Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNA BREVE
INTRODUCCION A
LA PROBABILIDAD
(Guía de Clase)
1
Breve Introducción a la Probabilidad - Clavijo
En 1908 Ernst Zermelo introdujeron un sistema axiomático revisado por Adolf Fräenkel
en 1921, el cual eliminó la aparición de paradojas. Esta nueva teoría con algunos
2
Breve Introducción a la Probabilidad - Clavijo
elementos nuevos, conocida como teoría de conjuntos ZFS, es la que hoy en día se
estudia en las carreras de matemáticas.
Axiomas. Son las propiedades elementales que esperamos tengan las nociones
indefinidas.
Todos los objetos de la teoría se llaman clases. Algunas de ellas se llaman conjuntos,
los conjuntos son clases pero no toda clase es un conjunto.
DEF 1: A= B si y solo si ( x A x B) ( x B x A)
AX1 (Extensión): Si ( x = y ) ( x A) y A
3
Breve Introducción a la Probabilidad - Clavijo
1. A = A
2. ( A = B ) ( B = A)
3. ( A = B ) ( B = C ) ( A = C )
4. ( A B ) ( B A) ( A = B )
5. ( A B ) ( B C ) ( A C )
clase C , formada por todos los elementos x que satisfacen ( x) . Esta clase
se designa C = x ( x)
Usando el axioma AX2 se pueden construir nuevas clases a partir de otras ya dadas. En
particular, son importantes las siguientes:
4
Breve Introducción a la Probabilidad - Clavijo
Las dos clases siguientes son muy importantes y juegan un papel primordial en la teoría
de los conjuntos como en la teoría de la probabilidad:
Las dos clases anteriores son únicas (la demostración de este hecho no es elemental
y será omitida).
Ac = x x A
ALGEBRA DE CLASES
En esta parte presentaremos algunas reglas que permiten operar con clases.
5
Breve Introducción a la Probabilidad - Clavijo
1. A ( A B)
2. B ( A B)
3. ( A B) A
4. ( A B) B
1. A B si y solo si ( A B) = B
2. A B si y solo si ( A B) = A
1. A ( A B ) = A
2. A ( A B ) = A
1. ( A B)c = Ac B c
2. ( A B)c = Ac B c
6
Breve Introducción a la Probabilidad - Clavijo
1. A B = B A
2. A B = B A
3. A A = A
4. A A = A
5. ( A B) C = A ( B C )
6. ( A B) C = A ( B C )
7. A ( B C ) = ( A B) ( A C )
8. A ( B C ) = ( A B) ( A C )
1. A = A
2. A =
3. A U = U
4. A U = A
5. U c =
6. c = U
7. A Ac = U
8. A Ac =
7
Breve Introducción a la Probabilidad - Clavijo
DEF 5: A + B = ( A − B) ( B − A)
1. A + B = B + A
2. A + ( B + C ) = ( A + B ) + C
3. A ( B + C ) = ( A B ) + ( A C )
4. A + A =
5. A + = A
6. ( A + B ) = , si y solamente si A = B
7. Si (A B ) = , entonces, (A = ) ( B = )
8. (A B c ) = , si y solamente si, A B
8
Breve Introducción a la Probabilidad - Clavijo
EJERCICIOS 1
9
Breve Introducción a la Probabilidad - Clavijo
10
Breve Introducción a la Probabilidad - Clavijo
II
Los ejemplos vistos anteriormente son muy sencillos y muy fácilmente sabemos
cuántos posibles resultados hay. Sin embargo, en Estadística aparecen con
frecuencia experimentos para los cuales ya no es fácil calcular el número de
resultados posibles. Un ejemplo muy frecuente ocurre cuando de un conjunto de N
elementos (una población), queremos seleccionar un subconjunto de n elementos
(n < N). Supóngase, por ejemplo, que del conjunto de 190 estudiantes de
matemáticas queremos seleccionar un conjunto de 20 estudiantes. ¿Cuántas
posibles respuestas tiene este experimento? Es decir, ¿cuántas posibles listas de 20
estudiantes podemos formar?
Las técnicas de conteo son, como su nombre lo indica, técnicas que nos ayudan a
dar respuesta a preguntas como la que acabamos de formular.
11
Breve Introducción a la Probabilidad - Clavijo
12
Breve Introducción a la Probabilidad - Clavijo
PERMUTACIONES
13
Breve Introducción a la Probabilidad - Clavijo
( N − n)( N − n − 1) 2 1 N!
N ( N − 1)( N − 2 ) ( N − n + 1) =
( N − n)( N − n − 1) 2 1 ( N − n) !
COMBINACIONES
Es claro que la primera persona se puede seleccionar entre 15 , la segunda entre 14,
la tercera entre 13 y la cuarta entre 12. Luego habrá 15x14x13x12 = 32760 formas
de formar la comisión, cuando el orden en que se seleccionan es importante. Sin
embargo cada grupo de 4 individuos, digamos A,B, C, y D se contará 24 veces ya que
14
Breve Introducción a la Probabilidad - Clavijo
es lo mismo ABCD que ACDB o BCAD, etc. Estos grupos están en orden diferente
pero representan la misma comisión. Se concluye entonces que el número total de
grupos que pueden ser formados es: (15x14x13x12)/(4x3x2x1) = 1365.
N ( N − 1) ( N − n + 1) N! N
= Valor notado como
n! ( N − n)!n ! n
n
Obsérvese que el primer grupo puede ser escogido de formas. Una vez
n1
n − n1
escogido el primer grupo, el segundo se puede escoger de maneras. El
2
n
n − n1 − n2
tercer grupo de maneras, y así sucesivamente. De aquí, aplicando el
n 3
principio de conteo, se tendrán
15
Breve Introducción a la Probabilidad - Clavijo
n n − n1 n − n1 − n2 n − n1 − n2 − − nr −1
n1 n2 n3 nr
formas diferentes.
n! (n − 1)! (n − n1 − n2 − − nr −1 )! n!
=
(n − n1 )!n1 ! ( n − n1 − n2 )!n2 ! 0! nr ! n1 ! n2 ! nr !
n
Con frecuencia se usa la notación para denotar la fórmula
n1 , n2 , , nr
anterior.
12 12!
Solución: = = 27720 formas distintas
3, 5, 4 3! 5! 4!
16
Breve Introducción a la Probabilidad - Clavijo
EJERCICIOS 2
Ejercicio 1
Un experimento consiste en lanzar dos dados corrientes.
a. ¿Cuántos resultados tiene este experimento?
b. Denote por ¿ ( x, y ) cada resultado del experimento. En cuántos de estos
resultados se cumple x+ y es divisible por 3?
c. Considere A = ( x, y) x y . ¿Cuáles son los elementos de este conjunto?
d. Considere B = ( x, y ) x + y es múltiplo de 3 . Calcule:
a. Bc
b. A B
c. A B
d. A − B
e. Ac B c
Ejercicio 2
En un país las placas de los automóviles están formadas por dos letras simples y
5 dígitos del 0 al 9.
a. ¿Cuántas placas existen en total?
b. La misma pregunta anterior si se pide que ni las letras ni los números puedan
repetirse
c. ¿Cuántas placas comienzan por la letra A
d. ¿En cuántas placas los dos últimos dígitos forman un número divisible por 3?
Ejercicio 3
a
Se forma una fracción tomando como valor del numerador un número
b
seleccionado aleatoriamente del conjunto A = {2, 4, 6, 8, 10, 12} y tomando
como denominador un número de A diferente al anterior.
a. ¿Cuántas posibles fracciones se pueden formar?
b. ¿Cuántas de las fracciones que se puedan construir resultan mayores que la
unidad?
17
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 4
El juego del Baloto consiste en elegir 5 números x1 , x2 , x3 , x4 , x5 sin
repetición del conjunto A = {1, 2, 3, , 43} y un número y del
Ejercicio 5
De cuántas maneras 3 franceses, 4 alemanes, 2 rusos y 4 japoneses se pueden
sentar en fila en una banca rectilínea,
a. Si no importa el orden como se sienten
b. Si los de la misma nacionalidad deben quedar juntos
c. Si los extremos de la fila están ocupados por rusos
d. ¿Si el en el extremo izquierdo de la fila está el ruso Dimitrov y en el derecho
el ruso Alexandrov y los demás de cualquier manera?
e. ¿Si el en el extremo izquierdo de la fila está el ruso Dimitrov y en el derecho
el ruso Alexandrov y los demás por nacionalidades?
f. Si el extremo izquierdo está ocupado por un ruso y el derecho por un francés.
