Académique Documents
Professionnel Documents
Culture Documents
PROBABILIDAD Y ESTADSTICA
UNIDAD 2: Definicin Clsica - Axiomas
Autores:
Lic Luis Alberto Garaventa
Mg. Mara Cristina Kanobel
Ao 2014
INTRODUCCIN
Si apelamos al concepto ms cercano a nosotros respecto de qu es la
probabilidad, aparece una frmula, llamada tambin Definicin Clsica,
como la siguiente:
Probabilid ad
En este captulo avanzaremos sobre este concepto, aunque el mismo parece insinuar,
a partir de su planteo, que para calcular algunas probabilidades, solamente debamos
saber contar y dividir.
Antes de comenzar a desarrollar el captulo, donde veremos que el concepto no es tan
simple como parece, desarrollaremos en forma prctica algunas estrategias para
contar en los casos en los que la enumeracin de los mismos llevara mucho tiempo.
COMBINATORIA
4 . 3 . 2 .1 = 4! =24
Opciones
para el
primer turno
Opciones para el
segundo turno
una vez que
ubicamos el
primero
La
solucin
multiplicando
la
encontramos
Dado un grupo
de
n
elementos,
se
llama
permutacin simple a todo
ordenamiento que se puede
realizar con ellos.
Pn n!
0! 1
1! 1
n! n(n 1)!
En una segunda etapa del entrenamiento para el uso de la mquina del ejemplo
anterior, se incorpora un nuevo empleado y por ser ms largas la experiencia, se
hacen turnos de tres personas por da.
De cuntas formas distintas se puede comenzar el primer da de entrenamiento?
Para resolver el problema podemos acudir a la misma estrategia que en el caso
anterior, que es usar el diagrama de casillas.
Se simboliza con V
n;r
Vn;r nn 1...n r 1
r factores
Vn;r
nn 1...n r 1n r !
, obteniendo
n r !
Vn;r
n!
n r !
n;r
Cn; r
n!
k!n k !
PROBABILIDADES
Probabilid ad
Si hacemos un anlisis esta definicin tiene algunas restricciones que nos impiden
construir la teora de probabilidades a partir de ella.
No es aplicable en el caso de que los casos posibles no constituyan un
conjunto finito. ( por ejemplo, si tiramos una moneda hasta que salga la primer
cara)
No es aplicable cuando los casos posibles no son equiprobables ( por ejemplo
si tienen un dado cargado, hay una cara que saldr hacia arriba con ms
frecuencia que las dems)
An considerando la definicin con las restricciones planteadas, no sirve
como definicin, porque se usa el trmino equiprobable para definir la
probabilidad.
De todos modos, resulta una frmula vlida para un gran conjunto de situaciones.
Antes de continuar con la bsqueda de la definicin, debemos definir algunos trminos
para comenzar a construir la Teora de Probabilidades:
EXPERIMENTOS
Para nuestros propsitos clasificaremos los experimentos en dos grupos
EXPERIMENTOS
DETERMINSTICOS
ALEATORIOS
No es posible determinar a
priori el resultado.
En el caso de los experimentos aleatorios que, como sospecharn, son los de nuestro
inters, podemos decir que a pesar de no poder determinar a priori el resultado, es
posible determinar el conjunto de todos los resultados posibles del experimento.
A
1 B sale par 2, 4, 6 C sale menor que 4 1, 2, 3
FRECUENCIA RELATIVA
Vamos a aproximarnos al concepto de probabilidad mediante la frecuencia
relativa. Supongan que repetimos n veces un experimento aleatorio E y
sean A y B dos sucesos asociados con el experimento. Sean n A y n B el nmero de
veces que ocurrieron respectivamente los sucesos A y B en las n repeticiones.
fA
nA
n
0 nA n
n n n
0 f A 1
o bien
n A B
n
n nB
A
n
n
n
A B
n
n
fA fB
f A B
f A B
f A B
f AB
c)
f A B
Vamos a simular la tirada de una moneda usando la planilla de clculo, para ello
vamos a usar:
a) la funcin ALEATORIO, que genera nmeros aleatorios entre 0 y 1. Como lo
que necesitamos son ceros o unos ( supongamos que queremos contar las
caras, entonces 0 es ceca y 1 es cara)
b) la funcin REDONDEAR que redondea el nmero aleatorio a cero o uno, si lo
asignamos cantidad de decimales igual a cero.
