Beruflich Dokumente
Kultur Dokumente
Noviembre, 2004
Introduccin a la Teora de Probabilidad
INTRODUCCIN
En el fondo, la teora de probabilidad es slo
sentido comn expresado en nmeros.
Pierre Simn de Laplace
La teora de probabilidad se atribuye a los matemticos franceses del siglo XVII Blaise Pascal y
Pierre de Fermat, aunque algunos algebristas del siglo XVI, como los italianos Pacioli, Tartaglia
y particularmente Gerolamo Cardano (1501-1576), realizaron los primeros aportes matemticos
que favorecieron su desarrollo.
En 1654, Antoine Chevalier de Mr, quin tena un particular inters por los juegos de azar,
plante a Pascal y Fermat un dilema sobre un juego de dados. El problema consista en decidir si
vala la pena apostar a que salieran al menos un par de seis al lanzar dos dados veinticuatro
veces. Esquematizado el tema propuesto, ambos dieron la primera definicin de probabilidad.
Chevalier plante otros problemas de este tipo a los dos famosos matemticos; de las discusiones
entre Fermat y Pascal surgieron los principios fundamentales de la teora de probabilidad.
En 1657, Christiaan Huygens (1629-1695) quin fuera profesor de Gottfried Wilhelm Leibniz
(1646-1716), examin la correspondencia entre Fermat y Pascal, y su estudio sobre el tema lo
llev a publicar el primer libro sobre teora de probabilidad, titulado De Rationciniis in Ludo
Aleae (Razonamiento sobre el juego de los dados).
Durante el siglo XVIII, la teora de probabilidad tuvo un notable desarrollo. En ese perodo
resaltan las contribuciones de Jakob (Jacques) Bernoulli (1654-1705) quien propuso el teorema
de Bernoulli y la distribucin binomial; Abraham de Moivre (1667-1705) quien estudi el primer
caso particular del teorema central del lmite; as como el reverendo Thomas Bayes (1702- 1761)
y Joseph Lagrange (1736-1813) quienes desarrollaron frmulas y tcnicas para el clculo de la
probabilidad.
1 SP/ MTS
Introduccin a la Teora de Probabilidad
1794) filsofo, matemtico y lder poltico durante la Revolucin Francesa, mejor conocido
como el Marqus de Condorcet, y quien se interes en aplicar la teora de probabilidad a la
economa y a la poltica. En 1785, calcul la probabilidad de que un jurado que decidiera por
mayora, tomara una decisin correcta si cada miembro del jurado tena la misma probabilidad
de tomar la decisin correcta.
A principios del siglo XIX, en 1812, Pierre de Laplace (1749-1827) introdujo nuevas ideas y
tcnicas matemticas en su libro Theorie Analytique des Probabilits. Hasta entonces la teora
de probabilidad solamente estudiaba la aleatoriedad en los juegos. Laplace aplic probabilidades
a muchas reas como gentica, psicologa y economa, y desarroll adems una teora de errores.
Posteriormente, Carl Friedrich Gauss (1777-1885), matemtico alemn, estudi la teora de los
errores, dedujo el modelo de la distribucin de probabilidad Normal y la llamada curva de
Gauss, empleada ampliamente en estadstica.
A mediados del siglo XIX, Gregor Johann Mendel (1822-1884), fraile agustino austraco, inici
el estudio de la herencia y la gentica, con sus interesantes experimentos sobre el cruce de
plantas de diferentes caractersticas. Su obra, La matemtica de la Herencia, fue una de las
primeras aplicaciones importantes de la teora de probabilidad a las ciencias naturales.
En 1894, Karl Pearson (1857-1936), matemtico y filsofo de las ciencias, britnico, analiz un
gran nmero de resultados de una determinada ruleta irregular (con distribucin no uniforme) y
plante los Mtodos de Casinos. Pearson sugiri utilizar los casinos como un laboratorio de
2
teora de probabilidades y realizar experimentos en ellos. Dedujo el modelo (conocido como
Ji Chi cuadrado) y muchas otras medidas de amplio uso tales como el coeficiente de
correlacin lineal que lleva su nombre. Para los experimentos que sugera Pearson se requeran
nmeros aleatorios. Esto llev a L.H.C Tippet (1902-1986), a encontrar mtodos para generar
nmeros aleatorios y en 1927, public una tabla con alrededor de 40.000 nmeros aleatorios (
seudo-aleatorios).