Considere todas las posibilidades
Ejercicio 6
Juan tiene tantos libros como se indica en cada caso y desea ordenarlos en su biblioteca
que consta de un solo estante lineal donde caben todos los libros. ¿Cuántos arreglos
diferentes pueden hacerse atendiendo a los siguientes criterios?
18
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 7
1. Con los estudiantes del ejercicio anterior se quiere formar una comisión de 4
personas -dos hombres y dos mujeres-. De cuántas maneras se puede escoger la
comisión si
a. No importa de qué carrera es cada estudiante de la comisión
b. Se quiere que las mujeres sean de carreras diferentes
c. Se quiere que las mujeres sean de carreras diferentes y los hombres de la carrera
que no esté representada por mujeres
19
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 8
10 personas llegan a sentarse en un banco pero solo hay 4 sitios disponibles. De cuántas
maneras podrían sentarse?
Ejercicio 9
Se van a dar tres premios a los estudiantes de una clase de 10 alumnos. De cuántas
maneras puede hacerse
a. Si un estudiante no puede recibir más de un premio y éstos son diferentes (es decir,
hay orden en los premios: primer premio, segundo tercero)
b. Si los premios son los mismos (por ejemplo tres ejemplares de la misma novela)
Ejercicio 10
5 hombres y 6 mujeres deben colocarse en fila de modo que las mujeres ocupen
los lugares pares. De cuántas formas puede armarse la fila?
Ejercicio 11
Cuántas claves de 4 dígitos para tarjeta bancaria pueden formarse con las cifras 0,
1, 2, …, 9
a. Si se admiten repeticiones en las cifras de la clave
b. Si no se admiten repeticiones
20
Breve Introducción a la Probabilidad - Clavijo
III
Aunque en la práctica basta considerar como eventos todos los subconjuntos del
conjunto muestral Ω, y seguramente no tendremos problemas de consistencia, no
sobra recalcar que en teoría debemos exigir ciertas propiedades básicas o axiomas
a los eventos. Tales propiedades pueden resumirse en lo siguiente:
1. Ω es un evento
2. Si A es un evento entonces Ac es un evento.
3. Si A, B son eventos entonces A B es un evento
22
Breve Introducción a la Probabilidad - Clavijo
CONCEPTO DE PROBABILIDAD
23
Breve Introducción a la Probabilidad - Clavijo
x
dentro de los m resultados. En este caso asignamos como probabilidad del
m
evento de interés. Esta segunda forma de asignar probabilidades es muy usada y
equivale a la concepción frecuentista de Laplace.
Por último puede haber otras formas más sofisticadas de asignar probabilidades
como pueden ser métodos de simulación que se hacen correr bajo determinadas
circunstancias. Por ejemplo, se podría simular el lanzamiento de una moneda n
veces contando el número de Caras que hay en los n lanzamientos, lo que nos dará
un valor de probabilidad para el evento “Cara”, como en el caso anterior, por
x
P(Cara) = n . Generalmente esto se repite muchas veces con un número n
n
x
lanzamientos, cada vez más grande y definimos P (Cara) = lim n . Esta
n →
n
última forma de asignar probabilidades es muy usada cuando se toman “muestras”
de una población y se cuenta el número de veces que aparece un evento. Es lo que
se menciona en el párrafo siguiente.
En la vida real una de las maneras más utilizadas para definir probabilidades es
mediante el concepto de frecuencia. Simplemente se observa cuántas veces ocurre
un fenómeno frente al número de veces que ha podido ocurrir. El cociente entre el
número de veces que realmente ha ocurrido y el número de veces que pudo haber
ocurrido es un número entre 0 y 1 que se toma como el valor de probabilidad del
evento que se estudia. Así, por ejemplo, si se lleva un historial de cuántas veces ha
llovido en la cuenca de un rio y cuántas de esas veces el rio ha inundado campos
cercanos a su paso, se tiene un valor de la probabilidad de que el rio inunde los
terrenos aledaños a su cauce. Igualmente si una empresa produce un determinado
artículo, una forma de determinar la probabilidad de que se fabriquen artículos
defectuosos es tomar una muestra de n
artículos, examinarlos y contar el número
x de artículos defectuosos en la muestra, el cociente x corresponde al valor de
n
dicha probabilidad. Naturalmente cuantas más veces se haga lo anterior y se
perfeccione el valor de probabilidad tanto más confiables serán los valores
calculados de probabilidad.
Algunos ejemplos, para aclarar las cosas dichas anteriormente, son los siguientes:
Evento Probabilidad
{1} 1/6
{2} 1/6
{3} 1/4
{4} 1/12
{5} 1/6
{6} 1/6
1 1 1 1
Evento: A = {2, 3, 4} P( A) = + + =
6 4 12 2
1 1 1 1 3
Evento: B = {2, 3, 5, 6} P( B) = + + + =
6 4 6 6 4
25
Breve Introducción a la Probabilidad - Clavijo
consideran dos cartas extras, llamadas comodines, pero ellas no son parte esencial
de la baraja, aunque sean importantes y apetecidas en el juego).
Una baraja completa tiene 52 cartas de las cuales 4 son ases. Hay por consiguiente,
52!
= 1326 formas diferentes de seleccionar un par de cartas de la baraja.
2! 50!
4!
De estos 1326 pares de cartas hay = 6 que consisten de 2 ases. En
2! 2!
6 1
consecuencia, la probabilidad buscada será =
1326 221
EJEMPLO: Una universidad recibe 200 estudiantes para primer semestre. De la hoja
de vida de estas personas se obtiene información sobre sexo y posición socio-
económica, como se indica en el cuadro siguiente:
EJERCICIO: Con base en los datos del cuadro anterior, calcule para un estudiante
seleccionado aleatoriamente en el primer semestre, las probabilidades siguientes:
26
Breve Introducción a la Probabilidad - Clavijo
De una manera más general la probabilidad puede ser vista como una función
P : → [0,1] que a cada evento E de asigna un número real no negativo,
llamado “probabilidad de E” y notado P( E ) de modo que se cumplan los
siguientes axiomas:
P Ei = P( Ei )
i =1 i =1
27
Breve Introducción a la Probabilidad - Clavijo
k k
P Ei = P( Ei )
i =1 i =1
A partir de los axiomas anteriores podemos probar las siguientes propiedades básicas
que cumple una función de Probabilidad.
Demostraciones:
2.
= A Ac 1 = P() = P( A) + P( Ac ). Despejando : P( Ac ) = 1 − P( A)
3. Consecuencia de 2 y de los axiomas de probabilidad
28
Breve Introducción a la Probabilidad - Clavijo
EJEMPLO-EJERCICIO
Considere el lanzamiento de dos dados y sea:
= {( x, y ) x, y {1, 2,3, 4,5, 6}}
Suponga que los eventos elementales en los que x es par tienen doble
probabilidad que los demás eventos elementales.
1. Calcular P( E ) para:
1.1 E = {(3, 2), (2, 4), (4,1), (1,5)}
1.2 E = {( x, y ) x y}
A = {( x, y) x y}, B = {( x, y) x + y es par}
2.1 Calcular: P( A B), P( A B), P( A − B), P( Ac B)
2.2 Calcular P (( A − B )c )
EJEMPLO
Se extraen aleatoriamente dos bolas de una urna que contiene 5 bolas blancas
y 4 bolas negras. ¿Cuál es la probabilidad de que salga una bola blanca y una
bola negra?
Solución:
Considérense los experimentos B = “extraer una bola blanca” y N = “extraer una
bola negra”. El primero tiene 5 resultados posibles y el segundo 4. Por
29
Breve Introducción a la Probabilidad - Clavijo
Por otra parte, es claro que hay 9 formas diferentes de seleccionar la primera
bola y, una vez seleccionada ésta, 8 formas de seleccionar la segunda. En
consecuencia hay 9x8 = 72 formas de seleccionar dos bolas. Por consiguiente,
la probabilidad buscada es 40/72 = 0.5555.
30
Breve Introducción a la Probabilidad - Clavijo
EJERCICIOS 3
Ejercicio 1
Sean A, B, C eventos. Demuestre que
P( A B C ) = P( A) + P( B) + P(C ) − P( A B) − P( A C ) − P( B C ) + P( A B C )
Ejercicio 2
Los miembros deportistas de un club practican deportes de la siguiente manera: 36
practican solamente tennis. 28 únicamente squash y 18 sólo badminton. Por otra
parte 22 juegan tennis y también squash, 12 tennis y bádminton, 9 juegan squash y
bádminton y finalmente 4 practican los tres deportes.
