Professional Documents
Culture Documents
Matías Carrasco
26 de febrero de 2018
Seguramente si te pidieran definir lo que es una pro- Un experimento aleatorio es aquel en el cuál el re-
babilidad dirías sultado no está completamente determinado por las
número de casos favorables condiciones iniciales del mismo, si no que el resulta-
probabilidad = . (1)
número de casos posibles do del experimento puede ser cualquiera de un cierto
Por ejemplo, si lanzamos una moneda la probabilidad conjunto de resultados posibles. Un ejemplo clásico es
de que salga cara es 1/2 pues se trata de un caso favo- el lanzamiento de una moneda, cuyos dos resultados
rable en dos posibles, o si lanzamos un dado la proba- posibles son cara o número.
bilidad de que salga un seis es 1/6 pues solo nos sirve
una de seis posibilidades. El espacio muestral asociado a un experimento es el
conjunto de todos los resultados posibles. Es costum-
La definición (1) está basada en lo que se conoce co- bre denotar al espacio muestral por la letra griega Ω
mo el principio de indiferencia. El mismo afirma que si (omega mayúscula). En el caso del lanzamiento de
no tenemos razones por las cuales sospechar que un una moneda Ω = {C, N }, donde C significa cara y N
resultado particular del experimento tienen más chan- número. Encontraremos vários ejemplos a lo largo del
ces de ocurrir que los demás, entonces todos los resul- curso de espacios muestrales, pero es importante te-
tados deben tener la misma probabilidad de ocurrir. ner presente que los elementos de Ω pueden ser de
Se debe tener cierto cuidado ya que el principio de cualquier tipo, por ejemplo números, personas, boli-
indiferencia no se aplica en todas las situaciones. Si tas, conjuntos de números, etc.
lanzamos dos dados y miramos la suma de los resul-
Los elementos del espacio muestral, es decir los re-
tados, podríamos decir que los casos posibles son los
sultados posibles del experimento, se denotan usual-
números del 2 al 12, pero parece menos probable que
mente por la letra griega ω (omega minúscula) y se
salga un 2 a que salga un 7. En este caso sería mejor
llaman eventos simples o elementales. A partir de ellos
aplicar el principio de indiferencia a los pares de nú-
podemos construir diversos eventos posibles.
meros que representan los resultados de cada dado.
Esto lo veremos en detalle más adelante.
Existe una definición general de probabilidad que
abarca a la definición (1) como caso particular. Sin 3. Eventos
embargo, la ecuación (1) aparece con mucha frecuen-
cia y es muy útil en una gran variedad de situaciones.
Vale la pena pasar un poco de tiempo con ella, así Un evento es una subcolección de resultados posibles
ganamos intuición sobre algunas propiedades básicas de un experimento. Dicho en lenguaje matemático, un
del azar, y de paso nos preparamos para entender me- evento A es un subconjunto del espacio muestral Ω.
jor la definición general.
Hay dos eventos particularmente sencillos: el evento
En este capítulo vamos a partir de la definición de imposible A = ∅ que significa que nada ocurre y el
probabilidad, dada por el principio de indiferencia, y evento seguro A = Ω que significa que algo ocurre.
vamos a desarrollar algunos conceptos importantes. La letra ∅ representa al conjunto vacío, esto es, un
Veremos algunos cálculos explícitos que dan como re- conjunto que no tiene elementos1 .
sultado probabilidades que chocan un poco con nues-
tra intuición. 1 Pensar en una bolsa vacía.
1
Ejemplo: lanzando dos dados 6 (1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
El espacio muestral consiste en todos los pares orde- 1 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
nados de números entre uno y seis. Es decir que cada 1 2 3 4 6
5
evento simple es de la forma ω = (d r , d v ) en donde d r
es un número entre uno y seis que indica el resultado El cardinal de A es en este caso | A| = 15, por lo que
del dado rojo y d v el del dado verde. la probabilidad de A es 15/36 ≈ 0,4167. Muchas veces
las probabilidades se expresan en porcentajes, y para
En símbolos, podemos decir que esto hace falta simplemente multiplicar por 100. Por
ejemplo, decimos que A tiene 41,67 % de chances de
ocurrir.
