Probabilidades ( L

A
T
E
X)
Ein Lehrer
Artculos varios.
Chile
August 22, 2014
1 Probabilidades
Los primeros estudios de probabilidad fueron motivados por la posibilidad de acierto o fracaso en los juegos de azar.
La probabilidad es un mecanismo por medio del cual pueden estudiarse sucesos aleatorios, es decir, operaciones cuyo
resultado no puede ser predicho con seguridad. Por ejemplo, el lanzamiento de una moneda.
1.1 Deniciones
1.1.1 Experimento Aleatorio
Cualquier operacin cuyo resultado no puede ser predicho con seguridad.
Ejemplo: Lanzamiento de una moneda.
Ejemplo: Extraccin de una carta desde una baraja inglesa (52 cartas).
1.1.2 Espacio Muestral
Es el conjunto de todos los posibles resultados asociados a un experimento aleatorio. Su smbolo es .
Este espacio puede ser cualitativo (Ej: Bolitas de color) o cuantitativo (Ej: Lanzamiento de 2 dados cuyo re-
sultado es la suma de sus caras) y discreto (Ej: Lanzamiento de una moneda) o continuo (Ej: Duracin de un tubo
uorescente, o de una maquinaria antes de fallar).
Ejemplo: En el lanzamiento de un dado, = {1, 2, 3, 4, 5, 6}
Ejemplo: Tiempo de duracin de un tubo uorescente, = {t/t 0}
1.1.3 Evento o Suceso
Es cualquier subconjunto de un espacio muestral determinado.
Observacin: Todo subconjunto de es un evento. En particular, mismo es un evento llamado "suceso
seguro" y el conjunto vaco tambin es un evento, llamado "suceso imposible".
Ejemplos de eventos al lanzar un dado:
Que no salga un nmero par. A = {1, 3, 5}
Que no salga el nmero "2". B = {1, 3, 4, 5, 6}
Que salga un nmero primo. C = {2, 3, 5}
En este caso = {1, 2, 3, 4, 5, 6} y como constatamos, los tres eventos denidos corresponden a subconjuntos de .
1
1.2 Relaciones entre Sucesos
En un determinado experimento, los sucesos que denamos pueden presentar relaciones entre s. Veamos los tipos
de relacin ms relevantes:
1.2.1 Sucesos excluyentes
Dos o ms sucesos son excluyentes si la ocurrencia de uno de ellos implica la no ocurrencia de los otros.
Ejemplo En el lanzamiento de una moneda denimos los sucesos C = {que salga cara} y S = {que salga sello}.
Los sucesos C y S son excluyentes entre s.
Ejemplo En el lanzamiento de un dado denimos los sucesos P = {que salga par} = {2, 4, 6} e I = {que salga impar}
= {1, 3, 5}. Tambin en este caso los sucesos P e I son excluyentes.
1.2.2 Sucesos independientes
Dos o ms sucesos son independientes cuando la ocurrencia de uno de ellos no afecta o no tiene relacin con la
ocurrencia de los otros.
Ejemplo En el lanzamiento de un par de dados (juego del "cacho"). El evento R1 = {resultado del dado 1} y el
evento R2 = {resultado del dado 2} corresponden a dos sucesos independientes.
1.2.3 Sucesos dependientes
Dos o ms sucesos son dependientes cuando la ocurrencia de uno de ellos afecta o est relacionado con la ocurrencia
de los otros.
Ejemplo En el lanzamiento de un par de dados denimos los eventos R1 = {resultado del dado 1} y el evento
S = {suma de ambos dados sea menor o igual que 4}. Los resultados obtenidos en R1 afectan la ocurrencia de S
y tambin a la inversa.
Por ejemplo, si ocurri S y el segundo dado fue 3, necesariamente el primer dado tuvo que ser 1, y si el primer dado
fue 6, entonces S no puede ocurrir. Tambin, si el primer dado fue 2, entonces para que ocurra S, el segundo dado
debe ser 1 o 2. En resumen, ambos sucesos se encuentran vinculados.
1.3 El concepto de Probabilidad
Existen varias formas de aproximarse al concepto o denicin de Probabilidad. Veremos las ms conocidas:
Probabilidad a priori
Probabilidad a posteriori
y la nocin matemtica de Probabilidad
Por supuesto, todas son equivalentes entre s.
En trminos generales, probabilidad es la asignacin de un valor numrico entre "0" y "1" a la factibilidad de
ocurrencia de un evento, siendo 0 cuando el evento no puede ocurrir y 1 cuando existe absoluta certeza de que el
evento ocurrir. Un ejemplo clsico es el lanzamiento de una moneda, en que la probabilidad que salga cara es 0.5,
la probabilidad que caiga de canto es 0 y la probabilidad que caiga cara o sello es 1.
2
1.3.1 Probabilidad a priori
Es una de las aproximaciones ms conocidas del concepto de probabilidad y dene la probabilidad de que ocurra
un evento o suceso como el cociente entre la cantidad de casos favorables de que ocurra el evento y la cantidad de
casos posibles totales.
p (A) =
n
o
casos favorables
n
o
casos totales
Esto en la prctica corresponde a la cardinalidad del conjunto o suceso A dividido por la cardinalidad de .
Ejemplo 1 Cul es la probabilidad (a priori) de que al lanzar un dado salga un nmero par?
Solucin:
= {1, 2, 3, 4, 5, 6}; # = 6
Q = {que sea par} = {2, 4, 6}; #Q = 3
Entonces, p (Q) =
3
6
= 0.5
Ejemplo 2 Cul es la probabilidad (a priori) de que al sacar una bola de un saco que tiene 3 bolas rojas y 2
verdes, saque una bola verde?
Solucin:
# = 5 #V = 2
Entonces, p (V ) =
2
5
= 0.4
1.3.2 Probabilidad a posteriori frecuencial
Es aquella que podemos determinar despus de realizar un experimento muchas veces, es decir, la calculamos
o estimamos a partir de la experiencia. El clculo se realiza efectuando n experimentos (con n muy grande) y
contando la cantidad de veces que sucede el evento que nos interesa. Entonces:
p (A) =
n
o
casos favorables
n
o
de experimentos (n)
Ejemplo Gonzalo ha comprado pan en el negocio cerca de su casa, todos los das durante 4 semanas y en una
ocasin el pan que compr estaba duro. Cul es la probabilidad de que cuando vuelva a comprar pan ste se
encuentre blando?
Solucin:
n
o
de experimentos = 28
n
o
de casos favorables = 27
Entonces, p (B) =
27
28
= 0.964
1.3.3 Denicin matemtica de Probabilidad
Los principios para la denicin matemtica o axiomtica de probabilidad fueron formulados por el matemtico
ruso Kolmogrov.
Denicin Sea un espacio muestral y sean A, B eventos de este espacio muestral (es decir A, B ). La
funcin p es una probabilidad si satisface:
Axioma 1 p() = 1
Axioma 2 p(A) 0 A
Axioma 3 Si A B = , p(A B) = p(A) + p(B) (A y B son disjuntos)
3
1.4 Propiedades de la Probabilidad
1.4.1 Probabilidad en un espacio muestral nito
Un caso frecuente y consistente con las deniciones anteriores es el siguiente. Si es un espacio muestral nito
(discreto), la probabilidad de un evento A es:
p (A) =
#A
#
1.4.2 Teoremas o propiedades
i) p() = 0
ii) p(A
c
) = 1 p(A) A
c
= {que no ocurra A}
iii) Si A B p(A) p(B)
Corolario: 0 p(A) 1
iv) p(A B) = p(A) + p(B) p(A B)
v) p(AB) = p(A) p(A B)
vi) Sean {E
i
} una coleccin de eventos mutuamente disjuntos que "cubren" a (es decir, E
i
E
j
= , i = j
y adems

E
i
= )
Entonces se cumple: p (A) =

p (A E
i
)
1.5 Principios de Probabilidad
1.5.1 Principio o ley aditiva
Sean A y B dos eventos mutuamente excluyentes (es decir, A B = ). La probabilidad de que ocurra cualquiera
de los dos eventos A o B es:
p(A B) = p(A) + p(B)
Ejemplo Cul es la probabilidad de que al sacar una bola de un saco que contiene 3 bolas amarillas, 3 bolas
rojas y 4 bolas verdes, saque una bola amarilla o una verde?
Solucin: El suceso A = sacar una bola amarilla y el suceso V = sacar una bola verde son mutuamente excluyentes,
pues si ocurre uno, no puede ocurrir el otro (en otras palabras, AV = ). Entonces podemos ocupar la ley aditiva,
luego:
p(A) =
3
10
= 0.3
p(V ) =
4
10
= 0.4
Entonces, p (A V ) = 0.3 + 0.4 = 0.7
1.5.2 Principio o ley multiplicativa
Sean A y B dos sucesos independientes. La probabilidad de que ocurran A y B simultneamente es:
p(A B) = p(A) p(B)
4
Ejemplo Cristian est en un concurso de T.V. Tiene frente a l tres cajas. La caja 1 contiene 4 bolitas blancas
y 1 bolita negra, la caja 2 contiene 2 bolitas blancas y 4 negras y la caja 3 contiene 3 bolitas blancas y 1 negra. Si
Cristian saca de cada caja una bola blanca se llevar un auto 0 Km. Cul es la probabilidad de que Cristian gane
el concurso?
Solucin: Cada extraccin de bolita de cada caja es un experimento distinto que no tiene relacin con las otras
extracciones, por lo tanto sabemos que estos eventos son independientes. En consecuencia podemos aplicar el
principio multiplicativo.
p(ganar) = p(B1) p(B2) p(B3)
p(B1) =
casos favorables
casos totales
=
4
5
= 0.8
p(B2) =
2
6
= 0.334
p(B3) =
3
4
= 0.75
Entonces, p (ganar) =
4
5
1
3
3
4
=
1
5
= 0.2
References
[1] Paredes Nez, Pamela - Ramrez Panatt, Manuel - Apuntes PSU 2009 (2009)
[2] Estuardo Morales, Aaron - Estadstica y Probabilidades (2012)
[3] Ruiz Muoz, David - Manual de Estadstica (2004)
5