Cap tulo 2

PROBABILIDAD
La probabilidad y la estad stica son, sin duda, las ramas de las Matemticas que estn en mayor a a auge en este siglo, y tienen una tremenda aplicabilidad en todos los aspectos y ciencias, especialmente en las Ciencias Sociales, puesto que aquellas variables que inuyen en dichas ciencias, econmicas, o demogrcas, suelen tener carcter aleatorio,es decir, no son deterministas, y se fundamentan en a a predicciones a partir de datos conocidos. Todo aquello que implique prediccin nos lleva al terreno de o la probabilidad.

2.1.

Experimentos aleatorios

En todos los aspectos de la vida a veces nos encontramos con acontecimientos predeterminados, es decir, tales que podemos decir el resultado de dichos acontecimientos antes de que nalice o incluso de que comience. Tal es el caso de: 1. Tirar una piedra desde un edicio ( sabemos que se caer). a 2. Calentar un cazo de agua ( sabemos que la temperatura sube). 3. Golpear una pelota ( sabemos que se va a mover, e incluso conociendo fuerzas que actan etc, u podemos conocer precisamente dnde caer ). o a Tales acontecimientos o experimentos de los que podemos predecir el resultado antes de que se realicen se denominan experimentos deterministas. Sin embargo, analicemos otro tipo de experimentos, mucho ms interesantes desde el punto de a vista matemtico: a Imaginemos que lanzamos un dado al aire (normal, de 6 caras y no trucado). Podemos predecir el resultado que vamos a obtener?. Evidentemente no. Este es un experimento que no es determinista. A este tipo de experimentos, en los cuales no se puede predecir el resultado antes de realizar el experimento se les denomina experimentos aleatorios. Otros ejemplos de experimentos aleatorios pueden ser: Tirar una moneda al aire y observar qu lado cae hacia arriba, rellenar una quiniela de ftbol, e u jugar una partida de pker y, en general, cualquier juego en el que intervenga el azar. o

2.2.

Deniciones bsicas a

La teor de probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que pueda a u ocurrir en un experimento aleatorio, con el n de cuanticar dichos resultados y saber si un suceso es ms probable que otro o relaciones parecidas. Con este n, introduciremos algunas deniciones. a Si realizamos un experimento aleatorio, llamaremos espacio muestral del experimento al conjunto de todos los posibles resultados de dicho experimento. Al espacio muestral lo representaremos por E (o bien por la letra griega omega ). A cada elemento que forma parte del espacio muestral se le denomina suceso elemental.

15

CAP ITULO 2. PROBABILIDAD Ejemplo:

16

1. Cul es el espacio muestral asociado al experimento de lanzar un dado normal al aire y observar a la cara que queda hacia arriba?. Evidentemente, en este caso hay 6 posibles resultados (6 sucesos elementales) y el espacio muestral estar formado por: E={1,2,3,4,5,6}. a 2. Y en el caso del lanzamiento de una moneda? Entonces E={C,X} Ejercicios: 1. Escribir el espacio muestral asociado al experimento de sacar una carta de entre las diez del palo de copas de una baraja espaola. n 2. Escribir el espacio muestral asociado al experimento de lanzar dos dados de diferentes colores y observar la pareja de nmeros que se obtiene. u 3. Escribir el espacio muestral asociado al experimento de lanzar dos dados de diferentes colores y sumar los nmeros que se obtienen. u Llamaremos suceso aleatorio a cualquier subconjunto del espacio muestral. El concepto de suceso es fundamental en probabilidad. Dicho de forma simple, un suceso de un experimento aleatorio es cualquier cosa que se nos ocurra armar sobre dicho experimento. As si tiramos una moneda dos veces, ser sucesos todos los siguientes: , an 1. Sale al menos una cara. 2. Salen ms caras que cruces. a 3. La moneda cae de canto. 4. No sale ninguna cruz. Llamaremos suceso imposible al que no tiene ningn elemento y lo representaremos por . u Llamaremos suceso seguro al formado por todos los posibles resultados (es decir, al espacio muestral) . Llamaremos espacio de sucesos y lo representaremos por S, al conjunto de todos los sucesos aleatorios. Ejemplo: 1. En el caso del lanzamiento de la moneda en el que el espacio muestral era E={C,X} , analicemos quin es el espacio de sucesos: e - Sucesos con 0 elementos: - Sucesos con 1 elemento: {C},{X} - Sucesos con 2 elementos:{C,X} De modo que el espacio de sucesos es: S={,{C},{X},{C,X}}. 2. En el caso del lanzamiento de dos monedas, si haces el diagrama de rbol obtienes el siguiente a espacio muestral: E = {(C, C), (C, X), (X, C), (X, X)} El espacio de sucesos tiene ahora 16 elementos, que puedes intentar escribir, siguiendo el esquema anterior, desde los sucesos con 0 elementos hasta aquellos que tienen 4 elementos. Si describimos los sucesos que pon amos antes como ejemplos, obtenemos:

CAP ITULO 2. PROBABILIDAD a) Sale al menos una cara={(C,C),(C,X),(X,C)}

17

b) Salen ms caras que cruces={(C,C)} a c) La moneda cae de canto= d ) No sale ninguna cruz={(C,C)} 3. En el caso del lanzamiento del dado el espacio de sucesos es mucho ms amplio (64 elementos. a Ser interesante que intentases escribirlos todos o al menos te dieses cuenta de cmo son , a o aunque no los escribas todos) En este mismo ejemplo, se puede considerar el suceso A= sacar un nmero par. De qu sucesos u e elementales consta el suceso A?. Evidentemente, A={{2},{4},{6}}. Otros sucesos pueden ser: B = Sacar un nmero mayor que 5-{{6}}. u C = Sacar un nmero par y menor que 5-{{2},{4}}. u Ejercicio: Una urna contiene dentro 4 bolas de las cuales 2 son blancas, 1 roja y otra azul. Se saca una bola de la urna. a) Escribir el espacio muestral. b) Escribir los sucesos no sacar bola azul y sacar bola roja o blanca. c) Escribir el espacio de sucesos. Los sucesos admiten una representacin grca que facilita su interpretacin; del modo: o a o

Figura 2.1: Representacin en diagrama de Venn del suceso A o

Por ejemplo, en el caso del dado:

Figura 2.2: Representacin en diagrama de Venn para un dado o

A = salir par y menor que 5. Estos diagramas se denominan diagramas de Venn. Propiedad: Si el espacio muestral tiene n elementos, el espacio de sucesos tiene 2n elementos. Ejemplo: En el caso del dado, el espacio muestral ten 6 elementos y el espacio de sucesos tiene 26 = 64 a elementos. En el caso de la moneda, el espacio muestral ten dos elementos y el espacio de sucesos tiene a 22 = 4 elementos.

CAP ITULO 2. PROBABILIDAD

18

2.3.

Operaciones con sucesos

Si realizamos un experimento aleatorio y consideramos varios sucesos A, B, C, etc, asociados a dicho experimento, podemos realizar varias operaciones entre ellos. Los ms importantes son: a 1. Igualdad de sucesos: Dos sucesos A y B son iguales si estn compuestos por los mismos elementos. a Lo expresaremos por A = B. 2. Interseccin de sucesos: Llamaremos suceso interseccin de los sucesos A y B, y lo representareo o mos por A B, al suceso ocurren A y B a la vez. Ejemplo: Si tiramos un dado, ya sabemos que el espacio muestral asociado es E={1,2,3,4,5,6}. u Sean los sucesos A=sacar un n par={2,4,6}, y B=sacar un nmero entre 2 y 4 (inclusive)={2,3,4}. El suceso A B es tal que ocurren A y B a la vez, es decir: e A B=sacar un n par y que est entre 2 y 4 (inclusive)={2,4}. El suceso A B son los elementos comunes a los conjuntos A y B (elementos que estn en los a dos conjuntos). Representado en diagramas de Venn:

Figura 2.3: Interseccin de sucesos: A B o

En ocasiones podremos encontrarnos con sucesos que NO tengan elementos en com n. En estos u casos se dice que los sucesos A y B son incompatibles, y su interseccin se representa con el o conjunto vac o: AB = Evidentemente, si los sucesos s tienen interseccin, diremos que son compatibles. o 3. Unin de sucesos: Llamaremos suceso unin de los sucesos A y B y se representa por A B al o o suceso ocurre A o bien ocurre B o bien ocurren ambos a la vez(tambin podemos decir que e ocurre alguno). Es decir A B son los elementos que estn en ambos conjuntos (aunque no necesariamente en a los dos a la vez). Representado en diagrama de Venn:

Figura 2.4: Unin de sucesos: A B o

CAP ITULO 2. PROBABILIDAD Ejemplo: En el caso anterior: e A B=sacar un n par o un n que est entre 2 y 4 (inclusive)={2,3,4,6}. NOTA:

19

Observemos que la interseccin de dos conjuntos siempre es menorque la unin, de hecho es o o menor que el propio conjunto. Escrito matemticamente: a AB AB AB A AB B A AB B AB (El s mbolo signica contenido, o que el primer conjunto es un subconjunto del segundo) 4. Suceso contrario de otro: Dado un suceso A, denominaremos suceso contrario de A y se repre sentar por A (o bien A o bien Ac ) al suceso que tiene por elementos a todos aquellos que no a pertenecen a A. Ejemplo: Si tiramos un dado, ya sabemos que el espacio muestral asociado es E={1,2,3,4,5,6}. Como antes, los sucesos A=sacar un n par={2,4,6}, por tanto A={1,3,5} y B= sacar un nmero entre 2 y 4 (inclusive)={2,3,4}, de modo que B={1,5,6}. u En un diagrama de Venn:

Figura 2.5: La parte punteada es A.(Todo lo que no est incluido en A) a

5. Diferencia de sucesos: Si A y B son dos sucesos, llamaremos diferencia entre A y B al suceso B A, que consta de los elementos que estn en B pero no estn en A.Por ejemplo, si A={2,4,6}, a a B={2,3,4}, tenemos que B A={3}. Se cumple que B A = B A B, y tambin que e B A = A B. Representado en un diagrama de Venn:

Figura 2.6: La parte rayada es B A, todos los elementos de B que no estn en A e De todas formas, hemos de ser cuidadosos con esta operacin: No se debe confundir con una o simple resta como operacin numrica, sino que es una diferencia conjuntista, quitar los elementos o e comunes a dos conjuntos. Ejercicio: En una urna tenemos 9 bolas numeradas del 1 al 9. Sacamos una y anotamos su nmero. u u Sean los sucesos: A=sacar un n primoB=sacar un n cuadrado (por ejemplo 4 es un nmero cuadrado, porque 4=22 ). Se pide: a) Describir el espacio muestral. b) Cuntos elementos tiene el espacio de sucesos?. a

CAP ITULO 2. PROBABILIDAD

20

c) Calcula A B y A B. d) Son A y B compatibles o incompatibles?. e) Calcula A y B. f) Si C=sale un nmero impar, calcula A C, B C,C , A C,A C. u Propiedades de las operaciones con sucesos: Las operaciones con sucesos tienen las siguientes propiedades, la mayor de ellas bien conocidas: a Interseccin o AB = BA A (B C) = (A B) C AA=A A (A B) = A A (B C) = (A B) (A C) AE =A A = A Unin o AB = BA A (B C) = (A B) C AA = A A (A B) = A A (B C) = (A B) (A C) A = A AE = A

Conmutativa Asociativa Idempotente Simplicacin o Distributiva Elemento neutro Absorcin o

Adems de estas sencillas propiedades (que se demuestran fcilmente mediante un diagrama de a a Venn), las operaciones con sucesos tienen otras dos propiedades muy importantes: Leyes de De Morgan: Si A y B son dos sucesos, se verican: (A B) = A B (A B) = A B Demostracin: Demostraremos la primera de las igualdades. o En primer lugar, representemos en un diagrama de Venn (A B). Para ello, primero representamos A B, y luego su contrario (A B):

Figura 2.7: Imagen 1 corresponde a A B.

Imagen 2 corresponde a A B

Ahora, representaremos en otro diagrama el otro miembro, es decir A B. En primer lugar, representaremos A, luego B y luego su interseccin: o

Figura 2.8: Imagen 1 corresponde a A.

Imagen 2 corresponde a B.

Imagen 3 corresponde a A B.

Observando los dos resultados, vemos que las partes rayadas son iguales, por lo que la igualdad es cierta.

CAP ITULO 2. PROBABILIDAD Ejercicio: 1. Mediante un procedimiento similar, demostrar la segunda ley de De Morgan.

21

2. Luisa y Mar interviene en un torneo de ajedrez. La primera que gane dos partidas seguidas o a tres alternas gana el torneo. Encuentra el espacio muestral con todos los resultados posibles ( suponemos que nunca hacen tablas). (Indicacin: Utiliza un diagrama de arbol). o 3. Consideramos el fenmeno aleatorio extraer una carta de una baraja de 40 y anotarla . Sean los o sucesos A= sacar oro, B= sacar rey, C= sacar el rey de bastos. Determina los sucesos: A C, A B C, A B C, A B

2.4.

Asignacin de probabilidades. Regla de Laplace o

Hasta el momento hemos descrito lo que es un experimento aleatorio y hemos denido los conceptos bsicos asociados a este experimento. Nos falta responder a esta pregunta: Cmo asignar a o probabilidades a cada uno de los sucesos de un experimento aleatorio?. Hay muchas maneras de asignar probabilidades. La ms sencilla e intuitiva la dio el matemtico a a francs Pierre Simon Laplace (1749-1827), quin enunci la regla que lleva su nombre: e e o Regla de Laplace: Si realizamos un experimento aleatorio en el que hay n sucesos elementales, todos igualmente probables, entonces si A es un suceso, la probabilidad de que ocurra el suceso A es: p(A) = nmero de casos favorables al suceso A u nmero de casos posibles u

Ejemplo: Lanzamos un dado normal al aire. Consideramos el suceso A= sale par. Calcular p(A). Casos posibles hay 6, pues E={1,2,3,4,5,6}. Casos favorables al suceso A={2,4,6}. 1 3 Por tanto p(A) = = = 0 5. 6 2 (Notemos que la probabilidad siempre es un nmero positivo y menor, o a lo sumo igual a 1). u El inconveniente que plantea la denicin de Laplace es que necesariamente los sucesos elementales o tienen que tener la misma probabilidad de ocurrir. Observemos un caso tan sencillo como el siguiente: De una urna que contiene 8 bolas rojas, 5 amarillas y 7 verdes se extrae una bola al azar. Calcula la probabilidad de que la bola extra sea : da a) roja b) verde c) amarilla El espacio muestral en este caso ser E={R,V,A}, que consta slo de tres elementos, pero ser un a: o a poco ingenuo asignar las probabilidades mediante la regla de Laplace, p(R) = 1 3 p(V ) = 1 3 p(A) = 1 3

porque ya intuitivamente se ve que hay ms posibilidades, por ejemplo, de que salga una bola roja a que de que salga una bola amarilla, de modo que cmo asignar probabilidades?. o

CAP ITULO 2. PROBABILIDAD Fue el matemtico ruso Kolmogorov quin precis este trmino: a e o e Denicin axiomtica de probabilidad: o a

22

Una probabilidad p es una funcin que asocia a cada suceso A del espacio de sucesos S , un n mero o u real p(A), es decir: p : S R , y que cumple las propiedades: 1. 0 p(A) 1, (es decir, cualquier suceso tiene probabilidad positiva y menor o igual que 1). 2. p(E) = 1 (la probabilidad del suceso seguro es 1). 3. Si A y B son incompatibles, es decir A B = , entonces p(A B) = p(A) + p(B). (es decir la probabilidad de la unin es la suma de las probabilidades si los sucesos tienen interseccin o o vac a). Ejemplo: Sea un experimento aleatorio cualquiera y denamos en S (espacio de sucesos) la siguiente probabilidad: nmero de elementos del conjunto A u p(A) = nmero total de elementos u Comprobemos que p es una probabilidad. Para ello, comprobemos las tres propiedades: a) Se ve que la probabilidad de cualquier suceso est entre cero y uno, puesto que cualquier conjunto a que tenga elementos ya tendr probabilidad positiva, y el nmero de elementos de cualquier conjunto a u no puede ser mayor que el nmero total de elementos existentes. u b) p(E) = 1, es evidente. c) Tomemos dos sucesos A y B que no tengan elementos en com n. Entonces: u p(A B) = elementos que forman parte de A o de B = nmero total de elementos u nmero de elementos de A + nmero de elementos de B u u = p(A) + p(B) = nmero total de elementos u

puesto que si A y B no tienen elementos comunes, el nmero de elementos de la unin es la suma de u o los elementos de cada conjunto por separado. Por tanto se cumplen las 3 propiedades y p as denida es una probabilidad. Esta ser la denicin a o de probabilidad que utilicemos a partir de ahora. Ejemplo: En el ejemplo de las urnas anterior, lo lgico es denir la probabilidad as Como en total hay 20 o : 7 5 8 p(V ) = p(A) = . bolas y 8 son rojas, 7 verdes y 5 amarillas, p(R) = 20 20 20 Se puede comprobar que as denida p es una probabilidad. Sin embargo, comprobar las propiedades de la denicin de Kolmogorov es una labor larga y engorrosa, o puesto que hay que vericar que se cumple para todos aquellos sucesos del espacio de sucesos S, que es ciertamente amplio en muchas ocasiones. El siguiente resultado simplica la tarea de decidir cundo a una funcin p sobre el espacio de sucesos es una probabilidad, basndose slo en los sucesos elementales, o a o es decir, aquellos que forman parte del espacio muestral. Lo enunciaremos sin demostracin: o

CAP ITULO 2. PROBABILIDAD

23

Propiedad o Si w1 , w2 , . . ., wn son los n sucesos elementales de un suceso aleatorio cualquiera,p una funcin p : S R de modo que cumple las propiedades: 1. 0 p(wi) 1 i {1, 2, . . . , n} 2. p(w1) + p(w2) + . . . + p(wn ) = 1 Entonces p es una probabilidad. Ejemplo: Comprobar si las siguientes funciones denidas para los sucesos elementales son probabilidad, siendo E={a,b,c,d} el espacio muestral del experimento aleatorio: 1 1 1 1 a) p(a) = , p(b) = , p(c) = , p(d) = 2 3 4 5 Es obvio que la primera propiedad se cumple, puesto que las 4 probabilidades son nmeros positivos u menores que 1. Para ver si se cumple la segunda, basta realizar la suma: 30 + 20 + 15 + 12 77 1 1 1 1 + + + = = 2 3 4 5 60 60 que evidentemente NO es 1, luego p NO es probabilidad. 1 1 1 b) p(a) = , p(b) = , p(c) = 0, p(d) = 4 2 2 Es obvio que la primera propiedad se cumple, puesto que las 4 probabilidades son nmeros positivos u o cero menores que 1. Para ver si se cumple la segunda, basta realizar la suma: 1+2+1 1 1 1 + + = =1 4 2 4 4 luego p S es probabilidad. I Consecuencias de la denicin de probabilidad: o 1. p(A) = 1 p(A) En efecto, puesto que E = A A y adems A y A son incompatibles, resulta por la propiedad a 3) de la denicin que o p(E) = p(A A) = p(A) + p(A) Y por la propiedad 2), p(E)=1, luego 1 = p(A) + p(A) y por tanto p(A) = 1 p(A). 2. p() = 0 Como E = , resulta que: p(E) = p() = 1 p(E) = 1 1 = 0 3. Si A y B son dos sucesos cualesquiera, p(A B) = p(A) + p(B) p(A B) 4. Si A, B y C son tres sucesos cualesquiera, p(A B C) = p(A) + p(B) + p(C) p(A B) p(A C) p(B C) + p(A B C)

CAP ITULO 2. PROBABILIDAD Ejemplo: Se tira una moneda 3 veces. Calcular la probabilidad de obtener alguna cara.

24

Los problemas de este tipo, en los que se pide la probabilidad de obtener alguna cosa, se suelen resolver muy bien por paso al complementario. En este caso concreto, A = obtener alguna cara. A= no obtener ninguna cara= obtener 3 cruces. 1 o , pues hay 8 casos posibles (222, haz el diagrama de arbol!) y slo uno Entonces, p(A) = 8 favorable (XXX, 3 cruces), por tanto: p(A) = 1 p(A) = 1 1 7 = 8 8

Ejercicio: Calcular la probabilidad de obtener al menos 1 seis si se lanza 4 veces un dado. Ejemplo: Se lanza un dado dos veces y se suman las dos caras. Sea A el suceso A= la suma de resultados es mayor o igual que 10 y B= la suma de los resultados es m ltiplo de 6. Calcular p(A), p(B) y u p(A B). Hay 36 posibles resultados al lanzar dos veces un dado. Cuntos de ellos suman 10 o ms? a a Que sumen 10: (4,6), (5,5), (6,4) Que sumen 11: (5,6), (6,5) Que sumen 12: (6,6) 1 6 = . Por tanto, p(A) = 36 6 Cuntos hay que sumen mltiplo de 6? a u Que sumen 6: (1,5), (2,4),(3,3), (4,2), (5,1) Que sumen 12: (6,6) 1 6 = . Por tanto, p(B) = 36 6 1 En cuanto a A B = (6, 6), luego p(A B) = . 36 Ejercicios: 1. Se ha encargado la impresin de una encuesta a una imprenta, que imprime 12 folios defectuosos o de cada 1000. Hallar la probabilidad de que elegido un folio de la encuesta al azar: a) Est mal impreso. e b) Est correctamente impreso. e 2. Una bolsa contiene 8 bolas numeradas. Se extrae una bola y anota su nmero. Sean los sucesos u A= salir par, B= salir impar, C= salir mltiplo de 4. u Calcular las probabilidades de A B, A C, B C, A B C. 3. Extraemos una carta de una baraja espaola. Calcula: n a) La probabilidad de que sea un rey o un as. b) La probabilidad de que sea un rey o una copa. c) La probabilidad de que sea un rey y una copa. 4. En el banquete posterior a una boda se sientan en la presidencia 10 personas, entre los cuales se encuentran los novios. Calcular la probabilidad de que los novios estn juntos en el centro de la e mesa.

CAP ITULO 2. PROBABILIDAD

25

2.5.

Probabilidad condicionada

Hasta ahora nos hemos limitado a calcular probabilidades unicamente partiendo de un experimento aleatorio, sin tener ms informacin. Pero, qu ocurre si conocemos alguna informacin adicional?. a o e o Supongamos que estamos realizando el experimento aleatorio de lanzar un dado y obtener el 1 nmero que sale. Consideremos el suceso A= sale un 4. Evidentemente, p(A) = . u 6 Ahora bien, variar esta probabilidad si al lanzar el dado alguien pasa por all y nos dice que ha a salido un nmero par?. u Disponemos entonces de una informacin adicional, B={2,4,6}. o Hemos reducido nuestro espacio muestral, que ahora slo consta de 3 elementos y tenemos que o cambiar las probabilidades asignadas. 1 Ahora el suceso A no tiene una posibilidad entre 6 de ocurrir, sino una entre tres, es decir, p(A) = . 3 Esta es la idea de la probabilidad condicionada: La informacin obtenida B, modica la probao 1 y se lee probabilidad de A condicionada a B o bilidad de A. Lo expresaremos as p(A/B) = : 3 probabilidad de A conociendo B. El caso anterior es muy sencillo, pues directamente podemos calcular p(A/B), pero si el espacio muestral se ampl el problema es ms complicado. La frmula siguiente simplica el problema. a, a o Denicin: o Sea A un suceso aleatorio asociado a un experimento aleatorio, y sea B otro suceso que sabemos que se ha realizado. Llamaremos probabilidad de A condicionada a B y lo expresaremos por p(A/B) a la expresin: o p(A/B) = p(A B) p(B)

(de idntico modo se dene p(B/A), escribe la frmula). e o Ejemplo: Para el caso anterior, 1 3 A={4},B={2,4,6} p(B) = = . 6 2 1 A B = {4} p(A B) = . 6 Luego: 1 2 1 p(A B) = 6 = = p(A/B) = 1 p(B) 6 3 2 es lo mismo que obten amos antes directamente. Ejercicios: 1. Calcula la probabilidad de que la suma de las caras de dos dados sea mayor a igual que 10 sabiendo que en el primer dado ha salido un seis. 2. Se lanzan dos dados:cul es la probabilidad de obtener una suma de puntos igual a siete?. a Si la suma de puntos ha sido 7, cul es la probabilidad de que en alguno de los dados haya a salido un 3?

CAP ITULO 2. PROBABILIDAD

26

2.6.

Sucesos independientes

Si bien el conocer cierta informacin adicional modica la probabilidad de algunos sucesos, puede o ocurrir que otros mantengan su probabilidad, pese a conocer dicha informacin. o Por ejemplo, en el lanzamiento de un dado, consideremos los sucesos: A= sacar un nmero par u y B= sacar un nmero menor o igual que 2 Es claro que A= {2,4,6} y B= {1,2}. u Calculemos la probabilidad de A conociendo que se ha realizado el suceso B, es decir, p(A/B). Utilizando la frmula: o 1 3 1 p(A B) = 6 = = =05 p(A/B) = 1 p(B) 6 2 3 1 1 puesto que p(A B)=p(sacar par y menor o igual que 2)= y p(B)= . 6 3 Pero si no conocisemos la informacin B, cul ser la probabilidad de A?. e o a a 3 o p(A)=p(sacar par)= = 0 5, es decir que p(A/B)=p(A), y por tanto el conocer la informacin B 6 no modica la probabilidad de A. Cuando esto ocurre es decir, cuando p(A/B) = p(A), diremos que los sucesos A y B son independientes (el hecho de que ocurra B no modica la probabilidad de A). Propiedad: A y B son sucesos independientes p(A B) = p(A) (B). Demostracin: =) Si A y B son independientes, p(A/B) = p(A), y por la frmula de la probabilidad o o p(A B) p(A B) , luego = p(A), y por tanto p(A B) = p(A) p(B). condicionada,p(A/B) = p(B) p(B) =) Partiendo de p(A B) = p(A) p(B), entonces p(A/B) = p(A) p(B) p(A B) = = p(A) p(B) p(B)

luego p(A/B) = p(A) y por tanto A y B son independientes. Ejemplo: En el caso anterior, p(A B) = 1 1 1 , y por otra parte p(A) = y p(B) = ,luego se cumple que 6 2 3 1 1 1 = = p(A) p(B) 6 2 3

p(A B) = luego A y B son independientes. Ejercicio:

1 2 De dos sucesos conocemos que p(A B) = y p(A) = , calcula p(A B) y p(B) para que A y 3 5 B sean independientes. (Indicacin: Utilizar la frmula de la unin de dos sucesos y la de la independencia de sucesos). o o o 7 7 (Solucin: p(B) = 12 , p(A B) = 60 ). o

CAP ITULO 2. PROBABILIDAD

27

NOTA IMPORTANTE: No se deben confundir los conceptos de sucesos incompatibles y sucesos independientes. Dos sucesos son incompatibles cuando no tienen elementos en comn, es decir, A B = , o con diagramas de u Venn:

Figura 2.9: A y B incompatibles, sin elementos en comn. u Dos sucesos son independientes si p(A B) = p(A) p(B). Son conceptos totalmente distintos. Uno se reere a CONJUNTOS y otro se reere a PROBABILIDADES.

2.7.

Experimentos compuestos. Teorema de la probabilidad total.

Un experimento compuesto es aquel que consta de dos o ms experimentos aleatorios simples. a Es decir, si tiramos un dado, o una moneda, son experimentos aleatorios simples, pero si realizamos el experimento de tirar un dado y posteriormente una moneda, estamos realizando un experimento compuesto. Propiedad: De la frmula para calcular la probabilidad condicionada se deduce inmediatamente que: o p(A B) = p(B) p(A/B) y p(A B) = p(A) p(B/A)

Ejemplo: Se extraen 2 cartas, sucesivamente, de una baraja de 40. Calcular la probabilidad de extraer 2 sotas. Sea A = sacar sota en la 1 y B = sacar sota en la 2 . Nos piden p(A B). Segn la frmula anterior, p(A B) = p(A) p(B/A). u o 1 3 1 1 1 1 4 = y p(B/A) = = , por lo que p(A) = = . Ahora bien , p(A) = 40 10 39 13 10 13 130 La forma ms sencilla de calcular probabilidades en experimentos compuestos es un digrama de a a rbol, donde en cada rama situamos la probabilidad que le corresponde al suceso del nal de dicha rama. Estas probabilidades que se van poniendo en el arbol son probabilidades condicionadas, porque dependen de los resultados anteriores. En el caso del ejercicio anterior, el diagrama ser a:

Figura 2.10: Diagrama de arbol para la extraccin de sota(S) u otra carta (S) o

CAP ITULO 2. PROBABILIDAD

28

Nota: Este mismo resultado se podr haber obtenido sin usar la probabilidad condicionada, del modo: a 40 Formas de elegir 2 cartas de entre 40= . 2 4 Formas de elegir 2 sotas entre 4= . 2 4 6 1 casos favorables 2 = = = . Por la regla de Laplace, p(obtener 2 sotas)= 40 casos posibles 780 130 2 Ejercicios: 1. Una urna contiene 9 bolas rojas y 5 negras. Se extraen sucesivamente 2 bolas. Calcula la probabilidad de que: a) la primera bola sea roja y la segunda negra. b) una sea roja y la otra negra. 2. En una bolsa hay 4 canicas rojas, 4 azules y 2 verdes. Se extraen 3 canicas que resultan ser 2 rojas y una azul. Sin devolverlas a la bolsa se saca otra canica, de qu color es ms probable e a que salga?. Ejemplo: Tenemos dos urnas, una con 7 bolas rojas y 2 azules, y otra con 3 bolas rojas y 8 azules. Tiramos un dado. Si nos sale un 3 o un 5, sacamos una bola de la primera urna y en caso contrario, sacamos una bola de la segunda urna. Cul es la probabilidad de que la bola extra sea azul?. a da Evidentemente estamos realizando un experimento compuesto. En primer lugar, se trata de elegir una urna, para lo cul lanzamos un dado. Si U1 = elegir la urna 1 y U2 = elegir la urna 2, es claro que a 1 2 2 4 p(U1 )= = y p(U2 )= = . 6 3 6 3 Por otra parte, luego realizamos otro experimento consistente en sacar una bola de la urna elegida. Si A= sacar una bola azul, las probabilidades que conocemos son: 2 p(A/U1 ) = 9 y 8 p(A/U2 ) = 11 Lo que nos piden es p(A). Para calcular dicha probabilidad, si representamos el diagrama de arbol:

Figura 2.11: Diagrama de arbol para la extraccin de bolas o Como la probabilidad de A depende de la urna en la que estemos, basta multiplicar las probabilidades de cada rama que llegue a la bola azul y luego sumar los 2 resultados, es decir: 4 32 166 2 2 4 8 = + = = 0 559 p(A) = + 6 9 6 11 54 66 297

CAP ITULO 2. PROBABILIDAD La justicacin terica para proceder as la da el teorema de la probabilidad total. o o

29

o Teorema de la probabilidad total: Si A1 , A2 , . . . , An son sucesos incompatibles 2 a 2, y cuya unin es el espacio muestral (A1 A2 . . . An = E), y B es otro suceso, resulta que: p(B) = p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) + . . . + p(An ) p(B/An ) Nota: El conjunto A1 , A2 , . . . , An que verica la incompatibilidad 2 a 2 y que la unin de todos ellos es o el espacio muestral se denomina sistema completo de sucesos y este sistema divide el espacio muestral en partes que no se solapan. Mediante representacin grca: o a

Figura 2.12: Sistema completo de sucesos: A1 , A2 , . . . , An Ejemplo: Para el caso anterior, A1 = sacar la bola de la urna 1. A2 = sacar la bola de la urna 2. B= sacar bola azul. Y aplicando el teorema: p(B) = p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) = 4 32 166 2 2 4 8 + = + = = 0 559 6 9 6 11 54 66 297

Ejemplo: En un colegio se imparten slo los idiomas ingls y francs. El 80 % de los alumnos o e e estudian ingls y el resto francs. El 30 % de los alumnos de ingls son socios del club musical del e e e colegio y de los que estudian francs son socios de dicho club el 40 %. Se elige un alumno al azar. e Calcular la probabilidad de que pertenezca al club musical. En estos problemas es importante elegir el sistema completo de sucesos. En este caso: A1 = estudiar ingls e e A2 = estudiar francs B= ser del club musical Nos piden p(B). Por el teorema anterior: p(B) = p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) = Mediante el diagrama de arbol: 20 40 8 80 30 + = = 0 32 100 100 100 100 25

Figura 2.13: Diagrama de arbol para el problema de idiomas y club musical Se obtiene el mismo resultado.

CAP ITULO 2. PROBABILIDAD

30

Ejercicio: Se tienen dos urnas, la primera de las cuales tiene 6 bolas blancas, 4 negras y 2 rojas y la urna 2 tiene 3 bolas blancas y 7 negras. Se lanza un dado al aire, y si sale mltiplo de 3 se saca de la primera urna y en otro caso se saca u una bola de la segunda urna. Calcular la probabilidad de que sea: a) bola blanca b) bola negra c) bola roja. Solucin: 11 , 26 , 18 . o 30 45 1

2.8.

Tablas de contingencia

Las tablas de contingencia estn referidas a 2 caracter a sticas que presentan cada una dos o ms a sucesos. Ejemplo: En un taller se sabe que acuden, por la maana 3 automviles con problemas de elctricos, n o e 8 con problemas mecnicos y 3 con problemas de chapa. Por la tarde hay 2 con problemas elctricos, a e 3 con problemas mecnicos y 1 con problemas de chapa. a a) Calcular el porcentaje de los que acuden por la tarde. b) Calcular el porcentaje de los que acuden con problemas mecnicos a c) Calcular la probabilidad de que un automvil con problemas elctricos acuda por la maana. o e n Resumiendo los datos en una tabla de contingencia: Maana n Tarde Total Pr. elctricos e 3 2 5 Pr. Mecnicos a 8 3 11 Pr. de chapa 3 1 4 Total 14 6 20

a) En total acuden 20 y por la tarde acuden 6, luego: 6 p(acudir por la tarde)= = 0 3, es decir, el 30 %. 20 b) En total acuden 20 y con problemas mecnicos hay 11, luego: a 11 p(problemas mecnicos)= = 0 55, es decir, el 55 %. a 20 c) Aqu tenemos una informacin adicional (es un coche que tiene problemas elctricos), luego se o e trata de una probabilidad condicionada.Con problemas elctricos hay 5 y de ellos 3 por la maana, e n luego: 3 p(acudir por la maana/problemas elctricos)= = 0 6, es decir, el 60 %. n e 5 En una tabla de contingencia puede que nos falten datos, pero se pueden hallar fcilmente con los a datos que son conocidos. Ejemplo Para tratar de curar una enfermedad se aplica un tratamiento nuevo a 81 pacientes de un hospital, mientras que en el mismo hospital hay otros 79 pacientes que siguen un tratamiento antiguo contra la misma enfermedad. En total, con ambos tratamientos los curados son 103, de los cuales 60 lo son gracias al tratamiento nuevo. Si tratamos de construir la tabla, con los datos del problema se obtiene: Tratamiento antiguo Curarse No curarse Total Tratamiento nuevo 60 81 Total 103

79

CAP ITULO 2. PROBABILIDAD Completa la tabla y responde a las cuestiones: Si se elige un individuo al azar, calcula la probabilidad de que: 1. Se haya curado. 2. No se haya curado. 3. Se haya curado con el nuevo tratamiento. 4. No se haya curado con el nuevo tratamiento. 5. Se haya curado con el tratamiento antiguo. 6. No se haya curado con el tratamiento antiguo

31

2.9.

El teorema de Bayes.

Como consecuencia del teorema de la probabilidad total y de las propiedades de la probabilidad condicionada, resulta este importante teorema que permite calcular probabilidades condicionadas. Teorema de Bayes: o Si A1 , A2 , . . . , An son sucesos incompatibles 2 a 2, y cuya unin es el espacio muestral (A1 A2 . . . An = E), y B es otro suceso, resulta que: p(Ai /B) = p(Ai ) p(B/Ai ) p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) + . . . + p(An ) p(B/An )

Demostracin: o Por denicin,p(Ai /B) = o

p(Ai B) . p(B)

Ahora bien, recordando que p(Ai B) = p(Ai ) p(B/Ai ), debido a que p(B/Ai ) = Por tanto, combinando los dos hechos: p(Ai /B) = p(Ai ) p(B/Ai ) p(Ai B) = p(B) p(B)

Ai B . p(Ai )

Como por el teorema de la probabilidad total es: p(B) = p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) + . . . + p(An ) p(B/An ) resulta que sustituyendo: p(Ai/B) = p(Ai ) p(B/Ai ) p(Ai ) p(B/Ai ) = p(B) p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) + . . . + p(An ) p(B/An )

y el teorema queda demostrado. Nota: Las probabilidades p(Ai ) se denominan probabilidades a priori. Las probabilidades p(Ai /B) se denominan probabilidades a posteriori. Las probabilidades p(B/Ai ) se denominan verosimilitudes.

CAP ITULO 2. PROBABILIDAD

32

Ejemplo: Dos clases de 2 de Bachillerato, una de 28 alumnos y otra de 35 alumnos hacen conjuntamente un examen de Matemticas. La probabilidad de aprobar de los alumnos de la primera clase es de 068 a y los de la segunda del 073. Se toma un examen al azar y resulta que est aprobado. Cul es la a a probabilidad de que sea de un alumno de la 1 clase?. Sea A1 = el examen es de un alumno de la primera clase A2 = el examen es de un alumno de la segunda clase B= el examen est aprobado a Nos piden p(A1 /B). Hagamos antes que nada un diagrama de arbol:

Figura 2.14: Diagrama de arbol para el problema del examen

Por el teorema de Bayes: p(A1 /B) = Sustituyendo: 28 0 68 0 302 63 = = 0 427 p(A1 /B) = 35 28 0 708 0 68 + 0 73 63 63 p(A1 ) es la probabilidad a priori, es decir , antes de realizar el experimento y careciendo de informacin. o 28 = 0 444. En este caso p(A1 ) = 63 e a o p(A1 /B) es la probabilidad a posteriori, despus de realizarlo y conocer ms informacin. En este caso p(A1 /B) = 0 427 (es algo menor). Ejercicio: Se tienen dos urnas. En la primera hay 10 bolas blancas, 7 negras y 5 rojas. En la segunda 24 blancas, 4 negras y 9 rojas. Se elige una urna al azar y se saca una bola. Calcular: a) Probabilidad de sacar bola blanca. b) Sabiendo que la bola extra es blanca, probabilidad de que provenga de la segunda urna. da 449 264 Solucin: 814 , 449 . o p(A1 ) p(B/A1 ) p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 )