
Ejemplo:
Sea A = “sacar un número par al tirar un dado” = { 2, 4, 6 }.
• Ocurre el suceso A.
• No ocurre el suceso A.
De acuerdo a lo anterior se definen otros tipos de sucesos. Veremos, a
continuación estos sucesos. Para mayor comprensión hemos incluido los
diagramas de Venn correspondientes:
Suceso Seguro
Es aquel que siempre ocurre. Es fácil ver que suceso seguro y espacio
muestral son lo mismo (para que sea seguro debe tener todos los resultados
posibles del experimento).
Suceso imposible
Inclusión de sucesos
Igualdad de sucesos
Intersección de sucesos
Sucesos incompatibles
Unión de sucesos
Diferencia simétrica.
Algebra de sucesos.
Sea A1, A2, …, An, … una sucesión de sucesos. Sean los sucesos B, C (y sus
contrarios) siguientes:
B = ∩ Ai = A1 ∩ A2 ∩ ... ∩ Ai ∩ ...
i
C = ∪ Ai = A1 ∪ A2 ∪ ... ∪ Ai ∪ ...
i
B = ∩ Ai = A1 ∪ A2 ∪ ... ∪ Ai ∪ ...
i
C = ∪ Ai = A1 ∩ A2 ∩ ... ∩ Ai ∩ ...
i
B ∪ ∩ Ai = ( B ∪ A1 ) ∩ ( B ∪ A2 ) ∩ ... ∩ ( B ∪ Ai ) ∩ ...
i
• Si A ∈ M ⇒ A ∈ M
∞ ∞
• Si A1 , A2 ,... ∈ M ⇒ ∩ A ∈ M, ∪ A ∈ M
i =1
i
i =1
i
• Ω∈M
Axioma 1: P(A) ≥ 0
Axioma 2: P(Ω) = 1
Axioma 3: Si A y B son sucesos incompatibles (es decir A ∩ B = ∅ ), entonces
P ( A ∪ B ) = P ( A) + P ( B )
⎛∞ ⎞ ∞
P ⎜ ∪ Ai ⎟ = ∑ P ( Ai )
⎝ i =1 ⎠ i =1
Es fácil de ver que estas fórmulas satisfacen bien los axiomas de las
probabilidades.
Teorema 1:
P( A) = 1 − P( A)
A∪ A = Ω
A∩ A = ∅
Esta fórmula es útil en algunas situaciones en las cuales es más simple calcular la
probabilidad del suceso contrario que la probabilidad del suceso A.
Corolario:
Como:
∅=Ω
⇒ P (∅) = P (Ω) = 1 − P (Ω) = 1 − 1 = 0
P (∅) = 0
∅ ∪∅ = ∅
∅ ∩∅ = ∅
⇒ P (∅) + P (∅) = P (∅) ⇒ P (∅ ) = 0
Teorema 2:
Si A ⊂ B ⇒ P ( A) ≤ P ( B )
Figura I.15: Inclusión de sucesos.
A ∪ ( B ∩ A) = B
A ∩ ( B ∩ A) = ∅
P( A) + P( B ∩ A) = P( B)
Pero:
P ( B ∩ A) ≥ 0 ⇒ P ( B ) ≥ P ( A)
Corolario:
A ⊂ Ω ⇒ P ( A) ≤ P (Ω ) = 1
Entonces
∀A : 0 ≤ P ( A) ≤ 1
P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ B )
Al tomar probabilidades:
P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ B )
P( A ∪ B ∪ C) = P( A) + P(B) + P(C) − P( A ∩ B) − P( A ∩ C) − P( B ∩ C) + P( A ∩ B ∩ C)
P( A ∪ S ) = P( A) + P(S ) − P( A ∩ S )
(1) P( A ∪ S) = P( A) + P(B) + P(C) − P(B ∩C) − P( A ∩ S)
Pero:
Reemplazando en (1):
Se tiene entonces:
P( A ∪ B ∪ C) = a + b + c + d + e + f + g =
= (a + b + f + g) + (b + c + g + d ) + (e + d + g + f ) − (b + g) − (d + g) − ( f + g) + g
⎛ n ⎞ n
P ⎜ ∪ Ai ⎟ = ∑ P( Ai ) − ∑ P( Ai ∩ Aj ) + ∑ P( Ai ∩ Aj ∩ Ak )
⎝ i =1 ⎠ i =1 i≠ j i≠ j≠k
+(−1)n +1 P( A1 ∩ A2 ∩ ... ∩ An )
Que es la fórmula de Henri Poincaré. Esta última relación se puede demostrar por
inducción matemática.
