Escolar Documentos
Profissional Documentos
Cultura Documentos
UBA
UNIDAD 1. PROBABILIDAD
Concepto de aleatoriedad
Cuando se trabaja sobre fenómenos económicos como objeto de estudio, como ser la
demanda de cierto producto, la inflación, la balanza comercial, la evolución de precios,
vale decir que sus posibles causas o factores que influyen en su comportamiento son
puntos de interés relevantes para su explicación y comprensión efectiva.
Causas reconocidas
Explicación del
Causas desconocidas: fenómeno:
factores aleatorios Fenómeno
Económico Patrón de
comportamiento
Experiencia
Registro y
estudio
Los sucesos especiales se definen de esa manera ya que como todo conjunto es
subconjunto de sí mismo, el espacio muestral Ω es un suceso y tiene la particularidad
de que siempre ocurre, ya que cualquiera sea el resultado obtenido en el experimento,
pertenece a Ω.
Por último, los sucesos elementales son aquellos que tienen un único elemento. Éstos
tienen la propiedad de ser disjuntos dos a dos (nunca comparten elementos) y la unión
de todos ellos cubre todo el espacio muestral.
A partir de esto pueden definirse los sucesos simples como aquellos que dependen de
un único resultado de un fenómeno aleatorio, y sucesos complejos o compuestos a los
que surgen de la combinación de dos o más sucesos simples.
Para obtener sucesos compuestos pueden realizarse, entre dos o más sucesos, las
operaciones básicas definidas entre conjuntos, dado que las demás combinaciones
que pueden considerarse, pueden expresarse en función de éstas.
Concepto de Probabilidad
Puede decirse que el concepto de probabilidad goza de bastante popularidad dado que
se difunden masivamente datos de diferentes áreas que involucran cifras que expresan
probabilidades.
En escenarios de incertidumbre es donde esta noción cobra un rol destacado ya que
aunque no es posible predecir con certeza la ocurrencia de hechos aleatorios, puede
llegarse a cuantificar la posibilidad de ocurrencia de sucesos de estas características.
Existe una noción intuitiva o “cultural” que permite obtener probabilidades
identificándolas con proporciones aunque para que esto sea correcto deben cumplirse
algunas condiciones.
Se dice que un espacio muestral es equiprobable si todos los resultados del fenómeno
asociado tienen la misma posibilidad de ocurrir.
N°de elementos de A
P(A)=
N°de elementos de
Los espacios muestrales que gozan de esta propiedad por excelencia son los
correspondientes a los juegos de azar (legales) donde el sistema por el que se generan
los resultados garantiza la equiprobabilidad.
Este resultado tiene una esencia empírica y sólo es aplicable a la situación particular
que da origen al cálculo (fenómeno y suceso a estudiar definidos en el momento). Más
allá de esto, los empiristas asentaron una interpretación formal más general de la
probabilidad en este cálculo definiendo:
f (A)
P(A)= lim a lim fr (A)
n n n
donde fa(A) y fr(A) representan las frecuencias absoluta y relativa del suceso A
respectivamente.
Dado que, según las condiciones en que se estudia un fenómeno o sus características
propias, es posible trabajar con diferentes definiciones e interpretaciones de
probabilidad, es preciso establecer pautas que integren todas las concepciones sin
caer en contradicciones, formalizando el concepto y sus propiedades.
Obs.: El axioma III, llamado “de aditividad” es válido únicamente si A∩B = Ø, (en este
caso A y B se dice que son mutuamente excluyentes o incompatibles). En los
corolarios y teoremas siguientes se establecen propiedades que se demuestran a partir
de los axiomas.
Corolario 2: P(Ø) = 0
Dem: Se prueba inmediatamente a partir del Corolario 1 y del Ax. II ya que = .
Dado que por el Ax. I es P(B-A) ≥ 0 entonces P(B) = P(B-A)+P(A) ≥ 0 + P(A) = P(A) que
es lo que se quería probar.
B P(PA(B)B)
P A (siempre que P(B) 0)
Para pensar:
cuánto valen P(A/B) y P(B/A) si A∩B = Ø?
Puede darse el caso que para dos sucesos A, B E, la ocurrencia de uno de ellos no
altere la probabilidad de que ocurra el otro, en este caso sería P(A/B) = P(A) por
ejemplo, o también a la inversa P(B/A) = P(B). En este caso se trata de una relación
particular entre sucesos, la independencia estocástica.
P(A∩B) = P(A).P(B)
Obs.: Es común que este cálculo se utilice para verificar la independencia de dos
sucesos (como prueba).
P(salga par) = 1- P(salga impar) ya que ambos sucesos tiene probabilidad igual a
0,5.
P(salga múltiplo de 8) = 0 ya que no hay resultados múltiplos de 8, por lo tanto es
imposible que eso ocurra.
P(salga un múltiplo de 6) = P(6) = 1/6 dado que sólo el 6 es resultado favorable y
este suceso {6} está incluido en el suceso “sale par”, donde P(salga par) = P(2; 4; 6)
= 0,5 que es un valor mayor que 1/6
Con los mismos sucesos del ejemplo anterior haciendo {2; 4; 6} – {6} = {2; 4} las
probablidades P( {2; 4; 6} ) – P( {6} ) =1/2 -1/6 = 1/3 = P( {2; 4} ) verifican la
propiedad de la diferencia.
