Probabilidad 3 Fundamentos matemticos de la probabilidad 4 Fenmenos deterministas y aleatorios 6 Experimento 6 Espacio muestral 6 Evento 7 Probabilidad marginal 7 Probabilidad conjunta 7 Probabilidad condicional 8 Independencia de eventos 8 Probabilidad Total 8 Conclusin 9 Bibliografia 9
3 Probabilidad En cualquier experimento aleatorio siempre hay incertidumbre sobre si un suceso especfico ocurrir o no. Como medida de la oportunidad o probabilidad con la que podemos esperar que un suceso ocurra es conveniente asignar un nmero entre 0 y 1. Si estamos seguros de que el suceso ocurrir decimos que su probabilidad es 100% 1, pero si estamos seguros de que el suceso no ocurrir, decimos que su probabilidad es cero. Por ejemplo, si la probabilidad es de 1/4, diramos que hay un 25 % de oportunidad de que ocurra y un 75 % de oportunidad de que no ocurra. Equivale a decir que la probabilidad contra su ocurrencia es del 75% al 25% o de 3 a 1. Existen dos procedimientos importantes por medio de los cuales podemos obtener estimativos para la probabilidad de un suceso.
1.- Enfoque clsico o a priori: Si un suceso puede ocurrir en h maneras diferentes de un nmero total de n maneras posibles, todos igualmente factibles, entonces la probabilidad del suceso es h/n. Como ejemplo tenemos el lanzamiento de una moneda, si buscamos la probabilidad de que salga cara en un solo lanzamiento. Puesto que hay dos maneras igualmente factibles del resultado, simplemente cara o sello, entonces la probabilidad es igual a 1/2.
2.- Enfoque como frecuencia relativa o a posteriori: Si despus de n repeticiones de un experimento, donde n es muy grande, un suceso ocurre h veces, entonces la probabilidad del suceso es h/n. Esto tambin se llama la probabilidad emprica del suceso. Ejemplo. Si lanzamos una moneda 1000 veces y hallamos que 532 veces resultan caras, estimamos que la probabilidad de una cara es 532/1000 = 0.532.
4 Fundamentos Matemticos de la Probabilidad Los Axiomas de la Probabilidad Supngase que se tiene un espacio muestral E. Si E es discreto, todos los subconjuntos corresponden a sucesos y recprocamente, pero si E es continuo, solamente los subconjuntos especiales (denominados medibles) corresponden a sucesos. A cada suceso A en la clase C de sucesos asociamos un nmero real P(A), lo que quiere decir que P es una funcin de valor real definida en C. As P es la funcin de probabilidad, y P(A) es la probabilidad del suceso A, si se satisfacen los axiomas siguientes: Axioma 1.- La probabilidad de que ocurra un evento A cualquiera, se encuentra entre cero y uno. 0 p(A) 1
Axioma 2.- La probabilidad de que ocurra el espacio muestral P debe de ser 1.
P(E) = 1
Axioma 3.- Si A y B son eventos mutuamente excluyentes, entonces:
P(AB) = P(A) + P(B)
Teoremas importantes sobre Probabilidad. De los axiomas anteriores podemos demostrar varios teoremas sobre probabilidad que son importantes en el estudio posterior. Teorema 1.- Si A 1 A 2 entonces P( A 1 ) P( A 2 ) y P( A 2 A 1 ) = P( A 2 ) P( A 1 )
Teorema 2.- El suceso imposible tiene probabilidad cero P( ) =
Teorema 3.- Si A es el complemento de A, entonces: P( A) = 1 P( A)
Teorema 4.- Si A = A 1 A 2 A n y A 1 , A 2 , , A n son sucesos mutuamente excluyentes, entonces:
P( A) = P( A 1 ) + P( A 2 ) + + P( A n )
Y como caso particular, si A = E, el espacio muestral, entonces:
P( A 1 ) + P( A 2 ) + + P( A n ) = 1
5 Teorema 5.- Si A y B son dos sucesos cualesquiera, entonces:
P( A B) = P( A) + P( B) P( A B)
Generalizando, si A 1 , A 2 , A 3 son tres sucesos cualesquiera, entonces:
P( A B C) = P( A) + P( B) + P( C) P( A B) P( B C) P( C A) + P( A B C)
Teorema 6.- Para dos sucesos A y B:
P( A) = P( A B) + P( A B)
Teorema 7.- Si un suceso A debe resultar en uno de los sucesos mutuamente excluyentes A 1 , A 2 , , A n entonces:
P( A) = P( A A 1 ) + P( A A 2 ) + + P( A A n )
E E
6 Fenmenos deterministas y aleatorios Los fenmenos deterministas son aquellos que cuando se repiten en condiciones anlogas, se obtendr siempre el mismo resultado. Un ejemplo es lanzar una moneda desde una altura conocida, y al medir el tiempo en llegar al suelo siempre ser el mismo independientemente del nmero de veces que sea realizado el experimento, aunque en la prctica es sabido que dichos fenmenos no existen debido a diversos factores como errores de medicin por ejemplo. Por otro lado, los fenmenos aleatorios, son aquellos en donde los resultados no son esencialmente los mismos a pesar de que las condiciones sean aproximadamente idnticas. Citamos como ejemplo la probabilidad de obtener un 2 al lanzar un dado.