Ω = ω = (d r , d v ) : d r y d v están en {1, . . . , 6}
Otro ejemplo es el evento
B = (d r , d v ) : d r + d v = 2̇ .
6 (1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
Los eventos simples que componen el evento B se
5 (1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
muestran rayados en rojo en el diagrama de abajo.
4 (1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
6 (1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
3 (1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
5 (1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
2 (1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
4 (1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
1 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
3 (1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
1 2 3 4 5 6
2 (1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
El número de resultados posibles, o el cardinal de Ω
1 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
como lo llamaremos más comúnmente, lo denotamos
1 2 3 4 5 6
por |Ω|. En este caso es 36.
El cardinal de B es |B| = 18, por lo que la probabilidad
Un evento posible es por ejemplo de B es 18/36 = 0,5.
Por lo general podemos definir un evento de dos for-
A = {el dado rojo es mayor que el dado verde}. mas distintas:
Especificando sus elementos. Esto es, escribien-
Es más cómodo escribir este evento de la siguiente do uno por uno los eventos simples que lo com-
forma ponen. Por ejemplo, podríamos haber definido el
evento A escribiendo
A = {(d r , d v ) : d r > d v }
A = {(2, 1), (3, 1), (3, 2), (4, 1), (4, 2),
y es fácil ver que consiste en la colección de eventos (4, 3), (5, 1), (5, 2), (5, 3), (5, 4),
simples marcados en rojo en el diagrama de abajo. (6, 1), (6, 2), (6, 3), (6, 4), (6, 5)}
2
A través de alguna condición que sus elementos Si además, queremos que las probabilidades sean nú-
deben cumplir. De ésta segunda manera fue que meros entre cero y uno, la probabilidad de un evento
definimos los eventos A y B en el ejemplo ante- A estará dada por
rior.
| A|
P (A) = . (2)
Cuando realizamos un experimento y el resultado ob- |Ω|
servado es un cierto evento simple ω del espacio mues-
Si comparamos esta definición con la ecuación (1), ve-
tral Ω, decimos que el evento A ha ocurrido si el evento
mos que | A| representa el número de casos favorables
simple ω pertenece al evento A. Esto último lo escri-
y que |Ω| representa el número de casos posibles.
bimos ω ∈ A.
Es interesante observar que las probabilidades así
Nos será útil más adelante disponer de una notación
definidas determinan una función, cuyo dominio es
especial para el conjunto de todos los eventos de un
el conjunto E de todos los eventos de Ω, a valores
experimento. Es así que denotaremos
en [0, 1]. Esto último simplemente quiere decir que
E = A : A es un subconjunto de Ω
0 ≤ P (A) ≤ 1 para todo evento A ∈ E. Toda esta
frase se suele resumir escribiendo
al conjunto de todos los eventos. La notación estándar
para indicar que A es un subconjunto de Ω es A ⊂ Ω. P : E → [0, 1].
Como veremos más adelante, el conjunto E de todos La ecuación (2) nos dice cuál es la definición de P (A)
los eventos posibles es muchos más grande que el es- para cualquier evento A. Lo único que debemos hacer
pacio muestral Ω. Su cardinal es | E| = 2|Ω| . En el ejem- es contar cuántos elementos tiene A y dividirlo por la
plo del lanzamiento de dos dados, el cardinal de Ω es cantidad de elementos de Ω.
36 y el cardinal de Ees 236 que es del orden de 7×1010 .
3
y sentido amplio, es decir una cosa o la otra o ambas.
B = (d r , d v ) : d r + d v , 2̇ .
c
Este evento se llama la unión de A y B y se escribe
C = A ∪ B = {ω ∈ Ω : ω ∈ A o ω ∈ B}.
La intersección
En el ejemplo del lanzamiento de dos dados, la unión
Si tenemos dos eventos, A y B, nos puede interesar es el evento
un tercer evento C que exprese la condición de que
A ∪ B = (d r , d v ) : d r > d v o d r + d v = 2̇
ambos A y B ocurran simultáneamente. Este evento C
se llama la intersección de A y B y se escribe y se indica con los elementos simples rayados en rojo
en el diagrama.
