Gua de Prctica N 03 de Matemtica Aplicada a la Medicina (MA143)

Teora de Probabilidades
Lic. Dal A. Paiva Y.
daulpaivay@hotmail.com

5 de octubre de 2012
La probabilidad y la estadstica son, sin duda, las ramas de las Matemticas que estn en mayor auge en este siglo, y tienen una tremenda aplicabilidad en todos los aspectos y ciencias, puesto que aquellas variables que inuyen en dichas ciencias, mdicas, econmicas, demogrcas, entre otras, suelen tener carcter aleatorio,es decir, no son deterministas, y se fundamentan en predicciones a partir de datos conocidos. Todo aquello que implique prediccin nos lleva al terreno de la probabilidad.

1.

Experimentos aleatorios

En todos los aspectos de la vida a veces nos encontramos con acontecimientos predeterminados, es decir, tales que podemos decir el resultado de dichos acontecimientos antes de que nalice o incluso de que comience. Tal es el caso de: 1. Tirar una piedra desde un edicio (sabemos que se caer). 2. Calentar un poco de agua (sabemos que la temperatura sube). 3. Golpear una pelota (sabemos que se va a mover, e incluso conociendo fuerzas que actan, entre otros, podemos conocer precisamente dnde caer). Tales acontecimientos o experimentos de los que podemos predecir el resultado antes de que se realicen se denominan experimentos deterministas . Sin embargo, analicemos otro tipo de experimentos, mucho ms interesantes desde el punto de vista matemtico: Imaginemos que lanzamos un dado al aire (normal, de 6 caras y no trucado). Podemos predecir el resultado que vamos a obtener?. Evidentemente no. Este es un experimento 1

que no es determinista. A este tipo de experimentos, en los cuales no se puede predecir el resultado antes de realizar el experimento se les denomina experimentos aleatorios . Otros ejemplos de experimentos aleatorios pueden ser: Tirar una moneda al aire y observar qu lado cae hacia arriba, rellenar una quiniela de ftbol, jugar una partida de pker y, en general, cualquier juego en el que intervenga el azar.

2.

Deniciones Bsicas

La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que pueda ocurrir en un experimento aleatorio, con el n de cuanticar dichos resultados y saber si un suceso es ms probable que otro o relaciones parecidas. Con este n, introduciremos algunas deniciones. Denicin 1 (Espacio Muestral). Se llama espacio muestral a un conjunto matemtico donde cada elemento representa un resultado (concreto) de un experimento. Dado que es una imagen matemtica (abstracta) de un problema (real) no es necesariamente nico para un experimento dado, pudiendo por tanto existir diferentes espacios muestrales para un mismo problema.

Ejemplo 1. Cul es el espacio muestral asociado al experimento de lanzar un dado normal al aire y observar la cara que queda hacia arriba?

Solucin. Evidentemente, en este caso hay 6 posibles resultados (6 sucesos elementales) y el espacio muestral estar formado por: = {1, 2, 3, 4, 5, 6}. 2

Denicin 2 (Suceso aleatorio). Llamaremos suceso aleatorio a cualquier subconjunto del espacio muestral. El concepto de suceso es fundamental en probabilidad. Dicho de forma simple, un suceso de un experimento aleatorio es cualquier cosa que se nos ocurra armar sobre dicho experimento.

As, si tiramos una moneda dos veces, sern sucesos todos los siguientes: 1. Sale al menos una cara. 2. Salen ms caras que cruces. 3. La moneda cae de canto. 4. No sale ninguna cruz. Denicin 3 (Suceso imposible). Llamaremos suceso imposible al que no tiene ningn elemento y lo representaremos por .

Denicin 4 (Suceso Seguro). Llamaremos suceso seguro al formado por todos los posibles resultados (es decir, al espacio muestral).

Denicin 5 (Espacio de Sucesos). Llamaremos espacio de sucesos y lo representaremos por S, al conjunto de todos los sucesos aleatorios.

Ejemplo 2. En el caso del lanzamiento de la moneda en el que el espacio muestral era = {C, X }, analicemos quin es el espacio de sucesos.

