OBJETIVO II. TEORIA DE LAS PROBABILIDADES 1.

1 Origen de las Probabilidades El nacimiento del clculo de probabilidades estuvo ligado a los juegos de azar. Su origen se remonta a 1650, cuando el juego constitua una tnica de un gusto en la sociedad francesa del siglo XVII. Se jugaban grandes cantidades de dinero por lo que surge la idea de construir un mtodo con el cual se pudiera llegar a ganar en tales juegos. Un gran jugador, el caballero De Mer, consulta en Paris a un famoso matemtico y filosofo Blaise Pascal sobre cuestiones relacionadas con juegos de azar, dando esto origen a una correspondencia entre Pascal y algunos matemticos como Pierre Fermat, que constituirn los primeros pasos dados para construir los esquemas probabilsticos, que originaran luego la denominada Teora de la Probabilidad cuyo origen, humilde por cierto, fueron los juegos de azar. En esta primera fase, la Teora de Probabilidades no haba tomado una forma definida, sino constituida por una serie de problemas aislados relativos a los diversos juegos. En el siglo XVII con la aparicin de sendas obras: El arte de la conjetura del matemtico suizo James Bernoulli, la cual fue publicada en 1713, y la doctrina de las Probabilidades de Abraham de Moivre, matemtico francs, publicada en 1812, donde aparece la llamada definicin clsica de Probabilidad de Laplace que adems de aplicarla a los juegos de azar, desborda este recinto y abarca una gran variedad de fenmenos de diversas ndoles. Segn reconoce en su autobiografa escribi Libro sobre los juegos de azar, publicado en 1663, y que fue considerado el primer tratado serio sobre las probabilidades matemticas. La correspondencia que Pascal y Fermat intercambiaron (a mediados del siglo XVII) sobre la geometra del azar marca el nacimiento de la nueva ciencia. En la actualidad el Clculo de Probabilidades ha llegado a ser la rama de las matemticas de mayor penetracin en todos los campos, directamente o a travs de la Estadstica. 1.2 Definicin de un Experimento Aleatorio Experimento: Es el proceso para obtener una observacin o realizar una determinacin. Se llama experimento o fenmeno aleatorio a: aqul que es susceptible de dar varios resultados, no pudindose predecir de antemano cul de ellos va a producirse en una experiencia concreta. Cada ejecucin del experimento se llama una prueba del mismo. Ejemplo: Lanzar un dado o una moneda al aire son experimentos aleatorios. 1.3 Definicin de Espacio Muestral Al conjunto de todos los resultados posibles de un experimento estadstico se le llama espacio muestral y se le representa por la letra S. Ejemplo: En el experimento lanzar un dado los sucesos elementales son 6. S1 = sacar un 1,.........., S6 = sacar un 6. 1.4 Definicin de Evento Un evento o suceso es un subconjunto de un espacio muestral. Por ejemplo en el espacio muestral S = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos: a) Obtener un nmero primo A = {2, 3, 5} b) Obtener un nmero primo y par B = {2}

c) Obtener un nmero mayor o igual a 5 C = {5, 6} 1.5 Interseccin La interseccin de dos eventos A y B, que se representa por el smbolo A B, es el evento que contiene a todos elementos comunes a A y a B. 1.5 Unin La unin de los eventos A y B, que se representa por el smbolo A contiene a todos los elementos que pertenecen a A o a B, o a ambos. Ejemplo: Sea A= {a,b,c} y B = {b,c,d,e}; entonces A 1.6 Definicin de Evento Mutuamente Excluyente Dos eventos son mutuamente excluyentes si no pueden ocurrir en forma simultnea, esto es, si y slo si su interseccin es vaca o no tienen elementos en comn. Por ejemplo: en el lanzamiento de un dado los eventos B = {2} y C = {5, 6} son mutuamente excluyentes por cuanto B C= Podemos combinar eventos para formar nuevos eventos, utilizando diferentes operaciones con conjuntos: a) b) c) d) A B es el evento que sucede si y solo si A o B o ambos suceden. A B es el evento que sucede si y solo si A y B suceden simultneamente. c A (complemento de A), es el evento que sucede si y solo si A no sucede. Dos eventos A y B son llamados mutuamente exclusivos si son disyuntos, esto es, si A B = . En otras palabras son mutuamente exclusivos si no pueden suceder simultneamente. B = {a,b,c,d,e}; B, es el evento que los

