AXIOMAS

El trmino axioma, originariamente signific dignidad; y por derivacin se ha llamado axioma a lo que es digno de ser estimado, credo y valorado. En su acepcin ms clsica el vocablo axioma equivale al de principio que, por su dignidad misma, es decir, por ocupar cierto lugar en un sistema de proposiciones, debe estimarse como verdadero. Para Aristteles los axiomas son principios evidentes que constituyen el funcionamiento de toda ciencia. En suma, Aristteles define el axioma como una proposicin que se impone inmediatamente al espritu y que es indispensable, a diferencia de la tesis, que no puede demostrarse y que no es indispensable. En tal caso los axiomas son proposiciones irreductibles, principios generales a los que se reducen todas las dems proposiciones y en los cuales stas se apoyan necesariamente. El axioma posee, por as decirlo, un imperativo que obliga al asentimiento una vez que ha sido enunciado y entendido. Los axiomas pueden ser llamados tambin nociones comunes como los enunciados del tipo siguiente: "dos cosas iguales a una tercera son iguales entre s", y "el todo es mayor que la parte". Al no lograrse demostrar esos axiomas se tendi cada vez ms a definir los axiomas mediante las dos notas ya antes apuntadas: indemostrabilidad y evidencia. Las proposiciones que podan ser demostradas y no eran evidentes se llamaron teoremas. Y las que no podan ser demostradas ni eran evidentes por s mismas recibieron el nombre de postulados. Esta terminologa tradicional ha experimentado grandes modificaciones. En efecto, est basada en gran parte en una concepcin del axioma como proposicin "evidente" y, por lo tanto, est teida de cierto "intuicionismo" (en sentido sicolgico) que no todos los autores admiten. Se ha impuesto el cambio en la terminologa desde el momento en que se ha rechazado que los axiomas fuesen nociones comunes y en que se ha visto que pueden elegirse diversos postulados, cada uno de los cuales da origen a un sistema deductivo diferente. Esto ha producido un primer efecto: atenuar y hasta borrar por entero la distincin entre axioma y postulado. A estos cambios han contribuido sobre todo la matemtica y la metalgica contemporneas. Estas distinguen entre axiomas y teoremas. Los primeros son enunciados primitivos (a veces llamados tambin postulados) aceptados como verdaderos sin probar su validez; los segundos son enunciados cuya validez se somete a prueba. Axiomas y teoremas son, por lo tanto, elementos integrantes de todo sistema deductivo. Usualmente la definicin del concepto de teorema requiere el uso del concepto de axioma (as como el uso de los conceptos de regla de inferencia y de prueba) mientras que el concepto de axioma es definido por enumeracin.

Podemos manifestar que ha habido dos distintas orientaciones en la concepcin de los axiomas. Una de estas orientaciones destaca la intuitividad y autoevidencia de los axiomas; la otra destaca su formalidad e inclusive se resiste a adscribir a ningn axioma el predicado "es verdadero". Esta ltima orientacin, llamada formalista, es la que ms se ha impuesto hoy da. Axiomas y teoremas. Teniendo en cuenta las operaciones para hacer conjuntos nuevos, hay algunos hechos fundamentales respecto a la probabilidad que se cumplen siempre: 1. P(A) mayor o igual a 0 2. P(S) = 1 3. P(A B) = P(A) + P(B) si A y B son excluyentes. De estas tres propiedades, los matemticos deducen un montn de reglas tiles para calcular probabilidades en situaciones ms complicadas. A este tipo de proposiciones de las que se deducen otras, se les llama axiomas y los tres de arriba son los axiomas de la probabilidad. Algunas de las frmulas ms tiles, deducidas de los axiomas, son las siguientes.

P( vaco ) = 0 P(A') = 1- P(A) P(A - B) = P(A) - P(A y B) Si A est contenido en B entonces P(A) menor o igual a P(B) P(A) menor o igual a 1 P(A B) = P(A) + P(B) - P(A y B).