C = A∩ B = ω ∈ Ω : ω ∈ A y ω ∈ B .
6 (1,6) (2,6) (3,6) (4,6) (5,6) (6,6) 1 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
1 2 3 4 5 6
5 (1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
4
La demostración es muy sencilla. Notar que cuan- La primer regla se conoce como regla de la suma y
do se quiere probar que dos conjuntos son igua- expresa lo siguiente.
les, se debe probar que todo elemento del prime-
ro es también un elemento del segundo, y vice- Regla de la suma:
versa. Supongamos que A y B son dos eventos disjun-
tos, entonces | A ∪ B| = | A| + |B|.
Sea ω un elemento de (A ∪ B)c . Esto quiere decir
que ω no está en A ∪ B. O lo que es lo mismo, ω
Aplicando esta regla repetidas veces se ve que tam-
no está ni en A ni en B. Pero esto es exactamente
bién vale para una cantidad cualquiera de eventos. Es
la condición para que ω esté en Ac ∩ B c .
decir, si A1, . . . , An son n eventos disjuntos dos a dos,
Reíprocamente, si ω ∈ Ac ∩ B c , entonces ω no lo cual significa que Ai ∩ A j = ∅ para todo i , j,
está ni en A ni en B, por lo que no está en A ∪ B. entonces
Es decir, ω ∈ (A ∪ B)c .
| A1 ∪ · · · ∪ An | = | A1 | + · · · | An | .
Complemento de la intersección: El comple-
mento de la intersección de dos eventos A y B es La regla puede enunciarse con palabras de la siguiente
la unión de sus complementos. En símbolos manera:
Lo más difícil para algunos es saber cuándo debemos La regla del producto expresa el cardinal de un pro-
multiplicar y cuándo debemos sumar. Justamente de ducto cartesiano como producto de los cardinales de
eso se tratan las dos reglas básicas del conteo. sus factores.
5
Regla del producto: 7. Permutaciones y combinaciones
Sean A y B dos conjuntos cualesquiera. Entonces
La pregunta que responderemos en esta sección es
| A × B| = | A| · |B|.
¿de cuántas formas podemos elegir k ele-
La regla se puede aplicar análogamente al producto mentos de una lista de n?
cartesiano de n conjuntos, esto es
Veremos dos situaciones: cuando el orden importa y
| A1 × · · · × An | = | A1 | × · · · × | An | . cuando el orden no importa.
6
El número total de listas ordenadas de tamaño k Una propiedad interesante de las combinaciones per-
formadas a partir de un conjunto de n elementos mite calcularlas de forma inductiva. La misma afirma
es que
! ! !
n n−1 n−1
(n)k = n · (n − 1) · (n − 2) · · · (n − k + 1) = + .
| {z } k k −1 k
k factores
Se puede verificar con un simple cálculo a partir de la
para 1 ≤ k ≤ n. definición.
7
obtenemos la igualdad Si distribuímos los 2n objetos en los asientos de la
mesa, obtenemos una agrupación en pares en donde
n !
X n cada pareja consiste de dos asientos enfrentados.
2 =
n
. (4)
i=0
i
8
rivales restantes al azar, y solamente el rival Y cuenta que no tengan conocidos en común? En la pregunta
como caso favorable. se asume implícitamente que los conjuntos de conoci-
dos, tanto de Ana como de Beto, pueden ser cualquier
Si nos interesa calcular la probabilidad de que se den
subconjunto de habitantes de la ciudad y que todos tie-
dos cruces particulares, X1 con Y1 y X2 con Y1 , enton-
nen la misma probabilidad. Naturalmente, para que la
ces la respuesta es
pregunta no sea trivial debemos suponer que n > 2k.
