Probabilidad y Combinatoria

Definiciones bsicas. Definiciones de Probabilidad Probabilidad condicionada. Teoremas Combinatoria Ejercicios

Definiciones Bsicas
Experimento: cualquier proceso que genere un conjunto de datos. Deterministas: son los que obedecen a una relacin causa-efecto y al variar poco las causas vara poco el efecto. Aunque se repita varias veces, bajo condiciones dadas, el resultado es previsible salvo, quizs, errores de medida. Ejemplo: al disparar un proyectil con el mismo ngulo de elevacin y las mismas condiciones siempre describe la misma parbola. Aleatorios: se caracterizan porque al repetirse en condiciones anlogas indefinidamente presentan resultados impredecibles de antemano, dependen del azar y no pueden pronosticarse con certidumbre. Ejemplo: si lanzamos una moneda al aire repetidamente, no es posible garantizar que en un lanzamiento dado se obtenga cara, aunque se conozca el conjunto completo de posibilidades para cada lanzamiento (cara, cruz).

Definiciones Bsicas
Espacio muestral (S ): conjunto de todos los resultados posibles de un experimento aleatorio. Espacio muestral finito: Tiene un nmero finito de posibles resultados. Ejemplo: Experimento aleatorio: Lanzar un dado al aire una sola vez Espacio muestral: S = {1, 2, 3, 4, 5, 6} Espacio muestral infinito: Tiene infinitos sucesos elementales. Si se corresponden con los nmeros naturales se trata de un espacio muestral infinito numerable. Ejemplo: Experimento aleatorio: N de veces que se lanza una moneda hasta obtener la primera cara Espacio muestral: S = {1, 2, 3, , n, } En caso contrario, infinito no numerable. Ejemplo: Experimento aleatorio: Eleccin al azar de un valor en el intervalo real [0,1] Espacio muestral: S = {infinitos valores reales entre 0 y 1}

Definiciones Bsicas
Evento o suceso: Cada uno de los posibles subconjuntos del espacio muestral, cada uno de los elementos de(S). Los denotaremos con A, B, C, Al realizar el experimento aleatorio se dice que se ha verificado el suceso A, si el resultado obtenido pertenece a A. Ejemplo: Experimento aleatorio: Lanzar un dado al aire una sola vez Espacio muestral: S = {1, 2, 3, 4, 5, 6} (S) = {, {1}, {2}, {3}, {4}, {5}, {6}, {1,2}, {1,3}, {1,4}, {1,5}, {1,6}, {2,3}, {2,4}, {2,5}, {2,6}, {3,4}, {3,5}, {3,6}, {4,5}, {4,6}, {5,6}, {1,2,3}, {1,2,4}, , {1,2,3,4,5,6} } Cada uno de estos elementos es un suceso o evento.

Definiciones Bsicas
Sucesos elementales: Cada uno de los resultados posibles de un experimento aleatorio. Cada uno de los subconjuntos unitarios (de un solo elemento) de (S). Ejemplo: Experimento aleatorio: Lanzar un dado al aire una sola vez Espacio muestral: S = {1, 2, 3, 4, 5, 6} (S) = {, {1}, {2}, {3}, {4}, {5}, {6}, {1,2}, {1,3}, {1,4}, {1,5}, {1,6}, {2,3}, {2,4}, {2,5}, {2,6}, {3,4}, {3,5}, {3,6}, {4,5}, {4,6}, {5,6}, {1,2,3}, {1,2,4}, , {1,2,3,4,5,6} } Sucesos elementales: {1}, {2}, {3}, {4}, {5}, {6} Suceso compuesto: si es unin de dos o ms sucesos elementales. Ejemplo: Experimento aleatorio: Lanzar un dado al aire una sola vez Espacio muestral: S = {1, 2, 3, 4, 5, 6} (S) = {, {1}, {2}, {3}, {4}, {5}, {6}, {1,2}, {1,3}, {1,4}, {1,5}, {1,6}, {2,3}, {2,4}, {2,5}, {2,6}, {3,4}, {3,5}, {3,6}, {4,5}, {4,6}, {5,6}, {1,2,3}, {1,2,4}, , {1,2,3,4,5,6} } Sucesos compuestos: {1,3,5}, {2,4}, {4,6}

Definiciones Bsicas
Suceso seguro: es aquel que se verifica siempre, sea cual sea el resultado del experimento, por tanto estar formado por todos los resultados posibles. Es suceso segur equivale al espacio muestral. Ejemplo: Experimento aleatorio: Lanzar un dado al aire una sola vez Espacio muestral: S = {1, 2, 3, 4, 5, 6} (S) = {, {1}, {2}, {3}, {4}, {5}, {6}, {1,2}, {1,3}, {1,4}, {1,5}, {1,6}, {2,3}, {2,4}, {2,5}, {2,6}, {3,4}, {3,5}, {3,6}, {4,5}, {4,6}, {5,6}, {1,2,3}, {1,2,4}, , {1,2,3,4,5,6} } Suceso seguro: {1,2,3,4,5,6} El suceso que no contiene ningn resultado del espacio muestral recibe el nombre de suceso nulo o imposible. Lo denotamos con .

Definiciones Bsicas
Las OPERACIONES ENTRE SUCESOS son las siguientes: - El suceso unin de A y B, denotado por AB, es el suceso formado por todos los posibles resultados de A, de B o de ambos. Ejemplo: A = {1,2} B = {2,4,6} AB = {1,2,4,6} - El suceso interseccin de A y B, denotado por AB es el suceso formado por los resultados comunes a A y a B. Ejemplo: A = {1,2} B = {2,4,6} AB = {2} - Dos sucesos son mutuamente excluyentes, incompatibles o disjuntos si no tienen resultados en comn, es decir, AB = Ejemplo: A = {1,3} B = {2,5,6} AB = - Si cualquier resultado de A es tambin resultado de B, entonces A est contenido en B y se denota AB. Ejemplo: A = {1,3} B = {1,3,6} AB - El complementario de un suceso A es aquel suceso que contiene a todos los resultados del espacio muestral que no estn en A. Lo denotamos Ac , A Ejemplo: A = {1,3} Ac = {2,4,5,6} c A = {1,2,3,4,5,6} A = A= Ac = {1,2,3,4,5,6}

Definiciones de Probabilidad
La probabilidad de un suceso es un nmero que cuantifica, en trminos relativos, las opciones de verificacin de ese suceso al realizar un experimento aleatorio. A los experimentos que no son aleatorios no se les puede aplicar las reglas de la probabilidad. Enfoque CLSICO o a priori (Laplace, 1812): Supongamos un espacio muestral finito S = {a1, , aN} de manera que los ai son sucesos elementales igualmente probables y sea un suceso A = {a1, , ak} (N k). n casos favorables k
P ( A =) n casos posibles = N

Enfoque FRECUENCIALISTA o a posteriori: Los fenmenos aleatorios presentan la llamada regularidad estadstica que consiste en que, al aumentar el n de repeticiones de un experimento, en condiciones prcticamente constantes, las frecuencias relativas de ocurrencia de cada evento tiende a estabilizarse en un valor fijo (probabilidad frecuencial del evento).

Definiciones de Probabilidad
Definicin AXIOMTICA En los aos 30 se dio una definicin axiomtica de la probabilidad como medida de incertidumbre. Sea un espacio muestral cualquiera, P() conjunto de las partes de , o conjunto de sucesos y A un suceso cualquiera de P() . Se define probabilidad, o funcin de probabilidad sobre , a una aplicacin (es decir, una regla bien definida por la que se asigna a cada suceso un, y un solo un, nmero real) p: P() que cumpla los axiomas siguientes: i) p(A) 0 A P() ii) p(A1 A2 A3 ...) = p(A1) + p(A2) + p(A3) + ... si Ai Aj= i j (sucesos mutuamente excluyentes) iii) p() = 1 A la estructura (, P(), p) se le denomina espacio de probabilidad.

Definiciones de Probabilidad
Como consecuencia de estos axiomas se pueden deducir otras propiedades que cumple la funcin de probabilidad definida y que nos van a ayudar a asignar la probabilidad de cualquier otro suceso que no sea el seguro (es necesario asignar un nmero a todos los sucesos).

Probabilidad Condicionada
Si la probabilidad de que ocurra un suceso B es p(B) 0, entonces la probabilidad del suceso A, condicionada al suceso B, se define considerando nicamente los casos en los que B se ha verificado y viendo en cuntos de ellos ocurre A y viene dada por el cociente:

El suceso A|B se llama suceso A condicionado a B. De la expresin anterior deducimos:

P ( A B ) = P ( A / B ).P ( B )
En general tenemos que P(A/B) P(A). Si as se verifica diremos que el suceso A depende del suceso B.

Sucesos Independientes
Sean A y B dos sucesos del mismo espacio muestral . El suceso A es estadsticamente independiente (o independiente) del suceso B si el conocimiento de la ocurrencia de B no modifica la probabilidad de aparicin de A, es decir, si: P(A|B) = P(A) En este caso, y con la definicin de probabilidad condicionada:

Notar entonces que:

y entonces B es tambin independiente de A. Diremos que A y B son sucesos independientes.

Sucesos Independientes
Propiedades de la independencia de sucesos: Sean A y B dos sucesos independientes (i) Entonces tambin son independientes A y Bc, Ac y B y Ac y Bc. (ii) A es independiente de s mismo si y slo s P(A) = 0 1 Regla del producto: Sean A1, A2, , An sucesos del mismo espacio muestral tales que P(A1A2An) > 0. Entonces: P(A1A2An) = P(A1) P(A2|A1) P(A3|A1A2) . P(An|A1A2An-1 )

Teoremas
Sea un espacio muestral. Una coleccin de n sucesos, B1,,Bn, de es un sistema completo de sucesos (s.c.s.) si verifican:

Bi B j = i j = U Bi
i =1 n

Teorema de la probabilidad total Sea un espacio muestral, B1,,Bn un s.c.s. y sea A otro suceso de , del que se conocen sus probabilidades condicionadas a cada Bi. Entonces:

P ( A) = P ( A / Bi ) P( Bi )
i =1

Teoremas
EJEMPLO: En un saquito hay papeletas de tres colores, con las siguientes probabilidades de ser elegidas: Amarilla: probabilidad del 50%. Verde: probabilidad del 30% Roja: probabilidad del 20%. Segn el color de la papeleta elegida, podrs participar en diferentes sorteos. As, si la papeleta elegida es: Amarilla: participas en un sorteo con una prob. de ganar del 40%. Verde: participas en otro sorteo con una prob. de ganar del 60% Roja: participas en un tercer sorteo con una prob. de ganar del 80%. Con esta informacin, qu probabilidad tienes de ganar el sorteo en el que participes?: 1.- Las tres papeletas forman un s.c.s.: sus probabilidades suman 100% 2.- Aplicamos la frmula: P (B) = 0,54 prob. del 54%

Teoremas
Teorema de Bayes: Sea un espacio muestral, B1,,Bn un s.c.s. y sea A otro suceso de del que se conocen sus probabilidades condicionadas a cada Bi. Entonces:

P ( Bi / A) =

P( A / Bi ) P ( Bi )

P( A / B ) P( B )
i =1 i i

A las probabilidades P(Bi) se les llama probabilidades a priori y a las probabilidades P(Bi/A) se les llama probabilidades a posteriori.

Teoremas
EJEMPLO: El parte meteorolgico ha anunciado tres posibilidades para el fin de semana: a) Que llueva: probabilidad del 50%. b) Que nieve: probabilidad del 30% c) Que haya niebla: probabilidad del 20%. Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un accidente es la siguiente: a) Si llueve: probabilidad de accidente del 10%. b) Si nieva: probabilidad de accidente del 20% c) Si hay niebla: probabilidad de accidente del 5%. Resulta que efectivamente ocurre un accidente y como no estbamos en la ciudad no sabemos que tiempo hizo (nev, llovi o hubo niebla).

Teoremas
EJEMPLO (Continuacin): Vamos a aplicar la frmula: a) Probabilidad de que estuviera lloviendo: 71.4 % b) Probabilidad de que estuviera nevando: 21.4 % c) Probabilidad de que hubiera niebla: 7.1 %

Combinatoria
Principio de Multiplicacin: Si una operacin puede realizarse en n1 formas y, si por cada una de stas, una segunda operacin puede llevarse a cabo en n2 formas, entonces las dos operaciones pueden realizarse juntas en n1 . n2 formas Ejemplo: Cuntos puntos muestrales hay en un espacio muestral cuando se lanzan un par de dados una sola vez? El primer dado puede caer en cualquiera de n1 = 6 formas diferentes. Para cada una de estas, el segundo dado puede caer en n2 = 6 formas. Por tanto, el par de dados puede caer en n1 . n2 = 6 . 6 = 36 formas posibles. Este principio se puede generalizar para k operaciones, la primera de las cuales puede realizarse en n1 formas, la segunda en n2, etc Entonces la secuencia de k operaciones puede hacerse en n1. n2 nk formas.

Combinatoria
Principio de Adicin: Si una operacin puede realizarse en n1 formas y una segunda operacin puede llevarse a cabo en n2 formas y adems no es posible que ambas operaciones se realicen juntas. Entonces, el nmero de formas en que puede realizarse una operacin o la otra es n1 + n2. Ejemplo: Supongamos que proyectamos un viaje y debemos decidir entre el transporte en guagua o en tren. Si hay 3 rutas para la guagua y 2 para el tren, entonces existen 3 + 2 = 5 rutas diferentes para realizar el mismo viaje.

Combinatoria
Permutaciones: Una permutacin u ordenacin es un arreglo, en un orden particular, de los objetos que forman un conjunto. Supongamos que tenemos n objetos diferentes. De cuntas formas distintas se pueden agrupar o permutar esos objetos? Agrupar u ordenar los n objetos equivale a ponerlos en una caja con n compartimentos, en algn orden especfico, de manera que una agrupacin ser distinta de otra, aunque tenga los mismos objetos, si estos estn dispuestos en orden diferente. La primera casilla se puede llenar de cualquiera de las n maneras. Como no se pueden repetir elementos, la segunda casilla se puede llenar de n-1 formas, y as sucesivamente. El nmero de permutaciones u ordenaciones diferentes de n objetos distintos es n! y se representa por Pn = n!

Combinatoria
n! es la multiplicacin de todos los nmeros que van desde n hasta 1. Ejemplo: 4! = 4 * 3 * 2 * 1 = 24 Si n es grande, el proceso del clculo del factorial se vuelve muy tedioso y cargado, incluso para un ordenador, por lo que se utiliza la aproximacin de Stirling a n! siendo e 2.71828 n n Ejemplo:

n ! 2 n n e

Calcular las posibles formas en que se pueden ordenar los nmeros 1, 2 y 3. Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2) y (3, 2, 1) Ejemplo: P10 son las permutaciones de 10 elementos:

Es decir, tendramos 3.628.800 formas diferentes de agrupar 10 elementos.

Combinatoria
Variaciones: Las permutaciones de n elementos tomados de r en r (r elementos a la vez) se llaman Variaciones. Si de los n objetos, nicamente r n de ellos se emplean en cualquier ordenacin, es decir, tenemos n elementos y queremos llenar una caja de slo r compartimentos, hasta la r - sima posicin, se sigue el razonamiento anterior. Se habrn empleado (r - 1) objetos. Para la ltima posicin tendremos n - (r - 1) posibilidades, luego:
nPr

= n (n - 1) (n - 2) (n r + 1)

Pr =
r

Vn

n! n(n 1)(n 2)...(n r + 1)(n r )! = (n r )! (n r )! n! = (n r )!

Combinatoria
Ejemplo: Calcular las posibles variaciones de 2 elementos que se pueden establecer con los nmeros 1, 2 y 3. Tendramos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1) y (3,3). En este caso los subgrupos (1,2) y (2,1) se consideran distintos. Ejemplo: V10,4 son las variaciones de 10 elementos agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 5.040 subgrupos diferentes de 4 elementos, a partir de los 10 elementos.

Combinatoria
Combinaciones: Una combinacin de los objetos de un conjunto es una seleccin de estos, sin importar el orden. Se entender por el nmero de combinaciones de r objetos tomados de un conjunto que contiene n de estos, al nmero total de selecciones distintas en las que cada una de ellas tiene r objetos, sin que influya el orden. La diferencia entre una permutacin y una combinacin est en que en la primera el inters se centra en contar todas las posibles selecciones y todos los arreglos de estas selecciones, mientras que en la segunda slo interesan las diferentes selecciones. n n! r Cn = = r!( n r )! r Por convenio n
n n = n; =1 1 = 1; 0 n

Combinatoria
Ejemplo: Calcular las posibles combinaciones de 2 elementos que se pueden formar con los nmeros 1, 2 y 3. Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el clculo de combinaciones las parejas (1,2) y (2,1) se consideran idnticas, por lo que slo se cuentan una vez. Ejemplo: C10,4 son las combinaciones de 10 elementos agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 210 subgrupos diferentes de 4 elementos, a partir de los 10 elementos.

Combinatoria
Permutaciones con repeticin: Para calcular el nmero de permutaciones con repeticin se aplica la siguiente frmula:

Son permutaciones de m elementos, en los que uno de ellos se repite x1 veces, otro x2 veces y as, hasta uno que se repite xk veces. Ejemplo: Calcular las permutaciones de 10 elementos, en los que uno de ellos se repite en 2 ocasiones y otro se repite en 3 ocasiones:

Es decir, tendramos 302,400 formas diferentes de agrupar estos 10 elementos.

Combinatoria
Variaciones con repeticin: Para calcular el nmero de variaciones con repeticin se aplica la siguiente frmula:

Ejemplo: V'10,4 son las variaciones de 10 elementos con repeticin, agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 10.000 subgrupos diferentes de 4 elementos.

Combinatoria
Combinaciones con repeticin: Para calcular el nmero de combinaciones con repeticin se aplica la siguiente frmula:

Ejemplo: C'10,4 son las combinaciones de 10 elementos con repeticin, agrupndolos en subgrupos de 4, en los que 2, 3 o los 4 elementos podran estar repetidos:

Es decir, podramos formar 715 subgrupos diferentes de 4 elementos.

Ejercicios
Ejercicio 2.1 La compaa farmacutica A suministr 300 unidades de un medicamento de las cuales 10 eran defectuosas; la compaa B entreg 100 unidades de las que haba 20 defectuosas y la compaa C entreg 200 unidades de las que 25 eran defectuosas. Se almacenaron todas las unidades de forma que se mezclaron aleatoriamente. Se toma una unidad al azar y se pide calcular: a) Probabilidad de que sea de la compaa A. b) Probabilidad de que sea de la compaa B c) Probabilidad de que sea de C y defectuosa. d) Probabilidad de que sea de A y buena. e) Probabilidad de que sea buena. f) Probabilidad de que sea defectuosa. g) Si es defectuosa, cul es la probabilidad de que sea de la compaa C?. h) Si es buena. cul es la probabilidad de que sea de la compaa B?. i) Si es de la compaa A cul es la probabilidad de que sea defectuosa? j) Si es de la compaa B cul es la probabilidad de que sea buena?

Ejercicios (2)
Ejercicio 2.2 Una caja contiene 8 bolas rojas, 3 blancas y 9 azules. Si se extraen 3 bolas aleatoriamente sin reemplazamiento, determinar la probabilidad de que: a) las tres bolas sean rojas. b) las tres bolas sean blancas. c) dos sean rojas y una blanca. d) al menos 1 sea blanca. e) se extraiga una de cada color. f) las bolas sean extradas en el orden rojo, blanco, azul. Ejercicio 2.3 Determinar la probabilidad de tres seises en 5 lanzamientos de un dado honrado. Ejercicio 2.4 Un estante tiene 6 libros de matemticas y 4 de fsica. Hallar la probabilidad de que 3 libros determinados de matemticas estn juntos.

Ejercicios (3)
Ejercicio 2.5 Cul es la probabilidad de que la primera seorita que se encuentre en la calle le interese a Ernesto, sabiendo que ha de tener la nariz griega, ha de ser rubia platino, esbelta, de ojos verdes y conocer los fundamentos de la Estadstica?. Se supone que las probabilidades de cada uno de estos sucesos son: 0.01; 0.01; 0.01; 0.01; 0.0001 y todos los sucesos son independientes. Ejercicio 2.6 Se introducen tres ratas, independientemente unas de otras, en un laberinto que tiene dos salidas equiprobables (A y B). Cul es la probabilidad de que las tres ratas salgan por el mismo lugar? Ejercicio 2.7 Un estudio clnico de una universidad en una poblacin ha encontrado que la probabilidad de que se den trastornos en el sueo (A) es 0,70, la probabilidad de que se den trastornos de tipo depresivos (B) es 0,20 y la probabilidad de que se den ambos 0,10. Si extraemos un sujeto de dicha poblacin al azar, cul es la probabilidad de que se tenga solamente uno de los trastornos?

Ejercicios (4)
Ejercicio 2.8 Con el fin de estudiar la eficacia de tres tratamientos de afrontamiento al estrs, un psiclogo clnico divide a sus pacientes en tres grupos. A cada grupo le aplicar uno de los tres tratamientos, por procedimientos aleatorios. Para ello, lanza al aire una moneda y un dado: a) Si sale cara y un nmero de dado impar, asigna el tratamiento A; b) Si sale cruz y un nmero de dado par, asigna el tratamiento B; c) En cualquier otro caso asigna el tratamiento C. Siguiendo este procedimiento, Cules son las probabilidades de asignacin de cada tratamiento?

Ejercicios (5)
Ejercicio 2.9 Una empresa consultora ha realizado una encuesta en una provincia espaola encontrando que el 60% de los encuestados oyen la radio, el 50% lee el peridico y el 10% ve la televisin. Teniendo en cuenta que el 3% lee el peridico, ve la televisin y escucha la radio y que el 80% de los que ven la televisin lee el peridico, si extraemos un sujeto al azar: a) Cul es la probabilidad de que lea el peridico, vea la televisin y escuche la radio? b) Cul es la probabilidad de que si lee el peridico, vea la televisin? Ejercicio 2.10 Consideremos una poblacin de 800 alumnos de 1er curso de psicologa en una facultad espaola, de los cuales 500 son varones. Si seleccionamos dos fichas de la asignatura Anlisis de Datos I al azar: a) Cul es la probabilidad de que corresponda a los varones? b) Cul es la probabilidad de que corresponda a las mujeres? c) Cul es la prob. de que corresponda a alumnos de ambos sexos? d) Cul es la prob. de que al menos una corresponda a un varn?

Ejercicios (6)
Ejercicio 2.11 A un grupo de mil sujetos se les pas un test de inteligencia y se midi su rendimiento acadmico (RA). Los resultados se resumen en la siguiente tabla:

Se definen los sucesos: A: Ser superior en inteligencia; B: Ser apto en rendimiento. a) Son A y B son independientes? b) Si seleccionamos al azar un sujeto que resulta ser superior en inteligencia, Cul es la probabilidad de que sea apto?