1

Introducci on

El hombre siempre ha tenido que hacer frente a la incertidumbre, incertidumbre sobre el tiempo, el clima, incertidumbre sobre el suministro de recursos, como el agua o los mismos alimentos, etc. De hecho como se puede ver los conceptos de azar y de incertimbre datan de mucho tiempo atr as, podemos decir que son tan viejos como la humanidad, de hecho hasta los juegos de azar, o al menos la idea de estos, tienen una larga historia, ejemplo de esto es que hacia el a no 3500 aC, juegos de azar donde se utilizaban objetos de huesos (posiblemente precusores de los dados) estaban ya muy desarrollados en Egipto y areas circundantes. En general se cree que la teor a matem atica de la probabilidad se inici o por los matem aticos franceses Blaise Pascal (1623-1662) y Pierre de Fermat (16011665, y desde ese entonces la teor a de la probabilidad se ha desarrollado de manera constante desde el siglo XVII, y se ha aplicado ampliamente en diversos campos de estudio. Hoy en d a, la probabilidad es una de las herramientas de mayor importanca en areas de la ingenier a,la ciencia, y la gesti on.

1.1

Interpretacion (es) de la Probabilidad

A continuaci on describiremos tres interpretaciones de lo que es la probabilidad, y aunque parecieran ser incompatibles, veremos que en realidad el c alculo de probabilidades se aplica igualmente sin importar la interpretaci on que uno preera. 1.1.1 Interpretaci on frecuentista

En muchos problemas, la probabilidad de que cierto resultado se presente puede ser interpretado en el sentido de que tan frecuentemente ocurre dicho resultado, lo cual se hace realizando un numero muy grande de veces cierto proceso (para llegar a dicho resultado) en condiciones similares; por ejemplo, la probabilidad de obtener una cara cuando se lanza una moneda es considerado como 1 2 porque la frecuencia relativa de caras se aproxima a 1 cuando la moneda se lanza un 2 n umero muy grande de veces en condiciones similares. Por supuesto , las condiciones mencionadas en este ejemplo son demasiado vagas para servir como base para una denici on cient ca de la probabilidad. En primer lugar dice que el lanzamiento debe realizarse un n umero muy grande de veces, pero no hay ninguna indicaci on o restricci on acerca de esta n umero muy grande, en segundo lugar se indica que la moneda debe ser arrojada en condiciones similares pero estas condiciones no son descritas,nalmente se afrima que la frecuencia relativa de caras debe ser aproximadamente 1 2 pero no nos especica un limite para la variaci on de este resultado. Supongamos por ejemplo que la moneda se arrojo un mill on de veces, esperar amos obtener 500, 000 caras, pero en verdad esperariamos obtener EX-

ACTAMENTE 500, 000 caras? o un n umero de caras cercano a 500, 000 pero que no diste mucho de este? 1.1.2 Interpretaci on cl asica

La interpretaci on cl asica de la probabilidad se basa en resultados de la misma probabilidad, por ejemplo cuando se lanza una moneda hay dos y s olo dos resultados posibles: cara o cruz (esto es haciendo referencia al espacio muestral), si suponemos adem as que estos resultados son igualmente probables entonces la probabilidad de que salga cara es la misma probabilidad de que salga cruz, dado que la suma de las probabilidades debe ser 1 (haciendo referencia a los axiomas 1 . de la probabilidad) se tiene que la probabilidad de que salga cara o cruz es 2 De aqu surgen dicultades b asicas cuando se intenta desarrollar una denici on formal de la probabilidad desde este enfoque: en primer lugar no es sistem atica, pues no se da un m etodo para asignar probabilidades a los resultados que no se asumen iguales, y el segundo es que el concepto de igualdad de los posibles resultados se basa en el concepto de probabilidad que estamos tratando de denir. 1.1.3 Interpretaci on subjetiva

Este enfoque se reere a la probabilidad que una persona asigna a un posible resultado, donde la probabilidad depende de las creencias de dicha persona y de la informaci on que esta tenga, y como es de esperar, la probabilidad de un mismo evento depender a de la persona que lo observe, por esta raz on es mejor hablar de una probabilidad subjetiva de cierta persona a hablar de una probabilidad verdadera. Volvamos al problema de la moneda, y supongamos que se lanza una vez, una persona que no tiene ninguna informaci on sobre la moneda pod a decir que la probabilidad subjetiva de que salga cara o cruz es 1 , pero una persona que ya 2 la ha lanzado varias veces antes la moneda puede sentir que es mas probable que caiga cara, si por ejemplo de 10 lanzamientos anteriores 8 veces apareci o una cara y s olo dos veces una cruz, en este caso la probabilidad de que salga 8 2 cara es 10 y la probabilidad de salga cruz es 10 . Esta interpretaci on subjetiva de la probabilidad puede ser formalizado, en feneral si los juicios de la probabilidades relativas de varias combinaciones de resultados de las personas satisfacen ciertas condiciones de consistencia, a continuaci on, de puede demostrar que su probabilidad subjetiva de los diferentes resultados posibles se pueden determinar de una forma exclusiva. Sin embargo, hay dos dicultades con la interpretaci on subjetiva: en primer lugar, el requisito que los juicios de las probabilidades relativas de un n umero innito de eventos de una persona sean completamente coherentes y libre de contradicciones , no parece ser humanamente alcanzable, a menos que una persona no

este m as que dispuesta a adoptar una colecci on de juicios conocidos de ser consistentes. En segundo lugar, la interpretaci on subjetiva no proporciona ninguna base objetiva para dos o m as cient cos que trabajan juntos para alcanzar una evaluaci on com un del estado de los conocimientos en alguna area cient ca de inter es com un.

1.2

Experimentos y eventos

Denici on: (Experimentos y eventos)Un experimento es cualquier proceso, real o hipot etico , en el que los posibles resultados pueden ser identicados antes de tiempo. Un evento es un conjunto bien denido de los posibles resultados del experimento. Algunos ejemplos de los experimentos y eventos espec cos se dan a continuaci on. En cada ejemplo, las palabras siguientes la probabilidad de que: describe el evento de inter es: 1. En un experimento en el que una moneda se tir o 10 veces, el experimentador quiere determinar la probabilidad de que se obtendr an al menos cuatro caras. 2. En un experimento en el que una muestra de 1.000 transistores debe ser seleccionado de un gran cargamento de art culos similares y cada elemento seleccionado se debe inspeccionar, una persona que desee para determinar la probabilidad de que no m as de uno de los transistores seleccionados ser an defectuoso. 3. En un experimento en el que la temperatura del aire en un lugar determinado es ser observado todos los d as al mediod a durante 90 d as sucesivos, una persona podr a querer determinar la probabilidad de que la temperatura media durante este per odo sea menor que un cierto valor especicado.

1.3

Espacio muestral

Denici on: La colecci on de todos los posibles resultados de un experimento se llama el espacio muestral del experimento. El espacio muestral de un experimento puede ser pensado como un conjunto o colecci on, de diferentes resultados posibles, y cada resultado puede ser pensado como un punto, o un elemento, en el espacio muestral. Del mismo modo, los eventos pueden ser considerados como subconjuntos del espacio muestral. Eemplo: lanzar un dado, cuando se lanza un dado de seis caras, el espacio muestral puede ser considerado como el que contiene los seis n umeros 1, 2, 3, 4, 5, 6, cada uno representando un posible lado del dado que muestra despu es de la tirada. Simb olicamente, escribimos S = {1, 2, 3, 4, 5, 6}. Un evento A es 3

en el que se obtiene un n umero par, y se puede representar como A = {2, 4, 6}, el evento B es en el que se obtiene un n umero mayor que 2 se dene por B = {3, 4, 5, 6}, esto es porque podemos interpretar los resultados como elementos de un conjunto universo y eventos como subconjuntos de un conjunto universo. El lenguaje y los conceptos de la teor a de conjuntos proporcionan un contexto natural para el desarrollo de la teor a de probabilidad. Las ideas b asicas y la notaci on de la teor a de conjuntos ser an ahora revisadas.

