Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos
futuros. Es por ello que el estudio de probabilidades surge como una herramienta utilizada por
los nobles para ganar en los juegos y pasatiempos de la época. El desarrollo de estas
herramientas fue asignado a los matemáticos de la corte.
Con el tiempo estas técnicas matemáticas se perfeccionaron y encontraron otros usos muy
diferentes para la que fueron creadas. Actualmente se continúo con el estudio de nuevas
metodologías que permitan maximizar el uso de la computación en el estudio de las
probabilidades disminuyendo, de este modo, los márgenes de error en los cálculos.
A través de la historia se han desarrollado tres enfoques conceptuales diferentes para definir la
probabilidad y determinar los valores de probabilidad:
El enfoque clásico
Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles
resultados desfavorables a la ocurrencia de A, y todos los resultados son igualmente posibles y
mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo), entonces la probabilidad
de que ocurra A es:
Binomial
np np(1-p) Si n > 30
Poisson
> 10
Introducción
Este documento presenta brevemente los principios de la teoría de la probabilidad. Dicha
teoría representa una de las herramientas matemáticas más importantes para la física, en
especial para la teoría de la Mecánica Cuántica, así como en los desarrollos de la Física
Estadística. La teoría de la probabilidad se presenta en forma de apuntes esquemáticos y sin
demostraciones.
dos) , entonces:
Teorema 3.2.4. (Probabilidad del suceso imposible) La probabilidad del suceso imposible
(conjunto vacío), es
Teorema 3.2.5. (Suma finita) Para toda colección finita de sucesos disjuntos
, se cumple:
si se define:
, se cumple:
Teorema 3.3.4. (Probabilidad total) Dados un suceso y una colección finita de sucesos
1. Mutuamente disjuntos,
Entonces, se verifica
Teorema 3.3.5. (de Bayes o de las hipotesis) Sea una colección de sucesos
que cumplen las condiciones para que el teorema de la probabilidad total se verifique.
Entonces,
probabilidad del suceso que consiste que la variable tome dicho valor :
1. Cota:
2. Normalización
Algunas propiedades del operador valor esperado vienen dados por el siguiente
Teorema 3.5.5. (Propiedades de ) Para una distribución bien definida, el
operador de valor esperado cumple:
1. Escala:
2. Adición:
4. Composición:
5. No desviado:
1. Origen:
3. Escala:
1. No negatividad:
2. Normalización:
3. Probabilidad:
1. Límite inferior:
2. Límite superior:
3. Monotonía: es creciente.
4. Probabilidad de un rango:
Igual que para las distribuciones discretas, podemos definir los momentos de una
distribución:
El desarrollo de Taylor de la exponencial muestra que los momentos de cada orden son los
coeficientes de la expansión:
y su varianza es
Por cambios de variables, se puede reducir a la distribución normal, un caso especial donde
Dos estudiantes de Instituto intentan ponerse de acuerdo en como pasar una tarde.
Acuerdan que tomarán su decisión lanzando una moneda. Si sale cara irán al cine, si sale
cruz saldrán a tomar una coca-cola y si la moneda cae de canto, estudiarán.
La historia no es tan trivial como pueda parecer, con ella podemos aprender mucho. El
sentido común, basando su juicio en la experiencia, nos indica que los estudiantes quieren
saltarse la necesidad de estudiar. En otras palabras sabemos intuitivamente que la moneda
no caerá de canto, que lo hará sobre la cara o sobre la cruz. Más aún, si la moneda es legal,
tenemos la certeza moral de que las posibilidades de que salga cara o cruz son las mismas.
Para poder tratar estas cuestiones desde un punto de vista matemático, es necesario asignar
valores numéricos a cada una de la probabilidades involucradas.
Como tenemos la certeza de que saldrá cara o cruz sigue que 2p debe ser el valor asignado
al suceso seguro, el que ocurrirá siempre que lancemos una moneda al aire. Podemos elegir
cualquier valor que nos plazca para el suceso seguro. Es costumbre elegir el valor 1. Esto
es: asumimos que 2p=1. Entonces la probabilidad de que la moneda muestre cara es : 1/2 ;
la probabilidad de que muestre cruz es : 1/2; y la probabilidad de que salga cara o cruz es:
Si analizamos detalladamente el ejemplo, podemos apreciar :
Unos resultados puntuales, sale cara o sale cruz y no podemos tener la certeza de antemano
de que sea cara o sea cruz.
