You are on page 1of 11

PROBABILIDAD

Conceptos Bsicos La probabilidad es la posibilidad numrica de que ocurra un evento. En un evento, es medida por valores comprendidos entre 0 y 1. Entre mayor sea la probabilidad de que ocurra un evento, ms cercana ser a 1. La probabilidad de certeza es 1. La probabilidad de una imposibilidad es 0. P (evento cierto) = 1 P (evento imposible) = 0

Experimento El proceso que produce un evento es un experimento. Es toda accin bien definida que conlleva a un resultado nico bien definido. Ejemplo: lanzar un dado (un resultado bien definido es un nmero de 1 a 6). Un experimento puede consistir en revisar un producto para determinar si cumple conciertas especificaciones de fabricacin. El resultado es defectuoso o no defectuoso.

Espacio muestral El conjunto de todos los posibles resultados para un experimento. SS = (1, 2, 3, 4, 5, 6) Es el espacio muestral de lanzar un dado.

La probabilidad de que al menos uno de los eventos que estn en el espacio muestral ocurra es 1. Si se lanza un dado, el resultado debe ser un nmero entre 1 y 6. Debido a que esto es una certeza puede decirse que:

PROBABILIDAD CLSICA Est basado en el concepto de resultados igualmente verosmiles y motivado por el denominado Principio de la Razn Insuficiente, el cual postula que si no existe un fundamento para preferir una entre varias posibilidades, todas deben ser consideradas equiprobables. As, en el lanzamiento de una moneda perfecta la probabilidad de cara debe ser igual que la de cruz y, por tanto, ambas iguales a 1/2. De la misma manera, la probabilidad de cada uno de los seis sucesos elementales asociados al lanzamiento de un dado debe ser 1/6. Laplace recogi esta idea y formul la regla clsica del cociente entre casos favorables y casos posibles, supuestos stos igualmente verosmiles. El problema aqu surge porque en definitiva igualmente verosmil es lo mismo que igualmente probable, es decir, se justifica la premisa con el resultado. Adems qu ocurre cuando se est considerando un experimento donde no se da esa simetra, o qu hacer cuando el nmero de resultados posibles es infinito.

PROBABILIDAD FRECUENCIAL Es un hecho, empricamente comprobado, que la frecuencia relativa de un suceso tiende a estabilizarse cuando la frecuencia total aumenta.

Surge as el concepto frecuentista de la probabilidad de un suceso como un nmero ideal al que converge su frecuencia relativa cuando la frecuencia total tiende a infinito. Para esto primero se observa la frecuencia relativa con que ocurre un evento si un experimento se repite una cantidad grande de veces y luego calcula el cociente entre las ocurrencias del evento y el total de ejecuciones del experimento cuando este total de ejecuciones es grande, de hecho es un valor lmite de ese cociente el que es llamado probabilidad. Por ejemplo al lanzar el dado, si queremos conocer la probabilidad que el resultado sea 5, debera repetirse el lanzamiento n veces, n grande, y contar cuntas veces sali el 5, frecuencia absoluta (fa), y luego dividir por n. Ms precisamente, si A es el evento de inters y para cada n la frecuencia absoluta de A, entonces la probabilidad de A es el lmite cuando n es llevado al infinito, de la frecuencia absoluta entre n.

El problema radica en que, al no poder repetir la experiencia infinitas veces, la probabilidad de un suceso ha de ser aproximada por su frecuencia relativa para un n suficientemente grande, y cun grande es un n grande, o qu hacer con aquellas experiencias que solo se pueden repetir una vez.

PROBABILIDAD AXIOMTICA Se basa en la idea de que la probabilidad que una persona da a un suceso debe depender de su juicio y experiencia personal, pudiendo dar dos personas distintas probabilidades diferentes a un mismo suceso. Estas ideas pueden formalizarse, y si las opiniones de una persona satisfacen ciertas relaciones de consistencia, puede llegarse a definir una probabilidad para los sucesos.

En este enfoque la probabilidad tiende a verse como el grado de credibilidad que es razonable asignarle a una proposicin que describe a un evento, de acuerdo a una evidencia dada. Tiene un carcter que no es emprico, pues en sta se busca conocer el grado de certidumbre que uno puede asignarle a una hiptesis acorde a una evidencia. Para hacer esto se debe pensar en el problema a la luz de las evidencias; si stas cambian, tambin podra hacerlo la probabilidad asignada.

TEOREMAS FUNDAMENTALES DE LA PROBABILIDAD

Probabilidad Condicional Cuando se producen sucesos aleatorios consecutivamente de un espacio muestral, pueden darse dos tipos genricos de situaciones: Los sucesos son independientes entre s, de manera que no influyen uno en el otro. Cada suceso est condicionado por el resultado del anterior. Cuando un suceso A influye en el resultado de un segundo suceso B, se dice que la probabilidad de ste es una probabilidad condicionada, expresado como , cuyo valor es:

Esto es la probabilidad de que ocurra un suceso B si ha ocurrido el suceso A

Cuando ocurre un suceso, cambia el espacio muestral; por eso cambia la probabilidad. A veces, es ms fcil calcular la probabilidad condicionada teniendo en cuenta este cambio de espacio muestral. Ejemplo: Una mujer es portadora de la enfermedad de Duchenne Cul es la probabilidad de que su prximo hijo tenga la enfermedad? Segn Mendel, todos los posibles genotipos de un hijo de una madre portadora y un padre normal son y tienen la misma probabilidad. El espacio muestral es El suceso corresponde al genotipo tanto, segn la definicin clsica de probabilidad , por

Probabilidad Compuesta La probabilidad compuesta (o regla de multiplicacin probabilidades) se deriva de la probabilidad condicionada. La frmula para calcular esta probabilidad compuesta es: [ ] [ ] [ ] de

Nota: Esta probabilidad se puede calcular despejando la probabilidad de la unin si se saben todos los datos necesarios.

Ejemplo: Estudiamos el suceso A (porcentaje de varones mayores de 40 aos casados) y el suceso B (varones mayores de 40 aos con ms de 2 hijos) y obtenemos la siguiente informacin: Un 35% de los varones mayores de 40 aos estn casados. De los varones mayores de 40 aos y casados, un 30% tienen ms de 2 hijos (suceso B condicionado al suceso A). Calcular la probabilidad de que un varn mayor de 40 aos est casado y tenga ms de 2 hijos (suceso interseccin de A y B). Por lo tanto:

Es decir, un 10,5% de los varones mayores de 40 aos estn casados y tienen ms de 2 hijos.

Probabilidad Total Cuando los sucesos elementales de un experimento no se refieren a todo el espacio muestral sino a algn subconjunto del mismo, el clculo de probabilidades se hace ms complejo. Un ejemplo tpico de este problema es el experimento consistente en sacar bolas de tres bolsas distintas, de manera que en cada bolsa existe una distribucin de bolas diferente Cul sera la probabilidad de que una bola extrada sea de un determinado color? La frmula para calcular esta probabilidad es:


Donde i toma valores entre 1 y n.

Para que este teorema se pueda aplicar hace falta cumplir un requisito: Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las posibilidades (la suma de sus probabilidades debe ser el 100%). Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un accidente) es igual a la suma de multiplicar cada una de las probabilidades condicionadas de este suceso con los diferentes sucesos A (probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A. Para calcular este tipo de probabilidades usaremos el diagrama de rbol ya que nos permite fcilmente obtener una respuesta correcta. Veamos esto con el ejemplo anterior. Ejemplo: Se tienen tres urnas con bolitas de dos colores (rojas y negras), en la primera urna se tienen 2 bolas rojas y tres azules; en la segunda urna se tienen 3 rojas y 7 azules; y en la tercera se tienen 4 rojas y 4 azules Cul es la probabilidad de sacar una bola roja de una de estas tres bolsas?
Roja (2/5) Azul (3/5) Roja (3/10) Azul (7/10) Roja (4/8) Azul (4/8)

Urna 1 (1/3)

Extraccin de la urna

Urna 2 (1/3)

Urna 3 (1/3)

La respuesta sera:

TEOREMA DE BAYES El teorema de Bayes, enunciado por Thomas Bayes en la teora de la probabilidad, es el resultado que da la distribucin de probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A. Sea un conjunto de sucesos mutuamente excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B un suceso cualquiera del que se conocen las probabilidades . Entonces, la probabilidad viene dada por la condicionales expresin: Donde: son probabilidades a priori. es la probabilidad de en la hiptesis son las probabilidades a posteriori.

Esto se cumple Adems, unido a la definicin de probabilidad condicionada, se obtiene la Frmula de Bayes (o Regla de Bayes):

El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmacin emprica; mientras que los llamados estadsticos bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas cuando recibimos informacin adicional de un experimento. La estadstica bayesiana est demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento. Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente usados en implementaciones de filtros de correo basura o spam, que se adaptan con el uso. Como observacin, se tiene resulta trivial. Ejemplo El 60% de los tornillos producidos por una fbrica proceden de la mquina A y el 40% de la Mquina B. La proporcin de defectuosos en A es 0.1 y en B es 0.5. Cul es la probabilidad de que un tornillo de dicha fbrica sea defectuoso? Cul es la probabilidad de que, sabiendo que un tornillo es defectuoso, proceda de la mquina A? En este ejemplo, tenemos un experimento en dos etapas; en la primera, los sucesos son: y su demostracin

A = {tornillo fabricado por la mquina A} B = {tornillo fabricado por la mquina B} Los valores de las probabilidades de estos sucesos son conocidos:

Los resultados de la segunda etapa son: D = {tornillo defectuoso} D = {tornillo no defectuoso o perfecto} Las probabilidades de estos sucesos dependen del resultado de la primera etapa: y

A partir de estos valores podemos determinar tambin:

El suceso D se puede poner como: D = DA + DB, sucesos mutuamente excluyentes; luego utilizando el teorema de las probabilidades totales: ( ) ( )

La otra probabilidad es P(A/D), probabilidad de un resultado de la primera etapa condicionada a un resultado de la segunda; podemos aplicar el teorema de Bayes para resolverlo:

( )

( ) ( ) ( )