TEMA 8 INTRODUCCIN A LA PROBABILIDAD

1.INTRODUCCIN, FENMENOS ALEATORIOS Y SUCESOS

Inferencia estadstica, es decir, para inferir datos a una poblacin a partir de los resultados extrados de una muestra de la misma. Uno de los objetivos de la ciencia consiste en describir y predecir y sucesos que ocurren a nuestro alrededor. Una de manera de hacerlo es mediante construccin de datos matemticos. Estos modelos matemticos conocidos como distribuciones de probabilidad. La ms habitual es la denominada Distribucin Normal o de Gauss y que a ella se ajustan buena parte de los fenmenos naturales, econmicos y sociales. En los fenmenos naturales existen patrones de comportamiento que se denominan determinsticos (puesta sol, fuerza objeto cae suelo..), estos comportamientos estn determinados por leyes ms o menos complejas descubiertas por el hombre. Un suceso es determinsitico cuando al repetirlo en idnticas condiciones da siempre el mismo resultado y que es de carcter aleatorio cuando al reproducirlo en las mismas condiciones no siempre se obtiene un mismo resultado. Los sucesos determinsticos se predicen aplicando el modelo o frmula matemtica que los regula, para predecir sucesos aleatorios, al no existir una frmula con exactitud, es necesario un procedimiento que aproxime el resultado satisfactoriamente mediante un modelo matemtico relativamente sencillo, este es el cometido de la teora de la probablilidad. Experimentos o fenmenos aleatorios: son los que al repetirlos bajo anlogas condiciones, no se puede predecir el resultado que se va a obtener porque ste depende del azar, se verifican tres condiciones: 1. Se puede repetir indefinidamente en las mismas condiciones 2. Antes de realizarlo, no se puede predecir el resultado que se va a obtener. 3. El resultado que se obtenga, e1, e2. Pertenece a un conjunto conocido previamente de resultados posibles E(e1, e2..) A cada uno de los resultados posibles, e1, e2.. se le denomina suceso elemental, tambin se les llama resultado bsico, elemental, comportamiento individual o punto muestral. Espacio muestral o espacio de comportamientos: es el conjunto formado por todos los sucesos o resultados posibles de un experimento aleatorio. Se designa por E o (moneda E=cara, cruz, dado E= 1,2,3,4,5,6)si E tiene un nmero finito de n, de elementos, el nmero de sucesos n de E es 2 Se denomina suceso aleatorio a cualquier subconjunto de E, suele denotarse con letras maysculas. Al conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de sucesos y se designa por S. Tipos de sucesos aleatorios: Sucesos elementales: son los que estn formados por un solo resultado del experimento. Ej suma de los dados sea igual a 10 Sucesos compuestos: son los que estn formados por dos o ms resultados del experimento, es decir, dos o ms sucesos elementales. Suceso seguro: es el que ocurre siempre que se realice el experimento aleatorio. Coincide con el espacio muestral, al tirar los dados y anotar la suma, el suceso seguro E es que el resultado sea mayor o igual a 2 y ,menor que 12. Suceso vaco imposible: es el que nunca se verifica. Se representa por . En nuestro ejemplo cualquier valor menor que 2 y mayor que 12. Sistema completo de sucesos se dice que un conjunto de sucesos A1,A2 constituyen un sistema completo cuando se verifica que: A1 A2 An = E O A1 A2 An son incompatibles 2 a 2. Si tiramos dado no podemos sacar 1 y 2, solo 1. Operaciones con sucesos Unin de sucesos A B Es el suceso formado por todos los elementos de A y todos los elementos de B (suceso que se verifica cuando se realiza A B). Interseccin de sucesos AB AB =EA AB= AB Es el suceso formado por todos los elementos que son, a la vez, de A y de B (suceso que se verifica cuando se realizan simultneamente los sucesos A y B). Diferencia Es el suceso formado por todos los elementos de A que no son de B (suceso que se verifica cuando se verifica A y no se verifica B). Suceso complementario o Dado un suceso A, denotaremos mediante al suceso que se verifica cuando no se verifica A; por ende, se verifica A = E y A = .

suceso contrario Sucesos incompatibles

Dos sucesos A y B, se llaman incompatibles cuando no tienen ningn elemento comn. Dados dos sucesos A y B denotaremos mediante A B al suceso que se verifica cuando o bien se verifica A y no se verifica B, o bien se verifica B y no se verifica A.

Diferencia simtrica

Propiedades en los sucesos Propiedad Conmutativa Asociativa Idempotente Simplificacin Distributiva Elemento neutro Absorcin Leyes de Morgan

Unin A A A A A A A B=B (B A B) C

Interseccin AB=BA A (B C) = (A B) C AA=A A (B B) (A C) A (B AE=A A= El suceso contrario de la interseccin de dos sucesos es la unin de sus sucesos contrarios: = A) = A C) = (A B) (A C)

C) = (A

A=A (B C) = A (B C) = (A =A E=E

El suceso contrario de la unin de dos sucesos es la interseccin de sus sucesos contrarios: =

Algebra de sucesos: El lgebra de sucesos S es una familia de sucesos definida mediante los siguientes axiomas: Axioma 1: E. a. Axioma 2: Si A, B S, entonces A Axioma 3: Si A S, entonces S. B S.