La deduccin de estas leyes a partir de los tres axiomas es un ejercicio de ingenio matemtico al que valdra la pena asomarse, pero en el que no tenemos intencin de meternos de lleno. Ya que desde el punto de vista de este curso, lo interesante es aplicarlas. Respecto a la tercera de la reglas, note bien que la resta de conjuntos se define as: ``A - B'' es la coleccin de elementos de A que no estn en B. De tal suerte que P(A - B) debe contemplar slo a elementos de A y por eso es que a P(A) no le restamos P(B) sino solamente P(A y B). Otro comentario lo merece la ltima regla: P(A B) = P(A) + P(B) - P(A y B). Es preciso restar P(A y B) ya que as no lo hiciramos, se estara tomando en cuenta dos veces a los elementos comunes a A y a B.

2.1.1Teoremas.

TEOREMA 1. Si es un evento nulo o vaco, entonces la probabilidad de que ocurra debe ser cero.

p( )=0

DEMOSTRACIN: Si sumamos a un evento A cualquiera, como y A son dos eventos mutuamente excluyentes, entonces p(A )=p(A) +p( )=p(A). LQQD

TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A)

Ac

DEMOSTRACIN:

Si el espacio muestral , se divide en dos eventos mutuamente exclusivos, A y Ac luego =A Ac, por tanto p( )=p(A) + p(Ac) y como en el axioma dos se afirma que p( )=1, por tanto, p(Ac)= 1 - p(A) .LQQD TEOREMA 3. Si un evento A B, entonces la p(A) p(B).
A B\A

DEMOSTRACIN: Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A), por tanto, B=A (B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A) 0 entonces se cumple que p(A) p(B). LQQD TEOREMA 4. La p( A \ B )= p(A) p(A B)

A A B

A\B
DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A se puede separar en dos eventos mutuamente excluyentes, (A \ B) y A B, por tanto, A=(A \ B) (A B), luego p(A)=p(A \ B) + p(A B), entonces, p(A \ B) = p(A) p(A B). LQQD

TEOREMA 5. Para dos eventos A y B, p(A B)=p(A) + p(B) p(A B).

A A B

DEMOSTRACIN: Si A B = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que p(A B) = p(A \ B) + p(B) y del teorema anterior tomamos que p(A \ B) = p(A) p(A B), por tanto, p(A B) = p(A) + p(B) p(A B). LQQD COROLARIO:

A B

Para tres eventos A, B y C, p(A B C) = p(A) + p(B) + p(C) p(A B) p(A C) (B C) + p(A B C).

C A B

2.2 Probabilidad condicional.

Probabilidad condicionada Mediante un espacio probabilstico damos una formulacin matemtica a un fenmeno aleatorio que estemos observando. Parece por tanto razonable que si observamos algo que aporte informacin a nuestro fenmeno aleatorio, sta deba alterar el espacio probabilstico de partida. Por ejemplo, la extraccin de una bola de una urna con tres bolas blancas y dos negras, puede formalizarse con un espacio probabilstico en el que los sucesos elementales sean las cinco bolas y donde la probabilidad sea uniforme sobre estos cinco sucesos elementales, es decir, igual a 1/5. Si extraemos una bola de la urna, es decir, si observamos el suceso A bola negra, y no la devolvemos a la urna, es razonable que el espacio probabilstico cambie en el sentido no solo de que ahora ya habr nicamente cuatro sucesos elementales, sino que adems la funcin de probabilidad deber cambiar en orden a recoger la informacin que la observacin del suceso A nos proporcion. Es decir, en el nuevo espacio probabilstico deber hablarse de probabilidad condicionada al suceso A, de forma que se recojan hechos tan evidentes como que ahora la probabilidad (condicionada) de obtener negra se habr reducido y habr aumentado la de blanca. Las propiedades vistas en el captulo anterior para las distribuciones (le frecuencias condicionadas llevan a la siguiente definicin. Definicin: Dado un espacio probabilstico (,A,P) y un suceso B A tal que P(B) > 0, llamaremos probabilidad condicionada del suceso A respecto al B a:

A partir de esta definicin podemos deducir que P( A B ) = P(A/B) P(B)

y como los sucesos A y B pueden intercambiarse en la expresin anterior, ser: P(A B) = P(A/B)P(B) = P(B/A)P(A)

por lo que tenemos una expresin ms para calcular la probabilidad condicionada

Consideremos la siguiente situacin. Se tienen tres urnas similares; por fuera son idnticas. Se sabe que

en la urna 1 hay 3 bolas blancas y 19 azules, en la urna 2 hay 20 bolas blancas y 2 azules, en la urna 3 hay 11 bolas blancas y 11 azules.

Se va a sacar una bola de una de las urnas. Puede ser azul o blanca. Cul es la probabilidad de que sea blanca? Hay cuatro posibles soluciones: 1. La probabilidad de una blanca es 3 / 22. Esto es porque si se escoge la urna 1, hay 3 de 22 bolas que son blancas. Esta respuesta nos deja pensando en que es muy arbitrario decir que la urna escogida es la 1. Si la urna escogida fuese la 1 esta sera la respuesta correcta. 2. De manera similar, podemos pensar que la urna escogida es la 2 y entonces la probabilidad de una bola blanca es 20 / 22. 3. Claro que, tambin, la urna escogida puede ser la 3 y entonces la probabilidad de blanca es 11 / 22. 4. Como no se sabe cual es la urna escogida y las tres urnas tienen el mismo nmero de bolas, la probabilidad se calcula como si fuese una gran urna con 66 bolas de las cuales 3 + 20 + 11 son blancas y, as, la probabilidad es 34 / 66 Cul es la respuesta correcta? o habr otra que sea la respuesta correcta? Una cosa es clara; si podemos suponer que la urna escogida es la 1, la respuesta correcta es la primera. Lo mismo se puede decir de la segunda y la tercera. La cuarta es un poquito ms atrevida y quiz sea correcta. Por lo pronto vamos a darle un nombre a las tres primeras: les llamamos probabilidad condicional.

A la primera la llamamos ``probabilidad condicional de blanca dado que la urna es la 1''. A la segunda, la llamamos de manera similar condicional de blanca dado que la urna es la 2. A la tercera se le da un nombre anlogo [Cul nombre?].

Formalmente, definimos la probabilidad condicional de la siguiente manera: P( A | B ) = [P( A y B )] / [P( B )]

El smbolo P( A | B ) lo leemos como probabilidad de A dado B. Lo interpretamos como la probabilidad de que, sabiendo que ya sucedi B, adems suceda A. En el ejemplo de las urnas A sera el evento ``la bola es blanca''; B sera la urna correspondiente. Como lo que est abajo en el quebrado es la probabilidad de lo dado, la frmula no es simtrica en A y B. Si los intercambiamos, da otro nmero. Esto se ve en el ejemplo ya que no es lo mismo que nos informen cual es el nmero de la urna escogida a que nos digan que la bola fue blanca y nos pregunten cul es la urna. Esta frmula no tiene sentido matemtico si P(B) = 0. En tal caso decimos que la probabilidad condicional no est definida. Claro que eso est bien porque no puede haber sucedido algo que es imposible.

Fjese que esta frmula se usar cuando haya una manera fcil de calcular las probabilidades no condicionales y la condicional sea difcil. Eso no fue el caso con el color de la bola y las urnas. Para ejemplificar el tipo de situacin en que nos sirve la frmula descrita, considere este problema. EJEMPLO Se tiran dos dados y se sabe que el primero no tiene el nmero 5. Cul es la probabilidad de que la suma de los dados sea 8? SOLUCION Para resolver, llamemos

B el evento: ``el primer dado no es 5''. A el evento: ``la suma de los dados es 8''.

