Probabilidades. Experimentos aleatorios. Espacio muestral. Sucesos. Laplace. Bayes. Total.

Experimentos aleatorios: Los fenmenos o experimentos aleatorios son los que al repetirlos en anlogas
condiciones, pueden dar lugar a varios resultados diferentes, sin que pueda ser previsible enunciar con
certeza cul de estos se va a obtener en la realizacin del experimento. Como lanzar una moneda, sacar una
carta de la baraja, ganar la lotera, sacar una bola de una urna, etc.

Espacio muestral: es el conjunto formado por todos los resultados posibles de un experimento o fenmeno
aleatorio. Lo denotamos con la letra E. Lanzar un dado E={1,2,3,4,5,6}.

Ejemplo: El espacio muestral asociado al lanzamiento de dos dados y anotar la suma de los puntos obtenidos
es: E={2,3,4,5,6,7,8,9,10,11,12}.

Sucesos: Suceso de un fenmeno aleatorio es cada uno de los subconjuntos del espacio muestral . Para
designar cualquier suceso, tambin llamado suceso aleatorio, de un experimento aleatorio utilizaremos letras
maysculas. Al conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama espacio de
sucesos y se designa por S.

Ejemplo: En el ejemplo anterior, son subconjuntos de E:

Salir mltiplo de 5: E={5,10}.
Salir nmero primo: E={2,3,5,7,11}.
Salir mayor o igual que 10: E={10,11,12}.
Tipos ms frecuentes de sucesos:
Sucesos elementales son los que estn formados por un solo resultado del experimento.
Sucesos compuestos son los que estn formados por dos o ms resultados del experimento; es decir, por
dos o ms sucesos elementales.
Suceso seguro es el que se verifica al realizar el experimento aleatorio. Est formado por todos los
resultados posibles del experimento y, por tanto, coincide con el espacio muestral.
Suceso imposible es el que nunca se verifica. Se representa por .
Operaciones con sucesos

Inclusin e igualdad de sucesos: Un suceso A esta incluido (contenido) en otro suceso B si todo suceso
elemental de A pertenece tambin a B. Se representa por . Dos sucesos A y B son iguales si estn
formados por los mismos sucesos elementales. Se representa por A=B.
Unin de sucesos: Si tenemos dos sucesos A y B de un mismo experimento aleatorio, llamamos suceso
unin de A y B al suceso que se realiza cuando lo hacen A o B. Se representa por . Cuando es
el suceso imposible, decimos que los sucesos A y B son incompatibles. Cuando no sucede esto, decimos que
A y B son compatibles.
Interseccin de sucesos: Si tenemos dos sucesos A y B de un mismo experimento aleatorio, llamamos
suceso interseccin de A y B al suceso que se realiza cuando lo hacen A y B. Se representa por .

Sucesos contrarios: Cuando la unin de dos sucesos es el espacio muestral y la interseccin de los mismos
conjuntos da el conjunto imposible, decimos que ambos sucesos son complementarios o contrarios. Para un
suceso cualquiera A de un experimento aleatorio, llamamos suceso contrario del suceso A al suceso que se
verifica cuando no se verifica A, y recprocamente. Se representa por .
Propiedades ms significativas de los sucesos contrarios son:

1
Algebra de Boole de sucesos
La unin y la interseccin de sucesos verifican las propiedades conmutativa, asociativa, impotente,
simplificacin, distributiva, existencia de elemento neutro y absorcin:

Probabilidades: definicin y propiedades

Definicin de Probabilidad Condicionada

Llamamos probabilidad condicionada del suceso B respecto del suceso A, y lo denotamos por P(B\A), si
P(A)0, al cociente

Ejemplo : Se lanzan dos dados. Si la suma ha sido 7, cul es la probabilidad de que alguno de los dados
haya salido un tres?
Sean los sucesos
A = "la suma de los puntos es siete" y
B = "en alguno de los dados ha salido un tres"
2
El suceso B\A es salir en algn dado 3, si la suma ha sido 7. Observamos que esta situacin ocurre en las
parejas (3,4) y (4,3). Por tanto,

Sucesos Independientes
Definicin: Decimos que dos sucesos A y B son independientes entre s si la ocurrencia de uno de ellos no
modifica la probabilidad del otro, es decir, si:

o lo que es lo mismo:

Ejemplos

1. Calcula la probabilidad de que al extraer 3 cartas, con reemplazamiento, de una baraja espaola, sean
todas copas.
Como la carta extrada se vuelve a introducir, los sucesos son independientes y la probabilidad buscada es:

Donde Ci denota el suceso salir copas en la extraccin nmero i.

2. Calcula la probabilidad de que al extraer 3 cartas, sucesivamente, de una baraja espaola, sean todas
copas.
En este caso, los sucesos C1, C2 y C3 no son independientes.

Teorema de la probabilidad total.

Sean A1, A2, ....,An un sistema completo de sucesos y S un suceso cualquiera. Se tiene entonces:

S ( A1 S ) ( A2 S ) ............. ( An S ) , entonces

P ( S ) P ( A1 S ) P ( A2 S ) ............... P ( An S )
P ( A1 ).P ( S / A1 ) P ( A2 ).P ( S / A2 ) .......... P ( An ).P ( S / An )

Teorema de Bayes
Sean sucesos incompatibles dos a dos, tales que siempre ocurre alguno de ellos, y sea
un suceso cualquiera del que se conocen las probabilidades condicionales Entonces las
probabilidades vienen dadas por la expresin:

Por definicin de probabilidad condicionada

despejando , se tiene:

3
La probabilidad P(B), por el teorema de la probabilidad total, es igual a

Sustituyendo en la ecuacin anterior, obtenemos la frmula de Bayes.

Ejemplos
1. Tenemos tres urnas: con tres bolas rojas y cinco negras, con dos bolas rojas y una negra y con
dos bolas rojas y tres negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul
es la probabilidad de haber sido extrada de la urna ?
Llamamos al suceso sacar bola roja. La probabilidad pedida es . Utilizando el teorema de Bayes,
tenemos:

2. Observa la siguiente tabla que representa a los empleados de una empresa:

Hombres (H) Mujeres (M)
Fuman (F) 70 10
No fuman (no F) 30 90

Si hay que elegir a uno de ellos, la eleccin puede realizarse bajo distintos criterios:

100 1 100 1
a) Eleccin sin condiciones: P( H ) P( M )
200 2 200 2
b) Eleccin con condiciones:
70 7
P ( H / a que sea fumador ) P ( H / F )
80 8
10 1
P ( M / a que sea fumadora ) P ( M / F )
80 8
Estas probabilidades pueden obtenerse tambin de la forma siguiente:
70 10
P( H F ) 7 P( M F ) 1
P( H / F ) 200 P(M / F ) 200
P( F ) 80 8 P( F ) 80 8
200 200
3. Tenemos tres urnas. La primera contiene 4 bolas rojas y 4 negras, la segunda 3 rojas y 1 negra y la tercera
2 rojas y 4 negras. Elegimos una urna al azar y despus extraemos una bola. Calcula la probabilidad de que la
bola extrada sea negra.

4
Teniendo en cuenta que hay tres caminos para llegar a la bola negra, podemos escribir:
1 1 1 1 1 2 1 1 2 6 3 8 17
P( N ) . . .
3 2 3 4 3 3 6 12 9 36 36

Probabilidades: Definiciones y Conceptos

Las Probabilidades pertenecen a la rama de la matemtica que estudia ciertos experimentos llamados
aleatorios, o sea regidos por el azar, en que se conocen todos los resultados posibles, pero no es posible
tener certeza de cul ser en particular el resultado del experimento. Por ejemplo, experimentos aleatorios
cotidianos son el lanzamiento de una moneda, el lanzamiento de un dado, extraccin de una carta de un
mazo de naipes. Ms adelante se ver que debemos distinguir entre los conceptos de probabilidades
matemticas o clsicas de las probabilidades experimentales o estadsticas.

Probabilides, Algunas Definiciones

Espacio Muestral.- Se llama espacio muestral (E) asociado a un experimento aleatorio, el conjunto de
todos los resultados posibles de dicho experimento.
Al lanzar una moneda, el espacio muestral es E = {sale cara, sale sello} E = {c, s}.

Al lanzar un dado de seis caras, el espacio muestral es

E = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6}
E = {1, 2, 3, 4, 5, 6}

Al lanzar dos monedas, el espacio muestral es

E = {(c,c), (c,s), (s,c), (s,s)}.

Al lanzar tres monedas, el espacio muestral es E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c),
(s,s,s)}
Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio muestral. Por ejemplo en
el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos:

1. Obtener un nmero primo A = {2, 3, 5}

2. Obtener un nmero primo y par B = {2}
3. Obtener un nmero mayor o igual a 5 C = {5, 6}
Eventos mutuamente excluyentes.- Dos eventos son mutuamente excluyentes si no pueden ocurrir en
forma simultnea, esto es, si y slo si su interseccin es vaca. Por ejemplo, en el lanzamiento de un dado
los eventos B = {2} y C = {5, 6} son mutuamente excluyentes por cuanto
B C=
Eventos Complementarios.- Si A B= yA B = E, se dice que A y B son eventos complementarios:
Ac = B y
Bc = A
Su Medicin Matemtica o Clsica. Si en un experimento aleatorio todos los resultados son
equiprobables (iguales probabilidades), es decir, la ocurrencia de uno es igualmente posible que la
ocurrencia de cualquiera de los dems, entonces, la probabilidad de un evento A es la razn:
P(A) = nmero de casos favorables para A/nmero total de casos posibles

A partir de esta definicin las probabilidades de los posibles resultados del experimento se pueden
determinar a priori, es decir, sin realizar el experimento.

Se deduce de la definicin lo siguiente:

0 P(A) 1 La medicin probabilstica es un nmero real entre 0 y 1, inclusive, 0% P(A) 100% en

5
porcentaje.
P( ) = 0 y P(E) = 1
Su Medicin Experimental o Estadstica.- La frecuencia relativa del resultado A de un experimento es
la razn
FR = nmero de veces que ocurre A/nmero de veces que se realiza el experimento

Si el experimento se repite un nmero grande de veces, el valor de FR se aproximar a la medicin

probabilstica P del evento A. Por ejemplo, si lanzo 100 veces una moneda, el nmero de veces que
obtengo cara es cercano a 50, o sea FR es cercano a 50%.

DEFINICIN DE ESPACIO MUESTRAL

El concepto de espacio (palabra con origen en el latn spatium) refiere al rea que consigue
contener a la materia existente, la capacidad de un territorio o la porcin que ocupa un objeto
sensible. El trmino posee quince significados reconocidos por el diccionario de la Real
Academia Espaola (RAE).

Muestral, por su parte, es lo que pertenece o guarda relacin con una muestra (tal como se
conoce a la parte que se extrae de un conjunto mediante algn mtodo que permite
considerarla como representativa de ste). Una muestra tambin es una evidencia,
demostracin, prueba o seal de algo.
Por espacio muestral (tambin conocido como espacio de muestreo) se entiende
el grupo de todos los resultados especficos que se pueden obtener tras una
experimentacin de carcter aleatorio. A cada uno de sus componentes se los define
como puntos muestrales o, simplemente, muestras.
Por citar un caso a modo de ejemplo concreto: si la prueba se basa en arrojar un dado, el
espacio muestral estar constituido por los puntos muestrales identificados como los
nmeros 1, 2, 3, 4, 5 y 6, ya que esos son los resultados posibles de la accin de tirar el dado.
Por lo tanto, se puede establecer que el espacio muestral del experimento es U = {1, 2, 3, 4,
5, 6}.

6
Cabe resaltar que, en ciertos casos, los experimentos pueden tener dos o ms espacios
muestrales posibles. El experimento de tomar un naipe de una baraja espaola, por ejemplo,
tiene un espacio de muestreo compuesto por los nmeros y otro espacio muestral formado por
los palos. La descripcin ms completa, pues, debera incluir ambos valores (nmero y palo)
en un eje cartesiano.
Los espacios muestrales pueden clasificarse como discretos (cuando la cantidad de sucesos
elementales es finito o numerable) o continuos (en los casos en los cuales la cantidad de
sucesos bsicos posee carcter infinito y, por lo tanto, resulta imposible de contar).

Dado su carcter estadstico, este concepto se aprovecha en

diversas situaciones relacionadas con el marketing. Por ejemplo, a la hora de disear un
producto nuevo, o una versin de uno existente, es necesario realizar una proyeccin
demogrfica para anticipar su potencial impacto en el mercado; dentro de estos estudios, se
busca agrupar a los consumidores en conjuntos etiquetados por gnero, edad y dems
propiedades, dependiendo de la empresa y del producto en s. Este anlisis posee un mnimo
de dos partes: una que tiene lugar antes del lanzamiento y otra que ocurre despus, para
contrastar la realidad con los nmeros esperados.
De la misma forma, los candidatos a ocupar puestos polticos suelen apoyarse en los espacios
de muestra durante las pocas de elecciones para intentar anticiparse a los resultados de las
votaciones, buscando sobre todo el sector de la poblacin a quien menos interese su
propuesta; basados en los anlisis y habiendo decidido racionalmente a qu posible cuadro
prestar ms atencin, elaboran sus estrategias electorales. Al igual que ocurre con el
lanzamiento de un producto al mercado, es necesario cotejar los anticipos con los hechos
reales para modificar cualquier decisin que haya llevado la campaa por mal camino.
En la programacin, los espacios muestrales pueden tener muchas finalidades, as como
formas. Una de sus implementaciones consiste en estudiar una serie limitada de

7
sucesos o eventos que pueden tener lugar en el supuesto caso de una colisin entre dos
objetos (que pueden ser personajes o elementos inanimados). Dentro del mismo contexto
informtico, se suele asociar este concepto con el trmino caso especial, que se refiere a una
situacin no muy comn pero que puede darse y que es necesario anticipar y decidir el
proceder adecuado para atenderlo. Durante el desarrollo de un programa es necesario
revisar repetidas veces los potenciales resultados de la ejecucin del cdigo para reducir al
mximo el nmero de errores.

Medidas de Tendencia Central

Definiciones:

Las medidas de tendencia central son valores que se ubican al centro de un conjunto de datos ordenados
Segn su magnitud. Generalmente se utilizan 4 de estos valores tambin conocidos como estadgrafos,
La media aritmtica, la mediana, la moda y al rango medio.

La media aritmtica es la medida de posicin utilizada con ms frecuencia. Si se tienen n valores de observaciones,
la media aritmtica es la suma de todos y cada uno de los valores dividida entre el total de valores: Lo que indica
que puede ser afectada por los valores extremos, por lo que puede dar una imagen distorsionada de la informacin
de los datos.

La Mediana, es el valor que ocupa la posicin central en un conjunto de datos, que deben estar ordenados,
de esta manera la mitad de las observaciones es menor que la mediana y la otra mitad es mayor que la mediana,
Resulta muy apropiada cuando se poseen observaciones extremas.

La Moda es el valor de un conjunto de datos que aparece con mayor frecuencia. No depende de valores extremos,
pero es ms variables que la media y la mediana.

Rango Medio es la media de las observaciones menor y mayor. como intervienen solamente estas observaciones,
si hay valores extremos, se distorsiona como medida de posicin, pero
ofrece un valor adecuado, rpido y sencillo para resumir al conjunto de datos.