Experimento Se define como experimento a cualquier accin o proceso que genera observaciones. Un ejemplo simple de experimento estadstico es el lanzamiento al aire de una moneda. En este experimento slo hay dos resultados posibles, cara o cruz. Cuando se lanza una moneda al aire de forma repetida, no podemos tener la certeza de que un lanzamiento dado tendr como resultado una cara. Sin embargo, conocemos por completo el conjunto de posibilidades para cada lanzamiento. . En la mayor parte de los casos los resultados dependern del azar y, por tanto, no se pueden predecir con certeza.
Espacio muestral Un conjunto E que consiste en todos los resultados de un experimento aleatorio se llama un espacio muestral y cada uno de los resultados se denomina punto muestral, Con frecuencia habr ms de un espacio muestral que describe los resultados de un experimento pero hay comnmente slo uno que suministra la mayora de la informacin. Obsrvese que E crresponde al conjunto universal.
7 Evento 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. B C =
- Eventos mutuamente excluyentes Si A B = y A B = E, se dice que A y B son eventos complementarios: A c = B y B c = A
Probabilidad Marginal, probabilidad conjunta
En pocas palabras la probabilidad marginal es la probabilidad de un evento simple A, es decir un evento de una sola caracterstica. La probabilidad de que se presenten en forma simultnea dos eventos A y B, se conoce como probabilidad conjunta de A y B y se puede definir como: B P * B A P B A P
8 Probabilidad Condicional, independencia de eventos Sean A y B dos sucesos tales que P(A) > 0. Denotamos por P(B|A) la probabilidad de B dado que A ha ocurrido. Puesto que se sabe que A ha ocurrido, se convierte en el nuevo espacio muestral, remplazando al original E. Presentando la siguiente definicin. P( B| A) = P( A B) P( A) P( A B) = P( A) P( B| A)
En la segunda ecuacin se expresa que la probabilidad que tanto A como B ocurran es igual a la probabilidad que A ocurra tantas veces la probabilidad que B ocurra cuando A haya ocurrido. Se le llama a P( B| A) la probabilidad condicional B dada, es decir la probabilidad de que B ocurra dado que A ha ocurrido Si P( B| A) = P( B) es decir la probabilidad de que B ocurra no est afectada por la ocurrencia o no ocurrencia de A, entonces se establece que A y B son sucesos independientes. Matemticamente se expresa como: P( A B) = P( A) P( B)
Probabilidad Total El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a partir de probabilidades condicionadas. El teorema establece que: Sea A 1 , A 2 , , A n un sistema completo de sucesos tales que la probabilidad de cada uno de ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades condicionales P( B| A
) , entonces la probabilidad del
suceso B viene dada por la expresin: P( B) = P( A 1 ) P( B| A 1 ) + P( A 2 ) P( B| A 2 ) + + P( A n ) P( B| A n )
9 Conclusin El conocimiento de los conceptos bsicos, axiomas y teoremas de la probabilidad, as como reconocer los tipos de probabilidad que hay, permiten tener un panorama ms amplio sobre los alcances que dicha ciencia tiene y posteriormente, aplicarlos a cuestiones de ingeniera.
Bibliografa Libros: ORTIN Rull, Jordi (2006). Curso de Fsica estadstica. Universitat de Barcelona. SPIEGEL, Murray R. (1977). Probabilidad y Estadistica. McGraw Hill