Escolar Documentos
Profissional Documentos
Cultura Documentos
I N T R O D U C C I O N A LA TEORIA
DE PROBABILIDAD
I.S.B.N 958-9322-75-1
2002 UNIVERSIDAD NACIONAL
DE COLOMBIA SEDE MANEALES
AUTOR:
Contador Pblico
Licenciado en Biologa y Qumica
Esp. Economa Cafetera
Esp. estadstica
Instructor Asociado
Universidad Nacional de Colombia
Sede Manizales
IMPRESO:
Centro de Publicaciones
Universidad Nacional de Colombia
Sede Manizales
Septiembre de 2002
Marzo de 2003
Primera Edicin
Agradecimientos
CONTENIDO
INTRODUCCIN
I. ELEMENTOS BASICOS
11
1. CLASES DE EXPERIMENTOS
1.1 Determinsticos
1.2 Aleatorios
2. OBJETO DE LA TEORIA DE PROBABILIDADES
2.1 Espacio Muestral
2.2 Sigma Algebra (a- Algebra)
2.3 Evento (suceso)
2.4 Algebra de Eventos
3. MEDIDA DE PROBABILIDAD
4. EVENTOS INDEPENDIENTES
5. ELEMENTOS DE ANLISIS COMBINATORIO
5.1. Principio de la Multiplicacin
5.2. Principio de la Adicin
5.3. Muestras Ordenadas
5.4. Muestras no Ordenadas
5.5. Particin de un conjunto
6. PROBABILIDAD CONDICIONAL
7. REGLA DE LA MULTIPLICACIN
8. PROBABILIDAD TOTAL
9. REGLA DE BAYES
O.EJERCICIOS PROPUESTOS
11
11
11
12
12
14
15
16
18
25
27
27
27
28
29
30
33
36
37
38
39
45
45
46
47
50
54
55
59
59
60
61
64
66
68
71
71
71
79
1. MODELOS DISCRETOS
1.1. Modelo uniforme
1.2. Ensayo de Bernoulli
1.3. Modelo binomial
1.4. Distribucin hipergeomtrica
1.5. Distribucin geomtrica
1.6. Distribucin de Pascal
1.7. Distribucin de Poisson
1.8. Aproximacin de la Binomial a la Poisson
2. MODELOS DE VARIABLE CONTINUA
2.1. Distribucin Uniforme (Rectangular)
2.2. Distribucin Normal
2.3. Aproximacin Binomial a la Normal
2.4. Distribucin Beta
2.5. Distribucin Exponencial
2.6. Distribucin Gama
2.7. Distribucin Weibull
2.8. Distribucin Logaritmo Normal (Lognormal)
2.9. Distribucin de Rayleigh
2.10. Distribucin de Cauchy
2.11. Distribuciones Truncadas
3. EJERCICIOS PROPUESTOS
79
79
80
81
83
85
87
90
92
93
93
96
99
100
104
106
109
111
113
113
114
116
123
DEFINICIN
1. CLASES DE VECTORES ALEATORIOS
1.1 Vector aleatorio discreto
123
124
124
171
INTRODUCCIN
En muchos campos de la actividad humana se trabajan fenmenos que poseen algn grado de
incertidumbre y en un importante nmero de situaciones se llega a decisiones soportadas en el estudio
de tales hechos.
As, el economista estudia la oferta y la demanda de un producto y establece alguna relacin
funcional sin llegar a determinar exactamente la interaccin entre las dos; igualmente el mdico evala
al paciente y en ocasiones no puede precisar cul es la enfermedad que le aqueja; el ingeniero tiene
problemas de lograr exactitud en la resistencia de materiales, de confiabilidad de sus sistemas, de
medicin de precipitaciones atmosfricas, de la caracterizacin de un suelo, el mismo flujo del trfico
en una ciudad o una carretera; al socilogo le interesa conocer el comportamiento de un cierto grupo
de indgenas ante la civilizacin, sus aptitudes y actitudes con base en algunas de las personas que lo
conforman; por igual diferentes profesionales buscan medir el riesgo que est involucrado en las
decisiones que deben tomar.
La incertidumbre se presenta debido a la aleatoriedad del fenmeno que se observa, pero adems
por el desconocimiento del verdadero estado del sistema lo cual equivale a ignorar los parmetros que
determinan ese estado de la naturaleza.