Solucin. Sucesos con 0 elementos: . Sucesos con 1 elemento: {C }, {X }. Sucesos con 2 elementos: {C, X }. De modo que el espacio de sucesos es: S = {, {C }, {X }, {C, X }}. Propiedad: Si el espacio muestral tiene n elementos, el espacio de sucesos tiene 2n elementos. Ejemplo 3. En el ejemplo anterior (2), el espacio muestral tena dos elementos y el espacio de sucesos tiene 22 = 4 elementos. En el ejemplo (1), el espacio muestral tena seis elementos y el espacio de sucesos tiene 26 = 64 elementos. 2

3.

Operaciones con sucesos

Para garantizar rigor en el uso de operaciones algebraicas como la unin y la interseccin de conjuntos, la familia de sucesos se extiende con algunos otros subconjuntos (complementos, entre otros) de manera que la familia extendida A tenga la siguiente propiedad de lgebra: A A entonces Ac := \A A; A1 , A2 A entonces A1 A2 A. .

4.

Asignacin de probabilidades. Regla de Laplace

Hasta el momento hemos descrito lo que es un experimento aleatorio y hemos denido los conceptos bsicos asociados a este experimento. Nos falta responder a esta pregunta: Cmo asignar probabilidades a cada uno de los sucesos de un experimento aleatorio? Hay muchas maneras de asignar probabilidades. La ms sencilla e intuitiva la dio el 4

matemtico francs Pierre Simon Laplace (17491827), quien enunci la regla que lleva su nombre: Regla de Laplace: Si realizamos un experimento aleatorio en el que hay n sucesos elementales, todos igualmente probables, entonces si A es un suceso, la probabilidad de que ocurra el suceso A es: p(A) = Ejemplo 4. Lanzamos un dado normal al aire. Consideramos el suceso A=sale par. Calcule p(A). nmero de casos favorables al suceso A nmero de casos posibles

Solucin. Casos posibles hay 6, pues E = {1, 2, 3, 4, 5, 6}. Casos favorables al suceso A = {2, 4, 6}. 3 Por tanto p(A) = 6 =1 = 0.5. 2 (Notemos que la probabilidad siempre es un nmero positivo y menor, o a lo sumo igual a 1). El inconveniente que plantea la denicin de Laplace es que necesariamente los sucesos elementales tienen que tener la misma probabilidad de ocurrir. Observemos un caso tan sencillo como el siguiente: De una urna que contiene 8 bolas rojas, 5 amarillas y 7 verdes se extrae una bola al azar. Calcula la probabilidad de que la bola extrada sea: a) roja b) verde c) amarilla El espacio muestral en este caso sera: = {R, V, A}, que consta slo de tres elementos, pero sera un poco ingenuo asignar las probabilidades mediante la regla de Laplace, 1 1 1 p(R) = , p(V ) = p(A) = 3 3 3 porque ya intuitivamente se ve que hay ms posibilidades, por ejemplo, de que salga una bola roja que de que salga una bola amarilla, de modo que cmo asignar probabilidades?. Fue el matemtico ruso Kolmogorov precis este trmino: 5

Denicin 6 (Denicin Axiomtica de Probabilidad). Una probabilidad p es una funcin que asocia a cada suceso A del espacio de sucesos S, un nmero real p(A), es decir: p : S R, y que cumple las propiedades: 1. 0 p(A) 1, (es decir, cualquier suceso tiene probabilidad positiva y menor o igual que 1). 2. p() = 1 (la probabilidad del suceso seguro es 1). 3. Si A y B son incompatibles, es decir A B = , entonces p(A B) = p(A)+ p(B). (es decir la probabilidad de la unin es la suma de las probabilidades si los sucesos tienen interseccin vaca).

Propiedad Si w1 , w2 , . . . , wn son los n sucesos elementales de un suceso aleatorio cualquiera, p una funcin p : S R de modo que cumple las propiedades: 1. 0 p( w i ) 1, i {1, 2, . . . , n}

2. p(w1 ) + p(w2 ) + + p(wn ) = 1 Entonces p es una probabilidad. Ejemplo 5. En el ejemplo de las urnas anterior, lo lgico es denir la probabilidad as: Como 8 7 en total hay 20 bolas y 8 son rojas, 7 verdes y 5 amarillas, p(R) = 20 , p(V ) = 20 , 5 . p(A) = 20 Se puede comprobar que as denida p es una probabilidad.