1. ¿Cuántos miembros deportistas tiene el club?
2. ¿Cuántos de los deportistas practican al menos un deporte?
3. Si se escoge aleatoriamente un deportista del club ¿cuál es la probabilidad de que
él juegue squash?
Ejercicio 3
Si A, B son eventos tales que P( A) = 0.9 y P( B) = 0.8 , muestre que
P( A B) 0.7 . De una forma más general, existe una desigualdad debida a
Bonferroni que establece que P( A B) P( A) + P( B) − 1
Ejercicio 4
Un curso está formado por 30 estudiantes, 12 hombres y 18 mujeres. El profesor ofrece llevar
a 10 estudiantes de este curso a una práctica. Escoge este número porque solo dispone de
dos carros: un automóvil que puede llevar 4 pasajeros, fuera del chofer, y una camioneta que,
además del chofer, puede llevar 6 pasajeros. ¿Cuántos grupos diferentes de estudiantes
puede formar si
31
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 5
Ejercicio 6
Suponga que A, B son eventos de un conjunto muestral tales que
P( A) = 0.35, P( Bc ) = 0.27, P( Ac B) = 0.59
Ejercicio 7
Si se selecciona aleatoriamente un número entero de tres dígitos, entre los límites 000 y
999 (incluyendo estos límites).
a. ¿Cuál es la probabilidad de que el número tenga un solo dígito mayor que 5?
b. ¿Cuál la probabilidad de que tenga un dígito mayor que 5?
Ejercicio 8
Si entre los dígitos 1, 2, 3, 4, 5, se selecciona aleatoriamente un número y luego se
selecciona otro entre los cuatro dígitos restantes, ¿Cuál es la probabilidad de que los
dígitos seleccionados formen un número par?
Ejercicio 9
Una urna contiene 3 bolas rojas 8 amarillas y 13 verdes. Otra urna contiene 5 bolas rojas, 7
amarillas y 6 verdes. Si se selecciona aleatoriamente una bola de cada urna, ¿Cuál es la
probabilidad de que ambas bolas sean del mismo color?
Ejercicio 10
Un grupo de 8 montañistas entre quienes se encuentran dos médicos se dividen
aleatoriamente en dos grupos, cada uno de 4 personas, para ascender a un nevado por dos
caminos diferentes.
32
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 11
El vigilante de un supermercado recibe 10 lockers a sabiendas de que 9 de ellos ya están
ocupados. Igualmente recibe las 10 llaves para abrir los lockers, todas muy parecidas
entre sí, pero no sabe cuál llave corresponde a cada locker, de modo que para abrir el
locker desocupado escoge aleatoriamente una llave entre las 10 que tiene en su poder.
Situación 1: El vigilante toma aleatoriamente una llave y si no sirve para abrir el locker
desocupado la pone sobre una mesa y aleatoriamente coge otra llave entre las que no
ha ensayado.
Situación 2: El vigilante escoge aleatoriamente una llave y si no sirve para abrir el locker
la revuelve con las otras 9 llaves y aleatoriamente escoge otra.
En ambas situaciones, él sigue ensayando llaves hasta que encuentre la que abre el
locker.
Responder las dos preguntas siguientes para cada una de las situaciones:
1. Cuántos intentos como máximo son necesarios para encontrar la llave apropiada?
2. Cuál es la probabilidad de que en el k-ésimo intento se pueda abrir el locker? (k = 1, 2,
…)
Ejercicio 12
m hombres y w mujeres, por sí mismos se sientan aleatoriamente en m+w sillas
dispuestas en una fila recta. Encuentre la probabilidad de que todas las mujeres queden
juntas.
Hallar la solución a la misma pregunta si las sillas se han dispuesto en forma circular
EJEMPLO: Volvamos a los datos de los estudiantes que han sido recibidos en una
universidad para primer semestre.
34
Breve Introducción a la Probabilidad - Clavijo
EJEMPLO: Se lanza una moneda dos veces consecutivas. Asumiendo que los cuatro
puntos de Ω = {(C,S), (C,C), (S,C), (S,S)} tienen la misma probabilidad de ser
seleccionados, cuál es la probabilidad de que en ambos lanzamientos salga “Cara”
, dado que:
a) En el primer lanzamiento salió “Cara”
b) Sale “cara” en al menos un lanzamiento?
Solución: Sea B = {(C,C)} el evento que afirma que ambos lanzamientos son “caras”.
Sea F = {(C,C), (C,S)} el evento que afirma que en el primer lanzamiento sale “cara”. Y
Sea A = {(C,C), (C,S), (S,C)} el evento que afirma que al menos en un lanzamiento sale
“cara”.
La probabilidad en la pregunta (a) puede obtenerse a partir de:
1
P( B F ) P({(C , C )}) 1
P( B F ) = = = 4=
P( F ) P({(C , C ), (C , S )}) 2 2
4
Para el caso (b) se tiene:
1
P( B A) P({(C , C )}) 1
P( B A) = = = 4=
P( A) P({(C , C ), (C , S ), ( S , C )}) 3 3
4
35
Breve Introducción a la Probabilidad - Clavijo
P( A B)
De la fórmula anterior, P( A B) = se deduce obviamente que
P( B)
P( A B) = P( A B) P( B)
Fórmula que de una manera natural se adopta como una manera de calcular la
probabilidad de una intersección de eventos.
EJEMPLO:
Un curso formado por 18 estudiantes, 12 mujeres y 6 hombres, desea elegir dos
delegados para asistir a un evento cultural en otra ciudad. ¿Cuál es la probabilidad
de que dicha delegación esté conformada por un hombre y una mujer?
P((H1∩H2c)U(H1c∩H2))
Se tiene:
0
Si se admite que Ai = , expresión poco intuitiva pero válida según la teoría de
i =1
n n k −1
P(
k =1
Ak ) = P( A
k =1
k (
i =1
Ai ))
Demostración:
1 P( A1 ) P( A1 )
P Ak = P( A1 ) = P( A1 ) = = = P( A1 | )
k =1 1 P ( )
0 1 k −1
= P( A1 | Ai ) = P( Ak | Ai )
i =1 k =1 i =1
n +1 n
n
n
n
P ( Ak ) = P (( Ak ) An +1 ) = P An +1 ( Ak ) = P An +1 | ( Ak ) P Ak
k =1 k =1 k =1 k =1 k =1
n
n k −1 n +1 n
= P An +1 | ( Ak ) P ( Ak | Ai ) = P ( Ak | ( Ai ))
k =1 k =1 i =1 k =1 i =1
INDEPENDENCIA DE EVENTOS
37
Breve Introducción a la Probabilidad - Clavijo
DEFINICION:
Se dice que una familia de eventos ( Ai )iI en un espacio probabilístico
(, , P) es independiente (o que sus miembros son independientes entre sí)
siempre que satisfagan: P( Ai ) = P( Ai )
iI iI
EJEMPLO:
Se lanzan dos dados corrientes, se toma como conjunto muestral a
1 1 7
Se obtiene: P( A) = P( B) = , P( A B) = = P( A) P( B) , P( A C ) =
2 4 8
1 13
P( A) P(C ) = = 0.3611
2 18
Como se ve, A y B son independientes mientras que A y C no lo son.
EJEMPLO:
Se ha estimado en 0.9 la probabilidad de que un paciente que tiene cierta
enfermedad responda al tratamiento. Suponga que se tienen tres pacientes con
esta enfermedad los cuales son tratados de manera independiente. ¿Cuál es la
probabilidad de que al menos uno de ellos responda al tratamiento?
38
Breve Introducción a la Probabilidad - Clavijo
P( A) = 1 − P( Ac ) = 1 − P( B1 B2 B3 )
Aplicando ahora la regla de multiplicación a los eventos Bi , se tiene:
P( B1 B2 B3 ) = P( B1 ) P( B2 B1 ) P( B3 ( B1 B2 ))
En consecuencia:
P( A) = 1 − P( B1 ) P( B2 B1 ) P( B3 ( B1 B2 ))
P( B2 B1 ) = P( B2 ) y P( B3 ( B1 B2 )) = P( B3 ) y, por tanto:
P( A) = 1 − P( B1 ) P( B2 ) P( B3 ) ,
esto es:
P( A) = 1 − P( B1 ) P( B2 ) P( B3 ) = 1 − (0.1)(0.1)(0.1) = 0.999
TEOREMA:
Si A y B son eventos independientes entonces también lo son: A y Bc ,
Ac y B c
Demostración:
Se hará la demostración para A y Bc . El otro caso es similar y queda como
ejercicio.