Existe incertidumbre, por ejemplo cuando: El agricultor se interesa sobre cuantas semillas sern
vanas. El jefe de produccin debe detener o no el proceso de produccin. Al socilogo le interesa de
un conglomerado sus ingresos, estado civil, edad, etc. El ingeniero electrnico debe identificar la
confiabilidad de un sistema.
Se requiere por lo tanto de un procedimiento estructurado, sistematizado, formalizado, es
decir, cientfico, para manejar la incertidumbre y que adems permita cuantificar los diversos
niveles de sta.
El ser humano ha tratado de medir su nivel de incertidumbre, tal medida se conoce como probabilidad.
Filosficamente no se est desarrollando o descubriendo la probabilidad, ella es inherente al ser
humano, sino que se est cuantificando.
Despus de esta ambientacin, tal vez su primer contacto con la probabilidad, es hora de observar
con detenimiento la cartula del libro y luego despertar la imaginacin tratando de asociar la teora de
probabilidad con la imagen de referencia. Desde luego, yo hice el ejercicio previamente y conceb
algunas ideas que tambin deseo compartir con ustedes.
Con la portada del libro se pretende dar una visin de algunos de los muchos casos en donde
tiene aplicabilidad la teora de probabilidad, constituyentes a la vez de un soporte para dejar volar la
imaginacin acerca de los campos en los cuales se puede hablar en trminos probabilsticos.
9
Es as como en un primer plano se encuentra una persona trabajando en un poste por donde
pasan lneas de transmisin de energa, de telfonos, de televisin por cable, etctera, en cuyos casos
se pueden hacer estudios apoyados en la teora de probabilidad y relacionados con la eficiencia de
estas redes, su confiabilidad, la calidad de los elementos conectados, el desgaste que sufren en un
determinado tiempo, la aparicin de conexiones autorizadas, la presencia o ausencia de seal, su
intensidad, y otra gran cantidad. La misma persona representa a tantos trabajadores que intervienen de
esa u otra forma, en cuyas actividades est presente por lo menos el riesgo (probabilidad) de sufrir
accidentes, aspecto este asociado a la seguridad industrial.
Entrando un poco ms en el mosaico, se encuentra una rama de caf y luego otros productos de
la tierra, tpicos de nuestra regin, que hacen pensar en por ejemplo la probabilidad de que las semillas
sean viables o no, pronsticos de las cosechas con grados de seguridad (probabilidad), evaluacin de
la calidad de tales productos, estimacin de las plagas y enfermedades que atenan contra las cosechas,
de la efectividad de los productos usados para combatirlas, los diferentes componentes del clima, y
muchos ms que tendran que considerarse en los estudio relativos al campo agropecuario.
Resalta en la figura el componente ciudad, aqu nuevamente se genera cualquier cantidad de
fenmenos que deben asociarse con las probabilidades. Desde el punto de vista de los sectores
econmicos se pueden mencionar algunos tales como, salud, financiero, inmobiliario, industrial,
comunicaciones, etctera, en los cuales se describen y analizan caractersticas que estn asociadas a
riesgos o hechos que tienen correlacin con algn grado de incertidumbre (probabilidad). La presencia
de una determinada enfermedad, la evolucin de los mercados burstiles, el crecimiento de la
construccin, la demanda y oferta de un producto, la trasmisin de una seal, son todas ellas variables
que pueden ser analizadas probabilsticamente.
El vehculo que hace parte de este collage, interviene representando las diferentes mquinas que se
requieren en tantas y tantas labores que debe efectuarse en distintos trabajos desde los ms elementales
hasta los que tienen que utilizar sistemas con tecnologa de punta. Es indudable la aplicacin de la medida
de probabilidad que tiene que ver tambin con la eficiencia del sistema que se est empleando, la resistencia
de la mquina, la duracin de sus elementos, el costo-beneficio que podra tener y as otras cuantas.
Las ciudades estn habitadas por personas que intervienen en las diferentes investigaciones de una u
otra forma, y de las cuales es necesario conocer su estructura, su forma de vida, sus problemas y dificultades,
sus necesidades, etctera, para formular polticas y programas nuevos, evaluar y monitorear los existentes,
de tal manera que muchas veces es necesario utilizar muestras aleatorias de esas poblaciones para estimar
probabilsticamente eso que queremos saber de todos los que conforman los conglomerados de referencia.
La luna nos proyecta al espacio, representa el universo (estrellas, planetas, satlites, asteroides,
etc). El hombre siempre ha estado interesado en conocer si existe vida en otras galaxias, para ello
observa mas all de la tierra por ejemplo con telescopios, viajando al cosmos y utilizando vehculos y
sistemas ciue deben suministrar algn grado de confianza de su eficiencia para alcanzar el objetivo.
As mismo, se han diseado planes de defensa y ataque ante posibles conflictos mundiales. A la vez,
los cientficos hablan de la capa de ozono, los rayos ultravioleta, la contaminacin ambiental, y el
factible efecto sobre la humanidad de muchos agentes que probablemente estn atentando contra el
bienestar del planeta. Todo esto, tambin esta soportado en un fuerte contenido probabilstico, de ah
nace la justificacin de contribuir con la presentacin de este libro.
'0
I. ELEMENTOS BSICOS
1. CLASES DE EXPERIMENTOS
En la vida cotidiana se pueden encontrar dos clases de fenmenos o experimentos:
1.1 Determmsticos
Al realizarlos bajo las mismas condiciones generales, presentan siempre el mismo resultado.
1.2 Aleatorios
An cuando se observen bajo las mismas condiciones y se conozcan los posibles resultados
ninguno se puede anticipar con certeza.
Los primeros se relacionan con la causalidad que implica conocimiento y control de los factores
que determinan el comportamiento del fenmeno.
Los segundos obedecen a factores de casualidad o del azar adems de los causales, pero con la
imposibilidad de controlarlos debido al desconocimiento de las causas.
Algunos aseguran que todo fenmeno posee los dos tipos de factores, pero que en ciertos casos
la importancia de los casuales es tan poca que se considera despreciable y se acepta entonces el
determinismo absoluto.
Ejemplos
Determinsticos:
1 Leyes gravitacionales (un cuerpo baja en ciertas condiciones).
2 Leyes de Kepler (comportamiento de los planetas).
3 Al quemar un hidrocarburo como el gas propano en presencia del oxgeno, se produce gas
carbnico ms agua.
4 Se hace actuar sobre un cuerpo de un kg. de masa una fuerza de un Newton, se obtiene una
aceleracin de un metros/segundo2
11
Aleatorios:
5
El querer determinar la cantidad de lluvia que caer debido a una tormenta que pasa por
una zona especfica, el origen de la tormenta, la direccin de la tormenta, etc.
Ejemplo 13
Sea el fenmeno aleatorio \\i el resultado de un partido de ftbol:
!
a. 2, = {Ga , NG A }
G A = Gana el equipo A
NG A = No gana el equipo A
b. f l 2 = {Ga , E, P A }
E = Empata
PA = pierde el equipo A
Por lo tanto, en la eleccin de un Espacio Muestral se debe tener en cuenta que tipo de respuestas
del fenmeno se desean estudiar
12
, Q2
cualquier otro.
Ejemplo 14
Suponga que el fenmeno aleatorio es lanzar 2 dados, uno rojo y uno verde, interesa:
a. La frecuencia de aparicin del nmero "4".
fi, = {0, 1, 2}
b. La suma de las caras que quedan hacia arriba.
S = i + j}
Q 4 ={2,3,4,5,6,7,8,9,10,11,12}
Ejemplo 15
Si la duracin de un artculo es un fenmeno aleatorio entonces: i = "H
Ejemplo 16
Suponga un sistema cualquiera (el flujo de un lquido, una seal de comunicacin, una fuente
radioactiva, etc) que va de A a B, como se muestra en la figura, donde C. indica el componente i
funciona (i=l, 2,3,). Es de inters considerar el nmero de salidas del sistema. Por tanto, Q = {, 1, 2}
equivalente a decir que es {0} s no hay un C bueno, {1} existe una salida cuando C t funciona y los
otros dos componentes no sirven alguno de ellos se encuentra daado, {2} cuando todos los
componentes funcionan.
}WeQ
i =1,2...
13
<j) G
'(
ii.
Si A e n => A c e
iii.
{ A i / i e N } e 71 => ( J
Aie
Vi
2.
