Teora de la Probabilidad:

DEFINICIN: A la posibilidad de que un evento se verifique se le

llama Probabilidad.

Fenmenos que se presentan en la Naturaleza. . .

Determinsticos: Son aquellos en que se obtiene siempre el mismo
resultado bajo las mismas condiciones iniciales. La relacin causa-
efecto se conoce en su totalidad.
Ejemplo: todos los fenmenos que siguen las leyes de la fsica
clsica, como puede ser la cada de un cuerpo.
Aleatorios: Son aquellos que, bajo el mismo conjunto de
condiciones iniciales, pueden presentar resultados diferentes. No se
puede predecir el resultado de cada experiencia particular.
Ejemplo: el lanzamiento de un dado.

Nos ocuparemos del estudio de los fenmenos aleatorios;
Un experimento se dice aleatorio si verifica las siguientes
condiciones:
(a) Es posible conocer previamente todos los posibles resultados
asociados al experimento.
(b) Es imposible predecir el resultado del mismo antes de realizarlo.
(c) Es posible repetirlo bajo las mismas condiciones iniciales un
nmero ilimitado de veces.
A cada realizacin de un experimento la llamaremos experiencia o
prueba.

Esa posibilidad, o sea qu tan posible o imposible es que el evento
acontezca, se cuantifica en una escala que va del cero al uno. El
cero significa imposibilidad absoluta; el uno significa certeza total.
Tambin se suele hacer esa cuantificacin traducida a porcentaje,
donde el uno queda representado por el 100%.Significa que un
suceso que tenga una probabilidad p = 0.1 es que, sin ser
totalmente imposible, resulta bastante difcil que se verifique por
estar ese nmero mucho ms prximo al cero que al uno. Debe
entenderse que la probabilidad nicamente cuantifica la facilidad o
dificultad para que cierto evento se verifique, pero no es una ley de
acontecimiento, es decir, algo que tenga probabilidad p = 0.5 o lo
que es lo mismo del 50%, significa que es igual de fcil que
acontezca como difcil, o tambin se puede interpretar que, por
ejemplo, de diez mil intentos, en cinco mil se verificar y en otros
cinco mil no.

Ejemplo 1: Cul es la probabilidad de que al lanzar un dado
corriente salga el nmero 8?
Solucin: Como el dado nada ms tiene del 1 al 6, resulta
totalmente imposible que salga el 8. Se trata de un caso de
imposibilidad absoluta. De manera que su probabilidad es 0.

Ejemplo 2: En una caja se introducen 5 fichas todas de color verde.
Se escoge una al azar. Cul es la probabilidad de que la ficha
seleccionada sea verde?
Solucin: Como nada ms hay fichas verdes en la caja, cualquiera
que se escoja ser verde. Se trata de un caso de certeza absoluta.
De manera que su probabilidad es 1.

Desde el punto de vista Matemtico solamente los eventos que se
dan al azar tienen cabida en la cuantificacin de su probabilidad. De
lo contrario, resulta algo sin sentido o absurdo.
Por ejemplo, preguntar Cul es la probabilidad de que despus del
lunes siga el martes?, como no se trata de un hecho al azar, es
absurda la pregunta. Cul es la probabilidad de que el equipo "A"
gane maana al equipo "B" en el partido de futbol?: como el
resultado no depender del azar, sino de las habilidades de los
jugadores para superar al adversario durante el tiempo de
enfrentamiento, carece de sentido la pregunta, no se puede
cuantificar, no se puede decir que la probabilidad sea del 15%, o del
40%, o del 75%, etc.

