Está en la página 1de 148

1

Introduccin a las Seales Aleatorias


ISAL
Captulo 1:
PROBABILIDAD

Material de partida:
Bartolo Luque
Departamento Matemtica Aplicada Y Estadstica
E.T.S.I. Aeronuticos, UPM. Plaza Cardenal Cisneros, 3
Madrid 28040, Spain. Tf.: 91 336 63 26
Bartolo@dmae.upm.es
http:/matap.dmae.upm.es/bartolo.html

Principios de probabilidad, variables aleatorias y seales aleatorias
Peyton, Z. & Peebles, Jr.
(Captulo 1)
2
Cmo osamos hablar de leyes del azar? No
es, acaso, el azar la anttesis de cualquier ley?
Bertrand Rusell
Probabilidad Dominar la fortuna
La probabilidad de tener un accidente de
trfico aumenta con el tiempo que pasas en
la calle. Por tanto, cuanto mas rpido
circules, menor es la probabilidad de que
tengas un accidente.

El 33 % de los accidentes mortales
involucran a alguien que ha bebido. Por
tanto, el 67 % restante ha sido causado por
alguien que no haba bebido. A la vista de
esto y de lo anterior, esta claro que la
forma ms segura de conducir es ir
borracho y a gran velocidad.
3
La Probabilidad es una disciplina matemtica cuyos
propsitos son de la misma clase que, por ejemplo, los de la
Geometra o la Mecnica Analtica. En cada campo
debemos distinguir tres aspectos de la teora:

a) el contenido lgico-formal,
b) el antecedente intuitivo,
c) las aplicaciones.

El carcter y el encanto de toda la estructura no pueden ser
apreciados sin considerar los tres aspectos adecuadamente
relacionados.

William Feller, Introduccin a la Teora de Probabilidades y
sus aplicaciones.

4
El hombre del tiempo:

La probabilidad de que llueva este sbado es del 50%
y de que llueva en domingo tambin es del 50%.
As que la probabilidad de que llueva el fin de
semana es del 100%.
Cul es la probabilidad de que llueva el fin de semana
suponiendo independencia entre los sucesos: "llover
el sbado" y "llover el domingo"?
75 . 0 ) 5 . 0 1 ( 1
2
= = P
5
Si un gato puede ser macho o hembra y hay cuatro gatos,
tenemos 2
4
= 16 posibilidades:

HHHH MMMM
Probabilidad de que todos sean del mismo sexo = 2/16 = 1/8

HHHM HHMH HMHH MHHH
MMMH MMHM MHMM HMMM
Probabilidad descomposicin (3-1) = 8/16 = 1/2

HHMM HMHM HMMH MHHM MHMH MMHH
Descomposicin (2-2) = 6/16 = 3/8

Hemos contado los 16 casos posibles y 1/8 + 1/2 + 3/8 = 1.

A casi todo el mundo le sorprende que en familias de cuatro
hijos haya tres del mismo sexo.
6
Probabilidad de que todos sean del mismo sexo:




Probabilidad descomposicin (3-1):






Probabilidad descomposicin (2-2):
8
1
16
2
2
1
2
2
1
2
1
) 4 ( ) 4 ( ) 4 4 (
4 4 4
= =
|
.
|

\
|
=
|
.
|

\
|
+
|
.
|

\
|
= + = M P H P M H P
2
1
16
8
2
1
4 2
2
1
4
3
2
1
4
1
) 3 1 ( ) 1 3 ( ) 3 1 1 3 (
4 4 4
= =
|
.
|

\
|
=
|
.
|

\
|
|
|
.
|

\
|
+
|
.
|

\
|
|
|
.
|

\
|
=
= + = M H P M H P M H M H P
8
3
16
6
2
1
4
2
) 2 2 (
4
= =
|
.
|

\
|
|
|
.
|

\
|
= M H P
7
Es un hecho destacable que una
ciencia que empez analizando juegos de azar
acabe convirtindose en el ms importante
objeto del conocimiento humano.

Pierre Simon Laplace, Thorie Analytique des
Probabilits.

La base de la comprensin de la probabilidad no aparece
hasta mediados del siglo XVI, y el tema no se discute con
profundidad hasta casi un siglo despus. Los historiadores se
preguntan por qu el progreso mental en este campo fue tan lento,
dados que los seres humanos se han visto confrontados con el azar
una y otra vez desde los primeros tiempos.

Deborah J. Bennett, Aleatoriedad.

8
Antoine Gambaud, Chevalier de Mre, plante uno de los
problemas ms antiguos de la teora de probabilidad al filsofo
y matemtico francs Blaise Pascal: Qu es ms probable?
(a) Sacar al menos un 6 al tirar 4 veces un solo dado o
(b) sacar un 12 en 24 tiradas de 2 dados.
A pesar de que Pascal haba renunciado a las matemticas por
considerarlas una forma de deleite sexual (!), acept resolver
el problema:
49 , 0
36
35
1 ) 12 ( ;
36
35
) 12 (
52 , 0
6
5
1 ) 6 ( ;
6
5
) 6 (
24 24
4 4
=
|
.
|

\
|
=
|
.
|

\
|
=
=
|
.
|

\
|
=
|
.
|

\
|
=
un menos al P ningn P
un menos al P ningn P
9
Pascal, a raz de esta cuestin, comenz una correspondencia
epistolar sobre cuestiones probabilsticas con otros
matemticos amigos, sobre todo con Fermat. Esta
correspondencia puede considerarse el origen de la teora
de probabilidades.
4914 , 0
36
35
1 ) 12 (
5117 , 0
6
5
1 ) 6 (
24
4
=
|
.
|

\
|
=
=
|
.
|

\
|
=
un menos al P
un menos al P
Programa DeMere1
Programa DeMere2
10
Experimento aleatorio
Entenderemos por experimento aleatorio (c) cualquier
situacin que, realizada en las mismas condiciones,
proporcione un resultado imposible de predecir a priori.
Por ejemplo:
* Lanzar un dado.
* Extraer una carta de una baraja.
* Se lanza una moneda. Si sale cara se extrae de una urna
U1, con una determinada composicin de bolas de colores,
una bola y si sale cruz de extrae de una urna U2, con otra
determinada composicin de bolas de colores, una bola.
11
Sucesos o eventos
Cuando se realiza un experimento aleatorio c diversos
resultados son posibles. El conjunto de todos los resultados
posibles se llama espacio muestral (O).
Experimento aleatorio: lanzar un dado.
Espacio muestral O = {1, 2, 3, 4, 5, 6}.




Se llama suceso o evento a un subconjunto de dichos
resultados. Distinguiremos entre sucesos simples (o
indivisibles) y compuestos (o divisibles).
Por ejemplo: el suceso A = que el resultado sea par:
A = {2, 4, 6} es un suceso compuesto.
Se llama suceso complementario de un suceso A, al
formado por los elementos que no estn en A.
ser: que el resultado sea impar,

= {1, 3, 5}.

A
A A
12
Se considera el experimento aleatorio consistente en lanzar
una moneda. Si sale cara, se extrae de una urna que contiene
bolas azules y rojas una bola, y si sale cruz, se extrae una bola
de otra urna que contiene bolas rojas y verdes. Cul es el
espacio muestral O de dicho experimento aleatorio?
O = {(C,R), (C,A), (+,R), (+,V)}
13
Frecuencia relativa:
c experimento, A suceso




Idea (experimental) de Probabilidad
n
n
f
A
A
=
de nes realizacio A tras o verificad ha se que veces de n : n n
A
Ley del azar:

A medida que n aumenta, f
A
tiende a estabilizarse
alrededor de un valor determinado, denomininado
probabilidad de ocurrencia del suceso A:



1 ) ( >> ~ n
n
n
A P
A
14
Definicin frecuencial

Definicin clsica

Definicin axiomtica

Definiciones de Probabilidad
Interpretacin frecuentista: probabilidad como cualidad
objetiva de los fenmenos aleatorios independiente de
las expectativas del observador

Otras interpretaciones filosficas: probabilidad subjetiva
(bayesiana) (probabilidad lgica, fiducial,...)
15





Probabilidad frecuencial
?
) (
n
n
lm A P
A
n
=
Inconvenientes:
- Definicin a posteriori
- n siempre finito
16
Laplace define la probabilidad de un
suceso A como el cociente:
posibles casos de Nmero
favorables casos de Nmero
) ( = A P
Probabilidad clsica (I)
O
=
A
) (A P
Ventajas: definicin a priorstica
Inconvenientes:
- Slo si |A|, | O | finitos
- Exige sucesos elementales equiprobables
17
Dado: Cul es la probabilidad P(A) de A = un nmero mayor
o igual a 5?Y la probabilidad de B = nmero impar?
posibles casos de Nmero
favorables casos de Nmero
) ( = A P
Solucin: Los seis casos posibles son igualmente probables,
cada uno tiene probabilidad 1/6.
P(A) = 2/6 = 1/3 pues A ={5,6} tiene dos casos favorables.
P(B) = 3/6 = 1/2 pues B = {1, 3, 5} tiene tres casos favorables
Probabilidad clsica (II)
18
Probabilidad clsica (III)
A pesar de los inconvenientes la Regla de Laplace
puede ser muy til para asignar probabilidades a los
sucesos (ajuste del modelo)

Si no se cumple que los sucesos elementales sean
equiprobables:

Definir un experimento aleatorio c ficticio
aadiendo aspectos quizs no observables
19
Ejemplo: espacio muestral para sucesos elementales
equiprobables y aplicar Regla de Laplace
Experimento: lanzar dos dados y obtener la suma de
las puntuaciones obtenidas
Espacio muestral O = {2, 3, 4, 5, 6,7,8,9,10,11,12}.
Sucesos no equiprobable: ej.:
suma 12 slo 6 y 6
suma 8, puede ser 6 y 2, 5 y 3 4 y 4
Nuevo espacio muestral (quizs no obervable, slo
observable la suma)
O= {1:1, 1:2, 1:3, 1:4, 1:5, 1:6, 2:2
2:3, 2:4, 2:5, 2:6, 3:3, 3:4, 3:5
3:6, 4:4, 4:5, 4:6, 5:5, 5:6, 6:6}
20
Pero estos 21 resultados siguen sin ser equiprobables
slo hay una forma de que aparezca 5:5
pero 3:4 puede aparecer 3 en un dado y cuatro en el otro, o al revs
Nuevo espacio muestral cmo si un dado fuese blanco y otro fuese
negro
O= { 1:1, 1:2, 1:3, 1:4, 1:5, 1:6,
2:1, 2:2, 2:3, 2:4, 2:5, 2:6,
3:1, 3:2, 3:3, 3:4, 3:5, 3:6,
4:1, 4:2, 4:3, 4:4, 4:5, 4:6,
5:1, 5:2, 5:3, 5:4, 5:5, 5:6,
6:1, 6:2, 6:3, 6:4, 6:5, 6:6}
Ahora s puede suponerse que los resultados son
equiprobables, probabilidad atribuida 1/36
A = {suma 7}={(1,6),(2,5),(3,4),(4,3),(5,2),(6,1)}

6
1
36
6
) ( = = A P
21
Probabilidad clsica (III-cont)
A pesar de los inconvenientes la Regla de Laplace
puede ser muy til para asignar probabilidades a los
sucesos (ajuste del modelo)

Si no se cumple que los sucesos elementales sean
equiprobables:

Definir un experimento aleatorio c ficticio
aadiendo aspectos quizs no observables
Pero: para manejarse en este espacio mayor
(quizs) con elementos equiprobables es
necesario
saber contar -> Combinatoria
22
Saber Contar
Regla de Laplace (Definicin clsica)


posibles casos de Nmero
favorables casos de Nmero
) ( = A P
O
=
A
) (A P
Ejemplo: Espacio muestral O discreto y finito,
con n sucesos simples:
cantos subconjuntos (sucesos compuestos?)
pueden formarse?



23
Principio multiplicativo (ilustracin grfica)
El primer elemento puede escogerse de dos
formas distintas: a
1
y a
2
.
El segundo de tres maneras distintas: b
1
, b
2
y b
3
.
El tercer elemento puede escogerse en dos modos
distintos: c
1
y c
2
.
El total de posibilidades ser: 2
.
3
.
2 = 12
c
1

c
2
c
1
c
2
c
1
c
2
c
1
c
2
c
1
c
2
c
1
c
2
b
1
b
2
b
3
b
1
b
3 b
2
a
1
a
2
24
O= {a,b,c} Espacio muestral O discreto y finito, con n=3
sucesos simples
Sucesos compuestos: Principio multiplicativo
El total de subconjuntos posibles ser: 2
.
2
.
2 = 8
para n elementos : 2
n
b

no-b

a no_a

b

no-b

c

no-c

c

no-c

c

no-c

c

no-c

{a,b,c} {a,b} {a,c} {a} {b,c} {b} {c} {}
25
Alfabeto Braille
Cuntos smbolos distintos pueden representarse?

63 64 2 2 2 2 2 2
6 5 4 3 2 1
=
26
La combinatoria trata, ante
todo, de contar el nmero de
maneras en que unos objetos
dados pueden organizarse de
una determinada forma.

Introduccin a la combinatoria
Ian Anderson
Combinatoria
El arte de contar
27
Combinatoria-I (simple)
Nmero de formas de colocar n objetos distintos en
una fila de r posiciones (...o extraer r elementos de un
conjunto de n objetos)
Ejemplo: colocar tres objetos {a,b,c} (n=3) en r=2 posiciones

Permutaciones/Variaciones: El orden importa
ab es distinto a ba

Combinaciones: El orden no importa
ab se considera igual a ba

Tanto las Permutacin, Variaciones como las
Combinaciones pueden o no considerar la repeticin (o
reposicin) de los objetos o elementos: aa bb
Permutaciones/Variaciones/Combinaciones
con/sin repeticin

28
Combinatoria-II (simple)
Variaciones: El orden importa
Variaciones sin repeticin: escoger r elementos distintos de entre un
total de n segn un determinado orden.
Para escoger el primer elemento hay (n) posibilidades, para el
segundo (n-1),.... para el elemento r (n-r+1) = n(n-1).....(n-r+1)
{a,b,c} escoger r=2 de n=3 {ab,ba,ac,ca,bc,cb} 3!/(3-2)!=6
{a,b,c} r=2 de n=3 con repeticin {ab,ba,ac,ca,bc,cb,aa,bb,cc} 3
2
=9
1 2 3 ... ) 1 ( ) (
1 2 3 ... ) 2 ( ) 1 (


=

=
r n r n
n n n
r)! ( n
n!
n
r
V
Variaciones con repeticin: escoger r elementos distintos de entre un
total de n segn un determinado orden, y pudiendo repetirse.
Ahora hay n posibilidades para escoger cada uno de los r elementos
r
n
n
r
VR =
29
Combinatoria-III (simple)
Permutaciones sin repeticin (recordad 0! = 1):
! 1 2 3 ) 2 ( ) 1 ( n n n n P
n
= = .
Permutaciones con repeticin:
n
n
n PR =
{a,b,c} Permutaciones sin repeticin {abc,acb,bac,bca,cab,cba} 3!=6
{a,b,c} Permutaciones con repeticin
{abc,acb,bac,bca,cab,cba,aaa,bbb,ccc,aab,aba,baa,aac,aca,caa,bba
,bab,abb,bbc,bcb,cbb,cca,cac,acc,ccb,cbc,bcc} 3
3
=27
Permutaciones con n=r : (Permutaciones/Variaciones)

30
Combinatoria-IV (simple)
Combinaciones: El orden no importa
Combinaciones sin repeticin: escoger r elementos distintos de entre
un total de n sin que importe el orden
{a,b,c} escoger r=2 de n=3 sin que importe el orden- {ab,ac,bc} 3!/2!(3-2)!=3
En las Combinaciones, al no importar el orden, el nmero de
Variaciones se reduce en un factor igual al nmero de
ordenaciones de los r elementos:
)! ( !
!
) , (
r n r
n
r
n
r n C
r
n
C

= = =
|
.
|

\
|
31
Combinatoria-V (simple)
Combinaciones: El orden no importa
{a,b,c} r=2 de n=3 con repeticin {ab,ac,bc,aa,bb,cc} 4!/(2!.2!)=6
Combinaciones con repeticin: escoger r elementos distintos de entre
un total de n sin que importe el orden, y pudiendo repetirse.
32
Ejemplos
33
Si se producen aleatoriamente n accidentes de coche
en n das, cul es la probabilidad de que cada da
se produzca un accidente?
(Sucesos equiprobables)
N casos posibles:
El accidente 1 puede ocurrir en n posibles das. El
accidente 2 en n das, idem el 3, etc...
De modo que existen n
n
maneras posibles de que
sucedan n accidentes en n das (casos posibles).

N casos favorables:
Nmero de formas de colocar n accidentes en n das, un
accidente cada da....
34
Si se producen aleatoriamente n accidentes de coche
en n das, cul es la probabilidad de que cada da
se produzca un accidente?
n
n
n
n p
!
) ( =
Para siete accidentes de trfico en una semana:
p(7) = 7! / 7
7
= 0.00612 (anti-intuitivamente baja)
N casos posibles: n
n

El accidente 1 puede ocurrir en n posibles das. El accidente 2 en n das, idem el
3, etc...
De modo que existen n
n
maneras posibles de que sucedan n accidentes en n das
(casos posibles).
N casos favorables:
Nmero de formas de colocar n bolas en n celdas, una bola por
celda....
Permutaciones sin repeticin de n-elementos tomados de n en n: n!
35
Cul es el nmero de posibles ordenaciones
de una baraja de pker de 52 cartas?
El resultado es 52!, que es aproximadamente 8 10
67
.
Observa que a partir de una simple baraja obtenemos un
nmero enorme, superior, por ejemplo, al cuadrado del
nmero de Avogadro: 6,02 10
23
.

Explosin combinatoria
Nota: 0! = 1
36
Frmula de Stirling
n
n
e n n

+

2
1
2 ~ ! t
La demostracin de la frmula de Stirling puede encontrarse en la
mayora de textos de anlisis. Vamos a verificar la bondad de la
aproximacin usando el programa StirlingApproximations, que
imprime: (a) n!, (b) la aproximacin de Stirling y (c) el cociente de
ambos valores. Observemos como ese cociente se acerca a 1 a
medida que n crece. Se dice entonces que la aproximacin es
asinttica.
A veces, al resolver un problema de combinatoria, es mejor
encontrar una aproximacin asinttica formada por funciones
cuyo comportamiento es fcil de comprender que la solucin
exacta, cuyo comportamiento escapa a nuestra intuicin.
James Stirling present su frmula en
Methodus Differentialis publicado
en 1730.
37
Un ascensor sube con 7 pasajeros y se detiene al cabo
de 10 pisos. Cul es la probabilidad de que dos pasajeros
no bajen en el mismo piso? (Supongamos que todas
las posibles maneras de descender son igualmente probables).
Casos posibles: VR
10,7
= 10
7
Casos favorables: V
10,7
= 10987654
06048 , 0
10
4 5 ... 9 10
7
=

= p
n objetos : 10 pisos escogidos de 7 en 7
El orden importa Variaciones
Favorables: Dos no en el mismo piso -> no repeticin

38
Algunas Propiedades



El binomio de Newton
(a + b)
2
= (a + b) (a + b).
Todos los posibles productos son: aa, ab, ba, bb.
(a + b)
2
= a
2
+ 2ab + b
2
.

(a + b)
3
= (a + b) (a + b) (a + b).
Todos los posibles productos son:
aaa, aab, aba, baa, abb, bab, bba, bbb.
(a + b)
3
= a
3
+ 3a
2
b + 3ab
2
+ b
3
.

