Clculo de probabilidades y variables aleatorias

El clculo de probabilidades nos suministra las reglas para el estudio de los

experimentos aleatorios o de azar, constituyendo la base para la estadstica
inductiva o inferencial.
Experimentos y sucesos aleatorios
Diremos que un experimento es aleatorio si se verifican las siguientes
condiciones:
Se puede repetir indefinidamente, siempre en las mismas condiciones;
Antes de realizarlo, no se puede predecir el resultado que se va a obtener;
El resultado que se obtenga, e, pertenece a un conjunto conocido previamente
de resultados posibles. A este conjunto, de resultados posibles, lo
denominaremos espacio muestral y lo denotaremos normalmente mediante la
letra E. Los elementos del espacio muestral se denominan sucesos
elementales.

Cualquier subconjunto de E ser denominado suceso aleatorio, y se denotar

normalmente con las letras A, B,...

Operaciones bsicas con sucesos aleatorios

Al ser los sucesos aleatorios nada ms que subconjuntos de un conjunto E
--espacio muestral--, podemos aplicarles las conocidas operaciones con
conjuntos, como son la unin, interseccin y diferencia:
Unin:
Dados dos sucesos aleatorios
, se denomina suceso unin de A y B al
conjunto formado por todos los sucesos elementales que pertenecen a A o bien
que pertenecen a B (incluyendo los que estn en ambos simultneamente), es
decir

Como ejemplo, tenemos que la unin de un suceso cualquiera con su

complementario es el suceso seguro:

Volviendo al ejemplo del lanzamiento de un dado, si

el suceso unin de A y B es:

Interseccin:
Dados dos sucesos aleatorios
, se denomina suceso interseccin de A
y B al conjunto formado por todos los sucesos elementales que pertenecen a A
y B a la vez, es decir,

A veces por comodidad se omite el smbolo para denotar la interseccin de

conjuntos, sobre todo cuando el nmero de conjuntos que intervienen en la
expresin es grande. En particular podremos usar la siguiente notacin como
equivalente a la interseccin:

Un ejemplo de interseccin es la de un suceso aleatorio cualquiera,

su complementario,

, con

, que es el suceso imposible:

Diferencia:
Dados dos sucesos aleatorios

, se llama suceso diferencia de A y B, y

se representa mediante
, o bien A-B, al suceso aleatorio formado por
todos los sucesos elementales que pertenecen a A, pero no a B:

Obsrvese que el suceso contrario de un suceso A, puede escribirse como la

diferencia del suceso seguro menos ste, o sea,

Diferencia simtrica:
Si

, se denomina suceso diferencia simtrica de A y B, y se representa

mediante
, al suceso aleatorio formado por todos los sucesos elementales
que pertenecen a A y no a B, y los que estn en By no en A:

As:

Dados dos sucesos aleatorios

(a)

; en (b)

se representa: en

; en (c) A-B; en (d)

Hay ciertas propiedades que relacionan la unin, interseccin y suceso

contrario, que son conocidas bajo el nombre de Leyes de Morgan:

Experimentos aleatorios y probabilidad

Se denominan experimentos deterministas aquellos que realizados de una
misma forma y con las mismas condiciones iniciales, ofrecen siempre el mismo
resultado. Como ejemplo, tenemos que un objeto de cualquier masa partiendo
de un estado inicial de reposo, y dejado caer al vaco desde una torre, llega
siempre al suelo con la misma velocidad:

4.1

Cuando en un experimento no se puede predecir el resultado final, hablamos

de experimento aleatorio. Este es el caso cuando lanzamos un dado y
observamos su resultado.

En los experimentos aleatorios se observa que cuando el nmero de

experimentos aumenta, las frecuencias relativas con las que ocurre cierto
suceso e, fn(e),

tiende a converger hacia cierta cantidad que denominamos probabilidad de e.

Probabilidad de Laplace
Si un experimento cualquiera puede dar lugar a un nmero finito de resultados
posibles, y no existe ninguna razn que privilegie unos resultados en contra de
otros, se calcula la probabilidad de un suceso aleatorio A, segn la regla de
Laplace como el cociente entre el nmero de casos favorables a A, y el de
todos los posibles resultados del experimento:

Definicin axiomtica de probabilidad

Para hacer una definicin rigurosa de la probabilidad, necesitamos precisar
ciertas leyes o axiomas que deba cumplir una funcin de probabilidad.
Intuitivamente estos axiomas deberan implicar, entre otras, las siguientes
cuestiones, que nos parecen lgicas en trminos de lo que se puede esperar de
una funcin de probabilidad:

La probabilidad slo puede tomar valores comprendidos entre 0 y 1(no

puede haber sucesos cuya probabilidad de ocurrir sea del 200% ni del
-5%;

La probabilidad del suceso seguro es 1, es decir, el 100 %;

La probabilidad del suceso imposible debe ser 0.