Con los datos se ve que:

P(B) = 30 / 36. Porque de las 36 parejas posibles, 6 tienen 5 en el primer dado. P(A y B) = 4 / 36. Porque slo se obtiene 8, con las parejas (2,6), (3,5), (4,4) y (6,2) [La pareja (5,3) s suma ocho pero tiene un 5 en el primer dado]. y, usando la frmula,

P(A|B) = 4 / 30.

En ese ejemplo se ven tres cosas: 1. La probabilidad condicional nos permite medir la informacin. En los ejemplos vimos como cambia la probabilidad de A, antes de conocer nada: P(A) y despus de conocer la ocurrencia de el evento B: P(A | B). 2. En un extremo est el cambio enorme que corresponde a que A y B sean excluyentes (ajenos). En este caso la probabilidad podra llegar incluso a ser cero.

3. En el otro extremo estn los eventos en los que sucede que P(A | B) = P(A). Esto quiere decir que la informacin de que B ocurri no cambia la probabilidad de A y decimos que A y B son independientes. Esta ltima caracterstica, la independencia, juega un papel muy importante en la probabilidad y merece una atencin ms detallada. Por el momento debemos establecer una definicin: A y B son eventos independientes si y slo si P(A y B) = P(A) P(B) En forma equivalente decimos: A y B son eventos independientes si y slo si P(A | B) = P(A). La equivalencia se sigue de una sustitucin algebraica muy sencilla. La consecuencia de que esta sea una definicin es que: para comprobar la independencia de dos eventos es preciso hacer ver que P(A y B) = P(A)P(B). Es importante remarcar la diferencia de concepto entre eventos independientes y eventos excluyentes o ajenos. En nuestro ejemplo se ve claramente que ambos conceptos son antitticos. El hecho de que dos eventos se excluyan casi implica que no son independientes. La excepcin se da en el caso degenerado de que alguno de ellos (o los dos), sea imposible. En el habla cotidiana, a veces, se confunden estos conceptos. Note que si A es imposible; P(A) = 0. Adems ``A y B'' tambin es imposible y se tiene P(A y B) = P(A)P(B) ya que ambos lados de la igualdad valen cero . Pero ste es el nico caso en que dos eventos son ajenos e independientes a la vez; en trminos geomtricos la idea de independencia se asemeja a la perpendicularidad y la de ``ajenos'' al paralelismo. ANEXO Ms sobre independencia. Respecto a la independencia de dos eventos, hay algunas cosas muy elementales que agregar a la definicin que hicimos en notas pasadas. 1. La independencia de dos eventos A y B, quiere decir que el saber que A sucedi no modifica la probabilidad de que B tambin haya sucedido. Como consecuencia saber que A no sucedi tampoco puede afectar a la probabilidad de B. Podemos poner esto diciendo que Si A y B son independientes, tambin lo son las tres siguientes pares: A' y B ; A y B' ; A' y B' (estamos usando el apstrofe ' para denotar complemento)

2. Cuando se tienen tres eventos, se puede presentar una situacin muy curiosa. Puede pasar que o A y B sean independientes y o A y C sean independientes y o B y C tambin sean independientes. Pero A,B y C NO sean independientes. Esta situacin curiosa se describe diciendo que no basta que varios eventos sean independientes a pares, para que sean independientes. El ejemplo clsico es el de un experimento aleatorio con cuatro posibles resultados igualmente probables: 1, 2, 3 y 4 .
o o o o

Si el resultado es 1, A gana y nadie ms. Si el resultado es 2, B gana y nadie ms. Si el resultado es 3, C gana y nadie ms, pero Si el resultado es 4, los tres A, B y C ganan.

