Professional Documents
Culture Documents
Si los resultados del experimento pueden ser distintos y no se sabe cul de ellos aparecer
al final, el experimento se llamar aleatorio o debido al azar, y los correspondientes
resultados se adjetivarn como aleatorios. Si el resultado es siempre el mismo diremos que
es cierto o seguro, denominndose el experimento que lo origina determinista.
1.2 EL AZAR
Hemos introducido el trmino aleatorio, o debido al azar, como elemento caracterizador al
referirnos a ciertos experimentos o resultados, siendo preciso aclarar qu debemos entender
en el Clculo de Probabilidades y de la Estadstica por los trminos aleatorio o azar.
El trmino azar, o aleatorio, es ambiguo por tener distintas acepciones que, de una u otra
manera, reflejan situaciones diferentes. Siguiendo a Nagel distinguimos cinco sentidos de
estos trminos.
La segunda acepcin de azar se predica de un suceso en otro sentido: o bien cuando hay
una ignorancia prcticamente completa acerca de las condiciones determinantes del suceso,
o bien cuando se sabe que estas condiciones pertenecen a alguna clase de tipos alternativos
de condiciones, pero no se sabe a cul de los tipos particulares de esta clase pertenece.
Hasta hace muy poco el tiempo atmosfrico era considerado comnmente como una
cuestin de azar.
Como tercera acepcin tenemos que en los anlisis histricos y sociolgicos se dice
comnmente que nn suceso es un hecho de azar si aparece en la interseccin de dos series
causales independientes. Supongamos, por ejemplo, que un hombre deja su casa para ir a
comprar tabaco, y al salir se le cae encima un ladrillo proviniente del techo de un edificio.
Se dice entonces que el infortunio del hombre es un hecho de azar, no porque no est
causado (en realidad, la descripcin misma del hecho indica la causa), sino porque se
produce en la juntura de dos secuencias causales independientes, una que termina en la
situacin del hombre junto al edificio en un instante dado y otra que termina con el
movimiento del ladrillo en ese instante. Por consiguiente, se alega que el dao del hombre
es fortuito o accidental.
De las cinco formas en que podemos utilizar el trmino azar, segn Na-gel, la segunda es la
que ms se cie a la materia que nos ocupa: el Clculo de Probabilidades y la Estadstica,
por lo cual ser la que tomaremos en consideracin, pero bajo la formulacin de Popper
ms precisa, a nuestro juicio, que la de Nagel: los eventos aleatorios se caracterizan, al
parecer, por un tipo peculiar de incalculabilidad que le predispone a uno a creertras gran
nmero de tentativas infructuosasque todos los mtodos racionales conocidos de
prediccin han de fallar cuando aquellos se presentan: tenemos algo as como la sospecha
de que no es un cientfico quien podra predecirlos, sino nicamente un profeta.
1.3 LA PROBABILIDAD
La imposibilidad de conocer de antemano el resultado en los experimentos aleatorios
genera incertidumbre en el experimentador. La intensidad de esta in-certidumbre no tiene
por qu ser igual de unos experimentos a otros, ni en un mismo experimento de unos
resultados a otros. As, cuando jugamos con un dado perfecto es indiferente apostar a uno
cualquiera de los seis posibles nmeros que contiene, por ser razonable suponer que ante la
salida de cualquier nmero la incertidumbre, o su contraria la certidumbre, es la misma.
Ahora bien, si el dado tiene marcados cinco unos y un dos no es indiferente apostar al uno o
al dos, pues parece ms fcil ganar si apostamos al uno que al dos. De todo ello se deduce
la conveniencia, necesidad, de medir, cuantificar, la incertidumbre, o la certidumbre, que
tenemos sobre el resultado de un experimento aleatorio, y esta medicin se lleva a cabo a
travs de la probabilidad.
El trmino probabilidad, como el de azar, es utilizado de mltiples maneras. Con todas ellas
podemos establecer dos grupos de enunciados a los que se aplica el trmino probabilidad,
conducentes a dos concepciones distintas de la probabilidad: la cientfica (donde la
probabilidad puede expresarse numricamente) y la lgica, o de hiptesis que no puede
medirse. En el primer grupo tenemos enunciados como: probabilidad de obtener el nmero
seis al arrojar un dado, probabilidad que una persona de 20 aos fallezca antes de cumplir
los 25, probabilidad que un material radiactivo se destintegre en cierta proporcin en un
tiempo dado, etc. El segundo grupo integra los enunciados del tipo: probabilidad de que El
Quijote no lo haya escrito la persona conocida como Cervantes, etc. En todo lo que sigue
nos ocuparemos solamente de los enunciados del primer tipo, en los que la probabilidad
puede expresarse numricamente.