,
(2(n − 2))! (2n)! 1
n−2 n
= . Es instructivo antes de hacer cálculos intentar adivi-
2 (n − 2)! 2 n! (2n − 1)(2n − 3) nar si esta probabilidad es chica, moderada o gran-
También podríamos haber llegado de forma más fácil de. Por ejemplo, si la ciudad es Montevideo con n =
a esta respuesta viendo que hay 2n−1 formas de elegir 1 500 000 y Ana y Beto tienen k = 700 conocidos, ¿se-
el rival de X1 , y por cada una de estas hay 2n−3 formas rá más bien cercana a 1 %, 25 %, 50 %, 75 %, ó 99 %?
de elegir el rival de X2 . En este ejemplo veremos que en muchos problemas
Supongamos que de los 2n equipos hay n “grandes” y de conteo una astucia o “truquito” puede simplificarlo
n “chicos”. ¿Cuál es la probabilidad de que los grandes enormemente. El truco en este caso consiste en ima-
no se crucen entre ellos? ginarnos que numeramos los habitantes de la ciudad
de forma tal que los k primeros son los conocidos de
Llamemos A al evento “los grandes no se cruzan en- Ana. Luego basta elegir al azar los conocidos de Beto
tre ellos”. Observar que podemos construir los agru- y ver si hay coincidencias.
pamientos de a pares en los cuál los grandes no se
cruzan de la siguiente manera. Primero establecemos habitantes de la ciudad
un orden fijo de los n grandes de forma arbitraria, y
luego ordenamos los chicos. El primero se cruza con
el primero, el segundo con el segundo, etc. Al variar conocidos de Ana desconocidos de Ana
los órdenes posibles de los equipos chicos, obtenemos
todas las formas posibles de cruzar equipos grandes ¿De cuántas formas distintas podemos elegir los cono-
con equipos chicos. cidos de Beto? La respuesta es simple, debemos dar
una lista no ordenada de tamaño k construida a par-
los grandes fijos
tir de los n habitantes de la ciudad. Como vimos en la
sección anterior esto se puede hacer de nk maneras
los chicos varian distintas.
Luego | A| = n!. Es decir que ¿De cuántas formas distintas podemos elegir los co-
nocidos de Beto entre los no conocidos de Ana? Ra-
2n n!2
,
(2n)! zonamos igual que en la pregunta anterior salvo que
P (A) = n! n = .
2 n! (2n)! en este caso debemos elegir a partir de los n − k habi-
tantes desconocidos por Ana. Es decir n−k k .
Por ejemplo, la probabilidad de que esto ocurra en
octavos de final (n = 8) es 128/6435 ≈ 0,0199, en cuar- Luego, la probabilidad p de que Beto y Ana no tengan
tos de final (n = 4) es 8/35 ≈ 0,2286, y en semifinales conocidos en común es
(n = 2) es 2/3 ≈ 0,6667. Notar que en semifinales es n−k
!, !
n
más probable que los grandes no se crucen, ya que un p=
k k
sólo cruce de tres posibles es favorable a tal situación.
Observar también que estas probabilidades son más Si la ciudad es razonablemente grande, las combina-
difíciles de calcular por otros métodos que las dos an- ciones son difíciles de calcular. Este es un problema
teriores. frecuente en probabilidad, así que aprovechamos este
ejemplo para mostrarles un método con el cual pode-
mos aproximar esta probabilidad.
Ejemplo: coincidencias
Usando la fórmula de las combinaciones con factoria-
les, podemos escribir esta probabilidad como
Ana y Beto son dos personas que no se conocen y vi-
ven en la misma ciudad de n habitantes. Ambos tienen (n − k)!2
,
(n − k)! n!
k conocidos en la ciudad. ¿Cuál es la probabilidad de =
k!(n − 2k)! k!(n − k)! (n − 2k)!n!
9
Este cociente de factoriales lo podemos escribir como Ejemplo: el problema de los cumpleaños
(n − k)! (n − k)!
· , Imaginemos un grupo de n personas. ¿Cuál es la pro-
(n − 2k)! n! babilidad de que al menos dos de ellas cumplan años
que se reduce a el mismo día? Por ejemplo, cuál es tu pronóstico si
n = 23 la cantidad de personas en un partido de fút-
1 bol contando al juez.
(n − k) · · · (n − 2k + 1) · .
n · · · (n − k + 1)
Llamemos pn a esta probabilidad que ciertamente de-
Podemos re-escribir este último como pende de la cantidad de personas n. Vamos a supo-
ner que los años tienen 365 días (no consideramos los
k−1 k−1 k−1
Y Y 1 Y n−i− k años bisiestos) y que una persona tiene igual chances
(n − i − k) · =
n − i i=0 n − i de cumplir años en cualquiera de estos días.
i=0 i=0
k−1 !