Espacios muestrales:

Se llama espacio muestral al conjunto de todos los posibles
resultados individuales de un experimento aleatorio, y se representa
por W.
Sus elementos se representan por letras minsculas y se denominan
sucesos elementales.
Los subconjuntos de W, se designan por medio de letras
maysculas
(A; B; C; :) y se denominan sucesos. Representan los posibles
resultados del experimento aleatorio.
Maribel
Ejemplo:
Para el experimento aleatorio lanzar un dado", el espacio muestral
seria:
W = {1; 2; 3; 4; 5; 6}
Un posible suceso (distinto de los sucesos elementales) seria:
A = Obtener un numero par" = {2; 4; 6}.

Tipos de sucesos:

Suceso elemental, es cada uno de los elementos que forman parte
del espacio muestral.
Por ejemplo al tirar un dado un suceso elemental es sacar 5.
Suceso compuesto, es cualquier subconjunto del espacio muestral.
Por ejemplo al tirar un dado un suceso sera que saliera par, otro,
obtener mltiplo de 3.
Suceso seguro, est formado por todos los posibles resultados (es
decir, por el espacio muestral).
Por ejemplo al tirar un dado un dado obtener una puntuacin que
sea menor que 7.
Suceso imposible, es el que no tiene ningn elemento.3
Por ejemplo al tirar un dado obtener una puntuacin igual a 7.
Sucesos compatibles, dos sucesos, A y B, son compatibles cuando
tienen algn suceso elemental comn.
Si A es sacar puntuacin par al tirar un dado y B es obtener
mltiplo de 3, A y B son compatibles porque el 6 es un suceso
elemental comn.
Sucesos incompatibles, dos sucesos, A y B, son incompatibles
cuando no tienen ningn elemento en comn.
Si A es sacar puntuacin par al tirar un dado y B es obtener
mltiplo de 5, A y B son incompatibles.
Sucesos independientes, dos sucesos, A y B, son independientes
cuando la probabilidad de que suceda A no se ve afectada porque
haya sucedido o no B.
Al lazar dos dados los resultados son independientes.
Sucesos dependientes, dos sucesos, A y B, son dependientes cuando
la probabilidad de que suceda A se ve afectada porque haya
sucedido o no B.
Extraer dos cartas de una baraja, sin reposicin, son sucesos
dependientes.
Suceso contrario, el suceso contrario a A es otro suceso que se
realiza cuando no se realiza A.
Son sucesos contrarios sacar par e impar al lanzar un dado.

A cada suceso A le vamos a asignar un valor numrico p(A) de [0;
1], que denominaremos probabilidad de ocurrencia del suceso A, y
que expresara el grado de certidumbre que ocurra el suceso A, esto
es, la verosimilitud de ocurrencia del suceso A.
Por ejemplo, si p(A) = 0; 98, se considera que es muy verosmil
pensar que puede ocurrir el suceso A, mientras que si p(A) = 0;
0003, se considera poco probable que ocurra A.
La forma de asignar estos valores debe cumplir unas condiciones o
axiomas.



Axiomtica de Kolmogorov (1933):
Axioma 1: A todo suceso A le corresponde un nico nmero no
negativo, p(A), al que llamaremos probabilidad de A.
Axioma 2: La probabilidad del suceso seguro es 1, p (W) = 1
Axioma 3: Sean A y B sucesos tales que A * B = {}; Entonces: P(A U
B) = p(A) + p (B)
(idem para uniones numerables de sucesos mutuamente
excluyentes).


Para cuantificar, o sea para "medir" la probabilidad de los eventos
que ocurren al azar, se utiliza una relacin que consiste en dividir el
nmero de maneras en que puede verificarse el evento particular
entre el nmero de maneras en que puede acontecer el evento
general. Esto queda expresado en la siguiente frmula:


FORMULA FUNDAMENTAL:




Dnde: p = probabilidad
q = nmero de formas en que puede verificarse el evento particular.
r = nmero de formas en que puede verificarse el evento general.
El evento particular es la accin en particular o xito de la cual se
est investigando su probabilidad.
El evento general es el conjunto de acciones o resultados en total
que pueden acontecer, entre los favorables y los no favorables,
llamados xito y fracaso.