(a + b)
4
= a
4
+ 4a
3
b + 6a
2
b
2
+ 4ab
3
+ b
4
.
C(4,0) = 1; C(4,1) = 4; C(4,2) = 6; C(4,3) = 4; C(4,4) = 1
1
0
=

=
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
N
m N
N
m
N
39
Teorema del binomio
( )
j j n
n
j
n
y x
j
n
y x

=

|
|
.
|

\
|
= +
0
n n n n n
y
n
n
y x
n
n
y x
n
y x
n
x
n
|
|
.
|

\
|
+
|
|
.
|

\
|

+ +
|
|
.
|

\
|
+
|
|
.
|

\
|
+
|
|
.
|

\
|
=
1 1 2 2 1
1
...
2 1 0
( ) ( ) ( ) ( ) ( )
k
n
k
k k n
n
k
n
k
n
k
n
1 1 1 1 1 0
0 0

|
|
.
|

\
|
=
|
|
.
|

\
|
= + =

=

=
( ) 0 1
0
=
|
|
.
|

\
|

=
k
n
n
k
k
Demostrar:
40
41
42
43
44
45
46
47
Recapitulacin:
Experimento aleatorio (c) resultado imposible de
predecir a priori.
Espacio muestral (O). El conjunto de todos los resultados
posibles
Suceso o evento (A) a un subconjunto de dichos
resultados.
Probabilidad frecuencial

Probabilidad clsica


) (
n
n
lm A P
A
n
=
O
=
A
) (A P
48
.... avanzar hacia una Teora
Matemtica completa .....
49
Sucesos o eventos
Espacio muestral (O) : conjunto de todos los
resultados posibles se
Espacio muestral O discreto (finito o infinito numerable)
Lanzar un dado O = {1, 2, 3, 4, 5, 6}.
Espacio muestral O continuo (infinito no numerable)
Tiempo en pararse el dado O = {teR / t>=0} A=[t
1
,t
2
]

A suceso o evento a un subconjunto de dichos
resultados.
sucesos simples (o indivisibles)
compuestos (o divisibles).

50
Relaciones y operaciones entre sucesos
51
Relaciones entre sucesos
Implicacin o inclusin (c) :
A c B : siempre que se verifica A se verifica B
(todos los resultados de A pertenecen a B)
(En A c B al menos un elemento de B no exite en
A; sino A c B

Igualdad (=) :
A = B : si A c B y B c A
(A c B y B c A )

52
Operaciones entre sucesos
(Diagramas de Venn)
A
B
Unin A B
E
A
B
Interseccin A B
E
A={1,3,5}, B={5,6}
E={1,2,3,4,5,6}
E
B
A
3
1
5
6
2
4
Sigamos con el dado:
Sucesos A= Un nmero impar, B= Un nmero mayor que 4.
Suceso contrario a A :
={2, 4, 6}

={1, 2, 3, 4}
A B ={1, 3, 5, 6} A B = {5}
={2, 4} = {1, 2, 3, 4, 6}
A
B
( ) B A
( ) B A
A
53
Se llama suceso unin de A y B, A B, al formado por los resultados
experimentales que estn en A o en B (incluyendo los que estn en ambos).
Se llama suceso interseccin de A y B, A B, al formado por los
resultados experimentales que estn simultneamente en A y B.
suceso imposible (no contiene resultados) A = A y A = para
cualquier suceso posible A
Dos sucesos son mutuamente excluyentes o incompatibles
si A B = (no contienen resultados comunes)

Observemos que un suceso y su complementario son siempre
mutuamente excluyentes y su unin es todo el espacio O.
A = , A = O
La unin y la interseccin de mltiples sucesos se define de
forma similar:

m j
m
j
A A A A =
=

2 1
1
m j
m
j
A A A A =
=

2 1
1
A A
54
Cul ser la probabilidad de dos
sucesos mutuamente excluyentes?
{ }
X
=
1 2 ,
{ }
Y
=
3 4 5 6 , , ,
Y X
0 ) ( = Y X P
{ }
X Y
=
55
La diferencia bsica en el papel de la Probabilidad
matemtica en 1946 y en 1988 es que hoy en da es
aceptada como Matemtica, mientras que en 1946,
para la mayora de los matemticos, la Probabilidad
era a las Matemticas como el mercado negro es al
mercado: esto es, la Probabilidad era una fuente de
matemticas interesantes, pero el anlisis del
contexto de fondo era algo poco recomendable.

J. L. Doob, A Century of Mathematics in America,
Part II (Peter Duren, ed.)

56
La Teora de la Probabilidad, como disciplina
matemtica, puede y debe ser desarrollada a partir
de unos axiomas, de la misma manera que la Geometra
o el lgebra.

Andrei Kolmogorov, Foundations of the Theory of
Probability.


57
o-lgebra de sucesos
Espacio muestral (O) : conjunto de todos los resultados
posibles se
(A) suceso o evento a un subconjunto de dichos
resultados.
F conjunto de sucesos no genera problemas para O discreto
(finito o numerable), pero s para O continuo (espacio
eucldeo R
k
, problema de la medida-subconjuntos rea nula)

F debe ser o-lgebra de Borel : F lgebra de sucesos
Si F => F
Si F => F
F cerrada por cualquier secuencia de operaciones conjuntistas entre
sus miembros (<F, , > es un algebra de Boole)
e ,... , ,
2 1 m
A A A
e

=
j
j
A
1
e A
e A
58
Precisamos como definicin de
probabilidad una que sea independiente
del experimento concreto bajo estudio, lo
cual permite elaborar a partir de ella una
Teora Matemtica completa que permita
el estudio de cualquier fenmeno
aleatorio
59
Definicin axiomtica de probabilidad
Espacio muestral (O) ligado a c experimento aleatorio
F lgebra de sucesos
Se llama probabilidad a cualquier funcin P que asigna a cada suceso A del
F lgebra de sucesos un valor numrico P(A) (e R),
P: F R
A e F P(A) e R
verificando los siguientes axiomas:

(1) No negatividad: 0 P(A)

(2) Normalizacin: P(O) = 1

(3) Aditividad: P(A B) = P(A) + P(B)
si A B =
(donde es el conjunto vaco) Kolmogorov, 1933 (!)

60
Definicin axiomtica de probabilidad

(1) No negatividad: 0 P(A)

(2) Normalizacin: P(O) = 1

(3) Aditividad: P(A B) = P(A) + P(B) si A B =
(donde es el conjunto vaco)

F o-lgebra (lgebra de sucesos)
Si F y



< O ,F , P> Espacio de probabilidad o espacio probabilstico

e ,... , ,
2 1 m
A A A
( )

=
=
|
.
|

\
|

1
1
j
j j
j
A P A P
j i A A
j i
= =
61
Demostrar que: P(C )= 0
(Utilizar: C O = C)

Suceso
seguro
Suceso
Imposible
.5
1
0
P(O) = P(O U C )=
P(O )+P(C) = 1+ P(C)
P(C )= 0
Demostrar que: 0 P(A) 1
1= P(O) = P(A U )=
P(A )+ P( )
P(A )s 1
A
A
Demostrar que: A c B =>P(A) P(B)
B= A (B )
A
62
Sabiendo la probabilidad P(A) de un suceso A,
cul ser la de su complementario ?
A
Teorema de la probabilidad complementaria
Para un suceso A y su complementario en el espacio
muestral O :
P( ) = 1 - P(A)
Demostracin: Por definicin de complementario
O = A y A

=

. A partir de los axiomas 2 y 3

1 = P(O) = P(A )= P(A) + P( ) de modo que
P( ) = 1 - P(A)
1 ) ( = O P
) ( 1 ) ( A P A P =
A
A
A A
A
A A
A
A
63
El suceso A
c
(ninguna cara) tiene solo una posibilidad.
Entonces P(A
c
) = 1/32 y la respuesta es:
P(A) = 1 - P( ) = 31/32.
Lanzamiento de monedas
Cinco monedas se lanzan simultneamente. Encuentra
la probabilidad del suceso A: Al menos sale una cara.
Asumimos que las monedas no est cargadas.
Solucin: Puesto que cada moneda puede aparecer
como cara o cruz, el espacio muestral consiste en
2
5
= 32 posibilidades. Como las monedas no estn
cargadas cada posibilidad tiene la misma probabilidad
de 1/32.
A
64
Probabilidad Conjunta y Condicional

Probabilidad Conjunta
Probabilidad Condicional
Probabilidad Total
Teorema de Bayes
Teorema de la multiplicacin

65
Otras maneras de visualizar sucesos
Tablas de contingencia:







Diagramas en rbol:
Baraja
Cartas
Rojas
Cartas
Negras
No As
As
As
No As
Negro
Color
Palo
Rojo Total
As
2 2 4
No-As 24 24 48
Total 26 26 52
66
Recordemos el restaurante de Emile. Supongamos que el 80% de los
clientes escogen sopa como entrante y el 20% zumo. De los que
escogen sopa, el 20% eligen vegetales, el 30% pescado y el 50%
carne. De los que escogieron zumo, es el 30%, 40% y 30% para
vegetales, pescado y carne respectivamente.
Podemos utilizar estos valores
para estimar las probabilidades
de los dos primeros platos
usando un diagrama
de rbol.
67
Probabilidad CONJUNTA DE:
dos sucesos QUE NO SON
MUTUAMENTE EXCLUYENTES
A y B en el espacio muestral:

P(A B) = P(A) + P(B) - P(A B)
Demostracin: En la imagen podemos ver que A = C D y
B = D E. As que C, D, E son disjuntos. Por el axioma 3
P(A) = P(C) + P(D) y P(B) = P(D) + P(E)
C
E
D
A
B
Sumando:
P(A) + P(B) = P(C) + P(D) + P(D) + P(E)
Restando P(D) a ambos lados:
P(A) + P(B) - P(D) = P(C) + P(D) + P(E), es decir:
P(A) + P(B) - P(A B) = P(A B)
68
PROBABILIDAD CONJUNTA:








P(A B) = P(A) + P(B) - P(A B)
P(B A) = P(B) + P(A) - P(B A) < P(B) + P(A)

La igualdad se da si son MUTUAMENTE
EXCLUYENTES: A B = y = P(A B) = P()=0
C
E
D
A
B
69
Regla de la adicin
) ... ( ) 1 ( ... ) (
) ( ) ( ) ... (
2 1
1
1
2 1
n
n
n
k j i
k j i
n
j i
j i
n
k
k n
A A A P A A A P
A A P A P A A A P


+
< <
< =
+ + +
+ =


70
Varias demostraciones
de la regla de la adicin:

Mtodo de generalizacin
Mtodo de inclusin-exclusin
Mtodo de induccin

71
Mtodo de Generalizacin
) ( ) ( ) ( ) (
1 1 1
B A P B P A P B A P + =
3 2
A A B =
) ( ) ( ) (
) ( ) ( ) ( ) (
)) ( ) ((
) ( ) ( ) (
) (
)) ( ( ) ( ) ( )) ( (
3 2 1 3 1 2 1
3 2 3 2 1
3 1 2 1
3 2 3 2
1
3 2 1 3 2 1 3 2 1
A A A P A A P A A P
A A P A P A P A P
A A A A P
A A P A P A P
A P
A A A P A A P A P A A A P


+
+ +
=
+
+
= + =
72
Repitiendo el proceso para n sucesos obtenemos la regla de adicin.