Para realizar el experimento tienen que armar una tabla como la siguiente.
Resultado
Aqu pegamos la
funcin
REDONDEAR
(ALEATORIO();0)
Cantidad de
caras
Suma parcial
de la cantidad
de caras
Total de
tiradas
Suma parcial
de la cantidad
deveces que
se tir la
moneda
Frecuencia
relativa
Frecuencia
relativa que
lleva la
cantidad de
caras en este
instante de la
simulacin
Probabilidad
0,5
( es el valor
terico de
probabilidad)
Copien la frmula entre 500 y 1000 veces para tener una aproximacin buena. A partir
de all construyan un grfico de lneas con los de valores, la frecuencia relativa y la
probabilidad.
Discutan entre ustedes en qu se diferencia el concepto de convergencia en
probabilidad del concepto de convergencia que ustedes tenan previamente al
experimento de simulacin.
Consulten con los docentes a cargo para escribir conclusiones sobre el experimento.
P A B P A PB P A B
AXIOMAS DE PROBABILIDAD
Supongan que un espacio muestral S est asociado con un experimento E,
A cada suceso A definido en S (A es un subconjunto de S), se le asigna un
nmero P(A), denominado probabilidad de A, de tal manera que se cumplen los
axiomas siguientes.
1. P A 0 .
2. PS 1
3. Si A y B son sucesos mutuamente excluyentes, entonces
P A B P A PB
4. Si A1 ; A2 ; A3 ; es una sucesin de sucesos de S que se excluyen
A
i P Ai
i 1 i 1
PROPIEDADES DE LA PROBABLIDAD
A partir de los axiomas podemos deducir y demostrar las siguientes
propiedades, que intentaremos comprender a travs de la representacin
grfica.
P A 1 P A
Demostracin:
10
A A
P A P A
P A P P A
P 0
P 0
Demostracin.
A A S
P A A PS
P A B P A PB P A B
Demostracin:
A B A B A
P A B P A P B A
Por otro lado
S
A
B B A B A
PB PB A P B A
Es decir que:
PB PB A P B A
Reemplazando en resultar
P A B P A PB P A B
.
Grficamente podemos ver que al sumar P(A) y P(B), estamos sumando dos veces la
interseccin y por lo tanto debemos restarla una vez.
P A B C P A B C P A B PB C PC A P A B C
11
Demostracin:
Como A B , entonces B A B A
S
B
A
B P
A
P
P BA
no negativo
no negativo
no negativo
Si P B A 0 entonces PB P A , si P B A 0 entonces PB P A
PROBABILIDAD CONDICIONAL
P A / B
P A B
P B
con P( B) 0
12
Teorema de la multiplicacin
P A B P A / B. PB
con P( B) 0
P( A F ) PF / A.P A
=0,70 . 0,30
=0,21
P A / 4 P
P A 4 P 0,10
=0,1538
P4 P
0,65
pero si queremos calcular la probabilidad de que un auto elegido al azar entre los que
tienen aire acondicionado sea de cuatro puertas tendremos que hallar:
P4 P / A
P A 4 P 0,10
=0,6666
P A
0,15
DIAGRAMAS DE RBOL
13
2
5
3
6
3
5
3
6
N1 N 2 N3
N1 N 2 B3
3
5
N1 B2 N3
2
5
3
7
3
5
4
6
B1 N 2 N3
2
5
2
6
N1 B2 B3
B1 N 2 B3
4
5
B1 B2 N3
1
5
B1 B2 B3
Para obtener la probabilidad de que salgan todas blancas, tendremos que calcular:
3 2 1 1
PB1 B2 B3 . .
