Teora elemental de probabilidad

El Clculo de Probabilidades se ocupa de estudiar ciertos experimentos que se

denominan aleatorios, cuya caracterstica fundamental es la incertidumbre del resultado,
esto significa que es imposible predecir los resultados porque hay ms de uno posible.

Son ejemplos de experimentos aleatorios: lanzar un dado cinco veces, los instantes
de llegadas a un abarrote, etc.

El trmino de probabilidad es de uso comn, as el ente televisivo, el cual nos dir

que es poco probable un cambio brusco de temperatura un peridico informar que es
muy probable que el Real Madrid gane en su campo a Las Palmas.

Este tipo de informacin es insuficiente cuando se necesita un conocimiento ms

profundo de un fenmeno aleatorio, Supongamos que una compaa de seguros va a
extender una pliza por seguro de vida a un cliente.

Este es el objetivo del Clculo de Probabilidades, medir probabilidades relacionadas

con cierto fenmeno aleatorio dado. Medir significa asignar a cada probabilidad un nmero
determinado, esto nos permitira obtener un conocimiento ms preciso del fenmeno.

Antecedentes de la probabilidad

En cuanto al concepto en s, la probabilidad y el azar siempre ha estado en la mente del ser

humano. Por ejemplo:

Sumerios y Asirios utilizaban un hueso extrado del taln de animales como ovejas,
ciervos o caballos, denominado astrgalo o talus, que tallaban para que pudieran
caer en cuatro posiciones distintas, por lo que son considerados como los
precursores de los dados.

En el caso de la civilizacin egipcia, algunas pinturas encontradas en las tumbas de

los faraones muestran tanto astrgalos como tableros para el registro de los
resultados.

Por su parte, los juegos con dados se practicaron ininterrumpidamente desde los
tiempos del Imperio Romano hasta el Renacimiento, aunque no se conoce apenas
las reglas con las que jugaban. Uno de estos juegos, denominado "hazard", palabra
que en ingls y francs significa riesgo o peligro, fue introducido en Europa con la
Tercera Cruzada. Las races etimolgicas del trmino provienen de la palabra rabe
"al-azar", que significa "dado". Posteriormente, en el "Purgatorio" de Dante el
trmino aparece ya como "azar".
 En la actualidad, ruletas, mquinas tragaperras, loteras, quinielas,..., nos indican
que dicha fascinacin del hombre por el juego, contina.

La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat y

Blaise Pascal tratan de resolver algunos problemas relacionados con los juegos de azar.
Aunque algunos marcan sus inicios cuando Cardano (jugador donde los haya) escribi
sobre 1520 El Libro de los Juegos de Azar (aunque no fu publicado hasta ms de un siglo
despus, sobre 1660) no es hasta dicha fecha que comienza a elaborarse una teora
aceptable sobre los juegos.

Christian Huygens conoci la correspondencia entre Blaise Pascal y Pierre Fermat

suscitada por el caballero De Mr, se plante el debate de determinar la probabilidad de
ganar una partida, y public (en 1657) el primer libro sobre probabilidad: De Ratiociniis in
Ludo Aleae, (Calculating in Games of Chance), un tratado sobre juegos de azar.Se aceptaba
como intuitivo el concepto de equiprobabilidad, se admita que la probabilidad de conseguir
un acontecimiento fuese igual al cociente entre

Durante el siglo XVIII, debido muy particularmente a la popularidad de los juegos de

azar, el clculo de probabilidades tuvo un notable desarrollo sobre la base de la anterior
definicin de probabilidad. Destacan en 1713 el teorema de Bernoulli y la distribucin
binomial, y en 1738 el primer caso particular estudiado por De Moivre , del teorema
central del lmite. En 1809 Gauss inici el estudio de la teora de errores y en 1810
Laplace, que haba considerado anteriormente el tema, complet el desarrollo de esta
teora. En 1812 Pierre Laplace public Thorie analytique des probabilits en el que
expone un anlisis matemtico sobre los juegos de azar.

A mediados del siglo XIX, un fraile agustino austraco, Gregor Mendel, inici el estudio
de la herencia, la gentica, con sus interesantes experimentos sobre el cruce de plantas de
diferentes caractersticas. Su obra, La matemtica de la Herencia, fue una de las primeras
aplicaciones importantes de la teora de probabilidad a las ciencias naturales

Desde los orgenes la principal dificultad para poder considerar la probabilidad como una
rama de la matemtica fue la elaboracin de una teora suficientemente precisa como para
que fuese aceptada como una forma de matemtica. A principios del siglo XX el
matemtico ruso Andrei Kolmogorov la defini de forma axiomtica y estableci las
bases para la moderna teora de la probabilidad que en la actualidad es parte de una teora
ms amplia como es la teora de la medida.

