PROBABILIDAD

1. Experimento En estadstica este trmino es ms amplio que en otras ciencias. El lanzar un dado, una moneda, enviar una sonda espacial hacia Alpha Centauri, seleccionar un foco de un lote de produccin y que este sea defectuoso o no, son ejemplos de experimentos estadsticos. Estos experimentos tienen dos propiedades en comn: a. Cada experimento tiene varios resultados posibles que pueden especificarse de antemano. b. Estamos inseguros o inciertos acerca del resultado de cada experimento. Al lanzar un dado o una moneda, no podemos saber si el resultado ser cara o sello, o que lado del dado saldr. 2. Espacio Muestral El conjunto que rene a todos los resultados posibles de un experimento se llama espacio muestral, y normalmente se le designa con la letra griega Omega (). A cada uno de los elementos que constituye el espacio muestral se le denomina punto muestral. Por ejemplo, en el caso de un dado su espacio muestral esta formado por las caras o lados de ste, es decir = {1, 2, 3, 4, 5, 6} y por supuesto cada una de las caras constituye un punto muestral. Por ejemplo, si lanzamos simultneamente dos monedas, los resultados posibles sern:

= {CC, CS, SC, SS}

(Ver figura)
En el caso que preguntramos a cuatro personas sobre su preferencia respecto al Referndum, expresando su opinin a favor (F) o en contra (C), el espacio muestral estara conformado por las alternativas que se muestran en la siguiente figura. = {FFFF, FFFC, FFCF, FFCC, FCFF, FCFC, FCCF, FCCC, CFFF, CFFC, CFCF, CFCC, CCFF, CCFC, CCCF, CCCC)

En este caso nos hemos ayudado con un diagrama de rbol para representar los resultados posibles. 3. Suceso A un subconjunto del espacio muestral se le llama suceso. En nuestro ltimo ejemplo, asignemos un punto a la opinin favorable { F = 1) y cero puntos a la opinin en contra (C = 0). Ahora deseamos hallar los resultados cuyo puntaje sea como mnimo 3 puntos, estos resultados conformarn un subconjunto que denominaremos A, luego obtendremos que: A = { FFFF , FFFC , FFCF , FCFF , CFFF } Si deseamos hallar el resultado que tiene el valor exacto de 4 puntos, tendremos un subconjunto como B = { FFFF } Entonces podemos decir que el subconjunto A es el suceso de obtener un puntaje mnimo de 3, y el B es el suceso de obtener un puntaje exacto de 4.

4. Definiciones de probabilidad Hasta este momento hemos sido afortunados de contar con toda la informacin de las poblaciones que quisimos estudiar. Por lo que nos concentramos en las distintas formas de resumir, presentar y analizar esta informacin. Pero esto no es lo comn, la realidad es que no contamos con la informacin completa y que necesitamos efectuar alguna estimacin de los pensamos puede suceder. La Teora de Probabilidad, que trata de las oportunidades de ocurrencia de eventos o sucesos particulares, es muy empicada para la solucin de este tipo de problemas. El pensamiento actual seala a Jernimo Cardano (1501-1576) como el fundador de esta teora, l un matemtico italiano public un manual llamado el Libro de los juegos de azar. El libro mostraba la cantidad de maneras con las cuales dos dados podran ser lanzados y explor incluso las formas en las cuales tres dados podan ser lanzados.

De acuerdo con los historiadores Cardano predijo la fecha de su muerte, cuando se dio cuenta que segua vivo el da predicho, se suicido con la finalidad de mantener su reputacin como predictor. Actualmente nosotros no tomamos las cosas tan en serio, de acuerdo con la Teora de Probabilidades lo que intentamos es acertar la mayora de las veces y no slo una vez. Conceptualmente existen tres formas de determinar la probabilidad de ocurrencia de un evento:

a. Probabilidad Clsica u Objetiva, b. Frecuencia Relativa de Ocurrencia, y c. Probabilidad Subjetiva. La Probabilidad Objetiva, depende de las caractersticas fsicas del objeto estudiado. Por ejemplo si lanzamos una moneda (asumiendo que no est cargada}, la chance de que salga cara es de 1/2. De forma similar si utilizamos un dado no cargado, la chance de obtener un seis es de 1/6, y si escogemos una carta de una baraja completa que se encuentre sobre la mesa, la chance de tomar un As es de 4/52, debido a que en una baraja a de 52 cartas existen 4 ases. Si N (A) son los resultados posibles favorables (para nosotros) del evento A y existen N(S) resultados posibles en el espacio muestral entonces la probabilidad de que ocurra A es: P(A) = N(A) N(S) Resultados posibles y mutuamente excluyentes. Esto supone que todos los resultados son igualmente probables o posibles, entonces estamos en capacidad de determinar el o los valores de la probabilidad antes de observar cualquier evento, a esto se denomina a priori. Hagamos un ejercicio, Cul ser la probabilidad de extraer un dos de corazones de una baraja completa? P(A) = N(A) = 1 = 0.0192 N(S) 52 Expresado en porcentaje serla 1.92 % Y cul sera la de extraer un AS?