La probabilidad de la interseccin de dos sucesos debe ser menor o igual

que la probabilidad de cada uno de los sucesos por separado, es decir,

La probabilidad de la unin de sucesos debe ser mayor que la de cada

uno de los sucesos por separado:

Ms an, si los sucesos son disjuntos (incompatibles) debe ocurrir que

La probabilidad del suceso contrario de A, debe valer

. Esto en realidad puede deducirse del siguiente
razonamiento:

Concepto axiomtico de probabilidad

Dado un espacio muestral E, y un -lgebra de sucesos sobre l, diremos
que es una probabilidad sobre si las siguientes propiedades (axiomas) son
verificadas:
Ax-1. La probabilidad es una funcin definida sobre
valores positivos comprendidos entre 0 y 1

y que slo toma

Ax-2. La probabilidad del suceso seguro es 1

Ax-3. La probabilidad de la unin numerable de sucesos disjuntos es la

suma de sus probabilidades

El tercer axioma de probabilidad indica

que si

con

entonces

Probabilidad condicionada e independencia de sucesos

Sea

un suceso aleatorio de probabilidad no nula,

cualquier otro suceso

. Para

, llamamos probabilidad condicionada de A a B a la

cantidad que representamos mediante

como:

o bien

y que se calcula

Ciertos teoremas fundamentales del clculo de probabilidades

Hay algunos resultados importantes del clculo de probabilidades que son
conocidos bajo los nombres de teorema de la probabilidad compuesta,
teorema de la probabilidad total y teorema de Bayes

Reglas de clculo de probabilidades bsicas

Sean
no necesariamente disjuntos. Se verifican entonces las
siguientes propiedades:
1. Probabilidad de la unin de sucesos:

2. Probabilidad de la interseccin de sucesos:

3. Probabilidad del suceso contrario:

4. Probabilidad condicionada del suceso contrario:

Teorema (Probabilidad compuesta)

Sea

una coleccin de sucesos aleatorios. Entonces:

Teorema (Probabilidad total)

Sea
Entonces

Teorema (Bayes)

un sistema exhaustivo y excluyente de sucesos.

Sea

un sistema exhaustivo y excluyente de sucesos. Sea

un suceso del que conocemos todas las cantidades

a las que denominamos verosimilitudes. entonces se verifica:

Tests diagnsticos
Los tests diagnsticos son una aplicacin del teorema de Bayes a la Medicina, y
se basan en lo siguiente:
1. Se sospecha que un paciente puede padecer cierta enfermedad, que tiene
una incidencia de la enfermedad en la poblacin (probabilidad de que la
enfermedad la padezca una persona elegida al azar) de

2. Como ayuda al diagnstico de la enfermedad, se le hace pasar una serie de

pruebas (tests), que dan como resultado:

Positivo, T+, si la evidencia a favor de que el paciente est enfermo es

alta en funcin de estas pruebas;

Negativo, T-, en caso contrario.

Previamente, sobre el test diagnstico a utilizar, han debido ser estimadas las
cantidades:
Sensibilidad:
Es la probabilidad de el test de positivo sobre una persona que sabemos que
padece la enfermedad,

Especificidad:
Es la probabilidad que el test de negativo sobre una persona que no la padece,

La sensibilidad y especificidad se denominan tambin respectivamente tasa de

verdaderos positivos y tasa de verdaderos negativos. Estas cantidades son
calculadas de modo aproximado, antes de utilizar el test diagnstico,
considerando grupos suficientemente numerosos de personas de las que

sabemos si padecen la enfermedad o no, y estimando los porcentajes

correspondientes. Por ejemplo se toman 100 personas sanas y 100 enfermas, y
se observa que
E
T+

89

T-

11

97

100

100

Tasa de verdaderos positivos:

89%

Tasa de falsos positivos:

3%

Tasa de verdaderos negativos:

97%

Tasa de falsos negativos:

11%

3. teniendo en cuenta el resultado del test diagnstico, se utiliza el teorema de

Bayes para ver cual es, a la vista de los resultados obtenidos, la probabilidad
de que realmente est enfermo si le dio positivo (ndice predictivo de
verdaderos positivos),

o la de que est sano si le dio negativo (ndice predictivo de verdaderos

negativos)