Ejemplo: Lncese un dado y obsrvese el nmero que aparece en la cara superior. Entonces el espacio muestral consiste en dos nmeros posibles: S = {1,2,3,4,5,6} Sea A el evento de salir un nmero par, B salir un nmero impar y C de salir primo. Entonces realizar: a) A C b) B C c) Cc d) Cuales eventos son mutuamente excluyentes. 1.7 Principio de Multiplicacin y Adicin 1.7.1 Principio de la multiplicacin: Teorema 1.Si una primera operacin puede realizarse de m maneras y una segunda operacin puede realizarse de n maneras, entonces ambas operaciones pueden efectuarse juntas de mn maneras. Si un suceso Pl ocurre de n1 maneras diferentes y otro suceso P2 ocurre de n2 maneras diferentes entonces el suceso Pl Y P2 ocurren de n1 por n2 maneras diferentes.

Ejemplos: a) Cuntos puntos mustrales hay en un espacio muestral cuando se lanza un par de dados una sola vez? El primer dado puede caer en cualquiera de m=6 formas. Para cada una de estas el segundo dado puede, tambin Caer en n=6 formas. Por lo tanto el par puede caer en m*n= 6*6 = 36 formas posibles. b) Una mujer tiene tres sombreros y cuatro brazaletes. Si piensa usar sombrero y brazalete para una fiesta, cuntas diferentes combinaciones puede llevar? Solucin: 3 * 4 = 12 diferentes combinaciones sombrero-brazalete.

LA Regla de la Multiplicacin generalizada abarca K operaciones, tal como establece el siguiente Teorema 2. Si una operacin puede realizarse en n1 formas, y si para cada una de estas puede efectuarse una segunda de n2 formas, y para cada una de las dos primeras se puede efectuar una tercera n3 formas, y as sucesivamente, entonces la secuencia de K operaciones puede hacerse en n1, n2, nk formas. Ejemplo: Cuntos mens que consisten de sopa, emparedado, postre y un refresco existen si se puede seleccionar entre 4 sopas diferentes, 3 clases de emparedados, 5 postres y 4 refrescos? Solucin: Dado que n1=4, n2=3, n3=5 y n4= 4 hay que n1*n2*n3* n4=4*3*5*4 = 240 1.7.2 Principio de la suma: Si una primera operacin puede realizarse de m maneras y una segunda operacin puede realizarse de n maneras, entonces una operacin o la otra pueden efectuarse de m + n maneras. Si un suceso Pl ocurre de n1 maneras diferentes y un suceso P2 ocurre de n2 maneras diferentes entonces el suceso Pl Y P2 ocurren de n1 + n2 maneras diferentes. Ejemplos: b) Tenemos tres diferentes lugares para comer pizza; dos para hamburguesa y cuatro para pollo. A cuntos diferentes lugares podemos ir a almorzar? Solucin: 3 + 2 + 4 = 9 diferentes lugares. 1.8 Probabilidad Condicional Probabilidad de un suceso es el nmero al que tiende la frecuencia relativa asociada al suceso a medida que el nmero de veces que se realiza el experimento crece. En el caso de que todos los sucesos elementales del espacio muestral E sean equiprobables, Laplace define la probabilidad del suceso A como el cociente entre el nmero de resultados favorables a que ocurra el suceso A en el experimento y el nmero de resultados posibles del experimento.

Ejemplo: Hallar la probabilidad de que al lanzar una moneda al aire, nos resulte cara. P(cara)= CF/CP=

Definicin de Probabilidad Condicional: Sean A y B dos sucesos tal que P( A ) 0, se llama probabilidad de B condicionada a A, P(B/A), a la probabilidad de B tomando como espacio muestral A, es decir, la probabilidad de que ocurra B dado que ha sucedido A.

