Matemticas discretas

OBJETIVOS:

Medir la certidumbre (o incertidumbre) de que ocurran determinados sucesos Analizar conjuntos de datos para describir caractersticas de los mismos Estudiar las distribuciones de probabilidades para entender y asociar dichas distribuciones a cosas del mundo real, tales como tasa de llegada de clientes. Aplicar los elementos bsicos de la teora de probabilidad a fenmenos que obedecen modelos no determinsticos Realizar pruebas de hiptesis e intervalos de confianza para medir la validez de algunas afirmaciones sobre fenmenos.

Ing industrial.

Matemticas discretas

INTRODUCCION

Las probabilidades constituyen una rama de las matemticas que se ocupa de medir o determinar cuantitativamente la posibilidad de que un suceso o experimento produzca un determinado resultado. El diccionario de la Real Academia Espaola define azar como una casualidad, un caso fortuito, y afirma que la expresin al azar significa sin orden.1 La idea de Probabilidad est ntimamente ligada a la idea de azar y nos ayuda a comprender nuestras posibilidades de ganar un juego de azar o analizar las encuestas. Pierre-Simon Laplace afirm: "Es notable que una ciencia que comenz con consideraciones sobre juegos de azar haya llegado a ser el objeto ms importante del conocimiento humano". Comprender y estudiar el azar es indispensable, porque la probabilidad es un soporte necesario para tomar decisiones en cualquier mbito.2 Segn Amanda Dure, "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, en las circunstancias."3 Aparte de algunas consideraciones elementales hechas por Girolamo Cardano en el siglo XVI, la doctrina de las probabilidades data de la correspondencia de Pierre de Fermat y Blaise Pascal (1654). Christiaan Huygens (1657) le dio el tratamiento cientfico conocido ms temprano al concepto. Ars Conjectandi (pstumo, 1713) de Jakob Bernoulli y Doctrine of Chances (1718) de Abraham de Moivre trataron el tema como una rama de las matemticas. Vase El surgimiento de la probabilidad (The Emergence of Probability) de Ian Hacking para una historia de los inicios del desarrollo del propio concepto de probabilidad matemtica.

Ing industrial.

Matemticas discretas

APLICACIN: Dos aplicaciones principales de la teora de la probabilidad en el da a da son en el anlisis de riesgo y en el comercio de los mercados de materias primas. Los gobiernos normalmente aplican mtodos probabilsticos en regulacin ambiental donde se les llama "anlisis de vas de dispersin", y a menudo miden el bienestar usando mtodos que son estocsticos por naturaleza, y escogen qu proyectos emprender basndose en anlisis estadsticos de su probable efecto en la poblacin como un conjunto. No es correcto decir que la estadstica est incluida en el propio modelado, ya que tpicamente los anlisis de riesgo son para una nica vez y por lo tanto requieren ms modelos de probabilidad fundamentales, por ej. "la probabilidad de otro 11-S". Una ley de nmeros pequeos tiende a aplicarse a todas aquellas elecciones y percepciones del efecto de estas elecciones, lo que hace de las medidas probabilsticas un tema poltico. Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto generalizado sobre los precios del petrleo en Oriente Medio - que producen un efecto domin en la economa en conjunto. Un clculo por un mercado de materias primas en que la guerra es ms probable en contra de menos probable probablemente enva los precios hacia arriba o hacia abajo e indica a otros comerciantes esa opinin. Por consiguiente, las probabilidades no se calculan independientemente y tampoco son necesariamente muy racionales. La teora de las finanzas conductuales surgi para describir el efecto de este pensamiento de grupo en el precio, en la poltica, y en la paz y en los conflictos. Se puede decir razonablemente que el descubrimiento de mtodos rigurosos para calcular y combinar los clculos de probabilidad ha tenido un profundo efecto en la sociedad moderna. Por consiguiente, puede ser de alguna importancia para la mayora de los ciudadanos entender cmo se calculan los pronsticos y las probabilidades, y cmo contribuyen a la reputacin y a las decisiones, especialmente en una democracia. Otra aplicacin significativa de la teora de la probabilidad en el da a da es en la fiabilidad. Muchos bienes de consumo, como los automviles y la electrnica de consumo, utilizan la teora de la fiabilidad en el diseo del producto para reducir la probabilidad de avera. La probabilidad de avera tambin est estrechamente relacionada

Ing industrial.