1.INTRODUCCIN, FENMENOS ALEATORIOS Y SUCESOS

Probabilidad clsica o a priori: es una probabilidad inicial. La probabilidad de A es la fraccin de nA/n. Ej. 2/6 probalidad de sacar 2 en dados. Regla de Laplace: la probabilidad de un suceso aleatorio Si es el cociente entre el nmero de casos favorables y el nmero de casos o elementos posibles del experimento. PA = Numero de resultados favorables a Si Numero de resultados posibles de E Un experimento aleatorio se caracteriza porque repetido muchas veces y en idnticas condiciones este cociente tiende a un nmero fijo. Esta propiedad es conocida como ley de los grandes nmeros, establecida por Jakob Bernouilli. b. Probabilidad a posteriori o frecuencial: es una probabilidad experimental. PA = A: es el suceso cuya probabilidad se desea obtener
n: es el nmero de veces que se repite el experimento (lanzamiento del dado) nA: es el nmero de veces que aparece el resultado A. nA/n: es la frecuencia relativa. Lim: es el lmite de la frecuencia relativa a medida que el nmero de lanzamientos se aproxima a infinito.

c. Probablidad axiomtica: este concepto de probabilidad basado en un cojunto de axiomas, que formulamos de la siguiente forma: Sea S un espacio muestral (conjunto de todos los posibles sucesos de un determinado experimento) y A un determinado suceso de S (cualquier elemento o subconjunto de S), diremos que P es una funcin de probabilidad en el espacio muestral S si se satisfacen los tres axiomas siguientes: Axioma 1: P(A) es un nmero real tal que P(A) 0 para todo suceso A de S, es decir, la probabilidad de cualquier suceso en un experimento es siempre mayor o igual que 0. Axioma 2: P(S) = 1, es decir, la probabilidad de todos los sucesos posibles de un experimento es igual a 1. Axioma 3: Si, A, B, C, es una sucesin de sucesos mutuamente excluyentes de S, la probabilidad asociada a la unin de todos ellos (que en un experimento ocurra de ellos) es igual a la suma de sus probabilidades.P (A U B U C) = P(A) + P(B) + P(C) =1/6+1/6+1/6=3/6 De estos tres axiomas se deducen los siguientes teoremas: Teorema 1: Si definimos el suceso complementario de A, A, como aquel que est formado por todos los puntos o sucesos del espacio muestral S que no estn en A, entonces la probabilidad de A ser igual a: P(A) = 1 P(A) Teorema 2: Sea A un suceso de S. Siempre se verifica que la probabilidad de que ocurra est comprendida entre 0 y 1. 0 P(A) 1 - Teorema 3: si es el suceso nulo, entonces se verifica que: P() = 0 ya que es el suceso complementario de S. Probabilidad de sacar 7 es 0. Estos tres teoremas dan lugar a un conjunto de propiedades que permiten abordar la mayor parte de los problemas que plantea el clculo de la probabilidad de que ocurra un fenmeno aleatorio; las principales son las siguientes: 1.- P() = 1 P(A)=5/6-1 2.- P() = 0. P(7)=0 3.- Si A est contenida en B (A B) entonces: a) P(B) = P(A) + P(A B) prob A + prob de la parte de B que no es A, teniendo en cuenta que A est contenida en B b) P(A) P(B) Bes A ms otras cosas 4.- Si A1, A2, , Ak son incompatibles dos a dos, entonces: P(A1 U A2 U Ak) = P(A1) + P(A2) + + P(Ak) 3/6=1/6+1/6+1/6 5.- Propiedad de la unin: P(A U B) = P(A) + P(B) P(A B) P(12)=P1+P2-P(1y2)=1/6+1/6-0=2/6 6.- Si el espacio muestral E es finito y un suceso es A = {x1, x2, , xk} entonces: P(A) = P(x1) + P(x2) + + P(xk) Ejemplos 8.1 y 8.2 8.3 Probabilidad condicionada. Teorema de Bayes. La probabilidad condicionada permite asignar probabilidades introduciendo informaciones previas acerca del experimento o ciertas creencias subjetivas que se dispongan sobre el mismo. Probabilidad Condicionada. Dados dos sucesos A y B, con P(B) > 0 se define la probabilidad condicionada de A (Probabilidad de A condicionada a que haya ocurrido el suceso B), como: P(A/B) = P(A B) P(B) Sucesos dependientes e independientes. Dos sucesos A y B se dice que son independientes si p(A) = p (A/B). En caso contrario, p(A) Probabilidad de la interseccin o probabilidad compuesta: Si los sucesos son dependientes P(A B) = P(A) x P(A/B) = P() x P(A/B) Si los sucesos son independientes P(A B) = P(A) x P(B) Teorema de la probabilidad total. Sea un sistema completo de sucesos: P(B) = P(B A1) + P(B A2) + = P(B Ai) Expresin que es conocida como la Frmula de la Probabilidad Total. La regla de Bayes. Sea A1, A2, , An, un sistema completo de sucesos tal que: Entonces para cualquier evento B, por el Teorema de la probabilidad total, se tiene que: P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) + + P(An) P(B/An) Ejemplos 8.3 y 8.4 p(A/B), se dice que son dependientes