de ocurrir entre un total de n posibilidades, cada una
de las cuales tiene la misma oportunidad de ocurrir que las dems. Definicin Clsica de Probabilidad, a piori n h } E Pr{ p Entonces, la probabilidad de que ocurra E (o sea un xito) se denota por: El total de las n posibilidades; las n resultados posibles del ensayo, experimento, etc.; se llama el espacio muestral y se denota por S EJ EMPLO: Sea el suceso E: obtener un nmero par en la tirada de un dado Entonces E: obtener dos cuatro seis (obtener un nmero par en la tirada de un dado) El espacio muestral S de los resultados posibles son: obtener uno, dos, tres, cuatro, cinco seis S = { 1, 2, 3, 4, 5, 6 } E = { 2, 4, 6 } 2 1 6 3 } par obtener Pr{ La definicin como frecuencia relativa, o probabilidad emprica, de un suceso se toma como la frecuencia relativa de ocurrencia del suceso cuando el numero de observaciones es muy grande. La probabilidad misma es el lmite de esa frecuencia relativa cuando el nmero de observaciones crece indefinidamente. Definicin como frecuencia relativa, a posteriori ) E Pr( fr lim n
La frecuencia relativa de un suceso tiende a aproximarse a su probabilidad cuando el nmero de pruebas crece indefinidamente. Ejemplo: se ha lanzado una moneda 200 veces. El nmero de caras despus de 20, 40, 60, ... , 200 se da en la tabla: Pruebas 20 40 60 80 100 120 140 160 180 200 N de caras 11 18 31 42 48 59 72 83 92 101 Fr. relativa 0,550 0,450 0,517 0,525 0,480 0,492 0,514 0,519 0,511 0,505
La probabilidad de obtener cara en un lanzamiento es 0,5 0,5 Los valores de la frecuencia relativas obtenidas se aproximan a 0,5. 6 0,42 0,46 0,5 0,54 0,58 20 60 100 140 180 Trazando la poligonal de frecuencias relativas correspondiente al nmero de caras obtenidas al lanzar una moneda 20, 40, 60, 200 veces, se observa: p(cara) = 0, 5 La frecuencia relativa tiende a la probabilidad 7 Se llama probabilidad a cualquier funcin p que asigna a cada suceso E del espacio muestral S un valor numrico p(E), verificando los siguientes axiomas: 1.- No negatividad: 0 p(E) 2.- p(S) = 1 PROBABILIDAD AXIOMATICA 3.- Aditividad: p(E 1 E 2 ) = p(E 1 ) + p(E 2 ) si E 1 E 2 = (donde es el conjunto vaco). Kolmogorov A. (1903- 1987) 8 SUCESOS INDEPIENDIENTES Y SUCESOS DEPENDIENTES Si E 1 y E 2 son dos sucesos, la probabilidad de que E 2 ocurra dado que haya ocurrido E 1 se denota por Pr{E 2 E 1 }, o Pr{E 2 dado E 1 } y se llama la probabilidad condicional de E 2 dado E 1 . Si la ocurrencia o no de E 1 no afecta para nada la probabilidad de ocurrencia de E 2 , entonces Pr{E 2 E 1 } = Pr{E 2 } y diremos que E 1 y E 2 son sucesos independientes, caso contrario, se dir que son sucesos dependientes. Si denotamos por E 1 E 2 , el suceso de que ambos E 1