39
Breve Introducción a la Probabilidad - Clavijo
P( A B c ) = P( A − B) = P( A) − P( A B ) = P ( A) − P ( A) P ( B )
= P( A)[1 − P( B)] = P( A) P( B c )
DEFINICION:
Dada una familia enumerable de eventos, = ( Ai ), i = 1, 2,3, , en un espacio
b. EXHAUSTIVOS si Ai =
i =1
cumple P( A ) = 1 .
Ai
i
41
Breve Introducción a la Probabilidad - Clavijo
EJEMPLO:
La tabla de los estudiantes admitidos en la Universidad, vista anteriormente,
proporciona un buen ejemplo.
P ( A | A1 ) P ( A1 ) + P ( A | A2 ) P ( A2 ) + P ( A | A3 ) P ( A3 )
22 30 55 105 35 65 112
= + + = = P( A)
30 200 105 200 65 200 200
42
Breve Introducción a la Probabilidad - Clavijo
P( A) = P( A | A ) P( A )
i =1
i i
Demostración:
Se cumple A = A = A ( Ai ) = ( A Ai )
i =1 i =1
43
Breve Introducción a la Probabilidad - Clavijo
Estos trabajos permanecieron varios años sin modificaciones hasta 1950, época en la
que se empezó a hablar de una nueva ciencia estadística: La Estadística Bayesiana que
hoy ocupa a numerosos investigadores y usuarios de la Estadística
TEOREMA (BAYES):
Sea = ( Bi ) i = 1, 2,3, , una familia enumerable de eventos excluyentes y
exhaustivos en un espacio probabilístico (, , P) . Dado un evento arbitrario A en
P( A | B ) P( B )
i =1
i i
Demostración:
A partir de la fórmula P( A B) = P( A | B) P( B) se obtiene:
P( A Bk ) = P( A | Bk ) P( Bk )
Y también: P( A Bk ) = P( Bk A) = P( Bk | A) P( A)
Así que:
P( A | Bk ) P( Bk ) = P( Bk | A) P( A)
De donde:
P( A | Bk ) P( Bk )
P( Bk | A) =
P( A)
EJEMPLO:
La compañía ABC efectúa una encuesta de mercadeo para evaluar la lucratividad de cada
uno de sus nuevos productos. Encuestas anteriores indican que el 90% de los nuevos
productos resultan lucrativos. Un análisis posterior demuestra que sólo el 70% de los
44
Breve Introducción a la Probabilidad - Clavijo
Solución: Denotemos por L1 el evento “XY se pronostica lucrativo” y por L2 el evento “XY
se pronostica no-lucrativo”. Evidentemente, al ser complementarios L1 y L2 forman una
familia de eventos excluyentes y exhaustivos. Si A es el evento “XY es realmente lucrativo”
se tendrá:
EJEMPLO:
Se entiende por sensibilidad de una prueba la capacidad que ella tiene para detectar un
a enfermedad en sujetos que realmente están enfermos. La especificidad de la prueba
es la capacidad que ella tiene para dar como negativos a los sujetos que realmente no
están enfermos.
Un falso positivo es el caso de un sujeto sano que salió positivo según la prueba.
Un falso negativo es el caso de un sujeto enfermos que la prueba reporta como sano.
Una prueba clínica permite detectar el VIH con una sensibilidad de 95% y una especificidad
de 98%. En una población con una prevalencia de VIH de 1/1000, ¿cuál es la probabilidad
de que una persona cuya prueba resulta positiva realmente tenga el VIH?
45
Breve Introducción a la Probabilidad - Clavijo
Sea A el evento “la persona tiene el VIH” y Ac el evento complementario, “la persona no
tienen el VIH”. Denotemos por B al evento “la prueba resulta positiva”. Entonces,
sensibilidad de 95% significa que Pr(B | A) = 0.95, mientras que especificidad de 98% quiere
decir que Pr(B | Ac) = 0.02. Queremos calcular Pr(A | B). El teorema de Bayes nos dice cómo
obtenerla:
Por lo tanto, ¡más del 95% de las personas cuya prueba resulta positiva en realidad
no tienen el VIH! Lo anterior a pesar de las buenas características (sensibilidad y
especificidad) de la prueba de diagnóstico.
P( D) = P( D | B1 ) P( B1 ) + P( D | B2 ) P( B2 ) + P( D | B3 ) P( B3 )
= 0.02 0.30 + 0.03 0.45 + 0.02 0.25 = 0.0225
46
Breve Introducción a la Probabilidad - Clavijo
Supóngase que nos interesa saber cuál es la probabilidad de que el producto venga
de la máquina B2 sabiendo que es defectuoso. Aplicamos en este caso la fórmula
de Bayes:
P ( D | B2 ) P( B2 ) 0.03 0.45
P( B2 | D) = = = 0.6
P( D | B1 ) P( B1 ) + P( D | B2 ) P( B2 ) + P( D | B3 ) P( B3 ) 0.0225
EJEMPLO
A1, A2, A3, A4, son proveedores de materia prima para una empresa E. La empresa
compra al proveedor A1 el 50% de la materia prima, a A2 el 20%, a A3 el 18% y a A4
el 12%. De acuerdo con los registros históricos, la probabilidad de que la materia
prima salga de mala calidad es para cada proveedor, 0.05, 0.08, 0.10 y 0.15
respectivamente. Si al seleccionar aleatoriamente un artículo producido en la
empresa, éste sale de mala calidad (M), cuál es la probabilidad de haya sido
fabricado con materia prima proveniente del proveedor A1?
47
Breve Introducción a la Probabilidad - Clavijo
P( M | A1 ) P ( A1 )
P ( A1 | M ) =
P( M | A1 ) P ( A1 ) + P ( M | A2 ) P ( A2 ) + P ( M | A3 ) P ( A3 ) + P ( M | A4 ) P ( A4 )
0.05 0.50
= = 0.3248 aprox
0.05 0.50 + 0.08 0.20 + 0.10 0.18 + 0.15 0.12
48
Breve Introducción a la Probabilidad - Clavijo
EJERCICIOS 4
EJERCICIO 1:
En un colegio hay 180 alumnos de grado 10º y 142 alumnos de grado 11º . El 62%
de los alumnos 10º tiene excelente ortografía, porcentaje que sube a 86% en los
alumnos de 11º. En un concurso de redacción en el que participaron
anónimamente todos los estudiantes de 10º y 11º se elige una redacción al azar.
a) ¿Qué probabilidad hay de la redacción escogida sea de un alumno de 11º grado?
b) ¿Cuál es la probabilidad de que dicha redacción pertenezca a un estudiante de
10º si en ella aparecen errores de ortografía?
EJERCICIO 2:
Dos máquinas A y B han producido respectivamente, 100 y 200 piezas. Se sabe que
A produce un 4% de piezas defectuosas y B un 8%. Se toma en forma aleatoria una
pieza y se pide:
1) Probabilidad de que sea defectuosa.
2) Sabiendo que es defectuosa, probabilidad de que proceda de la primera
máquina.
EJERCICIO 3:
En una región hay tres operadores de telefonía celular A, B, C entre otros. El
operador A ha estimado que el 20% de las llamadas que él controla se caen. El
operador B ha tasado en 30% las llamadas caídas y C tiene una estimación del 15%
para el mismo concepto. Por otra parte, las probabilidades de que una llamada se
caiga en el primer minuto han sido tasadas por A, B y C en 0.03, 0.15 y 0.04
respectivamente. ¿Cuál es la probabilidad de que una cierta llamada que se cayó a
los 32 segundos de haber comenzado la conversación, haya sido controlada por el
operador B?
Sugerencia: Revise las hipótesis. Pruebe que dicha probabilidad es un valor entre
0.1106 y 0.7895
EJERCICIO 4:
Un contenedor tiene tres tipos diferentes de bombillas. La probabilidad de que una
bombilla tipo A llegue a las 1000 horas de uso es 0.7. Las de las bombillas tipo B y
C son respectivamente 0.4 y 0.3. Supóngase además que el 20% de las bombillas
del contenedor son de tipo A, el 30% de tipo B y el 50% de tipo C.
49
Breve Introducción a la Probabilidad - Clavijo
EJERCICIO 5:
Suposse that an insurance company classifies people into one of three classes:
good risks, average risks and bad risks. Their records indicate that the probabilities
that good, average and bad risk persons will be involved in an accident over a 1-
year span are respectively 0.05, 0.15 and 0.30. If 20% of the population are “good
risks”, 50% are “average risk” and 30% are “bad risks”, what proportion of people
have accidents in a fixed year? If police holder A had no accidents in 2017 what is
the probability that he or she is a good risk?