Definicin de probabilidad
La teora de la probabilidad es la parte de las matemticas que estudia los
fenmenos aleatorios estocsticos. Estos deben contraponerse a los fenmenos
determinsticos, los cuales son resultados nicos y/o previsibles de experimentos realizados
bajo las mismas condiciones determinadas, por ejemplo, si se calienta agua a 100 grados
Celsius a nivel del mar se obtendr vapor. Los fenmenos aleatorios, por el contrario, son
aquellos que se obtienen como resultado de experimentos realizados, otra vez, bajo las
mismas condiciones determinadas pero como resultado posible poseen un conjunto de
alternativas, por ejemplo, el lanzamiento de un dado o de una moneda. La teora de
probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que pueda
ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un
suceso es ms probable que otro.

Simbolismo
1. A, B, C=conjuntos.

2. a ,b ,c=elementos de conjuntos

3. U=unin de conjuntos

4. n=interseccin de conjuntos

5. A"= complemento de un conjunto

6. / =dado que

7. \ diferencia

8. <>=diferente de

9. ( )=Conjunto nulo o vacio

10. R= conjunto de los nmeros reales

11. N= conjunto de los nmeros naturales

12. C= conjunto de los nmeros complejos

13. n!= factorial de un numero entero positivo

14. Q= conjunto de los nmeros fraccionarios

15. I= conjunto de los nmeros irracionales

16. c= subconjuntos

{ }= yaves. Conjuntos vacos

Si A y B son dos subconjuntos de un conjunto S, los elementos que pertenecen a A, a B o a
ambos forman otro subconjunto de S llamado unin de A y B, escrito A U B.

Los elementos comunes a A y B forman un subconjunto de S denominado interseccin de A

y B, escrito A &cap B.

Si A y B no tienen ningn elemento comn se denominan conjuntos disjuntos ya que su

interseccin no tiene ningn elemento, y siendo conveniente representar esta interseccin
como otro conjunto, ste se denomina conjunto vaco o nulo y se representa con el smbolo
~.

Por ejemplo,

si A = {2, 4, 6}, B = {4, 6, 8, 10} y C = {10, 14, 16, 26}, entonces A U B = {2, 4, 6, 8, 10},
A U C = {2, 4, 6, 10, 14, 16, 26}, A n B = {4, 6} y A n C = ~.

Regla de la Adicin.
Los eventos compuestos se generan al aplicar las operaciones bsicas de los conjuntos a
los eventos simples. Las uniones, intersecciones y complementos de eventos son de inters
frecuente. La probabilidad de un evento compuesto a menudo puede obtenerse a partir de
las probabilidades de cada uno de los eventos que lo forman. En ocasiones, las operaciones
bsicas de los conjuntos tambin son tiles para determinar la probabilidad de un evento
compuesto.

Sea A y B cualquier suceso, entonces:

P(AUB) = P(A) + P(B) - P(AB)

En caso que los sucesos A y B sean mutuamente excluyentes, la suma ser:

P(AUB) = P(A) + P(B)

Regla de la multiplicacin
Si A y B son dos sucesos con P(B) > 0, entonces:

P(AB) = P(B)P(A|B)

Cuando dos sucesos son independientes, entonces P(A|B) = P(A) y P(A|B) = P(B), as, la
regla de la multiplicacin se simplifica.

Si A y B son sucesos independientes, entonces:

P(AB) = P(A)P(B)
En la mayora de los casos, la mejor manera de determinar si dos sucesos son
independientes es comprendiendo el proceso que los produce. He aqu algunos ejemplos:

Se tira dos veces un dado, es razonable creer, que el resultado de la segunda tirada
no se vea afectado por el resultado de la primera. Por tanto, conocer el resultado de
la primera tirada no ayuda a predecir el resultado de la segunda tirada. Las dos
tiradas son independientes.

Cierta reaccin qumica se realiza dos veces, utilizando equipos diferentes cada vez.
Es razonable creer que el producto de una reaccin no afectar la produccin de la
otra. En este caso los sucesos son independientes.

Los elementos de una muestra aleatoria se pueden tratar como independientes a

menos que la poblacin sea finita y la muestra consista de ms de 5% de la
poblacin.

Reglas de adicin y multiplicacin combinadas

Caso Especial: Sean A y B sucesos con P(A) > 0, P() > 0 y P(B) > 0. Entonces:

Caso General: Sean A1, ..., An sucesos mutuamente excluyentes y exhaustivos con P(Ai) > 0
para cada Ai. Sea B cualquier suceso con P(B) > 0. Entonces:

Experimento aleatorio
Es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede
presentar resultados diferentes, es decir, no se puede predecir o reproducir el resultado
exacto de cada experiencia particular. (Ej: Lanzamiento de un dado).

