' Capitulo 6 Teoria elemental de la probabilidad DEFINICION CLASICA DE PROBABILIDAD Supéngase un suceso E, que de un total de n casos posibles, sentarse en h de los casos. Entonces, la probabilidad de aparic viene dada por jodos igualmente factibles, puede pre- n del suceso (llamada su ocurrencia) = Pu -* p= P(E) = * La probabilidad de no aparicién del. suceso (llamada su no ocurrencia) viene dada por @ = P(no By = =l-p=1- PE} Asi, pues, p + q = 1, 0 P(E} + P{no E} El sucess «no > a veces se denota por jamplos: Sea Fel suceso de que aparezcan los mimeros 3 6 4 en una sola tirada de un dado, May seis casos aque pueden presenarse, que son los mimeros 1,2, 3,4, 5 6 6: y si el dado est bien constuido (es decir, uo ests cargado) podemos suporer que estos sis casos sn igualmente posibles. Puesto que E puede presentarse con dos de estos casos, se tone p = P(E} = 3 = 3. La probabilidad de no obtener un 3 64 (es decir, obtenee un 1, 2, 56:6) e8 PR} =1-$=3 Adviértase que la probabilidad de un suceso es un mimero comprendido entre 0 y 1. Si el suceso imposible (no puede ocurrir) su probabitidad es 0. Si es un suceso cierto (tiene que ocurrit), su proba- bilidad es 1 Si p es la probabilidad de que un suceso ocurra, la tendencia a favor de su aparicién es p:q (lease 4p @ qo); la tendencia contra su aparicién es g:p. Asi, la tendencia contra un 3 6 4 en una sola tirada de un dado bien construido es g:p = 4:4 = 2:1, 8 decir 221. + DEFINICION DE PROBABILIDAD COMO FRECUENCIA RELATIVA La definicién anterior de probabilidad tiene el inconveniente de que las palabras «igualmente fac-~ tibles» son poco concretas. En efecto, puesto que estas palabras parecen ser sindnimas a las «de igual probabilidad», la definicién es circular, porque se esti definiendo la probabilidad en términos de ella misma, Por esta razén, ha sido buscada por algunos una definicién de probabilidad estadistica de mayor rigor. De acuerdo con esto, la probabilidad estimada o probabilidad empirica de un suceso se toma como la frecuencia relativa de la apaticién del suceso, cuando el mimero de observaciones es muy grande. La probabilidad por si misma es el limite de la frecuencia relativa cuando el mimero de observaciones crece indefinidamente. jemplas: Si en 1000 lanzamientos de una moneda sesulten $29 caras, la frecuencia relativa de caras es 529/1000 = 0,529. Si en otros 1000 lanzamientos resultan 493 caras, la frecuencia relativa en el total de os 2000 lanzamientos es (529 + 4932000 = 0,511. De acuerdo con la definicién estadis- tiea, continuando de esta forma, nos irlamas acercando mas y mas al mimero que puede llamarse la probabilidad de cara en el lanzamiento de una moneda, De los resultados se deduciria que ésta seria 0,5 con una cifra signficativa. Para obtener mas cifras significativas habrian de hacerse ob- servaciones posteriores. 99100 ‘TEORIA ELEMENTAL DE LA PROBABILIDAD Icar.6 La definicién estadistica, aunque itil en la practica, tiene dificultades desde el punto de vista mate- mitico, puesto que puede no existir un mimeo limite, Por esta razén, Ja moderna teoria de probabili- dad ha sido desarrollada axiomaticamente, en donde la probabilidad es un concepto no definido como ourre con el punto y la linea en geometra. PROBABILIDAD CONDICIONAL. SUCESOS INDEPENDIENTES Y DEPENDIENTES Si E, y Ey son dos sucesos, la probabilidad dé que ocurra, E,, dado que ha ocurrido By, se denota por P{E,/E,} 0 P{E, dado E,} y se llama probabilidad condicional de E, dado que B, se ha presentade, Si la ocurrencia o no ocurrencia de £, no afecta a la probabilidad de ocurtencia de E,, entonces P{E,/E;} = P{E,} y se dice que EZ, y Ey son sucesos independientes; si no ocurte esto, los sucesos se dicen dependientes. Si se denota por EE, el suceso de que ocurra £, y E, llamado a.veces suceso compuesto, se ict P{E,Ea} = P{E1} PfEd/E:} oO En particular, P(ELE:) P(E,} P{Es}. para sucesos independientes @ Para tres suicesos. Ey, Ea, Ey se tiene P{E,£,E3} = P{E,} P{E,/E,} P{Es/E,E3} @) ¢s decir, la probabilidad de ocurrencia de E,, £3 y E, ¢s igual a la probabilidad Z, por la probabilidad de que ocurra Z,, dado que ha ocurrido £,, por la probabilidad de que ocurra Ey, dado que ha ocurri- do E, y E,. En particular, P(E,E,Es} = P(B,} P(E,} P{E,} para sucesos independientes * @ En general, si E,, Ey, Ey, ..., B, son’n sucesos independientes, cuyas probabilidades respectivas SON Pj, P2y Pay «+s Py CntONCRS la probabilidad de ocurrencia de Hy y Ezy Ey...,Ey€8 PyPaPs + Pe Ejemplo 1. Sean Ey y Ey; respectivameinte, los sucesos «cara en el quinto lanzamiento» y cara en el sexto lanzamienton de una moneda. Entonces £, y E, son sucesos independientes, asi que la proba- bilidad de cara en ambos lanzamjentos quinto y sexto es, suponiendo Ia moneda «biem» hecha, P(E\E,) = P(E} PEs} = 4-4 = 4 Ejemplo 2. Si la probabilidad de que A viva 20 afios es 0,7 y Ia probabilidad de que viva 20 afios es 0,5, Entouces la probabilidad de que ambos vivan 20 aos s (0,7)0,5) = 0,35. jemplo 3. Supéngase una caja que contenga 3 bolas bianeas y 2 bolas negras. Sea H; cl suceso de que ela primiera bola extraida sea negra» y E; el sueto de que ela segunda bola extraida sea negra, en txtracsiones sin remplazamiento. Aqui, y E, son sucesos dependientes P(E,) = s42— 3 es la probailidad de que la primera bola entrada sen negra, micatras aque P(E;/E,)} = hr = 4 es la protabilida de que a segunda bola exraa sea negra, dado que is primera extraccidn fue de bola negra. Entonces la probabilidad de que ambas bolas extaidas sean negras es, PEE PUL} PUE/E:} = SUCESOS MUTUAMENTE EXCLUYENTES Dos o mas sucesos se dicen mutuamente excluyentes si la ocurrencia de uno cualquiera de ellos im- posibilita la ocurrencia de los otros. Asi, si E, y Z Son mutuamente excluyentes, P{E,E,} = 0.car, 6} TEORIA ELEMENTAL DE LA PROBABILIDAD 101 Si E, + E; denota el suceso de que «ocurra £, 0 B, 0 ambos», entonces P(E + By} = P(Ey} + P{E:} ~ PEE} (5) En particular, i P(E, + E,) = P(E,} + P(E) para sucesos mutuamente excluyentes 6 Como ampliacién de esto, si By, By, ..., E, Son m sucesos mutiiamente excluyentes con probabi- lidades respectivas p,, Ps. --., Pw entonces la probabilidad de ocurrencia de E, 0 E, 0... E, es Put Dat eee + Pas jemplo 1: Si B; es el suceso vextraccién de un as de una baraja de cartas» y B, es el suceso wextraccién de tun rey», entonces P(E,} » ae = as y P(E3} = # = ty. La probabilidad de extraccién de un as, ‘oun rey en una Sola extraccibn es P(E, +B) = P(E) + PU) = = Pucsto que ambos as y rey no pueden extraerse al mismo tiempo en una sola extraeeién, siendo, ues, sucesos mutuamente excluyents. Ejemplo 2: Si £, es el suceso «extraccién de un as» de una baraja y E, ese] suceso «extracci6n de una espa- da», entonces E, y £, no son mputuamente excluyentes, puesto que puede ser exttaido el as de cespadas, Asi la probabilidad de extracr en una extraccién un a 0 una espada 0 ambas cosas es P(E, + Es) = PLE} + P(E} ~ PLE,E:} 4.3 116.4 poe suede a2 iG) DISTRIBUCIONES DE PROBABILIDAD DISCRETA Si una variable X puede tomar ‘una serie de valores discretos X,, Xq, ..., Xx con probabilidades respectivas py, D3, ...» Pe, donde p, + pr +... + Px = 1, se dice que ha sido definida para X una distribucién de probabilidad disoreta. La funcién p(X) que toma los valores respectivos pi, Pa. ++ Px para X= X;, Xq,..., Xx se llama funcién de probabilidad o funcién de frecuencia de X. Como X puede tomar ciertos valores con unas probabilidades dadas, se lama a veces variable aleatoria discreta. Una variable aleatoria se conoce también como variable de probabilidad o variable estocdstica jemplo: Sea X la variable que denota la suma de puntos obtenidos al lanzar un par de dados. Entonces la Gisteibuci6n de probabilidad viene dada por la siguiente tabla, xl 2 84 6 6 7 8 9 0 HW ix) | 1/88 2/98 9/88 4/36 6/48 6/86 5/86 4/26 8/38 2/38 1/96 Por ejemplo, la probabilidad de obtener 5 en Ta suma es <= 3. Asi en 900 tiradas de los due dos cabria esperar que en 100 tradas fuese 5 la suma de puntos. Advigrtase que esto es andlogo 2 la distribucién de frecuencias relativas en la que las frecuencias relativas han sido sustituidas por probabilidades. Asi se puede pensar que las distribuciones de proba- bilidad son tedricamente las distribuciones de frecuencia relativa llevadas al limite, es decir, cuando el nimero de observaciones hechas es muy grande. Por esta razén se pueden ver las distribuciones de probabilidad como distribuciones de poblaciones, en las que las distribuciones de frecuencias relati- vas son distribuciones de muestras extraidas de estas poblaciones. La distribucién de probabilidad puede representarse gréficamente levando los valores p(X) sobre X, como se hizo para las distribuciones de frecuencia relativa. Véase Problema 11 ‘Acumulando las probabilidades se obtienen distribuciones de probabilidad acumulada que son and- logas a las distribuciones de frecuencia relativa acumulada. La funcién asociada a esta distribucién se conoce como fimciin de distribucién.