1.4 SUCESOS
Denominaremos espacio muestral, o de los comportamientos, al conjunto de todos los
posibles resultados de un experimento aleatorio, Zs, llamando a Pgina 31 | Inicio del
artculocada uno de sus elementos integrantes suceso elemental. La composicin del
espacio muestral depende del experimento concreto que se lleve a cabo. Si el experimento
consiste, por ejemplo, en la cara que queda arriba al arrojar una moneda una sola vez el
espacio muestral, E, es el conjunto {c, +}; si la moneda se arroja dos veces el espacio
muestral es {ce, c+, +c, + +}, si tres veces {ecc, cc+, c+c, +cc, c + +, +c+, ++c, + + + }, etc.
Si el nico resultado que interesa del experimento, entre todos los posibles, es el mismo
espacio muestral E, estamos ante el suceso cierto o seguro: si al arrojar un dado esperamos
que resulte cualquier nmero entero entre los seis primeros, el suceso es cierto; si el
resultado deseado es no obtener ningn suceso contenido en atenemos el suceso imposible,
al arrojar el dado no puede salir ningn nmero distinto de (1,2,3,4,5,6).
En las operaciones con sucesos es til el recurso a los diagramas de Venn por permitir
visualizar, con claridad, operaciones complicadas. No obstante, es preciso tener presente
que semejante proceder no supone demostracin alguna sino, nicamente, visualizacin del
resultado de la operacin que se est realizando.
Dados n sucesos S1, Sn, la operacin unin de ellos es otro suceso constituido
por los elementos comunes y no comunes a los sucesos S1 Sn. Es decir, un suceso que
aparece cuando tiene lugar S1 o S2 o o Sn.
Si tenemos dos sucesos y uno de ellos es el espacio muestral (S, E), la interseccin de
ambos es el suceso S, S E = S; tambin se verifica que . Como en
la operacin unin la interseccin se generaliza a infinitos sucesos. En el diagrama de Venn
se aprecia la interseccin de los sucesos S1 y S2
EJEMPLO Con el mismo ejemplo que para la unin, la interseccin de los sucesos A y B
es A B = {3,4}.
Cuando dos sucesos no tienen ningn elemento comn, su interseccin es igual al suceso
vaco (S1 S2 = ) y diremos, entonces, que los sucesos son disjuntos o incompatibles. Si
Conmutativa
Asociativa
Distributiva
1.5.4. DIFERENCIA DE SUCESOS
Dados dos sucesos S1 y S2, la operacin diferencia (S1S2) es el suceso integrado por los
elementos de S1 que no pertenecen a S2. Es decir, el suceso que tiene lugar cuando sucede
S1 y no sucede S2.
La unin de las dos diferencias, (S1 S2) (S2S1), se denomina diferencia simtrica de
los sucesos S1 y S2, y se representa por S1 S2, siendo el suceso que tiene lugar cuando un
elemento de S1 no pertenece a S2 o un elemento de S2 no pertenece a S2.
Si S1 y S2 son disjuntos S1S2 =
Leyes de Morgan
Durante la segunda mitad del siglo XVII se inician los primeros intentos cientficos de
medir la probabilidad de un suceso (Pascal, Fermat, Huygens, Bernoulli, Leibniz, etc.),
pero es con Laplace en 1812 cuando, con su definicin de probabilidad conocida como
clsica, comienza el definitivo arranque del Clculo de Probabilidades.
P(S) 1. El nmero de casos favorables nunca puede ser mayor que el nmero total de
casos, a lo sumo igual.
Estas dos propiedades conducen a que la probabilidad de un suceso est acotada, 0 P(S)
1.
EJEMPLO Sea el experimento aleatorio consistente en arrojar un dado solamente una vez
y el suceso de inters obtener nmero par. En el experimento el espacio muestral est
integrado por los seis primeros nmeros enteros, E= (1,2,3,4,5,6). El suceso
Pgina 39 | Inicio del artculoconcreto, que denominaremos S, es un suceso compuesto,
S= {nmero par)== {2,4,6}, es decir, obtenido siempre que al arrojar el dado el nmero
resultante sea 2 o 4 o 6. Planteado as el experimento, el nmero total de casos que pueden
darse es seis, {1,2, 3,4, 5,6}, y el de favorables tres, {2,4,6}. Si suponemos que utilizamos
un dado ideal (por lo cual todos los elementos del espacio muestral {1,2, 3,4,5,6} son
igualmente posibles, ninguno se manifiesta con ms o menos intensidad que los otros), la
teora clsica define la probabilidad del suceso S, P(S), como el cociente del nmero de
casos favorables, tres, respecto al del nmero total de casos posibles, seis,
El resultado 1/2, es la probabilidad buscada, indicando que de cada dos casos uno puede ser
nmero par. Es importante tener presente que el resultado no dice que siempre que se lance
un dado dos veces una de ellas ser necesariamente nmero par, sino que debemos
interpretar 1/2, en el sentido que en una larga serie de tiradas aproximadamente la mitad de
ellas ser par o, dicho de otro modo, que la probabilidad que en la tirada siguiente salga
nmero par es 1/2.
La probabilidad clsica requiere que todos los casos sean igualmente posibles (principio de
razn insuficiente). La exigencia de que los sucesos sean igualmente posibles es lo mismo
que predicar su equiprobabilidad y supone Pgina 40 | Inicio del artculola introduccin
de una circularidad en la definicin, es decir, hacer aparecer el definido en la definicin.
Por otra parte, el recurso al principio de razn insuficiente para establecer la
equiprobabilidad de los sucesos implica, en ltima instancia, adoptar una postura activa
frente a la ignorancia.
Si tenemos un dado cargado, por ejemplo con tendencia a salir ms veces el nmero 1, la
teora clsica no puede aplicarse al clculo de probabilidades de sucesos derivados de este
dado. Resulta evidente que dada la dificultad de determinar o aceptar la existencia de casos
igualmente posibles, este concepto de probabilidad slo es aplicable a situaciones ideales;
sin embargo, es fcil encontrar casos reales donde razonablemente pueda recurrirse a este
supuesto ideal sin cometer, en la prctica, errores considerables.
La probabilidad clsica supone que el nmero de casos totales (posibles) sea finito, lo que
implica otra limitacin de su campo de aplicabilidad.
Otra situacin para la cual la teora clsica no tiene respuesta es, por ejemplo, el clculo de
la probabilidad de que el nio que nazca en el ltimo instante del aflo sea varn.
Por todo ello, al identificar la probabilidad de un suceso con el valor tomado en el lmite
por la frecuencia relativa se admite que
La aplicacin del lmite matemtico implica una sucesin que por definicin no es
aleatoria, pues en sta nunca sabemos con certeza cul ser el trmino siguiente a uno dado,
mientras que en la sucesin matemtica los trminos siguen una ley inexorable, bastando
conocer el trmino general para que todo trmino de la sucesin quede perfectamente
establecido.
Por todo ello, si bien la teora frecuentista es, en la prctica, la nica uti-lizable a la hora de
estimar probabilidades de sucesos repetitivos, no lo es en el desarrollo matemtico de la
teora de la probabilidad.
Un modelo matemtico es una abstraccin de las relaciones que tienen lugar en el mundo
real entre objetos reales, trasladando estos objetos reales a objetos ideales (matemticos) y
las relaciones entre objetos reales a relaciones entre los objetos ideales. Los axiomas son
proposiciones asumidas como ciertas y no demostradas dentro del marco de una teora
concreta. Las restantes proposiciones de la teora son deducidas de modo puramente lgico
a partir de los axiomas adoptados. En la evolucin de la ciencia matemtica, la formulacin
de axiomas, es decir, supuestos fundamentales, a partir de los cuales se desarrolla una teora
extensiva no constituye una etapa inicial; por el contrario, es el resultado de un prolongado
periodo de acumulacin de hechos y anlisis lgicos de los resultados obtenidos, con el
nimo de clarificar los hechos primarios bsicos (Gnedenko).
{}
{1,2,3,4}.
El significado de estos sucesos es claro, por ejemplo, {3} indica que el resultado del
experimento sea el nmero 3, {2, 4} que salga nmero par, {2, 3, 4} no obtener el nmero
1, {} que no resulte ningn nmero (suceso imposible), {1, 2, 3, 4} que salga cualquier
nmero (suceso cierto), etc.
La coleccin de sucesos que cumple las tres condiciones se denomina lgebra de Boole,
siendo extendible a un nmero finito de sucesos, sin ms que reiterar las operaciones de
unin e interseccin.
Mediante dos ejemplos de espacio probabilizable (E, ) podemos apreciar con claridad la
formacin de una a-lgebra Q de sucesos a partir de los Pgina 47 | Inicio del
artculoelementos del espacio muestra E. En el primer caso tenemos el espacio muestra E =
{ 1,2, 3} y como -lgebra de inters la -lgebra completa que puede generarse desde
l.
Axioma 2. P(E) = 1.
Axioma 3. Dada una sucesin numerable de sucesos Si Sn , disjuntos dos a dos, Si Sj
= , se verifica que
Ampliamos el doble ejemplo de espacio probabilizable (E, ) para disponer del espacio de
probabilidad (E , P).
En el primer caso, probabilizamos (E, ) suponiendo que P(l) = 3/12, P(2) = 4/12 y P (3) =
5/12.
El 3.er Axioma se refiere a una sucesin numerable de sucesos disjuntos dos a dos. Ahora
bien, en el mundo real no existe el infinito sino finitos tan grandes como deseemos, pero
siempre finitos. Ante sto, es preciso trasladarse al mundo real y calcular la probabilidad de
la unin de un nmero finito de sucesos disjuntos dos a dos (teorema 2).
El teorema 2 presenta un fuerte limitacin: los sucesos involucrados en l son disjuntos dos
a dos. Evidentemente esta situacin es perfectamente concebible en la prctica, pero
tambin lo es la existencia de sucesos que no son disjuntos. A este problema responde el
teorema 3.