Aos ms tarde, John Von Neuman (1903-1957), matemtico estadounidense nacido en Hungra,
plantea el uso de los mtodos de Pearson pero utilizando nmeros aleatorios en combinacin con
funciones de distribucin para simular procesos, naciendo as los famosos mtodos de
2 SP/ MTS
Introduccin a la Teora de Probabilidad
En 1927, el fsico alemn Werner Karl Heisenberg (1901-1976), Premio Nbel de Fsica en
1932, formul el principio de incertidumbre, una contribucin fundamental al desarrollo de la
teora cuntica. Este principio afirma que es imposible medir simultneamente de forma precisa
la posicin y el momento lineal de una partcula.
3 SP/ MTS
Introduccin a la Teora de Probabilidad
I. CONCEPTOS BSICOS
El estudio de fenmenos de diversa naturaleza permite clasificar stos en dos grandes grupos:
Fenmenos determinsticos: aquellos en los cuales una misma accin produce siempre los
mismos efectos.
As, la cada de un cuerpo es un fenmeno determinstico ya que podemos anticipar que sta
ocurrir sobre la superficie de La Tierra, debido a la atraccin de la gravedad. En cambio, el lugar
en el cual caer es un fenmeno probabilstico, ya que la trayectoria del cuerpo est afectada por
otros fenmenos tales como la direccin del viento, la temperatura ambiental, la humedad del
aire, la presin atmosfrica, entre otros. En consecuencia, los fenmenos probabilsticos
aleatorios generan incertidumbre.
Principio de incertidumbre
4 SP/ MTS
Introduccin a la Teora de Probabilidad
1. Experimento Aleatorio
1.2. Ejemplos
Lanzar una ms monedas, lanzar uno ms dados, jugar baraja, etc. Los juegos de
azar son experimentos aleatorios.
Observar el gnero de nios recin nacidos.
Medir la vida til de un bombillo.
Conocer la opinin de un conjunto de personas respecto a un problema determinado.
Conocer la cantidad de posibles hijos hemoflicos de mujeres portadoras de la
enfermedad.
Aplicar un examen a un estudiante.
2.1. Ejemplos
5 SP/ MTS
Introduccin a la Teora de Probabilidad
3. Sucesos o Eventos
Si en una realizacin del experimento aleatorio se satisfacen las condiciones que definen un
suceso, se dice que ha ocurrido dicho suceso.
3.1. Ejemplos
Sea el experimento aleatorio lanzar un dado. Se pueden definir los siguientes sucesos:
A: que apruebe A = 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20
B: que obtenga como mnimo una nota sobresaliente B = 16, 17, 18, 19, 20
6 SP/ MTS
Introduccin a la Teora de Probabilidad
e) Suceso Seguro (S), es aquel que siempre ocurre; esto es, coincide con el espacio
muestral asociado a un experimento aleatorio.
f) Suceso Imposible ( ), es aquel que no ocurre nunca; esto es, el conjunto vaco.
a) Propiedades de la inclusin
1)
2)
3)
4) C C
7 SP/ MTS
Introduccin a la Teora de Probabilidad
c) Propiedades de la complementariedad
1) A
2) A S
3) A
4) B
5) C C
6) Si entonces
7) C C
8) A B A B 1 Ley de De Morgan)
9) A B A B 2 Ley de De Morgan)
8 SP/ MTS
Introduccin a la Teora de Probabilidad
b) Certeza: P(S) 1
Regla de Laplace:
La probabilidad de un suceso A es igual al cociente del nmero de casos favorables al
suceso sobre el nmero total de casos posibles.
N de casos favorables al suceso A
PA
N de casos posibles
9 SP/ MTS
Introduccin a la Teora de Probabilidad
Ntese que el trmino caso es usado en esta regla como sinnimo de suceso, evento punto
muestral.