Este tipo de fenmeno es opuesto al fenmeno determinista, en el que conocer todos

los factores de un experimento nos hace predecir exactamente el resultado del mismo. Por
ejemplo, conociendo la altura desde la que se arroja un mvil es posible saber exactamente
el tiempo que tardar en llegar al suelo en condiciones de vaco.

Propiedades
 Es toda aquella situacin que debe llevarse a cabo para saber cul es el resultado. Un
experimento se dice aleatorio si verifica las siguientes condiciones:

Si los resultados se pueden contar se le llama experimento aleatorio numerable; y

si no se pueden contar, se le llama experimento aleatorio no numerable.

Si es posible conocer previamente todos los posibles resultados (el espacio muestral,
constituido por diferentes sucesos) o por lo menos nombrar al ltimo resultado se le
llama experimento aleatorio finito; y si no se puede nombrar al ltimo resultado, se
le llama experimento aleatorio infinito.

Es imposible predecir el resultado exacto del mismo antes de realizarlo.

A cada realizacin de un experimento se le llama experiencia o prueba

Definicin espacio muestral

Espacio muestral (E): es el conjunto de los diferentes resultados que pueden darse en un
experimento aleatorio.

Suceso: subconjunto del espacio muestral. Se representa con una letra mayscula, con sus
elementos entre llaves y separados por comas.

Operaciones con sucesos:

Unin: la unin de dos sucesos es el suceso que ocurre cuando se da uno de ellos.
Interseccin: la interseccin dos sucesos es el suceso que ocurre cuando se dan ambos a la
vez.

Tipos de sucesos:

Suceso Seguro: se tiene la certeza de que se producir porque contiene todos los
resultados posibles de la experiencia (coincide con el espacio muestral).

Suceso Imposible: se tiene la certeza de que nunca se puede presentar, ya que no tiene
elementos (es el conjunto vaco).

Suceso Contrario de A: es el que ocurre cuando no se da A; es su complementario

respecto al espacio muestral (A").

Suceso Elemental: es el que tiene un solo resultado, es un conjunto unitario.

 Sucesos incompatibles: la interseccin es conjunto vaco, es decir, no pueden los dos
sucesos darse al mismo tiempo.

Sucesos Compatibles: la interseccin de dos sucesos contiene algn elemento.

ESPACIO DISCRETO Y CONTINUO

Espacio muestral discreto: si contiene un nmero finito o infinito numerable de puntos

muestrales. Ejemplo: se tiene una urna con bolillas del 1 al 20. Se extrae una. S = { 1, 2, 3
, 20 } (finito)

Espacio muestral contnuo: si contiene una infinidad no numerable de puntos muestrales.

Ejemplo: su utiliza una balanza de precisin para pesar partculas metlicas. S= { X : 0 < X
< infinito )

Axiomas de Probabilidad
Sea un espacio muestral asociado a un experimento estadstico y A una lgebra .
Una funcin con dominio en y rango el intervalo

se llama medida de probabilidad o simplemente probabilidad si satisface

los siguientes axiomas:

P( A) es llamada la probabilidad del evento A. Observese que la definicin anterior

solamente expresa cales son las propiedades que tiene que cumplir una probabilidad,
pero no expresa como asignar las probabilidades especficas a los eventos.
Probabilidad Total
En muchas situaciones es posible que se conozca

que el espacio muestral est particionado por una coleccin de eventos ,

mutuamente excluyentes

La probabilidad de cada evento .

La probabilidad de ocurrencia de un evento cualquiera dado un evento de la particin

. Esto es,

Entonces es recomendable utilizar el llamado Teorema de probabilidad total para calcular la

probabilidad total de un evento cualquiera ,

Teorema

Sea un espacio muestral y , , una coleccin de eventos mutuamente

excluyentes tal que

para . Entonces para cualquier evento de ,

Demostracin

Considere el diagrama de Venn en la figura 1.

Se observa que el evento A es la

unin de los eventos mutuamente excluyentes,

es decir,

con base en la parte (c) de los axiomas de probabilidad se tiene que:

Utilizando la regla de multiplicacin. Se tiene que:

Esperanza matemtica
En estadstica la esperanza matemtica (tambin llamada esperanza, valor esperado,
media poblacional o media) de una variable aleatoria , es el nmero que formaliza
la idea de valor medio de un fenmeno aleatorio.

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la

probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Por
lo tanto, representa la cantidad media que se "espera" como resultado de un experimento
aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se
repite un elevado nmero de veces. Cabe decir que el valor que toma la esperanza
matemtica en algunos casos puede no ser "esperado" en el sentido ms general de la
palabra - el valor de la esperanza puede ser improbable o incluso imposible.

Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es

3,5. Podemos hacer el clculo

y cabe destacar que 3,5 no es un valor posible al rodar el dado. En este caso, en el que todos
los sucesos son de igual probabilidad, la esperanza es igual a la media aritmtica.