3.
Sea
CT
K
a. | J A e (
i=l
K
b. n A
i=\
Ejemplo 17
Sea Q un espacio mus
7[ = 2 # n es CT- Algebra
# Q : nmero de elementos de Q
(vase la Nota 6 de la pgina 33)
Ejemplo 18
Sea Q = {a, b, c}
14
se llamar
i.
es
a-Algebra
e JK2
ii. {a} e
{b, c} e
0 e
Q e ^
, => 0 c = O e
=>
= 0
= Q e 2 por lo tanto,
es
15
Ejemplo 14
Del ejemplo 13, se puede definir el evento:
Ejemplo 20
Del ejemplo 14, el evento:
Ejemplo 21
Del ejemplo 15, el suceso:
Ejemplo 22
Del ejemplo 16, el evento:
A ocurre <=> W e A
2.
A no ocurre <=> W
3.
Ocurre A! A2
4.
Ocurren A, x A 2 O
5.
A , , W e Ac
W e ( A[ U A2)
W e ( A[ fl A2)
Vi
6.
7.
8.
No ocurre al menos un suceso A <=> ocurren todos los sucesos contrarios a los respectivos
\c
A; o
9.
We
u AiJ =n
Ac,
Vi
Wi
(A, - A2)
16
Ejemplo
14
f(A,A), (A,Tj), (A, T2 ), (A, T3 ), (A, T4 ), (TJ , A),(T2 , A),(T3 , A),(T4 , A),(T,, T 2 ),
Q
El=
{(A, A)}
E 2 = {(Ti.Tj )/ i, j = 1,2,3,4}
E 3 = {(A,Tj), (Tj, A), (A,T 2 ),(T 2 , A),(A,T 3 ),(T 3 , A),(A,T 4 ),(T 4 , A)}
E 4 = E, u E 3
E . f l E , , E[ O E 3 son eventos disjuntos.
17
3. MEDIDA DE PROBABILIDAD
VA
IM
ieN
i&N
iii. P (Q) = 1
S A e n se dice que P(A) es la medida de probabilidad de la ocurrencia de A. P tambin es
conocida como FUNCIN DE PROBABILIDAD.
Adicionalmente se pueden verificar por el lector los siguientes teoremas:
TEOREMA 1
P (0) = 0
TEOREMA 2
Sean A,, A 2 , A 3 ,..., Ak e n y mutuamente excluyentes, => P (A U A) = P (A,) + P(A) i^j
f k
A e ^ = > P |J
Vi=l
\
A
k
P A
( i)
i=l
TEOREMA 3
Sea A c e => P (A c ) = 1 - P(A)
TEOREMA 4
Sean
A,, A 2
e R tal que A, c
TEOREMA 5
Sean A b A 2 e Si => P(Ai U A 2 ) = P (AO + P (A2) - P (Aj f] A 2 )
TEOREMA 6
Sea un conjunto de subndices I = {i / i < k, i e N, K e M } y {Ai / Ai e Si,
entonces p
^k
U 4
v' =1
V i e M}
, ,
'W
Ejemplo 24
Sea un experimento aleatorio T . asociado un espacio muestral numerable
Q= {W / i e N, 1 < i < n } y Si = 2 # n cj- Algebra.
Suponga un evento elemental W V que constituye el suceso A, hallar la probabilidad de A.
Solucin: P(A) = P(W) = ?
P(n) = P W1 =
v=I
y -i
P(w)=
P(A)=nP(A) = l
i=i
19
Ejemplo
14
En el ejemplo anterior, suponga que el evento B contiene n(B) puntos mustrales, es decir,
B = {Wj/i e N , A , i < n(B)}, halle P(B).
n(B)
n(B)
P(W)-
n(B)
i=l
PROBABILIDAD CLASICA
Ejemplo 26
Un dado es cargado en tal forma que la probabilidad de que aparezca una cara es proporcional al
nmero de puntos de esa cara, calcular la probabilidad de cada cara, asumiendo que se lanza una sola vez.
Solucion:
Q = j l , 2, 3, 4, 5, 6
1 = 1,2,3,4,5,6
K + 2K + 3K + 4K + 5K + 6K = 1 => K = .\ P(I) =
=> P(I)
= K.I
w
21
21
Ejemplo 27
Suponga un experimento Y, el cual puede tener los resultados a, b c. Considere una sola
observacin, fije C, una a- Algebra y establezca la funcin de probabilidad general.