SUCESOS DEPENDIENTES, INDEPENDIENTES Y EXCLUYENTES:









Dos o ms sucesos son dependientes si la posibilidad de
ocurrencia de uno depende de la posibilidad de ocurrencia del
otro. La probabilidad de sucesos dependientes es el producto
Dos o ms sucesos son independientes si la posibilidad de
ocurrencia de uno no depende de la posibilidad de ocurrencia
del otro. La probabilidad de sucesos independientes es el







COMPLEMENTO:

Si en probabilidad el 1 representa el todo, ste viene siendo la suma
de la probabilidad de xito ms la probabilidad de fracaso, o sea la
probabilidad de que s suceda ms la probabilidad de que no
suceda. Se dice entonces que el xito y el fracaso son
complementarios porque cualquiera de ellos es lo que le falta al
otro para el 1, o sea para el todo. Por lo tanto:

() ( )


En donde p (e) = probabilidad de xito;
p (f) = probabilidad de fracaso.
O sea que p (e) = 1 p (f)
En otras palabras, la probabilidad de que suceda algo puede
obtenerse a travs del complemento restando a 1 la probabilidad de
Dos o ms sucesos son excluyentes o exclusivos si la
posibilidad de ocurrencia de uno excluye o anula la
posibilidad de ocurrencia del otro. La probabilidad de sucesos
que no suceda o lo contrario. A veces, no siempre, es ms sencillo
recurrir al complemento para calcular alguna probabilidad.


PROCESOS ESTOCSTICOS FINITOS:
Hay veces que se desea calcular la probabilidad de un solo suceso,
como en el caso de los ejemplos anteriores; sin embargo, tambin
existen ocasiones en que se requiere obtener la probabilidad de una
secuencia de eventos consecutivos, uno tras otro. A esto se le llama
procesos estocsticos1 finitos. Los procesos estocsticos finitos son
una combinacin de probabilidades excluyentes con dependientes
y/o independientes, por lo que su clculo se realiza a travs de
sumas y de multiplicaciones.


DIAGRAMAS DE RBOL:

Como suele ser complicado encontrar todos los caminos u opciones
posibles a seguir, un recurso muy til es el llamado diagrama de
rbol, llamado as porque da la impresin de un rbol y sus ramas.
Consiste en hacer un diagrama que represente todas las opciones,
comenzando con un punto que simboliza el momento inicial; a
partir de l se sealan todas las opciones unindolas con lneas
rectas al punto origen y as sucesivamente. Los siguientes ejemplos
aclararn lo anterior.
Una regla fundamental en la construccin de un diagrama de rbol
es:













Cuando se utiliza como recurso el diagrama de rbol para el clculo
de probabilidad, se pone a la mitad de cada rama la probabilidad
que corresponde a ese evento para facilitar su visualizacin a la
hora de hacer los clculos.
Cada rama representa un evento excluyente, porque sucede una u
otra, pero no dos al mismo tiempo, por lo que deben sumarse sus
probabilidades respectivas. Por otra parte, los eventos que
componen cada rama, es decir, sus trayectos desde el origen hasta
la punta final, son sucesos dependientes, pues depende de que
suceda el primero para que acontezca el siguiente, por lo que
deben multiplicarse sus probabilidades.
REGLA PARA CONSTRUIR DIAGRAMAS DE RBOL:
1. Todos los primeros eventos deben quedar bien alineados en la
misma columna (verticalmente); todos los segundos eventos deben
quedar bien alineados en la misma columna (verticalmente), y as
sucesivamente,
2. De evento a evento debe procurarse que queden igualmente


DISTRIBUCIN DE PROBABILIDAD BINOMIAL:

Es un proceso de muestreo con una distribucin de probabilidad
discreta que rene las siguientes caractersticas:
a) En cada ensayo u observacin solamente son posibles dos
resultados mutuamente excluyentes, llamados xito y fracaso.
b) Los resultados de la serie de ensayos u observaciones constituyen
eventos independientes. Ningn resultado obtenido debe influir en
el resultado siguiente.
c) La probabilidad de xito de cada ensayo, indicada por p, es
constante de un ensayo a otro.
La frmula para calcular la probabilidad de una distribucin de
probabilidad binomial es:

()

En donde:
n = nmero total de ensayos
x = nmero de xitos
p = probabilidad de xito de cada ensayo
q = probabilidad de fracaso de cada ensayo
REGLAS DE LA MULTIPLICACIN:

Aqu estimaremos la probabilidad de que la ocurrencia de dos
eventos sea simultnea. Hay dos reglas de multiplicacin:

Regla especial de la multiplicacin.
Regla general de multiplicacin.


REGLA ESPECIAL DE MULTIPLICACIN:

Requiere que dos eventos, A y B, sean independientes. Lo son si el
hecho de que ocurra uno no altera la probabilidad de que ocurra
el otro. Una forma de entender la independencia consiste en
suponer que los eventos A y B ocurren en diferentes tiempos. Por
ejemplo, cuando el evento B ocurre despus del evento A, influye
A en la probabilidad de que el evento B ocurra? Si la respuesta es
no, entonces A y B son independientes. En el caso de dos eventos
que son independientes, A y B, la probabilidad de que A y B ocurran
se determina multiplicando las dos probabilidades, tal que es la
regla especial dela multiplicacin es:



Ejemplo 1:
El dueo de un hotel ha modernizado sus instalaciones. Observ
que el 20% de los autos que pasan por ah, se detienen a alquilar
un cuarto. Cul es la probabilidad de que los prximos dos carros
se detengan? Asumiendo que son eventos independientes,



Cul es la probabilidad de que el primer auto pare y el segundo no
lo haga?




Ejemplo2:
Si la probabilidad de que A viva 20 aos es 0,7 y la probabilidad de
que ambos vivan 20 aos es: P (AB)=P(A) P (B)= 0,7. 0,5=0,35


Ejemplo3:
Supongamos una caja que contenga 3 bolas negras y 2 bolas
blancas.
Evento A: extraer una bola negra
Evento B: extraer una bola negra, en segundo trmino.

Sin reemplazamiento A y B son eventos dependientes

P(A)= 8/3+2=3/5 Es la probabilidad de que la primera bola sea
negra
P (B/A)=2/2+2=1/2 Es la probabilidad de que la segunda bola sea
negra, dado que la primera fue negra, luego la probabilidad de que
ambas sean negras:
P (AB)=P(A) P (B/A)= 3/5 1/2=3/10


REGLA GENERAL DE LA MULTIPLICACIN:

Si dos eventos no son independientes, se dice que son
dependientes. Se considera que el primer evento determina
la probabilidad del segundo. Si dos eventos, A y B son
dependientes, la probabilidad conjunta de que ambos ocurran se
determina multiplicando la probabilidad de que ocurra el evento
A por la probabilidad condicional de que ocurra el evento B, dado
que A ha ocurrido.



Lo anterior se lee "la probabilidad conjunta de A y B es igual al
producto de la probabilidad de A por la probabilidad de B, dado
que ha ocurrido A".

Ejemplo: Preguntas delicadas.

En una ciudad se realiz una encuesta y a cada encuestado se le
hicieron slo dos preguntas:
Es el ltimo dgito de su nmero de seguro social un nmero
impar?
Ha mentido alguna vez en su solicitud de empleo?

La segunda pregunta es delicada y es de suponer que las personas
no dirn la verdad por diversas razones, sobre todo si la respuesta
es s. Para eliminar ese posible sesgo, se pidi a los encuestados
que lanzaran una moneda al aire y respondieran a la pregunta (a) si
el resultado es guila y a la pregunta (b) si el resultado era sol.

