Professional Documents
Culture Documents
Ej. Todos los posibles subconjuntos de Ω al realizar una tirada con el dado:
A∩B = {ω ∈ Ω / (ω ∈ Α) ∧ (ω ∈ Β)}
Si no hay sucesos con esta propiedad, A ∩ B=0; se dice que A y B son dos
sucesos incompatibles (Figura 3.2).
Figura 3.1
Figura 3.2
A ={ω ∈ Ω / (ω∉Α)}
Se verifica que:
A ∪ A=Ω; A ∩ A = Ø
Figura 3.3
Figura 3.4
Figura 3.5
Figura 3.6
• La diferencia entre A y B es un suceso que acontece cuando sucede A pero no
B y se representará por A - B. Se puede expresar también por A ∩ B (Figura 3.5).
Viene definido por:
A - B = {ω ∈ Ω / (ω ∈ Α) ∧ (ω ∉B}
AΔB = {ω ∈ Ω / (ω ∈ Α ∪ B) ∧ (ω ∉Α ∩ B)}
Figura 3.7
Ejercicio 3.1.
Representar en un diagrama en árbol el experimento aleatorio de lanzar una moneda al
aire 3 veces.
Los resultados que aparecen al final de cada una de las ramas son sucesos
elementales.
La representación en diagrama en árbol es muy útil cuando el experimento tiene lugar
en una serie de etapas, ya que facilita el cálculo y nos permite ver el aspecto general
del experimento. Si un experimento se desarrolla en k etapas y en la 1a etapa hay ni
resultados posibles, en la 2ª etapa hay n2 resultados posibles, y la k-ésima etapa tiene nk
resultados posibles, éste experimento se podrá representar mediante un diagrama en
árbol con n1x…xnk ramas.
3.2. PROBABILIDAD
3.2.1. Introducción
El objetivo de la probabilidad es cuantificar la incertidumbre con la que aparecen los
distintos sucesos de un fenómeno aleatorio. Para su análisis nos apoyamos en el
concepto de frecuencia relativa, de forma que la probabilidad cumpla las mismas
propiedades que ésta.
Una de las numerosas aplicaciones de la probabilidad a la ingeniería es la fiabilidad de
sistemas. La fiabilidad de un sistema (desde una simple resistencia o condensador
hasta complejos sistemas como un ordenador o red de ordenadores) la mediremos
como la probabilidad de que dicho sistema funcione correctamente durante un período
de tiempo determinado o tiempo de misión.
Es de destacar, también, que en los sistemas informáticos la transmisión de la
información es un fenómeno aleatorio y la probabilidad se encargará de medirnos la
incertidumbre con qué se pueden presentar los distintos sucesos a considerar.
P: Ω → R
A → P(A)
Esta aplicación permite asociar a cada suceso A un número real P(A), siendo P(A) la
incertidumbre con que ocurrirá el suceso A en el experimento aleatorio. Verifica los
axiomas siguientes:
Axioma 1: ∀A ⊂ Ω, P(A) ≥ 0
Axioma 2: P(Ω)=1
Axioma 3: ∀A, B ⊂ Ω/A ∩ B=Ø, P(A ∪ B) = P(A) + P(B)
n n
Axioma 3 generalizado A1,...,An ⊂ Ω/Ai ∩ Aj= Ø, P i = ∑P( Ai )
A
i =1 i =1
El primer axioma establece que la probabilidad de cualquier suceso debe ser mayor o
igual que cero, al igual que ocurre con la frecuencia relativa.
El segundo axioma establece que la probabilidad del suceso seguro es uno.
Por último, el tercer axioma establece que para sucesos incompatibles la probabilidad
del suceso unión es la suma de las probabilidades de cada uno de los sucesos.
Observación.
Los axiomas no determinan las probabilidades, éstas se asignan basándose en nuestro
conocimiento del sistema bajo estudio a través de las probabilidades iniciales. Sin
embargo los axiomas permiten calcular las probabilidades de algunos sucesos a partir
de otras ya conocidas.
3.2.3. Propiedades
Las siguientes propiedades fundamentales de la probabilidad se deducen de los
axiomas y sus consecuencias.
8
Propiedad 1 (Pl)
Sea un experimento aleatorio cualquiera con espacio muestral Ω y dos sucesos
cualesquiera de este experimento A, B ⊂ Ω. Entonces:
Demostración.