Numeramos a las personas de 1 a n de forma arbi-
Y k
= 1− . traria, simplemente con el objetivo de distinguirlas.
i=0
n−i
El total de posibilidades distintas para elegir los cum-
He aquí otro truco ingenioso: siempre que tenemos pleaños de las n personas es entonces
un producto podemos pasarlo a una suma tomando
logaritmos. Si tomamos logaritmos llegamos a 365 · |{z}
|{z} 365 = 365n
365 · · · |{z}
primer segunda n-ésima
persona persona persona
k−1 ! k−1 !
Y k + X k
log(p) = log * 1− = log 1 − .
, i=0 n − i - i=0
n−i pues hay 365 posibilidades para la primer persona,
365 posibilidades para la segunda, etc.
Recordar que
log(1 + x) ≈ x (5) Es más fácil calcular la probabilidad de que no haya
dos personas que cumplan el mismo día. Es decir, si A
cuando x es chico. es el evento “al menos dos personas cumplen el mismo
Si el tamaño de la ciudad n es mucho más grande día”, entonces
que 2k (esto lo escribimos n 2k), podemos usar (5) | A| |Ω| − | Ac |
para obtener pn = P (A) = = = 1 − P (Ac )
|Ω| |Ω|
k−1
X k donde Ac es el evento “todas las personas cumplen en
log(p) ≈ − .
i=0
n−i días distintos”.
Además, como n es muy grande comparado con i, ¿De cuántas formas podemos elegir los cumpleaños
podemos suponer que n−i ≈ n para todos los términos de las n personas de modo tal que todas cumplan en
de la suma, de donde días distintos? La respuesta es fácil: tenemos 365 po-
sibilidades para la primer persona, una vez elegido
k2 el cumpleaños de la primer persona tenemos 364 po-
log(p) ≈ − , sibilidades para la segunda, y así sucesivamente. Es
n
decir
o lo que es equivalente
2 /n 364 · · · (365 − n + 1) = (365)n .
365 · |{z}
p ≈ e−k . |{z}
primer segunda
| {z }
n-ésima
persona persona persona
Para apreciar esta fórmula, supongamos que Ana y
Beto viven en Montevideo, es decir n = 1 500 000 y que Entonces
tienen k = 700 conocidos. Entonces p ≈ 0,72. Dicho (365)n
pn = 1 − .
de otro modo, hay aproximadamente 28 % de chances 365n
de que Ana y Beto tengan un conocido en común. Para valores chicos de n estas probabilidades se pue-
¿Coincide este número con tu respuesta intuitiva que den calcular sin problema. Por ejemplo, los primeros
diste al principio del ejemplo? 25 valores de pn son
10
recordando que log(1 + x) ≈ x para x chico.
n pn n pn n pn n pn n pn
2 0,0027 7 0,0562 12 0,1670 17 0,3150 22 0,4757 La suma de los primeros n−1 enteros se puede calcular
3 0,0082 8 0,0743 13 0,1944 18 0,3469 23 0,5073
explícitamente y vale
4 0,0163 9 0,0946 14 0,2231 19 0,3791 24 0,5383
5 0,0271 10 0,1169 15 0,2529 20 0,4114 25 0,5687
n−1
6 0,0404 11 0,1411 16 0,2836 21 0,4437 26 0,5982 X n(n − 1)
i= .
Notar que cuando n = 23 es más probable que al i=0
2
menos dos personas cumplan el mismo día que to-
das cumplan en días distintos. ¿Qué tan bueno fue tu Entonces
pronóstico al respecto? n−1
1 X n(n − 1)
Algunos valores más se pueden calcular con una cal- log (1 − pn ) ≈ − i=− .
365 i=0 730
culadora científica. Sin embargo, para n = 50 esto ya
no es más posible. Tomando exponencial a ambos lados llegamos a la
Una computadora portátil puede hacer los cálculos siguiente aproximación para pn :
hasta n = 120. En el gráfico de abajo se muestra la
pn ≈ 1 − e−n(n−1)/730 .
probabilidad pn en función de n, desde n = 2 hasta
n = 120.