Unas asignaciones de probabilidad a cada uno de los resultados, que se basan en el sentido
común y en nuestra experiencia previa.
Vamos a definir de manera más precisa cada uno de los elementos que intervienen:
Experimento aleatorio
Espacio muestral
Suceso
De un experimento aleatorio es cada uno de los subconjuntos del espacio muestral E. Los
designamos por letras mayúsculas: A,B,C,..., ponemos sus elementos entre llaves y separados por
comas.
Observación :
La confusión entre suceso y resultado se debe a que cuando el suceso es : " que al lanzar un
dado salga 2" y el resultado :"sale un dos al lanzar el dado", sólo ocurre el suceso cuando el
resultado es 2.
Funciones de distribución
El paso siguiente es asignar (distribuir) probabilidades. Las definiciones que siguen están
motivadas por el ejemplo del lanzamiento de una moneda, recordamos que en ese ejemplo a cada
resultado del espacio muestral le asignabamos un número no negativo tal que la suma de todos
los números asignados a cada resultado deberá ser 1.
Definición
Sea X una variable que representa a los posibles resultados de un experimento aleatorio, en
principio vamos a asumir que este experimento tiene sólo un número finito de posibles resultados.
Sea E, el espacio muestral del experimento. Una función de distribución para X es una función real
f cuyo dominio es E y que satisface:
Ejemplo:
Sean tres equipos de futbol, a, b y c que se presentan a un torneo de verano, sólo uno ganará el
torneo. El espacio muestral es el conjunto de tres elementos, E={a,b,c}, donde cada elemento
corresponde al triunfo de cada uno de los equipos. Suponemos que a y b tienen las mismas
posibilidades de ganar y c tiene solamente la mitad de las posibilidades de ganar que a. Debemos
asignar probabilidades de modo que :
Sea el suceso A, "gana el trofeo el equipo a" ; el suceso B, "gana el trofeo el equipo b" y el
suceso C, "gana el trofeo el equipo c". En el lenguaje de la teoría de conjuntos:
En este último caso se puede apreciar como un suceso se puede describir en términos de
otros sucesos utilizando las construcciones standard de la teoría de conjuntos.
Suceso contrario
Las probabilidades asignadas a cada suceso por una función de distribución definida sobre
un espacio muestral E de un experimento aleatorio, verifican las siguientes propiedades:
Teorema 2.
Regla de Laplace.
Si llamamos casos favorables a los resultados que forman el suceso A y casos posibles a los
resultados posibles del experimento, tenemos:
Probabilidad condicionada
SeatPanda 2 8 10
SeatToledo 7 3 10
Totales 9 11 20
Los coches están colocados aleatoriamente, tras 20 puertas, de forma que el concursante no
ve el coche que hay detrás de cada puerta.
El concursante elige un número, entre 1 y 20, y si acierta la marca y el color del coche que
hay en la puerta elegida, gana, en caso contrario pierde.
SeatPanda 2 8 10
SeatToledo 7 3 10
Totales 9 11 20
P( T ∩ R ) = 7/20
La probabilidad de que el coche sea un Seat Toledo es :
SeatPanda 2 8 10
SeatToledo 7 3 10
Totales 9 11 20
P(T)=10/20 = 1/2
¿Qué ocurre si, una vez que el concursante ha elegido puerta, el presentador, le da la pista
de que el coche que hay tras la puerta es rojo?. Tendremos que cambiar la probabilidad al
suceso T y al suceso P. A la probabilidad del suceso T cuando se sabe que ha ocurrido R, le
llamamos probabilidad condicionada de T, sabiendo que ha ocurrido R y escribimos:
P(T/R)
Para asignar las nuevas probabilidades hemos de ser consecuentes con las propiedades que
debe cumplir toda asignación de probabilidades. El nuevo espacio muestral es el señalado
en rojo en la tabla siguiente. Por tanto asignamos así las probabilidades:
SeatPanda 2 8 10
SeatToledo 7 3 10
Totales 9 11 20
Para representar, de forma muy adecuada, este tipo de experimentos, se realiza un esquema,
llamado : árbol de probabilidades
Cada flecha del diagrama se denomina rama del árbol; a cada rama, asignamos la
probabilidad que le corresponde. Un recorrido, desde el comienzo del experimento hasta el
final, se llama un camino.
