PSICOESTADSTICA II

PROBABILIDAD
El otro gran pilar de la estadstica inferencial es la probabilstica. La estadstica inferencial descansa en la teora de la probabilidad, entendiendo por probabilidad el grado de posibilidad de que un fenmeno ocurra, bajo circunstancias determinadas. Si bien todos tenemos una nocin de lo que es la probabilidad, la probabilidad matemtica se refiere solamente a la repeticin de sucesos bajo condiciones determinadas y estables. Matemticamente se define como la razn entre los casos favorables (o buscados) respecto de los casos posibles, lo que se representa en la siguiente ecuacin:

A P (A) = N =

casos favorables casos posibles

Para que esta propiedad se cumpla, todos los casos deben ser igualmente posibles. El elemento clsico para encarar el estudio de las probabilidades es la tirada de un dado. Al tirar un dado tengo una probabilidad p = 0,16 (1/6) de que salga un nmero determinado. Por qu 1/6?, porque tengo 6 caras (total de posibilidades), y solo una con el nmero que yo designe. En rigor, la probabilidad establecida a priori (es decir, establecida antes de que ocurra el suceso), no refiere a acontecimientos o hechos singulares, sino a lo que ocurrir con una serie de tales hechos o acontecimientos. Esto es, producida una serie de hechos del tipo de los que estamos indagando, van a tender a ordenarse en torno a la probabilidad establecida. La probabilidad de que ocurra algo vara entre 0 (es imposible que ocurra) a 1 (es seguro que ocurra). Las variaciones probabilsticas, que varan entre 0 y 1, no deberan adoptar nunca tales valores (si nos dieran 0 1, muestran que el clculo probabilstico era innecesario. Por ejemplo, la probabilidad de obtener un 7 tirando un dado es = 0. Y la probabilidad de obtener un nmero entre 1 y 6 tirando el mismo dado es = 1. Parece obvio que no necesitamos realizar ningn clculo parar arribar a tales conclusiones. Entonces, si bien
Prof. F. Nievas

PSICOESTADSTICA II vara entre 0 y 1 y matemticamente es posible alcanzar tales valores, el clculo de probabilidad considerado desde la lgica de la investigacin, no asumir nunca tales valores, a los que puede aproximarse infinitamente, aunque sin alcanzarlos. La expresin matemtica de lo dicho es:

0 P(A) 1 Probabilidad matemtica

o bien

0 < P(A) < 1 Probabilidad segn la lgica de la investigacin

donde P(A) es la probabilidad P de que ocurra el acontecimiento o fenmeno A.

ALGUNAS PROPIEDADES DE LAS PROBABILIDADES

La primera propiedad, tal como lo hemos visto recin, es que la probabilidad no puede ser mayor que la unidad ni menor que cero. (0 P(A) 1, donde es igual o menor que).

La segunda propiedad es la de adicionarse: si dos sucesos A y B son mutuamente excluyentes (es decir, que si ocurre A no puede simultneamente ocurrir B, y viceversa), la probabilidad de que suceda alguno de ellos P (A o B) es igual a la suma de ambas probabilidades:

P (A o B) = P (A) + P (B)

Supongamos que la probabilidad de que Boca salga campen en este torneo es de P (A) = 0,35; y la probabilidad de que River sea el campen, es de P (A) = 0,23. La probabilidad de que sea Boca o River el campen es:

Prof. F. Nievas

PSICOESTADSTICA II

P (A o B) = P (A) + P (B) = 0,35 + 0,23 = 0,58

Por supuesto, esta propiedad es extensible a ms de dos trminos. La totalidad de los sucesos posibles tiene probabilidad 1 de ocurrencia (certeza total). As, la probabilidad de, por ejemplo, que gane el candidato A es P (A) = 0,30; la probabilidad de que gane el candidato B es P (B) = 0,36; la probabilidad de que gane el candidato C es P (C) = 0,34. Siendo tres candidatos, la probabilidad de que gane alguno de ellos es:

P (A o B o C) = 0,30 + 0,36 + 0,34 = 1

Asimismo, y contrariamente, la probabilidad de que no gane C, por ejemplo, es la probabilidad total menos la probabilidad de que gane:

1 P (C) = P (A) + P (B) 1 0,34 = 0,30 + 0,36 = 0,66

Expresado en otras palabras, la probabilidad de que gane el candidato C es de 0,34, y, consecuentemente, la probabilidad de que no gane, es de 0,66. Pero no siempre nos encontraremos con casos en los que los sucesos son mutuamente excluyentes. En tales casos, esta regla se formula de la siguiente manera:

P (A o B) = P (A) + P (B) P (AB)

En este caso, P (AB) es la probabilidad de obtener simultneamente A y B. Veamos un ejemplo. Supongamos que en Capital Federal hay un 98 % de alfabetizados; el 52 % son

Prof. F. Nievas

PSICOESTADSTICA II mujeres, y las mujeres alfabetizadas son el 51 % de la poblacin. La probabilidad de encontrar a un habitante de la ciudad que sea mujer y alfabetizada ser:

P (A o B) = 0,98 + 0,52 0,51 = 0,99

La tercera propiedad nos permite obtener la probabilidad de que dos o ms sucesos ocurran simultneamente. La misma se enuncia de la siguiente manera: Si A y B son dos eventos cualesquiera, la probabilidad de que se produzcan ambos es el producto de la probabilidad de que se produzca uno de ellos por la probabilidad condicional de que se produzca el otro, dado que el primer evento haya ocurrido.1 La ecuacin que representa esta propiedad es la siguiente:

P (AB) = P (A) P (B/A) = P (B) P (A/B) tambin: PAB = PA PB/A = PB PA/B

La probabilidad condicional (PA/B y PB/A) indica la dependencia que un suceso A tiene de otro B, o al revs. Es decir, que para que ocurra A debe ocurrir B, o para que ocurra B, debe ocurrir A. Si la ocurrencia de A no estuviera relacionada con la ocurrencia de B, entonces P (A/B) = P (A); la probabilidad de A sera independiente de la ocurrencia de B: se tratara de sucesos independientes. Aclarmoslos con sendos ejemplos. Veamos la independencia probabilstica: la probabilidad de sacar un as rojo en un mazo de barajas inglesas es de 2/26 (corazones y diamantes son rojos, y tienen trece cartas cada una). Pues bien; la probabilidad de sacar un as (de cualquier color) es de 4/52 (hay cuatro ases, de diamantes, corazones, trboles y picas, cada uno de los palos con trece cartas). 2/26 = 1/13; 4/52 = 1/13. En ambos casos la probabilidad es la misma; es decir que hay independencia probabilstica; es igualmente probable sacar un as de cualquier color sobre el mazo completo, que sacar un as rojo sobre los palos rojos. En este caso P (A/B) = P (A).

Blalock, Herbert; Estadstica social, Fondo de Cultura Econmica, Mxico D.F., 1986, pg. 137.

Prof. F. Nievas

PSICOESTADSTICA II Ahora pasemos a la dependencia probabilstica, es decir, que no hay independencia entre los sucesos (para que ocurra uno, debe ocurrir el otro). Supongamos una poblacin de mil estudiantes de cursos superiores, evaluados segn su rendimiento acadmico, y clasificados de acuerdo a si tiene o no familia a cargo suyo. Alto rendimiento Con familia a cargo Sin familia a cargo Total 150 20 170 Rendimiento medio 300 150 450 Bajo rendimiento 150 230 380 Total 600 400 1000

Supongamos que A es el acontecimiento de encontrar a un estudiante de rendimiento acadmico medio, y B es el acontecimiento de encontrar un estudiante con familia a cargo. Qu probabilidad tengo de que ocurran ambos simultneamente? La probabilidad de encontrar un estudiante con rendimiento medio (PA) es 450/1000 = 0.45 y la de encontrar uno con familia (PB) a cargo es 600/1000 = 0.60; por otra parte, PA/B la probabilidad de encontrar un estudiante de rendimiento medio sobre los que tienen familia a cargo es 300/600 = 0.50; y PB/A la probabilidad de encontrar un estudiante con familia a cargo sobre el total de poblacin con rendimiento medio es 300/450 = 0.66; de donde resulta que: PAB = 0.45 x 0.66 = 0.30 PAB = 0.60 x 0.50 = 0.30 Como vemos, por ambos caminos llegamos al mismo resultado. En este caso, en que tenemos todos los datos, podemos ver que, efectivamente, siendo 300 los estudiantes con familia a cargo y rendimiento acadmico medio, sobre una poblacin de 1.000 estudiantes, la probabilidad de extraer un estudiante con tales caractersticas es de 300/1000 = 0.30. De esta manera queda corroborada la tercera propiedad de las probabilidades.

Prof. F. Nievas

PSICOESTADSTICA II Veamos otro ejemplo.2 Supongamos que el 35 % de las personas comprendidas entre los 18 y los 21 aos estudia, y que el 25 % de los mismos se pondr a trabajar a partir de los 21 aos mientras que el 75 % seguir estudiando. Por otra parte, el 10 % del grupo que en lugar de estudiar, trabaja (65 % del total de la poblacin estudiada), al cumplir los 21 aos vuelve a estudiar, mientras el 90 % restante no retoma sus estudios. Dada esta situacin, queremos saber qu probabilidad tenemos, al extraer aleatoriamente un caso, de que sea un estudiante que al cumplir los 21 aos se ponga a trabajar. Aplicando la frmula que vimos, PAB = PA PB/A = 0.35 (35 % que estudia) x 0.25 (25 % de ellos, que trabajar a partir de los 21) = 0.0875. Tambin podramos calcular la probabilidad de extraer aleatoriamente un joven que, trabajando hasta los 21 aos, retome sus estudios a partir de esa edad. PAB = 0.65 x .010 = 0.065. Como se puede observar, la probabilidad es mas baja, lo cual es lgico, ya que es menos probable que alguien retome los estudios a que alguien que est estudiando comience a trabajar. Podemos trazar el siguiente cuadro con todas las situaciones:

Situacin ocupacional actual Estudiando 0.35 Jvenes de 18 a 21 aos Trabajando 0.65

Situacin al cumplir 21 aos 0.75 0.25 0.90 0.10

Probabilidades simultneas 0.2625 0.0875 0.5850 0.0650

Esta propiedad es extensiva a ms de dos casos de probabilidades simultneas. Con tres probabilidades simultneas tendramos: PABC = PAB * PC/AB Y desagregando, tenemos: PABC = PA * PB/A * PC/AB
2

Tomado de Garca Ferrando, Manuel; Socioestadstica. Alianza, Madrid, 1995.

Prof. F. Nievas

10

PSICOESTADSTICA II

CLCULO COMBINATORIO
En el estudio de las probabilidades, una de las cuestiones que debemos abordar es el de clculo combinatorio, que, como acabamos de ver, est en la base misma de las probabilidades.

VARIACIONES La primer forma de clculo combinatorio son las variaciones. Imaginemos que tenemos 5 personas para ocupar tres lugares definidos cuntas posibilidades de combinacin existen? Veamos: A, B, C, D, y E, para ocupar los lugares 1, 2 y 3. 1 2 3

Si consideramos que con el primer lugar de A tendremos slo cuatro posibilidades de ocupacin del segundo lugar (B, C, D y E), y a cada una de ellas slo corresponden tres para ocupar el tercer lugar, obtendremos un diagrama como el siguiente: B C D E B D E B C E B C D 3

C A D

E 1 2

Como el primer lugar lo pueden ocupar cualquiera de los 5 (A, B, C, D, o E), vemos que la ecuacin que surge es 5 x 4 x 3, debido a que para cualquiera de los 5 que ocupen el primer

Prof. F. Nievas

11

PSICOESTADSTICA II lugar, existen cuatro posibilidades de ocupacin del segundo (el otro est primero), y para cada uno de los segundos (ya tenemos uno ocupando el primer lugar y otro el segundo), tendremos tres alternativas para ocupar el tercero. Entonces, las posibilidades son 5.4.3 = 60. Sesenta posibilidades de combinaciones diferentes. La frmula para arribar a este resultado es:

Vm.n = m (m 1) . (m 2) [m (n 1)] Aclaremos los trminos: Vm.n es la variacin de m objetos en n posiciones. m son los objetos (en nuestro caso, las 5 personas). n son las posiciones (en nuestro caso, las 3 posiciones) Aplicando la frmula tenemos que: V5.3 = 5 (5 1) . [5 (3 1)]

V5.3 = 5 . 4 . 3

Analicmoslo un momento. Para la primera posicin (n) tengo m objetos; para la segunda, tengo m 1 objetos (el primero ya est colocado); para la tercera posicin tengo m 2 objetos, y as sucesivamente. Para la ltima posicin habr colocado n 1 objetos (es decir, todas las posiciones posibles, menos una). De modo que para la ltima posicin tengo m (n 1) objetos (la cantidad inicial, menos los que ya he colocado). Y puesto que la cantidad de objetos y de posiciones a ocupar es variable, la frmula slo puede establecer la lgica de colocacin de los trminos, pero la cantidad de trminos variar segn la cantidad de objetos y posiciones, por eso se colocan los tres puntos suspensivos, indicando que all pueden ir otros trminos. As, para colocar 8 objetos en 4 posiciones aplicamos la frmula de la siguiente manera:

Prof. F. Nievas

12

PSICOESTADSTICA II V8.4 = 8 (8 1) (8 2) hasta 8 (4 1) [es decir, 8 3] V8.4 = 8 (8 1) (8 2) (8 3) V8.4 = 8 . 7 . 6 . 5 = 1.680 Y si fuese en seis posiciones, entonces tendramos: V8.6 = 8 (8 1) (8 2) hasta 8 (6 1) [es decir, 8 5] V8.6 = 8 (8 1) (8 2) (8 3) (8 4) (8 5) V8.6 = 8 . 7 . 6 . 5 . 4 . 3 = 20.160

PERMUTACIONES

Cuando tenemos que colocar m objetos en m posiciones estamos en una situacin particular, en la que, con idntica lgica que en el caso anterior, podemos decir que:

Vm.m = m (m 1) . (m 2) . (m 3) [m (m 1)]

El ltimo trmino al que arribamos surge de que la ltima posicin ser ocupada por el ltimo objeto (si son 10 objetos, el ltimo caso ser 10 9). Estamos frente a un caso particular. Se trata de los nmeros factoriales, que suelen simbolizarse con el signo ! detrs del nmero, y que significa que se debe multiplicar, de manera decreciente, por todos los nmeros que le anteceden. As, el factorial del 5 (5!) es 5.4.3.2.1; como es obvio, se puede saltear el 1, ya que no agrega nada a nuestro resultado. De este modo, si tengo que calcular la cantidad de posibilidades de ordenamiento de n objetos, tendr que Pn = n! As, la cantidad de posibilidades de ordenar 3 elementos ser P3 = 3! 3.2.1 = 6: ABC, ACB, BCA, BAC, CAB, CBA. Si tuviramos que ordenar 4 elementos sera P4 = 4! = 24.

Prof. F. Nievas

13

PSICOESTADSTICA II La ecuacin es: Pm = m!

Los primeros nmeros factoriales son los siguientes: 1! 2! 3! 4! 5! 6! 7! 8! 1 2 6 24 120 720 5040 40320 9! 10! 11! 12! 13! 14! 15! 16! 362880 3628800 39916800 479001600 6227020800 87178291200 1,3073712 2,0922813 17! 18! 19! 20! 21! 22! 23! 24! 3,5568714 6,4023715 1,2164517 2,432918 5,1090919 1,12424 2,585222 6,2044823

COMBINACIONES

Cuando tenemos distintos elementos (en nuestro ejemplo, A, B, C, D y E), cuntos grupos de tres elementos podemos formar? Obsrvese que ya no se trata de posiciones, sino de grupos. Si aplicramos la frmula anterior (de posiciones) tendramos 60 posibles combinaciones, pero ABC es un grupo distinto que BCA o CBA o ACB u otras formas de posiciones posibles? No, ya que siempre tenemos los mismos tres elementos: A, B y C, sin importar en qu lugar estn. Ya no son 60 como en el caso de las combinatorias. Aunque no sabemos cuntas exactamente, s sabemos que son menos, ya que muchas se repiten en cuanto a los elementos que la componen en distinto orden. La forma de acceder al nmero final surge de la razn entre las combinatorias posibles (V) y las permutaciones de la cantidad de integrantes del grupo.

Cm.n =

Vm.n Pn

Prof. F. Nievas

14

PSICOESTADSTICA II De este modo, los m elementos (A, B, C, D y E) agrupados en n cantidad, se combinarn segn la proporcin existente entre las combinatorias de esa cantidad y las permutaciones posibles de los miembros agrupados. Veamos en nuestro ejemplo:

C5.3 = (V5.3) / (P3) = 60 / 6 = 10

Vale decir que podemos formar diez grupos diferentes. m que indica que se trata del nn mero de combinaciones de m objetos en n casillas, siendo n m. De esta forma, la expresin 5 es equivalente a C5.3. 3 Otra forma de expresar las combinaciones es

Prof. F. Nievas

15