Documente Academic
Documente Profesional
Documente Cultură
Clasica
Donde B es el suceso sobre el que tenemos información previa y A(n) son los distintos
sucesos condicionados. En la parte del numerador tenemos la probabilidad condicionada, y
en la parte de abajo la probabilidad total. En cualquier caso, aunque la fórmula parezca un
poco abstracta, es muy sencilla. Para demostrarlo, utilizaremos un ejemplo en el que en
lugar de A(1), A(2) y A(3), utilizaremos directamente A, B y C.
1.Si un envase ha sido fabricado por la fábrica de esta empresa en Estados Unidos ¿Cuál
es la probabilidad de que sea defectuoso?
P(D) =[ P(A) x P(D/A) ] + [ P(B) x P(D/B) ] + [ P(C) x P(D/C) ] = [ 0,4 x 0,02 ] + [ 0,3 x
0,03 ] + [ 0,3 x 0,05 ] = 0,032
Aquí se utiliza el teorema de Bayes. Tenemos información previa, es decir, sabemos que el
envase es defectuoso. Claro que, sabiendo que es defectuoso, queremos saber cual es la
probabilidad de que se haya producido por una de las máquinas.
Sabiendo que un envase es defectuoso, la probabilidad de que haya sido producido por la
máquina A es del 25%, de que haya sido producido por la máquina B es del 28% y de que
haya sido producido por la máquina C es del 47%.
Ahora bien, el hecho de que un fenómeno aleatorio, por definición, esté dominado por las
leyes del azar no impide que sea susceptible de ser estudiado. Es más, la teoría de la
probabilidad nace, precisamente, por la existencia de fenómenos aleatorios.
La necesidad del hombre de saber qué pasará es evolutiva. Y, ciertamente, ese estudio nos
facilita una mejor comprensión de los fenómenos. En consecuencia, nos permite tomar
mejores decisiones.
El primer punto es esencial en cuanto que si se pueden predecir de forma precisa, ya no son
fenómenos aleatorios. Serán fenómenos deterministas. En segundo lugar, cualquier cambio
en las condiciones iniciales afecta al resultado final. Pueden presentar patrones repetitivos
(y nos interesa estudiarlos estadísticamente) pero también puede ser completamente
azarosos. Y, aunque esto no es esencial, se repiten las condiciones de partida iniciales con
cierta frecuencia.
Los datos de las cotizaciones se generan solos. Ahora bien, con esos datos podemos realizar
pruebas o experimentos para detectar patrones de comportamiento.
Crecimiento económico
Resultados de las elecciones gubernamentales
Evolución del desempleo
Crisis económicas
Clima
Cotizaciones bursátiles
Resultado de lanzar una moneda
Todos los fenómenos anteriores tienen una característica común: son aleatorios. Ahora
bien, el hecho de que sean aleatorios no quita que existan algunos más aleatorios que otros.
Espacio muestral
José Francisco López
Lectura: 2 min
El espacio muestral está formado por todos los posibles resultados de un experimento
aleatorio. Es decir, se compone de todos y cada uno de los sucesos elementales.
El espacio muestral es una parte del espacio probabilístico. Como su propio nombre indica,
está formado por los elementos de la muestra. Al contrario, el espacio probabilístico
engloba todos los elementos. Incluso aunque no salgan recogidos en la muestra.
Ω = {C, X}
Dónde C es cara y X es cruz. Esto es, los posibles resultados son cara o cruz.
Ω = {1, 2, 3, 4}
Ω = {1 y 1, 1 y 2, 1 y 3, 1 y 4, 2 y 1, 2 y 2, 2 y 3, 2 y 4 … 4 y 4 }
Es decir, que en el dado rojo salga un 1 y que en el dado verde salga un 1, sería el primer
suceso elemental. El segundo suceso elemental consistiría en que en el dado rojo salga un 1
y en el verde un 2. Así hasta un total de 16 sucesos elementales.
A través de la historia se han desarrollado tres enfoques conceptuales diferentes para definir
la probabilidad y determinar los valores de probabilidad:
La teoría de la probabilidad es una herramienta matemática que establece un
conjunto de reglas o principios útiles para calcular la ocurrencia o no ocurrencia de
fenómenos aleatorios y procesos estocásticos.
En otras palabras, la teoría de la probabilidad está compuesta por todos los conocimientos
relativos al concepto de probabilidad. Se trata de un concepto, en esencia, matemático. Así
mismo, la probabilidad como rama de las matemáticas constituye un instrumento para la
estadística.
Conviene destacar que probabilidad y estadística no son la misma cosa. Son dos conceptos
relacionados pero diferentes. Al final de este artículo, explicaremos la diferencia entre estos
dos términos.
El enfoque clásico
Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse)
calcular el valor de probabilidad antes de observar cualquier evento de muestra.
Ejemplo:
Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una
piedra roja en un intento es:
Se ha observado que 9 de cada 50 vehículos que pasan por una esquina no tienen cinturón
de seguridad. Si un vigilante de transito se para en esa misma esquina un ida cualquiera
¿Cuál será la probabilidad de que detenga un vehículo sin cinturón de seguridad?
El enfoque subjetivo
Teoria axiomática:
Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que
una función definida sobre un conjunto de sucesos determine consistentemente sus
probabilidades. Fueron formulados por Kolmogórov en 1933.
Axiomas de Kolmogórov
Dado un conjunto de sucesos elementales, Ω, sobre el que se ha definido una σ-álgebra
(léase sigma-álgebra) σ de subconjuntos de Ω y una función P que asigna valores reales a
los miembros de σ, a los que denominamos "sucesos", se dice que P es una probabilidad
sobre (Ω,σ) si se cumplen los siguientes tres axiomas.
En términos más formales, una probabilidad es una medida sobre una σ-álgebra de
subconjuntos del espacio muestral, siendo los subconjuntos miembros de la σ-álgebra los
sucesos y definida de tal manera que la medida del total sea 1. Tal medida, gracias a su
definición matemática, verifica igualmente los tres axiomas de Kolmogórov. A la terna
formada por el espacio muestra, la σ-álgebra y la función de probabilidad se la denomina
Espacio probabilístico, esto es, un "espacio de sucesos" (el espacio muestral) en el que se
han definido los posibles sucesos a considerar (la σ-álgebra) y la probabilidad de cada
suceso (la función de probabilidad).
El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a
partir de probabilidades condicionadas:
Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un
accidente) es igual a la suma de multiplicar cada una de las probabilidades
condicionadas de este suceso con los diferentes sucesos A (probabilidad de un accidente
cuando llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A.
Para que este teorema se pueda aplicar hace falta cumplir un requisito:
Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas
las posibilidades (la suma de sus probabilidades debe ser el 100%).
Ejemplo: al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman un
sistema completo, no hay más alternativas: la suma de sus probabilidades es el 100%
Probabilidad condicionada
Las probabilidades condicionadas se calculan una vez que se ha incorporado información
adicional a la situación de partida:
Donde:
Por lo tanto:
P (B L A) = 1/6
P (A) = 1/2
Probabilidad compuesta
La probabilidad compuesta (o regla de multiplicación de probabilidades) se deriva de la
probabilidad condicionada:
Ejemplo 1º : Estudiamos el suceso A (porcentaje de varones mayores de 40 años casados)
y el suceso B (varones mayores de 40 años con más de 2 hijos) y obtenemos la siguiente
información:
De los varones mayores de 40 años y casados, un 30% tienen más de 2 hijos (suceso B
condicionado al suceso A).
Calcular la probabilidad de que un varón mayor de 40 años esté casado y tenga más
de 2 hijos (suceso intersección de A y B).
Por lo tanto:
P (A) = 0,35
P (B/A) = 0,30
Es decir, un 10,5% de los varones mayores de 40 años están casados y tienen más de 2
hijos.