y E 2 ocurran, llamado un suceso compuesto, entonces Pr{E 1 E 2 } = Pr{E 1 } Pr{E 2 E 1 } En particular, Pr{E 1 E 2 } = Pr{E 1 } Pr{E 2 } para sucesos independientes Para tres sucesos E 1 , E 2 y E 3 , tenemos Pr{E 1 E 2 E 3 } = Pr{E 1 } Pr{E 2 E 1 } Pr{E 3 E 1 E 2 } En general, si E 1 , E 2 , E 3 , E n son n sucesos independientes con probabilidades respectivas p 1, p 2, p 3, ... p n, entonces la probabilidad de que ocurran E 1 y E 2 y E 3 y E n es p l p 2 p 3 p n . EJEMPLO: Sean E 1 y E 2 los sucesos cara en el primer lanzamiento y cara en el segundo lanzamiento de una moneda. Si la moneda no est trucada los son sucesos independientes y la probabilidad de que salga cara en ambos intentos es: Pr{E 1 E 2 } = Pr{E 1 } Pr{E 2 } = 0,5 0,5 = 0,25 EJEMPLO. Una bolsa contiene 3 bolas azules y 2 bolas rojas. Sea E 1 el suceso la primera bola extrada es roja y E 2 el suceso la segunda bola extrada es roja en extracciones sin reposicin. La probabilidad de que la primera bola sea roja es La probabilidad de que la segunda sea roja, dado que ya lo haya sido la primera, es: Luego la probabilidad de que ambas sean rojas es Pr{E 2 E 1 } = 1/(3 + 1) = 1/4. Pr{E 1 E 2 } = Pr{E 1 } Pr{E 2 E 1 } = 2/5 1/4 = 1/10. Pr{E 1 } = 2/(3 + 2) = 2/5 SUCESOS MUTUAMENTE EXCLUYENTES Dos o ms sucesos se llaman sucesos mutuamente excluyentes si la ocurrencia de cualquiera de ellos excluye la de los otros. Si E 1 y E 2 son sucesos mutuamente excluyentes, entonces Pr{E 1 E 2 } = 0. Si E 1 + E 2 denota el suceso de que ocurra E 1 o bien E 2 o ambos a la vez, entonces Pr{E 1 + E 2 } = Pr{E 1 } + Pr{E 2 } Pr{E 1 E 2 } En particular, Pr{E 1 + E 2 } = Pr{E 1 } + Pr{E 2 } para sucesos mutuamente excluyentes Como extensin de esto, si E 1 E 2 , E n son n sucesos mutuamente excluyentes con probabilidades respectivas p 1, p 2, p 3, ... p n es p 1 + p 2 + p 3 +
... + p n
El resultado (5) se puede generalizar a tres o ms sucesos mutuamente excluyentes A ) ( ) ( ) ( ) ( B A P B P A P B A P A U B A B A B B A B ) ( ) ( ) ( B P A P B A P A B A U B Acontecimientos mutuamente excluyentes o incompatibles (regla de la adicin) Acontecimientos compatibles Probabilidad condicional ) ( ) ( ) ( B P B A P B A P A S espacio muestral B tamao de uno con respecto al otro No confundir probabilidad condicionada con interseccin. En ambos se mide efectivamente la interseccin, pero En P(AB), interseccin con respecto a P(S)=1 En P(A|B) , interseccin con respecto a P(B) 15 Sistema exhaustivo y excluyente de acontecimientos A 1 A 2 A 3 A 4 Son una coleccin de acontecimientos
A 1 , A 2 , A 3 , A 4
La unin de todos ellos completan el espacio muestral (S) y sus intersecciones son vacias S 16 A 1 A 2 A 3 A 4 B Todo acontecimiento B, puede ser descompuesto en componentes de dicho sistema.
B = (BA 1 ) U (BA 2 ) U ( BA 3 ) U ( BA 4 ) Teorema de la probabilidad total Si conocemos la probabilidad de B en cada uno de los componentes de un sistema y excluyente de acontecimientos se puede calcular la probabilidad de B. P(B) = P(BA 1 ) + P(BA 2 ) + P( BA 3 ) + ( BA 4 ) = P(B|A 1 ) P(A 1 ) + P(B|A 2 ) P(A 2 ) + P(B|A 3 ) P(A 3 ) + P(B|A 4 ) P(A 4 ) 17 A 1 A 2 A 3 A 4 B Si ocurre B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada A i .