) ( ) ( ) (
) ( ) ( ) ( ) (
)) ( ) ((
) ( ) ( ) (
) (
)) ( ( ) ( ) ( )) ( (
3 2 1 3 1 2 1
3 2 3 2 1
3 1 2 1
3 2 3 2
1
3 2 1 3 2 1 3 2 1
A A A P A A P A A P
A A P A P A P A P
A A A A P
A A P A P A P
A P
A A A P A A P A P A A A P


+
+ +
=
+
+
= + =
Sustituyendo en la expresin anterior:
73
Mtodo de inclusin-exclusin


Dados dos eventos cualesquiera, y , la probabilidad de la unin de ambos es:


Queremos obtener la frmula anterior en el caso de N eventos , es decir, para :



Definimos:

Expresaremos la suma de las p con r subndices como :



La frmula a demostrar nos queda como:


1
A
2
A
{ } { } { } { }
2 1 2 1
A A P A P A P A P + =
N
A A A , ,
2 1
.
N
A A A A = .
2 1
{ }
i i
A P p = { }
j i ij
A A P p = { }
k j i ijk
A A A P p =

=
i
p S
1

=
ij
p S
2

=
ijk
p S
3 N N
p S
, , 3 , 2 , 1 .
=
N
N
i
i
S S S S S A P + + =
=
.

4 3 2 1
1
) (
74


Para calcular sumaramos las probabilidades de todos los puntos muestrales que estn
contenidos en por lo menos uno de los , pero cada punto debe tomarse solamente una vez.

Tomamos primero los puntos contenidos slo en un suceso, a continuacin los contenidos en
exactamente dos, y as sucesivamente hasta el final, donde tomamos los puntos (si los hay)
contenidos en todos los sucesos .

Sea un punto x cualquiera que pertenezca a n de los sucesos,su probabilidad sera:





Falta demostrar que y para ello nos fijamos en:




Entonces para que sea (1-1)=0:


P
i
A
i
A
) ( ) (
4
) (
3
) (
2
) ( ) ( x p
n
n
x p
n
x p
n
x p
n
x p n x P |
.
|

\
|
+ |
.
|

\
|
|
.
|

\
|
+ |
.
|

\
|
=
i
A
1
4 3 2
= |
.
|

\
|
+ |
.
|

\
|
|
.
|

\
|
+ |
.
|

\
|

n
n n n n
n
0
4 3 2
1
4 3 2 1 0
) 1 1 ( = |
.
|

\
|
|
.
|

\
|
+ |
.
|

\
|
|
.
|

\
|
+ = |
.
|

\
|
|
.
|

\
|
+ |
.
|

\
|
|
.
|

\
|
+ |
.
|

\
|
|
.
|

\
|
=
n
n n n n
n
n
n n n n n n
n
+ +
1
4 3 2
= |
.
|

\
|
+ |
.
|

\
|
|
.
|

\
|
+ |
.
|

\
|

n
n n n n
n
75
Mtodo de induccin
Se demuestra que para N=2:


Para N=3:



Suponiendo cierta la propiedad para N:



2 1 2 1 2 1 2 1
) ( ) ( ) ( ) ( S S A A P A P A P A A P = + =
) ( ) ( ) (
) ( ) ( ) ( ) ( ) (
3 2 1 3 1 2 1
3 2 3 2 1 3 2 1
A A A P A A P A A P
A A P A P A P A P A A A P


+
+ + =
N
N
N N N
N
i
i
S S S S A P + =
=
... ) (
3 2 1
1

76
N
S
1
|
|
.
|

\
|
1
N
Y observando que :
Consta de sumandos

Consta de sumandos

Hay que comprobar que se cumple para N+1:


Para ello, supongamos que uno de los sucesos A
1
es unin de otros dos:

Obsrvese que en la expresin para N sucesos, podemos separarlo en:

N
N
S
|
|
.
|

\
|
N
N
.
1
1
1
3
1
2
1
1
1
1
... ) (
+
+
+ + +
+
=
+ =
N
N
N N N
N
i
i
S S S S A P

b a
A A A
1 1 1
=
_


_


_


|
|
.
|

\
|
=
|
|
.
|

\
|

|
|
.
|

\
|

=
n
N
k j i
n
k j i
n
N
k j i
n
k i
n
N
k j i
n
k j i
N
n
A A A P A A A P A A A P S
1
1 ,..., ,
1
1
1 ,..., ,
1
1
,... ,
) ... ( ) ... ( ) ... (
77
Para cada uno de los trminos del primer sumatorio, formado por la
interseccin de n sucesos, uno de ellos A
1
, se puede descomponer en:


En donde este ltimo sumando consta de n+1 sucesos.
Entonces estar formado por:

o La suma de n sucesos distintos de A
1
que son

o La suma de n sucesos: y n-1 distintos:

o La suma de n sucesos: y n-1 distintos:

o La suma de n sucesos: , y n-2 distintos:
obtenidos del sumatorio: al sustituir A
1
por



|
.
|

\
|

1
1
n
N
( ) | | ( ) ( ) | |
( ) ) ... ( ... ) ... (
... ... ...
1 1 1 1
1 1 1 1
k j i
b a
k j i
b
k j i
a
k j i
b
k j i
a
k j i
b a
A A A A A P A A A A P A A A A P
A A A A A A A A P A A A A A P


+ =
= =
1 + N
n
S

=1 ,..., ,
) ... (
k j i
k j i
A A A P
|
.
|

\
|

1
1
n
N
|
.
|

\
|

n
N 1
|
.
|

\
|

1
1
n
N

=1 ,..., ,
1
) ... (
k j i
k j
a
A A A P

=1 ,..., ,
1
) ... (
k j i
k j
b
A A A P
a
A
1
b
A
1
|
.
|

\
|

2
1
n
N
b
A
1
a
A
1

=1 ,..., ,
1 1
) ... (
k j i
k j
b a
A A A A P
N
n
S
1
b a
A A A
1 1 1
=
78
En total estara formado por



Teniendo en cuenta la propiedad:








Que es el nmero de sumandos que debe tener


1 + N
n
S
|
.
|

\
|

+ |
.
|

\
|

+ |
.
|

\
|

+ |
.
|

\
|

2
1
1
1
1
1 1
n
N
n
N
n
N
n
N
|
.
|

\
|
+
+
= |
.
|

\
|
+
+ |
.
|

\
|
1
1
1 n
N
n
N
n
N
|
.
|

\
|
+
+
= |
.
|

\
|
+
+ |
.
|

\
|
1
1
1 n
N
n
N
n
N
|
.
|

\
|
= |
.
|

\
|

+ |
.
|

\
|

n
N
n
N
n
N
1
1 1
|
.
|

\
|

= |
.
|

\
|

+ |
.
|

\
|

1 2
1
1
1
n
N
n
N
n
N
|
.
|

\
|
+
= |
.
|

\
|

+ |
.
|

\
|
n
N
n
N
n
N 1
1

}
1 + N
n
S
79
Inspira profundamente. Al hacrsele al filsofo griego
Anaxgoras (nacido el ao 428 antes de nuestra era) la
pregunta de cul sera el mejor modo de que se acordasen
de l, dijo: Que los alumnos celebren un da de vacaciones
anualmente en mi honor. (Diccionario de ltimas palabras,
Werner Fuld). Cul es la probabilidad de que hayas
inhalado al menos una de las molculas que Anaxgoras
emple para pronunciar esa frase?
Ms del 99%! En ms de 2000 aos las molculas se habrn repartido
uniformemente por la atmsfera.
Sea A = n = # molculas exhaladas por Anaxgoras = # molculas
inspiradas por ti = 1/30 litro = 2,2 10
22

N = # molculas de la atmsfera = 10
44

P(una molcula inhalada no sea de Anaxgoras) = 1- A/N
P(n molculas inhaladas ninguna de Anaxgoras) = (1 - A/N)
n
P(inhalar al menos una de las molculas de Anaxgoras) = 1- (1 - A/N)
n

Todos estamos conectados ...
80
Society
Nodes: individuals
Links: social
relationship
(family/work/friends/
etc.)
Social networks:
Many individuals with diverse
social interactions between them.
81
Social networks
Contacts and I nfluences
Poll & Kochen (1958)
How great is the chance that two
people chosen at random from the
population will have a friend in common?
How far are people aware of the available lines of contact?

The Small-World Problem Milgram (1967)
How many intermediaries are needed to move a letter from
person A to person B through a chain of acquaintances?
Letter-sending experiment: starting in Nebraska/Kansas,
with a target person in Boston.

