Estadstica Cdigo 1937 2009

Unidad 2: Probabilidad
1. Introduccin
Para la mayora de las personas Probabilidad es un trmino vago, utilizado para indicar la posibilidad de ocurrencia de un suceso o evento futuro. Esta es una aplicacin prctica del trmino, veremos ahora cual es el papel que juega la probabilidad y la estadstica cuando ella es impartida para estudiantes de la Ciencias de la Computacin. En algunas situaciones Ustedes simularan datos, en cuyo caso asociaran el trmino simulacin con el trmino estocstico (aleatorio); y los datos as obtenidos se dice que son generados por Simulacin estocstica. Veamos que se entiende por Simulacin estocstica y que tiene que ver con Estadstica. Simulacin Estocstica es el arte de generar muestras de variables aleatorias en un ambiente computacional y utilizar dichas muestras para obtener un cierto resultado. Por qu es un arte? Por que necesita generar ms de una clase de enormes resultados para alcanzar el objetivo, con mxima calidad y mnimo costo. Las herramientas necesarias para realizar este tipo de trabajo son bsicamente nociones de: Nmeros, Probabilidad, Procesos Estocsticos, Estadstica, Ciencia de la Computacin, Anlisis Numrico y por supuesto de las particularidades del problema bajo consideracin. Por qu variables aleatorias? Por que muchos problemas son de naturaleza no determinstica, por lo que es ms apropiado el tratamiento aleatorio (estocstico).

Por qu de un cierto resultado? Por que el buen uso de la simulacin estocstica no lleva a simular un resultado, por el contrario da resultados que se aproximan al verdadero valor o resultado exacto. Resumiendo podemos decir que un estudio de simulacin involucra ms que la construccin de un fluxograma del sistema bajo estudio, trasladarlo a lenguaje computacional y luego hacer ms rplicas de cada sistema propuesto. El uso de la probabilidad y de la estadstica es una parte integral de un estudio de simulacin. Ya en la unidad anterior comenzamos a trabajar con algunos conceptos importantes de Estadstica y tambin pudimos a apreciar que no slo es importante describir a una muestra sino que en general el objetivo es inferir sobre una poblacin de la cual fue extrada dicha muestra, para lo cual necesitamos realizar un recorrido con el conocimiento. Ahora nos toca trabajar con el concepto de probabilidad el que juega un papel importante en la estadstica, en realidad se puede decir que la probabilidad es un concepto necesario cuando se trabaja con procesos de tipo estocstico, ya sean ellos de tipo biolgicos, fsicos y/o sociales es decir todos aquellos que generen observaciones que no son factibles de predecir con exactitud, en general a estos tipos de procesos se los puede llamar Experimentos no determinsticos o Aleatorios ( estocsticos).

2. Algunas definiciones Importantes

Definicin 1: Un experimento aleatorio o no determinstico es un proceso o accin que verifica las siguientes condiciones: 1. Todos los resultados posibles del Experimento son conocidos. 2. El resultado de cada realizacin del Experimento es desconocida. 3. El Experimento puede ser repetido bajo condiciones idnticas. Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC 10

Estadstica Cdigo 1937 2009 Definicin 2: El espacio muestral S asociado con un experimento es el conjunto de todos los resultados posibles del experimento. El espacio muestral, puede ser finito, infinito numerable o infinito no numerable. 2.1 Sucesos o Eventos Definicin 3: Cada resultado individual de un experimento aleatorio se denomina Suceso Elemental o simple y se lo denota con E i . Definicin 4: Un suceso definido sobre el espacio muestral discreto es un conjunto de sucesos simples. Notacin: A los sucesos se los denota, como a los conjuntos, con letras maysculas A, B, C etc. Definicin 5: Suceso Seguro, es el que ocurre siempre, coincide con el espacio muestral S. Definicin 6: El suceso que nunca ocurre cuando se realiza el experimento, se llama Suceso Imposible y se lo denota . Definicin 7: Dos sucesos A y B son excluyentes si A y B no pueden ocurrir simultneamente, en smbolos A B = .

3. Probabilidad
Hay tres definiciones de probabilidad, comenzaremos por la ms conocida y utilizada, aclarando en que situaciones es aplicable.