Hemos visto que la certidumbre que tenemos ante un suceso aleatorio puede ser mayor,
menor o igual que la de otro, pero no siempre igual. Esto supone que la probabilidad debe
responder al mismo esquema, demostrndose en el teorema 4.
La experiencia acumulada por las teoras clsica y frecuentista, dice que la probabilidad
est acotada, 0 P(S) 1. El Axioma 1 expone que la probabilidad Pgina 50 | Inicio del
artculono puede ser negativa (P(S) 0), cosa razonable; por otro lado, el Axioma 2
establece que la probabilidad del suceso cierto es la unidad, P(E) = 1, siendo preciso
demostrar que el planteamiento axiomtico, para ser coherente con la realidad que pretende
modelizar, admite la acotacin (teorema 5).
Por ltimo, entre los sucesos integrantes de la a-lgebra aparece el suceso complementario
de otro por lo que es necesario obtener su probabilidad (teorema 6).
Sea una sucesin numerable de sucesos disjuntos S1 , Sn , iguales todos ellos al suceso
verificar que es decir, la suma de infinitas veces una cantidad debe ser
igual a esa cantidad, y sto slo es posible si P() = 0.
Consideremos la sucesin numerable Si Sn, Sn+1, Sn+2, , siendo los sucesos Sn+1 = =
segn el tercer Axioma
EJEMPLO Un dado est construido de tal forma que las probabilidades de sus
puntuaciones son P(l) = 0,1, P(2) = 0,2, P(3) = 0,3, P(4) = 0,01, P(5) = 0,02, P(6) = 0,37.
Calculamos la probabilidad que al arrojar el dado una vez el nmero sea par. El suceso
(par) tiene lugar cuando la puntuacin es 2 o 4 o 6, es decir, la unin de estos tres sucesos
disjuntos, por lo cual,
Como primer paso para la demostracin del teorema descomponemos el suceso unin de la
siguiente manera
siendo disjuntos los tres sucesos del segundo miembro y, por el segundo teorema,
El suceso S1 tiene lugar si aparecen los sucesos , es decir,
se deduce que
De manera anloga,
y por el teorema 2
Todo suceso S est contenido en el espacio muestral E, S E, por el teorema 4 P(S) P(E)
y, en virtud del Axioma 2, P(E) = 1, llegndose a que P(S) .
La importancia de este teorema radica en que, junto con el Axioma 1, acota la probabilidad
de un suceso, 0 P(S) 1, conclusin acorde con las teoras clsica y frecuentista.
Supongamos que tenemos un dado ideal. La probabilidad de obtener una puntuacin igual a
2 es 1/6, por ser uno el nmero de caras favorables y seis el de posibles. Si sabemos que la
puntuacin salida es par, la probabilidad que resulte el 2 es igual a 1/3, por ser el nmero de
caras favorables uno (el 2) y el de posibles tres (2,4,6).
Hemos visto que la consecuencia que tiene disponer de la informacin proporcionada por el
conocimiento de la presencia del suceso S, radica en la modificacin del espacio muestral
E, dando lugar a un nuevo espacio muestral Es = E S = S. Este espacio muestral genera, a
su vez, una nueva a-lgebra fis = s = S y teniendo, por ltimo, una nueva
probabilidad sobre s, que denominaremos Ps, el espacio de probabilidad resultante es (S,
s, Ps), siempre que P(S) > 0.
La expresin P(S1/S) es la definicin de algo que pretendemos sea una probabilidad y para
que efectivamente sea una probabilidad debe cumplir los tres axiomas de Kolmogorov:
Axioma 1. P(S1/S) 0.
Axioma 2. P(E/S) = 1.
Axioma 3. Dada una sucesin numerable de sucesos S1/S,, Sn/S, disjuntos dos a dos,
, se verifica que
luego,
La definicin de probabilidad condicional se extiende, fcilmente, a ms de dos sucesos.
Por ejemplo para tres, S1, S2 y S3, podemos establecer los siguientes casos condicionales:
adems de {S1/S2}, {S1S3}, etc.
operando
Dados un suceso A y n sucesos, S1, , Sn, disjuntos dos a dos, tales que
resultando
Sean n sucesos Si, P(Si) > disjuntos dos a dos, otro suceso A, P(A) > 0, tal que
(no disjuntos) y siendo conocidas lasprobabilidades de {A/Si). Se verifica
resultando
Para contestar a esta pregunta debemos diferenciar los dos procedimientos de extraccin:
con reemplazamiento y sin reemplazamiento. La extraccin es con reemplazamiento
cuando obtenida una bola vuelve a la bolsa, y sin reemplazamiento cuando queda fuera.
Analicemos las consecuencias de seguir una u otra forma de extraccin en el clculo de la
probabilidad buscada.