Ejemplo: Sea el caso de lanzar un par de dados corrientes. Si la suma es 6, hallar la probabilidad de que uno de los dados sea 2. A= suma es 6 = {(1,5), (2,4), (3,3), (4,2), (5,1)} P(A)= 5/36

B= un 2 aparece por lo menos en un dado {(2,1),(2,2), (2,3),(2,4),(2,5),(2,6),(1,2),(3,2),(4,2),(5,2),(6,2)} Hallar la Probabilidad de P(B/A) Ahora A consta de cinco elementos y dos de ellos (2,4) y (4,2), pertenecen a A: AB = (2,4),(4,2). Entonces P(B/A)= 2/5 Entonces la probabilidad P(B) = 11/36 y S consta de 36 elementos

P(B/A) = (2/36)/(5/36) = 72/180 = 0,40 P (BA) = P(A)*P(B) P (BA)= 2/36 siendo la probabilidad P(A)* P(B) = 5/36 * 11/36 = 55/1296 P (BA)= 2/36 55/1296 P(A)*P(B) entonces son eventos dependientes entonces se utiliza la siguiente formula P(B/A)= Nmero de elementos (BA)/ nmero de elementos de A= 2 /5 = 0,40 1.9 Teorema de Multiplicacin de Probabilidad Condicional Tomando como referencia la frmula de probabilidad condicional,

Despejando, P(BA) = P(A)P(BA) Teorema de la multiplicacin para probabilidad condicional donde: P(BA) = probabilidad de que ocurran B y A P(A) = probabilidad de que ocurra A P(BA) = probabilidad de que ocurra el evento A dado que el evento B ya ocurri Si multiplicamos en cruz la ecuacin anterior que define la probabilidad condicional y usaremos el hecho que (BA) = (AB. Obtenemos la siguiente frmula til. P(BA) = P(A) P(BA). Este Teorema puede extenderse por induccin matemtica como sigue: Para los eventos B1, B2, Bn P (B1 B2 Bn = P (B1)P(B2/B1)P(B3/ B1B2)P(Bn/B1B2Bn-1) Ahora aplicamos el Teorema anterior que es llamado, apropiadamente, El Teorema de la Multiplicacin Ejemplo: Un lote de 12 artculos tiene 4 defectuosos. Se toman al azar tres artculos del lote uno tras otro. Hallar la probabilidad de P de que tres estn buenos. La probabilidad de que el primer artculo no sea defectuoso es 8/12 puesto que 8 entre los 12 no son defectuosos. Si el primero no es defectuoso, la probabilidad de que el prximo no sea defectuoso es de 7/11 puesto que solamente 7 de los 11 sobrantes no son defectuosos. Si los dos primeros no son defectuoso, entonces la probabilidad de que el ltimo no sea defectuoso es 6 /10 puesto que solamente 6 entre los 10 que quedan no son defectuosos. As por el Teorema de la multiplicacin: P = 8/12*7/11*6/10 = 14/55

1.9 Sucesos Independientes Se dice que un evento B es independiente de un evento A si la probabilidad de que B suceda no est influenciada porque A haya o no sucedido. En otras palabras, si la probabilidad de B iguala la probabilidad condicional de B dado A:P(B) = P(B/A). Ahora sustituyendo P(B) por P(B/A) en el teorema de la multiplicacin P( AB)= P(A)P(B/A), obtenemos P(AB)= P(A) P(B) Usamos la ecuacin anterior como nuestra definicin formal de independencia Definicin: A y B son eventos independientes si P(AB)= P(A) P(B); de otro modo son dependientes. Ejemplo: Lncese una moneda corriente tres veces; obtenemos el espacio equiprobable S{ccc,ccs,csc,css,scc,scs,ssc,sss} Consideremos los eventos: A= {primeros lanzamientos son caras}, B= {segundos lanzamientos son cara} y C={exactamente se lanzan dos caras seguidas} Claramente A y B son eventos independientes; este hecho se verifica en seguida. Por otra parte, la relacin entre A y C o B y C no es obvia. Insistimos en A y C son independientes, pero que B y C son dependientes. Tenemos: P(A) = { ccc,ccs,csc,css } = 4/8 = P(B) = {ccc,ccs, scc,scs} = 4/8 = P(C) = {ccs, scc} = 2/8 = Entonces P(AB)= { ccc ccs} = 2/8 = , P(AC)= { ccs} = 1/8, P(BC)= { ccs, scc } = 2/8 = En consecuencia P(A) P(B) = 1/2 * = = P(AB)= y asi A y B son independientes P(A) P(C) = * = 1/8 = P(AC)=, y asi A y B son independientes P(B) P(C) = * = 1/8 P(BC), y asi B y C son dependientes Nota: Frecuentemente, postularemos que dos eventos son independientes, o que ser claro por la naturaleza del experimento que dos eventos son independientes. 1.10 Teorema de Bayes En el ao 1763, dos aos despus de la muerte de Thomas Bayes (1702-1761), se public una memoria en la que aparece, por vez primera, la determinacin de la probabilidad de las causas a partir de los efectos que han podido ser observados. El clculo de dichas probabilidades recibe el nombre de teorema de Bayes.