Definicin clsica
Definicin 8: Sea E un experimento y S el espacio asociado a l, sea A un suceso de S tal que #A = nA y #S = n entonces P(A ) =

Notar que P (A ) es un valor que es mayor o igual a cero y menor que 1, por qu? Esta definicin est basada en dos hechos muy importantes. 1. El cardinal de S debe ser finito. 2. Todos los sucesos elemental son equiprobable, o sea P(E i ) = p i . Como se puede observar esta definicin tiene dos grandes limitaciones, en el sentido que en muchos experimentos no es posible determinar S y/o muchas veces no se puede garantizar que los sucesos elementales sean equiprobables.

nA n

Definicin Estadstica
En muchas situaciones experimentales los resultados posibles de un experimento no son equiprobables, por ejemplo en una fbrica la oportunidad de observar un artculo defectuoso (D) normalmente ser ms raro que el de observar un artculo bueno (ND). Luego en este caso no ser correcto utilizar la definicin clsica para determinar la probabilidad de que al extraer un artculo ste resulte defectuoso.

Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC

11

Estadstica Cdigo 1937 2009 Para cuando se presentan situaciones como esta, se define la probabilidad de un suceso en base a la frecuencia relativa ( f r ) de ese suceso (recordar la definicin de frecuencia relativa). Para ilustrar la interpretacin de la probabilidad como f r se simul en la computadora un proceso de muestreo de n unidades, bajo el supuesto de que el proceso de fabricacin produce el 5 % de artculos defectuosos. El proceso se repiti varias veces, cada vez con un tamao de muestra mayor, los resultados se muestran a continuacin. Nro. de Unidades muestreadas 20 50 100 200 500 1000 2000 5000 10000 Nro. de unidades defectuosas 2 3 4 12 28 54 97 244 504

fr
0.10 0.06 0.04 0.06 0.056 0.054 0.0485 0.0488 0.0504

Intenta dibujar en un sistema de coordenadas cartesianas el tamao de muestra vs la f r y observa que ocurre. Situaciones como estas nos llevan a la siguiente: Definicin 9: Sea E un experimento y S el espacio asociado a l, sea A un suceso de S y nA el Nmero de resultados favorables al suceso A, entonces

n lim f rA = lim A P(A ) n n n

Esta definicin es vlida basada en el siguiente principio: es posible repetir el experimento E muchas veces y prcticamente sobre las mismas condiciones, este principio recibe el nombre de Regularidad Estadstica.

Definicin Axiomtica
Definicin 10: Sea E un experimento y S el espacio asociado a l, sea A un suceso de S. Una probabilidad es una funcin P que asocia a cada evento A un nmero real P(A ) con las siguientes propiedades: 1. 0 P (A ) 1 , A S ; 2.

P(S) = 1 3. Si A1 , A 2 ,....A n ,... forman una sucesin infinita de sucesos de S tales que son excluyentes dos
A = P(A i ) . U i i =1 i =1

a dos entonces P

Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC

12

Estadstica Cdigo 1937 2009 Notar que esta definicin abstracta de probabilidad est inspirada en las propiedades que verifica la probabilidad en las dos definiciones anteriores, por otro lado esta definicin nada dice de como hacer las asignaciones iniciales de probabilidad de un suceso, slo constituye un modelo terico. Cuando este modelo se intenta aplicar a un experimento real se deben asumir ciertos supuestos para tornarlo operativo.

Consecuencias de la definicin:
A S P A c = 1 P(A ) 3. P (A U B) = P(A ) + P (B) P (AB) 4.i) Si A B entonces P(A ) P(B) ii) Si A B entonces P(B A ) = P(B) P(A )
1. P ( ) = 0 2.

( )

La definicin Clsica de Probabilidad como caso especial de la definicin Axiomtica

Veamos como la definicin Axiomtica es aplicable en el caso en que S sea finito. Para ello vamos a construir un modelo probabilstico para un experimento E con espacio muestral S discreto asignando una probabilidad a cada evento simple Ei de S, para lo cual se debe pensar en asignar un nmero que representa una medida de la posibilidad de ocurrencia en cada realizacin del experimento. Sea E un experimento y su espacio muestral S = {E1 , E 2 ,......E n } donde E i es un suceso elemental y sea A = {E1 , E 2 ,...E k }, k n y E i I E j = i j . Ahora bien a efectos de caracterizar P(A ) se tendr en cuenta que: 1. S =
n

i =1 2. A cada suceso elemental se le asocia un nmero " p" o sea P(E i ) = p i , tal que i) p 0 ii)

U Ei

con E i I E j = i j

i =1

p i = 1 entonces

np = 1 luego p =
k

1 . n i j , luego aplicando el operador

3. Ahora el conjunto A =

i =1 Probabilidad a ambos lados de la igualdad se tiene: k k k k

U Ei

donde E i I E j =

1 k P(A ) = P E i = P(E i ) = p= = , observar que # A = k Por P 2 i =1 2i i =1 n n 3 i =1 i =1

