PROBABILIDAD La probabilidad es la posibilidad de que algo pase.

Las probabilidades se expresan como fracciones o como decimales que estn entre uno y cero. Tener una probabilidad de cero significa que algo nuca va a suceder; una probabilidad de uno indica que algo va a suceder siempre. En la teora de la probabilidad, un evento es uno o ms de los posibles resultados de hacer algo. La actividad que origine uno de dichos eventos se conoce como experimento

aleatorio.
Al conjunto de todos los resultados posibles de un experimento se le llama espacio muestral del experimento. Se dice que dos eventos son mutuamente excluyentes si uno y slo uno de ellos puede tener lugar a un tiempo. Cuando en una lista de los posibles eventos que pueden resultar de un experimento se incluyen todos los resultados posibles, se dice que la lista es colectivamente exhaustiva. En una lista colectivamente exhaustiva se presentan todos los resultados posibles. Tres tipos de probabilidad. Existen tres maneras bsicas de clasificar la probabilidad. Estas tres formas presentan planteamientos conceptuales bastante diferentes: Planteamiento clsico. Planteamiento de frecuencia relativa. Planteamiento subjetivo. Probabilidad clsica. Se define la probabilidad de que un evento ocurra como: Nmero de resultados en los que se presenta el evento / nmero total de resultados posibles Cada uno de los resultados posibles debe ser igualmente posible. La probabilidad clsica, a menudo, se le conoce como probabilidad a priori, debido a que si utilizamos ejemplos previsibles como monedas no alteradas, dados no cargados y mazos de barajas normales, entonces podemos

establecer la respuesta de antemano, sin necesidad de lanzar una moneda, un dado o tomar una carta. No tenemos que efectuar experimentos para poder llegar a conclusiones. Este planteamiento de la probabilidad tiene serios problemas cuando intentamos aplicarlo a los problemas de toma de decisiones menos previsibles. El planteamiento clsico supone un mundo que no existe, supone que no existen situaciones que son bastante improbables pero que podemos concebir como reales. La probabilidad clsica supone tambin una especie de simetra en el mundo. Frecuencia relativa de presentacin. En el siglo XIX, los estadsticos britnicos, interesados en la fundamentacin terica del clculo del riesgo de prdidas en las plizas de seguros de vida y comerciales, empezaron a recoger datos sobre nacimientos y defunciones. En la actualidad, a este planteamiento se le llama frecuencia

relativa de presentacin de un evento y define la probabilidad como:

La frecuencia relativa observada de un evento durante un gran nmero de intentos, o La fraccin de veces que un evento se presenta a la larga, cuando las condiciones son estables. Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un evento como una probabilidad. Determinamos qu tan frecuente ha sucedido algo en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el futuro. Cuando utilizamos el planteamiento de frecuencia relativa para establecer probabilidades, el nmero que obtenemos como probabilidad adquirir mayor precisin a medida que aumentan las observaciones. Una dificultad presente con este planteamiento es que la gente lo utiliza a menudo sin evaluar el nmero suficiente de resultados. Probabilidades subjetivas. Las probabilidades subjetivas estn basadas en las creencias de las personas que efectan la estimacin de probabilidad. La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por

parte de un individuo, basada en la evidencia que se tenga disponible. Esa evidencia puede presentarse en forma de frecuencia relativa de presentacin de eventos pasados o puede tratarse simplemente de una creencia meditada. Las valoraciones subjetivas de la probabilidad permiten una ms amplia flexibilidad que los otros dos planteamientos. Los tomadores de decisiones pueden hacer uso de cualquier evidencia que tengan a mano y mezclarlas con los sentimientos personales sobre la situacin. Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando los eventos se presentan slo una vez o un nmero muy reducido de veces. Como casi todas las decisiones sociales y administrativas de alto nivel se refieren a situaciones especficas y nicas, los responsables de tomar decisiones hacen un uso considerable de la probabilidad subjetiva. EVENTOS MUTUAMENTE EXCLUYENTES Dos eventos A y B que no ocurren simultneamente o que no tienen elementos en comn; es decir, si A B = , entonces A y B son eventos mutuamente exclusivos o mutuamente excluyentes. EVENTOS COMPLEMENTARIOS Dos eventos A y B son complementarios si A B = S y A B = . En caso de que se cumplan estas dos propiedades a B se le denota por AC (B es el complemento de A) o a A por BC (A es el complemento de B).

Ejemplo 23: Sea el experimento de sacar dos fusibles, ambos a la vez, de una
caja que contiene 5 fusibles (supongamos que estn marcados con las letras a, b, c, d, y e). Supongamos adems que 3 estn defectuosos (supongamos que los defectuosos son b, c, y d). El espacio muestra es el conjunto de las formas en que se pueden sacar dos fusibles de los cinco. S = {ab, ac, ad, ae, bc, bd, be, cd, ce, de}

Algunos eventos son: 1. El evento A en que ninguno de los dos fusibles sean defectusos. 2. El evento B, en que uno de los dos fusibles es defectuoso. 3. El evento C, en que uno o ms fusibles son defectuosos. 4. El evento D, en que los dos fusibles son defectuosos. Escritos en notacin de conjuntos tenemos: A = {ae} B = {ab, ac, ad, be, ce, de} C = {ab, ac, ad, bc, bd, be, cd, ce, de} D = {bc, bd, cd} Los eventos A y B; A y D; B y D; A y C son mutuamente exclusivos, porque A B = , A D = ; B D = .y A C = . Los eventos A y C son adems complementarios, o sea, A C = y A C =

S.
Medida de probabilidad todos los posibles resultados de un cierto experimento como conjunto exhaustivo y mutuamente exclusivo. grado de incertidumbre sobre su realizacin. condiciones o propiedades intuitivas adicionales que definen una clase de medidas que se conocen como medidas de probabilidad. Definicin S en el intervalo [0, 1] se llama medida de probabilidad si satisface los siguientes axiomas: p(S) = 1.

S, se cumple la igualdad

ocurrir un elemento del conjunto universal S (el conjunto S es exhaustivo). El Axioma 2 establece que la incertidumbre de un cierto subconjunto es la suma de las incertidumbres de sus partes (disjuntas). Esta propiedad tambin se cumple para sucesiones finitas. Propiedades

blece que la evidencia asociada a una ausencia completa de informacin es cero. un conjunto dado A no debe decrecer con la adicin de elementos a A. iderada como una propiedad de consistencia o continuidad. Si se eligen dos sucesiones de conjuntos que convergen al mismo subconjunto de S, se debe obtener la misma evidencia o incertidumbre. tos A,B,A B, y A B no son independientes, sino que estn relacionadas por la frmula anterior.

Ejemplo

posibles resultados del lanzamiento. se tiene:

Distribuciones de Probabilidad iables aleatorias discretas y {x1, . . . , xn} el conjunto de sus posibles realizaciones. X:

obtiene mediante la frmula

Probabilidad condicional probabilidades de otros. cambiar tras el conocimiento de los resultados de un anlisis de sangre.

probabilidad condicional.

Entonces, la probabilidad condicional (funcin de probabilidad condicionada) de X dado Y = y viene dada por

puede escribirse como

subconjunto de variables. En este caso, se convierte en

es la funcin de probabilidad de la i-sima variable, Xi, dado el subconjunto de variables {X1, . . . , Xk}. La suma del denominador de se extiende a todos los valores posibles de Xi. condicional siguen siendo vlidas si la variable Xi se reemplaza por un subconjunto de variables siempre que los conjuntos de variables sean disjuntos.

particular de probabilidad condicional. Independencia disjuntos del conjunto de variables aleatorias {X1, . . . , Xn}. Entonces se dice que X es independiente de Y si y solamente si p(x|y) = p(x), para todos los valores posibles x e y de X e Y;