Teorema de la continuidad.
∞
A = lim An = ∪ Ai
n →∞
i =1
lim P( An ) = P(lim An )
n→∞ n→∞
B1 = A1
B2 = A2 ∩ A1
...
Bn = An ∩ An −1
∞ ∞
Se tiene: ∪B =∪A
i =1
i
i =1
i
Al tomar probabilidad en la primera relación:
⎛∞ ⎞ ⎛∞ ⎞
P( A) = P(lim An ) = P ⎜ ∪ Ai ⎟ = P ⎜ ∪ Bi ⎟
n→∞
⎝ i=1 ⎠ ⎝ i=1 ⎠
∞ n
= ∑ P ( Bi ) = lim ∑ P ( Bi ) = lim P ( An )
n→∞ n→∞
i =1 i =1
Debido a que:
n
∑P( B ) = P( A )
i =1
i n
También se puede probar que si A1, A2, …, An, … es una sucesión decreciente de
sucesos, es decir: Ai ⊃ Ai +1 . Definimos un nuevo suceso por:
∞
A = lim An = ∩ Ai
n →∞
i =1
lim P( An ) = P(lim An )
n→∞ n→∞
Ω = {e1 , e2 ,..., en }
p i ≥ 0, i = 1, 2, ..., n
(1)
p1 + p 2 + ... + p n = 1
{
A = e j1 , e j2 ,..., e jk }
Hemos deducido, a partir de los axiomas, la fórmula clásica para calcular una
probabilidad, la cual es válida si todos los resultados son igualmente probables.
Los métodos de enumeración sirven para contar los casos favorables y totales y
se basan en dos principios:
Principio de la suma.
Ejemplo: Hay dos líneas de aviones para ir a Concepción (Lan, Avant) y tres líneas
de buses (TurBus, PullmanBus, BusesAlSur). ¿De cuántas maneras diferentes se
puede viajar?.
Respuesta: nA = 2, nB = 3: total = 2 + 3 = 5
Principio de la multiplicación.
Ejemplo 2: ¿Cuántos números pares de tres dígitos se pueden formar usando los
dígitos 1, 2, 3, 4, 5?
El dígito de las centenas se puede elegir de 5 maneras, el de las decenas de 5
maneras y el de las unidades de dos maneras (para tener par), luego el número
es: 5 * 5 * 2 = 50 números.
Permutaciones.
Luego 3P3 = 6.
n Pn = n !
Recordemos que:
0! = 1
n ! = ( n − 1) ! n
Por consiguiente:
Finalmente:
n!
k Pn =
( n − k )!
El ejemplo siguiente nos ayudará a deducir una fórmula general para kCn : Sea n
= 4 y k = 3. A partir de cada combinación formamos las combinaciones
correspondientes, tal como muestra la tabla siguiente:
Combinaciones Permutaciones
abc abc, acb, bac, bca, cab, cba
acd acd, adc, cad, cda, dac, dca
abd abd, adb, bad, bda, dab, dba
bcd bcd, bdc, cbd, cbd, dbc, dcb
k Cn ⋅k!= k Pn
Es decir:
n! ⎛n⎞
k Cn = =⎜ ⎟
k !(n − k )! ⎝ k ⎠
n
⎛ n ⎞ k n−k
(a + b) = n
∑ ⎜ ⎟a b
k =1 ⎝ k ⎠
k =0 ⎝ k ⎠
n
⎛n⎞
0 = ∑ (−1) k ⎜ ⎟
k =0 ⎝k ⎠
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
1 7 21 35 35 21 7 1
……………………………………………….
