Fundamentos de Probabilidad

Conjunto y tcnicas de conteo

El conjunto juega un papel fundamental en el desarrollo de las matemticas
modernas; Adems de proporcionar las bases para comprender con mayor
claridad algunos aspectos de la teora de la probabilidad.
Tcnicas de conteo
El principio fundamental en el proceso de contar ofrece un mtodo general
para contar el nmero de posibles arreglos de objetos dentro de un solo
conjunto o entre varios conjuntos.
Las tcnicas de conteo son aquellas que son usadas para enumerar
eventos difciles de cuantificar.
















Tcnicas de
multiplicacin

Implica que cada uno de los pasos de
la actividad debe ser llevado a efecto,
uno tras otro.

PRINCIPIO
ADITIVO.

Si se desea llevar a efecto una
actividad, la cual tiene formas
alternativas para ser realizada.

Principio de
permutacin

Se la utiliza para determinar el nmero de posibles
arreglos cuando solo hay un solo grupo de objetos.
Permutacin: un arreglos o posicin de r objetos
seleccionados de un solo grupo de n objetos
posibles. Si nos damos cuenta los arreglos a, b, c y
b, a, c son permutaciones diferentes.

PRINCIPIO
ADITIVO.

En una permutacin, el orden de los objetos de
cada posible resultado es diferente. Si el orden de
los objetos no es importante, cada uno de estos
resultados se denomina combinacin.

Concepto clsico y como Frecuencia Relativa
El enfoque clsico o a priori de la probabilidad se basa en la consideracin de que
los resultados de un experimento son igualmente posibles. La probabilidad de que
suceda un evento se calcula dividiendo el nmero de resultados favorables, entre
el nmero de resultados posibles.
La probabilidad de que un evento ocurra a largo plazo se determina
observando en que fraccin de tiempo sucedieron eventos semejantes en el
pasado. La probabilidad de que un evento suceda se calcula por medio de:
P (E)= nmero de veces que el evento ocurri en el pasado
Numero total de observaciones
Espacio Muestral y Eventos
En la teora de probabilidades, el espacio muestral o espacio de muestreo
(denotado E, S, o U) consiste en el conjunto de todos los posibles
resultados individuales de un experimento aleatorio.
Los espacios de muestreo aparecen de forma natural en una aproximacin
elemental a la probabilidad, pero son tambin importantes en espacios de
probabilidad. Un espacio de probabilidad (, F, P) incorpora un espacio de
muestreo de resultados, , pero define un conjunto de sucesos de inters.
Axiomas y Teoremas
Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y
Teoremas que a continuacin se enumeran.
Los axiomas de probabilidad son las condiciones mnimas que deben
verificarse para que una funcin definida sobre un conjunto de sucesos
determine consistentemente sus probabilidades.
Primer axioma: La probabilidad de que ocurra un evento A cualquiera se
encuentra entre cero y uno.