Conjuntos

Diremos que un conjunto A es una colecci on de elementos, bien denida que cumplen cierta caracter stica p(x) y que por lo tanto la proposici on: x es elemento de A, es una proposici on l ogica, es decir se le puede asignar un valor de verdad, ya sea verdadero o falso, en este caso se dir a que x est a en A o que x no est a en A seg un sea el caso. Uno de los conjuntos m as importantes es el denominado conjunto vac o, el cual diremos que carece de elementos, por ejemplo el conjunto de los dinosaurios que tocan el piano, el conjunto de personas que tienen m as de 5000 a nos de vida, estos conjuntos a pesar de estar bien denidos carecen de elementos, es decir son conjuntos vac os, y aunque se pueda pensar que son diferentes conjuntos, veremos que en realidad solo son distintas descripciones de un solo conjunto: el conjunto vac o, el cual se denotar a como . Otro conjunto de gran importancia es el conjunto universal U , el cual a diferencia del conjunto vac o no es u nico y podemos elegirlo a nuestra conveniencia, es decir, el conjunto universal es relativo al problema en cuesti on, as al analizar una situaci on en particular, el conjunto universal consta de todos los elementos a los que se pueda referir dicha situaci on.

2.1

Subconjuntos

Sea A el conjunto de las letras que forman la palabra murci elago, es decir, B = {m, u, r, c, i, e, l, a, g, o} y sea B el conjunto de las vocales del abecedario, es decir, A = {a, e, i, o, u}, es claro que todo elemento de A lo es tambi en de B es decir si x esta en A entonces x esta en B . Denicion: Sean A y B conjuntos, diremos que el conjunto A es subcobjunto del conjunto B si para todo x A x B , y se denotara como A B . Proposicion: Sea U un conjunto universal cualquiera, entonces los siguientes enunciados son verdaderos:

a) A A b) Si A B y B C entonces A B c) A Demostracion: c) Si x U , la proposicion x es falsa y por lo tanto la implicacion x x A es verdadera, por lo tanto A. La proposicion: A no es subconjunto de B , se acostumbra denotar como B , es decir A no es subconjunto de B si x A : x / B.

2.2

Igualdad de conjuntos

Diremos que dos conjuntos son iguales si la siguiente proposicion es verdadera: A B y B A y lo denotaremos como A = B , en caso contrario diremos que A y B son diferentes. Obsevermos que las proposiciones: A B B A y x A x B son equivalentes de esta forma diremos que A = B si se cumple que x A x B y que A = B si y solo si A B o B A. Nota: Veamos que en efecto solo existe un unico conjunto vacio: Sean 1 y 2 conjuntos vacios, notemos que las proposiciones x 1 y x 2 son falsas, esto es, x 1 x 2 es verdadera, con lo cual se ve que 1 = 2 . Esto conrma que solo hay un conjunto vacio. Observacion: Ya se ha denido lo que es un subconjunto, ahora diremos que si A B y A = B son proposiciones verdaderas, entonces A es un subconjunto propio de B, y lo denotaremos como A B .

2.3

Construccion de nuevos conjuntos

Sea U un conjunto universal y sea A un subconjunto de U , tomemos ahora todos los elementos de U que no pertenecen a A, a este conjunto de elementos de U lo llamarmos el complemento de A y lo denotaremos como: Ac = {x U : x / A}. Observemos que el complemento de un conjunto depende del conjunto Universo que estmos tratando, asi pues si U = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} y A = {2, 4} entonces Ac = {1, 3, 5, 6, 7, 8, 9, 10} pero si ahora U = {2, 4, 6, 8, 10} entonces Ac = {6, 8, 10}. Proposicion: Sea U un conjunto universal: a) Para todo subconjunto A de U : (Ac )c = A 5

b) c = U c) U c = d) A B B c Ac Demostracion: b) Recordemos que un conjunto puede describirse por medio de una caracteristica denida que cumplen todos los elementos de dicho conjunto. Asi pues si p(x) es una proposicion abierta en U tal que x U se tiene que p(x) es falsa, entonces: = {x U : c(x)} y c = {x U : c(x)}, Como c(x) es verdadera para todo x U se tiene entonces que c = U . Denicion: Sean A y B subconjuntos de un conjunto universo U entonces: a) La union de A y B es el subconjunto de U que tiene aquellos elementos que estan en A o bien que estan en B , se denota por A B es decir: A B = {x U : x A x B }. b) La interseccion de A y B es el subconjunto de U formado por los elementos que estan en A y que tambien estan en B , se denota por A B , es decir: A B = {x U : x A x B }. c) La diferencia de A y B es el subconjunto de U formado por los elementos que est an en A y que no est an en B , es un complemento relativo, se denota por A B , es decir: A B = {x U : x A x / B }. Propiedades: Para cualesquiera A, B y C subconjuntos de U , se tiene: 1) A B = B A 2) A B = B A 3) (A B ) C = A (B C ) 4) (A B ) C = A (B C ) 5) A Ac = U 6) A Ac = 7) A = A 8) A U = A 9) A U = U 10) A = 11) A B = A B c

12) A B = U Ac B 13) A A B B A B 14) A B A A B B 15) A (B C ) = (A B ) (A C ) 16) A (B C ) = (A B ) (A C ) 17) (A B )c = Ac B c 18) (A B )c = Ac B c 19) En general A B = B A 20) Si A B entonces: a) A B = A b) A B = B c) B (B A) = A d) A C B C A C B C 21) A A = 22) A B = B A A = B 23) En particular si A = U entonces A B = B c 24) (A B c )c A = U 25) Ac B c = B A

2.4

Conjuntos nitos e innitos

Denici on: Los conjuntos nitos son aquellos cuyos elementos se pueden contar, es decir que se pueden poner en correspondencia biun voca con un segmento de los n umeros naturales de la forma {1, 2, 3, ..., n} donde n es el n umero de elementos del conjunto. Denici on: Un conjunto numerable es aquel que se puede poner en correspondencia biun voca con los n umeros naturales.De este modo un conjunto es contable si es nito o numerable. Denici on: Un conjunto es incotables si no se puede poner en correspondencia biun voca con los naturales o con alg un segmento nito de estos. Ejemplos:

1. Si A = {e, p, z } el conjunto de las letras que componen la palabra pez, veremos que A es nito, pues si hacemos la funci on: f : A {1, 2, 3} denida por: 1 f ( x) = 2 3 si x = e si x = p si x = z

Es claro que f es inyectiva y sobreyectiva, esto hace ver que A es nito. 2. Si A es el conjunto de los n umeros pares veamos que A es numerable: pues si denimos f : A N por: f (x) = x 2

x y es claro que f es inyectiva, pues si x, y A : f (x) = f (y ) = 2 2 x = y , por otro lado f tambi en es suprayectiva pues dado y N es claro que f (2y ) = y donde 2y A, as pues f es biyectiva y por decnici on se tiene que los n umeros pares son contables, y tienen tantos elementos como los n umeros naturales. 3. Los n umeros reales R son incontables, pero la demostraci on de este hecho no entra en los pr opositos de esta introducci on a la teor a de la probabilidad. Nota: Las nociones de uni on e intersecci on de conjuntos pueden ser generalizadas para un n umero nito, numerable o hasta no numerable de conjuntos. Estas suelen denotarse como sigue: 1. Sean A1 , A2 , ....An una colecci on nita de subconjuntos de un conjunto universo U , donde n N, la uni on de estos n conjuntos suele denotarse como:
i=n

Ai
i=1

2. Sean A1 , A2 , ....An , ... una colecci on innita pero numerable de subconjuntos de un conjunto universo U , la uni on de estos conjuntos suele denotarse como:

An
n=1

3. Sean A1 , A2 , ....An una colecci on nita de subconjuntos de un conjunto universo U , donde n N, la intersecci on de estos n conjuntos suele denotarse como:
i=n

Ai
i=1

4. Sean A1 , A2 , ....An , ... una colecci on innita pero numerable de subconjuntos de un conjunto universo U , la intersecci on de estos conjuntos suele denotarse como:

An
n=1

3
3.1

Denici on de Probabilidad
Axiomas y teoremas b asicos

En esta secci on, presentaremos la denici on matem atica o axiom atica, de la probabilidad. En un experimento E dado, es necesario asignar a cada evento A en el espacio muestral S un n umero P r(A) que indique la probabilidad de que A se producir a. Para satisfacer la denici on matem atica de la probabilidad, el n umero P r(A) que se asigna debe satisfacer tres axiomas espec cos. Estos axiomas aseguran que el n umero P r(A) tenga ciertas propiedades que intuitivamente uno esperar a que tenga independientemente del enfoque con que se trate (ver 1.1). Sea E un experimento y sea S el espacio muestral de este experimento, entonces tenemos que estos axiomas son: 1. A S : P r(A) 0 2. P r(S ) = 1 3. Sean A1 , A2 , ..., An , ... una secuencia de eventos de S , disjuntos dos a dos, entonces

P r(
n=1

An ) =
n=1

P r(An )

3.2

Consecuencias de los axiomas de Probabilidad