Por ejemplo, para n = 23 el valor aproximado de pn
es 0,5.
1.0
0.010
0.8
pn − 1 − e−n(n−1)/730
pn
0.4
0.2
0.0
0.000
0 20 40 60 80 100 120
n
0 20 40 60 80 100 120
n
(365)n Y
n−1
i
! en función de n. El error más grande para n ≤ 120 es
1 − pn = = 1− 0,0103 y se da en n = 33.
365n i=0
365
11
Asumimos que la moneda es honesta. Entonces Ana Si llamamos p a la probabilidad de {C A > CB }, y q a
tiene 2n+1 posibilidades, todas las secuencias posibles la de {X A > X B }, entonces
de largo n+1 formadas con “C” y “X”, todas igualmen-
te probables. Del mismo modo, Beto tiene 2n . Pero 1. p + q = 1,
además, juntos tienen 2n+1 2n = 22n+1 posibilidades, 2. p = q,
todas igualmente probables.
de donde p = q = 1/2.
Llamemos C A y X A el número de caras y cruces que
obtiene Ana, y de igual forma, llamemos CB y X B los Como ejercicio para ver si entendieron bien, pueden
de Beto. Entonces C A + X A = n + 1 y CB + X B = n. Los buscar dónde falla el argumento, si en lugar de Ana
eventos lanzar una vez más que Beto, lanza dos veces más.
{C A > CB } y {X A > X B }
tienen el mismo número de elementos. De hecho, si Ejemplo: apretados en el cine
tenemos una secuencia en {C A > CB }, cambiando to-
das las C por X y viceversa, obtenemos una secuencia
En un cine de Montevideo, la gente se sienta al azar en
en {X A > X B }. Por otro lado, una secuencia verifica
la primera fila. La fila tiene N ≥ n asientos. ¿Cuál es
que C A > CB si, y solo si, verifica que n −CB > n −C A .
la probabilidad de que no haya dos personas sentadas
Pero esto es lo mismo que X B > X A − 1, de donde
una al lado de la otra?
X B ≥ X A pues son cantidades enteras.
Un espacio muestral para este problema puede ser
En conclusión, el evento {C A > CB } es igual al evento
el formado por todos los subconjuntos de tamaño n
{X B ≥ X A }. Dicho en palabras, si Ana tiene más caras
de un conjunto de N elementos. Los N elementos co-
que Beto, entonces necesariamente Beto tiene más o
rresponden a númerar los asientos de la primer fila, y
igual cruces que Ana.
un subconjunto de éstos corresponde a las elecciones
Cualquiera sea el resultado de los lanzamientos, de- posibles que puede hacer la gente. Así, en total hay
N
bemos tener una de dos: o bien X A > X B o X B ≥ X A . n posibilidades, todas igualmente probables, pues
Es decir que el número de secuencias en el evento las personas no tienen preferencia por dónde sentar-
{X A > X B } es igual a 22n+1 menos el número de se- se.
cuencias en {X B ≥ X A }.
Debemos contar de cuántas formas podemos sentar n
Juntando todo, vemos que personas en N asientos, de forma tal que no haya dos
consecutivos. Miremos la fila de izquierda a derecha,
1 = P (X A > X B ) + P (X B ≥ X A ) suponiendo que el asiento número 1 se encuentra en
= P (X A > X B ) + P (C A > CB ) = 2P (C A > CB ) , la punta izquierda.
12
personas que no están en los bordes: formas distintas.
n
∗__ ∗ ____ ∗ _∗
formas distintas. Así que la probabilidad de no tener
Pero hay un problema. Claramente, éstas no son to- vecinos al lado es
N −n+1
das las formas posibles de asignar los lugares, pues n
.
podrían no haber personas sentadas en los bordes. N
n
Para arreglar este desperfecto, en lugar de elegir tres
números todos no nulos, elegimos cinco números con
la posibilidad de que el primero y el segundo sean nu-
9. Experimentos secuenciales y re-
los. Así, por ejemplo, si elegimos los números 1,2,3,1,0 peticiones independientes
obtenemos la disposición
Muchos experimentos consisten de varias etapas. En
_ ∗ __ ∗ ___ ∗ _∗
esta sección veremos como construir el espacio mues-
Notar que siempre hay N − 4 espacios y 4 asteríscos. tral cuando las diferentes etapas del experimento son
Algunos espacios son obligatorios y otros no, y de he- independientes entre sí.