P(A) = N(A) = 4 = 0.0769 N(S) 52 En este caso 7.69 %. Este tipo de probabilidad nos resulta til y buena para resolver problemas que involucran el uso de objetos fsicos, pero que sucede en la realidad en el caso de situaciones de negocios, como suponemos el elemento fsico es el hombre por lo que no nos es muy til. Cmo podra predecir una compaa de Seguros el porcentaje de autos que estarn involucrados en accidentes automovilsticos el prximo ao? Cmo podr determinar una empresa Textil, que porcentaje de su produccin ser defectuosa? Si deseamos lograr este tipo de prediccin deberemos emplear un enfoque de Frecuencia Relativa de Ocurrencia de eventos similares en el pasado. Debemos buscar la proporcin de veces que ocurre un resultado favorable o de inters en un determinado nmero de observaciones o experimentos. Luego la probabilidad de que ocurra un evento A es: P(A) = Nro. De Observaciones de A = n(A) Tamao de muestra n Veamos un ejemplo, si el ndice de accidentes de autos ha sido de 1 en 50 (Frec. Rel.) la probabilidad de ocurrencia futura ser:

P(A) = n(A) = 1 = 0.02 n 50 Es decir que existe una probabilidad del 2 % . En vista que para determinar los valores de la probabilidad se requiere de la observacin y recoleccin de datos, a sta tambin se le denomina emprica. Este tipo de probabilidad asume que hemos tenido repeticiones de la misma situacin, y que este nmero se mantendr en el tiempo. Como sabemos en los negocios esto no es posible, pues siempre tratamos de predecir nuevas situaciones o escenarios. Un tercer tipo de probabilidad es la llamada subjetiva. La determinacin del valor de esta probabilidad est basada en la creencia personal o es decir el grado de confianza que se tiene respecto a la ocurrencia de un evento.

Aun cuando una persona no haya tenido experiencia previa con un evento determinado, l o ella puede tratar de asignarle una probabilidad que modifique o confirme la probabilidad de ocurrencia de dicho evento. Frecuentemente, en las situaciones de negocios, esta puede ser la nica manera de poder asignar la probabilidad de ocurrencia a un evento. Dado que esta probabilidad la asignamos cada uno de nosotros, la denominamos personalista. 5. Reglas simples de probabilidad a. Todas las probabilidades variarn entre 0 y 1. Luego, P (A) o la probabilidad de que ocurra el evento A es: 0 P(A) 1 Una probabilidad cercana a Cero significa que estamos plenamente seguros que ese evento no ocurrir, por lo contrario si tenemos una probabilidad cerca a Uno, significar que tenemos certeza que ese evento se llevar a cabo. Si escuchamos decir a alguien que tiene una probabilidad de 5.0 de heredar un milln de dlares (se est expresando incorrectamente, pues tal vez quiere decir que su probabilidad es de 5.0 %. b. Si hay slo dos eventos que pueden ocurrir, uno y slo uno de ellos ocurrir. Por ejemplo, el que herede o no un milln de dlares podemos expresarlo de la siguiente manera: P(A) = Probabilidad que herede 1 milln de USD P(A) = Probabilidad de NO A, es decir que no ocurra A. Ahora bien, si existen dos posibilidades, sus probabilidades deben sumar uno. P(A) + P(A') = 1 Aplicando algebra podemos decir que la probabilidad que ocurra un evento es 1menos la probabilidad de que no ocurra. P(A) = 1 - P(A) Si la probabilidad que no herede 1 milln de dlares es 0.999 o 99.9 %,, entonces la probabilidad que s lo haga es de 0.001o 0.1%.

c. La siguiente regla se aplica a eventos mutuamente exclusivos o excluyentes. Estos eventos son aquellos que no pueden ocurrir en forma simultnea. Por ejemplo una persona tiene sobrepeso, bajo peso o peso normal, no podemos tener las tres condiciones a la vez. El clculo de la probabilidad de estos eventos sigue la regla de la adicin. P(A o B) = P(A) + P (B) P(A o B o C) - P(A) + P(B) +P(C)