P(B) ) A P(B B) | P(A i i P(B) se puede calcular usando el teorema de la probabilidad total = P(B|A 1 ) P(A 1 ) + P(B|A 2 ) P(A 2 ) + P(B|A 3 ) P(A 3 ) + P(B|A 4 ) P(A 4 ) Teorema de Bayes 18 Teorema de Bayes j j j i i i i A P A B P A P A B P B P B A P B A P ) ) ( ). ( ( ). ( ) ( ) ( ) ( Thomas Bayes (?- 1761) y se utiliza cuando se tienen eventos condicionados; se sabe de la ocurrencia del evento B Le pide a un vecino que mientras usted sale de vacaciones le riegue una planta enfermiza. Si la planta no se riega, la probabilidad de que la planta muera es de 75%; si la planta se riega, la probabilidad de que la planta muera es de 15%. Usted estima que su vecino se acordar de regar la planta con una probabilidad de 80%. a) Cul es la probabilidad de que la planta an est viva cuando usted regrese de sus vacaciones? b) Si encuentra la planta muerta, Cul es la probabilidad de que a su vecino se le haya olvidado regarla? 19 Tres joyeros idnticos tienen cada uno dos cajones. Cada cajn del primero contiene un reloj de oro, y cada uno del segundo un reloj de plata, En un cajn del tercero hay un reloj de oro y en el otro uno de plata. Si seleccionamos un joyero al azar, abrimos uno de sus cajones y en el hay un reloj de plata, cul es la probabilidad de que en el otro cajn haya un reloj de oro? 20 J1 J2 J3 RO RP RP RP RO RO ) 3 J / P ( p ) 3 J ( p ) 2 J / P ( p ) 2 J ( p ) 1 J / P ( p ) 1 J ( p ) 3 J / P ( p ) 3 J ( p ) P / 3 J ( p 3 1 5 , 0 3 / 1 1 3 / 1 0 3 / 1 5 , 0 3 / 1 ) P / 3 J ( p Un dado ha sido trucado de manera que la probabilidad de sacar un nmero par es el doble que la de sacar un nmero impar. Se lanza, a la vez, el dado trucado con otro no trucado. Calcular la probabilidad de obtener al menos un nmero impar. 21 DI STRI BUCI ONES DE PROBABI LI DAD Variables discretas: Si una variable X puede tomar un conjunto discreto de valores X 1 , X 2 , , X K , con probabilidades respectivas p 1 , p 2 , ... p K , donde p 1 + p 2 + + p K = 1, decimos que tenemos definida una distribucin de probabilidad discreta para X. La funcin p(X), que tiene valores p 1 , p 2 , ... p K para X = X 1 , X 2 ,..., X K , se llama funcin de probabilidad o una funcin de frecuencia de X. Como X puede tomar ciertos valores con ciertas probabilidades, se le llama una variable aleatoria discreta. Una variable aleatoria se conoce tambin como variable estocstica. El juego de la chica y la grande consiste en tirar un par de dados y si la suma de los puntos de las caras superiores da entre 2 y 6, entonces es chica; si la suma de los puntos de las caras superiores da entre 8 y 12, entonces es grande; si la suma de los puntos de las caras superiores da 7, entonces es siete. Si un apostador juega y gana entonces el mesero le devuelve la apuesta y como premio otro monto similar a la apuesta. En caso de que el apostador apueste al siete y gane, entonces el mesero le devuelve la apuesta y un monto igual al doble de la apuesta como premio. Si pierde, pierde la apuesta. Calcular la probabilidad de que al tirar el par de dados caiga: a) grande b) siete. 2 3 4 5 6 8 9 10 11 12
7 1 - 1 1 - 2 1 - 3 1 - 4 1 - 5 1 - 6 2 - 1 2 - 2 2 - 3 2 - 4 2 - 5 2 - 6 3 - 1 3 - 2 3 - 3 3 - 4 3 - 5 3 - 6 4 - 1 4 - 2 4 - 3 4 - 4 4 - 5 4 - 6 5 - 1 5 - 2 5 - 3 5 - 4 5 - 5 5 - 6 6 - 1 6 - 2 6 - 3 6 - 4 6 - 5 6 - 6 P(2) = (2,78%) 36 1 P(3) = (5,56%) 18 1 36 2 P(4) = (8,33%) 12 1 36 3 P(5) = (11,11%) 9 1 36 4 P(6) = (13,89%) 36 5 P(7) = (16,66%) 6 1 36 6 P(8) = (13,89%) 36 5 P(9) = (11,11%) 9 1 36 4 P(10) = (8,33%) 12 1 36 3 P(11) = (5,56%) 18 1 36 2 P(12) = (2,78%) 36 1 1 - 1 1 - 2 1 - 3 1 - 4 1 - 5 1 - 6 2 - 1 2 - 2 2 - 3 2 - 4 2 - 5 2 - 6 3 - 1 3 - 2 3 - 3 3 - 4 3 - 5 3 - 6 4 - 1 4 - 2 4 - 3 4 - 4 4 - 5 4 - 6 5 - 1 5 - 2 5 - 3 5 - 4 5 - 5 5 - 6 6 - 1 6 - 2 6 - 3 6 - 4 6 - 5 6 - 6 2,78 + 5,56 + 8,33 + 11,11 + 13,89 + 16,66 + 13,89 + 11,11 + 8,33 + 5, 56 + 2,78 = 100 Suma de