⎛ 6 ⎞ ⎛ 30 ⎞
⎜ ⎟⎜ ⎟
⎝ k ⎠⎝6 − k ⎠
pk =
⎛ 36 ⎞
⎜ ⎟
⎝6 ⎠
La tabla II.1 siguiente muestra los resultados numéricos para k = 0, 1, .., 6:
Tabla II.1
k pk
0 0.3048452
1 0.4389771
2 0.2110467
3 0.0416882
4 0.0033499
5 0.0000924
6 0.00000051
aaabb, abaab, aabba, baaba, babaa, aabab, baaab, ababa, abbaa, bbaaa
⎛ n ⎞ ⎛ n − n1 ⎞ ⎛ n − n1 − n2 ⎞ ⎛ n − n1 − n2 − ... − nk −1 ⎞
P
n n1 , n2 ,...nk = ⎜ ⎟⎜ ⎟⎜ ⎟ ... ⎜ ⎟
⎝ 1 ⎠⎝ 2 ⎠⎝
n n n 3 ⎠ ⎝ nk ⎠
n!
n Pn1 , n 2 ,... n k =
n1 ! n 2 !...n k !
En el ejemplo anterior:
5!
5 P3,2 = = 10
3!2!
Capítulo III. Probabilidad condicional.
Sean A y B dos sucesos. Se sabe que el suceso B ocurrió. Nos preguntamos por
la probabilidad del suceso A.
P( A ∩ B)
P( A | B) = P( B) > 0
P( B)
P( A ∩ B)
P( B | A) = P( A) > 0
P( A)
Es fácil comprobar que la probabilidad condicional P(A | B) satisface los axiomas,
es decir:
P( A | B) ≥ 0
P (Ω | B ) = 1
P ( A1 ∪ A2 ∪ ... | B ) = ∑ P ( Ai | B ) si Ai ∩ A j = ∅ i≠ j
i
Ejemplo: Se tiran dos dados, uno rojo y uno azul, al azar. Se sabe que salió un
número 2 o 3 en el dado rojo. Probabilidad de que la suma de los dos dados sea
7.
B = Ω’ = {(2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3.6)}
A = {(2,5), (3,4)}
Luego: P(A | B) = 2 / 12 = 1 / 6.
P(B) = 12 / 36 = 1 / 3
P(A ∩ B) = 2 / 36 = 1 / 18
P(A | B) = P(A ∩ B) / P(B) = 1 / 6
Regla de la multiplicación:
P ( A ∩ B ) = P ( A) P ( B | A) = P ( B ) P ( A | B )
4 3 1 1 1
i) P( A ∩ B) = P( A) P( B | A) = ⋅ = ⋅ =
52 51 13 17 221
4 4 1 1 1
ii) P( A ∩ B) = P( A) P( B | A) = ⋅ = ⋅ =
52 52 13 13 169
Generalización.
Demostración:
4 3 2 1
P( A ∩ B ∩C) = P( A)P(B | A)P(C | A ∩ B) = ⋅ ⋅ =
52 51 50 5525
Sucesos independientes.
P ( A ∩ B ) = P ( A) P ( B )
Consecuencia:
P( A ∩ B) P( A) P( B)
P ( A | B) = = = P( A)
P( B) P( B)
P( A ∩ B) P( A) P( B)
P( B | A) = = = P( B )
P( A) P( A)
P( A ∩ B) = P( A ∪ B) = 1− P( A ∪ B) = 1− P( A) − P(B) − P( A)P(B)
= (1− P( A))(1− P(B)) = P( A)P(B)
La definición de independencia se puede generalizar a más de 2 sucesos. Para 3
sucesos, se tiene:
Se tiene:
1
P ( A) = P( B) = P (C ) =
2
1
P( A ∩ B) = P( A ∩ C ) = P( B ∩ C ) =
4
1 1
P( A ∩ B ∩ C ) = ≠ P ( A) P( B ) P (C ) =
4 8
P( A | B ∩ C ) = 1
Partición de Ω.