Sea Q. - {a,b,c}
#n
= 2
= 23 = 8
20
P ({a})
{b} -
P ({b})
E 4 = Q - E3
Entonces:
V
n(2)
V 2>
P(E 3 ) = P ( E 1 U E 2 ) = P(E 1 ) + P ( E 2 ) - P ( E i n E 2 ) = ^ + ^ - 0 = -^
P(E 4 ) = P ( n - E 3 ) = P ( n ) - P ( E 3 ) = l - | = |
Obsrvese que los eventos elementales son equiprobables.
Ejemplo 29
En una ciudad se publican los peridicos A, B, C. Una encuesta reciente de lectores indica lo
siguiente: 20% lee A, 16% lee B, 14% lee C. 8% lee A y B, 5% Lee A y C, 3% Lee B y C, 2% lee A,
B y C. Para una persona escogida aleatoriamente, calcular la probabilidad de que:
21
La persona
La persona
La persona
La persona
La persona
La persona
lee el peridico A.
lee el peridico B.
lee el peridico C.
no lee ninguno de los tres peridicos.
lee exactamente uno de los peridicos.
lee al menos los peridicos A y B.
b.
n Bc n cc = A n (B u c)c = A n [ Q - (B u c>] = A - A n (B u c)
= A - (A n B) u (A n c)
n B n cc) u (A n B n Q]
La probabilidad de que una persona elegida aleatoriamente lea al menos los peridicos A y
B es de 0.08.
En trminos de frecuencia relativa expresada en porcentaje, es posible generalizar el resultado
probabilistico as:
23
conjunto de llamadas sucedidas entre las 8 a.m y las 9 a.m se querr determinar la probabilidad de
eventos como la duracin de una llamada telefnica es de un minuto, el nmero de llamadas en esa
hora se encuentra entre 5 y 11, etc; entre otros casos.
Se sintetiza lo anterior en el siguiente enunciado:
S un fenmeno es observado n veces y un suceso A se repite n(A) veces, la frecuencia relativa
f (A) es:
n-a
En otras palabras, si se tiene una poblacin finita y se realiza un censo (observacin completa de
los elementos que conforman la poblacin) en condiciones normales, la FRECUENCIA RELATIVA
de un evento A es a la vez la probabilidad del suceso A.
Ejemplo 30
Los siguientes datos corresponden al lugar de trabajo y residencia de los habitantes de una regin.
Un trabajador es seleccionado aleatoriamente. Cul es la probabilidad de que:
a.
b.
c.
d.
e.
f.
Resida en la zona 3
Trabaje en la zona 4
Resida y trabaje en la zona 2
Resida o trabaje en la zona 1
No trabaje en la zona 4
Trabaje en la zona 4, si se conoce que reside en la zona 3
ZONA DE
TRABAJO
TOTAL
ZONA DE RESIDENCIA ( R )
(T)
1
2
3
4
80
70
50
200
TOTAL
400
(T)
40
60
50
150
10
20
20
50
130
150
120
400
300
100
800
Solucin:
Se define
24
a.
P(R
n(Q)
P(T4) =
b.
n(T
4)
n(Q)
c. P ( T 2 F | R 2 ) =
800
400
800 _ 12
n(T 2 f | R 2 ) _ 60 _ 3
n(Q)
800
40
f.
4. EVENTOS INDEPENDIENTES
Definicin. Sea (Q, , P), A,, A, e . Los eventos A, y A 2 son independientes s y slo s
P(A t fl A 2 ) = P(A 1 )P(A 2 )
Definicin. Sea (Q, Jl, P); 1= {i / i e N, i < k, k e N }, {Ai / A e J, V i e 1}
Los eventos Au A 2 ,..., A k son independientes conjuntamente o mutuamente independientes s:
pnAil=np(Ai)
VieN
ieN
Ejemplo 37
Una persona lanza tres veces una moneda. Calcular la probabilidad de obtener una cara (A).
Solucin:
P(C) = 1 = P(S)
P(A)=P[(CSS)U(SCS)U(SSC)] = 1
*3 =0.375
25