todas las probabilidades: 2 3 4 5 6 7 8 9 10 11 12 2 3 4 5 6 7 8 9 10 11 12 2 4 6 8 10 12 14 16 18 20 puntos [%] p Distribucin de probabilidades: x 2 3 4 5 6 7 8 9 10 11 12 p(x) (%) 2,78 5,56 8,33 11,11 13,89 16,66 13,89 11,11 8,33 5,56 2,78 DI STRI BUCI ONES DE PROBABI LI DAD Variables continuas: Las ideas anteriores se extienden a variables que pueden tomar un conjunto continuo de valores. El polgono de frecuencias relativas de una muestra se convierte en una curva continua de ecuacin Y = p(X). El rea total bajo esa curva y sobre el eje X es 1, y el rea entre X a y X b (sombreada en la figura) da la probabilidad de que X est entre a y b, que se denota por Pr{a < X < b}. Llamamos a p(x) una funcin densidad de probabilidad, o brevemente una funcin densidad, y cuando tal funcin es dada decimos que se ha definido una distribucin de probabilidad continua para X. La variable X se llama entonces una variable aleatoria continua. ) X ( p X a b Pr{a < X < b} ESPERANZA MATEMTICA Si p es la probabilidad de que una persona reciba una cantidad S de dinero, la esperanza matemtica (o simplemente esperanza) se define como pS. Anlisis combinatorio Principio fundamental Si un suceso puede ocurrir de n 1 maneras, y si cuando ste ha ocurrido otro suceso puede ocurrir de n 2
maneras, entonces el nmero de maneras en que ambos pueden ocurrir en el orden especificado es n 1 n 2 . Hay 4 3 = 12 caminos distintos para ir desde A hasta B A C B EJEMPLO: de cuntas maneras distintas se puede ir de A hasta B? El nmero de permutaciones de n objetos diferentes tomados todos a la vez es n! ! 1 2 3 ) 2 ( ) 1 ( n n n n P n
Dados n objetos distintos, llamamos permutacin a una ordenacin particular de los n objetos. Ejemplo: Hay 6 posibles permutaciones con las tres letras a, b, c: Permutaciones abc, acb, bac, bca, cab, cba. 2.800 670.442.57 11 2 1 ... 18 19 20 fact ores 10
Un comentarista deportivo de ftbol sugera que para conseguir el equipo ideal de entre los 20 jugadores (excluido el arquero) de la seleccin, el entrenador debera probar todas las posibilidades para dar con el 10 ideal. Le dara tiempo en una liga? Permutaciones (sin repeticin) Segn la regla del producto, las maneras de escoger r elementos distintos de entre un total de n segn un determinado orden, ser igual al producto de: 1 2 3 ... 1) r (n r) (n 1 2 3 ... 2) (n 1) (n n r)! (n n! P r n, 11 12 ... 18 19 20 10! 20! 10)! (20 20! P 20,10 En el problema anterior: 1) r (n ... 2) (n 1) (n n P r n, Permutaciones (sin repeticin) Esta expresin se conoce como permutacin de n elementos tomados de r en r, y se representa por Pn,r. Habitualmente se expresa como: 504 7 8 9 P 9,3 Si admitimos el 0, como primera opcin seguimos teniendo 9 nmeros, pero ahora como segundo nmero podemos usar tambin el 0, luego tenemos 9 posibles candidatos...: 641 8 9 9 Al tratarse de nmeros el orden importa y adems nos dice "cifras distintas" luego no pueden repetirse. Cuantos nmeros de tres cifras distintas y significativas se pueden formar con las nueve cifras del sistema decimal 1, 2, 3, 4, 5, 6, 7, 8, 9? Y si admitimos el 0? Combinaciones (sin repeticin) Cuntas posibles combinados (mezclas) de dos bebidas podemos hacer con ginebra, vodka y tequila? Si el orden importara tendramos 3 2 = 6. Pero en realidad: (g, v) = (v, g), (g, t) = (t, g) y (t, v) = (v, t), porque el orden no importa. De modo que debemos dividir entre 2: 6 / 2 = 3. Cuntas posibles combinados de tres bebidas podemos hacer con ginebra, vodka, tequila y ron? De nuevo, si el orden importara tendramos 4 3 2 = 24. Pero en realidad: (g, v, t) = (g, t, v) = (v, g, t) = etc..., porque el orden no importa. De modo que debemos dividir entre 3!: 24 / 3! = 4. Combinaciones (sin repeticin) Cuntas posibles configuraciones de r elementos podemos construir desde un conjunto de n elementos diferentes, sin que importe el orden y no sea posible la repeticin?
Si el orden importara tendramos n (n-1) ..... (n - r + 1) posibilidades. Las podemos partir en clases, de forma que en cada clase estn aquellas configuraciones que sean la misma salvo el orden. Como hemos escogido r elementos, cada clase estar formada por las r! formas distintas de ordenar esos elementos. )! ( ! ! ) 1 ( .... ) 1 ( r n r n r! r n n n 36 Este nmero se conoce como las combinaciones de n elementos tomadas de k en k y se denota por:
)! ( ! ! ) , ( r n r n r n r n C C r n 506 . 142 )! 5 30 ( ! 5 ! 30 5 30 ) 5 , 30 ( C Cuantos grupos de 5 alumnos pueden formarse con los 30 alumnos de una clase. (Un grupo es distinto si se diferencia por lo menos en un alumno). No importa el orden. No puede haber dos alumnos iguales (no hay clones) en un grupo, luego no hay repeticin. Cuntas manos distintas pueden darse a 4 jugadores con 5 cartas cada uno y una baraja de 52 cartas? (Intenta primero una respuesta a ojo). El primer jugador puede recibir C(52, 5) manos distintas. Una vez el primer jugador tiene su mano el segundo puede recibir C(47, 5) manos distintas (5 cartas de las 47 restantes). El tercero: C(42, 5) y el cuarto: C(37, 5). Por la regla del producto tendremos un total de:
! 32 ! 5 ! 37 ! 37 ! 5 ! 42 ! 42 ! 5 ! 47 ! 47 ! 5 ! 52 ) 5 , 37 ( ) 5 , 42 ( ) 5 , 47 ( ) 5 , 52 ( C C C C 24 10 1.5 240 4.020.034. 843.475.64 1.478.262. ! 32 ! 5 ! 5 ! 5 ! 5 ! 52 De cuntas maneras distintas podemos pintar una tira de cinco casillas, pintando 2 de rojo y 3 de azul? Respuesta: Combinaciones de 5 elementos tomados de 2 en 2. O de 5 elementos tomados de 3 en 3:
C(5,2) = C(5,3) = 10. S = { 1 M, 4 I, 4 S, 2 P } Cuntas palabras distintas (con o sin sentido) podemos construir utilizando todas las letras de MISSISSIPPI ? Llenemos las 11 casillas: S = { 1 M, 4 I, 4 S, 2 P } M 1 11 # de posibilidades para M: I I I I 4 10 # de posibilidades para I: S S S 4 6 S # de posibilidades para S: P P 2 2 # de posibilidades para P: 34.650 41 41 Permutaciones con repeticin Si n objetos pueden dividirse en r clases con n i
objetos idnticos en cada clase (i = 1, 2, ..., r), es decir, tal que Entonces el nmero de permutaciones posibles es: n n n n n n n n PR r r n n n n r
2 1 2 1 ,..., , con
! ! ! ! 2 1 . 2 1 n n n n r
Por qu? 42 42 r r n n n n n n n n n n n n n n 1 2 1 3 2 1 2 1 1
Recuerda el problema de MISSISSIPPI...
! )! ( )! ( ! ! )! ( ! ! )! ( ! ! ! 1 ! 0 1 2 1 1 2 1 3 3 2 1 2 1 2 2 1 1 1 1 r r r r n n n n n n n n n n n n n n n n n n n n n n n n n n n n