DEFINICIONES DE PROBABILIDAD

Antes de profundizar en la forma como se utilizan las probabilidades, es necesario conocer de cierta manera de donde provienen. Hay tres formas de calcular o estimar la probabilidad. El enfoque clsico o "a priori" proveniente de los juegos de azar o definicin clsica de Laplace que se emplea cuando los espacios muestrales son finitos y tienen resultados igualmente probables; la definicin emprica, "a posteriori" o frecuencial que se basa en la frecuencia relativa de ocurrencia de un evento con respecto a un gran nmero de ensayos repetidos y por ltimo la definicin de Kolmogorov o definici6n axiomtica de probabilidad. Seleccionar uno de los tres enfoques depender de la naturaleza del problema.

DEFINICIN CLSICA DE LAPLACE O "A PRIORI" Esta definicin es de uso limitado puesto que descansa sobre la base de las siguientes dos condiciones: 1. El espacio muestra de todos los resultados posibles S es finito. 2. Los resultados del espacio muestra deben ser igualmente probables. Bajo estas condiciones y si A es el evento formado por n(A) resultados del espacio muestra y, el nmero total de resultados posibles es n(S), entonces

Ejemplo 24: Si se extrae una carta de un paquete de 52 cartas de las cuales 26 son negras (13 espadas A, 2, 3, , 10, J, Q, K; 13 son trboles); y 26 son rojas (13 corazones y 13 diamantes), la probabilidad de que la carta sea un as es porque el evento de "extraer un as" consta de 4 de los 52 resultados igualmente probables. La probabilidad de que la carta sea negra es y la probabilidad de que sea un diamante es .

Ejemplo 25: Al lanzar un dado, cul es la probabilidad de obtener un nmero par?

Solucin: S ={1, 2, 3, 4, 5, 6}, y hay tres pares, luego,

Ejemplo 26: Cul es la probabilidad de que una familia que tiene tres hijos, hayan dos nias y un nio, si se considera igualmente probable el nacimiento de un nio o nia? Solucin: Usando "a" para nia y "o" para nio, el espacio muestra es: S = {aaa, aao, aoa, aoo, oaa, oao, ooa, ooo} n(S) = 8 El evento A en que hayan dos nias y un nio es A = {aao, aoa, oaa, } n(A) = 3

Obsrvese que siempre 0 < P(A) < 1, puesto que 0 < n(A) < n(S).

DEFINICIN EMPRICA "A POSTERIORI" 0 FRECUENCIAL La definicin clsica se ve limitada a situaciones en las que hay un nmero finito de resultados igualmente probables. Por desgracia, hay situaciones prcticas que no son de este tipo y la definicin de Laplace no se puede aplicar. Por ejemplo, si se pregunta por la probabilidad de que un paciente se cure mediante cierto tratamiento mdico, o la probabilidad de que una determinada mquina produzca artculos defectuosos, entonces no hay forma de introducir resultados igualmente probables. Por ello se necesita un concepto ms general de probabilidad. Una forma de dar respuesta a estas preguntas es obtener algunos datos empricos en un intento por estimar las probabilidades. Supongamos que efectuamos un experimento n veces y que en esta serie de n ensayos el evento A ocurre exactamente r veces, entonces la frecuencia relativa del evento es ,o sea,

Si continuamos calculando esta frecuencia relativa cada cierto nmero de ensayos, a medida que aumentamos n, las frecuencias relativas correspondientes sern ms estables; es decir; tienden a ser casi las mismas; en este caso decimos que el experimento muestra regularidad estadstica o estabilidad de las frecuencias relativas. Esto se ilustra en la siguiente tabla, de una moneda lanzada al aire 1000 veces.

# de lanzamientos 1 - 100 100 - 200 200 - 300 300 - 400 400 - 500 500 - 600 600 - 700 700 - 800 800 - 900 900 -1000 Total: 1000

# de caras 52 53 52 47 51 53 48 46 52 54 508

Frecuencia Frecuencia relativa acumulada 0.52 0.53 0.52 0.47 0.51 0.53 0.48 0.46 0.52 0.54 0.508 52 105 157 204 255 308 356 402 454 508

Frecuencia acumulada relativa 0.520 0.525 0.523 0.510 0.510 0.513 0.509 0.503 0.504 0.508

En un total de 1000 lanzamientos ocurrieron 508 caras, es decir la frecuencia relativa es aproximadamente 0.50. Tres investigadores realizaron experimentos y obtuvieron los siguientes resultados Investigador Buffon Nmero de lanzamientos 4040 Nmero de caras 2048 Frecuencia relativa 0.5069

K. Pearson K. Pearson

12000 24000

6019 12012

0.5016 0.5005

La mayora de experimentos aleatorios de importancia prctica tienen estabilidad, por esto podemos sospechar que prcticamente ser cierto que la frecuencia relativa de un evento E en un gran nmero de ensayos es aproximadamente igual a un determinado nmero P(E), o sea, la probabilidad del evento E es

Obsrvese que este nmero es una propiedad que no depende solamente de E, sino que se refiere a un cierto espacio muestra S y a un experimento aleatorio. Entonces, decir que el evento E tiene probabilidad P(E) significa que si efectuamos el experimento muchas veces, es prcticamente cierto que la frecuencia relativa de E, fr(E) es aproximadamente igual a P(E). Cuando se usa la definicin frecuencial, es importante tomar en cuenta los siguientes aspectos: i. ii. La probabilidad obtenida de esta manera es nicamente una estimacin del valor real. Cuanto mayor sea el nmero de ensayos, tanto mejor ser la estimacin de la probabilidad; es decir, a mayor nmero de ensayos mejor ser la estimacin. La probabilidad es propia de slo un conjunto de condiciones idnticas a aqullas en las que se obtuvieron los datos, o sea, la validez de emplear esta definicin depende de que las condiciones en que se realiz el experimento sean repetidas idnticamente.

iii.

DEFINICIN AXIMATICA DE KOLMOGOROV Las definiciones anteriores son netamente empricas o experimentales, sin embargo despus de establecer una forma de determinar la probabilidad experimentalmente, se pueden deducir leyes o propiedades de la probabilidad en forma lgica o computacional bajo ciertas suposiciones llamados axiomas de la probabilidad. La probabilidad de un evento A se define como el nmero P(A), tal que cumple con los siguientes axiomas:

AXIOMA 1: La probabilidad P(A) de cualquier evento no debe ser menor que cero ni mayor que uno: 0 < P(A) < 1 AXIOMA 2: P(S) = 1 AXIOMA 3: Si A y B son dos eventos mutuamente exclusivos (A B = ), entonces: P (A B) = P(A) + P(B) Toda la teora elemental de la probabilidad est construida sobre las bases de estos tres simples axiomas. Si el espacio muestral es infinito, debemos reemplazar el axioma 3 por el AXIOMA 4: Si A1, A2, son eventos mutuamente exclusivos, entonces tenemos que P(A1 A2 ) = P(Al) + P(A2) ++