Usted puede calcular las probabilidades para darse cuenta que:

o o o

P(A y B) = P(A) P(B) P(A y C) = P(A) P(C) P(B y C) = P(B) P(C) pero P(A y B y C) no es igual a P(A) P(B) P(C).

3. Una nota final de un estilo menos matemtico. La palabra independencia se utiliza en otros contextos para denotar un sin nnmero de conceptos diferentes. Los ejemplos ms comunes son en poltica, en historia, en derecho. En la ciencia se habla de variables independientes y el significado es diferente que el que usamos aqu. An en otras ramas de la matemtica se usa la palabra independencia para denotar a otros conceptos. Cuando queremos distinguir la definicin tcnica que usamos en la probabilidad de otras nociones le ponemos un apellido a la independencia y decimos independencia estocstica. Es conveniente recordar que cuando existe duda si dos eventos son independientes o no, la nica forma de zanjar la cuestin es viendo si P(A y B) es igual o diferente al resultado de multiplicar P(A) P(B). Naturalmente que si la independencia de dos eventos est en duda, el clculo de P(A y B) no se puede hacer simplemente multiplicando P(A) P(B) sino que se debe justificar de alguna otra manera.

2.2.1Dependiente.

Probabilidades bajo condiciones de dependencia estadstica.

La dependencia estadstica existe cuando la probabilidad de que se presente algn suceso depende o se ve afectada por la presentacin de algn otro evento. Los tipos de probabilidad bajo condiciones de dependencia estadstica son:

Condicional. Conjunta. Marginal.

Probabilidad condicional bajo dependencia estadstica.

P(B/A) = P(BA) / P(A)

Probabilidades conjuntas bajo condiciones de dependencia estadstica.

P(BA) = P(B/A) x P(A)

P(BA) = P(A/B) x P(B)

Probabilidades marginales bajo condiciones de dependencia estadstica.

Las probabilidades marginales bajo dependencia estadstica se calculan mediante la suma de las probabilidades de todos los eventos conjuntos en los que se presenta el evento sencillo.

2.2.2Independiente.
Probabilidades bajo condiciones de independencia estadstica. Cuando se presentan dos eventos, el resultado del primero puede tener un efecto en el resultado del segundo, o puede no tenerlo. Esto es, los eventos pueden ser dependientes o independientes. Existen tres tipos de probabilidades que se presentan bajo independencia estadstica: Marginal. Conjunta. Condicional.

Probabilidades marginales bajo independencia estadstica. Una probabilidad marginal o incondicional es la probabilidad simple de presentacin de un evento. Probabilidades conjuntas bajo condiciones de independencia estadstica. La probabilidad de dos o ms eventos independientes que se presentan juntos o en sucesin es el producto de sus probabilidades marginales: P (AB) = P(A) X P(B) Un rbol de probabilidad muestra los resultados posibles y su respectiva probabilidad. Probabilidades condicionales bajo independencia estadstica. Simblicamente, la probabilidad condicional se escribe: P(B/A)

Y se lee "la probabilidad de que se presente el evento B, dado que el evento A se ha presentado". La probabilidad condicional es la probabilidad de que un segundo evento (B) se presente, si un primer evento (A) ya ha sucedido. Para eventos estadsticamente independientes, la probabilidad condicional de que suceda el evento B dado que el evento A se ha presentado, es simplemente la probabilidad del evento B: P(B/A) = P(B)

SUGERENCIA: Una buena verificacin de los clculos para obtener la probabilidad conjunta consiste en recordar que para cada intento, el total de probabilidades resultantes debe sumar 1.

Independencia de sucesos Existen situaciones en las que la informacin suministrada por el acaecimiento de un suceso B no altera para nada el clculo de la probabilidad de otro suceso A. Son aquellas en las que el suceso A es independiente de B. Es decir, cuando P(A/B) = P(A). Como entonces, por la ltima expresin de la probabilidad condicionada, es

y, por tanto, se podra decir que tambin B lo es de A, hablaremos de sucesos independientes cuando esta situacin ocurra. La definicin formal que se da a continuacin implica estas dos situaciones. Definicin: Dos sucesos A y B de un mismo espacio probabilstico (, A, P) se dicen independientes cuando P( A B ) = P(A) P(B)

2.3 Ley multiplicativa. 2.3.1Clculo de probabilidad de eventos.

Para calcular la probabilidad de eventos es necesario que stos se comporten de una maner ms o menos estable. Precisamente, se echa mano de la regularidad estadstica, que es la propiedad de los fenmenos aleatorios, y que consiste en que al aumentar el nmero de repeticiones de un experimento en condiciones prcticamente constantes, la frecuencia relativa de ocurrencia para cada evento tiende a un valor fijo. Sin embargo, al momento de definir la probabilidad de un evento podemos tomar en cuenta los siguientes criterios:

1. La probabilidad subjetiva de un evento se la asigna la persona que hace el

2.

3.

estudio, y depende del conocimiento que esta persona tenga sobre el tema. Precisamente por su carcter de subjetividad no se considera con validez cientfica, aunque en la vida diaria es de las ms comnes que se utilizan al no apoyarse ms que en el sentido comn y los conocimientos previos, y no en resultados estadsticos. La probabilidad frecuencial de un evento es el valor fijo al que tienden las frecuencias relativas de ocurrencia del evento de acuerdo a la regularidad estadstica. Esta definicin sera la ms real, pero proporciona probabilidades aproximadas, es decir, proporciona estimaciones y no valores reales. Adems, los resultados son a posteriori, pues se necesita realizar el experimento para poder obtenerlo. (Para ver un ejemplo haz click aqu.) La probabilidad clsica de un evento E, que denotaremos por P(E), se define como el nmero de eventos elementales que componen al evento E, entre el nmero de eventos elementales que componen el espacio muestral:

Es la definicin ms utilizada porque supone de antemano, y se necesita como requisito indispensable, que todos los eventos elementales tienen la misma probabilidad de ocurrir. http://www.uaq.mx/matematicas/estadisticas/xu4.html

2.3.2Conjuntos. 2.3.3Problemas de eventos independientes.

Eventos Independientes : Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un caso tpico de eventos independiente es el muestreo con reposicin, es decir, una vez tomada la muestra se regresa de nuevo a la poblacin donde se obtuvo. Ejemplo : lanzar al aire dos veces una moneda son eventos independientes por que el resultado del primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello, en el segundo lanzamiento.
http://html.rincondelvago.com/probabilidades_1.html

2.3.4Eventos dependientes.
Eventos dependientes : Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (o

otros). Cuando tenemos este caso, empleamos entonces, el concepto de probabilidad condicional para denominar la probabilidad del evento relacionado. La expresin P(A|B) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri. Se debe tener claro que A|B no es una fraccin. P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A) http://html.rincondelvago.com/probabilidades_1.html EVENTOS INDEPENDIENTES Suponemos que se sabe que la probabilidad de A dada la de B es igual a la probabilidad de A. Qu se podra concluir respecto a los eventos de A y B? El hecho de saber que el evento b a ocurrido, afecta de algn modo la probabilidad de A?. La situacin anterior conduce a la necesidad de definir otro tipo de eventos: Si A y B son eventos independientes, entonces P (A B)= P(A). Definicin: A y B son eventos independientes si y solo s Teorema 1: si A y B son eventos independientes SRC="Image2.gif" WIDTH=60 HEIGHT=21>y SRC="Image3.gif" WIDTH=60 HEIGHT=21>