Dados los sucesos A = “sale par” y B = “sale mayor que 3” haciendo AUB = {2; 4; 5;
6} resulta P(AUB) = 2/3 y P(A) + P(B) – P(A∩B) = ½ + ½ -P({4; 6}) = 1- 1/3 = 2/3
verificándose el teorema de la suma.
Para los mismos sucesos del caso anterior, P(A/B) = P(A∩B)/P(B) =(1/3)/(1/2) = 2/3
y P(B/A) = P(A∩B)/P(A) = (1/3)/(1/2) = 2/3. En ambos casos la probabilidad
condicional no coincide con la del suceso sin condicionar, por lo tanto A y B no son
independientes.
Dados los sucesos A = “sale mayor que 4” y B = “Sale impar” se tiene que
P(A) = 1/3 y P(B) = 1/2 y al calcular
En este caso P(A/B) = P(A) y P(B/A) = P(B), por lo tanto A y B resultan ser sucesos
independientes
Vale decir también que no todo par de sucesos dependientes son mutuamente
excluyentes, por ejemplo si P(A)=1/2, P(B)=1/4 y P(A∩B)=1/6 se verifica que A y B son
dependientes ya que P(A).P(B)≠P(A∩B) y no son mutuamente excluyentes.
Por lo tanto puede decirse que los sucesos mutuamente excluyentes son un caso
particular de los sucesos dependientes, pero no son todos ya que hay sucesos
dependientes con intersección no vacía.
Mutuamente
excluyentes
Dependientes
Independientes
a) Ai ≠ Ø Ai 1≤ i ≤ k A2
A1
b) = ⋃𝑘1 𝐴𝑖 y
A3 Ai
c) Ai ∩ Aj = Ø i ≠ j
Esta noción se refiere a un cubrimiento exhaustivo del espacio, es decir que cada
elemento del espacio pertenece a algún conjunto de la partición y sólo a uno de ellos.
De esta manera, para todo suceso B , éste también puede “partirse” mediante la
partición que se tenga de , en subconjuntos mutuamente excluyentes de la forma
(B ∩ Ai) tales que:
B = ⋃𝑘1(𝐵 ∩ 𝐴𝑖 ) y
B
(B ∩ Ai) ∩ (B ∩ Aj) = Ø si i ≠ j
Como por definición de probabilidad conjunta se verifica que P(B ∩ Ai) = P(Ai).P(B/Ai)
se arriba finalmente al resultado del teorema:
P(A )P(B/A )
k
P(B) = 1 i i
Datos:
Experimento aleatorio: se elige al azar un alumno del curso de Álgebra I
Denominando R al suceso “el alumno es recursante”, R ̅ el suceso complementario de
R, o sea “el alumno no es recursante” y A al suceso “el alumno aprueba” se tiene:
Se quiere calcular P(A) sabiendo que hay dos únicas posibilidades (exhaustivas) ya
que cualquier alumno puede ser recursante o no, con probabilidad conocida y se saben
las probabilidades del suceso “el alumno aprueba” según a que categoría pertenezca -
ser recursante o no- entonces puede aplicarse la ley de la probabilidad total:
̅ ).P(A/R
P(A) = P(R). P(A/R) + P(R ̅)
P(A) = 0,25 . 0,62 + 0,75 . 0,35
P(A) = 0,4175
Dadas las mismas condiciones en que se aplica la Ley de Probabilidad Total, es posible
obtener la probabilidad condicional de cualquier suceso A i perteneciente a la partición,
al que se lo identifica como “causa”, sabiendo de la ocurrencia del suceso B,
reconocido como “efecto”.
P P(Ai )P(B/Ai )
Ai
i, 1 i k B
B
k
1
P(Ai )P(B/Ai )
Ai
P(Ai B)
Dem: Como P i
A
por definición de probabilidad condicional, y al poder
B P(B)
P P(Ai )P(B/Ai )
Ai
donde el denominador, que es el suceso “efecto” puede
B P(B)
descomponerse mediante la Ley de Probabilidad Total, obteniéndose así:
P P(Ai )P(B/Ai )
Ai
i, 1 i k
B
k
1
P(Ai )P(B/Ai )
que para todo valor de i tal que 1 i k coincide con el resultado del Teorema de Bayes
o de las “causa”.
Ejemplo integrador: Se tienen dos urnas, una con dos bolillas rojas y una blanca y otra
con dos bolillas rojas y dos blancas. Se lanza moneda cargada y si sale cara se saca
una bolilla al azar de la primera urna, sino se saca una de la segunda urna. Se sabe
que la probabilidad de obtener cara al lanzar la moneda es 1/3.
cara ceca
U1 U2
Roja
2/3
Cara=U1 Para calcular las probabilidades
1/3 Blanca
condicionales, se utiliza la definición clásica
1/3
Moneda ya que las bolillas se seleccionan al azar
Roja
Ceca=U2 1/2 con equiprobabilidad.
2/3 Blanca
De esta forma P(R/U1) = 2/3 y P(R/U2)
1/2 =2/4=1/2.
b) Calcular la probabilidad de que la bolilla extraída sea de la primera urna si era roja.
En este caso se trata de la probabilidad de un suceso causa “saco de U1” dependiendo
del suceso efecto “sale R”, por lo tanto se aplica el Teorema de Bayes:
P R
P(U1) 2/3 1/3
P U1 U1 2/5
R P(R) 5/9