cho de los N − 4 espacios hay 3 que deben ir necesa- Supongamos que Ω1 es el espacio muestral de un pri-
riamente a la derecha de un asterísco: mer experimento E1 y que Ω2 es el espacio muestral
de un segundo experimento E2 . Si realizamos un ex-
_ ∗_ _ ∗_ _ ∗_ _ ∗ _
|{z} |{z} |{z} |{z} |{z} perimento que consista en E1 y luego E2 , ¿cuál es el
posible posible posible posible posible
espacio espacio espacio espacio espacio espacio muestral correspondiente?
Así que quedan N − 7 espacios para repartir entre Supondremos que el experimento E2 se realiza de for-
las cinco “celdas” representadas por las llaves en el ma independiente del E1 , en el sentido de que sin im-
diagrama. portar el resultado de E1 cualquier resultado de E2 es
posible. Entonces el espacio muestral Ω(1,2) de E1 y
¿Cómo podemos contar todas las formas posibles de luego E2 consiste de todos los pares ordenados de la
hacer ésto? Representemos por una barra vertical los forma (ω1, ω2 ) en donde ω1 ∈ Ω1 y ω2 ∈ Ω2 . Es decir
bordes de una celda. Por ejemplo, si N = 11, la asigna-
ción representada con los números 1,2,3,1,0 que usa- Ω(1,2) = Ω1 × Ω2 = {(ω1, ω2 ) : ωi ∈ Ωi }
mos arriba queda
|_|_|_ _||| el producto cartesiano de los dos espacios originales.
Esto lo leemos así: un espacio en la primer celda, un Muchas veces el experimento E2 es el mismo que el E1 .
espacio en la segunda (es solo uno y no dos, pues Es decir, E1 y E2 son dos repeticiones independientes
hay uno que ya lo pusimos), dos espacios en la tercer de un mismo experimento. En general, si realizamos
celda, y las dos últimas celdas vacías. n ensayos independientes de un mismo experimento
cuyo espacio muestral es Ω, el espacio muestral co-
Lo único que debemos hacer es entreverar los espacios rrespondiente lo escribimos
y las barras, teniendo en cuenta que los dos bordes
deben ser barras. Como hay N − 7 espacios y 4 barras Ωn = |
Ω × {z }.
···×Ω
(sacando las dos de los bordes), esto lo podemos hacer n veces
de
(N − 7 + 4)! Notar que por la regla del producto el cardinal de Ωn
!
N −3
= es |Ω| n .
(N − 7!)4! 4
13
Ejemplo: n lanzamientos de una moneda Llamemos Ωi al espacio muestral de sacar una bola de
la i-ésima urna. Esto es, Ωi es un conjunto de i + 1 bo-
Lanzamos n veces una moneda. El experimento de las distintas (las podemos numerar para diferenciarlas
base es el lanzamiento de una moneda una sola vez, por ejemplo) de las cuales i son negras y una sola es
y por lo tanto Ω = {C, N } donde C significa cara y N blanca.
número. El espacio muestral para n lanzamientos es El espacio muestral de nuestro experimento es enton-
entonces Ωn que consiste de las secuencias de largo n ces
cuyas entradas son C 0 s o N 0 s.
Ω = Ω1 × · · · × Ω n .
¿Cuál es la probabilidad de que nunca salga cara? Hay Notar que el cardinal de Ω es
una sola secuencia que no tiene caras y es
|Ω| = |Ω1 | · · · |Ωn | = 2 · 3 · · · (n + 1) = (n + 1)!.
(N, . . . , N )
| {z }
n veces El evento A que nos interesa es que ninguna bola sea
blanca, y por lo tanto
por lo que la probabilidad es 1/|Ω| n = 1/2n .
| A| = 1 · 2 · · · n = n!.