0 s p(A) > 1
Segundo axioma: La probabilidad de que ocurra el espacio muestral o debe
de ser 1.
p (o) = 1
Tercer axioma: Si A y B son eventos mutuamente excluyentes.
p(AB) = p(A) + p (B)
Teoremas
Teorema 1: Si | es un evento nulo o vaco, entonces la probabilidad de que
ocurra | debe ser cero.
p (|)=0
Ejemplo: La probabilidad de que un estudiante sea mujer es "1 menos la
probabilidad de que no sea varn".
Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5.
P(A)=0,5
Teorema 2: La probabilidad del complemento de A, A
c
debe ser,
p (A
c
)= 1 p(A).
Demostracin: Si el espacio muestral o, se divide en dos eventos
mutuamente exclusivos, A y A
c
luego o=AA
c
, por tanto p(o)=p(A) + p(A
c
) y
como en el axioma dos se afirma que p(o)=1, por tanto, p(A
c
)= 1 - p(A)
.LQQD
Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado
equilibrado es "1".
Teorema 3: Si un evento A c B, entonces la p(A) s p (B).
Demostracin: Si separamos el evento B en dos eventos mutuamente
excluyentes, A y B \ A (B menos A), por tanto, B=A(B \ A) y p (B)=p(A) +p
(B \ A), luego entonces si p (B \ A)>0 entonces se cumple que p(A)sp (B).
LQQD
Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es
la suma de las probabilidades individuales de dichos sucesos
Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es
la suma de las probabilidades individuales de dichos sucesos.
Teorema 4: La p( A \ B )= p(A) p(AB)
Demostracin: Si A y B son dos eventos cualquiera, entonces el evento A
se puede separar en dos eventos mutuamente excluyentes, (A \ B) y AB,
por tanto, A=(A \ B)(AB), luego p(A)=p(A \ B) + p(AB), entonces, p(A \
B) = p(A) p(AB). LQQD
Teorema 5: Para dos eventos A y B, p(AB)=p(A) + p (B) p(AB).
Demostracin: Si AB = (A \ B) B, donde (A \ B) y B son eventos
mutuamente excluyentes, por lo que p(A B) = p(A \ B) + p (B) y del
teorema anterior tomamos que p(A \ B) = p(A) p(AB), por tanto, p(AB)
= p(A) + p (B) p(AB). LQQD
Probabilidad Clsica Espacio Finito Equiparable
Probabilidad clsica
Sea E un espacio muestral cualquiera y A un evento de ese espacio. Se
define la probabilidad P del evento A, como:
Donde:
#A - nmero de casos favorables
#E - nmero de casos totales
Se supone que todos los elementos del espacio tienen la misma
posibilidad de ocurrir
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga guila.
Calcular la probabilidad de A:
E = {A, S}
A = {A}

Ejemplo. Sea el experimento lanzar un dado
Sea A: Obtener el nmero 6. A={6}
El espacio muestral (espacio equiprobable)
E = {1, 2, 3, 4, 5,6}
La probabilidad de obtener el nmero 6 es dada por
(1)
#
#
) (
E
A
A P =

6
1
#
#
) ( = =
E
A
A P

2
1
#
#
) ( = =
E
A
A P
ESPACIOS FINITOS EQUIPROBABLES.
Sea o un espacio muestral que contiene n elementos, o = {a
1
, a
2
, a
3
,....,a
n
}, si a cada uno
de los elementos de o le asignamos una probabilidad igual de ocurrencia, p
i
= 1/n por
tener n elementos o, entonces estamos transformando este espacio muestral en un
espacio finito equiprobable, el que debe cumplir con las siguientes condiciones:
1. Las probabilidades asociadas a cada uno de los elementos del espacio muestral
deben ser mayores o iguales a cero, p
i
> 0.
2. La sumatoria de las probabilidades asociadas a cada elemento del espacio muestral
debe de ser igual a 1.
Ep
i
= 1
En caso de que no se cumpla con las condiciones anteriores, entonces no se trata de un
espacio finito equiprobable.
Solo en el caso de espacios finitos equiprobables, si deseamos determinar la probabilidad
de que ocurra un evento A cualquiera, entonces;
p(A) = r*1/n = r/n
p(A) = maneras de ocurrir el evento A/ Nmero de elementos del espacio muestral
r = maneras de que ocurra el evento A
1/n = probabilidad asociada a cada uno de los elementos del espacio muestral
n = nmero de elementos del espacio muestral
Probabilidad Condicional e Independencia
Probabilidad condicionada es la probabilidad de que ocurra un evento A,
sabiendo que tambin sucede otro evento B. La probabilidad condicional se
escribe P (A|B), y se lee la probabilidad de A dado B.
En teora de probabilidades, se dice que dos sucesos aleatorios son
independientes entre s cuando la probabilidad de cada uno de ellos no est
influida por que el otro suceso ocurra o no, es decir, cuando ambos sucesos
no estn correlacionados
Teorema de Bayes
El teorema de Bayes se utiliza para revisar probabilidades previamente
calculadas cuando se posee nueva informacin. Desarrollado por el
reverendo Thomas Bayes en el siglo XVII, el teorema de Bayes es una
extensin de lo que ha aprendido hasta ahora acerca de la probabilidad
condicional.
Comnmente se inicia un anlisis de probabilidades con una asignacin
inicial, probabilidad a priori. Cuando se tiene alguna informacin adicional
se procede a calcular las probabilidades revisadas o a posteriori. El
teorema de Bayes permite calcular las probabilidades a posteriori y es: