Vous êtes sur la page 1sur 8

Antologa de Probabilidad

2.1 INTRODUCCIN A LA PROBABILIDAD Y EL CONTEO


Ya que los profesionistas en ingeniera y ciencias aplicadas a menudo se involucran en labores de anlisis y diseo de sistemas en donde los componentes caractersticos del sistema son no determinsticos, la comprensin y el uso de la probabilidad son esenciales para describir, disear y analizar estos sistemas. Existen muc os e!emplos que refle!an el comportamie to probabil!"tico aunque el verdadero comportamiento determinstico no es com"n. #ara e!emplificar esto, considere la descripcin de las diversas calidades de un producto o de las medidas del desempeo, la vida operacional de los sistemas mecnicos y$o electrnicos, el patrn de fallas de un producto, la ocurrencia de fenmenos naturales tales como las manc as solares o los tomados, el conteo de partculas de una fuente radiactiva, la cantidad de via!es en las operaciones de entrega, la cifra de accidentes ve iculares durante cierto da en un tramo de la autopista, los tiempos de espera en la fila de una sucursal bancaria, etc%tera. &'u% es la (e"tad!"tica( y por qu% su estudio reviste importancia para ingenieros y cientficos) *on el fin de responder a esta pregunta, en seguida se describe un aspecto del traba!o de los cientficos, llamado (construccin de modelos(. En lo fundamental, el traba!o de los cientficos consiste en describir lo que ven, tratar de explicar lo observado y usar esos conocimientos para predecir eventos del mundo en que vivimos. +a explicacin con frecuencia asume la forma de un modelo fsico. ,n modelo es una explicacin terica del fenmeno de estudio y, desde luego, suele expresarse en forma verbal. - efecto de aplicar el modelo para ob!etivos de prediccin, esa descripcin verbal debe traducirse en una o ms ecuaciones matemticas. .stas pueden usarse para determinar el valor de una #ariable especfica del modelo, con base en el conocimiento de los valores de otras variables del propio modelo. #or e!emplo, la ley del gas perfecto afirma que la presin y volumen de un gas pueden variar simultneamente si cambia la temperatura del gas. Este modelo verbal puede traducirse en una ecuacin matemtica, como sigue/ Le$ del %a" per&ecto' P() RT

donde P es la presin del gas, ( es su volumen, T es su temperatura y R es una constante, Introduccin de Probabilidad 76 Unidad 2

Antologa de Probabilidad
denominada constante de los gases. El valor num%rico de esa constante depende de las unidades fisicas elegidas para otros t%rminos del modelo. ,na vez que se conocen los valores de dos de las tres variables 0#, 1$ o 23, se puede calcular el valor de la tercera con el modelo matemtico. #or e!emplo, con presin de 456 mm7g y temperatura de 849 :, se supone que una mol de cualquier gas tiene volumen de 88.; +. +a constante de gases en este caso tiene un valor aproximado de 58.95. <eg"n la ley del gas perfecto, un gas con volumen de = + a temperatura de 166 : tendra presin #, dada por/ #>? @2 ? 58.952 #0=3 ? 58.95 # ? A 8;4.8 mm7g En otras palabras. el modelo lleva a esperar que la presin sea de 1 8;4.8 mm7g. <e dice que un modelo como la ley del gas perfecto es (determinista(. +o es en el sentido de que permite determinar un valor preciso de la variable de inter%s ba!o condiciones de experimentacin especficas. Bic a ley s describe algunos gases reales a temperaturas y presiones moderadas. #or desgracia, muc os otros gases reales no pueden describirse con %ste o cualquier otro modelo determinista, Cen especial a temperaturas y presiones extremasD Ea!o tales circunstancias, debe encontrarse otra forma de predecir el comportamiento del gas con alg"n grado de certidumbre. Ello puede acerse con la ayuda de m%todos estadsticos. &'u% son los m*todo" e"tad!"tico") <on m%todos con los que se toman decisiones basadas en el anlisis de datos recopilados en experimentos de diseo minucioso. #uesto que los e+perime to" no pueden disearse para tener en cuenta toda posible contingencia, siempre existe algo de incertidumbre en la ciencia experimental. +os m%todos estadsticos estn ideados para permitir la evaluacin del grado de incertidumbre de los resultados. Es posible clasificarlos de manera general en tres categoras, a saber/ e"tad!"tica de"cripti#a, e"tad!"tica i &ere cial $ co "tr-cci. de modelo" . +a estadstica descriptiva abarca las t%cnicas analticas y grficas que posibilitan describir o representar visualmente un con!unto de datos. - la estadstica inferencial le conciernen los m%todos con los que es posible derivar conclusiones acerca de un gran grupo de ob!etos, al observar "nicamente una porcin de los ob!etos de dic o grupo.
E/PERI0ENTO1 ALEATORIO1

2odos estamos familiarizados con la importancia de los experimentos en ciencias e Introduccin de Probabilidad 77 Unidad 2

Antologa de Probabilidad
ingeniera. +a experimentacin es "til porque si suponemos que llevamos a cabo ciertos experimentos ba!o condiciones esencialmente id%nticas, llegaremos a los mismos resultados. En estas circunstancias, estamos en capacidad de controlar el valor de las variables que afectan el resultado del experimento. <in embargo, en algunos experimentos, no somos capaces de indagar o controlar el valor de determinadas variables, de manera que el resultado cambiar de un experimento al otro, a pesar de que la mayora de las condiciones son las mismas. Estos experimentos se describen como aleatorios. +os siguientes son algunos e!emplos.

E2E0PLO 2. 1.1. <i lanzamos una moneda, el resultado del experimento ser (sello(, simbolizado por <

0o 63, o (cara(, simbolizado por * 0o 13, es decir, uno de los elementos del con!unto F<, *G o FH, 1 G.
E2E0PLO 2.1.2. <i lanzamos un dado, el resultado del experimento ser uno de los n"meros deI

con!unto Fl , 8, 9,;, =,5G,


E2E0PLO 2.1.3. <i lanzamos dos veces una moneda, ay cuatro resultados posibles, tal como se indica

por F**,*<, sc, <<G, es decir, dos caras, cara en primer lugar y sello en segundo, etc.
E2E0PLO 2.1.4. <i estamos fabricando tomillos con una mquina, el resultado del experimento es que

alguno puede ser defectuoso. -s, cuando se fabrica un tomillo, ser un miembro del con!unto Fdefectuoso, no defectuosoG.
E2E0PLO 2.1.5. <i un experimento consiste en medir la vida "til de bombillas el%ctricas producidas

por una compaa, entonces el resultado del experimento es el tiempo t en oras que se encuentra en alg"n intervalo, por e!emplo, H J t J ;666 ;666 oras. donde suponemos que ninguna bombilla dura ms de

+a idea precedente lleva a la definicin siguiente/ Unidad 2 78 Introduccin de Probabilidad

Antologa de Probabilidad
De&i ici. ' El grupo total de ob!etos acerca del cual se obtienen conclusiones se

llama poblaci. . ,n subcon!unto o parte de la poblacin que se obtiene y se usa para extraer las conclusiones sobre esa poblacin se denomina m-e"tra. +a construccin de modelos entraa el desarrollo de ecuaciones predictivas a partir de datos experimentales. Estas ecuaciones se denominan modelos estadsticos y permiten la prediccin del comportamiento de un sistema comple!o, adems de la evaluacin de las probabilidades de error. Ko se trata de categoras mutuamente excluyentes. Bic o de otra manera, los m%todos creados para solucionar problemas en un rea suelen tener aplicacin en otra. En esta obra, interesan las tres reas. ,n estadstico o un usuario de la estadstica siempre traba!an en dos mundos. El mundo ideal corresponde al nivel de la poblacin y es de naturaleza terica. <e trata del mundo que nos gustara ver. El mundo real es el de la muestra. Es el nivel en que se opera en verdad. <e espera que las caractersticas de la muestra refle!en satisfactoriamente las de la poblacin. En otras palabras, se trata a la muestra como un microcosmos en el que se refle!a la poblacin. Este concepto se ilustra en la figura 1.1.

+a parte de las matemticas en que se basan los m%todos estadsticos es la teor!a de la probabilidad. #or ello, se inicia el estudio de la estadstica con una consideracin de conceptos bsicos de probabilidad.
Poblacin (mundo ideal, terico e inobser able, cu!as caracter"sticas se #retende describir$

%uestra (inundo real y tan&ible,cu!as caracter"sticas se #ueden obser ar$

FIGURA 1.1

Introduccin de Probabilidad

79

Unidad 2

(inundo real y tan&ible, 'U(l)* caracter"sticas se #ueden obser ar$

Antologa de Probabilidad
+a muestra se considera como una #oblacin en miniatura. *e es#era ,ue el com#ortamiento de la ariable de estudio en la muestrabrinde una ima&en #recisa de su com#ortamiento en la #oblacin.