Matemticas discretas

con la garanta del producto. Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra ignorancia dada una situacin. Por consiguiente, puede haber una probabilidad de 1 entre 52 de que la primera carta en un baraja sea la J de diamantes. Sin embargo, si uno mira la primera carta y la reemplaza, entonces la probabilidad es o bien 100% 0%, y la eleccin correcta puede ser hecha con precisin por el que ve la carta. La fsica moderna proporciona ejemplos importantes de situaciones determinsticas donde slo la descripcin probabilstica es factible debido a informacin incompleta y la complejidad de un sistema as como ejemplos de fenmenos realmente aleatorios. En un universo determinista, basado en los conceptos newtonianos, no hay probabilidad si se conocen todas las condiciones. En el caso de una ruleta, si la fuerza de la mano y el periodo de esta fuerza es conocido, entonces el nmero donde la bola parar ser seguro. Naturalmente, esto tambin supone el conocimiento de la inercia y la friccin de la ruleta, el peso, lisura y redondez de la bola, las variaciones en la velocidad de la mano durante el movimiento y as sucesivamente. Una descripcin probabilstica puede entonces ser ms prctica que la mecnica newtoniana para analizar el modelo de las salidas de lanzamientos repetidos de la ruleta. Los fsicos se encuentran con la misma situacin en la teora cintica de los gases, donde el sistema determinsticoen principio, es tan complejo (con el nmero de molculas tpicamente del orden de magnitud de la constante de Avogadro ) que slo la descripcin estadstica de sus propiedades es viable.

La mecnica cuntica, debido al principio de indeterminacin de Heisenberg, slo puede ser descrita actualmente a travs de distribuciones de probabilidad, lo que le da una gran importancia a las descripciones probabilsticas. Algunos cientficos hablan de la expulsin del paraso.[cita requerida]Otros no se conforman con la prdida del determinismo. Albert Einstein coment estupendamente en una carta a Max Born: Jedenfalls bin ich berzeugt, da der Alte nicht wrfelt. (Estoy convencido de que Dios no tira el dado). No obstante hoy en da no existe un medio mejor para describir la fsica cuntica si no es a travs de la teora de la probabilidad. Mucha gente hoy en da confunde el hecho de que la mecnica cuntica

Ing industrial.

Matemticas discretas

se describe a travs de distribuciones de probabilidad con la suposicin de que es por ello un proceso aleatorio, cuando la mecnica cuntica es probabilstica no por el hecho de que siga procesos aleatorios sino por el hecho de no poder determinar con precisin sus parmetros fundamentales, lo que imposibilita la creacin de un sistema de ecuaciones determinista.

INVESTIGACIN BIOMDICA

La mayora de las investigaciones biomdicas utilizan muestras de probabilidad, es decir, aquellas que el investigador pueda especificar la probabilidad de cualquier elemento en la poblacin que investiga. Las muestras de probabilidad permiten usar estadsticas inferenciales, aquellas que permiten hacer inferencias a partir de datos. Por otra parte, las muestras no probabilsticas solo permiten usarse estadsticas descriptivas, aquellas que solo permiten describir, organizar y resumir datos. Se utilizan cuatro tipos de muestras probabilsticas: muestras aleatorias simples, muestras aleatorias estratificadas, muestra por conglomerados y muestras sistemticas.

Ing industrial.

Matemticas discretas

DEFINICIN DE PROBABILIDAD La probabilidad de un suceso es un nmero, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio. EXPERIMENTOS DETERMINISTAS Son los experimentos de los que podemos predecir el resultado antes de que se realicen. Ejemplo Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la piedra bajar. Si la arrojamos hacia arriba, sabemos que subir durante un determinado intervalo de tiempo; pero despus bajar. EXPERIMENTOS ALEATORIOS Son aquellos en los que no se puede predecir el resultado, ya que ste depende del azar . Ejemplos Si lanzamos una moneda no sabemos de antemano si s aldr cara o cruz. Si lanzamos un dado tampoco podemos determinar el resultado que vamos a obtener. TEORA DE PROBABILIDADES La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que pueda ocurrir en un experimento aleatorio , con el fin de cuantificar dichos resultados y saber si un suceso es ms probable que otro. Con este fin, introduciremos algunas definiciones :

Ing industrial.

Matemticas discretas

Suceso Es cada uno de los resultados posibles de una experiencia aleatoria. Al lanzar una moneda salga cara. Al lanzar una moneda se obtenga 4. Espacio Muestral Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos por E (o bien por la letra griega ). Espacio muestral de una moneda: E = {C, X}. Espacio muestral de un dado: E = {1, 2, 3, 4, 5, 6}. Suceso Aleatorio Suceso aleatorio es cualquier subconjunto del espacio muestral. Por ejemplo al tirar un dado un suceso sera que saliera par, otro, obtener mltiplo de 3, y otro, sacar 5. Ejemplo Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. Calcular: 1. El espacio muestral. E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)} 2. El suceso A = {extraer tres bolas del mismo color}. A = {(b,b,b); (n, n,n)}

Ing industrial.

Matemticas discretas

3. El suceso B = {extraer al menos una bola blanca}. B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)} 4. El suceso C = {extraer una sola bola negra}. C = {(b,b,n); (b,n,b); (n,b,b)}

Suceso Elemental Suceso elemental es cada uno de los elementos que forman parte del espacio muestral. Por ejemplo al tirar un dado un suceso elemental es sacar 5. Suceso Compuesto Suceso compuesto es cualquier subconjunto del espacio muestral. Por ejemplo al tirar un dado un suceso sera q ue saliera par, otro, obtener mltiplo de 3. Suceso Seguro Suceso seguro, E, est formado por todos los posibles resultados (es decir, por el espacio muestral). Por ejemplo al tirar un dado un dado obtener una puntuacin que sea menor que 7. Suceso Imposible Suceso imposible , , es el que no tiene ningn elemento.

Por ejemplo al tirar un dado obtener una puntuacin igual a 7. Sucesos compatibles Dos sucesos, A y B, son compatibles cuando tienen algn suceso elemental

Ing industrial.

Matemticas discretas

comn. Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 3, A y B son compatibles porque el 6 es un suceso elemental comn. Sucesos incompatibles Dos sucesos, A y B, son incompatibles cuando no tienen ningn elemento en comn. Si A es sacar puntuacin par al tirar u n dado y B es obtener mltiplo de 5, A y B son incompatibles. Sucesos independientes Dos sucesos, A y B, son independientes cuando la probabilidad de que suceda A no se ve afectada porque haya sucedido o no B. Al lazar dos dados los resultados son independientes. Sucesos dependientes Dos sucesos, A y B, son dependientes cuando la probabilidad de que suceda A se ve afectada porque haya sucedido o no B. Extraer dos cartas de una baraja, sin reposicin,son sucesos dependientes.

Suceso contrario El suceso contrario a A es otro suceso que se realiza cuando no se realiza A. Se denota por .

Son sucesos contrarios sacar par e impar al lanzar un dado. Espacio de sucesos, S, es el conjunto de todos los sucesos aleatorios. Si tiramos una moneda el espacio se sucesos est formado por:

Ing industrial.

Matemticas discretas

S= {

, {C}, {X}, {C,X}}.

Observamos que el primer elemento es el suceso imposible y el ltimo el suceso seguro . Si E tiene un nmero finito de elementos, n, de elementos el nmero de sucesos de E es 2 n . Una moneda E= {C, X}. Nmero de sucesos = 2 2 =4 Dos monedas E= {(C,C); (C,X); (X,C); (X,X)}. Nmero de sucesos = 2 4 =16 Un dado E = {1, 2, 3, 4, 5, 6}. Nmero de sucesos = 2 6 = 64

La unin de sucesos, A de B.

B , es el suceso formado por todos los elementos de A y

Es decir, el suceso A ambos.

B se verifica cuando ocurre uno de los dos, A o B, o

B se lee como " A o B ".

Ejemplo Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par" y B = "sacar mltiplo de 3". Calcular A A = {2, 4, 6} B.

Ing industrial.

10

Matemticas discretas

B = {3, 6}

B = {2, 3, 4, 6}

Propiedades de la unin de sucesos: Conmutativa

Asociativa

Idempotente

Simplificacin

Distributiva

Ing industrial.

11

Matemticas discretas

Elemento neutro

Absorcin

La interseccin de sucesos, A

B , es el suceso formado por todos los

elementos que son, a la vez, de A y B.

Es decir, el suceso A y B.

B se verifica cuando ocurren simultneamente A

B se lee como " A y B ".

Ejemplo Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par" y B = "sacar mltiplo de 3". Calcular A A = {2, 4, 6} B = {3, 6} B.

B = {6}

Ing industrial.

12

Matemticas discretas

Propiedades de la interseccin de sucesos Conmutativa

Asociativa

Idempotente

Simplificacin

Distributiva

Elemento neutro

Absorcin

Ing industrial.

13

Matemticas discretas
La diferencia de sucesos, A B , es el suceso formado por todos los elementos de A que no son de B. Es decir, la diferencia de los sucesos A y B se verifica cuando lo hace A y no B. A B se lee como " A menos B ". Ejemplo Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par" y B = "sacar mltiplo de 3". Calcular A B. A = {2, 4, 6} B = {3, 6} A B = {2, 4}

Propiedad

El suceso

= E - A se llama suceso contrario o complementario de A.

Es decir, se verifica siempre y cuando no se verifique A.

Ing industrial.

14

Matemticas discretas

Ejemplo Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par". Calcular A = {2, 4, 6} .

= {1, 3, 5}

Propiedades

Ing industrial.

15

Matemticas discretas

Leyes de Morgan

Axiomas de la probabilidad 1. La probabilidad es positiva y menor o igual que 1. 0 p(A) 1 2. La probabilidad del suceso seguro es 1. p(E) = 1

3. Si A y B son incompatibles, es decir A

B=

entonces:

p(A

B) = p(A) + p(B)

Propiedades de la probabilidad 1 La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la probabilidad del suceso contrario es:

2 Probabilidad del suceso imposible es cero.

3 La probabilidad de la unin de dos sucesos es la suma de sus

Ing industrial.

16

Matemticas discretas

probabilidades restndole la probabilidad de su interseccin.

4 Si un suceso est incluido en otro, su probabilidad es menor o igual a la de ste.

5 Si A 1 , A 2 , ..., A k son incompatibles dos a dos entonces:

6 Si el espacio muestral E es finito y un suceso es S = {x 1 , x 2 , ..., x n } entonces:

Por ejemplo la probabilidad de sacar par, al tirar un dado, es: P(par) = P(2) + P(4) + P(6)

Si realizamos un experimento aleatorio en el que hay n sucesos elementales, todos igualmente probables, equiprobables , entonces si A es un suceso, la probabilidad de que ocurra el suceso A es:

Ing industrial.

17

Matemticas discretas

Ejemplos Hallar la probabilidad de que al lanzar dos monedas al aire salgan dos caras. Casos posibles: {cc, cx, xc, xx}. Casos favorables: 1.

En una baraja de 40 cartas, hallar la P (as) y P (copas). Casos posibles: 40. Casos favorables de ases: 4.

Casos favorables de copas: 10.

Calcular la probabilidad de que al echar un dado al aire, salga:

1 Un nmero par. Casos posibles: {1, 2, 3, 4, 5, 6}.

Ing industrial.

18

Matemticas discretas

Casos favorables: {2, 4, 6}.

2 Un mltiplo de tres. Casos favorables: {3, 6}.

3 Mayor que 4. Casos favorables: {5, 6}.

La combinatoria nos puede ser muy til para calcular los sucesos posibles y favorables , al aplicar la regla de Laplace . Especialmente si hay un gran nmero de sucesos. Ejemplos

1 Un grupo de 10 personas se sienta en un banco. Cul es la probabilidad de que dos personas fijadas de antemano se sienten juntas? Casos posibles:

Ing industrial.

19

Matemticas discretas

Casos favorables: Si consideramos las dos personas que se sientan juntas como una sola persona habr 9!; pero pueden estar de dos formas posibles a la izquierda uno de otro o a la derecha, por tanto se tiene 2 9!.

2 Se extraen cinco cartas de una baraja de 52. Hallar la probabilidad de extraer: 4 ases.

4 ases y un rey.

3 cincos y 2 sotas.

Un 9, 10, sota, caballo y rey en cualquier orden.

Ing industrial.

20

Matemticas discretas

3 de un palo cualquiera y 2 de otro. Hay cuatro formas de elegir el primer palo y tres formas de elegir al segundo palo.

Al menos un as.

Probabilidad de la unin de sucesos incompatibles

B=

p(A

B) = p(A) + p(B)

Calcular la probabilidad de obtener un 2 un 5 al lanzar un dado.

Ing industrial.

21

Matemticas discretas

Probabilidad de la unin de sucesos compatibles B B) = p(A) + p(B) p(A

p(A

B) B) p(A C) p(B

p(A p(A

B B

C) = p(A) + p(B) + p(C) p(A C)

C) +

Calcular la probabilidad de obtener un mltiplo de 2 un 6 al lanzar un dado.

Sean A y B dos sucesos de un mismo espacio muestral E. Se llama probabilidad del suceso B condicionado a A y se representa

por P(B/A) a la probabilidad del suceso B una vez ha ocurrido el A .

Ejemplo Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido par.

Ing industrial.

22

Matemticas discretas

Sucesos independientes Dos sucesos A y B son independientes si p(A/B) = p(A) Sucesos dependientes Dos sucesos A y B son dependientes si p(A/B) p(A)

Ejercicios resueltos de Probabilidad condicionada

Probabilidad de la interseccin de sucesos independientes

p(A Ejemplo

B) = p(A) p(B)

Se tiene una baraja de 40 cartas, se saca una y se vuelve a meter. Cul es la probabilidad de extraer dos ases?

Probabilidad de la interseccin de sucesos dependientes

p(A

B) = p(A) p(B/A)

Ing industrial.

23

Matemticas discretas

Ejemplo Se tiene una baraja de 40 cartas, se extraen dos cartas. Cul es la probabilidad de extraer dos ases?

Probabilidad de la diferencia de sucesos

Un mtodo til para clasificar los datos obtenidos en un recuento es mediante las tablas de contingencia . Se trata de tablas en cuyas celdas figuran probabilidades, y en la cual podemos determinar unas probabilidades conociendo otras de la tabla. Ejemplo Se sortea un viaje a Roma entre los 120 mejores clientes de una agencia de automviles. De ellos, 65 son mujeres, 80 estn casados y 45 son mujeres casadas. Se pide: 1 Cul ser la probabilidad de que le toque el viaje a un hombre soltero? 2 Si del afortunado se sabe que es casado,cul ser la probabilidad de que sea una mujer?

Ing industrial.

24

Matemticas discretas

PROBABILIDAD DE EVENTOS INDEPENDIENTES.

Se dice que un evento A es independiente de B en caso de que a suceda no interesa si B ocurri o no. Entonces para dos eventos independientes : P( A y B ) = P(A) P(B) Ejemplo : Si en una baraja de 52 cartas de naipes ingleses, cul es la probabilidad de extraer al azar un as y luego un rey ? En efecto, P(as) =
4 1 52 13

, luego

P(rey) =

4 51

P(un as y un rey) = P(as) P(rey) =

1 4 = 0,006 = 0,6% 13 51

Ing industrial.

25

Matemticas discretas

DIAGRAMA DEL ARBOL

Ing industrial.

26