50
Breve Introducción a la Probabilidad - Clavijo
IV
En esta parte del curso se mostrarán algunos elementos muy básicos de la teoría
de la medida para concluir que la probabilidad es en realidad una función de
medida.
DEFINICION
Una álgebra sobre un conjunto es una familia A de subconjuntos de que
satisfacen los siguientes axiomas:
1. A
2. Si A A entonces Ac A
n
51
Breve Introducción a la Probabilidad - Clavijo
Seguramente el lector ya ha observado que los axiomas que definen un álgebra son
exactamente los axiomas vistos anteriormente para definir el concepto de evento.
Realmente así es y, en consecuencia, lo único que estamos haciendo en esta última
definición es formalizando la idea de que los eventos de un espacio probabilístico
forman un álgebra.
DEFINICION:
Una − álgebra (léase sigma álgebra) sobre es una colección de
subconjuntos de que satisface los siguientes axiomas:
A1.
Si A entonces A
c
A2.
TEOREMA
Si ( i )iI es una familia de − álgebras sobre entonces i es una −
iI
álgebra sobre .
52
Breve Introducción a la Probabilidad - Clavijo
contiene a los intervalos de la forma (a, b] . Es claro además que no puede existir
otra − álgebra Ɓ, menor, con la misma propiedad ya que, de ser así, se tendría
Ɓ y entonces ϐ Ɓ lo que va contra el supuesto de que Ɓ es menor.
TEOREMA:
Existe una − álgebra mínima, ϐ, sobre que contiene a todos los intervalos de
la forma (a, b] con a, b reales.
DEFINICION:
La − álgebra mínima, ϐ, construída en el teorema anterior, se denomina −
álgebra de Borel sobre . Sus elementos se denominan borelianos.
EJEMPLO
Los intervalos de la forma (−, x] pueden ser escritos como (−, x] = (− n, x] ,
n =1
es decir, como uniones de borelianos, así que son borelianos. Los intervalos de la
forma (−, x) son borelianos ya que pueden ser escritos como
1
(−, x) = ( −, x − ] . De aquí deducimos que los intervalos de la forma
n =1 n
[ x, + ) también son borelianos por ser complementos de los anteriores. Puesto
que {x} = [(−, x) ( x, +)]c se concluye que todo conjunto unitario {x} es un
boreliano y de aquí todo intervalo de la forma [a, b] = {a} (a, b] son también
borelianos.
DEFINICION
Considérese un conjunto y una − álgebra sobre . Una medida sobre
Debido al axioma M2 se dice que las medidas son funciones − aditivas. Si dicha
propiedad solo pudiera garantizarse para un número finito de conjuntos diríamos
que m es finitamente aditiva. Resulta evidente que toda función − aditiva es
finitamente aditiva mas no al contrario.
54
Breve Introducción a la Probabilidad - Clavijo
DEFINICION
Una medida m se dice finita si satisface m()
DEFINICION
Llamaremos Espacio de Medida a cualquier tripla (, , m) donde es una
− álgebra sobre y m una función de medida
TEOREMA
Dado un espacio de medida (, , m) se cumplen las siguientes afirmaciones
para A, B elementos de :
1. m() = 0
2. m( A − B) = m( A) − m( A B)
3. Si B A entonces m( A − B) = m( A) − m( B) además m( B) m( A)
4. m( A B) = m( A) + m( B) − m( A B)
EJEMPLO
Obsérvese que la probabilidad se ha definido como una función p : → [0,1] que
satisface los dos axiomas de una función de medida. Puesto que p() = 1 ,
concluímos que la probabilidad es una medida finita.
DEFINICION
Considerando el conjunto de los números reales y la − álgebra de Borel sobre
, entenderemos por medida de Lebesgue sobre , cualquier medida tal que
la medida (I ) sea finita para todo intervalo acotado I .
55
Breve Introducción a la Probabilidad - Clavijo
DISTRIBUCIONES DE MEDIDAS
DEFINICION
Llamaremos función de distribución en sentido general a cualquier función
F: → que sea monótona no decreciente y continua por la derecha.
El siguiente teorema afirma que toda medida de Lebesgue sobre ( ,ϐ) induce una
función de distribución.
TEOREMA
Sea una medida de Lebesgue sobre ( ,ϐ), existe una función F : → ,
construída a partir de , que es de distribución.
56
Breve Introducción a la Probabilidad - Clavijo
k − (( x, 0]) si x 0
F ( x) = k si x = 0
k + ((0, x]) si x 0
57
Breve Introducción a la Probabilidad - Clavijo
Funciones de distribución
OBSERVACION:
Nótese que si m es una medida finita sobre ( , ϐ) entonces m es una medida
de Lebesgue ya que todo intervalo tiene medida finita. En este caso la gráfica de
cualquier medida de distribución es acotada tanto superior como inferiormente.
El teorema anterior tiene una especie de recíproco que podemos resumir diciendo:
58
Breve Introducción a la Probabilidad - Clavijo
TEOREMA
Dada una función de distribución F : → existe una medida de Lebesgue en
( ,ϐ) inducida por F que satisface ((a, b]) = F (b) − F (a)
La demostración de este resultado está fuera del alcance de estas notas. Remitimos al
lector interesado a textos más especializados como el de R. Ash.
El siguiente teorema nos dice cómo medir otros intervalos, diferentes a los básicos:
TEOREMA
Sea F una función de distribución en sentido general, definida en ( , ϐ). La medida
1. ((a, b)) = F (b −) − F (a )
2. ([a, b]) = F (b) − F (a −)
3. ([a, b)) = F (b −) − F (a −)
EJEMPLO:
x Si x 0
Considérese la función de distribución F ( x) = 1 + x 2 Si 0 x 1
3 Si x 1
59
Breve Introducción a la Probabilidad - Clavijo
Se tiene lo siguiente:
COROLARIO
Sin mucho esfuerzo y basados en el ejemplo anterior (caso 3), podemos afirmar que
F es continua en un punto x si y solamente si ({x}) = 0 .
En efecto:
a) Suponiendo que F es continua en x se cumple F ( x+) = F ( x−) = F ( x) y
de aquí F ( x) − F ( x −) = 0 , es decir, ([ x, x]) = ({x}) = 0 .
b) De otra parte, si ({x}) = 0 se obtiene ([ x, x]) = F ( x) − F ( x −) = 0 , es decir,
F ( x −) = F ( x) , lo que nos dice que F es continua por la izquierda. Puesto que F
60
Breve Introducción a la Probabilidad - Clavijo
EJEMPLO
DISTRIBUCIONES DE PROBABILIDAD
Ya hemos visto que la probabilidad es una medida finita y, por tanto, funciones de
distribución aplicadas al caso de la probabilidad deben satisfacer
P() = 0 F ( x) 1 = P() y la probabilidad de cualquier subconjunto de
debe estar comprendido entre estas dos cotas. Una función de distribución para la
probabilidad debe entonces ser una función no decreciente acotada por los valores 0
y 1. Como habíamos dicho antes, consideramos el caso = , lo que nos dice que,
en el caso de la probabilidad, la medida de debe ser 1.
DEFINICION
Lo anterior nos obliga a afirmar que una función de distribución de probabilidad es una
función F : → , no negativa, no decreciente, continua por la derecha en todo y
tal que lim F ( x) = 0 y lim F ( x) = 1
x →− x →+
61
Breve Introducción a la Probabilidad - Clavijo
Esto nos dice en principio que cualquier función definida en , cuyo recorrido sea
[0,1], que sea monótona no decreciente, será una función de distribución de
probabilidad y ella induce una medida de probabilidad según la cual,
62
Breve Introducción a la Probabilidad - Clavijo
+
x
F ( x) =
−
f (t )dt
En efecto:
Es claro que F es no decreciente ya que al ser f no negativa, se cumple para x y
y x y
: F ( y ) − F ( x) =
−
f (t )dt − f (t )dt = f (t )dt 0 . Por otra parte, al estar
− x
definida mediante una integral, F es una función derivable, así que F es continua
y, al ser continua, es continua por la derecha en todo .
DEFINICION
Una función f: → como las definidas en el ejemplo anterior, se denomina
una función de densidad de probabilidad.
Es claro que toda función de densidad da origen a una función de distribución pero al
contrario no necesariamente es cierto.
EJEMPLO
63
Breve Introducción a la Probabilidad - Clavijo
1
48 ( x − 12) Si 12 x 20
1
Si x = 20
f ( x) = 6
1
(24 − x) Si 20 x 24
24
0 En otra parte
Una interpretación de la vida real de este ejemplo podría ser algo similar a lo siguiente:
Nótese que nunca ha habido temperaturas por debajo de 12ºC ni por encima de 24ºC.