Consecuencias de la denicin de probabilidad: 1. p(A) = 1 p(A) 2. p() = 0 3. Si A y B son dos sucesos cualesquiera, p(A B ) = p(A) + p(B ) p(A B ) 6

4. Si A, B y C son tres sucesos cualesquiera, p(A B C ) = p(A) + p(B ) + p(C ) p(A B ) p(A C ) p(B C ) + p(A B C ) Ejemplo 6. Se tira una moneda 3 veces. Calcule la probabilidad de obtener alguna cara.

Solucin. Los problemas de este tipo, en los que se pide la probabilidad de obtener alguna cosa, se suelen resolver muy bien por paso al complementario. En este caso concreto, A=obtener alguna cara, A=no obtener ninguna cara=obtener 3 cruces. 1 , pues hay 8 casos posibles (2 2 2, haga el diagrama de rbol!) y slo Entonces, p(A) = 8 uno favorable (XXX , 3 cruces), por tanto: p(A) = 1 p(A) = 1 1 7 = . 8 8 2

5.

Probabilidad Condicionada

Hasta ahora nos hemos limitado a calcular probabilidades nicamente partiendo de un experimento aleatorio, sin tener ms informacin. Pero, qu ocurre si conocemos alguna informacin adicional?. Supongamos que estamos realizando el experimento aleatorio de lanzar un dado y obtener 1 . el nmero que sale. Consideremos el suceso A=sale un 4. Evidentemente, p(A) = 6 Ahora bien, variara esta probabilidad si al lanzar el dado alguien pasa por all y nos dice que ha salido un nmero par?. Disponemos entonces de una informacin adicional, B = {2, 4, 6}. Hemos reducido nuestro espacio muestral, que ahora slo consta de 3 elementos y tenemos que cambiar las probabilidades asignadas. Ahora el suceso A no tiene una posibilidad entre 6 de ocurrir, sino una entre tres, es decir, 1 . p(A) = 3 Esta es la idea de la probabilidad condicionada: La informacin obtenida B , modica la probabilidad de A. Lo expresaremos as: p(A/B ) = 1 y se lee probabilidad de A condi3 cionada a B o probabilidad de A conociendo B . El caso anterior es muy sencillo, pues directamente podemos calcular p(A/B ), pero si el espacio muestral se ampla, el problema es ms complicado. La frmula siguiente simplica el problema. 7

Denicin 7. Sea A un suceso aleatorio asociado a un experimento aleatorio, y sea B otro suceso que sabemos que se ha realizado. Llamaremos probabilidad de A condicionada a B y lo expresaremos por p(A/B ) a la expresin: p(A B ) p(A/B ) = p( B ) (de idntico modo se dene p(B/A)).

Ejemplo 7. Para el caso anterior, A = {4}, B = {2, 4, 6} p(B ) = . A B = {4} p(A B ) = 1 6 Luego: p(A/B ) =
3 6

=1 . 2
1 6 1 2

p( A B ) = p(B )

1 2 = 6 3

es lo mismo que obtenamos antes directamente.

6.

Sucesos Independientes

Si bien el conocer cierta informacin adicional modica la probabilidad de algunos sucesos, puede ocurrir que otros mantengan su probabilidad, pese a conocer dicha informacin. Por ejemplo, en el lanzamiento de un dado, consideremos los sucesos: A=sacar un nmero par y B =sacar un nmero menor o igual que 2. Es claro que A = {2, 4, 6} y B = {1, 2}. Calculemos la probabilidad de A conociendo que se ha realizado el suceso B , es decir, p(A/B ). Utilizando la frmula: p(A B ) = p(A/B ) = p(B )
1 6 1 3

3 1 = = 0.5 6 2

puesto que p(A B ) = p(sacar par y menor o igual que 2) = 1 y p(B ) = 1 . 6 3 Pero si no conocisemos la informacin B , cul sera la probabilidad de A?. 3 p(A) = p(sacar par) = 6 = 0.5, es decir que p(A/B ) = p(A), y por tanto el conocer la informacin B no modica la probabilidad de A. 8