Notar que esta probabilidad tiende rápidamente a ce-
ro cuando n → +∞. Podríamos decir que si lanzamos
Entonces
una moneda infinitas veces, la probabilidad de que n! 1
nunca salga cara es cero. Esto lo justificaremos mejor P (A) = = .
(n + 1)! n + 1
más adelante, pero por el momento nos basta con esta
idea intuitiva. Notar que esta probabilidad también tiende a cero
cuando n → +∞, aunque menos rápidamente que en
el caso anterior. Es decir, a pesar de que las bolas
Ejemplo: bolitas y urnas blancas son cada vez menos frecuentes en las urnas,
de todos modos la probabilidad de que nunca salga
una bola blanca sigue siendo cero.
Imaginemos una fila de n urnas que llamaremos
U1, U2, . . . , Un
10. Algunas propiedades básicas de
las cuales tienen bolitas negras y blancas. la probabilidad
Supongamos que la k-ésima urna tiene k bolas negras
y una blanca. Por ejemplo, U1 tiene 1 bola negra y Las reglas de conteo se traducen en propiedades im-
1 blanca, U2 tiene 2 bola negras y una blanca, y así portantes que son muy útiles para calcular probabi-
sucesivamente. lidades. En esta sección enumeraremos algunas de
ellas, y las probaremos en el caso particular que esta-
mos considerando (modelos equiprobables). Sin em-
bargo son propiedades que valen en general.
Las dos propiedades más importantes, de las cuales
U48 = se siguen todas las demás, son las siguientes.
Probabilidad de Ω: P (Ω) = 1.
Esto es claro ya que
|Ω|
El experimento consiste en sacar una bola de la pri- P (Ω) = = 1.
|Ω|
mer urna, una de la segunda, y así hasta la última ur-
na. ¿Cuál es la probabilidad de que nunca saquemos
una bola blanca? Regla de la suma: si A y B son dos eventos dis-
juntos, entonces
Antes de seguir leyendo conviene pensar en una res-
puesta intuitiva, ¿es esta probabilidad grande o chica? P (A ∪ B) = P (A) + P (B) .
14
De hecho, por la regla de la suma para cardinales Esto se deduce de las reglas de la suma y de la
sabemos que | A ∪ B| = | A| + |B|, por lo que resta aplicadas a la unión disjunta
| A ∪ B| | A| |B| A ∪ B = [A \ (A ∩ B)] ∪ [B \ (A ∩ B)] ∪ [A ∩ B] .
P (A ∪ B) = = + = P (A) + P (B) .
|Ω| |Ω| |Ω|
La cota de la unión: si A y B son dos eventos
Existen otras propiedades que enumeramos a conti- cualesquiera, entonces
nuación. Observar con atención que las demostracio-
nes solamente utilizan la validez de las dos propieda- P (A ∪ B) ≤ P (A) + P (B)
des anteriores.
Esto se sigue del principio de inclusión y exclu-
Complemento: si A es un evento, la probabili-
sión ya que P (A ∩ B) ≥ 0.
dad de su complemento es
P (Ac ) = 1 − P (A) .
Lecturas recomendadas
Esto se sigue de que A ∪ Ac = Ω y de que esta
unión es disjunta. Si aplicamos la regla de la suma I. Stewart, ¡Qué coincidencia!, Investigación y Cien-
obtenemos cia, Julio 1998, No 262.
1 = P (Ω) = P (A) + P (Ac ) , A. Rayo, ¿Qué es la probabilidad?, Investigación y
Ciencia, Junio 2011, No 417.
y de aquí despejamos la probabilidad de Ac .
G. Uzquiano, Prisioneros y permutaciones, Investi-
División en casos: Si podemos dividir el espacio gación y Ciencia, Marzo 2012, No 426.
muestral Ω en subconjuntos C1, . . . , Cn que son
disjuntos dos a dos, entonces la probabilidad de B. Luque, El problema del cumpleaños y la seguri-
cualquier evento A se descompone como dad de nuestras contraseñas, Investigación y Cien-
cia, Noviembre 2016, No 482.
n
X
P (A) = P (A ∩ Ci ) .
i=1
P (B \ A) = P (B) − P (A) .
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) .
15