Resolvamos un problema, supongamos que en este saln se tienen los siguientes calificativos y cantidades en cada uno de ellos: Calificativo A B C D F Cant. 10 20 40 20 10

Si ahora seleccionamos a un estudiante en forma aleatoria, es decir que cada uno de ellos tenga la misma oportunidad de ser elegido, el evento A ocurrir si la calificacin del alumno seleccionado es una "A". Existen 10 elementos en el evento A. La probabilidad de seleccionar un alumno con una calificacin de A o B ser: P(A) + P(B) = 10 + 20 = 0.30 100 100 Esto quiere decir que la probabilidad de seleccionar un alumno con A o B es de 30 %. Ahora la probabilidad de seleccionar un alumno con C o ms ser: P(A) + P(B) + P(C) = 10 + 20 + 40 = 0.7 100 100 100 En este caso la probabilidad de seleccionar que tenga un calificativo de C o ms es de 70%.

d. La siguiente regla se aplica a eventos que NO son mutuamente exclusivos. En este caso uno puede ser profesor y hombre o mujer; una carta de la baraja puede ser As y a la vez ser de Diamantes o Corazones. Por ejemplo si deseamos calcular la probabilidad de extraer una carta que sea un As o un Diamante, nosotros podemos comenzar por sumar todas las probabilidades de encontrar un As, P (A) , y la probabilidad de encontrar un Diamante, P(D). Luego: P(AoD) = P(A) + P(D) = 4 + 13 52 52 Pero esta prokabbiIid.ad no es correcta, pues en este clculo hay una carta que ha sido contada dos veces. AS ES CO DI A&D TR 2 3 4 5 6 7 8 9 10 J Q K

El As de Diamantes como observamos ha sido marcado dos veces, una como As y otra como Diamante. Para calcular correctamente la probabilidad debemos restar el rea que se sobrepone, luego tendremos: P(AoD) = P(A) + P(D) - P(AyD) P(AoD) = 4 + 13 1 = 16 = 0.3077 52 52 52 52 La probabilidad de extraer un As> u un diamante ser de 30.77 %. e. La quinta regla nos permite calcular la probabilidad para eventos que son independientes. Un evento independiente es aquel donde el producto o resultado de un evento no afecta la probabilidad (producto) de los eventos subsecuentes. Por ejemplo si lanzamos una moneda dos veces, el resultado del primer lanzamiento no afecta al segundo, si

ganamos la lotera este mes, esto no afecta a quien gane el prximo mes. Calculemos la probabilidad de obtener dos caras seguidas cuando lanzamos una moneda dos veces, para esto definiremos como A al evento de obtener una cara en el primer lanzamiento y E de obtenerla en el segundo. Sabemos que la probabilidad de obtener una cara es de 1/2 (Prob. Objetiva).

P (A y B) = P(A) * P(B) P(AyB) = 1 * 1 = 1 2 2 4

La probabilidad de obtener dos cara seguidas en dos lanzamientos consecutivos de una moneda es de 25%. Veamos otro caso, de este tipo, calculemos cul es la probabilidad de que una mujer de a luz a tres hijos hombres en tres partos seguidos:

P(A y B y C) = (1/2) (1/2) (1/2) = 1/8 12.50%

Pero nosotros no podemos estar seguros que estos eventos sean realmente independientes. Pues existe evidencia que padres con familias numerosas que tienen nios de un solo sexo, tienen una probabilidad mayor a 1/2. f. Como ltima regla veremos aquellos eventos que son no independientes. Esto significa que el resultado obtenido en un primer evento afecta el resultado de un segundo evento. Por ejemplo, si tenemos en una mesa 20 nforas, 5 de ellas contienen billetes de 100 soles. Cul ser la probabilidad de escoger dos nforas en forma consecutiva que contengan un billete de 100 soles ? Para lograr obtener un billete de 100 soles dos veces seguidas, debemos escoger un nfora a la vez. Si en el primer intento escogemos un nfora que contiene un billete de 100 soles, la posibilidad de escoger una segunda nfora que contenga un billete cambia, pues en esta segunda oportunidad slo hay 19 nforas de las cuales 4 contienen billetes. La expresin matemtica de este experimento es:

P(AyB) P(A)*P(B/A)