Esto se refleja en el hecho de que la gráfica en dichos segmentos tiene un valor de 0.
Realmente la variación –podría decirse real- de la temperatura se reduce al intervalo
[12 , 24]. Por otra parte, como se explica en la gráfica y como se ha afirmado en párrafos
anteriores, la expresión F ( x) representa la medida de Lebesgue del intervalo
(−, x] , determinada por la función de distribución:
x
F ( x) = área bajo la curva (gráfica) desde − hasta x =
−
f (t )dt
64
Breve Introducción a la Probabilidad - Clavijo
Puesto que la función de densidad f (t ) encierra un área total de 1 (el área del
triángulo), se concluye que 0 F ( x) 1 y, por tanto, la medida que estamos
considerando es una probabilidad.
Con todo, debe ser claro que no todas las funciones de densidad, y por
consiguiente, no todas las de distribución, son igualmente importantes. Hay
algunas distribuciones que se destacan por alguna aplicación importante. Más
adelante mencionaremos algunas de ellas.
65
Breve Introducción a la Probabilidad - Clavijo
p
i =1
i = 1 . Podemos definir una función f: → de la siguiente manera:
pi Si t = xi
f (t ) =
0 En otra parte
0 Si x x1
i
F ( x ) = pk Si xi x xi +1
k =1
1 Si x xn
66
Breve Introducción a la Probabilidad - Clavijo
por esta distribución, es una probabilidad y cada intervalo en tendrá una medida de
acuerdo con lo dicho en la página 62.
EJEMPLO
Considérese la función de densidad definida por:
0.3 Si t = 2
0.5 Si t = 4
f (t ) =
0.2 Si t = 7
0 En otra parte
0 Si x 2
0.3 Si 2 x 4
F ( x) =
0.8 Si 4 x 7
1 Si x 7
Y por tanto:
Las funciones de densidad para casos discretos como los que hemos visto en los dos
últimos ejemplos, también se denominan funciones de masa, un término derivado de
la física.
Cabe anotar que a veces se presenta una confusión en cuanto a los nombres de las
funciones, confusiones que han sido alimentadas por textos poco rigurosos en el
lenguaje. Hay quienes llaman funciones de distribución a las que aquí hemos llamado
de densidad y funciones de distribución acumuladas a las que aquí hemos llamado de
distribución. En el lenguaje inglés es común usar las siglas pdf (probability density
function) para las que nosotros hemos denominado funciones de densidad y cdf
(cumulative density function) para las de distribución.
67
Breve Introducción a la Probabilidad - Clavijo
EJERCICIOS 5
68
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 2
x Si x 1
Considere la función F ( x) = 2 Si 1 x<3
1
x2 Si x 3
3
Ejercicio 3
−2 − x 2 Si x 0
1 x Si 0 x 2
Considere la función F ( x) = 2
2 Si 2 x 4
2
x − 13 Si x 4
Ejercicio 4
1 − ( x − 1) 2 Si x 1
Considere la función F ( x) = 2 Si 1 x<3
x2 − 6 Si x 3
69
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 5
x Si x 1
Considere la función F ( x) = 2 Si 1 x<3
1
x2 Si x 3
3
Ejercicio 6
1 Si x 1
Considere la función F ( x) = 2 Si 1 x<3
1
x2 Si x 3
3
Ejercicio 7
2x Si x 1
Considere la función F ( x) = x + 2 Si 1 x<3
x2 − 3 Si x 3
70
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 8
Ejercicio 9
Considere el conjunto M = {3, 7, 8, 10, 12} y los números reales 0.2, 0.3, 0.1, 0.2,
0.2 asociados a los valores de M en el mismo orden de lectura. Construya una
función de distribución para estos valores y, de acuerdo con ella, calcule la medida de
los siguientes conjuntos:
71
Breve Introducción a la Probabilidad - Clavijo
VARIABLES ALEATORIAS
Estos mismos conceptos siguen vigentes en el terreno de la estadística pero hay algo
más: el porqué del calificativo de aleatoria que puede llevar una variable. La razón
de esto tiene que ver con la probabilidad. Las variables aleatorias también toman
valores diferentes pero cada valor que toma una de estas variables tiene asociado
un valor de probabilidad con el que es asumido. Así, por ejemplo, si una variable
aleatoria X representa el número de aparatos de televisión que hay en los hogares
en la ciudad de Ibagué, ésta variable puede tomar valores como 0, 1, 2, 3, 4, 5 ,
desde ningún televisor, hasta 5 televisores por hogar, pero es claro que Algunos de
éstos valores ocurren con mayor frecuencia que otros. Por ejemplo, es más
frecuente que haya 2 o 3 televisores a que haya 5 o a que no haya ninguno. Esto
quiere decir que la probabilidad de que X tome el valor 3 es mayor que la
probabilidad de que X tome el valor 5.
72
Breve Introducción a la Probabilidad - Clavijo
DEFINICION
Sean 1 , 2 conjuntos no vacíos, provistos de sendas − álgebras, 1 , 2
respectivamente. Diremos que una función f : 1 → 2 es 1 − 2 − medible si para
DEFINICION
DEFINICION:
Dado un espacio probabilístico (, , p) se entenderá por variable aleatoria sobre
, cualquier función X : (, ) → ( , ϐ) que sea borel-medible
EJERCICIO
73
Breve Introducción a la Probabilidad - Clavijo
TEOREMA
Sea (, , p) un espacio probabilístico y sea X : → una variable aleatoria.
Demostración
74
Breve Introducción a la Probabilidad - Clavijo
p X Bi = p X −1 Bi = p X −1 ( Bi )
i =1 i =1 i =1
p X Bi = p ( X ( Bi ) ) = p X ( Bi )
−1
i =1 i =1 i =1
75
Breve Introducción a la Probabilidad - Clavijo
DEFINICION
4. lim FX ( x) = 1
x →+
76
Breve Introducción a la Probabilidad - Clavijo
Expresión que relaciona las variables aleatorias con las funciones de distribución FX
DEFINICION
Una variable aleatoria X : → tiene distribución FX , lo que escribimos como
X ~ FX , si se cumple pX ( x) = p( X −1 ((−, x])) = p( X x) = FX ( x) .
La definición anterior nos da una nueva visión de las variables aleatorias como
funciones que asignan un valor real a un evento de un espacio probabilístico. Esta
nueva visión de las variables aleatorias nos permite hablar de dos aspectos que a
menudo se consideran propiedades fundamentales de tales variables hasta el punto
77
Breve Introducción a la Probabilidad - Clavijo
de que en la mayoría de los textos se habla de ellas y se consideran como los elementos
constitutivos esenciales de una variable aleatoria. Su naturaleza como variable y su
distribución de probabilidad.
En la vida real no se necesita una definición tan técnica y elaborada del concepto de
variable aleatoria. Basta pensar que una variable aleatoria, es una variable que a cada
evento de un experimento aleatorio asocia un número real con un determinado grado
de probabilidad. Este concepto ya fue presentado unas páginas atrás.
Es frecuente ver en textos de estadística un concepto que no es del todo correcto: dicen
que X es aleatoria porque no se sabe qué valores va a tomar. La verdad, sí se sabe qué
valores va a tomar X, lo que no se sabes es con qué probabilidad.
78
Breve Introducción a la Probabilidad - Clavijo
esté cerca de 1.40 metros. Todo esto está relacionado con la distribución de
probabilidad que tenga la variable aleatoria.
Recogiendo lo que se dijo atrás, podemos afirmar que una variable aleatoria es
continua si su recorrido es continuo (un intervalo en R) y es discreta si su recorrido es
un conjunto enumerable en R (incluyendo la posibilidad de que sea un conjunto
enumerable infinito, aunque en la práctica esto casi nunca ocurra).
79
Breve Introducción a la Probabilidad - Clavijo
VI
como una función de densidad de probabilidad que, por consiguiente, define una
x
función de distribución F ( x) =
−
f (t )dt , cuya medida de Lebesgue es una medida
de probabilidad. Este resultado abre una enorme posibilidad para construir funciones
de distribución.
80
Breve Introducción a la Probabilidad - Clavijo
medida (es decir la probabilidad) sobre un intervalo de la forma (−, x] está dada
por el área bajo la curva de densidad desde − hasta el punto x , como se muestra
en la figura:
Utilizaremos el paquete PQRS (versión 3.2), que, además de ser gratuito y libre,
presenta grandes ventajas didácticas que lo hacen atractivo. Este paquete, dado el
cuantil x , permite hallar la probabilidad –es decir, el área a la izquierda del punto x
, la que aparece sombreada en color rosado y el área complementaria, a la derecha de
x que aparece sombreada en azul. Produce la gráfica de las funciones de densidad y
de distribución, muestra la ecuación de la función de densidad y alguna otra
información de la que no se habla en este curso. Igualmente, si se da un valor de
probabilidad, el paquete muestra el área correspondiente, el área complementaria y el
valor del cuantil x , correspondiente a dicha probabilidad.
Este software puede ser descargado desde
http://software-nanono.blogspot.com.co/2011/11/pqrs-32-statistical-software.html
81
Breve Introducción a la Probabilidad - Clavijo
También es posible usar software bajo Android que puede ser descargado e instalado
en teléfonos celulares o en tablets con este sistema operativo. Un paquete interesante
para Android es “Probability Distributions” de Matthew Bognar, el cual puede ser
localizado y descargado a través de Play Store:
Una versión nueva y más reciente del programa anterior, llamada PyQRS, para
Windows, puede ser descargada en la página:
http://www.pyqrs.eu/home/PyQRS_help_en.html
82
Breve Introducción a la Probabilidad - Clavijo
a+b
De acuerdo con lo anterior, se cumple, por ejemplo, p((−, ) = 0.5 y
2
p({x}) = 0 ya que F es continua en todo punto x (ver figura siguiente)
83
Breve Introducción a la Probabilidad - Clavijo
2
b. La distribución Normal generalizada. Con densidad definida como:
1 t −
2
1 −
2
f (t ) = e
2
donde es una constante cualquiera y 2 una constante positiva,
denominados los parámetros de la distribución.
84
Breve Introducción a la Probabilidad - Clavijo
La función Gamma:
85
Breve Introducción a la Probabilidad - Clavijo
n +1
f (t ) = 2
1
para t
n +1
n
n t 2 2
2 1 +
n
En ellas se puede apreciar que el cuantil tn , 0.025 , es decir, el valor del cuantil
que deja a su derecha una cola de probabilidad de 0.025, se acerca a 1.96 que
es el valor correspondiente al mismo nivel de probabilidad bajo la normal
estándar. Pero, lejos de lo que cree mucha gente -que n = 31 es suficiente- se
observa que se necesita más de n = 500 para poder sustituir la t por la
normal.
86
Breve Introducción a la Probabilidad - Clavijo
Otras distribuciones continuas de gran importancia que pueden ser manejadas usando
el software PQRS son las siguientes:
87
Breve Introducción a la Probabilidad - Clavijo
− t (t ) −1
e Si t 0
f (t ) = ( ) con , parámetros positivos
0
En otra parte
Ejemplo:
La gráfica –elaborada en PQRS- corresponde al caso de una Ji cuadrado con 6
grados de libertad, mostrando el cuantil 12.59 que deja una medida (probabilidad)
de 0.05 en la cola derecha:
88
Breve Introducción a la Probabilidad - Clavijo
89
Breve Introducción a la Probabilidad - Clavijo
m
+
m
m n m −1
2
2 t2
2 Si t 0
m+n
f (t ) = m n m
n 2 mt 2
2 2 1 +
2 n
0
En otro caso
Ejemplo:
La gráfica siguiente corresponde a un caso de distribución F21, 16 , es decir, una
F de parámetros m = 21, n = 16 :
p( L) = p((−, x)) = F ( x −) .
p( A) = F ({x, x}) = F ( x) − F ( x −)
EJEMPLO:
0.3 Si t = 3
Consideremos la función de densidad f (t ) = 0.7 Si t = 5
0
En otra parte
0 Si x 3
cuya función de distribución está dada por: F ( x) = 0.3 Si 3 x 5
1 Si x 5
En este caso para x=3 se tiene
91
Breve Introducción a la Probabilidad - Clavijo
{x1 , x2 , , xn }
92
Breve Introducción a la Probabilidad - Clavijo
n
f ( x) = p x (1 − p ) n − x para x = 0, 1, 2, ,n
x
Se observa que
1. f ( x) 0 x
n
n
2.
x
f ( x) = p x (1 − p) n − x = [ p + (1 − p)]n = 1n = 1
x =0 x
Estos dos resultados muestran que f es una función de densidad (masa) para una
distribución discreta, llamada Distribución binomial de parámetros n y p.
La distribución binomial fue estudiada por Jakob Bernoulli (Suiza, 1654-1705).
93
Breve Introducción a la Probabilidad - Clavijo
El mismo problema anterior pero realizado SIN reemplazamiento nos lleva a otra
distribución discreta conocida como Distribución hipergeométrica. En este caso se
requiere conocer el tamaño N del conjunto mayor, del cual se va a extraer la
muestra. El número A o N1 de objetos verdes (éxitos) presentes en el conjunto
anterior y el número n de elementos que se van a extraer (tamaño de la muestra).
A
La probabilidad de éxito de la primera extracción es pero, dado que el elemento
N
seleccionado no vuelve a la población, ésta cambia de tamaño con cada extracción.
94
Breve Introducción a la Probabilidad - Clavijo
95
Breve Introducción a la Probabilidad - Clavijo
Imagen de una Poisson de parámetro = 15 y los valores de medida para los conjuntos
L, A, U cuando x = 12 .
96
Breve Introducción a la Probabilidad - Clavijo
EJERCICIOS 6
Ejercicio 1
A = {x | −4 x −1}
B = {x | x 0}
C = {x | −2 x 1}
D = {x | ( x −5) ( x 5)}
Ejercicio 2
Considere que la probabilidad de que un fusible se dañe ante una subida de
energía es 0.03. Se instalan 15 fusibles para proteger sendos computadores en
una sala de cómputo. Cuál es la probabilidad de que ante una subida de energía
se dañen
a. ¿Exactamente 5 fusibles de los 15?
b. ¿Menos de 3 fusibles?
c. ¿Más de 8 fusibles?
d. ¿Todos los 15 fusibles?
e. ¿Ningún fusible?
Ejercicio 3
(Para pensar!) Considere el par ( , ϐ) y suponga que : ϐ→ es una
función definida para cada A ϐ por ( A) = Sup( A) − Inf ( A) .
a. ¿Es una función de medida? (Demostrar!)
En caso de que la pregunta anterior sea afirmativa:
b. ¿Es una medida finita? (justificar)
c. ¿Es una medida de Lebesgue? (justificar)
d. En caso de una respuesta afirmativa en c. construya una función de distribución
y con ella, calcule:
97
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 4
Suponga que un banco atiende en promedio 10 clientes por hora ( = 10 ). ¿Cuál es la
probabilidad de que en una hora lleguen exactamente 8 clientes? ¿cuál la probabilidad
de que en una hora lleguen más de 8 clientes?
Ejercicio 5
Suponga que la duración promedio de las llantas para automóvil de un cierto tipo y
marca es una normal de parámetros µ = 60000 km y desviación estándar σ = 2500 km.
Hallar la probabilidad de que una llanta del tipo y marca considerados
Ejercicio 6
a. ¿Qué fracción o porcentaje de ese tipo de bombillas se espera que dure menos de
6000 horas?
b. La fábrica ofrece como garantía reponer al cliente bombillas nuevas en caso de que
las que haya comprado se fundan antes de las 7000 horas de uso. ¿Qué porcentaje
de clientes se espera que haga uso de la garantía?