Definición: Se dice que los sucesos A1, A2, …, Ak constituyen una partición del
espacio muestral Ω si se cumplen las condiciones siguientes:
Ai ∩ A j = ∅ si i ≠ j
k
∪A =Ω
i =1
i
Figura III.5: Partición del espacio muestral.
En otras palabras, al hacer el experimento ξ ocurre uno y solo uno de los sucesos
Ai.
k k
B = B ∩ Ω = B ∩ ∪ Ai = ∪ B ∩ Ai
i =1 i =1
⎛ k ⎞ k k
P ( B ) = P ⎜ ∪ B ∩ Ai ⎟ = ∑ P( B ∩ Ai ) = ∑ P( Ai ) P( B | Ai )
⎝ i =1 ⎠ i =1 i =1
Por consiguiente:
k
P( B) = ∑ P( Ai ) P( B | Ai )
i =1
Ejemplo 1: La producción de DVD puede provenir de tres fábricas A1, A2, A3. Se
sabe que A1 produce el doble de DVD que A2 y que la producción de A2 es igual a
la de A3. Se sabe también que las fábricas tienen los siguientes porcentajes de
DVD defectuosos:
• A1…………………2%
• A2…………………3%
• A3…………………5%
Se juntan todos los DVD, se ponen en una fila y se toma uno al azar. ¿Cuál es la
probabilidad de que este DVD esté defectuoso?
Luego:
P ( B ) = P ( A1 ) P ( B | A1 ) + P( A2 ) P( B | A2 ) + P( A3 ) P( B | A3 )
P ( B ) = 0.5 ⋅ 0.02 + 0.25 ⋅ 0.03 + 0.25 ⋅ 0.05 = 0.03
1
P( A1 ) = P ( A2 ) =
2
1
P( R | A1 ) =
5
2
P( R | A2 ) =
5
P( R) = P( A1 ) P( R | A1 ) + P( A2 ) P( R | A2 )
1 1 1 2
P( R) = ⋅ + ⋅ = 0.3
2 5 2 5
Teorema de Bayes.
P( Ai ∩ B) P( Ai ) P( B | Ai )
P ( Ai | B) = = k
∑ P( Ai ) P( B | Ai )
P( B)
i =1
P( Ai ) P ( B | Ai )
⇒ P ( Ai | B) = k
∑ P( A ) P( B | A )
i =1
i i
0.25 ⋅ 0.05
P ( A3 | B ) = = 0.417
0.03
nA Area(R) nA
≈ ⇒ Area(R) ≈ Area(Q)
n Area(Q) n
Sea el par (x, y) que representa las llegadas de la primera y segunda persona
respectivamente. Todos los puntos del cuadrado de lado 60 minutos tienen igual
probabilidad de salir (figura 2):
| x − y |≤ 20 ⇒ - 20 ≤ x - y ≤ 20
⇒ x - y ≥ -20 y x - y ≤ 20
⇒ y ≤ x + 20 y y ≥ x - 20
Luego para que las personas se encuentren el par (x, y) debe caer en la zona gris
de la figura 2, limitada por las rectas y = x – 20 y y = x + 20. Por consiguiente la
probabilidad es:
3600 − 1600 20 5
P ( A) = = = = 0.555
3600 36 9
d ⋅ sen (θ ) > x
π
Area = ∫ d ⋅ sen(θ )dθ = d [ −cos(θ )]0 = 2d
π
Luego:
2d
Probabilidad =
πa
Tabla IV.1
Experimentador Año Número de tiradas Valor
de la aguja experimental
Smith 1855 3204 3.1553
Fox 1894 1120 3.1419
Lazzarini 1901 3408 3.1415929
Sean x, y las coordenadas de los puntos de quiebre. Se tienen 2 casos (a) x > y o
(b) x < y.
Para poder construír un triángulo, cada lado debe ser menor que la suma de los
otros dos (en el caso (a), los lados del triángulo son y, x – y, 1 – x).
Luego se tienen 6 desigualdades simples las cuales definen la zona roja de la
figura 6:
Elementos de Programación.
Para una mejor comprensión de los tópicos que analizaremos se recomienda leer
un manual del lenguaje VisualBasic.