Para aclarar ideas veamos el siguiente ejemplo Ejemplo: Un fabricante tiene 5 terminales de computadoras aparentemente idnticas para ser enviadas a destino. l no sabe que 2 de las 5 son defectuosas. Recibe un pedido de 2 terminales y las provee luego de una seleccin al azar de entre las 5 computadoras disponibles. Solucin: 1. En este caso el experimento es E: Proveer 2 terminales o seleccionar 2 terminales, y el espacio muestral asociado a l es S = {E1 , E 2 ,....E10 }, donde E i es el suceso elemental i-esimo. Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC 13

Estadstica Cdigo 1937 2009 2. Denotaremos por D i i = 1,2 a las terminales defectuosas y por Bi , i = 1,2,3 . a las terminales buenas. Luego todos los sucesos elementales de este experimento son:

E1 = {D1 , D 2 } , E 2 = {D1 , B1} , E 3 = {D1 , B 2 }, E 4 = {D1 , B 3 }, E 5 = {D 2 , B1} , E 6 = {D 2 , B 2 } , E 7 = {D 2 , B 3 } , E 8 = {B1 , B 2 } , E 9 = {B1 , B 3 }, E10 = {B 2 , B 3 }

Y ahora debido a la forma en que se realiz el experimento cada par tiene la misma probabilidad de ser seleccionado, o sea cada suceso elemental tiene probabilidad

1 1 , esto es P(E i ) = i . 10 10

3. Ahora vamos a determinar la probabilidad deseada, para lo cual en primer lugar se define el suceso en cuestin de la siguiente manera sea A : Proveer dos terminales no defectuosas, o sea

A = {E 8 , E 9 , E10 } entonces P(A )

Suc. Excluyentes.

P(E 8 ) + P(E 9 ) + P(E10 ) =

3 10

Nota: Se utiliz la definicin axiomtica para el caso en que S es finito. Pasos para calcular la probabilidad de un suceso a) Definir el Experimento E. b) Definir los sucesos elementales para as definir el espacio muestral. c) Asignar a cada suceso elemental una probabilidad adecuada, verificando en cada caso que P(E i ) 0 , i y que

P(E i ) = 1 . d) Definir el suceso A como una coleccin de A = UE i . e) obtener P(A ) = P(E i ) .

Ei = n = n =
i =1

E i o sea

Notemos que si k k

S es finito y los sucesos elementales son equiprobables entonces

1 k nA , la cual no es ni ms ni menos que la expresin de la Definicin n

P(A ) =

i =1 Clsica.

4. Mtodos de Enumeracin
Ahora presentaremos algunos principios de enumeracin que son tiles cuando se aplica la definicin clsica de probabilidad. En particular estos principios permiten contar los sucesos elementales del espacio muestral y/o los sucesos elementales que definen al suceso un estudio cuando la descripcin y la enumeracin de ellos es difcil. 1. Principio de la Multiplicacin: Supongamos que se tienen dos procedimientos diferentes P1 y P2 y que P1 puede realizarse de n1 formas diferentes y P2 de n 2 formas diferentes, luego el procedimiento conjuntos se puede realizar de n 1 n 2 formas diferentes. 2. Principio de Adicin: Suponga que el procedimiento P1 se realiza de n1 maneras diferentes y el procedimiento procedimientos no procedimientos es P2, se realiza de n 2 maneras diferentes y adems suponga que los se pueden realizar juntos, entonces el nmero de maneras de realizar los dos n1 + n 2 veces.

Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC

14

Estadstica Cdigo 1937 2009 3. Permutaciones: Este principio se utiliza cuando se desea determinar el nmero de arreglos forma ordenada, esto es, suponga que se dispone de n elementos y en base a ellos se desean formar grupos de r elementos pero ordenados. Luego el nmero de maneras en que se pueden ordenar n elementos distintos en grupos de r elementos se puede determinar a travs de la siguiente expresin

Prn =

n! n , cuando r = n entonces Pn = n! (n r )!
Prn se le llama variacin y se la denota por

En muchos textos podemos encontrar que al arreglo

n Vrn y al arreglo Pn se le llama permutacin.

