CONTENIDO

2. FUNDAMENTOS DE TEORA DE LA PROBABILIDAD

2.1.- Conjuntos 2.2.- Tcnicas de Conteo: Diagrama de rbol, Permutaciones, Combinaciones y ordenaciones. 2.3.- Conceptos Bsicos: Experimentos Aleatorios y deterministas. 2.4.- Definiciones clsica, frecuencial, axiomtica y subjetiva de probabilidad. 2.5.- Probabilidad Condicional, eventos independientes y teorema Bayes.

PROBABILIDAD Y ESTADISTICA ESIME-Z

CONJUNTOS
La teora de conjuntos constituye un lenguaje apropiado que nos facilita el estudio de algunos conceptos importantes de la teora de la probabilidad. Un conjunto es una coleccin bien definida de elementos, 2 conjuntos se representan con las letras maysculas (A, B, C, etc.) y los elementos se representan entre llaves y pueden ser letras minsculas u otros. A= {a, e, i, o, u} B= {1, 3, 5, 7, 9} Nota: La / significa tal que. DIAGRAMAS VENN
H B A, E, I, O, U K L C

A= {x / x es una vocal} B = {x / x es impar}

A + AC = U (Complemento de A)

D J

Para indicar que un elemento pertenece a un conjunto se representa contrario se representa

.

de lo

Conjuntos Iguales
Sean x y y dos conjuntos se dice que el conjunto x y el conjunto y son iguales si tienen los mismos elementos. X= {a, e, i, o, u} [ x=y ] y={x / x es una vocal}

Subconjunto
Sea a y b dos conjuntos se dice que a es subconjunto de b si cada elemento de a es tambin un elemento de b. A = {x / x son consonantes} AcB Nota: c subconjunto de..

B = {x / x son todas las letras del alfabeto}

PROBABILIDAD Y ESTADISTICA ESIME-Z

X, L, M, Y O U

Conjunto Vaco
Es aquel que no contiene ningn elemento y se representa .

Conjunto Universal
En muchos casos se considera varios conjuntos que son subconjuntos de un mismo conjunto.

Conjunto Finito
Son aquellos que nos permiten contar todos sus elementos. N (x) =5

Conjunto Infinito
Son aquellos que no nos permiten contar sus elementos.

OPERACIONES CON COJUNTO Unin De Conjuntos:

Al realizar esta operacin estamos conformando un nuevo conjunto, que se llama conjunto solucin, que contiene todos los elementos o miembros de los conjuntos que se estn uniendo, sin que ninguno de sus miembros se repita en el conjunto solucin. Por ejemplo: Dados: A = {-1, 1, 2, 3} A u B = {-1, 1, 2, 3, 4, 6} B = {2, 4, 6} C= {4, 5, 7, 8}

PROBABILIDAD Y ESTADISTICA ESIME-Z

Observe que el resultado A u B no contiene elementos repetidos A u B u C = {-1, 1, 2, 3, 4, 5, 6, 7, 8}

Interseccin De Conjuntos:
Esta operacin entre conjuntos conforma un nuevo conjunto que contenga los elementos o miembros comunes a los conjuntos que hagan parte de esta operacin. Por ejemplo si consideramos los conjuntos A, B y C arriba mencionados, al operar; se obtiene: A n B = {2}

B n C = {4} A n B n C = { } Puesto que no hay ningn elemento que est en los tres conjuntos. (A u B) n C Observe que en este ejemplo se est aplicando la propiedad asociativa para la operacin de unin entre A y B y a su resultado hacer la interseccin con C. (A u B) n C = {4}

Diferencia De Conjuntos:
Cuando se analiza la diferencia entre A y B, se obtiene como respuesta exclusivamente los elementos del conjunto A. Por ejemplo si consideramos los conjuntos A, B, C que aparecen arriba: A - B = {1, 1, 3} B - C ={2, 6}
PROBABILIDAD Y ESTADISTICA ESIME-Z

B - A = {4, 6} C - B = {5, 7, 8}

Diferencia Simtrica De Conjuntos:

Se presenta cuando se consideran todos los elementos que slo pertenecen los conjuntos, sin tener en cuenta lo que tienen en comn. En otras palabras, en la diferencia simtrica no se tiene en cuenta ningn elemento de la interseccin entre los conjuntos, los dems s. Por ejemplo, dados los conjuntos A = {-1, 1, 2, 3,} B = {2, 4, 6} C = {4, 5, 7, 8}

y U = {-1, 1, 2, 3, 4, 5, 6, 7, 8} (Conjunto Universal o referencial)

Complemento De Un Conjunto:
Se buscan todos lo elementos que le hagan falta a un conjunto para convertirse o ser el conjunto universal o referencial. Por ejemplo: A= {4, 5, 6, 7} B= {-1, 1, 3, 5, 7, 8} C= {-1, 1, 2, 3, 6,} (A u B)={5, 7, 8}

PROPIEDADES DE LOS CONJUNTOS PROPIEDAD

ASOCIATIVA CONMUTATIVA IDEMPOTENTE ABSORCION DISTRIVUTIVA NEUTRALIDAD COMPLEMENTACION (A A A A A B) B= A= (B (B

UNIN
C = A (B C) B A A A) = A C) = (A B) (B (A A A A A) A C) A A A (A

INTERSECCIN
B) C B=B A =A (A B) (B C) =A A =A = (A (B C)

B)

(A

LEY DE MORGAN

A =A A U=U A Al = U (A B) l = A l

Bl

U=A = Al = B) l = A l

Bl

PROBABILIDAD Y ESTADISTICA ESIME-Z

TCNICAS DE CONTEO
Son estrategias Utilizadas para determinar el nmero de posibilidades diferentes que existen al realizar un experimento, considerando de manera general la probabilidad de un evento, como el numero de eventos positivos partido en el numero de eventos Global en el espacio muestral. Estas Tcnicas son Ordenaciones de Posibilidades: Diagrama de rbol Permutaciones Combinaciones

Diagrama De rbol
Es una Representacin Grfica de un Experimento que consta de n pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo. Este diagrama Resulta grficamente parecido a los ramales de un rbol segn las distintas secuencias de eventos.

PROBABILIDAD Y ESTADISTICA ESIME-Z

Los diagramas de rbol muestran objetivamente el nmero de resultados posibles en que se puede disponer de la ordenacin de un conjunto de elementos, pero esta enumeracin es limitada, pues a medida que aumenta el nmero de objetos dicha ordenacin se complica, por lo que hay que utilizar otro procedimiento ms sencillo para determinar el nmero total de resultados. Con este fin, nos apoyaremos en los conceptos permutaciones y combinaciones, los cuales tienen como base el principio fundamental del conteo: Si un evento A puede ocurrir de n1 maneras, y una vez que este ha ocurrido, otro evento B puede ocurrir de n2 maneras diferentes, entonces el nmero total de formas diferentes en que ambos eventos pueden ocurrir en el orden indicado, es igual a n1 x n2

Permutaciones
En muchos casos Debemos se capaces de resolver un problema de probabilidad mediante el contero del nmero de puntos en el espacio muestral sin enlistar realmente cada elemento. Este es un principio fundamental del conteo denominado la Regla de la multiplicacin o bien como denominamos antes principio fundamental del conteo. Hay Cuatro tipos de permutaciones:
PROBABILIDAD Y ESTADISTICA ESIME-Z

Permutaciones de n Elementos Permutaciones de n Elementos en diferentes grupos de r Elementos Permutaciones donde no todos los elementos son diferentes Permutaciones Circulares

Permutaciones de n Elementos
Por el principio fundamental del conteo podemos enunciar que el nmero de permutaciones de n Objetos distintos tomados de n en n, es:

Permutaciones De n Elementos En Diferentes Grupos De R Elementos

Podemos calcular el nmero de permutaciones nPr, de n elementos, tomados en grupos o subconjuntos de r elementos.

Permutaciones Donde No Todos Los Elementos Son Diferentes

Si los elementos de un conjunto no son todos diferentes entre s, es decir, algunos de los elementos son idnticos, la frmula de las permutaciones presenta un nuevo aspecto. El nmero de permutaciones que se pueden formar en el caso de n elementos, cuando hay n1elementos idnticos, n2 elementos de otro tipo idnticos, etctera, es:

PROBABILIDAD Y ESTADISTICA ESIME-Z

Permutaciones Circulares
Cuando los elementos se encuentran dispuestos en forma circular tenemos:

Combinaciones
Es un arreglo de elementos en donde no nos interesa el lugar o posicin que ocupan los mismos dentro del arreglo. En una combinacin nos interesa formar grupos y el contenido de los mismos. En el caso de las combinaciones lo importante es el numero de agrupaciones diferentes de objetos que pueden incurrir sin importar su orden. El nmero de combinaciones o subconjuntos no ordenados, cada uno formado por r elementos, que pueden obtenerse de un conjunto de n elemento es:

( )
PROBABILIDAD Y ESTADISTICA ESIME-Z

CONCEPTOS BASICOS

Experimentos aleatorios
Un experimento es un procedimiento que conduce a un conjunto de posibles resultados u observaciones. Segn sea el conjunto de resultados del experimento, se distinguen dos tipos: deterministas y aleatorios. Un experimento aleatorio es un proceso de observacin que se puede repetir en las mismas condiciones del que se conocen con antelacin todos los resultados posibles y hay al menos dos diferentes, por lo tanto el resultado de cualquier realizacin no se puede asegurar de antemano. Un experimento aleatorio se puede repetir en idnticas condiciones y no obtener el mismo resultado. El conjunto formado por todos los resultados posibles de un experimento aleatorio se denomina espacio muestral y se representara por E.

Experimento determinista
Si el resultado es totalmente previsible es decir, si realizado en las mismas circunstancias solo tiene un resultado posible. La ley de Boyle- Mariotte afirma que para cada temperatura el producto del volumen de la masa de un gas ideal por su presin es constante, PV=k. por ello en el experimento de determinacin del volumen de un gas ideal a una temperatura constante para una presin determinada el resultado se puede conocer antes de realizar la observacin. Este es un experimento determinista. Para el mismo valor de la presin y a la misma temperatura, el volumen es siempre el mismo. Muchos de los experimentos de las ciencias son deterministas, pero no todos. Aquellos en los que el resultado no est unvocamente establecido y se puede repetir en las mismas condiciones son los experimentos aleatorios.

PROBABILIDAD Y ESTADISTICA ESIME-Z

DEFINICIONES

Definicin Clsica
Si en un experimento pueden producirse N resultados igualmente posibles y si dentro de estos N resultados el evento A puede ocurrir n(A) veces, la probabilidad del evento A est dada por:

Esta definicin se aplica nicamente a experimentos cuyo espacio muestral est constituido por un nmero finito de resultados, los cuales deben de ser igualmente posibles, o sea que a cada resultado se le asigna la misma probabilidad (espacio muestral equiprobable) y es igual a , por lo que el clculo de probabilidades se reduce a contar los elementos de que consta el evento del cual se quiere calcular la probabilidad (funcin de conjunto aditivo del evento) y multiplicarlo por .

Definicin Frecuencial
En los experimentos aleatorios no se conoce el resultado que se obtendr (por ejemplo al lanzar un dado). La probabilidad es el grado de certidumbre con que se mide la ocurrencia de cierto resultado. La probabilidad frecuencial o emprica es la que se fundamenta en los datos obtenidos por encuestas, preguntas o por una serie larga de realizaciones de un experimento. El clculo de la probabilidad de un evento y la frecuencia relativa del mismo es lo que se conoce como probabilidad frecuencial. Para determinar la probabilidad frecuencial, se repite el experimento aleatorio un nmero determinado de veces, se registran los datos y se divide el nmero de veces que se obtiene el resultado que nos interesa, entre el nmero de veces que se realiz el experimento.

PROBABILIDAD Y ESTADISTICA ESIME-Z

Dnde: = Es la probabilidad frecuencial = Nmero de veces que ocurre el evento A del espacio muestral = Nmero de veces que se hace el experimento

Definicin Axiomtica
Si llamamos S al conjunto de todos los posibles sucesos asociados a un espacio muestral, definimos axiomticamente la probabilidad como una funcin que asocia a cada suceso A un nmero real, que ser su probabilidad. Cumplindose las siguientes condiciones:

Ax.1 La probabilidad de un suceso cualquiera es positiva o nula P(A) 0 Ax.2 La probabilidad del suceso seguro es 1 P( )=1 Ax.3 Dados dos sucesos A y B y tales que A B= , es decir, son incompatibles, entonces: P(A U B)=P(A)+P(B) De la definicin consecuencias: axiomtica de probabilidad se tienen las siguientes

1.- Si dos sucesos son complementarios entonces P(Ac)=1-P(A) De la definicin de suceso complementario se tiene que A U Ac = y A Por el Ax.3 P(A U Ac)= P(A)+P(Ac) como A U Ac = y P( )=1(Ax.2) 1=P(A)+P(Ac) => P(Ac)=1-P(A) 2.- La probabilidad del suceso imposible es 0. P() = 0 = c, luego P()=1-P( ) => P() = 0 3.- Si un suceso A est contenido en otro B, , entonces, implica que B = A U (B-A) con A (B-A)= , luego P(B) = P(A) + P(B-A), por Ax.1 P(B-A) 0, entonces 4.- Si tenemos k sucesos A1,A2,...,Ak incompatibles dos a dos Ai P(A1U A2U...U,Ak)=P(A1) + P(A2) + ...+ P(Ak)

Ac =

Aj= , entonces

PROBABILIDAD Y ESTADISTICA ESIME-Z

5.- Dados dos sucesos cualesquiera se tiene P(A U B) = P(A) + P(B) - P(A B) P(A U B) = P(A-B) + P(B-A) + P(A B) Por otro lado P(A) = P(A-B) + P(A B) y P(B) = P(B-A) + P(A B) P(A-B)=P(A) - P(A B) y P(B-A)=P(B) - P(A B) y sustituyendo se obtine el resultado deseado P(A U B) = P(A) + P(B) - P(A B)

Definicin Subjetiva
La probabilidad subjetiva se define como la probabilidad asignada a un evento por parte de un individuo, basado en la evidencia que se tenga disponible. Se basan en las creencias e ideas en que se realiza la evaluacin de las probabilidades y se define como en aquella que un evento asigna el individuo basndose en la evidencia disponible (el individuo asigna la probabilidad en base a su experiencia). La probabilidad subjetiva puede tener forma de frecuencia relativa de ocurrencia anterior o simplemente puede consistir en una conjetura inteligente N. Para clarificar lo antes dicho un ejemplo muy comn es el pronstico del tiempo, muchos individuos como nosotros realizamos una prediccin personal de como sern las condiciones climticas para el da, basadas ms en nuestra experiencia personal pero que muchas veces sustentamos en experiencia de eventos pasados. La asignacin de probabilidad subjetiva se dan generalmente cuando los eventos ocurren solo 1 vez y a lo mximo unas cuantas veces ms.

PROBABILIDAD Y ESTADISTICA ESIME-Z

PROBABILIDAD CONDICIONAL
La probabilidad de que un evento B Ocurra cuando se sabe que ya ocurri algn evento A se Llama probabilidad Condicional y se denota por:

( )
El Smbolo p(b/a) por lo general se lee: La probabilidad de que ocurra B dado que ocurri A o simplemente La probabilidad de B. dado A. La nocin de probabilidad condicional proporciona la capacidad de reevaluar la idea de probabilidad de un evento a la liz de la informacin adicional; es decir, cuando se sabe que ocurri otro evento.

EVENTOS INDEPENDIENTES
Es posible definir y tener inters en eventos A y B tales que si se sabe que ocurrido A, entonces se tiene la certeza de que tambin ha ocurrido B(por ejemplo, en el caso que A B).en tales casos, ciertamente hay un grado de dependencia entre A y B. Como se ver en esta seccin, tambin es posible tener dos eventos Ay B, en los que no se sabe si B ha ocurrido o no, aunque se sepa que A haya ocurrido. A esta clase de eventos se les conoce como independientes (o estadsticamente independientes). A continuacin se representa la definicin formal de los eventos independientes. Dos eventos A y B son independientes si y solo si P(A B)=P(A)P(B)} Antes de examinar algunos ejemplos de eventos independientes, ntese que si A y B son independientes, entonces P(A/B)= = , supuesto que P(B)0

Por lo tanto la probabilidad condicional de que ocurra A es la misma que las probabilidad no condicional de A. El saber que B ocurri no cambia la probabilidad
PROBABILIDAD Y ESTADISTICA ESIME-Z

de ocurrencia de A. en forma anloga, es fcil ver que P(B/A)=P(B)si y solo si A y B son independientes

TEOREMA DE BAYES
La interpretacin ms aceptada del teorema de Bayes, es que su estructura permite el clculo de probabilidades despus de haber sido realizado un experimento, basndose en el conocimiento de la ocurrencia de ciertos eventos que dependan del evento estudiado, o sea, se parte de probabilidades conocidas antes de efectuar el experimento (probabilidades apriori), las cuales son afectadas por las probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento). Continuando nuestro anlisis sobre el teorema de Bayes, la probabilidad condicional de Ai dado B, para cualquier i, es:

Aplicando en el numerador la Regla de Multiplicacin P(AiB) = P(Ai) P(B|Ai) y en el denominador el Teorema de Probabilidad Total P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + . . . + P(An) P(B | An), obtenemos la ecuacin que representa al:

Teorema de Bayes

PROBABILIDAD Y ESTADISTICA ESIME-Z