82
Social networks: Milgrams experiment
160 letters: From Wichita (Kansas) and Omaha (Nebraska)
to Sharon (Mass)
Milgram, Psych Today 2, 60 (1967)
If you do not know the target person on a personal basis,
do not try to contact him directly. Instead, mail this
folder to a personal acquaintance who is more likely than
you to know the target person.
83
El mundo es un pauelo!
Cest petit le monde !!
What a Small-World !
Six degrees
of separation

84
The Small World concept in
simple terms describes the fact
despite their often large size,
in most networks there is a
relatively short path between
any two nodes.
85
El nmero de Erds
Fue autor o coautor de
1.475 artculos
matemticos y colabor en
ellos con un total de 493
coautores distintos. Slo un
matemtico en la historia
escribi ms pginas de
matemticas originales que
Erds. En siglo XVII, el
suizo Leonhard Euler,
padre de trece nios,
escribi ochenta volmenes
de resultados matemticos.
Pl Erds
(1913-1996)
86
87
Coincidencias
Cuntas personas escogidas al azar hacen falta para tener la
certeza de que dos cumplen aos el mismo da? Si un ao tiene
365 das (pasemos de bisiestos), nos hacen falta a lo sumo 366
personas. Y si quiero tener una probabilidad del 50%?
El nmero de posibles:
n fechas de 365 (casos posibles) es:
n fechas distintas de 365 (casos no favorables) es:
) 1 365 ( ... 364 365
, 365
+ = n V
n
n
n
VR 365
, 365
=
n
n
n
P
n
P
365
) 1 365 ( ... 364 365
- 1 cumple) mismo n de dos menos al (
365
) 1 365 ( ... 364 365
cumple) mismo no personas n (
+
=
+
=
Con n = 23 esta probabilidad se hace aproximadamente 0,5.
88
Y si fijamos la fecha? Por ejemplo, yo nac el 21 de marzo,
cuntas personas son necesarias en un grupo para alcanzar
el 50% de probabilidad de que al menos una haya nacido el
mismo da que yo?
n
n
P
P
P
|
.
|

\
|
=
|
.
|

\
|
=
=
365
364
- 1 marzo) de 21 el nacido haya n de persona una menos Al (
365
364
marzo) de 21 el nacido hayan no personas n (
365
364
marzo) de 21 el nacer no (
Para n = 253 esta probabilidad es aproximadamente del 50%.

Moraleja: mientras que es probable que ocurra algn hecho
improbable, lo es mucho menos que se d un caso concreto.
89
(1) Probabilidad de que al menos haya
coincidencia en un cumpleaos
Calcularemos la probabilidad de que no haya ninguna coincidencia y
utilizaremos el complementario.
[1,...,1] [0,...,0]
(23) (342)
! 342 ! 23
! 365
342 , 23
365
= PR
De las 365 urnas, de cuntas
maneras podemos formar dos
grupos con 23 urnas de tipo 1 y 342
de tipo 0?
Ahora, para cada configuracin anterior
tenemos: 23! formas distintas
de colocar las bolas en las urnas tipo 1.
! 342
! 365
! 23
! 342 ! 23
! 365
= = CF Casos favorables
Entonces, la probabilidad de que no haya coincidencia es:
493 . 0
365
! 342 ! 23
! 365
23
= = P
La probabilidad de que haya al menos un par de
personas con el mismo da de cumpleaos ser:
507 . 0 493 . 0 1 1 = = P
90
(2) Probabilidad de que haya precisamente
una coincidencia y solo una
[2] [1,...,1] [0,...,0]
(1) (21) (343)
! 343 ! 21 ! 1
! 365
343 , 21 , 1
365
= PR
De las 365 urnas, de cuntas maneras podemos formar tres grupos
con 1 urna de tipo 2, 21 urnas de tipo 1 y 343 de tipo 0?
Ahora, para cada configuracin anterior tenemos: 23! /2! formas distintas
de colocar las bolas:
! 2
! 23
! 343 ! 21 ! 1
! 365
= CF
Casos favorables
Entonces, la probabilidad de que
haya exactamente una coincidencia es: 363 . 0
365
! 2
! 23
! 343 ! 21 ! 1
! 365
23
= = P
91
(3) Probabilidad de que haya precisamente
dos coincidencias
[2,2] [1,...,1] [0,...,0]
(2) (19) (344)
! 344 ! 19 ! 2
! 365
344 , 19 , 2
365
= PR
De las 365 urnas, de cuntas maneras podemos formar tres grupos
con 2 urnas de tipo 2, 19 urnas de tipo 1 y 344 de tipo 0?
Ahora, para cada configuracin anterior tenemos: 23! /(2!)
2
formas
distintas de colocar las bolas:
( )
2
! 2
! 23
! 344 ! 19 ! 2
! 365
= CF
Casos favorables
Entonces, la probabilidad de que
haya exactamente dos coincidencias es:
( )
111 . 0
365
! 2
! 23
! 344 ! 19 ! 2
! 365
23
2
= = P
92
(4) Probabilidad de que haya precisamente
tres coincidencias
[2,2,2] [1,...,1] [0,...,0]
(3) (17) (345)
! 345 ! 17 ! 3
! 365
345 , 17 , 3
365
= PR
De las 365 urnas, de cuntas maneras podemos formar tres grupos
con 3 urnas de tipo 2, 17 urnas de tipo 1 y 345 de tipo 0?
Ahora, para cada configuracin anterior tenemos: 23! /(2!)
3
formas
distintas de colocar las bolas:
( )
3
! 2
! 23
! 345 ! 17 ! 3
! 365
= CF
Casos favorables
Entonces, la probabilidad de que
haya exactamente dos coincidencias es:
( )
018 . 0
365
! 2
! 23
! 345 ! 17 ! 3
! 365
23
3
= = P
93
(5) Probabilidad de que haya precisamente
una triple coincidencia
[3] [1,...,1] [0,...,0]
(1) (20) (344)
! 344 ! 20 ! 1
! 365
344 , 20 , 1
365
= PR
De las 365 urnas, de cuntas maneras podemos formar tres grupos
con 1 urna de tipo 3, 20 urnas de tipo 1 y 344 de tipo 0?
Ahora, para cada configuracin anterior tenemos: 23! /3! formas
distintas de colocar las bolas:
! 3
! 23
! 344 ! 20 ! 1
! 365
= CF
Casos favorables
Entonces, la probabilidad de que
haya exactamente dos coincidencias es:
007 . 0
365
! 3
! 23
! 344 ! 20 ! 1
! 365
23
= = P
94
Ftbol: dos equipos + rbitro = 23
10 partidos
"Coincidences: the truth
is out there"
Robert Matthews, and Fiona Stones.
95
96

Que a algn televidente se le repare milagrosamente ese reloj
viejo que haca aos que no funcionaba es ms probable que
se le repare concretamente a Perico de los Palotes. Por este motivo
las predicciones de los magufos son vagas. Las concretas raramente
se hacen realidad. (ARP: Alternativa racional a las pseudociencias)

Veamos un timo clsico que se basa indirectamente en esta
propiedad ...
Supongamos que disponemos de una
ruleta de 26 letras distintas: mientras que
la probabilidad de que salgan las palabras
TACO o BOBO es baja (acontecimiento
concreto), la probabilidad de que salga
alguna palabra no concreta con sentido
es alta (acontecimiento genrico).
Martin Gardner
97
Si durante 6 semanas seguidas recibieras por carta las
predicciones correctas sobre si suben o bajan determinadas
acciones, estaras dispuesto a pagar 500 euros por la informacin
a la sptima semana? Observacin: la probabilidad de que el
broker acierte por azar es (1/2)
6
= 0,008.
Nuestro astuto asesor de bolsa enva 32.000
cartas: 16.000 predicen subida y 16.000
bajada. A la mitad adecuada les enva a la
semana siguiente 8.000 con subida y 8.000
con bajada, etc. Al final 500 personas han
recibido 6 predicciones correctas dispuestas a
pagar 500 euros por la sptima: 500 x 500 =
250.000 euros de beneficio para el timador.
98
Sueos profticos
Supongamos que la probabilidad de un sueo proftico sea
de 1/10.000 (muy poco frecuente). La probabilidad de que no
sea proftico es abrumadora: 9.999/10.000. Cul es la
probabilidad de tener un sueo proftico al cabo de un ao?
036 , 0
10000
9999
1 proftico) sueo 1 menos Al (
964 , 0
10000
9999
) profticos no sueos 365 (
365
365
~
|
.
|

\
|
=
~
|
.
|

\
|
=
P
P
La poblacin espaola es de unos 42 millones de habitantes.
El 3,6% de esa cantidad tendr al menos un sueo proftico
a lo largo de un ao: 1,5 millones de personas. Lo extrao
es que no hubiera sueos profticos!
99
Otras definiciones de probabilidad:
(1) Definicin frecuentista de probabilidad
Si un experimento aleatorio puede
repetirse muchas veces en idnticas
condiciones (en teora) podemos
determinar la frecuencia relativa de
la ocurrencia de un suceso. Si el
nmero de intentos es m y el nmero
de ocurrencias de A es m(A) entonces
la probabilidad de A es el lmite:





) (
lim ) (
m
A m
A P
m
=
Von Mises (1919)
100
La paradoja del ascensor

El seor Arribas tiene su oficina en uno de los pisos ms altos
de un edificio. Llama al ascensor y piensa: Maldicin! El
primer ascensor que se detiene aqu est subiendo. Siempre
pasa lo mismo...
La seorita Ayuso trabaja en una de las primeras plantas. Y
sube a desayunar al tico. Llama al ascensor y piensa: Es
que no lo entiendo! Siempre que llamo al ascensor, el
primero en llegar est bajando!
Pregunta: Cmo es posible?

(Puzzle-Math, G. Gamow y M. Stern)
101
Hueco del
ascensor
Planta
alta
Planta
baja
102
cuadrado del rea
de rea
) (
B
B P =
La Probabilidad Geomtrica tiene sus inicios en la Francia del siglo
XVIII con el experimento de la aguja de Buffon, desarrollado por el
clebre naturalista George Louis Leclerc (1707-1788), mejor conocido
como el conde de Buffon. Aunque se le identifica ms por su
monumental obra Histoire Naturelle de 44 volmenes, tambin estuvo
profundamente intereresado por las pasiones humanas y los juegos de
azar. A la edad de 26 aos present a los miembros de la Academia de
Ciencias de Paris otra forma de ver la Probabilidad usando Geometra.
Otras definiciones de probabilidad:
(2) Definicin geomtrica de probabilidad
103
La aguja de Buffon
aguja la lanzamos que veces #
lnea una corta aguja la que veces #
= P
t 2
1
=
Longitud de la aguja
igual a la distancia
entre las lneas paralelas
Experimento-simulacin de la aguja de Buffon
104
Genaro y Rigoberta se citan entre las 21 y las 22 horas.
Ninguno de ellos tiene la costumbre de ser puntual. As
que, el primero que llega esperar 20 minutos y se ir.
Cul es la probabilidad de que se produzca el encuentro?
} 60 0 , 60 0 : ) , {(
2 1 2 1
s s s s = x x x x E
20
20
20
1 2
2 1
1 2
s
)
`

s
s
x x
x x
x x
60 min
60 min
20 min
20 min
x
1

x
2




20
1 2
+ = x x
20
2 1
+ = x x
A
9
5
60
40 60
) (
) (
) (
2
2 2
=

= =
E S
A S
A P
105
Dados dos nmeros a y b al azar entre 0 y 1, cul es la probabilidad
de que la terna { a , b , 1 } represente las longitudes de los lados de un
tringulo agudo (ngulo menor de 90)? Y de un tringulo obtuso
(ngulo mayor de 90)? (/4 - 1/2, 1 - /4)
106
Otras definiciones de probabilidad
Grado de creencia (probabilidad subjetiva): por ejemplo la
existencia de vida extraterrestre. La mayora de los sucesos de la
vida son irrepetibles.

Grado de conocimiento: En muchos casos sabemos que el valor de
probabilidad existe pero nos resulta desconocido. A travs de
experimentos podemos determinarlo. Pero los experimentos
arrastran errores...

Un objetivista utiliza como definicin de probabilidad la clsica o
la frecuentista. Un bayesiano o subjetivista aplica las leyes formales
del azar a sus probabilidades subjetivas o personales, o a las
nuestras.

107
La paradoja de Bertrand

Joseph L. F. Bertrand (1822-1900) fue un
matemtico francs cuyas principales
reas de trabajo fueron la Teora de
Nmeros, la Geometra Diferencial y la
Teora de las Probabilidades. En 1888
public el libro Calcul des probabilitis que
contena numerosos ejemplos de
problemas de probabilidades en los cuales
el resultado depende del mtodo de
resolucin. El ms famoso se conoce como
la Paradoja de Bertrand:
Joseph Louis Franois Bertrand
(1822 - 1900)

Dada un circunferencia de radio R, se traza en ella, al
azar, una cuerda. Cul es la probabilidad de que esta
cuerda sea mayor que el lado del tringulo equiltero
que puede inscribirse en la circunferencia?
108
Solucin 1: La posicin de la cuerda puede ser
determinada por su distancia al centro de la
circunferencia. Esta distancia puede variar entre 0 y R.
La cuerda ser mayor que el lado del tringulo
equiltero inscrito cuando su distancia al centro
sea menor que R/2. De aqu obtenemos que
la probabilidad buscada es 1/2.


2
;
2
1
6
sin
3 ;
2 /
2
3
6
cos
R
h
R
h
R l
R
l
= = =
= = =
t
t
0
R
109
Solucin 2: Tomemos un punto cualquiera de la
circunferencia. Tracemos la tangente a la
circunferencia en ese punto. Toda cuerda que pase
por ese punto formar un ngulo con la tangente que
vara entre 0
o
y 180
o
. Para que la cuerda sea mayor
que el lado del tringulo equiltero debe estar
comprendida entre 60
o
y 120
o
. De ah que la solucin
buscada sea 1/3.

110
Solucin 3: Una cuerda est totalmente determinada
por su punto medio. Aquellas cuerdas cuya longitud
exceda el lado del tringulo equiltero tienen sus
puntos medios dentro de un pequeo crculo de radio
1/2 R. De modo que su rea es 1/4 de la del crculo
de radio R. De aqu obtenemos que
la probabilidad buscada es 1/4.


111
Origen del nombre de la compaa: procede del trmino matemtico
googol, que en 1998 los fundadores de Google, dos jvenes
matemticos de la Universidad de Stanford, Sergey Brin y Larry
Page, consideraron ilustrativo del complejo proceso de bsqueda que
efecta su buscador.

El trmino en cuestin lo invent en 1938 un nio de nueve aos
cuando, hablando sobre el infinito con su to, el matemtico Edward
Krasner, su desbordante imaginacin infantil improvis ese nombre
para referirse a un 1 seguido de 100 ceros:
Google
googol 1 10
100
=
112
Dos dcadas despus, dos ingenieros americanos, John Fox y Gerald
Marnie, popularizaron el trmino al bautizar como juego del
googol un problema clsico relativo a los procesos de bsqueda:
cmo determinar el momento ideal para dar una bsqueda por
concluida (optimal stopping). Tambin conocido como el problema
del sultn y la dote, del concurso de belleza o de la eleccin de
secretaria.
El juego del googol
113
Sobre el jugador pesan, pues, dos preocupaciones opuestas: si
se planta demasiado pronto, puede estar renunciando a nmeros
mayores que todava no han salido; pero si retrasa demasiado
su eleccin, puede pasar por alto, sin darse cuenta, las mejores
oportunidades y quedarse a la espera de un nmero ideal que
nunca llegar. Cmo conjugar esos dos riesgos opuestos?
El juego del googol puede enunciarse as: varias personas
(digamos, 100) escriben cada una, en secreto, un nmero en una
papeleta, sin lmite en cuanto al valor del nmero escogido; las
papeletas se revuelven y se inicia su extraccin al azar y lectura
pblica, una a una.

La gracia est en seleccionar la papeleta con el nmero ms
alto. El jugador se puede plantar en cualquier momento, pero
no puede volver atrs: si deja pasar el nmero ganador, a la
espera de otro an mayor, perder.
114
Puede demostrarse que para hacer mxima la probabilidad de acierto
deberemos seguir la regla del 37%, es decir, recordar el nmero
ms alto de entre los 37 primeros (si estn jugando 100 personas y
por tanto hay 100 nmeros) y, a partir de ese momento, plantarnos
en el primero que lo supere.

Siguiendo esa regla, la probabilidad de acierto ser tambin del
37%, porcentaje que es el inverso del nmero e.


115
Redes booleanas aleatorias
inspiradas en las redes genticas.
Gen activo: produce protena.

Gen inhibido: no produce
protena.

La presencia o ausencia de
ciertas protenas regulan la
activacin o inhibicin de
ciertos genes.

Red gentica: conjuntos de
genes auto-regulados.
116
Modelo fago Lambda:
y
x dt
dy
x
y dt
dx
n n
n
n n
n

+
=

+
=


Qu podemos hacer cuando tenemos miles de genes acoplados?
Stuart Kauffman 70s
Redes booleanas aleatorias
Random Boolean Networks
(RBN)
117
K genes
input
PARMETROS:
N = n autmatas ~ genes
K = conectividad

Autnomo
Sncrono
Quenched
Donde f es una funcin booleana
de K argumentos booleanos.
gen
(autmata)
2 posibles valores:
0 = inactivo
1 = activo
Ej. de RBN con K=3 y N=10
Definicin de RBN
)) ( ),..., ( ), ( ( ) 1 (
2 1
t x t x t x f t x
k
i i i i i
= +
118
1 1 1 1 1 1
1 1 0 0 1 1
1 1 0 1 0 1
1 1 0 0 0 1
1 1 1 1 1 0
0 0 0 0 1 0
0 1 0 1 0 0
0 0 0 0 0 0
1 en global Estado en global Estado
1
3
1
2
1
1 3 2 1

+
+ + + t t t t t t
x x x x x x
t t
) ,..., , (
) (
} 1 , 0 { } 1 , 0 { :
) ,..., , (
,
} 1 , 0 { } 1 , 0 { :
2 1
1
1
2 1
*
t
i
t
i
t
i i
t
i
t
K
t
K
i
N K
N N
K
K
x x x f x
f
f f f
K N
=
=
=
e
+
+
x F x
F
N
F

119
Ejemplo con N=13 y K=3
120 Cuenca anterior
Las 2
13
= 8192 configuraciones globales en 15 cuencas
de atraccin disjuntas del ejemplo de RBN anterior.
121
Transicin orden-desorden
Orden (K=1) Desorden (K=3) K
c
=2
122
Enfoque ingeniero
versus
enfoque matemtico
NT ~ Ng
123
Enfoque ingeniero
versus
enfoque matemtico
Propiedades generales: emergencia y evolucin.
124
Supongamos que la funcin rnd( ) de un lenguaje nos devuelve
un nmero real al azar del intervalo [0, 1]. Y queremos generar
una lista de 1000 dgitos formados con un porcentaje de p unos
y (1 - p) ceros. Cmo hacerlo?
do i = 1, 1000
x = rnd( )
if (x .lt. p) then
digito(i) = 1
else
digito(i) = 0
end if
end do
p
p
P
p
p
P
=

=
= =
1
1
1
) 0 (
1
) 1 (

0 1

p

longitud p longitud (1-p)
125
Generalizacin de las RBN
Ricard V. Sol and Bartolo Luque.
Phase transitions and antichaos
in generalized Kauffman networks.
Physics Letters A 196 (1995)
pp. 331-334.

) 1 ( 2
1
Sesgo
media ad Conectivid
p p
K
p
K
c

Ncleo estable
Mtodo de la distancia
(teora de perturbaciones)

Maxent
(mtodos variacionales)
126
Problemas resueltos
127
1/ Una caja contiene 8 bolas rojas, 3 blancas y 9 azules. Si se sacan 3
bolas al azar sin reemplazo determinar la probabilidad de que:
a) Las 3 sean rojas
Eventos: E1 sacar roja a la primera
E2 sacar roja a la primera
E3 sacar roja a la primera
P(E1E2E3)=
|
.
|

\
|
=
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
285
14
18
6
19
7
20
8
Otro mtodo:
Casos posibles:
Casos favorables:
3 8C
3 20C
b) Las 3 sean blancas
Casos posibles:
Casos favorables:
3 3C
3 20C
P=
|
.
|

\
|
1140
1
c) 2 sean rojas y una blanca
( )( ) ( )( )
( ) 95
7
20 entre bolas 3 de Seleccin
3 entre blanca 1 de Seleccin 8 entre rojas 2 de Seleccin
3 20
1 3 2 8
=
|
|
.
|

\
|
=
|
.
|

\
|
C
C C
128
d) Al menos una sea blanca
P=1-P (ninguna sea blanca)=
57
23
57
34
1 1
3 20
3 17
= =
|
.
|

\
|

C
C
e) Se saque una de cada color
( )( )( )
95
18
3 20
1 9 1 3 1 8
=
|
.
|

\
|
=
C
C C C
P
f) Se saquen en orden rojo, blanco, azul
Con el resultado del apartado anterior (e) y teniendo en cuenta que
ahora el orden de extraccin importa, solo nos vale uno de los 3!
posibles ordenes en los que se pueden extraer 3 bolas de diferente
color:
95
3
! 3
) (
= =
e P
P
129
3/ En un juego de poker se sacan 5 cartas de un naipe de 52 cartas bien
barajadas. Encontrar la probabilidad de tener a) poker de ases b) poker
de ases y un rey c) full de dieces-jotas d) escalera de nueve, diez, jota,
reina, rey e) 3 cartas de un palo y 2 de otro f) sacar un as
a)
( )( )
54145
1
5 48
1 48 4 4
= =
C
C C
P
b)
( )( )
649740
1
5 52
1 4 4 4
= =
C
C C
P
c)
( )( )
108290
1
5 52
2 4 3 4
= =
C
C C
P
d)
( )( )( )( )( )
162435
64
5 52
1 4 1 4 1 4 1 4 1 4
= =
C
C C C C C
P
e)
( )( )
4165
429 3 4
5 52
2 13 3 13
=

=
C
C C
P
f)
54145
35673
as) no (
5 52
5 48
= =
C
C
P
54145
18472
54145
35673
1 as) un menos al ( = = P
130
4/ Una biblioteca tiene 6 libros de matemticas y 4 de fsica. Encontrar la
probabilidad de que 3 libros de matemticas en particular estn juntos
Posibles ordenaciones de los libros= 10!