Nota: El siguiente arreglo se puede utilizar para determinar el nmero de formas de asignar n elementos a subconjuntos de diferentes tamaos. n1 Sean n objetos k grupos nk k n2 n3

entonces

N=

n! donde n = n i . n1! xn 2 ! x....n k ! i =1

Combinacin: Este es el caso en que de un grupo de n objetos se desean formar grupos de r objetos, pero ahora sin tener en cuenta el orden, entonces la forma de contar el nmero de subconjuntos de tamao r que se pueden formar de un conjunto de n objetos est dada por

Cn = r

n! = (n r )!r!

Prn r!

5. Probabilidad Condicional
A menudo se presentan dificultades cuando se desea calcular la probabilidad de un suceso sin especificar claramente el espacio muestral. Supongamos que estamos interesados en determinar si un suceso A ocurrir dado que o bajo la condicin de que haya ocurrido otro suceso B. Tal suceso condicional se expresa como A dado B y se escribe A/B. Definicin 11: Sea E un experimento, S el espacio muestral asociado a l. Sean A y B dos cualesquiera del espacio muestral S entonces la probabilidad condicional est dada por

P(A / B) =

P(AB) si P (B ) 0 P(B)

P(B / A ) =

P(AB) , si P(A ) 0 P(A )

Consecuencias de la Definicin 11 A partir de la Definicin 10 se puede obtener una expresin para la probabilidad del suceso producto, as se tiene o bien P (AB) = P (A / B)P (B) P(AB) = P(B / A )P (A )

Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC

15

Estadstica Cdigo 1937 2009 Resultado 1: Sea E un experimento, S el espacio muestral asociado a l. Probar que P(A / B ) cumple con los axiomas de probabilidad, esto es: a) P(A / B) 0 , b) P(S / B) = 1 , c) Sea A1 , A 2 ,..... , una sucesin de sucesos disjuntos dos a dos entonces P

Ai / B = P(A i / B) (realizar la prueba para el caso n = 2). i =1 i =1

5.1 Algunos Resultados Importantes

Teorema 1: (Teorema de la Multiplicacin o Teorema de la Probabilidad Compuesta) Sea E un experimento, S su espacio muestral, entonces i) P(AB) = P(A )P B A = P(B )P A B A y B S tales que P(A ) > 0 y P(B) > 0

ii)

P(A1A 2 ....A n ) = P(A1 )P(A 2 A1 )P(A 3 / A1A 2 ) ...P(A n / A1A 2 ....A n 1 ) A1, A 2 , ....A n S y n 2 y P(A1 ) > 0, P(A1A 2 ) > 0,....., P(A1A 2 ...A n 1 ) > 0

i =1 Teorema 2: (Teorema de las Probabilidades Totales). Sea E un experimento, S su espacio muestral y A1 , A 2 , ...A n una sucesin finita de eventos aleatorios de S tales que
1. A i A j = i j i, j=1,2,3....n . 2.

Definicin 12: Sea U el conjunto universal, y sean A1 , A 2 , ...A n una sucesin de subconjuntos de U , se dice que esta sucesin es una particin de U si verifican las siguientes condiciones: n 1. A i A j = i j i, j=1,2,3....n y 2. Ai = U

i =1 particin de S y si adems se verifica 3. P(A i ) > 0 entonces para todo evento o suceso B S

U A i = S ; esto es la sucesin

A1 , A 2 , ...A n es una

P(B) =

i =1

P(A i )P(B A i ) U A i B , en base a lo cual es fcil determinar P(B) .

n

Notar que B =

i =1 En base a este Teorema podemos calcular la probabilidad de que el suceso A i dado el suceso B , lo que se refleja en el siguiente teorema

Teorema 3: (Teorema de Bayes) Sea E un experimento, S su espacio muestral y A1 , A 2 , ...A n una sucesin finita de Sucesos aleatorios de S tales que n 1. A i A j = i j i, j=1,2,3....n 2. 3. P(A i ) > 0 y sea B un suceso de S Ai = S tal que P (B ) > 0 entonces

i =1

P(A i B) =

P(B A i )P(A i ) P(B)

16

Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC

Estadstica Cdigo 1937 2009 Notemos algunas caractersticas de este resultado, una de ellas es que permiten determinar una probabilidad condicional en funcin de la condicional inversa, la otra es que es til cuando conocemos la probabilidad del suceso A y la probabilidad condicional de B dado A i , pero no se conoce directamente la probabilidad del suceso B.

5.3 Independencia Estadstica de Sucesos

Independencia se da cuando la ocurrencia de un suceso no incide en la probabilidad de ocurrencia de otro suceso. Una definicin en trminos probabilsticos es: Definicin 13: Sea E un experimento aleatorio y S el espacio muestral asociado, sean A y B dos sucesos de S, entonces A y B se dicen independientes si P(A / B) = P(A ) o bien si P(B / A ) = P(B) con P(A ) > 0 y P (B ) > 0 .

