Probablidad
Probablidad
Probablidad
Ernesto Mordecki
8 de junio de 2007
´Indice
1. Experimentos aleatorios 2
2. Sucesos 2
3. Probabilidad 3
4. Probabilidad y Permutaciones 5
5. Probabilidad y Combinaciones 8
7. Regla de la suma 12
8. Propiedades de la probabilidad 13
9. Probabilidad condicional 15
15. Bibliograf´ıa 29
1
1. Experimentos aleatorios
Las probabilidades aparecen asociadas a los fen´omenos aleatorios.
Un feno´meno aleatorio es aquel en el cual la verificaci´on de un cierto
conjun- to de condiciones determinadas conduce a un resultado entre una
serie de resultados posibles. Llamamos experimento aleatorio a ese
conjunto de con- diciones determinadas. Por contraposici´on, los feno
´menos determ´ısticos, o no aleatorios son aquellos en los que la verificaci
´on de un cierto conjunto de condiciones determinadas conduce, en forma
inevitable, a un resultado fijo. Como ejemplos: tirar una moneda al aire y
observar la cara que presenta al caer al piso es un experimento aleatorio
(tenemos dos resultados posibles: cara y nu´mero); mientras que enfriar
agua hasta cero grados cent´ıgrados bajo presion atmosf´erica normal es
un fen´omeno determin´ıstico (conduce inequ´ıvocamente a la formaci´on
de hielo).
2. Sucesos
Consideremos un experimento aleatorio, y designemos mediante la
letra griega mayu´scula Ω (Omega) el conjunto de todos sus resultados
posibles. Llamamos a este conjunto Ω espacio de sucesos elementales, y a
sus puntos sucesos elementales o tambi´en casos posibles. Suponemos
que Ω es un con- junto finito y utilizamos la letra n para designar su
cantidad de elementos.
Ejemplo 1. Si tiramos una moneda al aire, tenemos un experimento
aleatorio con
Ω = {cara, nu´mero},
y resulta n = 2.
Ejemplo 2. Si tiramos un dado, tenemos seis resultados posibles,
Ω = {1, 2, 3, 4, 5, 6}
y en este caso n = 6.
Ejemplo 3. Si lanzamos un dado dos veces consecutivas, tenemos 36 casos
posibles, resultantes de combinar el primer resultado con el segundo, que
podemos representar en la siguiente tabla:
(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
(4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
donde, por ejemplo, el caso (3, 4) representa el resultado correspondiente
a obtener 3 puntos en la primer tirada y 4 en la segunda.
Llamamos suceso a cada subconjunto de Ω. Designamos a los sucesos
mediante las letras A, B, C, . . . con sub´ındices o sin ellos. Los sucesos
pueden tener uno o varios elementos, y tambi´en ningu´n elemento. En
este u´ltimo caso tenemos el suceso imposible, que designamos mediante ∅.
En el ejemplo 3, el conjunto
A = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)}
3. Probabilidad
Definicio´n 1. Dado un experimento aleatorio con un espacio de n
sucesos elementales Ω, la probabilidad del suceso A, que designamos
mediante P(A), es la razo´n entre la cantidad de casos favorables para
la ocurrencia de A y la de casos posibles. En otros t´erminos
nA
P(A) = ,
n
donde nA es la cantidad de casos favorables de A.
Veamos tres observaciones que resultan de esta definici´on.
Observacio´n. De la definici´on dada se obtiene que cada suceso elemental
tie- ne probabilidad 1/n. Decimos en este caso que los sucesos son
equiprobables. Esta es una caracter´ıstica muy importante de la definici
´on, que establece limitaciones en su aplicaci´on en aquellos experimentos
aleatorios donde este supuesto sea razonable.
Observacio´n. La probabilidad es un nu´mero no negativo, y menor o
igual que 1, es decir, para cualquier suceso A tenemos
0 ≤ P(A) ≤ 1.
4. Probabilidad y Permutaciones
En vista de la definici´on que dimos de probabilidad, basada en las
canti- dades de casos favorables y de casos posibles, la determinaci´on de la
probabi- lidad de un suceso se reduce en muchos casos a problemas de
combinatoria, en particular al c´alculo de permutaciones.
Podemos disponer dos letras distintas A, B una luego de la otra de dos
formas distintas:
AB, BA.
Tres letras se pueden disponer en forma sucesiva ya de seis maneras:
ABC, ACB
BAC, BCA
CAB, CBA
2! = 2, 3! = 6, 4! = 24.