En resumen, en cualquiera de estos dos ltimos casos, cuando la extraccin se realiza sin
reemplazamiento, la probabilidad de obtener bola blanca (7/9 u 8/9) es distinta de la
calculada cuando hay reemplazamiento (8/10), concluyendo que el procedimiento de
extraccin conduce a que las probabilidades sean distintas. En esta situacin, decimos que
en la extraccin con reemplazamiento los sucesos considerados son independientes y en el
segundo (sin reemplazamiento) no son independientes, son condicionados, la primera
extraccin condiciona, modifica, la probabilidad de la segunda.
Pasando del ejemplo a la exposicin general, cuando un suceso Sx est condicionado por
otro suceso S la probabilidad del primero depende de que haya tenido lugar el segundo que,
en trminos de probabilidad condicional, podemos expresarla como P(S1) P(S1/S),
siempre que P(S) > 0; por el contrario, si el suceso Sj no est condicionado por el suceso S
la probabilidad de S1 no depender de que haya tenido lugar S y diremos que los dos
Pgina 62 | Inicio del artculosucesos son independientes, verificndose que P(S1) =
P(S1/S), al no influir S. En estas circunstancias
por tanto,
condicin que deben cumplir los dos sucesos para ser independientes, as como la inversa,
esto es, si dos sucesos son independientes se verificar
ya que entonces
EJEMPLO
SOLUCIN
1 2 3 4 5 6
cara (c) c1 c2 c3 c4 c5 c6
cruz (+) +1 +2 +3 +4 +5 +6
Pgina 63 | Inicio del artculo
El suceso {2}, por ejemplo, es igual a {c2} U {+2}, siendo estos dos sucesos disjuntos, por
lo que P(2)=P(c2) + P(+2)=2/12=1/6. Si calculamos la probabilidad del suceso
condicionado
verificndose que P(2)=P(2/c). Si repetimos el clculo para todos los posibles sucesos
vemos que se verifica la independencia de las puntuaciones de la moneda y el dado.
En el caso de tres sucesos (Sl, S2 y S3) para que sean mutuamente (o simultneamente)
independientes la condicin es ms compleja, pues han de cumplirse las cuatro siguientes:
EJEMPLO
p(A1 = P(A2)=P(A3)=3/9=1/3.
Consideramos, ahora, las probabilidades de las tres posibles intersecciones dos a dos de los
tres sucesos A1, A2 y A3:
Las probabilidades son
resultado que indica que los tres sucesos A1 A2 y A3 son independientes dos a dos.
mintras que
El suceso
siendo los dos sucesos del primer miembro disjuntos, por tanto,
son independientes
Sin embargo, para los que introducen y defienden el punto de vista logicis-ta de la
probabilidad, entre los que cabra destacar a Keynes (1921), Jeffreys (1939) y Carnap
(1969), la probabilidad es un elemento propio del metalen-guaje de la Ciencia, es decir, la
probabilidad es una parte de la Lgica.
Segn los logicistas, la probabilidad como grado de creencia racional asociado a cada
proposicin o grupo de proposiciones, es una consecuencia que se desprende del diferente
grado de implicacin que pueda establecerse entre grupos de proposiciones o enunciados.
La probabilidad est directamente relacionada con el cuerpo de evidencia existente,
pudiendo variar con ste, de manera que los trminos cierto y probable describen
diversos grados de creencia racional en una proposicin, aunque a posteriori, la evidencia
har que las proposiciones sean simplemente verdaderas o falsas.
A2 Pluto es un perro
En este caso, las premisas A1 y A2 llevan necesariamente, es decir, con absoluta certeza, a la
conclusin B9 por lo que, el grado de implicacin entre ellas ser total. En este caso, los
logicistas dicen que la probabilidad lgica es igual a la unidad, pues otorgan el mismo
campo de variacin a su medida de probabilidad (0 P 1), asimilando P = 1 con la
situacin de certeza.
Pero hay muchos otros casos, en nuestras construcciones lgicas, donde el grado de
implicacin no toma ninguno de estos dos valores extremos, sino que se sita en algn
punto del continuo que existe entre cero y uno.
Bajo este enfoque, el concepto de probabilidad hace referencia a la impresin que cada
persona tiene acerca de la posible ocurrencia o no de un suceso en un momento concreto; es
decir, la probabilidad subjetiva, tambin llamada personalista, no es una propiedad fsica
de los fenmenos, sino que expresa el grado de creencia personal que cada individuo
tiene acerca del resultado de un fenmeno aleatorio, estando relacionada con las
preferencias que ese individuo tenga, en cada momento, entre las diferentes alternativas
posibles que se le puedan presentar y con la experiencia personal que haya acumulado, la
cual, indudablemente, afectar al modo de valorar cualquier situacin.
Veamos ahora las implicaciones que se derivan del principio de racionalidad o coherencia:
Supongamos tres sucesos Sl S2 y S3, disjuntos entre s, tales que su unin sea el espacio
muestral formando, pues, una particin de este espacio, es decir:
En principio, supongamos que las probabilidades subjetivas para cada suceso, aplicando el
principio de coherencia, son:
Definamos ahora como ganancia de un suceso lo que se obtendra como resultado de que
ese suceso se diera, es decir:
Ganancia (Si)= Premio (Si)(conjunto de apuestas que el individuo realiza sobre cada
suceso posible)
Por tanto, para los distintos sucesos del espacio E que consideramos, tendremos:
es decir
pues la condicin [2] hace que el primer factor del segundo miembro de esta igualdad sea
no teniendo sentido la solucin trivial g(S) = 0 en las tres apuestas, puesto que en todo
juego alguien ganar (o perder) pero no ocurrir que nadie gane nada.
Si un espacio muestral E est formado por tres sucesos Sl, S2 y S3, tales que
siendo los sucesos disjuntos, la condicin necesaria y suficiente de
racionalidad o coherencia lleva, como vimos, a que:
y aplicada a los sucesos supondra que
Por ltimo, recordemos que para los subjetivistas, el grado de creencia personal o
probabilidad subjetiva est estrechamente relacionado con la experiencia que cada
individuo haya acumulado o de la informacin de que disponga, y que estos grados de
creencia pueden modificarse y variar la valoracin de la probabilidad de un determinado
suceso.
donde P(S/) es la probabilidad a priori del suceso Si, y P(Si/A) la probabilidad a posteriori,
siendo P(A/S) la verosimilitud que implica la informacin A bajo la condicin de que
aconteciera el suceso S.
donde
SOLUCION
Ejercicio 1.2
SOLUCIN
En efecto,
y por tanto,
y haciendo a = b = 1
con lo que
Ejercicio 1.3
(a) El valor de k para que la ley definida sea una verdadera ley de probabilidad.
SOLUCIN
luego
Ejercicio 1.4
Se sabe que
SOLUCIN
(b) Anlogamente
El suceso B se pueden formar por la unin de los dos siguientes sucesos disjuntos
con lo que
y, por tanto,
entonces
Tambin podramos haber tenido en cuenta que los sucesos A/B y A*/B son
complementarios con lo cual
Ejercicio 1.5
En efecto
Ejercicio 1.6
Cuatro ases.
Cuatro cartas iguales.
Las cuatro cartas de igual palo.
Al menos una sota.
SOLUCIN
Como se supone que la baraja es perfecta podemos aplicar la teora clsica. El nmero de
casos favorables es 1, pues slo hay cuatro ases en la baraja. El nmero total de casos es el
de combinaciones de 40 cartas tomadas de 4 en 4, C40,4, cifra igual a 91390, por lo cual
En la baraja de 40 cartas hay 10 tipos de cartas distintas por lo cual el suceso {cuatro cartas
iguales) se puede presentar de 10 formas (nmero de casos favorables). El nmero total de
casos es el mismo del apartado anterior (91 390), y la probabilidad resulta
En una baraja hay 4 palos. Con 10 cartas de cada palo se pueden formar C10 > 4=210
grupos de cuatro cartas, al haber cuatro palos en la baraja el nmero de cuatro cartas de
igual palo es 4 210=840 y, como el nmero total de casos es 91 390, la probabilidad
buscada es igual a
El suceso {al menos una sota) tiene lugar cuando en las cuatro cartas hay
P(al menos una sota)=P(l sota) + P(2 sotas) + P(3 sotas) + P(4 sotas).
Calculamos, a continuacin, cada una de las cuatro probabilidades del segundo miembro de
la igualdad anterior.
P(l sota)
Para que haya 1 sota entre las cuatro cartas las otras tres no pueden ser sotas y, por tanto,
habr que tener en cuenta todos los grupos de tres cartas de entre las 36 restantes (36 por
haberse excluido de las 40 cartas las 4 sotas), nmero igual a C36,3=7 140 grupos. Como
hay 4 sotas se pueden formar 4 7 140=28 560 grupos de 4 cartas con 1 sota, y la
probabilidad del suceso {1 sota)
P(2 sotas)
Si tienen que figurar dos sotas las otras dos cartas no pueden serlo, por lo que tendr que
ser uno de los grupos de 2 cartas que pueden formarse con 36, excluyendo las cuatro sotas:
C362=630. Con 4 sotas hay C4 > 2=6 parejas distintas, y el nmero de casos favorables
resulta 6 630=3 780, por lo cual,
P(3 sotas)
Al deber figurar en las cuatro cartas, tres sotas, la cuarta carta ha de ser distinta de ellas, es
decir, cualquiera de las 36 restantes (pues se excluyen las sotas), y como se pueden formar
C43=4 grupos de 3 sotas, el nmero de caso favorables es 4 36=144, y la probabilidad de
3 sotas resulta
P(4 sotas)
Por todo lo anterior, la probabilidad del suceso {al menos una sota} es la suma de las cuatro
probabilidades halladas
Podemos calcular, de manera ms breve, la probabilidad planteada recurriendo al suceso
complementario de (al menos una sota}, que es [ninguna sota). El nmero de grupos de
cuatro cartas en los que no aparece ninguna sota {casos favorables} es C35,4=58905,
concluyendo que
Ejercicio 1.7
SOLUCIN
Sabemos que siendo disjuntos los dos sucesos del primer miembro, por
lo cual
Ejercicio 1.8
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 probabilidad de 1/2 de obtener
al menos un seis doble?
SOLUCIN
Por tanto,
El nmero de lanzamientos que habr que realizar para tener una probabilidad igual a 1/2
de obtener al menos un seis doble se calcula de la ecuacin
Operando
que aproximamos por
n=25.
Ejercicio 1.9
Tenemos dos bolsas, la primera con 10 bolas, 7 blancas y 3 negras, la segunda con 9
bolas, 3 blancas y 6 negras.
Se extrae al azar una bola de la primera bolsa y se pasa a la segunda. De esta bolsa,
tambin al azar, se saca una bola, calclese la probabilidad que esta bola sea blanca.
SOLUCIISh
En el diagrama se aprecia que hay dos caminos para obtener bola blanca en la segunda
extraccin, caminos que hay que tener en cuenta a la hora de calcular la probabilidad, pues
al final del experimento se puede llegar por uno u otro, sin saber de antemano cul tendr
lugar.
pues se puede llegar a [b2] a travs de dos sucesos disjuntos, los del segundo miembro de la
igualdad, siendo su probabilidad
Ejercicio 1.10
Sean tres urnas con las siguientes composiciones de bolas blancas y negras:
Calclense:
SOLUCIN
(a) Suponemos inicialmente, puesto que nada indica lo contrario, que las tres urnas son
equiprobables:
donde P(negra) se puede determinar, como antes en el caso de bola blanca, por el teorema
de la probabilidad total y, por tanto,
p(negra)=1-p(blanca)=
Ejercicio 1.11
Si huye por la calle A le atrapan seguro puesto que el final de la misma est cortado
por otra patrulla de la polica. Si huye por la calle C se escapa seguro puesto que no
est vigilada. Si huye por la calle B se encuentra con que est cortada y que se bifurca
en dos callejuelas: la BA, que conduce a la calle A y la BC que lleva a la calle C.
Calclese:
SOLUCIN
+ P(C) P(atraparle/C) =
(b)
ya que
Ejercicio 1.12
Un alumno entra en la Facultad y, como las tres fotocopiadoras estn libres, elige una
al azar. Al llegar a clase observa que una fotocopia es defectuosa. Cul es la
probabilidad de que fuera hecha en la mquina B?
SOLUCION
El suceso {obtener una fotocopia defectuosa) puede darse bajo tres alternativas: {haber sido
hecha en la mquina A}, {haber sido hecha en la mquina B} o { haber sido hecha en la
mquina C], y la probabilidad pedida es la probabilidad de que, sabiendo que una fotocopia
result defectuosa, fuese realizada en la mquina B, segunda alternativa. Por el Teorema de
Bayes, sabemos que
donde la probabilidad de obtener una fotocopia defectuosa se puede expresar, por el
teorema de la probabilidad total, como
+ P(C) P(defectuosa/C) =
Por tanto,
Ejercicio 1.13
De tres sucesos A, B y C se sabe que son mutuamente independientes y que P(A) = 0,8,
P(B) = 0,7 y P(C)= 0,6. Calclense las probabilidades de los siguiente sucesos:
SOLUCIN
La tercera probabilidad es
llegando a que
Podamos haber llegado a este resultado teniendo en cuenta que los sucesos A, B* y C* son
independientes, por lo cual,
Ejercicio 1.14
SOLUCIN
Ejercicio 1.15
Una persona acepta una apuesta del orden de 10 a 3 sobre la posibilidad de ganar un
pgil en un combate de boxeo.
SOLUCIN
Este tipo de relaciones se denomina ventaja relativa, ventaja, en ingls odd, pudindose
derivar de manera inmediata la probabilidad asociada al suceso en cuestin.
y la probabilidad asociada:
Por tanto, en este caso, la probabilidad que el apostante est asignando a su posibilidad de
ganar al aceptar la apuesta es:
Ejercicio 1.16,
Cada taba tiene cuatro caras, dos anchas y dos estrechas numeradas del 1 al 4, cuyas
probabilidades eran:
La jugada perro consista en obtener dos caras anchas del tipo 1, en la tirada de
cuatro tabas. La jugada Venus, que era considerada como la menos probable, se
lograba cuando en las cuatro tabas aparecan las cuatro caras diferentes.
SOLUCIN
La probabilidad de sacar dos caras cualesquiera de los tipos 2, 3 o 4 en dos tabas es igual a
la siguiente:
Con este suceso se perda pues suponan que era el ms probable. Comprobemos que los
romanos tenan razn: si comparamos esta probabilidad con las de las secuencias:
el resto de situaciones son menos probables, ya que a1 no intervenir C1, suceso de mayor
probabilidad, los resultados de los clculos de las probabilidades en cuatro tabas sern
todava menores.
