Probabilidad Muchas veces ocurre que al efectuar observaciones en situaciones anlogas y siguiendo procedimientos idnticos se logran resultados diferentes;

por ejemplo, por cuidadosos que seamos al efectuar una medicin, repitiendo varias veces la medicin, por lo general obtenemos medidas diferentes de cada observacin; estas variaciones se atribuyen al azar y el error de las mediciones se llama error aleatorio. El resultado obtenido al lanzar una moneda o un dado, el nmero y pinta de una carta extrada al azar de una baraja, la edad de una persona que se selecciona al azar de un grupo, ofrecen resultados que escapan a nuestro control y que atribuimos totalmente al azar. Experimento aleatorio. Al efectuar un experimento aleatorio, como lanzar un dado, la respuesta no est definida como ocurre en problemas de aritmtica; el resultado escapa a nuestros procedimientos y si repetimos el experimento bajo las mismas condiciones las respuestas suelen ser diferentes e imposibles de predecir. Lo nico que podemos afirmar es que el resultado ser alguno de los puntos del dado que lanzamos, lo que nos conduce al concepto de sucesos posibles. Al identificar un conjunto de sucesos posibles debemos asegurarnos de que sea completo, es decir que a cada realizacin del experimento pueda asignarse por lo menos un elemento del conjunto de sucesos posibles. Tambin debemos hacer que los elementos sean mutuamente excluyentes, o sea que a cada realizacin del experimento pueda asignarse a lo sumo un elemento del conjunto de sucesos posibles. Una vez definido el conjunto de sucesos posibles para un determinado experimento aleatorio, queda definido el suceso imposible, que es todo aquel que no pertenece al conjunto se sucesos posibles. Por ejemplo, al lanzar un dado cuyas caras tienen marcados los puntos del uno al seis, el conjunto de sucesos posibles son los puntos 1,2,4,5,6. Un suceso imposible es que al lanzar un dado con esas marcas pueda salir como respuesta la cara diez; los elementos 1,2,3,4,5,6 que forman el conjunto de sucesos posibles son mutuamente excluyentes, ya que nunca ser posible que al efectuar un lanzamiento se produzca como resultado la respuesta simultnea, por ejemplo, 1 y 5 en un solo dado. Los primeros estudios sobre probabilidad fueron motivados por la posibilidad de acierto o de fracaso en los juegos de azar, es decir que tenga ocurrencia o no un suceso entre varios posibles; al lanzar una moneda, por ejemplo, el obtener cara es un acierto entre dos casos posibles; al lanzar un dado, el nmero 3 es un acierto entre seis casos posibles. Si al sacar una carta de una baraja de 52 cartas se obtiene un as, esto es 4 de acierto entre 52 casos posibles. Problemas como los anteriores originaron la definicin clsica de probabilidad.

Designado por p(A) la probabilidad de ocurrencia del suceso A entre un nmero n de casos posibles de ocurrencia p(A) = sucesos o casos favorables/ sucesos o casos posibles = F/N, el alguna literatura se utiliza S e lugar de F, entonces la frmula quedara como S/N En los ejemplos anteriores, la probabilidad de obtener cara al lanzar una moneda es: N = 2, S = 1 p(C) = = 0.5 Probabilidad de obtener 3 al lanzar un dado N = 6, S = 1 p(3) = 1/6 = 0.167 Probabilidad de sacar un as de una baraja de 52 cartas N = 52, F = 4 p(As) = 4/52 = 1/13 = 0.077 Observe que la probabilidad as definida expresa como una proporcionalidad entre casos favorables y casos totales, lo que presupone una situacin ideal (probabilidad idealizada) en la que se conoce el nmero total de resultados posibles o de elementos de una poblacin y el total de casos favorables. Sea una urna que contiene 3 bolas rojas, 5 blancas y 4 azules, hallar la probabilidad de que al sacar una bola sta sea; (a) roja; (b) blanca; (c) azul. (a) S = 3, N = 12 (b) S = 5, N = 12 (c) S = 4, N = 12 p(R) = 3/12 = = 0.25 p(B) = 5/12 = 0.417 p(A) = 4/12 = 1/3 = 0.333

No siempre es fcil el clculo de los casos posibles y de los casos favorables. Ejemplos: 1. Se lanzan simultneamente dos monedas, hallar la probabilidad de que se obtengan dos caras.

Casos posibles = (cara, cruz), (cara, cara), (cruz, cara), (cruz, cruz) = 4 Casos favorables = 1 p(CC) = = 0.25 2. De una urna que contiene 3 bolas rojas y 5 azules, se extraen simultneamente dos bolas, hallar la probabilidad de que las dos sean rojas.

Designamos por R1, R2, R3, las bolas rojas y por A1, A2, A3, A4, A5. De esto se obtienen los siguientes casos posibles: R1R2 + R1R3 + R1A1 + R1A2 + R1A3 + R1A4 + R1A5 + R2R3 + R2A1 + R2A2 + R2A3 + R2A4 + R2A4 +R3A1 + R3A2 + R3A3 + R3A4 + R3A5 +A1A2 + A1A3 + A4 + A1A5 +A2A3 + A2A4 + A2A5 +A3A4 + A3A5 +A4A5 Total Casos favorables R1R2 + R1R3 + R2R3 = 3 p(RR) = 3/28 = 0.107 = = = = = = = 7 6 5 4 3 2 1 28

Si se designa por S los casos favorables y por N los casos posibles, los casos desfavorables o de fracaso son N S. Probabilidad de cierto = p = S/N, probabilidad de fracaso = N S / N, designada por q la probabilidad de fracaso se tiene q = N S / N = N/N N/N = 1 p Donde p + q = 1; 0 p 1 Si p = 0 probabilidad de un suceso imposible p = 1 certeza o seguridad de acierto. Probabilidad de concurrencia de sucesos mutuamente excluyentes. Por ejemplo, al lanzar un dado ganamos si sale 2 6; entonces nuestra probabilidad de acierto es la suma de p(2) + p(6) y esto se expresa diciendo que la probabilidad de la unin es igual a la probabilidad de 2 o la probabilidad de 6 es la suma de ambas probabilidades; en general para los casos A y B p (A U B) = p(A) + p(B) Si los sucesos A y B son mutuamente excluyentes, entonces: p(AUB) = p(A) + p(B) p(A B)

Probabilidad de ocurrencia de A y B a la vez. Por ejemplo, al lanzar simultneamente un dado y una moneda, hallar la probabilidad de que obtengamos cara en la moneda y 5 en el dado. En este caso se tiene la probabilidad de ocurrencia de dos sucesos independientes: En la moneda p(C) = En el dado p(5) = 1/6 Probabilidad de cara y 5 = p(C 5) = p(C) * p(5) = * 1/6 = 1/12 Con base en este concepto, sin generar el espacio muestral, podramos resolver el problema de sacar dos bolas, una que sea roja y la otra tambin. Recordando, el ejercicio deca que se tenan 3 bolas rojas y 5 azules. Al sacar dos bolas simultneamente, la probabilidad de que fueran rojas. p(R) = 3/8 p(R) = 2/7 p(RR) = 3/8 * 2/7 = 3/28 = 3/28 Si las bolas no se sacan al mismo tiempo, sino de manera sucesiva regresando cada vez la bola a la urna se tiene: p(R) = 3/8 p(R) = 3/8 p(RR) = 3/8 * 3/8 = 9/64 = 0.141 Probabilidad emprica En la definicin clsica de probabilidad, se asigna el valor S/N a las frecuencias relativas esperadas como resultado de un experimento que se efectuar, sea ste un juego de azar o de otra clase; esto es posible en condiciones ideales en las que se determina la estructura de la poblacin sometida a investigacin. Pero en la realidad, cuando se trata de aplicaciones prcticas, ocurre que se ignora la estructura de la poblacin sometida a investigacin, o sea que no se conoce el nmero de casos favorables y entonces es necesario realizar experimentos que permitan, con base en resultados, estimar el valor de la frecuencia relativa S/N. supongamos que en una poblacin se establecen los sucesos posibles y se disea un experimento en el que se repite muchas veces una determinada observacin, obtenindose la frecuencia absoluta F(A) para el suceso A en N observaciones; entonces la frecuencia relativa o probabilidad p(A) del suceso A es p(A) F(A)/N

Si repetimos en las mismas condiciones el experimento tendremos varias pruebas; si designamos por p(A) la probabilidad o frecuencia relativa de A en cada una de M pruebas se obtendrn los valores p1(A), p2(A), pi(A), , pM(A) Estas frecuencias no diferirn mucho entre ellas y tendern a agruparse alrededor de un valor p(A); este valor p(A) se llama probabilidad del suceso A. Es decir, las frecuencias relativas p(A) son aproximadamente experimentales a p(A). Ejemplo de aplicacin Se entrega a una persona una urna con bolas informndole que contiene 2000 bolas rojas y 3000 bolas blancas y se le pregunta: si usted saca al azar 100 bolas, cuntas espera que sean rojas? Para ello, se hace el siguiente clculo: S(R) = 2000; N = 5000 p(R) = S(R)/N = 2000/5000 = 0.4 La respuesta sera que se espera que el 40% sean rojas. 2 La misma urna del ejemplo anterior, se le entrega a otra persona a quien se le informa que contiene una gran cantidad de bolas rojas y bolas blancas. Se le pide que saque 100 bolas y que cuente el nmero de bolas blancas, que regrese las bolas a la urna y que repita la prueba varias veces para que, con base en estas pruebas infiera la cantidad de bolas blancas que contiene. La persona efecta seis pruebas y obtiene como resultado: 41, 39, 40, 38, 40, 42 bolas rojas, o sea que las frecuencias relativas son 0.41, 0.39, 0.40, 0.38, 0.40, 0.42. Con base en estos resultados infiere que la urna contiene aproximadamente 40% de bolas rojas y 60% de bolas blancas. Curva de distribucin normal estndar En el siglo XVIII los jugadores profesionales se interesaron por las posibilidades que tenan de ganar en los juegos de azar, por lo que le pidieron ayuda a algunos matemticos. DeMoivre (1733) fue el primero en obtener la ecuacin de la curva normal. A principios del siglo XIX Gauss y Laplace ampliaron el desarrollo del concepto de la curva y el de probabilidad. Actualmente la curva se conoce tambin como curva de error, curva de campana, curva de Gauus o curva DeMoivre. La altura mxima de la curva est en la media. El rasgo ms importante de la curva normal es su simetra, ya que si doblamos la curva en su punto ms alto al centro, crearamos dos mitades iguales. Es unimodal, porque solo tiene un punto de mxima frecuencia.

El rea normal bajo la curva normal Para emplear la curva normal en la resolucin de problemas, tenemos que familiarizarnos con el rea bajo la curva normal: es el rea que est entre la curva y la lnea base y que contiene el 100 por ciento, o todos los casos, en una distribucin normal dada. Se puede encerrar una porcin de esta rea total, dibujando lneas a partir de dos puntos cualesquiera en la lnea base hasta la curva. Se puede usar la media como punto de partida, dibujando una lnea en la media y otra en el punto que est a 1 DE (una distancia sigma o una desviacin estndar muestral) sobre la media. Por lo que se puede decir que una proporcin constante del rea total bajo la curva normal estar entre la media y cualquier distancia dada de X, medida en unidades DE. As el rea bajo la curva normal entre la media y el punto 1 de DE arriba de la media incluye siempre el 34.13% del total de casos, independientemente del valor de la media y de la DE de la distribucin en particular y se aplica a todos los datos normales distribuidos, as estemos estudiando la distribucin de estatura, inteligencia, orientacin poltica, etc. El requisito bsico, en cualquier caso es que trabajemos con una distribucin normal de puntajes. El porcentaje del rea total bajo la curva normal entre la media y el punto uno de desviacin estndar arriba de la media, est representada por:

Propiedades de la distribucin normal estndar La naturaleza simtrica de la curva normal lleva a las siguientes conclusiones: Cualquier distancia sigma dada arriba de la media contiene una proporcin idntica de casos que la misma distancia sigma por debajo de la media. As, si el 34.13% del rea est entre la media y 1 DE por arriba de la media, el 34.13% est entre la media y 1 DE por debajo de la media; si el 47.72% est entre la media y 2 DE por arriba de la media, entonces del 47.72% est entre la media y 2 DE por debajo de la media; si el 49.87% est entre la media y 3 DE por arriba de la media, entonces 49.87% est tambin entre la media y 3 DE por debajo de la media. En otras palabras, se ilustra en las grficas que el 68.26% del rea total de la curva (34.13 + 34.14) caen entre -1 DE y + 1 DE de la media; el 95.44% del rea (47.72% + 47.72%) caen entre -2DE y + 2DE de la media; el 99.74% o casi todos los casos (49.87% + 49.87%) caen entre -3DE + 3DE de la media. Puede decirse, entonces que 6 DE incluyen prcticamente todos los casos (ms del 99%) bajo cualquier distribucin normal.

Uso de la tabla de reas bajo la curva normal Al estudiar la distribucin normal slo hemos analizado aquellas distancias de la media que son mltiplos exactos de la desviacin estndar. O sea las DE 1, 2 o 3 ya sea por arriba o por debajo de la media. Pero necesitamos conocer tambin el porcentaje de los casos para las distancias entre dos ordenadas cualesquiera. Para determinar el nmero de desviaciones estndar que hay entre un valor dado y la media, se utiliza la calificacin o puntaje estndar (z) que es el cociente entre la desviacin de una calificacin respecto a la media aritmtica y la desviacin estndar. La que estar por arriba de la media si z es positivo y por abajo si z es negativo. Dado un conjunto de datos que se distribuyen en forma normal, con media y desviacin estndar, convertimos el dato X en dato Z, mediante la frmula Z=X S desviacin respecto a la media desviacin estndar

Si X > , z es positivo Si X = , z = 0 Si X < , z es negativo El valor z que corresponde a un valor X mide la distancia que hay entre la media y el valor X, esa distancia se mide en desviaciones estndar. Ejemplo: Si = 72 y s = 10, entonces la distancia que hay entre 72 y 87 es de 1.5 desviaciones

Z = 87 72 = 15 = 1.5 10 10 Si = 30 y s = 8, entre 30 y 54 se encuentra el 49.87% , ya que la distancia entre 30 y 54 es de tres desviaciones estndar. Z = 54 30 = 24 = 3 8 8

Los porcentajes determinados de 0.3413, 0.4772 y 0.4987 por 100 correspondientes a los valores z = 1, z = 2 y z = 3, han sido obtenidos de la tabla de reas bajo la curva normal. En esta tabla se encuentran los diferentes porcentajes que corresponden a los valores de Z.

Encontrar los porcentajes correspondientes a los valores siguientes de z, utilizando la tabla: Z = 1.1___________________ z = 1.63 _________________________ z = 2.4 ________________ Z = 2.96 __________________ z = 3.07 _________________________ z = 0.12 _______________ Ejemplos: Si = 18 y s = 4.5, el porcentaje de datos entre 18 y 22 y entre 14 y 18 es de 0.3133 por qu? z = 14 18 = 0.89 4.5

Z = 22 18 = 0.89 4.5

Para el conjunto de datos de las notas del curso de Estadstica en donde la Qu porcentaje de los 51 son valores comprendidos entre 72.20 y 77 Se calcula el valor de z = 77 72.2 = 1.06 4.51

= 72.20 y la s = 4.51.

Se busca el valor en la tabla, el porcentaje que corresponde a z = 1.06, = 3554. El valor corresponde a 35.54% Como son 51 datos, se obtiene el valor del 35.54% de 51 que es 18. Entonces, alrededor de 18 datos son valores entre 72.2 y 77.