El 37 por ciento de las personas respondieron que s.

Cul es la probabilidad de que un encuestado haya respondido a la
pregunta delicada (b) afirmativamente?

Definimos los eventos:

A: El encuestado responde afirmativamente.

a: El encuestado contesta la pregunta (a)
b: El encuestado contesta la pregunta (b)

Sabemos que P(A)=0.37

Como las preguntas se determinaron lanzando una moneda,
sabemos que P(a)= 0.50 y P (b)= 0.50
Sabemos cules son las respuestas a la pregunta (a). El ltimo dgito
de la mitad de todos los nmeros de seguro social es impar (del 0
al 9 hay 5 nmeros divisibles entre 2). Por lo tanto la probabilidad
de que la respuesta (a) sea afirmativa, P (A|a)= 0.50

Lo que necesitamos saber es P (A|b), que es la probabilidad de que
contest afirmativamente, dado que respondi a la pregunta (b).

Podemos hallar esa probabilidad utilizando las probabilidades
que tenemos.

Sabemos que los eventos (a) y (b)
son mutuamente excluyentes y colectivamente
exhaustivos. Tambin sabemos que las probabilidades conjuntas de
tambin son mutuamente excluyentes y colectivamente exhaustivas
y su unin es A.

Por lo tanto,

Utilizando la regla multiplicativa:



Y



La probabilidad de que hayan contestado la pregunta delicada
afirmativamente es 0.12Para hallar la probabilidad de que un
encuestado nos conteste afirmativamente cuando le hacemos la
pregunta delicada es:



Partiendo de este resultado, el 24% de la poblacin encuestada ha
mentido en alguna solicitud de empleo.



Algunas Propiedades bsicas:

Propiedad Conmutativa: A B = B A, A B
= B A
Propiedad Asociativa: (A B) C = A (B C
)
(A B) C = A (B
C)
Propiedad Distributiva: (A B) C = (A C)
(B C)
. ,
1 1 1 1
c
i
n
i
c
i
n
i
c
i
n
i
c
i
n
i
A A A A

= = = =
=
|
.
|

\
|
=
|
.
|

\
|
(A
B) C =
(A C) (B
C)
Leyes de Morgan:









Teorema de Bayes :

El teorema de Bayes, enunciado por Thomas Bayes, en la teora de
la probabilidad, es el resultado que da la distribucin de
probabilidad condicional de una variable aleatoria A dada B en
trminos de la distribucin de probabilidad condicional de la
variable B dada A y la distribucin de probabilidad marginal de slo
A.

Sea {A1,A2,...,Ai,...,An} un conjunto de sucesos incompatibles cuya
unin es el total y tales que la probabilidad de cada uno de ellos es
distinta de cero. Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales P (B | Ai). Entonces, la probabilidad P
(Ai | B) viene dada por la expresin:



donde:

P (Ai) son las probabilidades a priori.
P (B | Ai) es la probabilidad de B en la hiptesis Ai.
P (Ai | B) son las probabilidades a posteriori.

Esto se cumple

El teorema de Bayes es vlido en todas las aplicaciones de la teora
de la probabilidad. Sin embargo, hay una controversia sobre el tipo
de probabilidades que emplea. En esencia, los seguidores de la
estadstica tradicional slo admiten probabilidades basadas en
experimentos repetibles y que tengan una confirmacin emprica
mientras que los llamados estadsticos bayesianos permiten
probabilidades subjetivas. El teorema puede servir entonces para
indicar cmo debemos modificar nuestras probabilidades subjetivas
cuando recibimos informacin adicional de un experimento. La
estadstica bayesiana est demostrando su utilidad en ciertas
estimaciones basadas en el conocimiento subjetivo a priori y
permitir revisar esas estimaciones en funcin de la evidencia es lo
que est abriendo nuevas formas de hacer conocimiento.

Como observacin, se tiene
y su demostracin resulta trivial.