7 6 5 35
La representacin simblica del clculo anterior es:
PB1 B2 B3
PB1
PB2 / B1
PB / B B2
31
P A / B P A
14
P A B
P A
P B
P A B P APB
P A B C P A.PB.PC
En cambio:
2. Para que tres sucesos sean independientes, debe verificarse que:
P A B C P A.PB.PC
P A B P A.PB
PB C PB.PC
P A C P A.PC
Analicemos ahora la siguiente situacin:
Un tornillo tiene dos tipos de fallas independientes: en la rosca y en la ranura, el
5% de los tornillos tiene fallas en la ranura y el 10% tiene fallas en la rosca.
Para conocer la probabilidad de que un tornillo tenga ambas fallas tenemos
que calcular
P( Ro Ra ) P( Ro Ra )
=1 P( Ro Ra )
1 PRo PRa PRo .PRa
=1-( 0,10 + 0,05 0,10 . 0,05)
=1-0,145
=0,855
Hubiera sido vlido calcular P( Ro Ra ) P( Ro) P( Ra ) ?
Si hacemos los clculos pareciera que s, pero hay que demostrarlo para poder
utilizar la igualdad como propiedad.
15
A y B independie ntes P A B P A. P B
Podemos descomponer el suceso A de la siguiente forma:
A A B A B
P A P A B P A B
P A P A B P A B
P A P APB P A B
P A1 PB P A B
P AP B P A B
Sistema en paralelo
AyB
Sistema en serie
A
B
C
El sistema funciona cuando funciona El sistema funciona cuando funcionan
alguna
de
sus todas sus componentes, o sea
componentes, A B C
y
falla A B C y falla cuando falla alguna de
cuando fallan todas las componentes las componentes A B C
A B C
16
b)
Muchas veces tenemos que clasificar los elementos del Espacio Muestral
segn algn sistema de clasificacin.
Por ejemplo una produccin de tornillos podemos clasificarla segn el tipo de cabeza,
el largo, el dimetro, segn calidad. Cada criterio implica un grupo de categorasLos
sistemas de clasificacin son adecuados si cumplen con algunas condiciones:
Ningn elemento puede pertenecer a ms de una categora. ( un artculo no
puede estar no fallado y fallado a la vez ). Esto implica que las categoras
deben ser excluyentes.
Las categoras tienen que tener sentido, es decir, que tiene que existir
algn elemento que justifique la existencia de la categora.( si clasificamos
segn el dimetro, no tiene sentido enunciar la categora entre 5 y 6
metros)
No pueden haber elementos que no puedan ser clasificados, esto quiere
decir que el sistema debe contemplar todas las posibilidades.
c)
i 1
K1
K2 K3
Kn
Condiciones que, si analizamos, se vinculan con los criterios para establecer sistemas
de clasificacin .
Importante: Cada K i es un elemento de la particin. No hay que confundirse la
particin que indica la forma en que se clasifica el espacio muestral con un elemento
K i que es el equivalente a una categora
17
A A K1 A K2 ... A Kn
Por ser los sucesos excluyentes:
PA PA K1 PA K 2 ... PA K n
K1
K2 K3
Kn
PA PA / K i . PK i
i 1
0,6
A
0,90
0,05
0,95
D
Por lo tanto PA
2
3
0,4 y PB 0,6
5
5
PD PD / A.PA PD / B.PD
Reemplazando
18
TEOREMA DE BAYES
En la actividad anterior, calcularon la probabilidad de que ocurra un
elemento de la particin ( fbrica A ) sabiendo que haba ocurrido cierto
suceso (Artculo defectuoso).
Vamos a justificar tericamente el ejemplo, para poder aplicarlo en otros contextos.
Vamos a calcular PK i / A
Como se desprende de la definicin de probabilidad condicional
PK i / A
PK i A
PA
PA / K i . PK i
PA
PA / K i . PK i
n
A / K j . PK j
j1
Luego:
PK i / A
PA / K i . PK i
A / K . PK
n
j1
19
A MODO DE SNTESIS