Ahora si bien A y B resultan sucesos independientes, entonces se puede encontrar una expresin para la probabilidad del suceso producto, lo cual se puede ver en el siguiente resultado: Proposicin 1: A y B son dos sucesos independientes si slo si P(AB) = P(A )P(B) Prueba :

) Por la parte a) del teorema de la multiplicacin se tiene que

P(AB) = P(A / B)P(B)
(1)

y desde que por hiptesis A y B son independientes, se tiene que reemplazando en la expresin (1) se tiene que P(AB) = P(A )P(B) .

P(A / B) = P (A ) , luego

P(AB) , y por hiptesis P(B) P(AB) P(A )P(B) = = P(A ) , P(AB) = P(A )P(B) , luego reemplazando nos queda P(A / B) = P(B) P(B) simplificando se tiene lo que se deseaba probar P(A / B) = P (A ) .

) Por definicin de probabilidad condicional se tiene que P(A / B) =

Observacin:
1. A y B excluyentes (esto es A B = ) P(AB) = 0 . 2. Si P(AB) = 0 nada sobre A y B. 3. Si P(AB) 0

no se puede decir

A y B son no excluyentes.

Nota: Para determinar si dos sucesos son independientes basta con que se verifique uno y slo uno de las 3 condiciones siguientes: a) P(A / B) = P (A ) b) P(B / A ) = P(B) c) P(AB) = P(A )P(B)

Proposicin 2: Sea E un experimento y S el espacio muestral asociado a l. Sean A y B dos sucesos de S independientes tales que P(A ) > 0 y P(B) > 0 entonces A y B son no excluyentes. Proposicin 3: Sea E un experimento y S el espacio muestral asociado a l. Sean A y B sucesos excluyentes. Entonces A y B son independientes si y slo si P(A ) = 0 o P(B) = 0 . Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC 17

Estadstica Cdigo 1937 2009 Proposicin 4: Sea E un experimento y S el espacio muestral asociado a l. Si A y B son sucesos de S independientes entonces: i) A y B c son independientes. ii) A c y B son independientes. iii)

A c y B c son independientes.
Definicin 14: Sea E un experimento aleatorio y S el espacio muestral asociado a l, sean A, B y C tres sucesos de S, se dice que A, B y C son independientes si y slo si todas las condiciones siguientes se verifican:

P(AB) = P(A )P(B) c) P(BC ) = P(B )P(C )

a)

P(AC) = P(A )P(C ) d) P(ABC) = P (A )P (B )P (C ) .

b)

O sea no basta que sean independientes dos a dos pero que los tres sucesos sean independientes. Definicin 15: Sea E un experimento aleatorio y S el espacio muestral asociado a l, sean A1 ,A 2 ,...A n , con n 2 sucesos de S, diremos que A1 ,A 2 ,...A n son sucesos independientes si: P(A i1A i 2 A i3 ....A im ) = P(A i1 )P(A i 2 )......P(A im ) i1 , i 2 ,.....i m n y m = 2,3....n , o sea para todas las combinaciones dos a dos, tres a tres, cuatro a cuatro,.. y todos los sucesos. Para ampliar sobre estos temas se recomienda consultar con la siguiente Bibliografa: 1. Canavos, George (1997). Probabilidad y Estadstica con Aplicaciones y Mtodos. McGrawHill. ISBN: 968-451-856-0. 2. Devore, Jay L. (2001). Probabilidad y Estadstica para Ingeniera y Ciencias. 5ta. Edicin Thomson Learning. Inc. Mxico. ISBN: 970-686-067-3. 3. Maronna Ricardo (1995) Probabilidad y Estadstica Elementales Para Estudiantes de Ciencias. Editorial Exacta. ISBN: 987-99858-2-6. *Mendenhall W., Sheaffer R.; Wackerly Dennis D. (1994). Estadstica Matemtica con Aplicaciones. Editorial Grupo Editorial Iberoamrica. Editorial Grupo Editorial Iberoamrica S.A. Mxico. ISBN: 970-625-016-6. 4. Meyer Paul (1992). Introduccin a la Probabilidad y Aplicaciones Estadsticas. Edicin Revisada. Editorial Addison Wesley Iberoamericana. ISBN: 0-201-51877-5.

Prof. Elsa Moschetti Facultad de Ciencias Exactas-UNRC

18