AK2E@#@E2-*ALK BE +-< #@HE-EA+AB-BE< -nte la pregunta (&<abe algo acerca de probabilidad)( muc as personas responden de inmediato (KoD(. Es usual que no sea as. +a capacidad de interpretar las probabilidades se da por sentada en nuestra cultura. 2odo mundo a odo oraciones como (+as probabilidades de lluvia oy son de M=N( u (7oy se tienen 6N de probabilidades de que llueva(. <e supone que el p"blico en general o las personas pueden interpretar correctamente esos valores. +a interpretacin de las probabilidades se resume como sigue/
I terpretaci. de la" probabilidade"

1. 8.
9.

;. =.

+a probabilidad es un n"mero entre H y 1, inclusive, que refle!a cun factible es que ocurra un evento fsico. 'ue la probabilidad sea cercana a 1 indica que es muy factible que ocurra el evento. Ello no significa que el evento ocurrir, sino "nicamente que se considera que es una ocurrencia com"n. 'ue la probabilidad sea cercana a 6 refle!a que es muy poco factible que tenga lugar el evento. Ello no significa que necesariamente no ocurrir, sino tan slo que es un evento raro. 'ue la probabilidad sea cercana a 1/2 indica que es igualmente factible que el evento ocurra o no. #uesto que los n"meros entre H y 1 pueden expresarse como porcenta!es que van de H a 166, es usual representar las probabilidades en forma porcentual. Ello es particularmente com"n en escritos de naturaleza no t%cnica.

+as propiedades reci%n descritas son lineamientos para interpretar las probabilidades una vez que se conocen, sin que indiquen cmo asignar probabilidades a los eventos. 2res m%todos son de uso generalizado/ el e &o6-e per"o al, el de &rec-e cia relati#a y el cl7"ico. Estos m%todos se ilustran en los e!emplos siguientes/
E8emplo 2.1.9. Hcurri un derrame de petrleo. ,n cientfico ambientalista pregunta/ (&*ul es la probabilidad de que este derrame pueda controlarse antes de que cause dao generalizado en las playas cercanas)( <on muc os los factores que participan, entre ellos el tipo de derrame, el volumen de petrleo derramado, las condiciones de viento y agua durante las operaciones de limpieza, y la cercana de las playas. Estos factores acen que este derrame sea "nico. <e pide al cientfico que elabore un !uicio de valor, es decir, que asigne una probabilidad al evento con base en su opinin personal informada.

+a venta!a principal del e &o6-e per"o al es que siempre resulta aplicable. 2odo mundo Unidad 2 80 Introduccin de Probabilidad

Antologa de Probabilidad
puede tener una opinin personal acerca de cualquier cosa. <u principal desventa!a, por supuesto, radica en que su precisin depende de la exactitud de la informacin disponible y la capacidad del cientfico para evaluar de manera correcta esa informacin.
E8emplo 2.1.:. ,n ingeniero el%ctrico estudia la demanda mxima en una planta generadora de electricidad. <e observa que en O6 de 166 das seleccionados aleatoriamente para estudio, de registros pasados, la demanda mxima ocurre entre las 1O/66 y 1M/66 oras, Es natural suponer que la probabilidad de que ello ocurra en cualquier otro da son por lo menos aproximadamente de/

-. / 1.. 0 ..-. Esta cifra no es simplemente una opinin personal. <e basa en la experimentacin y observacin repetidas. Es una &rec-e cia relati#a. El enfoque de frecuencia relativa puede usarse siempre que sea posible repetir muc as veces el experimento y observar sus resultados. En tales casos. la probabilidad de que ocurra el evento -, denotada como #P-I, se calcula de manera aproximada como sigue/

Aproximacin de frecuencia relativa

# [- 1? f $ n

? n2mero de eces ,ue ocurri el e ento / n2mero de eces ,ue se reali3 el e4#erimento

+a desventa!a de este enfoque consiste en que el experimento no puede ser una situacin que ocurra una sola vez, sino que debe ser susceptible de repetirse. @ecu%rdese que toda probabilidad obtenida de esta manera es una aproximacin. <e trata de un valor basado en 11 ensayos. <in embargo, tienden a ser menores los cambios de los valores aproximados que se obtienen conforme aumenta el n"mero de ensayos. -s pues, con un n"mero de ensayos alto, suele ser muy precisa la probabilidad aproximada que se obtenga con el enfoque de la frecuencia relativa.
E8emplo 2.1.;. &*ul es la probabilidad de que el i!o de una pare!a eterocigota para el color de los o!os 0es decir, que cada uno de sus miembros tiene genes para o!os caf%s y azules3 tenga o!os caf%s)

Introduccin de Probabilidad

-1

Unidad 2

Antologa de Probabilidad
-fn de responder a esta pregunta, debe tomarse nota de que, puesto que el nio recibe un gen de cada progenitor, las posibles combinaciones son 0caf%, azul3, 0azul, caf%3, 0azul, azul3 y 0caf%, caf%3, donde el primer miembro de cada par indica el gen que recibe del padre. Ya que cada progenitor tiene iguales probabilidades de contribuir con un gen para o!os caf%s o para o!os azules, las cuatro posibilidades tienen la misma probabilidad. El gen de o!os caf%s es dominante, de modo que tres de las cuatro posibilidades llevan a o!os caf%s. -s pues, las probabilidades de que el i!o tenga o!os caf%s son de 9$; ? 6.4=.

En este e!emplo, la probabilidad no se basa en una opinin personal ni en la experimentacin repetida. Be ec o, se calcula con el m%todo clsico. .ste puede usarse solamente cuando es razonable suponer que los posibles resultados del experimento son igualmente probables. En este caso, la probabilidad de que ocurra el evento - est dada por la &.rm-la cl7"ica'

<.rm-la cl7"ica

n 0 -3 # P -I 0 n 0<3

n2mero de 5ormas en ,ue #uede ocurrir n2mero de 5ormas ,ue #uede e5ectuarse el e4#erimento

,na venta!a de este m%todo es que no requiere experimentacin. #or aadidura, si en verdad los resultados son igualmente posibles, la probabilidad asignada al evento - no es una aproximacin. Es una descripcin precisa de la frecuencia con la que ocurrir el evento -. El t%rmino probabilidad a alcanzado un amplio uso en la vida diaria para cuantificar el grado de confianza en un evento de inter%s. +os e!emplos al respecto son abundantes, como se puede ver en estas afirmaciones/ ( ay una probabilidad de lluvia de 6.8(, o (la probabilidad de que la computadora personal marca Q llegue a 16,666 oras de operacin sin reparacin es de 6.4=(. En esta unidad se presentan la estructura bsica, los conceptos elementales y los m%todos para sustentar enunciados precisos y sin ambigRedad como los antes planteados. El anlisis formal de la teora de la probabilidad se origin, aparentemente, en los siglos Q>AA y Q>AlA en Srancia, y fue motivado por el estudio de los !uegos de azar. *on un soporte Unidad 2 82 Introduccin de Probabilidad

Antologa de Probabilidad
matemtico poco formal, la gente vea con escepticismo esta disciplinaT sin embargo, este punto de vista empez a cambiar en el siglo QAQ, cuando se desarroll un modelo 0descripcin3 probabilstico para el comportamiento de las mol%culas en un lquido. Este fenmeno fue conocido como movimiento broUniano, ya que @obert EroUn, botnico ingl%s, fue el primero en observarlo en 1 @84. En 1M6=, -lbert Einstein explic el movimiento broUniano mediante la iptesis que sostiene que las partculas estn su!etas a un bombardeo continuo de las mol%culas del medio circundante. Esos resultados estiV mularon de modo considerable el inter%s en la probabilidad, como lo izo el advenimiento del tel%fono a finales del siglo QAQ y principios del xx. En virtud de la necesidad de un sistema fsico para posibilitar la interconexin de tel%fonos individuales, con duracin de llamadas e intervalos de interdemanda que presentaban gran variacin, surgi una fuerte motivacin para desarrollar modelos probabilsticos que describieran el comportamiento de este sistema. - pesar de que aplicaciones como %stas se expandieron rpidamente en los inicios del siglo xx, en general se considera que fue asta la d%cada de 1M96 que apareci una estructura matemtica rigurosa para la probabilidad.

2res son los ob!etivos que se pretenden alcanzar al presentar los temas de probabilidad bsica considerados en esta unidad/ primero, estos conceptos amplan y enriquecen la comprensin bsica del mundo en que vivimosT segundo, muc os de los e!emplos y e!ercicios se basan en los conceptos de probabilidad para modelar el comportamiento de sistemas del mundo realT y tercero, los temas de probabilidad fundamentan los m%todos estadsticos. Bic os m%todos abarcan el anlisis y la interpretacin de datos, y esbozan inferencias acerca de las poblaciones con base en una muestra seleccionada de n unidaV des y en el diseo y anlisis de los experimentos y los datos experimentales. ,na comprensin de estos m%todos ampliar considerablemente la capacidad profesional de quienes traba!an con datos en las m"ltiples reas que abarcan la tecnologa y la ciencia

Introduccin de Probabilidad

-)

Unidad 2

Vous aimerez peut-être aussi