Para poder aplicar el axioma 3 es necesario expresar la unión de estos dos sucesos
compatibles como unión de sucesos incompatibles, lo que nos lleva a que:
A ∪ B=(A - B) ∪ (A ∩ B) ∪ (B - A)
A=(A - B) ∪ (A ∩ B) y B=(B - A) ∪ (A ∩ B)
Propiedad 2 (P2)
Sea un experimento aleatorio cualquiera con espacio muestral Ω. Sean tres sucesos
cualesquiera de este experimento A,B,C ⊂ Ω; entonces:
Demostración.
Hacerla como ejercicio, aplicando la propiedad Pl a los sucesos A ∪ B y C. Después
aplicar sucesivamente esa propiedad a la unión de los pares de sucesos que resulten al
aplicar la propiedad distributiva de la intersección respecto de la unión.
Propiedad 3 (P3)
Sea un experimento aleatorio cualquiera con espacio muestral Ω. Sean n sucesos
cualesquiera de este experimento A1,A2,...,An ⊂ Ω; entonces:
n n −1
P
Ai = P1 − P2 + P3 − P4 + ... + (−1) Pn
i =1
Donde:
n
P1 ∑P ( Ai )
i =1
Demostración.
Por inducción. Hacerla como ejercicio.
Propiedad 4 (P4)
Sea un experimento aleatorio cualquiera con espacio muestral Ω. Sean dos sucesos
cualesquiera de este experimento A,B ⊂ Ω; entonces:
Demostración.
Se trata de la fórmula (3.3) que ha quedado demostrada en la propiedad 1.
Propiedad 5 (P5)
Sea un experimento aleatorio cualquiera con espacio muestral Ω. Sean dos sucesos
cualesquiera de este experimento A,B ⊂ Ω; entonces:
P(AΔB)=P(A) + P(B) - 2. P(A ∩ B) (3.8)
Demostración.
Se trata de la fórmula (3.3) y (3.4) que han quedado demostradas en la demostración
de la propiedad 1.
EJEMPLO 2.1.
Un fabricante de cables eléctricos para ordenadores conoce de informaciones
anteriores sobre la producción de estos cables que el 1.5% de todos los cables
fabricados son no conformes a especificaciones de longitud, el 1.2% son defectuosos
en cuanto al espesor y el 0.8% son no conformes en ambas medidas. Sean los sucesos:
lo que nos indica que hay una probabilidad de 0.981 de que en un cable ninguna de las
dos medidas consideradas se encuentra fuera de las especificaciones.
lo que nos indica que hay una probabilidad de 0.011 de que un cable sea no conforme a
especificaciones en cuanto a longitud o a espesor, pero no en cuanto a ambas medidas.
Postulado de Indiferencia.
Sea un experimento aleatorio cualquiera con espacio muestral Ω. Si Ω se puede
descomponer en n sucesos elementales incompatibles dos a dos (A1,A2,...,An ⊂ Ω
n
n n
1=P(Ω)= i ∑ P( Ai ) = np
P A =
i =1 i =1
de donde
1
p=P(Ai)= n , ∀A ⊂ Ω suceso elemental
mientras que:
Sea el suceso
A: en un grupo de N personas al menos dos personas tienen la misma fecha de
cumpleaños.
El suceso contrario será:
A: en un grupo de N personas todas tienen fechas de cumpleaños distintas.
Por tanto:
Es decir:
Card ( A)
P ( A) =
Card (Ω)
Por tanto:
La evaluación de estas probabilidades para N = 10, 20, 30, 40 y 50; se puede ver en
la siguiente tabla.
n( A)
P ( A) = lim = lim fr ( A)
N →∞ N N →∞
resulta que:
P ( A) ≅ fr ( A)
Ejemplo
Al lanzar un dado, calcular experimentalmente la probabilidad de que el resultado
sea 6.
3.3.1. Introducción
Sea un experimento aleatorio consistente en lanzar un dado 50 veces. Consideremos
los siguientes subconjuntos A: resultados múltiplos de 3 y B: resultados pares, de los
cuales se tiene la siguiente información en términos de frecuencia absoluta:
Veamos la frecuencia con que han aparecido resultados múltiplos de 3, de entre los
lanzamientos con resultado par.
n A∩B 8
f ( A / B) = = = 0,4
nB 20
P( A ∩ B )
Análogamente, P ( B / A) = con P(A)>0
P ( A)
P( A ∩ B)
1) P( A / B) = con P(B)>0 es cociente de dos números no negativos por lo
P( B)
que es no negativo.
P (Ω ∩ B ) P ( B )
2) P (Ω / B ) = = =1
P ( B) P ( B)
3) Si A1, A2 son incompatibles, tenemos:
P (( A1 ∪ A2 ) ∩ B ) P (( A1 ∩ B ) ∪ ( A2 ∩ B )) P ( A1 ∩ B ) + P ( A2 ∩ B )
P ( A1 ∪ A2 / B ) = = = =
P( B) P( B) P( B)
P ( A1 ∩ B ) P ( A2 ∩ B )
= + = P ( A1 / B ) + P ( A2 / B )
P( B) P( B)
Ejemplo 3.3.1.
La multinacional ELECTROWORLD fabrica placas de circuito impreso para
ordenadores. El Departamento de Calidad de la empresa, en su último informe, obtuvo
los siguientes resultados:
A: placas no conformes a superficie y B: placas no conformes a espesor.
P ( A ∩ B ) 0,008
P( A / B) = = = 0,67
P( B) 0,012
Propiedad
Sea un experimento aleatorio cualquiera con espacio muestral Ω. Consideremos que
ha ocurrido el suceso B, con lo cual nos situamos en el experimento aleatorio
condicionado por B. Sean tres sucesos cualesquiera A,B,C ⊂ Ω. Entonces se cumple:
1. P(B/B)=1
2. P(Ω/B)=0
3. P(A/B)=1 - P(A/B)
4. P(A ∪ C)/B)=P(A/B) + P(C/B) - P(A ∩ C)/B).
3.4 INDEPENDENCIA
DEFINICIÓN
Si P(A/B) = P(A) se dice que A es independiente de B (la información de que se ha
dado el suceso B no modifica la probabilidad que tiene el suceso A de ocurrir sin
conocer dicha información). Entonces P(B/A)=P(B), con lo cual B es independiente
de A, y se dice que A y B son independientes.
Respectivamente, si P(A/B) ≠ P(A) se dice que A es dependiente de B (la información
de que ocurrió el suceso B modifica la probabilidad que tiene el suceso A de ocurrir
sin conocer dicha información). Entonces P(B/A) ≠ P(B), con lo cual B es dependiente
de A, y se dice que A y B son dependientes.
Ejemplo 3.4.1.
Sea el experimento aleatorio de extraer al azar una carta de la baraja española, de 40
cartas. Analizar la independencia de los siguientes sucesos:
P(A)=10/40=0.25 P(A/B)=3/12=0.25
P(C/B)=4/12=1/3=0.3 P(C)=4/40=0.1
TEOREMA
Sea un experimento aleatorio con espacio muestral Ω. Sean dos sucesos A,B ⊂ Ω.
Entonces son equivalentes las siguientes afirmaciones:
I. A y B son independientes.
II. A y B son independientes.
III. A y B son independientes.
IV. A y B son independientes.
Ejercicio 3.4.1
Demostrar alguna de las equivalencias en este teorema. Poner un ejemplo práctico de
utilización de este teorema.
Conclusiones
• Si A, B y C son "mutuamente" independientes ⇒ A ∪ B y C son independientes.
No se verifica si son independientes por parejas.
• La independencia mutua implica independencia por parejas.
• La independencia por parejas no implica la independencia mutua.
De manera que:
a) Ai = Ω
i =1
b) Ai ∩ A j = Φ , i ≠ j, i,j=1,…, n
Demostración
Se deja como ejercicio.
Teorema de Bayes
Bajo las mismas condiciones del teorema anterior, consideramos que estamos
interesados en conocer la probabilidad de que ocurrido el suceso B la causa que lo
haya producido sea la Aj. Expresado analíticamente, queremos calcular P(Aj/B). El
Teorema de Bayes establece que:
Demostración
Se deja como ejercicio.
Ejemplo 3.5.1
La empresa Kassan Cars fabrica coches de gama media, y en su fábrica de Madrid
tiene 3 líneas de producción:
Sean los sucesos Ai: un vehículo ha sido fabricado en la línea i-ésima de esta fábrica,
para i=1, 2, 3.
P(A1)=0.3; P(A2)=0.2; P(A3)=0.5; de forma que {A1, A2, A3} son una partición o
clasificación del espacio muestral Ω.
a) Calcular la probabilidad de que un coche fabricado por Kassan Cars sea defectuoso.
= ∑ P( Ai ∩ B) = 0,029
i =1
P(A1/B)=P(A2/B)=0.4138
P(A3/B)=0.1724
Elementos Teóricos
Sea un experimento aleatorio con espacio muestral Ω. Sea {Al,..., An} una
clasificación o partición de Ω (sucesos incompatibles cuya unión es el espacio
muestral) con sus probabilidades. Sea un suceso B ⊂ Ω del cual se dispone de las
probabilidades P(B/Ai), cuando i=l,...,n. Entonces:
• Teorema de Bayes:
P( A j ) P( B / A j )
P( A j / B) = n
∑ P( A ) P( B / A )
i =1
i i