Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 UNIDAD TEMTICA 2 INTRODUCCIN A LA TEORA DE LA PROBABILIDAD

HISTORIA DE LA PROBABILIDAD

Antes de la mitad del siglo XVII, el trmino 'probable' (en latn probable) significaba aprobable, y se aplicaba en ese sentido, unvocamente, a la opinin y a la accin. Una accin u opinin probable era una que las personas sensatas emprenderan o mantendran. Aparte de algunas consideraciones elementales hechas por Girolamo Cardano en el siglo XVI ("Libro de los juegos de azar", 1565), las primeras cuestiones sobre las probabilidades datan de la correspondencia de Pierre de Fermat y Blaise Pascal (1654). Ni Pascal ni Fermat publicaron sus resultados, fue Christiaan Huygens quien le dio el tratamiento cientfico, ms temprano conocido, al concepto de probabilidad. Su obra De Ratiocinitis in Ludo Aleae, inspirada en la correspondencia de los dos anteriores, es el primer trabajo publicado sobre juegos de azar (1657). Extendi algunos resultados de Pascal y aclar varios problemas para tres o ms jugadores. En 1669 realiz la aplicacin de la teora de probabilidades a la esperanza de vida humana. "Ars Conjectandi" (pstumo, 1713) de Jakob Bernoulli es considerada como la obra que da comienzo a la teora de las probabilidades. Se pasa de los resultados de problemas particulares a resultados de carcter general. Enuncia en su forma ms bsica e intuitiva la Ley de los Grandes Nmeros. Su sobrino Niklaus Bernoulli aplic los resultados de su to al estudio de 14000 nacimientos y lleg a la conclusin de que la frecuencia de nacimientos de nios es mayor que la de las nias (18:17). Poco despus en "Doctrine of Chances" (1718) Abraham de Moivre trat el tema como una nueva rama de las matemticas. Reformul los resultados de Bernoulli en trminos ms modernos. Fue el primero que enunci el teorema de la multiplicacin de probabilidades e introdujo el importantsimo concepto de "distribucin normal" describiendo la curva asociada. Otra aportacin importante es debida al reverendo ingls Thomas Bayes cuya obra se present pstumamente (1763). Enunci de forma rigurosa la definicin de sucesos disjuntos y obtuvo la frmula que permite obtener la probabilidad de la unin de dos sucesos. Pierre Simon de Laplace, slo con algo ms de 20 aos, fue elegido miembro de la Academia de Ciencias de Francia y ocup diferentes posiciones acadmicas y en el gobierno francs. Se considera que su contribucin fundamental al campo de las probabilidades y la estadstica fue el desarrollo del llamado Teorema Central del Lmite, 1

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 publicado en 1809 y expuesto a la Academia de Ciencias en 1810. Adems unific todas estas primeras ideas y compil la primera teora general de la probabilidad. En su famosa obra "Thorie analytique des probabilits" (1812) mejora y desarrolla la mayor parte del teorema conocido como Teorema de Bayes, hace una exposicin muy completa de la teora matemtica de los juegos de azar con una gran variedad de aplicaciones y presenta una extensa introduccin escrita para lectores no matemticos. Introduccin que se ha hecho muy famosa y que se recomienda a cualquier persona interesada en el tema. Dos de las mayores contribuciones de Gauss a la estadstica fueron publicadas en 1812 en su obra Teora combinationis observationum erroribus minimis obnoxia en la que desarrolla su teora de errores. Estas son la teora sobre los mnimos cuadrados, y su trabajo con la distribucin normal, frecuentemente llamada en su honor la distribucin Gaussiana. Simon Denis Poisson public en 1837 "Recherches sur la Probabilit des Jugements", un trabajo importante en el desarrollo de los mtodos analticos de la teora de la probabilidad. Introdujo un esbozo de lo que hoy llamaramos variables aleatorias. Desde la mitad del siglo XIX hasta los aos 20 del siglo XX la teora de las probabilidades fue impulsada por el trabajo de cientficos rusos, entre ellos Andrei Nikolaevich Kolmogorov (1903-1987). Con ste se consigue la axiomatizacin de la probabilidad.

FENMENOS DETERMINSTICOS Y ALEATORIOS

Fenmeno determinstico En los que al realizarlos bajo las mismas condiciones generales, presentan siempre el mismo resultado. Algunos ejemplos de fenmenos determinsticos son: a) Leyes gravitacionales (un cuerpo baja en ciertas condiciones). b) Leyes de Kepler (comportamiento de los planetas). c) Al quemar un hidrocarburo como el gas propano en presencia del oxgeno, se produce gas carbnico ms agua. d) Se hace actuar sobre un cuerpo de un kg de nasa una fuerza de un Newton, se obtiene una aceleracin de un metro/segundo2.

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 Fenmeno aleatorio Es un fenmeno fsico en el que interviene el azar, esto es tal que si repetimos la observacin de alguna caracterstica de dicho fenmeno, bajo las mismas condiciones (hasta donde sea posible), se pueden obtener diferentes resultados: el resultado no puede ser predicho con total seguridad, aunque s se conozca el conjunto de posibles resultados. Algunos ejemplos de fenmenos aleatorios seran: a) El lanzamiento de una moneda en la que se observa como caracterstica de inters qu lado de la moneda sale b) El lanzamiento de un dado en el que se observa como caracterstica de inters qu cara del dado sale c) Se escoge un individuo al azar de una poblacin de personas adultas y se observa su peso (en kg) d) Se suministra un frmaco a pacientes aquejados de cierta enfermedad y se observa su grado de mejora e) Se observa el nmero de movimientos ssmicos en una zona durante un periodo de 30 aos f) Se determina el porcentaje de determinado mineral en una roca proveniente de cierto yacimiento. DIFERENTES ENFOQUES ACERCA DE LA PROBABILIDAD El enfoque clsico Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles resultados desfavorables a la ocurrencia de A, y todos los resultados son igualmente posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo), entonces la probabilidad de que ocurra A es:

P A=

X (X+Z)

El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea igualmente posible. 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.

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 El enfoque de frecuencia relativa Tambin llamado Enfoque Emprico, determina la probabilidad sobre la base de la proporcin de veces que ocurre un evento favorable en un nmero de observaciones. En este enfoque no ese utiliza la suposicin previa de aleatoriedad. Porque la determinacin de los valores de probabilidad se basa en la observacin y recopilacin de datos. Ejemplo: Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una piedra roja en un intento es:

Ejemplo: Se ha observado que 9 de cada 50 vehculos que pasan por una esquina no tienen cinturn de seguridad. Si un vigilante de transito se para en esa misma esquina un ida cualquiera Cul ser la probabilidad de que detenga un vehculo sin cinturn de seguridad?

El enfoque subjetivo Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de un individuo de que un evento ocurra, basado en toda la evidencia a su disposicin. Bajo esta premisa se puede decir que este enfoque es adecuado cuando solo hay una oportunidad de ocurrencia del evento. Es decir, que el evento ocurrir o no ocurrir esa sola vez. El valor de probabilidad bajo este enfoque es un juicio personal.

DEFINICIN DEL CONCEPTO DE PROBABILIDAD, CON EL ENFOQUE CLSICO

Este enfoque define a la probabilidad como un nmero determinado, determinado de la siguiente manera:

P A=

N(A) N()

Donde N (): cardinal del espacio muestral del experimento y N(A) cardinal del evento A.

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 La aplicacin de este enfoque supone las siguientes condiciones: 1. Trabaja con espacios finitos. 2. Los puntos de deben ser igualmente importantes, esto es, con igual peso especfico (equiprobables) Ejemplo: Determine la posibilidad de obtener un mltiplo de tres al lanzar un dado. Solucin: ={1,2,3,4,5,6} => N()=6 A: evento de obtener un mltiplo de 3 => A= {3,6}=>N(A)=2

CONCEPTOS BSICOS EN PROBABILIDAD

Experimento aleatorio Es un proceso de carcter repetitivo hecho a partir de reglas bien definidas, con el fin de verificar o de comprobar una teora o hiptesis, cuyos resultados sern sujetos o influidos por el azar. Experimento simple: Cuando se realiza un solo experimento. Por ejemplo, lanzar una moneda. Experimento compuesto: Donde se realizan varios experimentos. Por ejemplo, lanzar una moneda varias veces, o bien, lanzar tres monedas diferentes. Espacio muestral Es el conjunto de la totalidad de los resultados posibles de un experimento aleatorio, se representa por la letra griega omega. Ejemplo: Experimento: Se lanza un dado comn y se observa la cara superior = {1,2,3,4,5,6}

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 Evento Un evento o un suceso es el conjunto de uno o ms de los resultados posibles de un experimento aleatorio. Evento simple o elemental: Un evento que contiene un solo elemento. Evento compuesto: un evento que contiene ms de un elemento, se le llama evento compuesto. Evento seguro: Un evento que contiene el mismo nmero de elementos que . Evento imposible: Un evento que no tiene elementos.

Ejemplo: Experimento: Se lanza una moneda tres veces. = { (S,S,S), (S,S,A), (S,A,S), (A,S,S), (A,A,S),(A,S,A),(S,A,A), (A,A,A) } Evento elemental: C: Que salgan tres soles; C = { (S,S,S) } Evento compuesto: D: Que salgan dos soles; D = { (S,S,S), (S,S,A), (S,A,S), (A,S,S) } Evento imposible: E: que salgan cuatro soles; E = Evento seguro: F: Que salgan entre 0 y 3 soles; F =

TCNICAS DE CONTEO

Teorema fundamental del conteo Si x experimentos se ejecutan de tal manera que le primero puede resultar en n1 posibles resultados y si para cada uno de estos n1 posibles resultados hay n2 posibles resultados del segundo experimento y si para cada uno de los posibles resultados de los dos primeros experimentos hay n3 posibles resultados del tercer experimento y si, entonces hay un total de n1.n2nx posibles resultados de los x experimentos. Ejemplo: Un dado se lanza dos veces. Determine el nmero de formas en que podemos obtener los nmeros del dado con los dos lanzamientos. Solucin: como los dos dados no estn relacionados en forma alguna cuando los lanzamos y como cada uno puede caer de seis formas distintas, el numero total de formas en que pueden caer, uno despus del otro, es 6x6=36:

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012

Permutaciones Una ordenacin de un conjunto de n objetos en un orden dado, recibe el nombre de permutacin de los objetos (tomados todos a la vez). Una ordenacin de un nmero de r de dichos objetos tal que rn en un orden dado se llama una permutacin r o una permutacin de los n objetos tomados de r en r a la vez. Por lo tanto el nmero de permutaciones de n objetos tomados de r a la vez est dada por: P(n,r)= n!/(n-r)! Ejemplo 1: Tres miembros de una organizacin social se ofrecen como voluntarios para fungir como dirigentes del siguiente ao, en los puestos de presidente, tesorero y secretario. El nmero de maneras (permutaciones) en que los tres pueden asumir los puestos es:

Es comn que nos interese el nmero de permutaciones de un subgrupo de los n objetos, ms que la totalidad de los n objetos propiamente dichos. Esto es, nos interesa el nmero de permutaciones de n objetos tomados r a la vez, donde r es menor que n:

Ejemplo 2: Supongamos que la organizacin social del problema anterior se compone de 10 miembros y que an no se ha presentado ninguna nominacin para los puestos de presidente, tesorero y secretario. El nmero de diferentes disposiciones de los tres dirigentes elegidos entre los 10 miembros del organismo es:

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012

Combinaciones Hay ocasiones en que no nos interesa considerar conjuntos de objetos donde el orden n es importante. Cuando esto ocurre, la escogencia se llama combinacin. Una escogencia de k objetos de un conjunto de n objetos distintos, sin importar el orden en que lo k objetos son escogidos, se llama combinacin. La cual puede ser con repeticin o sin repeticin. Ejemplo 1: Combinaciones tomadas de 2 en 2, si repeticin. Todas las posibles combinaciones de las n= 5 letras A, B, C, D y E, tomadas de dos en dos (o sea, k=2) sin repeticin son: AB, AC, AD, AE, BC, BD, BE, CD, CE, DE Es decir, en tota hay 10 posibles formas de escoger dos letras de un total de 5, cuando el orden no importa y la seleccin es sin repeticin. Obsrvese que en este caso, da lo mismo escoger AB y BA (es decir, no importa el orden). Ejemplo2 : Supongamos que se elegir a tres miembros de una pequea organizacin social con un total de 10 miembros para que integren un comit. El nmero de grupos diferentes de tres personas que pueden ser elegidos, sin reparar en el diferente orden en que cada grupo podra elegirse, es:

AXIOMATIZACIN DE LA PROBABILIDAD

Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades.

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 Propiedades Dado un conjunto de sucesos elementales, , sobre el que se ha definida una lgebra (lase sigma-lgebra) de subconjuntos de y una funcin P que asigna valores reales a los miembros de , a los que denominamos "sucesos", se dice que P es una probabilidad sobre (,) si se cumplen los siguientes tres axiomas. Primer axioma es un nmero real mayor o igual que 0. La probabilidad de un suceso Segundo axioma , es igual a 1, es decir,

La probabilidad del total,

Tercer axioma (incompatibles dos a

Si son sucesos mutuamente excluyentes dos, disjuntos o de interseccin vaca dos a dos), entonces:

. Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas mutuamente excluyentes sumando las probabilidades de sus componentes.

De los axiomas anteriores se deducen otras propiedades de la probabilidad: 1. imposible 2. Para cualquier suceso 3. 4. Si entonces donde el conjunto vaco representa en probabilidad el suceso

Reglas de la adicin Sean A y B eventos cualesquiera definidos en un espacio muestral . La probabilidad de ocurrencia del evento A o B se calcula con la frmula:

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012

P(A U B)= P(A)+ P(B) P(A B)

La Regla de la Adicin expresa que: la probabilidad de ocurrencia de al menos dos sucesos A y B es igual a: P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente P(A o B) = P(A) + P(B) - P(A y B) si A y B son no excluyentes Siendo: P(A) = probabilidad de ocurrencia del evento A P(B) = probabilidad de ocurrencia del evento B P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B Ejemplo: Al extraer un naipe de un mazo, los eventos as y trbol son mutuamente no excluyentes. La probabilidad de extraer un as (A) o un trbol (T) (o ambos) en una sola extraccin es:

Reglas de la Multiplicacin Sean A y B dos eventos cualesquiera definidos en un espacio muestral . La probabilidad de ocurrencia del evento compuesto A y B se calcula de la siguiente forma:

P(A B)= P(A) x P(B I A)

Se relacionan con la determinacin de la ocurrencia de conjunta de dos o ms eventos. Es decir la interseccin entre los conjuntos de los posibles valores de A y los valores de

10

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 B, esto quiere decir que la probabilidad de que ocurran conjuntamente los eventos A y B es: P(A y B) = P(A B) = P(A)P(B) si A y B son independientes P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes P(A y B) = P(A B) = P(B)P(A|B) si A y B son dependientes

Tablas de contingencia Este mtodo se aplica cuando en un mismo problema se mencionan dos o ms caractersticas distintas y cada una de ellas tiene a su vez dos o ms cualidades; consiste en una tabla de clasificaciones cruzadas. Ejemplo: En una baraja americana se puede definir el evento A como que una carta sea un AS y el evento C como el color de la carta, esta situacin queda representada en la siguiente tabla: AC I As No As Totales Roja 2 24 26 Negra 2 24 26 Totales 4 48 52

PROBABILIDAD CONJUNTA: La que da la probabilidad de la interseccin de dos eventos. La tabla de probabilidad conjunta proporciona un resumen de la informacin de probabilidad. PROBABILIDAD MARGINAL: Se ubica a los mrgenes de la tabla de probabilidad conjunta y brinda la probabilidad de cada evento por separado.

P(B|H) = 0.24/0.80 = 0.30 P(B|M)= 0.03/0.20 = 0.15 Diagrama de rbol para clculo de probabilidades

11

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 Es una representacin grfica que muestra los resultados posibles de una serie de experimentos y sus respectivas probabilidades. Ejemplo: En una bolsa se han colocado 4 pelotas blancas y 3 negras, y en una segunda bolsa 3 blancas y 5 negras. Se saca una pelota de la primera bolsa y sin verla, se mete en la segunda. Cul es la probabilidad de que la pelota que se saque de esta ltima sea negra?

Probabilidad condicional Imaginemos que en la experiencia de tirar un dado regular supiramos de antemano que se ha obtenido un nmero par. Es decir, que se ha verificado el suceso: B = nmero par. Cul es ahora la probabilidad de que se verifique el suceso mayor o igual a cuatro? Lgicamente, el resultado sera: 2/3. Por lo tanto, la probabilidad del suceso A = mayor o igual a cuatro se ha modificado. Evidentemente, ha pasado de ser 1/2 ( cuando no tenemos ninguna informacin previa) a ser 2/3 (cuando sabemos que se ha verificado el suceso B). Cmo podemos anotar esta ltima probabilidad (2/3)? 12

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 Muy sencillo. Anotaremos P(A/B), que se lee como probabilidad de A condicionada a B. Ejemplo: P(A/B) = 2/3 P(A) = 1/2 En trminos generales, estamos en condiciones de poder definir la probabilidad condicionada, y lo hacemos como:

Podemos ahora visualizar de una manera prctica y divertida el ejemplo anterior. Siguiendo con la notacin utilizada, el suceso A ser lo que denominamos suceso de obtencin, mientras que el suceso B ser lo que denominamos suceso condicionado. La pantalla nos proporcionar los casos posibles para el condicionante elegido y los casos favorables, calculando mediante la regla de Laplace la probabilidad del suceso.

La probabilidad probabilidad.

condicionada

se

comporta,

entonces,

como

una funcin

de

Es decir, verifica los tres axiomas siguientes:

Axioma 1:

Axioma 2:

Axioma 3: para sucesos Ai con interseccin vaca dos a dos.

13

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012 REFERENCIAS BIBLIOGRFICAS

PROBABILIDAD Y ESTADSTICA PARA CIENCIAS E INGENIERAS Rosario Delgado de la Torre DELTA Publicaciones (2008) Pgina consultada 20

INTRODUCCIN A LA TEORA DE PROBABILIDADES Julio Fernando Surez Cifuentes Universidad Nacional de Colombia Sede Manizales (2002) Pgina consultada 11

ELEMENTOS DE TEORA DE PROBABILIDAD PARA INGENIEROS Juan Jos Obagi Araujo CEJA Centro Editorial Javeriano (2003) Pgina consultada 37

ESTADSTICA DESCRIPTIVA Y DISTRIBUCIONES DE PROBABILIDAD Humberto Llins Solano, Carlos Rojas lvarez Ediciones Uninorte (2006) Pginas consultadas 121-129

APUNTES DE LA UNIDAD DE APRENDIZAJE: MTODO ESTADSTICO Aragn Salgado Luz Gricel Escuela Superior de Comercio y Admn. Unidad Santo Toms (2012) 14

Ochoa Naranjo Miriam Noem ESCA SANTO TOMS / 2012

APUNTES DE LA UNIDAD DE APRENDIZAJE PROBABILIDAD Y ESTADSTICA Ing. Julio Csar Martnez Trejo CECyT 3 Estanislao Ramrez Ruz (2010)

REFERENCIAS ELECTRNICAS http://edu.jccm.es/ies/4hellin/Matematicas/MCSII/Probabilidad/Probabilidad.htm http://es.scribd.com/doc/87688649/44/Enfoques-de-Probabilidad http://www.monografias.com/trabajos32/teoria-probabilidades/teoriaprobabilidades.shtml#intro http://es.wikipedia.org/wiki/Axiomas_de_probabilidad http://html.rincondelvago.com/probabilidades_1.html http://www.vitutor.com/pro/2/a_14.html

15