98
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 7
La duración en horas de cierto tipo de baterías de litio para controles electrónicos tiene
distribución normal de media µ = 200 horas y desviación estándar σ = 25 horas. ¿Cuál
es la probabilidad de que una bombilla de esas características
Ejercicio 8
Ejercicio 9
99
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 10
Ejercicio 11
Ejercicio 12
100
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 13
Cierto día hubo 6000 llamadas en las horas pico. De acuerdo con esto
Ejercicio 14:
Ejercicio 15:
Se tiene un listado de las 200 universidades existentes en un país (75 públicas y 125
privadas). Si aleatoriamente se seleccionan 8 universidades de ese listado, ¿Cuál es la
probabilidad
Ejercicio 16
101
Breve Introducción a la Probabilidad - Clavijo
Ejercicio 17
Ejercicio 18:
El alfabeto español está conformado por 27 letras de las cuales 5 son vocales. Un juego
consiste en escoger aleatoriamente y sin reemplazo 4 letras de una caja donde están
las 27, para ver si con ellas se puede formar una palabra que tenga sentido en el idioma
español. ¿Cuál es la probabilidad de que en una selección
102
Breve Introducción a la Probabilidad - Clavijo
El hecho de que los números reales constituyan un espacio vectorial sobre sí mismo, -lo que
permite efectuar operaciones de adición, multiplicación resta, división, potenciación,
radicación, etc-, nos lleva a una estructura semejante para el conjunto de variables
aleatorias definidas en un espacio probabilístico (, , P) Es decir, se pueden definir
operaciones de adición y multiplicación con sus correspondientes operaciones e inversas y
las derivadas de potenciación y logaritmación para variables aleatorias. De esta manera se
pueden definir:
( X )( w) = X (w), w ,
( XY )( w) = X ( w)Y ( w), w
103
Breve Introducción a la Probabilidad - Clavijo
En la vida diaria, toda población está descrita por una variable aleatoria con una
determinada distribución y toda variable aleatoria puede ser vista como una población. Por
ejemplo, el contenido de gaseosa que se encuentra en las “botellas" de 350 m.l es una
población descrita por una variable aleatoria con distribución normal cuyos valores oscilan
alrededor de los 350 m.l. En cada frasco encontramos una cantidad de bebida que puede
ser ligeramente inferior o ligeramente superior a 350 m. El valor 350 es el valor esperado
de líquido en cualquier “frasco” pero, debido a que el proceso de envasado es automático,
puede haber ligeras diferencias con el valor esperado: unas veces sale más, otras menos,
pero en promedio dicho valor concuerda con lo que se enuncia en los recipientes.
104
Breve Introducción a la Probabilidad - Clavijo
n
= xf ( x) = xi pi
x i =1
= xf ( x)dx
−
donde f es la función de densidad de la variable aleatoria X en consideración.
EJEMPLO:
n n
n
= xf ( x) = x x p q x n− x
x =0 x =0
n
n x n− x
= x p q
x =1 x
(pues el primer término desaparece)
n 1 2 3 (n − 1) n
pero x = x
x 1 2 3 ( n − x) 1 2 3 ( x − 1) x
1 2 3 (n − 1) n − 1
=n = n
1 2 3 ( n − x) 1 2 3 ( x − 1) x − 1
así que :
n
n − 1 x −1 n − x n
n − 1 x −1 ( n −1)−( x −1)
= np p q = np p q
x =1 x − 1 x =1 x − 1
105
Breve Introducción a la Probabilidad - Clavijo
m
m
= np p k q m−k = np( p + q)m = np
kk =0
EJEMPLO:
Supóngase ahora que X es una variable aleatoria con distribución uniforme en el intervalo
[a, b] . Esto quiere decir que la pdf de X está dada por:
1
Si a x b
f ( x) = b − a
0 En otra parte
De lo anterior:
a b
1
= x0dx + xdx + x0dx
− a
b − a b
x =b
1 1 2
b b
x 1
= dx = xdx = 2 x
a
b − a b − a a
b − a x=a
1 b2 − a 2 a + b
= =
2 b−a 2
DEFINICION:
106
Breve Introducción a la Probabilidad - Clavijo
V( X ) = E( X 2 − 2 X + 2 ) = E ( X 2 ) − E (2 X ) + E ( 2 )
= E(X 2 ) − 2 E( X ) + 2 = E( X 2 ) − 2 2 + 2
= E(X 2 ) − 2 = E( X 2 ) − E( X )
2
EJEMPLO:
Aplicando el resultado anterior podemos calcular la varianza de una variable aleatoria que
tenga distribución binomial de parámetros n, p
n
n
E ( X ) = x 2 p x q n− x
2
x =0 x
n
n x n− x
= ( x ( x − 1) + x ) p q
x =0 x
n
n x n− x n
n
= x( x − 1) p q + x p x q n− x
x =0 x x =0 x
n
n
= x( x − 1) p x q n − x + E(X )
x =0 x
n
n!
= x( x − 1) p x q n − x + np
x=2 (n − x)! x !
n
n!
=
x = 2 ( n − x )!( x − 2)!
p x q n − x + np
n
(n − 2)!
= n(n − 1) p 2
(n − x)!( x − 2)!p
x=2
x−2
q n − x + np
107
Breve Introducción a la Probabilidad - Clavijo
n
(n − 2)!
= n(n − 1) p 2 p x − 2 q n − x + np
x = 2 ( n − x )!( x − 2)!
n − 2 j n − 2− j
n−2
= n(n − 1) p
j =0
2
j
p q + np
= n(n − 1) p 2 ( p + q) n − 2 + np
= n(n − 1) p 2 + np
E( X 2 ) − E( X ) = n(n − 1) p 2 + np − n 2 p 2 = npq
2
En consecuencia:
Es decir, V( X ) = npq .
EJEMPLO:
b − a a
= x − ( a + b ) x + dx
2
x =b
1 1 3 1 a+b
2
= x − ( a + b) x +
2
x
b − a 3 2 2 x = a
1
= b3 − a 3 − 3ab 2 + 3a 2b
12(b − a )
(b − a ) 2
=
12
El cuadro siguiente resume las medias y las varianzas de variables aleatorias con las
distribuciones más comunes que hemos mencionado en páginas anteriores:
108
Breve Introducción a la Probabilidad - Clavijo
t de Student n0 0 n
para n 2
n−2
Gamma 0, 0
2
Ji cuadrado (entero positivo) 2
para n 2 2n (m +2 n − 2) con n 4
n 2
TEOREMA:
La media y la varianza de variables aleatorias X , Y satisfacen las siguientes propiedades:
1. E(aX ) = aE( X ), a
2. E(X + Y ) = E( X ) + E(Y )
3. V(aX ) = a 2 V(X ), a
La media y la varianza son dos valores de mucha importancia para cualquier variable
aleatoria – valga decir, para cualquier población. La primera de ellas es un valor que
“resume” los valores de la población. Por ejemplo, si se afirma que el promedio nacional de
ingreso per cápita es de $2,600,000.00, aunque no todas las personas perciban este ingreso,
sí nos damos una idea de cuánto se gana en un determinado país. Más aún, podemos
hacernos a una idea de cómo son las economías de dos países cuando conocemos sus
109
Breve Introducción a la Probabilidad - Clavijo
ingresos medios per cápita. La segunda medida da una idea de cómo es la dispersión de los
datos en una población. Si la varianza es pequeña los datos están muy concentrados y
presentan poca variabilidad. Por el contrario, una varianza alta indica que los datos –aunque
se dispongan alrededor de la media- son muy variables y, por tanto, presentan una alta
dispersión o variabilidad
En los casos vistos anteriormente hemos podido calcular la media y la varianza porque
conocemos las fórmulas correspondientes a las diferentes distribuciones. Sin embargo, la
situación real es diferente: En la vida real se conoce una población (por ejemplo, la estatura
de niños de 9 años) pero no conocemos ni la forma de la función de densidad ni la función
de distribución correspondiente. Uno de los tantos objetivos que persigue la estadística es,
poder decir cuál sea la posible distribución de la mencionada variable aleatoria, poder
“conocer” en líneas generales cómo es dicha población y seguramente hacer algunos tipos
de inferencias.
Al no disponer de todas las medidas posibles que pueda tomar una variable aleatoria no
conocemos tampoco la correspondiente población. Debemos inferir algunas de sus
propiedades a partir de la observación de unos cuantos datos tomados de dicha población.
Por ejemplo, es sabido que consumir pescado u otros productos de mar contaminados por
mercurio representa un grave riesgo para la salud. La contaminación de los peces por
mercurio es algo inevitable, sin embargo, cuando la cantidad de mercurio sobrepasa ciertos
límites, estos alimentos no deben ser consumidos. La tabla siguiente, tomada de la revista
médica de Chile, Vol 142, No 9, septiembre de 2014, fija los límites máximos admisibles de
mercurio
110
Breve Introducción a la Probabilidad - Clavijo
La distribución de los peces en las aguas marinas no es uniforme. Ellos prefieren ciertas
regiones o se mueven en grandes grupos. Por otra parte, no todos los peces están
igualmente contaminados. Los niveles de mercurio en cada animal dependen de sus
hábitos, de la zona donde se encuentre, de la especie, etc. Por otra parte, por razones
obvias, resulta imposible examinar todos los peces de una cierta región. Entonces, ¿cómo
saber si se puede comer o no peces de cierta región marítima?
111
Breve Introducción a la Probabilidad - Clavijo
BIBLIOGRAFIA
7. Grinstead, C. & J.L. Snell. (). Introduction to Probability. 2nd Ed. American
Mathematical Society.
112