satisface la condicin). significa que si X es independiente de Y, entonces nuestro informacin sobre X. Tambin, si X es independiente de Y, pueden combinarse las frmulas anteriores para obtener: p(x, y)/p(y) = p(x), que p(x, y) = p(x)p(y). Probabilidades condicionales bajo independencia estadstica. La definicin de independencia condicional lleva la idea de que una vez conocida Z, el conocimiento de Y no altera la probabilidad de X. Si Z ya es conocida, el conocimiento de Y no aade informacin sobre X. , condicional es Simblicamente, la probabilidad condicional se escribe: P(B/A) Y se lee "la probabilidad de que se presente el evento B, dado que el evento A se ha presentado". La probabilidad condicional es la probabilidad de que un segundo evento (B) se presente, si un primer evento (A) ya ha sucedido. Para eventos estadsticamente independientes, la probabilidad condicional de que suceda el evento B dado que el evento A se ha presentado, es simplemente la probabilidad del evento B: P(B/A) = P(B) Probabilidades marginales bajo independencia estadstica. de independencia

particular de la independencia condicional. Por ejemplo, se puede escribir I(X, Y |), para indicar que X e Y son incondicionalmente independientes. condicionalmente dependientes dado Z, es decir, la relacin de

independencia condicional I(X, Y | ) y la de dependencia condicional D(X, Y |Z) pueden satisfacerse simultneamente. Probabilidades estadstica. La probabilidad de dos o ms eventos independientes que se presentan juntos o en sucesin es el producto de sus probabilidades marginales: P (AB) = P(A) X P(B) Un rbol de probabilidad muestra los resultados posibles y su respectiva probabilidad. Probabilidades bajo condiciones de dependencia estadstica. La dependencia estadstica existe cuando la probabilidad de que se presente algn suceso depende o se ve afectada por la presentacin de algn otro evento. Los tipos de probabilidad bajo condiciones de dependencia estadstica son: Condicional. Conjunta. Marginal. Probabilidad condicional bajo dependencia estadstica. P(B/A) = P(BA) / P(A) Probabilidades conjuntas bajo condiciones de dependencia estadstica. P(BA) = P(B/A) x P(A) Probabilidades estadstica. Las probabilidades marginales bajo dependencia estadstica se calculan mediante la suma de las probabilidades de todos los eventos conjuntos en los que se presenta el evento sencillo. O P(BA) = P(A/B) x P(B) bajo condiciones de dependencia conjuntas bajo condiciones de independencia

marginales

Regla de Bayes Consideremos un modelo como el que planteamos al estudiar la probabilidad total, en el cual el espacio muestral estaba particionado y se quera calcular la probabilidad de un suceso A contenido en ese espacio muestral. Supongamos ahora que lo que sea desea no es la probabilidad del suceso A sino la probabilidad de una de las partes, sabiendo que ocurri A. El lector podr advertir que esto est ntimamente relacionado con lo que se dijo al estudiar la probabilidad condicional: que cuando se aplica una condicin, el nuevo espacio muestral pasa a ser el suceso en el cual se cumple esa condicin, y entonces las probabilidades cambian porque ahora estn referidas a un nuevo espacio muestral (si esto no se entiende inmediatamente recomendamos repasar las secciones 1.4, 1.5 y 1.6) Dijimos entonces que el espacio muestral E estaba particionado, y que se sabe que ocurri A, y entonces se desea calcular la probabilidad de cada parte (es decir, calcular las nuevas probabilidades, referidas al espacio muestral A).

Si queremos calcular la probabilidad de la parte pi, sabiendo que ocurri A, planteamos:

En el denominador usamos la frmula de la probabilidad total, y nos queda:

A continuacin damos vuelta las dos intersecciones y aplicamos la definicin de probabilidad condicional, y queda:

En conclusin:

Lo cual se conoce como regla de Bayes frmula de Bayes. Observemos que se tienen como dato las probabilidades originales de las partes y la probabilidad de que ocurra A dentro de cada parte, y lo que se obtiene es la probabilidad de que ocurra una determinada parte sabindose que ocurri A. Ejemplo En un determinado grupo de gente hay personas rubias, morochas y pelirrojas. El 60% de la gente es morocha, el 30% rubia y el 10% pelirroja. El 50% de los rubios tiene ojos claros, el 40% de los pelirrojos tiene ojos claros y el 25% de los morochos tiene ojos claros. Si una persona elegida al azar tiene ojos claros, cul es la probabilidad de que sea rubia? Aplicamos la regla de Bayes: