TEORIA DE LA PROBABILIDAD Y PROCESOS ALEATORIOS TEORIA DE LA PROBABILIDAD Hasta ahora hemos estudiado seales cuyos valores en cualquier instante

t se conocan por su descripcin analtica o grfica. Estas seales se llaman determinsticas, lo que implica una completa seguridad acerca de sus valores en cualquier instante t. Estas seales, que pueden especificarse con certeza, nunca pueden conducir informacin. En el captulo 8 se ver que la informacin est relacionada con la incertidumbre. Entre mayor sea la incertidumbre relativa a la recepcin de una seal (o mensaje), mayor ser su contenido de informacin. Si un mensaje que se va a recibir est bien especificado ( o sea, si se conoce de antemano), no puede conducir informacin alguna. En consecuencia, las seales que conducen informacin deben ser impredecibles. Las seales de ruido que perturban a las seales de informacin son tambin impredecibles. Estas formas de onda de seales y ruido impredecibles son ejemplos de procesos aleatorios. Los fenmenos aleatorios surgen debido a nuestra parcial ignorancia acerca del mecanismo generador (como sucede en las seales de mensaje o de ruido) o porque las leyes que gobiernan a los fenmenos pueden ser fundamentales aleatorias ( como sucede en la mecnica cuntica). No obstante, en otros casos, como el resultado de tirar un dado, es posible predecir el resultado siempre que se conozcan exactamente todas las condiciones, como el ngulo de tiro, la naturaleza de la superficie sobre la que se tira, la fuerza que imparte el jugador, y otras. Sin embargo, el anlisis exacto es tan complejo que prcticamente no es posible llevarlo a cabo, as que tenemos que contentarnos con aceptar la prediccin del resultado sobre una base de promedio. Aqu se presenta el fenmeno aleatorio por el poco inters de practicar el anlisis exacto, ya que el problema no lo amerita. Comenzamos con un repaso de los conceptos bsicos de la teora de la probabilidad, que forma la base para la descripcin de los procesos aleatorios. 1.1. INTRODUCCION A LA TEORIA DE LA PROBABILIDAD Comenzaremos por definir algunos trminos importantes. Un experimento se llama aleatorio si su resultado no puede predecirse con exactitud porque las condiciones bajo las cuales se realiza no pueden ser determinadas completamente y con suficiente exactitud. Lanzar una moneda al aire, arrojar un dado y sacar una carta de un mazo son algunos ejemplos de experimentos aleatorios. Un experimento aleatorio puede tener varios resultados posibles identificables. Por ejemplo, el tiro de un dado tiene seis resultados identificables posibles (1,2,3,4,5 y 6). Los eventos son conjuntos de resultados posibles que cumplen ciertas especificaciones. En el experimento de tirar un dado por ejemplo, el evento de nmero impar

en una tirada puede ser uno cualquiera de los tres resultados (1,3 y 5). De esta forma, los eventos son agrupamientos de resultados posibles en clases entre los cuales elegimos para distinguirlos. Estas ideas pueden comprenderse mejor mediante los conceptos de la teora de los conjuntos. Definimos al espacio muestra como una coleccin de todos los resultados posibles que se identifican por separado, de un experimento aleatorio. Cada resultado posible es un elemento, o punto muestra, de este espacio y puede representarse en forma conveniente mediante un punto dentro del espacio muestra. En el experimento aleatorio del tiro de un dado, por ejemplo, el espacio muestra consta de seis elementos que se representan mediante seis puntos muestra 1 , 2 , 3 , 4 , 5 y 6 , donde 6 representa el evento se ha tirado un nmero i (Fig. 1.). Por otra parte el evento es un subconjunto de El evento se ha tirado un nmero impar, que se . AO , es un subconjunto de ( o un conjunto de representa por puntos muestra 1 , 3 y 5 ). En forma similar, el evento se ha tirado un nmero par, es otro subconjunto de o un conjunto de puntos ( muestra 2 , 4 y 6 ).
Ao = ( 1 , 3 , 5 )

Ae = ( 2 , 4 , 6 )

Si representamos el evento se ha tirado un nmero igual o menor que 4 como B, entonces B = ( 1 2 , 3 , 4 ). Estos eventos aparecen marcados claramente en la figura 5.1. Observe que un resultado posible puede tambin ser un evento, ya que un resultado posible es un subconjunto de con un solo elemento. El complemento de cualquier evento A, que se representa por C , es el evento que contiene a todos los puntos que no pertenecen A a A. As, para el evento B de la figura 5.1, c c c B = ( 5 , 6 ), Ao = Ae , yAe = Ao . Un evento que no tiene puntos muestra es un evento nulo, se representa por y es igual a . La unin de los eventos A y B, que se representa por A B , es el evento que contiene a todos los puntos de A y B. Este es el evento A o B. Para los eventos de la figura 1.
Ao B = ( 1 3 5 , 2 4 )
Ae B = ( 2 4 , 6 , 1 , 3 )

Figura: 1.1. Espacio muestra para un tiro de un dado. Observe que

A B = B A

(1.1.)

La interseccin de los eventos A y B que se representa por A B o simplemente AB, es el evento que contiene a los puntos comunes a A y B. Es el evento tanto A como B. De esta forma, el evento Ae B, se ha tirado un nmero que es par e igual a o menor que 4, es un conjunto 2 , 4
Ae B = ( 2 , 4 ) A o B = ( 1 , 3 )

Observe que AB=BA (1.2.)

Todos estos conceptos se pueden demostrar sobre un diagrama de Venn (Fig.1.2.) Si los eventos A y B son tales que AB= (1.3.)

Se dice entonces que A y B son eventos ajenos, o mutuamente exclusivos. Esto significa que los eventos A y B no pueden ocurrir de manera simultnea. En la figura 1.1., los

Fig. 1.2. Representacin del complemento. Unin e interseccin de eventos. Eventos Ae yA o son mutuamente exclusivos, lo que significa que en cualquier intento del experimento, si ocurre Ae no podr ocurrir Ao al mismo tiempo, y viceversa. Frecuencia relativa y probabilidad Aunque el resultado posible de un experimento aleatorio es impredecible, existe una regularidad estadstica respecto de los resultados. Por ejemplo, si se lanza una moneda al aire un gran nmero de veces, aproximadamente la mitad de las veces el resultado ser cara y la otra mitad de las veces ser cruz. Podemos decir que la frecuencia relativa del resultado de cara o cruz es un medio. Sea A uno de los eventos de un experimento aleatorio. Si se conduce una sucesin de N intentos independientes* de este experimento, y si ocurre el evento A en N (A) de esos N intentos, entonces la fraccin
N ( A) N N

f ( A) = lim

(1.4.)

Se llama frecuencia relativa del evento A. Observe que para una N pequea, la fraccin N(A)/N puede variar ampliamente con N. Sin embargo, cuando N aumenta, la fraccin tender hacia un lmite debido a la regularidad estadstica. La probabilidad de un evento tiene las mismas connotaciones que la frecuencia relativa de ese evento. En consecuencia, a cada evento se asigna una probabilidad de que es igual a la frecuencia relativa de ese evento. Por lo tanto, a un evento A se asigna la probabilidad P(A) en la forma
P ( A) = lim N ( A) N N

(1.5.)

De la ecuacin (1.5), se deduce

0 P ( A) 1

(1.6.)

EJEMPLOS 1.1. Asignaremos probabilidades a cada uno de los seis resultados posibles de la figura 1.1. SOLUCION: Ya que cada uno de los seis resultados es igualmente probable en un gran nmero de intentos independientes, cada resultado posible aparecer en una sexta parte de los intentos. Por lo tanto,
P ( i ) = 1 , i = 1,2,3,4,5, 6 6

(1.7.)

Ahora consideremos los dos eventos A y B de un experimento aleatorio. Suponga que se conducen N intentos independientes del experimento, y los eventos A y B ocurren a N(A) y N(B) intentos, respectivamente. Si A y B son mutuamente exclusivos (o ajenos), entonces si A ocurre, B no podr ocurrir, y viceversa. Por lo tanto, el evento A B ocurre en N(A) + N(B) intentos y

P( A B ) = lim

N ( A) + N ( B) N N

= P(A) + P(B) si AB =
(1.8) Este resultado puede extenderse a ms de dos eventos mutuamente exclusivos EJEMPLO 1.2. Asignaremos probabilidades a los eventos figura 1.1. SOLUCION Ya que Ae = ( 2 4 6 ) en donde 2 , 4 , y 6 son mutuamente exclusivos,
Ae , Ao , B, Ae , B, yA o B de la

P ( Ae ) = P ( 2 ) + P ( 4 ) + P ( 6 )

De la ecuacin (1.7.) se deduce,

P ( Ae ) = 1 / 2

(1.9.a.)

En forma similar,
P ( Ao ) = 1 / 2 P( B) = 2 / 3

(1.9b.) (1.9c.)

En la figura 1.1. se observa tambin que

Ae B = 2 4

Y
P ( Ae B ) = P ( 2 ) + P ( 4 ) = 1 / 3 De manera similar,
P ( Ao B ) =1 / 3

(1.10 a.)

(1.10 b.) Adems, se puede demostrar que

P ( =1 )

(1.11.)

Este resultado puede probarse utilizando la frecuencia relativa. Si un experimento aleatorio se repite N veces (N, grande), ya que la unin es de todos los resultados posibles, ocurre en cada intento. En consecuencia, N de cada N intentos son favorables a y el resultado se deduce de inmediato. EJEMPLO 1.3. Se tiran dos dados. Determinaremos la probabilidad de que salga un siete ( o sea, la probabilidad del evento de que la suma de los nmeros de puntos de los dos dados sea siete). SOLUCION En este experimento, el espacio muestra contiene 36 puntos muestra, ya que existen 36 resultados posibles. Todos los resultados son igualmente probables. En consecuencia, la probabilidad de cada resultado es 1/36. Una suma de siete se puede obtener mediante las seis combinaciones (1,6),(2,5),(3,4),(4,3),(5,2) y 6,1). Por lo tanto, el evento se tira un siete es la unin de seis resultados posibles, cada uno con probabilidad 1/36. Por consiguiente,

P /" se tira u sie " ) = n te

1 1 1 1 1 1 1 + + + + + = 3 6 3 6 3 6 3 6 3 6 3 6 6

EJEMPLO 1.4. Se lanza al aire una moneda cuatro veces sucesivas. Determinaremos la probabilidad de que se obtengan exactamente dos caras. SOLUCION: Un total de 2 4 = 16 resultados distintos son posibles, todos ellos igualmente probables debido a la simetra de la situacin. En consecuencia, el espacio muestra consta de 16 puntos, cada uno con probabilidad de 1/16. Los 16 resultados se listan a continuacin: CCCC CCCS CCSC CCSS CSCC CSCS CSSC CSSS SSSS SSSC SSCS SSCC SCSS SCSC SCCS SCCC

Seis de estos 16 resultados son favorables al evento de obtener dos caras (sealados por negrita). Ya que todos los seis resultados son ajenos (mutuamente exclusivos).
P (" obtenerdos caras ") = 6 3 = 16 8

Este mtodo de listar todos los resultados posibles se va haciendo difcil de manejar segn aumenta el nmero de tiradas. Por ejemplo, si una moneda se tira al aire 10 veces, el nmero total de resultados es 1024. Un camino ms conveniente sera utilizando los resultados del anlisis combinatorio. Si una moneda se tira al aire k veces, el nmero de formas en que j caras pueden ocurrir es lo mismo que el nmero de combinaciones de K cosas tomadas cada vez.
E sto resu lta de

( ), en donde
k j

! ( ) = j ( kk j )!
k j !

(1.12.)

Esto se puede probar en la forma siguiente. Considere una urna que contiene k bolas distintas marcadas 1,2,3,......,k. Suponga que se sacan j bolas de esta urna sin reemplazarlas. La primera bola podra ser una cualquiera de las k bolas, la segunda podra ser cualquiera de las restantes (k-1) bolas, y as sucesivamente. En consecuencia, el nmero total de maneras en que pueden extraerse j bolas es
k ( k 1)( k 2)..... ( k j +1) = k! / ( k j )!

Enseguida, considere cualquier conjunto de las j bolas que se sacaron. Estas bolas pueden ordenarse de diferentes maneras. Se podra escoger una cualquiera de las j bolas como nmero 1, y cualquiera de las restantes (j-1) bolas como nmero2, y as sucesivamente. Esto dar un total de j(j-1)(j-2)....1=j patrones distinguibles que se forman con las j bolas. El nmero total de bolas en que j cosas pueden tomarse de k cosas es k /k-j). Pero muchas de estas maneras usarn las mismas j cosas, pero arregladas en distinto orden. Las maneras en que se pueden tomar j cosas de k cosas sin importar el orden ( subconjunto desordenado j tomado de k cosas) es k (k-j) dividido entre j. Esto es precisamente ( j ) que define la ecuacin (1.12.). De este modo, el nmero de formas en que pueden ocurrir dos caras en cuatro tiradas es
k

( ) = 242! = 6 !
4 2

Probabilidad condicional y eventos independientes A veces nos encontramos con una situacin en donde la probabilidad de un evento recibe la influencia de otro evento. Como un ejemplo, consideremos el caso de sacar dos cartas en sucesin de un mazo. Suponga que A representa el evento de que la primera carta que se saca es un as. No se reemplaza la carta que se sac en el primer intento. Sea B el evento de que la segunda carta que se saca un as. Es evidente que la probabilidad de que salga un as en el segundo intento recibir influencia del resultado del primero. Si en este primer intento no sale un as, entonces la probabilidad de obtener un as en el segundo intento es 4/51. La probabilidad del evento B depende as de que el evento A ocurra o no. Se introduce ahora la probabilidad condicional P(B/A) para representar la probabilidad del evento b cuando se sabe que ha ocurrido el evento a P(B/A) se lee como probabilidad de B dado A Suponga que un experimento se realiza N veces en el cual el evento A ocurre n1 veces. De estos n1 intentos, el evento B ocurre n 2 veces. Es claro que n 2 es el nmero de veces que el evento conjunto AB (fig. 1.2.c) ocurre. Esto es

n n n P ( AB ) = lm 2 = lm 1 2 N N N N n1

Observe que

( n1 / N ) = P( A).Asimismo, lm NN( n2 / n1 ) = P( B / A)*, lm N

ya

n 2 de las n 1 veces que A ocurri. Esto representa la que B ocurre probabilidad condicional de B dado A. Por lo tanto,
P ( AB ) = P ( A) P ( B / A)

(1.13.) (1.14 a.)

y
P ( B / A) = P(A B) P(A )

siempre que P(A) 0

Utilizando un argumento similar, se obtiene

P( A / B) = P ( AB ) siempre que P(B) 0 P( B)

(1.14 b.) De la ecuacin (1.14 a y b) se deduce

P ( A / B) = P ( A) P( B / A) P( B ) P( B) P( A / B) P ( A)

(1.15 a.) (1.15 b.)

P ( B / A) =

La ecuacin (1.15 a y b) se llama regla de Bayes. En esta regla una probabilidad condicional se expresa en trminos de la probabilidad condicional invertida. EJEMPLO 1.5. Un experimento aleatorio consiste en sacar dos cartas de un mazo en sucesin (sin reemplazar la primera carta que se saca). Asignaremos un valor a la probabilidad de obtener dos ases rojos en dos internos. SOLUCION Sean A y B los eventos as rojo en el primer intento y as rojo en el segundo intento, representativamente. Se desea determinar P(AB).

P(AB)=P(A)P(B/A) Y la frecuencia relativa de A es 2/52=1/26. De donde, P(A)=1/26 Asimismo P(B/A) es la probabilidad de sacar un as rojo en el segundo intento dado que en el primero sali un as rojo. La frecuencia relativa de este evento es 1/51, de manera que P(B/A)=1/51 Por lo tanto,
1 1 1 P ( AB ) = = 26 51 1326