La regla se deriva al aplicar las propiedades 1 y 3. En efecto, sea S e1, e2 ,....e N un espacio
N 1
P(S) P (e i ) N 1
i 1 N
Si se considera al suceso A como un suceso compuesto por k sucesos elementales se tiene que:
K k
P(e1) = P(e2) = ..... P(ek) = P( A) P (e i ) k
i 1 N
1.3. Limitaciones
a) Slo se aplica a experimentos aleatorios con espacio muestral equiprobable, tal como
ocurre en los juegos de azar. La regla de Laplace no permite, por ejemplo, conocer la
probabilidad de que ocurra un accidente en un tramo de una carretera.
1.4. Ejemplos
En el lanzamiento de una moneda perfecta la probabilidad de cara debe ser igual que la
de sello y, por tanto, ambas iguales a 1/2.
10 SP/ MTS
Introduccin a la Teora de Probabilidad
NA
P( A) lm
N N
Para ilustrar lo que plantea esta ley, se muestra a continuacin los resultados obtenidos al
lanzar una moneda 200 veces y registrar el nmero de caras que se obtuvo.
11 SP/ MTS
Introduccin a la Teora de Probabilidad
N de
10 20 30 40 50 60 70 80 90 100
lanzamientos
N de Caras (fi) 6 11 16 20 27 31 37 43 48 53
hi 0,600 0,555 0,533 0,500 0,540 0,517 0,528 0,538 0,533 0,530
N de
110 120 130 140 150 160 170 180 190 200
lanzamientos
N de Caras (fi) 57 62 68 72 77 83 86 92 95 101
hi 0,518 0,517 0,523 0,514 0,513 0,519 0,506 0,511 0,500 0,505
0,600
0,500
0,400
0 40 80 120 160 200
N de Lanzamientos
2.3. Limitaciones
Cuando no es posible repetir el experimento aleatorio infinitas veces, la probabilidad de
un suceso debe ser aproximada por su frecuencia relativa para un valor de n
suficientemente grande, lo que plantea la disyuntiva respecto a cun grande ha de ser n.
No aplica para experimentos que solo se pueden repetir una vez, tales como observar si
llueve no en un lugar, fecha y hora determinados.
12 SP/ MTS
Introduccin a la Teora de Probabilidad
3. Teora Subjetiva
La escuela subjetiva tuvo varios precursores, entre los cuales destacan las contribuciones de los
estadsticos Bruno de Finetti (1906-1985), austraco, y Leonard Savage (1917-1971),
norteamericano, considerado el principal abanderado de esta teora y quien en 1954 public su
obra The Foundations of Statistics.
Est teora se basa en la idea de que la probabilidad que una persona da a un suceso debe
depender de su juicio y experiencia personal, pudiendo dar dos personas distintas probabilidades
diferentes a un mismo suceso. Estas ideas pueden formalizarse, y si las opiniones de una persona
satisfacen ciertas relaciones de consistencia, puede llegarse a definir una probabilidad para los
sucesos.
El principal problema a que da lugar esta definicin es, como antes dijimos, que dos personas
diferentes pueden dar probabilidades diferentes a un mismo suceso, lo cual es de gran utilidad en
el estudio de fenmenos que no son repetibles.
Axioma 1:
P(A) 0, A E(S)
Axioma 2:
P(S) = 1
Axioma 3:
P( Ai ) = P(A1 A2 A3 .....) = P(Ai) = P(A1) + P(A2) + P(A3) +.......
si Ai Aj = , i j; Ai y Aj son mutuamente excluyentes.
13 SP/ MTS
Introduccin a la Teora de Probabilidad
5. Teoremas fundamentales
Sea S un espacio muestral a asociado a un experimento aleatorio y sean A, B y C sucesos de S.
Teorema 1
P(A) 1 P(A)
Prueba:
Sabemos que A A = S, adems que A A = , entonces de acuerdo con los axiomas 2 y 3,
se tiene que:
P(A A ) = P(A) + P( A ) = P(S) = 1 P( A ) = 1 P(A)
Teorema 2
P(A) 1, A S
Prueba:
Si A S P(A) P(S) = 1 P(A) 1.