En los problemas relacionados con la probabilidad, y en particular con la probabilidad condicionada, as como con la probabilidad total y el teorema de Bayes, es aconsejable que, con la informacin del problema, construyas una tabla de contingencia o un diagrama de rbol.

Supongamos que hemos observado el resultado de un experimento, y preguntamos por la probabilidad de que el resultado es debido a una particular causa de una serie de posibles causas. Sean B1, B2 Bn, n mutuamente excluyentes sucesos representan las n posibles causas del resultado del experimento, siendo A el suceso que representa el resultado. Al realizar el experimento se dio el suceso A, y se desea saber la probabilidad de que habindose dado el suceso A, y desea saber la probabilidad de que habindose dado el suceso A, se haya uno de los sucesos Bi. En otras otras palabras, queremos saber si la causa de que se haya dado el suceso A fue el hecho de que se dio el suceso Bi; o sea; interesa conocer P(Bi/A). En este caso P(Bi/A) no es la probabilidad de que se de Bi, dado, sino la probabilidad de que se haya dado Bi puesto que se dio A.       

Sabemos que  

 

El suceso A debe darse en conjugacin con una de las n mutuamente excluyentes causas, de forma que A ocurrir si se da alguna de las posibles causas Bi. Podemos escribir A = (AB1) U (AB2)U..U (ABn), donde (ABi) y (ABj) son sucesos mutuamente para i j luego P(A) = (AB1) + (AB2)+ + (ABn) =


  =

 

Entonces, P (Bi/A) = Ejemplo:

Una caja contiene 4 fichas rojas y 3 blancas. Una segunda caja contiene 5 rojas y 2 blancas. Una de las cajas es escogida al azar, y extrada una ficha. Si la ficha es blanca, cual es la probabilidad de que la caja escogida haya sido la primera? Sea A el suceso de extraer una ficha blanca. Esta ficha blanca puede haber venido de la primera o segunda caja. Si Bi es el suceso de escoger la caja i (i= 1,2) se tiene P (Bi/A) =


P(B1/A)= P(A/B1)* P(B1) / P(A/B1)* P(B1) + P(A/B2)* P(B2) = (3/7 * ) / (3/7 * ) + (2/7 + ) = 3/14 / 3/14 + 2/14 = 3 *14 / 5 *14 = 3/5

Ejemplo

Tres mquinas, A, B y C, producen respectivamente 50%, 30% y 20%, del nmero total de artculos producidas en una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del 3%, 4% y 5%. Si se selecciona un articulo al azar, hallar la probabilidad de que el articulo sea defectuoso.
0,03

0,50 A
0,04

0,30 B
0,05

N D N D N

0,20 C

Sea x el evento de que el artculo es defectuoso. Entonces P(x) = P(A)P(x/A) + P(B) P(x/B) + P(C) P(x/C) = (0,50)(0.03)+(0,30)(0,04)+(0,20)(0,05)= 0,037 Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la mquina A. Esto es hallar P(A/x) P(A/x) = P(A)P(x/A)/P(A) P(x/A) + P(B) P(x/B) + P(C) P(x/C) = (0,50)(0,03)/(0,50)(0,03) + (0,30)(0,04)+(0,20)(0,05) = 15/37