La función RND.
x = RND
entonces el mínimo valor que se puede obtener es 0.0000000 y el máximo es
0.9999999.
For i = 1 to 5
x = RND
PRINT x
Next i
.7055475
.5334240
.5795186
.2895625
.3019480
RANDOMIZE 3
For i = 1 to 5
x = RND
PRINT x
Next i
.1387751
.8587414
.7285665
.4674189
.8933787
Luego, cada vez que se introduce una semilla distinta, se obtiene una sucesión de
números aleatorios diferente. La dificultad es que hay que cambiar cada vez una
semilla. Para evitar lo anterior es mejor utilizar la instrucción siguiente:
RANDOMIZE TIMER
Ejemplos.
x = INT((b – a + 1) * RND) + a
RANDOMIZE TIMER
For i = 1 TO 20
dado = INT(6 * RND) + 1
PRINT dado
Next i
RANDOMIZE TIMER
For i = 1 TO 10
x = RND
IF x < 0.5 then
PRINT “Cara”
ELSE
PRINT “Sello”
END IF
NEXT i
Muestreo con reemplazamiento. Se tiene una serie de números x(1), x(2), ...,
x(n) y se desea tomar al azar k de ellos (k ≤ n). El programa siguiente resuelve el
problema:
RANDOMIZE TIMER
n=5
k=2
DIM x(n)
‘ Vector de datos
x(1) = 1 : x(2) = 2 : x(3) = 3 : x(4) = 4 : x(5) = 5
‘ Elección al azar
FOR i = 1 TO k
‘ posicion = numero entre 1 y n
posicion = INT(n * RND) + 1
valor = x(posicion)
PRINT valor
NEXT i
RANDOMIZE TIMER
n=5
k=2
DIM x(n)
‘ Vector de datos
x(1) = 1 : x(2) = 2 : x(3) = 3 : x(4) = 4 : x(5) = 5
‘ Elección al azar
FOR i = 1 TO k
‘ numero entre i y n
posicion = INT((n – i + 1) * RND) + i
SWAP x(posicion) , x(i)
NEXT i
FOR i = 1 TO k
Print x(i)
Next i
Estos son los elementos en que están basados los programas de probabilidades.
Con los programas anteriores se pueden simular juegos de cartas, de dados,
fechas de eventos, muestreos, etc.
IV.3 Algunos problemas clásicos de probabilidades.
Los cumpleaños.
En una sala hay n personas. ¿Cuál es la probabilidad de que por lo menos dos de
ellas tengan su cumpleaños el mismo día?
Sea B = “por lo menos dos personas tienen cumpleaños el mismo día”. Sea
además pn = P(B).
En este caso resulta más fácil calcular la probabilidad del suceso contrario de B:
“ninguna persona coincide en su fecha de cumpleaños”.
Sea:
A1 = “el cumpleaños de la persona 1 es un día cualquiera”
A2 = “el cumpleaños de la persona 2 es diferente del de la persona 1”
A3 = “el cumpleaños de la persona 3 es diferente del de las personas 1 y 2”
……………………………………………………………………………………..
An = “el cumpleaños de la persona n es diferente del de las n - 1 anteriores”
Entonces:
1
1 − = 0.632
e
x x2 xn
e = 1 + + + ... + + ...
x
1! 2! n!
Los programas siguientes simulan los dos problemas que hemos analizado:
Problema de los cumpleaños.
npersonas = 10
ndias = 365
nsimulaciones = 1000
contador = 0
ReDim x(npersonas) As Long
For i1 = 1 To nsimulaciones
For i = 1 To npersonas
k = randint(1, ndias) ‘ numero al azar entre 1 y 365
x(i) = k ‘ fecha de compleaños de la persona i
Next i
' test para ver coincidencia
u=0
For j = 1 To npersonas - 1
For i = j + 1 To npersonas
If x(i) = x(j) Then ‘ coinciden en fecha de cumpleaños
u=1
Exit For
End If
Next i
Next j
contador = contador + u
probabilidad = contador / i1
Print probabilidad
Next i1