Por lo tanto, 0 P(A) 1 ya que, segn el axioma 1, P(A) 0.
Teorema 3
P( ) = 0
Prueba:
Aplicando la propiedad del elemento neutro para la unin de sucesos, se tiene que S =S
y por la propiedad de complementariedad, S = , entonces:
P(S) = P(S ) = P(S) + P( ), por el axioma 3 P( ) = P(S) - P(S) = 0
Teorema 4
P(A B) = P(A) + P(B) P(A B)
Prueba:
Por la propiedad del elemento neutro para la interseccin, se tiene que
(A B) = S (A B) = (A ( A ) (A B)
Aplicando la propiedad distributiva de la unin de sucesos, se tiene que:
(A ( A ) (A B) = A ( A B) = (A B)
Adems, A (A B) = B = A y (A B) son sucesos mutuamente
excluyentes. Entonces por el axioma 3:
P(A B) = P(A (A B)) = P(A) + P( A B) (I)
Por otra parte, por la propiedad 6 de la complementariedad,
B = ( A A) B = ( A B) (A B)
14 SP/ MTS
Introduccin a la Teora de Probabilidad
Prueba:
De acuerdo al teorema 4, se tiene que
n n n 1
P ( Ai ) P( A i ) P( A i Ai 1 )
i 1 i 1 i 1
n 1
como Ai y Ai+1 son mutuamente excluyentes, entonces P( A i Ai 1 ) = 0, por lo tanto
i 1
n n
P ( Ai ) P( A i )
i 1 i 1
Teorema 6
P(A) P(B), si A B
Prueba:
Se sabe que (A B) = A (A B); adems si A B, (A B) = B. Por lo tanto,
B = A (A B)
En virtud del teorema 4 y adems, como A y ( A B) son mutuamente excluyentes, se tiene
que P(B) = P(A) + P( A B)
Por el axioma 1, se sabe que P(B) 0, P(A) 0 y P( A B) 0, por tanto P(B) P(A)
6. Probabilidad Condicional
6.1. Definicin
Sea S un espacio muestral asociado a un experimento aleatorio. Sean A y B dos sucesos
cualesquiera de S, tales que P(B) 0. Se define la probabilidad condicional de A dado B,
P(A/B), como:
P(A B)
P(A / B)
P(B)
15 SP/ MTS
Introduccin a la Teora de Probabilidad
6.2. Ejemplo
Se sabe que en una empresa el 50% de la poblacin fuma y que el 10% fuma y es hipertensa.
Cul es la probabilidad de que un fumador sea hipertenso?.
Datos
P(B) = 0,5 P(A B) = 0,1
Solucin
P(A B) 0,1
P(A / B) 0,2
P(B) 0,5
6.4. Teorema
P(A/B) + P( A /B) = 1
Prueba:
P( A B) P( A B) P( A B) P( A B) P( B)
P(A/B) + P( A /B) = 1
P( B) P( B) P( B) P( B)
P( A /B) = 1 - P(A/B)
16 SP/ MTS
Introduccin a la Teora de Probabilidad
7. Independencia de sucesos
Uno de los conceptos ms importantes de la teora de la probabilidad es el de independencia. Dos
sucesos A y B son independientes, cuando la ocurrencia de uno no afecta en absoluto la
probabilidad de ocurrencia del otro.
B1
B4 B5 B8
A
B2 B3 B6
B7 1 1
17 SP/ MTS
Introduccin a la Teora de Probabilidad
9. Teorema de Bayes
Sea S un espacio muestral asociado a un experimento aleatorio. Sea A un suceso y B1, B2, .Bk
una serie de sucesos mutuamente excluyentes de S, tales que la ocurrencia de A est
necesariamente asociada a la ocurrencia de uno de ellos. Las probabilidades de los Bi y las
probabilidades condicionales de A dado cada uno de los Bi son conocidas. Si A ocurri, entonces
la probabilidad condicional de Bj dado A es:
P(B j A) P( A / B j ) P( B j )
P(B j / A) k
P( A ) P(A / Bi )P(Bi )
i 1
18 SP/ MTS