Si sabemos que ha ocurrido el suceso A, tenemos que volver a asignar probabilidades a los
distintos caminos; todos los caminos que comienzan por el suceso B, tendrán probabilidad
0 y los que empiezan por el suceso A :
Hay que aceptar por tanto las mismas relaciones entre probabilidades a las que habíamos
llegado en el experimento anterior :
Y dos teoremas:
Sucesos dependientes
Dos sucesos son dependientes si el resultado de uno influye en el otro. Los sucesos A y B son
dependientes si y sólo si P(A) es distinto de P(A/B) y P(B) es distinto de P(B/A)
Sucesos independientes
Dos sucesos son independientes si el resultado de uno no influye en el resultado del otro. Los
sucesos A y B son independientes si y sólo si P(A)=P(A/B) y P(B)=P(B/A).
Vamos a considerar de nuevo, el experimento de las urnas A y B, que contienen bolas verdes y
rojas:
Si sabemos que ha salido una bola roja, los caminos posibles en el árbol de probabilidades,
quedan reducidos a dos, los señalados en rojo en la imagen anterior; tenemos que reasignar
probabilidades, todos los caminos que terminan en bola verde, deberán tener probabilidad
0. ¿Cómo asignamos probabilidades a los caminos que conducen a bola roja?
En resumen podemos enunciar el siguiente resultado :
1. Historia.
Otro hito es la segunda edición de la obra "The Doctrine of Chances" (La doctrina
de las probabilidades) aparecidas en 1738 y debida al hugonote francés De Moivre,
que por motivos religiosos huyó de Francia refugiándose en Inglaterra, donde vivió
de la resolución de problemas de juegos de azar. En la obra señalada aparecen las
primeras indicaciones sobre las distribución normal de probabilidades.
El primer año del nuevo siglo se anunciaba ya propicio para las aplicaciones de la
teoría de probabilidades tanto a la fisica como a la genética, puesto que en 1901
publicaba Glbbs su obra Elementary Principles in Statistical Mechanics, y el
mismo año fue fundada la revista Biometrika por Karl Pearson (1857-1936).
Francis Galton (1822-1911) fue muy precoz y un estadístico nato que estudió los
fenómenos de regresión; en 1900 Pearson en la universidad de Londres popularizó
el criterio de la «chi-cuadrado». Uno de los títulos de Poincaré había sido el de
"profesor de cálculo de probabilidades", lo que indicaba un interés creciente por el
tema.
2. Probabilidad.
Dado que la Estadística se utiliza con mucha frecuencia hoy en día, inclusive ya en
el lenguaje cotidiano, es conveniente saber entender con toda precisión qué es lo
que se nos dice, por ejemplo, en los medios de comunicación cuando se hace
referencia a la probabilidad de algún suceso.
Así, es corriente oír decir que la probabilidad de que un recién nacido sea varón es
aproximadamente del 50 %, que es muy poco probable que llueva en Torremolinos
en la segunda quincena del mes de julio, o inclusive, hasta podemos leer en la
prensa (El País, 12 de noviembre de 1991) cosas tales como que en una evaluación
internacional sobre matemáticas y ciencias, desarrollada por la National Assessment
of Educational Progress de Estados Unidos, entre escolares españoles de 13 años,
los chicos muestran un mejor rendimiento en matemáticas que las chicas, haciendo
esta afirmación con un margen de error muy pequeño (del 5 %). Nos apresuramos a
decir, claro está, que el informe no afirma que los niños tengan una mayor aptitud o
una mayor capacidad para las matemáticas, sino que "probablemente" estos
resultados son la consecuencia de unos determinados (y erróneos) comportamientos
sociales. En todo caso, el lector o lectora estará de acuerdo conmigo en que es
interesante tener muy claro qué significa el que la probabilidad de error ante esa
afirmación sea 0'05. Una respuesta completa deberá postergarse hasta el capítulo 7,
en donde se describan con detalle las técnicas utilizadas en dicho informe, aunque el
concepto de probabilidad que allí se utilice será el que aquí se va a estudiar.