El cociente del nmero de casos favorables entre los posibles en la teora clsica es, en
ltima instancia, la frecuencia relativa de los casos favorables, por lo cual podra inducir a
pensar, errneamente, que la teora frecuentista no es ms que una variante de la clsica.
Sin embargo, la diferencia fundamental que existe entre ellas es que en la teora clsica se
supone que todos los casos son equiposibles, mientras que en la frecuentista no se establece
ningn supuesto, pudindose aplicar a cualquier situacin repetitiva.
Con este planteamiento seguimos el ejemplo, muy ilustrativo, utilizado por SPANOS.
-lgebra
o 1: 46
o 1: 95
Aleatorio
o 1: 5
o 1: 27
o 1: 28
lgebra
o de Boole
1: 46
o de sucesos
1: 45
Axiomtica
o del clculo de probabilidades
1: 44
o de Kolmogorov
1: 47
Azar
o 1: 5
o 1: 28
o Ley del
1: 45
1: 50
BAYES
o 1: 19
o 1: 68
o Teorema de
1: 59
BERNOULLI
o 1: 11
o 1: 16
o 1: 18
o 1: 22
o 1: 68
o 1: 203
CARNAP
o 1: 66
Colectivo
o 1: 42
Conjunto vaco
o 1: 32
Definicin
o frecuentista de la probabilidad
1: 41
Determinista
o 1: 27
Diagrama(s) de Venn
o 1: 32
Diferencia
o simtrica
1: 35
de sucesos
1: 34
Equiprobabilidad
o 1: 39
Espacio
o de los comportamientos
1: 30
o medible
1: 46
1: 96
o muestral
1: 30
1: 95
o de probabilidad
1: 48
o probabilizable
1: 46
1: 96
Estabilidad de las frecuencias
o 1: 40
Estadstica
o bayesiana
1: 73
Experimento
o 1: 27
o aleatorio
1: 27
o determinista
1: 27
Extraccin
o con reemplazamiento
1: 61
o sin reemplazamiento
1: 61
Fenmeno
o de masa
1: 42
Frecuencias, estabilidad de las
o 1: 40
Grado
o de creencia
personal
1: 68
racional
1: 66
o de implicacin
1: 66
Hiptesis, probabilidades de las
o 1: 59
o 1: 60
Incertidumbre
o 1: 2
o 1: 5
o 1: 30
Independencia
o de sucesos
1: 60
Intercambiabilidad
o 1: 69
Interseccin de sucesos
o 1: 33
JEFFREYS
o 1: 23
o 1: 66
KEYNES
o 1: 17
o 1: 23
o 1: 66
KOLMOGOROV
o 1: 11
o 1: 23
o 1: 44
LAPLACE
o 1: 21
o 1: 68
o 1: 203
o 1: 396
o 1: 525
Ley(es)
o del azar
1: 45
1: 50
o de Morgan
1: 35
Objetividad de la probabilidad
o 1: 40
Particin
o 1: 34
Principio(s)
o de aleatoriedad
1: 42
o de coherencia
1: 69
o de consistencia
1: 69
o de existencia del lmite
1: 42
o de indiferencia
1: 67
o de razn insuficiente
1: 39
1: 67
o de racionalidad
1: 69
Probabilidad(es)
o 1: 3
o 1: 5
o 1: 30
o Axiomtica del clculo de
1: 44
o cientfica
1: 30
o clsica
1: 37
o condicional
1: 20
1: 54
o definicin frecuentista de la
1: 41
o espacio de
1: 48
o frecuentista
1: 40
o de las hiptesis
1: 30
1: 59
1: 60
o lgica
1: 17
1: 30
1: 66
o objetividad de la
1: 40
o personalista
1: 68
o a posteriori
1: 60
o a priori
1: 60
o subjetiva
1: 17
1: 68
o total, Teorema de la
1: 58
o verosimilitud
1: 60
RAMSEY
o 1: 23
o 1: 68
Razn insuficiente
o Principio de
1: 39
Reemplazamiento
o Extraccin con
1: 61
o Extraccin sin
1: 61
Regla de la multiplicacin
o 1: 57
Regularidad estadstica
o 1: 40
Suceso(s)
o cierto
1: 31
o complementario
1: 35
o compuesto
1: 31
o condicionado
1: 55
o condicionante
1: 55
o Diferencia de
1: 34
o Diferencia simtrica de los
1: 35
o disjuntos
1: 33
o elemental
1: 31
o imposible
1: 31
o incompatibles
1: 33
o independencia de
1: 60
o independientes dos a dos
1: 63
o interseccin de
1: 33
o mutuamente independientes
1: 63
o seguro
1: 31
o unin de
1: 32
o lgebra de
1: 45
Teorema(s)
o de Bayes
1: 20
1: 59
o de la probabilidad total
1: 58
Teora frecuentista
o 1: 44
Unin de sucesos
o 1: 32
Pgina anterior
Inicio de pgina
Herramientas
Herramientas de citas
Correo electrnico
Descargar
Imprimir
Destacados y notas (0)
Guardado
Descargar MP3