Cuando esto ocurre es decir, cuando p(A/B ) = p(A), diremos que los sucesos A y B son independientes (el hecho de que ocurra B no modica la probabilidad de A). Propiedad: A y B son sucesos independientes p(A B ) = p(A) p(B ). Ejemplo 8.
1 En el caso anterior, p(A B ) = 6 , y por otra parte p(A) = se cumple que 1 1 1 p(A B ) = = = p(A) p(B ) 6 2 3 luego A y B son independientes. 1 2

y p(B ) =

1 3

,luego

7.

Experimentos compuestos. Teorema de la probabilidad total.

Un experimento compuesto es aquel que consta de dos o ms experimentos aleatorios simples. Es decir, si tiramos un dado, o una moneda, son experimentos aleatorios simples, pero si realizamos el experimento de tirar un dado y posteriormente una moneda, estamos realizando un experimento compuesto. Propiedad: De la frmula para calcular la probabilidad condicionada se deduce inmediatamente que: p(A B ) = p(B ) p(A/B ) Ejemplo 9. Se extraen 2 cartas, sucesivamente, de una baraja de 52. Calcule la probabilidad de extraer 2 trboles. y p(A B ) = p(A) p(B/A)

Solucin. Sea A=sacar trbol en la 1ra y B =sacar trbol en la 2da . Nos piden p(A B ). Segn la frmula anterior, p(A B ) = p(A) p(B/A). 13 1 4 Ahora bien, p(A) = 52 =4 y p(B/A) = 12 = 17 , por lo que p(A) = 51 9

1 4

4 17

1 . 17

Nota. Este mismo resultado se podra haber obtenido sin usar la probabilidad condicionada, del modo: ! 52 Formas de elegir 2 cartas de entre 52 = . 2 ! 13 Formas de elegir 2 trboles entre 13 = . 2 casos favorables = Por la regla de Laplace, p(obtener 2 trboles) = casos posibles Teorema 8 (Teorema de Probabilidad total). Si A1 , A2 , . . . , An son sucesos incompatibles 2 a 2, y cuya unin es el espacio muestral (A1 A2 An = ), y B es otro suceso, resulta que: p(B ) = p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) + + p(An ) p(B/An )

13 2 52 =
2

78 1 = . 1 326 17

Nota. El conjunto A1 , A2 , . . . , An que verica la incompatibilidad 2 a 2 y que la unin de todos ellos es el espacio muestral se denomina sistema completo de sucesos y este sistema divide el espacio muestral en partes que no se solapan. Ejemplo 10. En un colegio se imparten slo los idiomas ingls y francs. El 80 % de los alumnos estudian ingls y el resto francs. El 30 % de los alumnos de ingls son socios del club musical del colegio y de los que estudian francs son socios de dicho club el 40 %. Se elige un alumno al azar. Calcule la probabilidad de que pertenezca al club musical.

Solucin. En estos problemas es importante elegir el sistema completo de sucesos. En este caso: A1 = estudiar ingls A2 = estudiar francs B = ser del club musical 10

Nos piden p(B ). Por el teorema anterior: p(B ) = p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) = 20 40 8 80 30 + = = 0.32 100 100 100 100 25 2

8.

Teorema de Bayes

Como consecuencia del teorema de la probabilidad total y de las propiedades de la probabilidad condicionada, resulta este importante teorema que permite calcular probabilidades condicionadas. Teorema 9 (Teorema de Bayes). Si A1 , A2 , . . . , An son sucesos incompatibles 2 a 2, y cuya unin es el espacio muestral (A1 A2 An = ), y B es otro suceso, resulta que: p(Ai /B ) = p(Ai ) p(B/Ai ) p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) + + p(An ) p(B/An )

Nota. Las probabilidades p(Ai) se denominan probabilidades a priori. Las probabilidades p(Ai/B ) se denominan probabilidades a posteriori. Las probabilidades p(B/Ai) se denominan verosimilitudes. Ejemplo 11. Dos clases de 2 de Bachillerato, una de 28 alumnos y otra de 35 alumnos hacen conjuntamente un examen de Matemticas. La probabilidad de aprobar de los alumnos de la primera clase es de 0.68 y los de la segunda del 0.73. Se toma un examen al azar y resulta que est aprobado. Cul es la probabilidad de que sea de un alumno de la 1ra clase?