, entonces Ntese que la definicin de eventos independientes se aplica a todos los eventos sean o no sus probabilidades iguales a cero. No sera as si hubiramos ocupado el teorema 1 para la definicin de eventos independientes. Si escoge una familia del conjunto de todas las que tiene 2 nios Cul es la probabilidad de que ambos sean varones si se sabe que por lo menos que hay un varn en esa familia. Sea S={(m,m),-(m,f).(f,m),(f,f)} el espacio muestra, donde la primera letra de cualquier pareja ordenada indica el sexo del primognito y la segunda el sexo del segundo. Supondremos que los cuatro puntos son igualmente probables (esta suposicin no es correcta para determinadas razones pero es aceptable). Ahora bien, si se sabe que por lo menos uno de los hijos es varn Cul es el nuevo espacio muestral? De los tres punto de ese espacio Cuntos representan familias en las que ambos hijos son varones?. Entonces la probabilidad requerida es 1/3. Demostracin: de la teora de conjuntos sabemos que SRC="Image4.gif" WIDTH=97 HEIGHT=21>(verifique esto con un diagrama de Venn). Del teorema anterior, tenemos SRC="Image5.gif" WIDTH=105 HEIGHT=25>. Por tanto, SRC="Image6.gif" WIDTH=141 HEIGHT=25> SRC="Image7.gif" WIDTH=204 HEIGHT=120> As, SRC="Image8.gif" WIDTH=16 HEIGHT=21>y SRC="Image9.gif" WIDTH=16 HEIGHT=19>son eventos independientes.

http://www.escolar.com/article-php-sid=13.html

2.3.5Diagramas de rbol.
Un diagrama de arbol es un dibujo que se usa para enumerar todos los resultados posibles de una serie de experimentos en donde cada experimento puede suceder en un numero finito de maneras. La construccion de diagramas de arbol se ilustra en los siguientes ejemplos.

Diagramas de rbol
EL USO DE DIAGRAMAS DE ARBOL PARA EL CALCULO DE LA PROBABILIDAD Muchos problemas sobre probabilidades se pueden representar con diagramas de rbol. En tales casos se pueden utilizar con facilidad las reglas de la multiplicacin y la adicin para ilustrar la solucin de problemas sobre probabilidades. Se ha extrado dos fichas de pocker de una caja que contiene una ficha roja, otra blanca y otra verde. El diagrama de rbol que representa este experimento en la primera figura muestra la segundad y la primera seleccin. En cada extraccin se selecciona una ficha y no se reemplaza. Despus de que se ha dibujado e identificado el rbol, es necesario que se asigne probabilidades a cada rama. Si se supone que es igualmente probable que se extraiga cualquier ficha en cualquier seleccin, es posible asignar una probabilidad a cada segmento de cada rama de rbol como se muestra en la segunda figura. Ntese que un conjunto de ramas que nacen de un punto comn tiene una probabilidad total igual a uno. En este diagrama en particular hay cuatro de tales conjuntos de segmentos de famas. El diagrama de rbol muestra seis resultados distintos. Leyendo hacia abajo la rama indica el resultado (R,B);la dos (2), (R,V); etc. Cada resultado el esta representado por una rama que nace en un punto inicial comn y termina en los puntos extremos de la derecha. La probabilidad asociada con el resultado (R,B) P(ficha roja en la primera extraccin y blanca en la segunda), se encuentra multiplicando P(R en la primera seleccin)*P(B en la segunda seleccin R en la primera). Estas son las dos probabilidades 1/3 y indicadas en los dos segmentos de la rama uno en la figura dos. El es la probabilidad condicional requerida por la regla de la multiplicacin. En consecuencia debe n}multiplicarse a loa largo de las ramas. Algunos eventos estn constituidos por mas de un resultado del experimento. Por ejemplo supngase que se ha pedido la probabilidad de que sean seleccionadas una ficha roja y otra blanca. Se observa que hay dos resultados que satisfacen dos eventos, la rama uno y la tres con "o" se utiliza la regla de la adicin . puesto que las ramas de un diagrama representan eventos mutuamente excluyentes, se tiene que : P(R y una B)= SRC="Image1.gif" WIDTH=221 HEIGHT=45>