Posibles ordenaciones contando los 3 libros determinados como uno: 8!

Posibles ordenaciones de los 3 libros: 3!
15
1
! 10
! 3 ! 8
= = P
131
5/ Ay B juegan 12 partidas de ajedrez de las cuales A gana 6, B gana 4, y 2
terminan en empate. Ellos acuerdan un torneo de 3 partidas. Encontrar la
probabilidad de que a) A gane los 3 juegos, b) 2 juegos finalicen en empate, c)
A y B ganan alternadamente, d) B gana al menos un juego
2
1
12
6
juego) un gana A ( = = P
3
1
12
4
juego) un gana B ( = = P
8
1
2
1
2
1
2
1
juego) juegos 3 los gana A ( =
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
= P
a)
( )
72
5
6
5
6
1
2
2 3 =
|
.
|

\
|
|
.
|

\
|
= C P
b)
6
1
12
2
empate) ( = = P
Posibles ordenes en que se producen los empates=
Puesto que se requieren slo 2 empates la 3 partida no puede ser empate:
2
6
1
empates) 2 ( |
.
|

\
|
= P
( ) 2 3C
|
.
|

\
|
= =
6
5
empate) ( 1 empates) no ( P P
c)
36
5
3
1
2
1
3
1
2
1
3
1
2
1
) , , ( ) , , ( =
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
+
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
= + = B A B P A B A P P
d)
3
2
juego) un gana no B ( = P
3
3
2
juego) ningn gana no B (
|
.
|

\
|
= P
27
19
3
2
1 juego) algn gana (
3
=
|
.
|

\
|
= P
132
6/ A y B juegan una partida en la que alternadamente lanzan dos dados, Gana
el primero que obtenga un total de 7. Es justo el juego?
6
1
7) de suma una sacar ( = P
6

5

4

3

2

1
1 2 3 4 5 6
6
5
7) de suma una sacar no ( = P
6
1
primera) la a A gane ( = P
|
.
|

\
|
|
.
|

\
|
=
6
1
6
5
primera) la a B gane ( P
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
=
6
1
6
5
6
5
segunda) la a A gane ( P
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
=
6
1
6
5
6
5
6
5
segunda) la a B gane ( P
( )
11
6
=

=
(
(

+
|
.
|

\
|
+
|
.
|

\
|
+ = +
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
+
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
+
|
.
|

\
|
=
2
4 2
6
5
1
6
1
...
6
5
6
5
1
6
1
...
6
1
6
5
6
5
6
5
6
5
6
1
6
5
6
5
6
1
A) gane ( P
( )
11
5
=

=
(
(

+
|
.
|

\
|
+
|
.
|

\
|
+
|
.
|

\
|
|
.
|

\
|
= +
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
+
|
.
|

\
|
|
.
|

\
|
=
2
4 2
6
5
1
36
5
...
6
5
6
5
1
6
1
6
5
...
6
1
6
5
6
5
6
5
6
1
6
5
B) gane ( P
No es justooooo!!
133
7/ a) Determinar la probabilidad de que al lanzar n veces dos dados se obtenga
al menos un seis doble b)Cuntos lanzamientos habra que realizar para
tener una probabilidad de de obtener al menos un 6 doble?
doble) seis ningn ( 1 doble) seis un menos al ( P P =
= o) lanzamient 1 el en doble seis no ( os) lanzamient en doble seis ningn (
er
P n P
n
P P
|
.
|

\
|
= - - - =
=
36
35
36
35
...
36
35
36
35

o) lanzamient simo - n el en doble seis no ( ... o) lanzamient 2 el en doble seis no (
o
n
n P
|
.
|

\
|
=
36
35
1 os) lanzamient en doble seis un menos al (
a)
b)
n
n
n
operando
n
0282 . 0 6931 , 0
36
35
ln
2
1
ln
36
35
2
1
36
35
1
2
1
= =
=
|
.
|

\
|
=
|
.
|

\
|
=
|
.
|

\
|
=
n=24,6 que se aproxima por n=25
134
9/ Se considera un dado cargado. Las probabilidades de cada cara en un
lanzamiento son inversamente proporcionales al nmero que aparece
determinar: a) la probabilidad de que en un lanzamiento salga impar b) la
probabilidad de que salga inferior a cuatro
a)
K P = ) 1 (
2
) 2 (
K
P =
3
) 3 (
K
P =
4
) 4 (
K
P =
5
) 5 (
K
P =
6
) 6 (
K
P =
147
60

60
147
6 5 4 3 2
k
) 6 ( ) 5 ( ) 4 ( ) 3 ( ) 2 ( ) 1 ( 1 ) 6 , 5 , 4 , 3 , 2 , 1 (
= = + + + + + =
= + + + + + = =
k
k k k k k k
P P P P P P P
147
92
15
23
5 3
) 5 , 3 , 1 ( impar) ( = = + + = =
k k k
k P P
b)
147
110
6
11
3 2
) 3 , 2 , 1 ( 4) a inferior ( = = + + = =
k k k
k P P
135
10/ Al controlar la calidad de un producto envasado, se eligen al azar tres
envases de una caja que contiene 1000. Por termino medio, sabemos que en
cada caja hay diez cuya calidad es deficiente. Hallar la probabilidad de que
entre los tres no haya ninguno, uno, dos o tres deficientes
(B)=bueno (d)=defectuoso
245
178
98
88
99
89
100
90
) ( ) defectuoso ninguno ( = = = BBB P P
1078
267
98
10
99
89
100
90
3 ) ( 3 ) , , ( ) defectuoso uno ( = = = = BBd P dBB BdB BBd P P
1078
27
98
9
99
10
100
90
3 ) ( 3 ) , , ( ) defectuoso dos ( = = = = Bdd P dBd ddB Bdd P P
2695
2
98
8
99
9
100
10
) ( ) defectuoso tres ( = = = ddd P P
1 ) s defectuoso n ( : que ntese
3
0
=

= n
P
136
11/ Se seleccionan dos cartas al azar de entre 10 cartas numeradas del 1 al 10.
Hallar la probabilidad de que la suma sea impar si: a) se sacan dos cartas sin
sustitucin b) se sacan dos cartas, una despus de la otra, con sustitucin
a) Casos posibles:
La suma es impar si un numero es par y el otro es
impar, como hay 5 pares y 5 impares: Casos
favorables= 5x5
45 2 10 = C
9
5
45
25
= = P
b) Casos posibles:
Casos favorables=
10 10
2
1
100
2 25
=

= P
Hay que tener en cuenta que
vale tanto sacar par+impar
como impar+par
2 5 5
137
12/ Seis parejas de casados se encuentran en un cuarto. Halla la probabilidad
de que:
a) si se escogen 2 personas al azar (i) sean esposos (ii) uno sea hombre y
otro mujer
b) si se escogen 4 personas al azar (i) se escojan dos parejas de casados (ii)
ninguna pareja sean casados en tre los 4 (iii) haya exactamente una pareja de
casados
c) si las 12 personas se reparten en seis parejas (i) cada pareja sean casados
(ii) cada pareja la forme un hombre y una mujer
a) Casos posibles: maneras de escoger 2 personas
de las 12
66 2 12 = C
(i) Hay 6 parejas de casados:
11
1
66
6
= = P
(ii) Hay 6 maneras de escoger a un hombre
y 6 de escoger a una mujer:
11
6
66
6 6
=

= P
138
b) Casos posibles: maneras de escoger 4 personas de las 12
495 4 12 = C
(i) Hay maneras de coger 2 parejas de las 6
33
1
495
15
= = P
(ii) Las 4 personas vienen de 4 parejas diferentes, hay maneras de coger 4
parejas de las 6 y ah 2 maneras de escoger a la persona de cada pareja

33
16
495
15 2 2 2 2
=

= P
15 2 6 = C
15 4 6 = C
(iii)
Este evento es complementario de los otros dos, por tanto:
33
16
33
16
33
1
1 = = P
c) Casos posibles: maneras de repartir 12 personas en 6 clulas ordenadas con 2
personas cada una
6
2
! 12
! 2 ! 2 ! 2 ! 2 ! 2 ! 2
! 12
=
(i)
Las 6 pareja pueden ser colocadas en 6 clulas ordenadas de 6! maneras:
10395
1
2 ! 12
! 6
6
= = P
(ii)
Cada uno de los 6 hombres se pueden colocar en 6 clulas de 6! maneras y cada una
de las 6 mujeres lo mismo:
231
16
2 ! 12
! 6 ! 6
6
=

= P
139
14/ Se tiene una baraja de cuarenta cartas; se extraen cinco cartas una por una, devolviendo al mazo cada carta
una vez vista. Calclese:

a) La probabilidad de que las cinco cartas sean oros
b) La probabilidad de que el primer oro que aparezca lo haga en quinto lugar

a) Sea S el suceso que una carta sea oros. El suceso que las cinco cartas sean oros es el suceso compuesto por los sucesos que la primera sea
oros (S1), que la segunda sea oros (S2)...