11

Solucin. Sea A1 = el examen es de un alumno de la primera clase A2 =el examen es de un alumno de la segunda clase B =el examen est aprobado. Nos piden p(A1 /B ). Hagamos antes que nada un diagrama de rbol: A1 28 63 A2 35 63 0,68 : B 0,32 : B 0,73 : B 0,27 : B

Figura 1: Diagrama de rbol para el ejemplo. Por el teorema de Bayes: p(A1 /B ) = Sustituyendo: p(A1 /B ) =
28 63

p(A1 ) p(B/A1 ) p(A1 ) p(B/A1 ) + p(A2 ) p(B/A2 ) 0,68 0,302 = = 0,427 35 0,708 0,68 + 63 0,73
28 63

p(A1 ) es la probabilidad a priori, es decir , antes de realizar el experimento y careciendo de informacin. = 0,444. En este caso p(A1 ) = 28 63 p(A1 /B ) es la probabilidad a posteriori, despus de realizarlo y conocer ms informacin. En este caso p(A1 /B ) = 0,427 (es algo menor). 2

9.

Ejercicios Propuestos

1. De 150 pacientes examinados en una clnica, se encontr que 90 tenan enfermedades cardiacas, 50 tenan diabetes y 30 tenan ambos padecimientos. Qu porcentaje de los pacientes tenan uno u otro de los padecimientos? 2. En cierta comunidad el 70 % de las personas fuman, 40 % tienen cncer pulmonar y 25 % fuman y tienen cncer pulmonar. Si F y C denotan los eventos de fumar y tener cncer pulmonar (completando la tabla adjunta) determine la probabilidad de un individuo escogido al azar: 12

F C C

a) No fume pero tenga cncer pulmonar. b) Fume pero no tenga cncer pulmonar. c) No fume ni tenga cncer pulmonar. d) Fume o no tenga cncer pulmonar. e) No fume o no tenga cncer pulmonar. 3. Este problema se reere a la miopa entre hermanos en familias con dos hijos. Sea S1 el evento de que el hermano mayor sea miope, y S2 representa el evento de que el hermano menor sea miope. Si se sabe que p(S1 ) = 40 %, p(S2 ) = 20 % y P (S1 S2 ) = 10 %. a) Calcule p(S1 S2 ); b) Cul es la probabilidad de que ninguno de los hermanos sea miope?; c) Calcular p(S1 /S2 ) y p(S2 /S1 ).
1 . Si ste 4. En un sistema de alarma, la probabilidad que se produzca un peligro es de 10 se produce, la probabilidad que la alarma funcione es de 0,95. La probabilidad que funcione la alarma sin haber habido peligro es de 0,03. Determine la probabilidad que haya un peligro y la alarma no funcione.

5. Se realiz un estudio para examinar si las personas con un IQ alto tienden a casarse entre ellos, y si esto est relacionado tambin con el sexo; para lo cual se obtuvieron datos de 1000 parejas. Sea M el evento que denota que el miembro masculino de la pareja tiene un IQ alto y F el evento que denota el hecho de que el miembro femenino de la pareja tenga un IQ alto. Los resultados obtenidos fueron los siguientes: p(F M ) = 0.05, p(M ) = 0.20 y p(F ) = 0.10

a) Cul es la probabilidad de que la esposa tenga un IQ alto, dado que su esposo tambin lo tenga? 13