1! = 1.
(un solo objeto no se puede “permutar”, hay una u´nica forma de ponerlo
en una sucesi´on).
Tenemos entonces:
1! = 1,
2! = 1 × 2 = 2,
3! = 1 × 2 × 3 = 6,
4! = 1 × 2 × 3 × 4 = 24.
n! = 1 × 2 × 3 × · · · × n. (1)
n! = (n − 1)! × n. (2)
Con ayuda de la f´ormula (2) obtenemos:
2! = 1! × 2 = 1 × 2,
3! = 2! × 3 = 1 × 2 × 3,
4! = 3! × 4 = 1 × 2 × 3 × 4
5! = 4! × 5 = 1 × 2 × 3 × 4 × 5 = 120,
y as´ı sucesivamente.
En t´erminos m´as formales, la demostraci´on se basa en el
principio de inducci´on completa, el cual permite obtener la f´ormula (1) a
partir de la (2). Ahora no es dif´ıcil calcular la cantidad de permutaciones
de diez letras:
1 2 3 4 5
A N A N A
Ejercicios
1. Se tiran 6 dados. Calcular la probabilidad de que muestren caras dis-
tintas.
5. Probabilidad y Combinaciones
Llamamos combinaciones de n tomadas de a m a la cantidad de
formas de elegir un subconjunto de m elementos de un conjunto formado
por n elementos.
Por ejemplo, si tenemos las letras A, B, C, D, tenemos seis
subconjuntos de dos letras:
n! = Cnm× m! × (n − m)!,
Ejercicios
1. Una urna contiene 4 bolas blancas y 5 negras. Se eligen tres bolas al
azar. Calcular las probabilidades de que: (a) todas las bolas extra´ıdas sean
blancas; (b) todas las bolas extra´ıdas sean negras; (c) se extraiga una bola
blanca y dos negras.
Ejercicios
1. Un blanco se compone de 5 c´ırculos conc´entricos con radios 0 <
r1 < r2 < r3 < r4 < r5 . El suceso Ak consiste e n acertar en el c
S T
´ırculo de radio 5 5
rk. Explicar que significan los sucesos B = k=1 Ak, C = k=1 Ak, y D =
A1A2.
2. Demostrar, que para dos sucesos A y B arbitrarios, las siguientes
cuatro relaciones son equivalentes: (a) A ⊂ B; (b) B ⊂ A; (c) A ∪ B = B;
(d) AB = ∅.
3. Un trabajador fabrica distintos productos. Sea Ak (k = 1, . . . , n) el
suceso que consiste en que el producto k-´esimo sea defectuoso. Escribir
los
T´ermino de la teor´ıa T´ermino de la teor´ıa
Notacio´n
de conjuntos de la probabilidad
espacio de sucesos
Ω espacio de elementos
elementales
∅ conjunto vac´ıo suceso imposible
uni´on de los conjuntos suma de los sucesos
A∪B
AyB AyB
intersecci´on de los producto de los sucesos
A ∩ B, AB
conjuntos A y B AyB
los conjuntos A y B son
los sucesos A y B son
AB = ∅ disjuntos (no tienen
incompatibles
elementos comunes)
el suceso C consiste en
el conjunto C es la
la ocurrencia (simult
C = AB intersecci´on de
´anea) de ambos
los conjuntos A y
sucesos A y B
B
el suceso D consiste en
el conjunto D es la
la ocurrencia de al
D=A∪B uni´on de los
menos uno de los
conjuntos A y B
sucesos A ´o B
AiAj = ∅ los sucesos A1, A2, . . .
los conjuntos A1, A2, . . .
(i, j = 1, 2, . . . ; son incompatibles dos
son disjuntos dos a dos
i =ƒ j) a dos
cada punto del espacio
[n Ω pertenece por lo los sucesos A1, . . . , An
Ai = Ω
menos a uno de los son los u´nicos posibles
i=1
conjuntos A1, . . . , An
el conjunto A la ocurrencia del
A⊂B est´a contenido suceso A implica la
en el conjunto B ocurrencia del suceso
B
complemento del
suceso contrario al
Ω\ A conjunto A
suceso A (designado A)
(designado Ac)
sucesos: (a) ni uno de los productos es defectuoso; (b) por lo menos uno
de los productos es defectuoso; (c) solamente uno de los productos es
defectuoso.
7. Regla de la suma
Decimos que dos sucesos A y B son incompatibles cuando no tienen
puntos en comu´n, es decir, su intersecci´on es vac´ıa: A ∩ B = ∅.
8. Propiedades de la probabilidad
La definici´on de probabilidad junto a la regla de la suma permiten
ob- tener importantes propiedades para el c´alculo de probabilidades.
Propiedad 1. Para cualquier suceso A se tiene P(A) = 1 − P(A).
Demostracio´n. Por definici´on de A (suceso contrario al suceso A),
tenemos
A = Ω \ A. De aqu´ı resulta AA = ∅.
Como P(Ω) = 1, aplicando la regla de la suma conclu´ımos que 1 =
P(Ω) = P(A ∪ A) = P(A) + P(A).
Propiedad 2. Si A ⊂ B, entonces P(A) ≤ P(B).
Demostracio´n. Como A ⊂ B, tenemos B = A ∪ (B \ A). Los sucesos
A y B\A son incompatibles, y por la regla de la suma P(B) = P(A)
+P(B\A) ≥ P(A).
9. Probabilidad condicional
Consideremos un espacio de sucesos elementales Ω y dos sucesos A,
B. Supongamos que P(A) > 0. Definimos la probabilidad condicional de B
dado A, que designamos P(B | A), mediante la f´ormula
P(AB)
P(B | A) = . (6)
P(A)
La probabilidad condicional es la probabilidad restringida al suceso A.
En primer lugar es inmediato obtener que P(A | A) = 1. Veamos adem
´as que se verifica la regla de la suma para la probabilidad condicional, es
decir:
Ejercicios
1. Tres jugadores A, B y C extraen por turno una bola cada uno, de una
urna que contiene 10 bolas blancas y 10 bolas negras. Las bolas extra´ıdas
no se reponen, y gana el primero que extrae una bola blanca. Calcular la
probabilidad de que gane cada uno de los jugadores A, B, y C.
2. Sean A y B dos sucesos arbitrarios, con P(A) > 0. Demostrar la des-
igualdad
P(B)
P(B | A) ≥ 1 − .
P(A)
Ejemplo 10. Tenemos 5 cajones con productos de una cierta industria. Dos
cajones contienen cada uno 4 productos buenos y 1 fallado; otros dos
cajo- nes contienen cada uno 3 productos buenos y 2 fallados; y el u
´ltimo caj´on contiene 6 productos buenos. Se elige al azar un caj´on,
del cual, tambi´en al azar, se extrae un producto. Calcular la probabilidad
de que el producto extra´ıdo resulte bueno.
Solucio´n. Designemos mediante B al suceso consistente en que el
produc- to extra´ıdo sea bueno. Tenemos cajones con tres composiciones
distintas de productos, y designamos mediante Ai (i = 1, 2, 3) al suceso
consistente en elegir un caj´on con una de las composiciones dada. De
esta forma (por ejemplo) se tiene: el suceso A1 consiste en elegir un caj
´on conteniendo 4 productos buenos y 1 fallado; el suceso A2 consiste en
elegir un caj´on con- teniendo 3 productos buenos y 2 fallados; el suceso
A3 consiste en elegir el caj´on que contiene 6 productos buenos. Es claro
que los sucesos A1 , A2 y A3 son incompatibles dos a dos, y son los u
´nicos posibles, de modo que segu´n la f´ormula (8), tenemos
P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + P(A3) P(B | A3)
2 4 2 1 6 19
= 5× 5 +
3 × + 5× 6 = 25.
5
5
Ejemplo 11. En una cierta poblaci´on de hombres hay un 30 % de
fumadores. Se sabe que la probabilidad de enfermarse de c´ancer de
pulmo´n es igual a 0,1 para los fumadores, e igual a 0,01 para los no
fumadores. Calcular la probabilidad de que un hombre elegido al azar en
esta poblaci´on est´e enfermo de c´ancer de pulm´on.
Solucio´n. Designemos con la letra B al suceso consistente en que el
hombre elegido tenga esta enfermedad. El suceso A consiste en elegir un
fumador de la poblaci´on. Sabemos que P(A) = 0,3, y que P(A) =
0,7 (el suceso
A consiste en elegir un no fumador de la poblaci´on). Por la f´ormula de la
probabilidad total tenemos
P(B) = P(A) P(B | A) + P(A) P(B | A) = 0,3 × 0,1 + 0,7 × 0,01 = 0,037.
Ejercicios
1. Se colocan al azar en un tablero de ajedrez una torre negra y una blanca.
¿‘Cu´al es la probabilidad de que no se ataquen?
De aqu´ı
obtenemos
P(Ak) P(B | Ak) (k = 1, . . . , n).
P(Ak | B) = P(B)
2 (1/2)(1/10) 1
P(A | B) = (1/2)(9/10) + (1/2)(1/10)= 10.
Ejercicios
1. En una mesa hay tres armas de tipo A y una de tipo B. La
probabilidad de acertar en el blanco con un arma de tipo A es de 0,7, y la
de acertar con un arma de tipo B es 0,4. Se elige al azar un arma y se
dispara un tiro al blanco. Calcular: (a) la probabilidad de fallar el tiro; (b)
la probabilidad de haber elegido un arma de tipo B, sabiendo que el tiro
fall´o.
2
de forma que se cumple la igualdad (10).
Veamos ahora que si ambos sucesos A y B tienen probabilidad positiva
(esto asegura que las probabilidades condicionales P(B | A) y P(A | B) est
´an definidas), entonces, la independencia de los sucesos A y B es equiva-
lente a alguna de las igualdades
P(B | A) = P(B), (11)
P(A | B) = P(A). (12)
En efecto, si A y B son independientes, tenemos P(AB) = P(A) P(B).
Por otra parte, P(AB) = P(A) P(B | A) = P(B) P(A | B), y por esto (11) y
(12) son v´alidas. Si se cumple una de las igualdades (11) ´o (12), por
ejemplo (11), entonces P(AB) = P(A) P(B | A) = P(A) P(B), y los sucesos
A, B son independientes.
Decimos que los sucesos A1,. . . ,An son independientes dos a dos,
cuando se verifica
P(AiAj) = P(Ai) P(Aj),
para todo i ƒ= j, donde i, j = 1, . . . , n.
Decimos que los sucesos A1,. . . ,An son mutuamente independientes, o
mas brevemente, independientes, cuando para todo k (2 ≤ k ≤ n) se
verifica
. \k Σ
P Y
Aim k P(Aim ), (13)
m=1
=
m=1
Ejercicios
1. La probabilidad de que Romeo le escriba una carta a Julieta es de 0,
99. La probabilidad de que el correo no la pierda es 0,95. La probabilidad
de que el cartero la entregue es 0, 9. Calcular la probabilidad de que
Romeo no le haya escrito una carta dado que Julieta no la recibi´o.
1 2 3 4 5
-1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
La regla de formaci´on de este tri´angulo es que cada l´ınea se obtiene
de la superior sumando los dos nu´meros que se encuentran arriba a la
derecha y a la izquierda (asumiendo un cero cuando no hay nu´mero): por
ejemplo 15 = 5 + 10. Segu´n vimos, para una fila dada, por ejemplo la u
´ltima (pongamos n = 6), estos nu´meros cuentan la cantidad de caminos
posibles por los que la part´ıcula llega a las diferentes alturas en 6 pasos.
Como la cantidad total de caminos que puede seguir la part´ıcula es 26,
tenemos que
1 + 6 + 15 + 20 + 15 + 6 + 1 = 26 = 64,
como se verifica tambi´en sumando. Se observa adem´as, por la forma
de construir el tri´angulo, que este es sim´etrico (porque es sim´etrico el
paseo si cambiamos arriba por abajo en su construcci´on).
Resulta adem´as, que las combinaciones de n tomadas de a m
coinci- den con el nu´mero que aparece en en m-´esimo lugar de la n-
´esima fila del tri´angulo de Pascal. Esto resulta de observar, que,
numerando de 1 a n los pasos, para contar cada camino que sube en m
pasos, tenemos que elegir los m momentos de subir de esos n nu´meros,
correspondiendo a cada elecci´on
un subconjunto de m elementos del conjunto {1, 2, . . . , n} de pasos.
Como consecuencia, de la simetr´ıa del tri´angulo de Pascal resulta que
n n
Cm = n−m
C
la igualdad de las combinaciones complementarias, as´ı como,
Cmn = Cm−1
n−1 n−1
+ Cm
Ejercicios
1. Las cajas de fo´sforos. Un profesor de matem´atica lleva consigo dos
cajas con n f´osforos cada una. Cada vez que necesita un f´osforo, elige al
azar entre una de las dos cajas. Calcular la probabilidad de que al vaciarse
la primera caja, en la otra queden r f´osforos.
Σ 1
Σ Cn = 1, (14)
n Pn(m) = n m
2n
m=0 m=0
Σ n
n mPn(m) = . (15)
2
m=0
Σ n2
n
m2Pn(m) = . (16)
n
+
m=0 2 4
Demostracio´n. Comencemos con la primer f´ormula. Tenemos
Σn
Σn n! 1
Σn
m=0 mPn(m) mPn(m) m
= m=1 = m=1
m!(n − m)! 2n
Σ 1
n n!
=
(m − 1)!(n − m)! 2n
m=1
(n − 1)! 1
n Σ
n
=
2 (m − 1)!(n − m)! 2n−1
m=1
n= Σ
n −1 (n − 1)! 1
2
m=0
m!(n − m)! 2n−1
n= Σ Cm n−1 1 n
n −1
= ,
2 2n−1 2
m=0
Σn−1
donde utilizamos (14) para n − 1 de la cual obtenemos que Cn−1 =
2n−1 . Transformemos ahora la segunda f´ormula: m=0 m
Σ Σ
n
n m(m − 1 + 1)Pn(m)
m=0
m2Pn(m) =
m=0 Σn
Σ
n
= mPn(m) m(m − 1)Pn(m).
m=0 + m=0
Σ Σ
n m(m − 1)Pn(m) n
m(m − 1)Pn(m)
=
m=0 m=2 n! 1
Σ
n
=
m(m − 1)
m=2 m!(n − m)! 2n
Σn n! 1
=
(m − 2)!(n − m)! 2n
m=2
n(n − 1) Σ
n
(n − 2)! 1
=
4 (m − 2)!(n − m)! 2n−2
m=2
n(n − 1) Σ
n −2
(n − 2)! 1
=
4 m!(n − m)! 2n−2
m=0
n(n − 1) Σ
n −2
= n−2 1 n(n − 1)
Cm = ,
4 2n−2 4
m=0
Σ
n−2
donde utilizamos ahora que C n−2 = 2n−2 . En conclusi´on
m=0 m
Σ
n n n
2 n2 n
m2P (m) = + − = + .
m=0
n 4 4
n
2 4 4
Esto concluye la demostraci´on del lema.
.Demos tracio´n del T eorema. Comencemos observando que los dos sucesos
− 1 .. < ε, . −. 1 . ≥ .ε son contrarios, por lo que
µ µ
n 2 2
n .. µ 1 . .. µ 1 . Σ
Σ
. . . − .
P. − . < =1− ≥ε
n ε n 2
P
2
Segu´n la regla de la suma de probabilidades, tenemos
.. µ 1 . Σ Σ
. .
− .≥ε = Pn(m)
P. 2 .
n m 1
donde la suma abarca todos los m tales que | n − 2 . ≥ ε. Para estos valores
de m se verifica tambi´en . m 1 Σ2
n −2
≥ 1.
ε2
Basados en esta u´ltima desigualdad, obtenemos
. Σ2
. .µ 1 .. Σ m 1
P − ≥ε≤ Σ n − 2 P (m)
. . ε2
n
n 2
donde la suma se extiende a los mismos valores de m que antes. Es claro
que al sumar en todos los valores de m desde 0 a n, obtenemos un
resultado mayor. En consecuencia
. Σ2 Σn .
.. Σ m 1 Σ
. −
.µ 1.
≥ εΣ
n
P − ≤ n 2 P (m) = 1 m− n 2 (m)
P n
. . 2
n 2 m=0 ε2 n2ε2 m=0
1 Σ n n2 Σ
n Σ
Σ
n Σn
= m2Pn(m) − n mPn(m) Pn(m)
n2ε2 4
m=0 m=0 + m=0
1 Σ n2 n n2 n2 Σ 1
= 2 2 + − + =
nε 4 4 2 4nε2
4
En los u´ltimos c´alculos utilizamos las f´ormulas (14), (15) y (16). Concluyendo
.. µ 1 . Σ .. µ 1 . Σ
. . 1
P. − . < = 1 − .
. − .
. ≥ 1 . (17)
n ε ε ≥ 4nε2
P
n 2 −
2
Esta desigualdad demuestra el teorema.
Ejercicios
1. Demostrar que para n = 10,000 nacimientos, la probabilidad de que
el desv´ıo del valor esperado de varones (que es 5000) sea a lo sumo un 10
% (es decir, a lo sumo 100) es mayor que 0, 99.
15. Bibliograf´ıa
W. Feller. Introduccio´n a la Teor´ıa de Probabilidad y sus Aplicaciones.
1978, M´exico, Limusa, Wiley.