S = S1S2S3S4S5

Los sucesos son independientes, luego:

P(S) = P(S1S2S3S4S5) = P(S1)P(S2)P(S3)P(S4)P(S5)

casos favorables 10
( ) 0, 25
casos posibles 40
i
P S = = = ; P(S)=P
5
(Si)=0,25
5
=0,000975

b) El suceso que la quinta carta sea oros es:

S1 = S S S S S

Como son sucesos independientes, P(S1) = P
4
(S)P(S)

casos favorables 30
P(S)
casos posibles 40
= = P(S) =
10
40


P(S1) = 0,75
4
0,25 = 0,0791

140
15/ Durante un ao, las personas de una ciudad utilizan tres tipos de transportes: metro (M), autobs (A), y coche
particular (C). Las probabilidades de que durante el ao hayan usado unos u otros transportes son las siguientes:
metro = 0,30; autobs = 0,20; coche = 0,15; metro y autobs = 0,10; metro y coche = 0,05; autobs y coche = 0,06;
metro y autobs y coche = 0,01.
Calclense las siguientes probabilidades:
a) Que una persona tome al menos dos medios de transporte
b) Que una persona viaje en metro y no en autobs
c) Que una persona viaje en metro o en coche y no en autobs
d) Que viaje en metro o en autobs y en coche
e) Que una persona vaya a pie

a) Se cumple verificndose alguno de los siguientes sucesos: metro y autobs y no coche; metro y no autobs y coche; no metr o y autobs y
coche; metro y autobs y coche. Son sucesos disjuntos.

(( ) ( ) ( ) ( ))
( ) ( ) ( ) ( )
vemos que: ( ) ( )
luego,al ser disjuntos: ( ) ( ) ( )
( ) 0,10 0, 01 0, 09
Anlogamente: P( ) (
P P M A C M A C M A C M A C
P M A C P M A C P M A C P M A C
M A C M A C M A
P M A C P M A C P M A
P M A C
M A C P
= =
+ + +
=
+ =
= =
= ) ( ) 0, 05 0, 01 0, 04
( ) ( ) ( ) 0, 06 0, 01 0, 05
0, 09 0, 04 0, 05 0, 01 0,19
M C P M A C
P M A C P A C P M A C
P
= =
= = =
= + + + =


b)
( ) ( ) ; los sucesos del primer miembro son disjuntos.
( ) ( ) ( ) 0, 30 0,10 0, 20
M A M A M
P M A P M P M A
=
= = =


c)
( ) ( ) ( );
(( ) ) ( ) ( ) ( ) ( ( ) ( ))
( ( ) ( )) ( ( ) ( )) (0, 30 0,10) (0,15 0, 06)
(0, 05 0, 01) 0, 25
M C A M A C A
P M C A P M A P C A P M A C P M P M A
P C P C A P M C P M A C
=
= + = +
+ = +
=

141
d)
( ) ( ) ( ); los sucesos no son disjuntos.
(( ) ) ( ) ( ) ( ) 0, 05 0, 06 0, 01 0,10
M A C M C A C
P M A C P M C P A C P M A C
=
= + = + =


e)
( ) ( ) espacio de los comportamientos
( ) 1 ( ) 1 ( ( ) ( ) ( ) ( ) ( )
( ) ( )) 1 0, 45 0, 55
M A C M A C E
P M A C P M A C P M P A P C P M A P M C
P A C P M A C
= =
= = + +
+ = =

142
16/ Una fbrica de detergentes proyecta lanzar una nueva marca. En el mercado hay dos marcas: A y B. La
probabilidad de compra de A es 0,3, la de B es 0,5 y la de A y B, 0,1. Para decidirse por la nueva marca, la
fabrica necesita conocer la probabilidad de que no se compren ni A ni B, as como la probabilidad de que slo
se compre una de las dos marcas. Calclense estas probabilidades.

El suceso no comprar ni A ni B es el complementario del suceso comprar A o B:

A B A B =

Y, al ser los sucesos del primer miembro disjuntos, se deduce que:

( ) ( ) ( );
( ) ( ) ( ) ( ) 0, 3 0, 5 0,1 0, 7;
0, 7 ( ) 1; ( ) 0, 3
( ) ( ) 0, 3
P A B P A B P E
P A B P A P B P A B
P A B P A B
P A B P A B
+ =
= + = + =
+ = =
= =


El suceso comprar una de las dos marcas es igual a la unin de los sucesos disjuntos comprar la marca A y no comprar la B y comprar la
marca B y no la A.
Comprar la marca A y no comprar la B es A-B y anlogamente, comprar B y no A es B-A; por tanto:


(comprar una de las dos marcas) (( ) ( )) ( )
( ) ( );
( ) ( ); ( ) ( ) ( ); ( ) 0, 3 0,1 0, 2
( ) ( ); ( ) ( ) ( ); ( ) 0, 5 0,1 0, 4
(comprar una de las
P P A B B A P A B
P A B P B A
A A B A B P A P A B P A B P A B
B B A A B P B P B A P A B P B A
P
= = A =
+
= = + = =
= = + = =
dos marcas) 0, 2 0, 4 0, 6 = + =


143
18/ Un submarino se dispone a torpedear a un carguero. De experiencias anteriores el capitn del submarino
sabe que al lanzar un torpedo da en el blanco una de cada tres veces por lo que para asegurar el xito decide
lanzar tres torpedos. Supuestos los lanzamientos simultneos e independientes se pide:

a) cul es la probabilidad de hundir el carguero?
b) cunto vale dicha probabilidad si le dispara cuatro torpedos?
c) cul es el nmero mnimo de disparos necesario para tener una probabilidad de hundirlo igual o superior
al 95%?

a) Llamamos A
i
al suceso consistente en que el torpedo i-simo (i=1,2,3) de en el blanco.

1 2 3
1 2 3 1 2 3 1 2 2 3 1 3
1 2 3
(hundir el carguero) ( ); los sucesos no son incompatibles,luego:
( ) ( ) ( ) ( ) ( ( ) ( ) ( ))
1 1 1 1 1 1 1 19
( ) ( )
3 3 3 9 9 9 27 27
P P A A A
P A A A P A P A P A P A A P A A P A A
P A A A
=
= + + + + +
+ = + + + + + =


Tambin hubiramos alcanzado este resultado determinando la probabilidad del suceso contrario

P(hundir el carguero) = 1 P(no hundir el carguero) = =
1 2 3
1 ( ); y al ser independientes: P A A A
1 2 3 1 2 3
2 2 2 8
( ) ( ) ( ) ( )
3 3 3 27
P A A A P A P A P A = = =
8 19
y, de nuevo: (hundir el carguero) 1
27 27
P = =

b) La probabilidad ahora es:

1 2 3 4
4
(hundir el carguero) 1 ( )
2 65
1
3 81
P P A A A A = =
| |
= =
|
\ .


144
c) Si es n el nmero de disparos requeridos tendr que cumplirse


2
1 0, 95
3
n
| |
>
|
\ .

2 2
0, 05 log log0, 95
3 3
log0, 05
7, 3888 8
2
log
3
n
n
n n
| |
s s
|
\ .
> = =


145
Una persona acepta una apuesta del orden 10 a 3 sobre la posibilidad
de ganar un pgil en un combate de boxeo.
Determnese cul es la probabilidad que est asignando a este hecho.
SOLUCIN:
Este tipo de relaciones se denomina ventaja relativa . Si la relacin es de A a
B, entonces la ventaja es:
Ventaja = A/B
y la probabilidad asociada:
P (s)= A/A+B
La probabilidad que el apostante est asignado a su posibilidad de ganar al
aceptar la apuesta es:
P (ganar) = 10/ (10+3) = 10/13


146
Determnese la probabilidad de que al lanzar n veces dos dados se obtenga al menos un seis
doble. Cuntos lanzamientos habra que realizar para tener una probabilidad igual a de
obtener al menos un seis doble?
(Problema del Caballero de Mr)
SOLUCIN:
36 comportamiento, de los cuales 1 es la obtencin del seis doble.
Usemos la probabilidad del suceso complementario.
P (obtencin de ningn 6 doble en n lanzamientos) = 1 P (obtencin de ningn 6 doble en n
lanzamientos)
P (ningn 6 doble en n lanzamientos) = 35/36 x 35/36 x 35/36 = (35/36)
n

P( al menos un 6 doble) = 1 ( 35/36)
n
.
Para tener probabilidad = 1/2:
1/2 = 1- ( 35/36)
n
1/2 = (35/36)
n
Ln 1/2 = n x ln (35/36)
N = 24,6
Por lo que tendremos que lanzar 25 veces.
147
Tres personas A, B y C lanzan, sucesivamente, y por este orden, una moneda ideal,
ganando el primero que saque cara. Cules son las probabilidades de ganar cada
jugador?
SOLUCIN:
Sucesos:
A = Gana el A
B = Gana el B
C = Gana el C
P (A) + P (B) + P (C) = 1
Ac: A obtiene cara; ( Bc; Cc)
A+: A obtiene cruz; (B+;C+)
A gana si en la primera serie de lanzamientos obtiene cara; o si en la primera serie A,B y C
obtienen cruz y luego A obtiene cara, y as sucesivamente.
Lo mismo ocurre para los sucesos B y C.
Por consiguiente:

148
P(A) = + (1/2)
4
+(1/2)
7
+(1/2
)10
+.
P(B)=(1/2)
2
+(1/2)
5
+(1/2)
8
+(1/2)
11
+

P(C)=(1/2)
3
+(1/2)
6
+(1/2)
9
+(1/2)
12
+.
Pudindose apreciar que P (B) = 1/2 P (A) y P (C) = 1/2 P (B) = 1/4 P (A)
Como:
1 = P (A)+P (B) +P (C) = P (A) + 1/2 P (A) + 1/4 P (A) = 7/4 P (A).
Tenemos que:
P (A) = 4/7
P (B) = 1/2 P (A) = 2/7
P (C) = 1/4 P (A) = 1/7