Professional Documents
Culture Documents
3.1.- Introduccin:
En una tabla de distribucin de frecuencias, la frecuencia relativa de una
clase refleja la proporcin de las observaciones contenidas en sta, la cual puede ser
interpretada como la probabilidad de que un elemento cualquiera elegido al azar, del
conjunto de datos, pertenezca a dicha clase o que dicha clase ocurra.
No es posible predecir con certeza el nmero de habitantes enfermos en una
ciudad, el nmero de personas que es necesario examinar hasta encontrar una con cierto
virus, la duracin de una epidemia, etc., pero es posible expresar la medida de
probabilidad de que estos sucesos ocurran ya sea por un desarrollo emprico o bien por
una formulacin terica.
La probabilidad proporciona una medida de discriminacin de la ocurrencia
de eventos. No tiene la misma interpretacin la ocurrencia de un suceso A con
probabilidad 0.4 que otro con probabilidad 0.9. De esta manera, el inters primordial de
este captulo estar centrado en la produccin y caracterizacin de estas medidas de
discriminacin.
La probabilidad tiene un papel fundamental en el desarrollo de la estadstica.
Una adecuada comprensin de las leyes bsicas de la teora de probabilidades, permite
utilizar la metodologa estadstica de manera ventajosa.
Propiedades:
1. A A
2. A A
3. A B B A
4. A (B C ) ( A B) C
5. A
6. A A
7. A B B A
8. A (B C ) ( A B) C
9. A (B C) ( A B) (A C)
10. A (B C ) ( A B) (A C)
11. A AC
C
12. A A
C
13. AC A
C
14. ( A B) AC B C (*)
15. ( A B) C A C B C (*)
16. A B ( A B C ) ( A B) (B AC ) A (B AC )
17. B ( A B) ( B AC )
18. A ; A , para todo A .
19. A B A B
20. A B A
21. A B B
22. A A B
23. B A B
Notas:
Ejemplo 3.1
En una ciudad se observa el estado de salud de una persona, enfermo (d) o
no enfermo (d'), de las personas habitantes de la ciudad. En este caso, el experimento
consiste en seleccionar una persona y observar su estado de salud.
Si se observa un grupo de 10 habitantes de la ciudad, entre los cuales hay 4
enfermos y 6 sanos, entonces el espacio de muestras asociado ser
{d , d , d , d , d ' , d ' , d ' , d ' , d ' , d ' } que por definicin notacional se expresa como
1 {d , d ' } con cardinalidad 10, y slo dos clases: d y d'.
Si existen ms de dos clases de calidad, los espacios de muestras ,
asociados a , se expresarn en tantos elementos como clases.
Si el experimento consistiera en seleccionar dos habitantes al azar, de entre
los 10, para observar la secuencia de estados de salud, el espacio de muestras asociado a ese
experimento ser expresado por
2 {( d , d ), ( d , d ' ), ( d ' , d ), ( d ' , d ' )}
con slo cuatro clases y con cardinalidad 90 (por qu?)
En general, si se escogen n habitantes de la ciudad para observar
secuencialmente sus estados de salud, entonces el espacio de muestras ser expresado por
n {( x1 , x2 ,....., xn ) / xi {d , d ' }} .
n
n 1 1 ...... 1 i
i 1
Los espacios de muestras finitos son aquellos que tienen un nmero finito
de resultados posibles. Los espacios de muestras infinitos numerables son
identificados mediante una correspondencia biunvoca con el conjunto de los nmeros
naturales .
Un espacio de muestras que no es finito ni infinito numerable, es llamado
espacio de muestras infinito.
Ejemplo 3.2
i) Si se tiene un grupo con 10 personas de los cuales 4 estn enfermos y 6 estn sanos,
entonces el espacio muestral sera {d , d , d , d , d ' , d ' , d ' , d ' , d ' , d ' } el cual es
finito.
ii) Sea el experimento consistente en observar habitantes de la ciudad hasta
encontrar uno enfermo.
El espacio muestral asociado a {d , d ' d , d ' d ' d , d ' d ' d ' d ,......... ....} es infinito
numerable pues existe una correspondencia biunvoca con = {1,2,3,........}
iii) Sea el experimento consistente en registrar el porcentaje de la humedad relativa
del aire en un instante determinado.
Un espacio muestral asociado a este experimento aleatorio est dado por:
{x / 0 x 100} 0, 100
Definicin 3.1:
Sea un espacio de muestras asociado a un experimento .
Ejemplo 3.3
En el ejemplo 3.1, Se obtiene al menos una persona enferma" es un suceso
del espacio muestral, 2 {( d , d ), ( d , d ' ), ( d ' , d ), ( d ' , d ' )} y corresponde al conjunto
( d , d ), (d , d ' ), ( d ' , d ). }
El suceso "ninguna persona est enferma" es un suceso elemental y
corresponde a {( d ' , d ' )}.
Ejemplo 3.4
En el ejemplo 3.3, el suceso A: "al menos una persona est enferma" ocurre
si al observar dos personas, se presenta cualquiera de los siguientes resultados,
( d , d ), ( d , d ' ), ( d ' , d ) .
Observar que si ocurre AC = {( d ' , d ' )} (suceso AC:"ninguna persona est
enferma"), entonces el suceso A no ocurre.
n n
i) Ai y Ai son sucesos en
i 1 i 1
n
ii ) Ai ocurre si y solo si ocurre al menos un Ai
i 1
n
iii ) Ai ocurre si y solo si ocurren todos los Ai
i 1
En particular para n = 2
A1 A2 ocurre si y solo si ocurre al menos uno de los sucesos A1 o A2 o ambos
A1 A2 ocurre si y solo si A1 y A2 ocurren.
C C C C C C
a) ( A1 A2 A3 ) ( A1 A2 A3 ) ( A1 A2 A3 )
C C
b) ( A1 A2 A3 )
c) ( A1 A2 A3C ) ( A1 A2C A3 ) ( A1C A2 A3 ) ( A1 A2 A3 )
i) P(A) 0 A 2
1. P ( ) 0
2. Si A , B 2 entonces P(A B) = P(A) + P(B) - P(A B)
Demostracin:
A B = A (B - A) = A (B AC)
P(A B) = P(A (B AC)) = P(A) + P(B AC) (1)
por otro lado B tambin se puede escribir como la unin de sucesos mutuamente
excluyentes de la siguiente forma: B = (B AC) (A B)
luego P(B) = P(B AC) + P(A B) P(B AC) = P(B) - P(A B) (2)
reemplazando (2) en (1) obtenemos: P(A B) = P(A) + P(B) - P(A B)
3. Si A, B, C 2 entonces
P(A B C) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P(A B C)
Demostracin:
Basta considerar (A B) C y aplicar propiedad 3 dos veces.
n n n n n
P( Ai ) P( Ai ) P( Ai Aj ) P( Ai Aj Ak ) ........ ( 1) n 1 P ( Ai )
i 1 i 1 i j i j k i 1
5. Si A B i) P(A) P(B)
ii) P(B - A) = P(B AC) = P(B) - P(A)
6. Si A , B 2 entonces P( A B) P( A BC ) P( A) P( A B)
7. Si A 2 0 P(A) 1
Demostracin:
Como A P(A) P( ) = 1 y por definicin P(A) 0
8. Si A 2 P(AC) = 1 - P(A)
Demostracin:
A AC = P(A AC) = P( ) = 1
P(A) + P(AC) = 1
P(AC) = 1 - P(A)
1 1
i) P({ wi }) = = ; i = 1,2,......, n
# n
#A
ii) P(A) =
#
r
es decir si A tiene r elementos y tiene n entonces P(A) =
n
En efecto, si P : 2 est definida por P({ wi }) = p i ; i = 1,2,......, n tal que:
i) pi 0 i = 1,2,......, n
n
ii) pi 1
i 1
escribiendo = { w1 } { w2 } .. ... .. { wn }
n n n
se tendr pi P({wi }) P( {wi }) P( ) 1
i 1 i 1 i 1
1 1 1
....... ( r veces)
n n n
r
n
# Ai
#
F1 , F2 , F3
P: 2
Donde P, a su vez, se define como sigue
P F2 2 P F1 P F3 (*)
y debe cumplirse que P F1 P F2 P F3 1
por lo tanto, reemplazando (*) en esta ltima ecuacin y resolviendo se obtiene
1 2
P F1 ; P F2 P F3
5 5
Luego la probabilidad de que un habitante de la ciudad no sufra contaminacin por plomo
4
es P F2 P F3
5
Observacin: Un espacio infinito no puede ser equiprobable.
Definicin 3.4
Sea ( , 2 , P) un espacio de probabilidad asociado a un experimento .
Sea B 2 tal que P(B) > 0, se define la medida de probabilidad condicional al suceso
P( A B)
B como PB ( A) y se lee probabilidad de A dado B
P ( B)
Aqu cabe realizar los siguientes comentarios aclaratorios:
Ejemplo 3.8
En una caja que contiene 20 frascos de remedios se observa que 8 son de jarabe
para la tos (de los cuales 5 estn vencidos) y 12 son de jarabe para la digestin (con 9
vencidos).
Si un frasco elegido al azar es jarabe para la digestin. Cul es la probabilidad
de que est vencido?.
P A B P ( B) PB ( A)
Anlogamente, P A B P ( A) PA ( B ), si P ( A) 0 y PA (B ) son
conocidos.
Una generalizacin de esto est contemplada en la siguiente proposicin.
Ejemplo 3.9:
En un edificio hay 20 personas, 8 de las cuales presentan sntomas de estar
infectados con un cierto virus. Para declarar cuarentena en el edificio se examinan
sucesivamente sin reemplazo 3 de estas personas y si ninguna de ellas presenta sntomas no
se declara cuarentena Cul ser la probabilidad de no declarar cuarentena en el edificio?.
Si se define los siguiente sucesos:
Z : se declara cuarentena.
Ai : la i-sima persona examinada presenta sntomas, i = 1, 2, 3,
entonces Z A1c A2c A3c )
Luego,
P(Z ) P( A1c A2c A3c ) P ( A1c ) PA ( A2c ) PA
1
c
1
c
A2c ( A3c )
12 11 10 1320
= 0.1929
20 19 18 6840
Es decir existe un 19.29 % de posibilidades de no declarar cuarentena.
Hay situaciones en las que resulta ventajoso identificar sucesos
incompatibles cuya unin sea el espacio de muestras , para que con referencia a ellos se
pueda calcular probabilidades de otros sucesos de inters. En tal caso, se presenta la
siguiente definicin
Definicin 3.5:
Sea ( , 2 , P) un espacio de probabilidad asociado a un experimento .
Los sucesos A1 , A2 ,...., Ak sobre 2 determinan una particin probabilstica o particin
medible de si:
i) A1 , A2 ,...., Ak son incompatibles.
ii) P( Ai ) > 0 ; i
k
iii) Ai
i 1
k
= P( Ai ) PAi ( B)
i 1
Demostracin:
. .
B ( A1 B ) ( A2 B ) ...... ( Ak B )
P( B) P( A1 B) P( A2 B ) ...... P ( Ak B)
= P ( A1 ) PA1 ( B ) P ( A2 ) PA2 ( B ) ...... P ( Ak ) PAk ( B )
Ejemplo 3.10:
En un hospital peditrico de acuerdo al estado nutricional se sabe que el 60% de
los nios son normales, el 30% son desnutridos y el 10% restante son obesos. El 40% de los
normales tiene menos de 10 aos, en los desnutridos el 60% tiene menos de 10 aos y en
los obesos el 80% tiene ms de 10 aos.
El directorio desea conocer cul ser el porcentaje de nios con menos de 10
aos en el hospital.
Se denotan los siguientes sucesos A: el nio tiene menos de 10 aos.
O: el nio es normal.
E: el nio es desnutrido.
S: el nio es obeso.
Se sabe que: P (O ) 0.6; P ( E ) 0.3; P ( S ) 0.1
Adems, PO ( A) 0.4; PE ( A) 0.6 y PS ( A) 0.8
Luego,
P ( A) P (O ) PO ( A) P ( E ) PE ( A) P ( S ) PS ( A) 0. 6 * 0. 4 0.3 * 0.6 0.1 * 0.8 0.5
es decir, el 50% de los nios del hospital tiene menos de 10 aos.
Demostracin:
P( Ai B)
PB ( Ai )
P( B )
P( Ai ) PAi ( B)
= k
por proposicin 3.6.2
P( A j ) PAj ( B)
j 1
Ejemplo 3.12:
El control del nio sano se realiza en tres consultorios los cuales se
distribuyen de la siguiente manera:
20% de los nios fue controlado en el consultorio norte
50% de los nios fue controlado en el consultorio centro
30% de los nios fue controlado en el consultorio sur
De los nios controlados en el consultorio norte el 5% presenta problemas
respiratorios; de los controlados en el consultorio centro el 2% presenta problemas
respiratorios y en el consultorio sur el 3% presenta problemas respiratorios.
Se escoge un nio al azar y se encuentra que presenta problemas respiratorios
En qu consultorio es ms probable que haya sido controlado?
Sea B el suceso "el nio presenta problemas respiratorios".
H1 el suceso el nio es controlado en el consultorio norte
H2 el suceso el nio es controlado en el consultorio centro
H3 el suceso el nio es controlado en el consultorio sur
Con la informacin dada se tiene que
P(H1) = 0.2 ; P(H2) = 0.5 ; P(H3) = 0.3
Adems PH1 (B ) = 0.05 ; PH 2 (B ) = 0.02 ; PH 3 (B ) = 0.03
Luego, por proposicin 3.6.2 se tiene
P( B) P( H 1) PH 1 ( B ) P( H 2) PH 2 ( B) P ( H 3) PH 3 ( B)
= 0.2 * 0.05 + 0.5*0.02 + 0.3 *0.03
= 0.01 + 0.01 + 0.009 = 0.029
0.009
luego PB (H 1) = 0.31
0.029
Es decir el 31% de los nios con problemas respiratorios es atendido en el
consultorio norte. Como ejercicio el lector puede calcular las probabilidades de que el nio
haya sido controlado en los otros consultorios y decidir cul es el consultorio que con
mayor probabilidad, control al nio con problemas respiratorios observado.
Ejemplo 3.13:
La urna 1 contiene X esferas blancas e Y esferas rojas, la urna 2 contiene Z
esferas blancas y T rojas.
Se toma una esfera de la urna 1 y se pone en la urna 2, luego se elige una
esfera de la urna 2 Cul es la probabilidad de que la esfera elegida de la urna 2 sea blanca?
y si la esfera elegida de la urna 2 es blanca Cul es la probabilidad de que la esfera elegida
de la urna 1 haya sido roja?
Sean los sucesos Bi = {La esfera elegida de la urna i es blanca} (i 1, 2)
Ri = {La esfera elegida de la urna i es roja} (i 1, 2)
Pudiera ser que las soluciones dadas a los ejemplos anteriores insinan
simplicidad en el clculo de este tipo de probabilidades. No obstante esta simplicidad se
fundamenta en la estructura terica que se ha estado describiendo.
En el ejemplo 3.10 el espacio de muestras est dado por
(d c , d c , d c ), (d c , d c , d ), (d c , d , d c ), (d c , d , d ), (d , d c , d c ), (d , d c , d ), (d , d , d c ), ( d , d , d )
c
donde "d " designa a un nio con menos de 10 aos y " d " al nio con 10 aos o ms.
Estos artculos son elegidos sin reemplazo.
Los resultados de pueden visualizarse por un diagrama de rbol de la
siguiente forma
El cardinal de se obtiene por el principio del producto de la
siguiente forma
# 20 19 18 P (20,3) 6840
# A1 12 11 10 12 8 11 12 11 8 12 8 7 4104
al aplicar el principio del producto y el principio de suma.
# A1 4104 12 3
Luego, P ( A1 ) 0.6
# 6840 20 5
Definicin 3.6:
Sea ( , 2 , P) un espacio de probabilidad asociado a un experimento .
Sean A1 y A2 2 entonces se dir que A1 y A2 son sucesos independientes si
P A1 A2 P ( A1 ) P( A2 ).
En esta expresin A1 y A2 pueden ser sucesos de probabilidad nula. No
obstante, si alguno de ellos tiene probabilidad de ocurrencia no nula, por ejemplo
P ( A2 ) 0, entonces se puede escribir
P ( A1 A2 ) P( A1 ) P ( A2 )
P( A2 ) P ( A2 )
lo que conduce a P( A1 / A2 ) P( A1 )
que corresponde a la expresin . Similarmente, si P ( A1 ) 0 se puede escribir
P( A2 / A1 ) P( A2)
cuando existe independencia entre A1 y A2 .
Ejemplo 3.14
Si cc, sc, cs, ss y A1 cc, ss ; A2 cc, cs y A3 cc, sc
1
entonces P ( Ai Aj ) P( Ai ) P( A j ) i j
4
Es decir, A1 y A2 son independientes, A1 y A3 son independientes, A2 y A3 son
independientes.
Comentarios :
Ejemplo 3.15:
En el ejemplo 3.8 anterior los sucesos "El frasco es de jarabe para la digestin" y "El
frasco est vencido" no son sucesos independientes pues
P(B F) = 209 = 0.45
P(B)P(F) = ( 14 12
20 ) ( 20 ) = 0.70 * 0.60 = 0.42
luego P(B F) P(B)P(F)