b) Si al menos uno de los miembros de la pareja tiene un IQ alto, cul es la probabilidad de que la esposa lo tenga? c) Cul es la probabilidad de que solamente la esposa tenga un IQ alto? 6. Jos, Bruno y Mnica lanzan sucesivamente una moneda. El primero en obtener cara gana el juego. a) Cules son las respectivas probabilidades de ganar el juego si cada una lanza slo una vez? Respuesta: p(Jose ) = 1/2 p(Bruno) = 1/4 p(M o nica) = 1/8 b) Cules son las respectivas probabilidades de trinufo si el juego contina hasta un mximo de dos lanzamientos cada uno? Respuesta: p(Jose ) = 9/16 p(Bruno) = 9/32 p(M o nica) = 9/64 7. Un grupo de cinco mdicos programan realizar dos intervenciones quirrgicas, si acuerdan que tres de ellos realicen la primera y los restantes la segunda intervencin, a) cul es la probabilidad que Roxana y Jos estn en el grupo que realizar la segunda intervencin? b) cul es la probabilidad que Roxana est en el grupo que realizar la primera intervencin? 8. Se conoce dos tipos de presentacin en el parto, si el neonato se presenta de cabeza: PARTO CEFLICO y si se presenta de pies: PARTO PODLICO. En siete gestantes, cul es la probabilidad de que tres de ellas presenten parto PODLICO? 9. Una familia tiene 5 hijos. Determine la probabilidad de que: a) Los cinco sean del mismo sexo. Respuesta: 1/16 b) Cuatro sean varones. Respuesta: 0.15625 10. Se extraen tres cartas de una baraja. Determine la probabilidad de que: a) Las tres sean de palos diferentes. Respuesta: 0.397647 b) Al menos dos nmeros sean iguales. 14

11. Se tienen cinco sabores de helados: banana, chocolate, limn, fresa y vainilla; se toman tres paladas, cul es la probabilidad de las tres paladas sean del mismo sabor? 12. Se dispone de n + 1 urnas numeradas 0, 1, . . . , n. La urna i contiene i bolas blancas y n i negras. a) Se elige al azar una urna y se extrae de ella una bola. a1) Halle la probabilidad de que la bola extrada sea blanca. a2) Si la bola extrada es blanca, cul es la probabilidad de que provenga de la urna i, 0 i n? b) Se elige al azar una urna y se extraen de ella k bolas con reposicin. b1) Hallar la probabilidad de que las k bolas extradas sean blancas. b2) Si las k bolas extradas son blancas y se realiza una nueva extraccin, cul es la probabilidad de que esta nueva bola tambin sea blanca? Respuestas: a1) 1 2 a2) i 2n(n + 1) b1) 1 (n + 1)nk
n X i=0

ik

b2)

1 2

13. Tenemos una caja con 10 tornillos, de estos 8 son buenos y 2 son defectuosos. Se extraen dos tornillos de la caja. Se pide: a) Calcule la probabilidad de que la segunda extraccin sea un tornillo bueno, sabiendo que la primera extraccin ha sido un tornillo bueno.(sin reemplazo). b) Calcule la probabilidad de que la segunda extraccin sea un tornillo bueno, sabiendo que la primera extraccin ha sido un tornillo bueno ( con reemplazo). 8 7 b) Respuestas: a) 9 10 14. La probabilidad de que un paciente se recupere de una rara enfermedad de la sangre es 0,4. Si se sabe que 15 personas han contrado esta enfermedad, cul es la probabilidad de que: a) sobrevivan exactamente 5 personas? b) al menos sobrevivan 10 personas? c) sobrevivan entre 3 y 8 personas? Respuestas: a) 0.185938 b) 0.0338333 c) 0.877839

15. Una urna contiene tres bolas blancas y una roja. Una segunda urna contiene una bola blanca y cuatro rojas. Se lanza un dado, si sale una puntuacin inferior o igual a cuatro se extrae una bola al azar de la primera urna; en caso contrario se extrae, 15

tambin al azar de la segunda. Suponiendo que una persona desconoce el resultado del lanzamiento del dado pero sabe que la bola extrada es blanca. Cunto valdr la probabilidad de que el resultado fuera 1 (probabilidad de que la bola blanca extrada sea debido a que ha salido de la urna 1)?. 16. Se lanza una moneda que se supone homognea. Si sale cara se extrae al azar una bola de una urna, A, que contiene 3 bolas blancas y 1 roja. Si sale cruz se extrae al azar una bola de una urna, B , que contiene 2 bolas blancas y 3 rojas. Suponiendo que ha salido una bola blanca cul sera la probabilidad de que saliese cara? 15 Respuestas: 23

16