Donde P(B / A) se lee " la probabilidad que ocurra B dado que ha ocurrido A. En nuestro ejemplo, diramos la probabilidad de elegir un nfora que contenga un billete en el primer intento (A) y en un segundo intento (B) es igual a la probabilidad se escoger un nfora que tiene un billete en el primer intento multiplicada por la probabilidad de escoger un nfora con un billete en un segundo intento dado que hemos obtenido un billete la primera vez, en el segundo intento hay menos nforas con billetes. Aplicando la formula obtendremos: P(AyB) = 5 * 4 = 2 0 = 0 . 0526 20 19 380 Entonces tendremos una probabilidad del 5.26 % de obtener dos billetes de 100 soles en forma consecutiva. Pero que sucede si reponemos el nfora luego del primer intento, o luego de cada intento, con este lo que logramos es convertir a los eventos en independientes, haciendo esto en un segundo experimento tendremos cinco posibilidades de 20 para encontrar los billetes cada vez gue lo intentemos.

P(AyB) = P(A) * P(B) = 5 * 5 = 0 . 0 2 6 5 20 20 Es conveniente practicar la notacin de esta probabilidad para entenderla adecuadamente. La formula de esta probabilidad puede transponerse y presentarse as: P(B/A) = P(AyB) P(A) 6. Independencia estadstica Dos eventos A y B son independientes si y slo si se cumple: P(A y B) - P(A) * P(B) P(B/A) = P (B)

Esto significa que el conocimiento del resultado u ocurrencia de un evento no tiene valor predictivo para la ocurrencia de otro evento. 7. Variable Aleatoria Efectuemos un experimento en l se considera el nmero posible de Caras que pueden resultar en el lanzamiento simultneo de tres monedas. Como sabemos este experimento tiene un espacio muestral de ocho resultados posibles, si adems le asignamos el valor de uno a cada cara que puede salir en cada lanzamiento obtendremos el siguiente cuadro: Result. # Caras SSS CSS SCS SSC SCC CSC CCS CCC 0 1 1 1 2 2 2 3

Si denominamos X a la variable que representa el nmero de caras del experimento, la variable puede tomar uno de los sigientes valores : 0, 1, 2 3. Una variable cuyos valores numricos estn determinados por los resultados de un experimento se llama variable aleatoria. Para una mayor especificacin designaremos a la variable con la letra mayscula X y al valor que sta tome con una letra minscula x. Para facilidad de empleo en experimentos ya existen tablas de nmeros aleatorios que representan los valores que asumira la variable en un experimento.

8. Esperanza matemtica El valor esperado o esperanza matemtica es de uso bsico en la teora de probabilidades para poder predecir que sucedera a la larqa si tenemos en repetidas oportunidades una misma situacin. El valor esperado se obtiene de la multiplicacin de la probabilidad de ocurrencia de un evento por el pago (ganancia o prdida) si el evento ocurriera, y efectuando una suma total de estos posibles resultados, luego obtendremos esta expresin matemtica: ( ) ( ( ))

Si el premio de una rifa es de un milln de soles y se han vendido 100,000 boletos, tenemos una posibilidad en 100,000 de ganar el premio si compramos un boleto. En este caso el pago es de un milln de soles, luego la esperanza de ganar es igual a:

( ))

Obtenemos que el valor esperado o la esperanza matemtica de un boleto es de 10 soles. Esto quiere que si compramos un boleto de rifa a 10 solos o menos, estaramos asumiendo un riesgo adecuado. Si el valor de los boletos es exactamente 10 soles, esto es lo que se llama un juego justo, dado que el total de pago es igual a la cantidad recaudada. Frecuentemente los problemas de esperanza matemtica son ms complejos. Veamos, si nos ofrecen participar en un juego de lanzamiento de un dado (no cargado) y nos dan las siguientes alternativas o premios: si sacarnos 1 ganamos 100 soles, si es 2 ganamos 200 soles, si es 3 ganamos 250 soles, si es 4 pago 75 soles, si es 5 pago 250 y si es 6 pago 100 soles. Para obtener la esperanza matemtica debo multiplicar la probabilidad de cada resultado es decir de sacar cada cara por la ganancia o prdida de obtener ese resultado, luego efectuamos la suma de estos productos, obteniendo:

( )

( ( )

De acuerdo con nuestros clculos esperaremos obtener a la larga una ganancia promedio de 20.83 soles si decidiera entrar al juego. Si entrar al juego cuesta menos de 20.83 soles, tendr una esperanza de ganar. La esperanza matemtica es la base del negocio de los seguros y de la teora de decisiones.