Professional Documents
Culture Documents
UBA
UNIDAD 1. PROBABILIDAD
Concepto de aleatoriedad
Cuando se trabaja sobre fenmenos econmicos como objeto de estudio, como ser la
demanda de cierto producto, la inflacin, la balanza comercial, la evolucin de precios,
vale decir que sus posibles causas o factores que influyen en su comportamiento son
puntos de inters relevantes para su explicacin y comprensin efectiva.
Causas reconocidas
Causas desconocidas:
factores aleatorios
Fenmeno
Econmico
Explicacin del
fenmeno:
Patrn de
comportamiento
Experiencia
Registro y
estudio
Definicin
Hecho o situacin del que
no es posible predecir su
resultado.
Ejemplos
Se lanza un dado y se observa la
cara superior.
Espacio muestral
asociado a un
experimento aleatorio
(E; )
Evento
suceso aleatorio
(A,B )
Ocurrencia de un suceso
Sucesos especiales
Suceso cierto
Suceso imposible
Suceso elemental {x}
Los sucesos especiales se definen de esa manera ya que como todo conjunto es
subconjunto de s mismo, el espacio muestral es un suceso y tiene la particularidad
de que siempre ocurre, ya que cualquiera sea el resultado obtenido en el experimento,
pertenece a .
El conjunto vaco o sin elementos tiene la propiedad de estar contenido en todo
conjunto ( A A conjunto) ya que para demostrar que esto no es cierto, debera
poder encontrarse un elemento en el conjunto vaco que no pertenezca al conjunto A
dado y esto no es posible. De esta forma, tambin es un suceso y al no tener
elementos nunca podr ocurrir.
Por ltimo, los sucesos elementales son aquellos que tienen un nico elemento. stos
tienen la propiedad de ser disjuntos dos a dos (nunca comparten elementos) y la unin
de todos ellos cubre todo el espacio muestral.
A partir de esto pueden definirse los sucesos simples como aquellos que dependen de
un nico resultado de un fenmeno aleatorio, y sucesos complejos o compuestos a los
que surgen de la combinacin de dos o ms sucesos simples.
Para obtener sucesos compuestos pueden realizarse, entre dos o ms sucesos, las
operaciones bsicas definidas entre conjuntos, dado que las dems combinaciones
que pueden considerarse, pueden expresarse en funcin de stas.
o excluyente.
Interseccin Producto de La interseccin entre dos
sucesos:
sucesos A y B ocurre
cuando ocurren A y B
AB = { x : x A y x B}
simultneamente.
Observaciones
En general, para que ocurra
una unin basta que ocurra al
menos uno de los sucesos
que participan de ella.
Complemento Negacin de
un suceso:
= { x : x A }
A-B
decir A-B = AB
.
Concepto de Probabilidad
Puede decirse que el concepto de probabilidad goza de bastante popularidad dado que
se difunden masivamente datos de diferentes reas que involucran cifras que expresan
probabilidades.
En escenarios de incertidumbre es donde esta nocin cobra un rol destacado ya que
aunque no es posible predecir con certeza la ocurrencia de hechos aleatorios, puede
llegarse a cuantificar la posibilidad de ocurrencia de sucesos de estas caractersticas.
Existe una nocin intuitiva o cultural que permite obtener probabilidades
identificndolas con proporciones aunque para que esto sea correcto deben cumplirse
algunas condiciones.
Se dice que un espacio muestral es equiprobable si todos los resultados del fenmeno
asociado tienen la misma posibilidad de ocurrir.
Definicin clsica de probabilidad de Laplace: Dado un espacio muestral finito y
equiprobable, para un suceso A se define la probabilidad de A como:
P(A)=
Nde elementos de A
Nde elementos de
Los espacios muestrales que gozan de esta propiedad por excelencia son los
correspondientes a los juegos de azar (legales) donde el sistema por el que se generan
los resultados garantiza la equiprobabilidad.
Ejemplo: Siguiendo con el lanzamiento del dado y los sucesos ya mencionados:
A = sale par= { 2, 4, 6}; B = sale mayor que 4 = {5, 6} C = sale as = {1}
Resultan sus probabilidades, aplicando la definicin clsica:
P(A)= 3/6 = 0,5
Como
A A=
A A=
por
el
Ax.
III
puede
decirse
que
B
B -A
A
Dado que por el Ax. I es P(B-A) 0 entonces P(B) = P(B-A)+P(A) 0 + P(A) = P(A) que
es lo que se quera probar.
Observacin importante: La inclusin es una relacin que se define entre conjuntos en
general, que cumple con todas las propiedades de una relacin de orden. De esta
manera pueden considerarse conjuntos mas grandes ms chicos que otros.
Ntese que la probabilidad de conjuntos ms chicos es un nmero menor que la de
los conjuntos ms grandes. La importancia de la transferencia de la relacin de orden
a las probabilidades es que permite interpretarla como una medida de los conjuntos.
La probabilidad formalmente es un concepto que se desarrolla dentro de la teora de la
medida, rea muy fecunda de la matemtica pura.
Coralario 1 de la propiedad: 0 P(A) 1 A
Coralario 2 de la propiedad: Si A B entonces P(B-A) =P(B)-P(A)
Dem: Como vimos en la propiedad, P(B)=P(B-A)+P(A) de lo que se deduce
inmediatamente lo que se quiere probar.
Teorema de la suma o de probabilidad total: P(AUB) = P(A)+P(B)-P(AB)
Dem: Dado que es posible expresar al suceso
A B A B A
por se tratarse de una unin de sucesos mutuamente
excluyentes, aplicando el Ax. III resulta
AUB
B-A
A
B P(PA(B)B)
P A
P(AB) = P(B/A).P(A)
6} resulta P(AUB) = 2/3 y P(A) + P(B) P(AB) = + -P({4; 6}) = 1- 1/3 = 2/3
verificndose el teorema de la suma.
Para los mismos sucesos del caso anterior, P(A/B) = P(AB)/P(B) =(1/3)/(1/2) = 2/3
y P(B/A) = P(AB)/P(A) = (1/3)/(1/2) = 2/3. En ambos casos la probabilidad
condicional no coincide con la del suceso sin condicionar, por lo tanto A y B no son
independientes.
Dados los sucesos A = sale mayor que 4 y B = Sale impar se tiene que
P(A) = 1/3
y
P(B) = 1/2 y al calcular
P(A/B) = P(AB)/P(B) = P({5})/(1/2) = (1/6)/(1/2) = 1/3
P(B/A) = P(AB)/P(A) = P({5})/(1/3) = (1/6)/(1/3) = 1/2
En este caso P(A/B) = P(A) y P(B/A) = P(B), por lo tanto A y B resultan ser sucesos
independientes
Importante: Sucesos mutuamente excluyentes Sucesos independientes
Si dos sucesos son mutuamente excluyentes entonces P(AB)=0 por lo tanto si P(A)>0
y P(B)>0 (o sea que no son imposibles) entonces:
P(A/B)=P(B/A)=0 asi que P(A/B)P(A) y P(B/A)P(B)
es decir que A y B no son independientes. Por lo tanto hemos probado que:
Si dos sucesos son mutuamente excluyentes entonces son dependientes.
Vale decir tambin que no todo par de sucesos dependientes son mutuamente
excluyentes, por ejemplo si P(A)=1/2, P(B)=1/4 y P(AB)=1/6 se verifica que A y B son
dependientes ya que P(A).P(B)P(AB) y no son mutuamente excluyentes.
Por lo tanto puede decirse que los sucesos mutuamente excluyentes son un caso
particular de los sucesos dependientes, pero no son todos ya que hay sucesos
dependientes con interseccin no vaca.
Mutuamente
excluyentes
Dependientes
Independientes
E8
a) Ai Ai 1 i k
A2
A1
b) = 1 y
A3
c) Ai Aj = i j
Ai
Ak
Esta nocin se refiere a un cubrimiento exhaustivo del espacio, es decir que cada
elemento del espacio pertenece a algn conjunto de la particin y slo a uno de ellos.
De esta manera, para todo suceso B , ste tambin puede partirse mediante la
particin que se tenga de , en subconjuntos mutuamente excluyentes de la forma
(B Ai) tales que:
B = 1( )
(B Ai) (B Aj) = si i j
P(A )P(B/A )
k
Ai
entonces
1 i k
Ai
B = B
1i k
Por la propiedad distributiva de la interseccin respecto de la unin se obtiene que
(B Ai )
B=
1 i k
Como por definicin de probabilidad conjunta se verifica que P(B Ai) = P(Ai).P(B/Ai)
se arriba finalmente al resultado del teorema:
P(B) =
P(A )P(B/A )
k
Se quiere calcular P(A) sabiendo que hay dos nicas posibilidades (exhaustivas) ya
que cualquier alumno puede ser recursante o no, con probabilidad conocida y se saben
las probabilidades del suceso el alumno aprueba segn a que categora pertenezca ser recursante o no- entonces puede aplicarse la ley de la probabilidad total:
).P(A/R
)
P(A) = P(R). P(A/R) + P(R
P(A) = 0,25 . 0,62 + 0,75 . 0,35
P(A) = 0,4175
Rta.: La probabilidad de que un alumno elegido al azar apruebe lgebra I es 0,4175.
Teorema de Bayes o de las causas
Dadas las mismas condiciones en que se aplica la Ley de Probabilidad Total, es posible
obtener la probabilidad condicional de cualquier suceso A i perteneciente a la particin,
al que se lo identifica como causa, sabiendo de la ocurrencia del suceso B,
reconocido como efecto.
10
Ai
P(Ai )P(B/Ai )
i, 1 i k
k
B
P(A
)
P(B/A
)
i
i
Ai
P(Ai B)
A
Dem: Como P i
por definicin de probabilidad condicional, y al poder
B
P(B)
expresar
P
Ai
la
probabilidad
P(Ai )P(B/Ai )
B
P(B)
conjunta
como
P Ai B P B P(Ai )
Ai
resulta
Ai
P(Ai )P(B/Ai )
i, 1 i k
k
B
P(A
)
P(B/A
)
i
i
1
que para todo valor de i tal que 1 i k coincide con el resultado del Teorema de Bayes
o de las causa.
Ejemplo integrador: Se tienen dos urnas, una con dos bolillas rojas y una blanca y otra
con dos bolillas rojas y dos blancas. Se lanza moneda cargada y si sale cara se saca
una bolilla al azar de la primera urna, sino se saca una de la segunda urna. Se sabe
que la probabilidad de obtener cara al lanzar la moneda es 1/3.
cara
U1
ceca
U2
Roja
Cara=U1
Blanca
Moneda
Roja
Ceca=U2
Blanca
Prof. LAURA POLOLA
Roja
Cara=U1
2/3
1/3
Blanca
Para
calcular
las
probabilidades
condicionales, se utiliza la definicin clsica
ya que las bolillas se seleccionan al azar
con equiprobabilidad.
De esta forma P(R/U1) = 2/3 y P(R/U2)
=2/4=1/2.
1/3
Moneda
Roja
Ceca=U2
1/2
2/3
Blanca
1/2
2/5
R
P(R)
5/9
12