REFERENCIAS
Ejemplo de Referencia: Ejemplo donde se describe paso por paso y se desglosa la
explicación para mejor comprensión.
Texto en negritas: Puntos clave para comprender el texto.
Probabilidad 1.2
La probabilidad de un evento A, es un número real en el intervalo [0, 1] que
denotaremos por P(A), y representa una medida de la frecuencia con la que se observa
la ocurrencia del evento A cuando se efectúa el experimento aleatorio en cuestión.
Probabilidad clásica. Sea A un subconjunto de un espacio muestral de cardinalidad
finita. Esta definición de probabilidad presupone que todos los elementos de son
igualmente probables o tienen el mismo peso.
Probabilidad frecuentista. Suponga que se realizan n repeticiones de un cierto
experimento aleatorio y sea A un evento cualquiera. Denotemos por n(A) el número de
ocurrencias del evento A, en las n realizaciones del experimento. Se define entonces la
probabilidad frecuentista de A como indica el siguiente límite:
En este caso, debemos hacer notar que no es humanamente posible llevar a cabo una
infinidad de veces el experimento aleatorio, de modo que en la práctica no es posible
encontrar mediante este mecanismo la probabilidad de un evento cualquiera.
Probabilidad subjetiva. En este caso la probabilidad de un evento depende del
observador, es decir, según lo que el observador conoce del fenómeno en estudio.
Puede parecer un tanto informal y poco seria esta definición de la probabilidad de un
evento, sin embargo, en muchas situaciones es necesario recurrir a un experto para
tener por lo menos una idea vaga de cómo se comporta el fenómeno de nuestro interés
y saber si la probabilidad de un evento es alta o baja. Por ejemplo, ¿Cuáles la
probabilidad de que un cierto equipo de futbol gane en su próximo partido?
Ciertas circunstancias internas del equipo, las condiciones del equipo rival o cualquier
otra condición externa, son elementos que solo algunas personas conocen y que podrían
darnos una idea más exacta de esta probabilidad.
Probabilidad axiomática.
En la definición axiomática de la probabilidad no se establece la forma explícita de
calcular las probabilidades sino únicamente se proponen las reglas que el cálculo de
probabilidades debe satisfacer.
Los siguientes tres postulados o axiomas1 fueron establecidos en 1933 por el
matemático ruso A. N. Kolmogorov.
AXIOMAS DE PROBABILIDAD
PROPIEDADES DE PROBABILIDAD
1.3 Análisis combinatorio
Consideraremos ahora el caso cuando el experimento aleatorio es tal que su espacio
muestral es un conjunto finito y cada elemento de este conjunto tiene la misma
probabilidad de ocurrir, es decir, cuando el espacio es finito y equiprobable. En estos
casos hemos definido la probabilidad clásica de un evento A de la siguiente forma P(A) =
#A/#. Para poder aplicar esta definición necesitamos saber contar cuantos elementos
tiene un evento A cualquiera.
El principio de multiplicación que enunciamos a continuación es la base de muchos de
los cálculos en las técnicas de conteo.
Proposición. Si un procedimiento A1 puede efectuarse de n formas distintas y un
segundo procedimiento A2 puede realizarse de m formas diferentes, entonces el total de
formas en que puede efectuarse el primer procedimiento seguido del segundo es el
producto n · m, es decir, #(A1 × A2) = #A1 · #A2.
Ejemplo.
Suponga que un cierto experimento aleatorio consiste en seleccionar un dado y después
seleccionar al azar una letra del alfabeto. ¿Cuál es la cardinalidad del correspondiente
espacio muestral?
El experimento de lanzar un dado tiene 6 resultados posibles y consideremos que
tenemos un alfabeto de 26 letras. El correspondiente espacio muestral tiene entonces
cardinalidad 6 × 26 = 156.
El principio de multiplicación es válido no solamente para dos procedimientos, sino que
también vale para cualquier sucesión finita de procedimientos. Por ejemplo, si A1,A2, . . .
,Ak.
Ordenaciones con repetición: Muestras con orden y con reemplazo.
Tenemos una urna con n objetos distintos. Deseamos realizar k extracciones al azar de
un objeto a la vez. Al efectuar una extracción, registramos el objeto escogido y lo
regresamos a la urna, de esta forma el mismo objeto puede ser extraído varias veces.
El total de arreglos que se pueden obtener de esta urna al hacer k extracciones es el
número nk, pues en cada extracción tenemos n objetos posibles para escoger y
efectuamos k extracciones.
A este número se le llama ordenaciones con repetición. Se dice que la muestra es con
orden pues es importante el orden en el que se van obteniendo los objetos, y es con
reemplazo pues cada objeto seleccionado se reincorpora a la urna.
Ejemplo de referencia
Ejemplo. Suponga que tenemos un conjunto de 60 caracteres diferentes que contiene
todas las letras minúsculas del alfabeto, las letras mayúsculas, los diez dígitos y algunos
caracteres especiales. ¿Cuántos passwords o palabras clave de longitud 4 se pueden
construir usando el conjunto de 60 caracteres? Este es un ejemplo de una ordenación de
60 caracteres en donde se permiten las repeticiones. Como cada carácter de los 60
disponibles puede ser escogido para ser colocado en cada
una de las cuatro posiciones de la palabra clave, entonces se pueden construir
60 × 60 × 60 × 60 = 604 = 12, 960, 000 distintos passwords de longitud 4.
Ordenaciones sin repetición: Muestras con orden y sin reemplazo.
Se tiene la misma situación que antes, una urna con n objetos y de los
cuales se deben extraer, uno a uno, k objetos. Suponga esta vez que el muestreo es
sin reemplazo, es decir, una vez seleccionado un objeto este ya no se reincorpora
a la urna. El total de arreglos distintos que se pueden obtener de este modo es
el número: n(n − 1)(n − 2) · · · (n − k + 1).
SIGNIFICADO de n-k
Debemos observar que hay k factores en la expresión anterior. El primer factor es n y
ello es debido a que tenemos cualesquiera de los n objetos para ser colocado en primera
posición, para la segunda posición tenemos ahora n − 1 objetos, para la tercera n − 2
objetos, etc. Este razonamiento termina al escoger el k-´esimo objeto para cual tenemos
únicamente n −k + 1 posibilidades.
La expresión encontrada puede escribirse como sigue:
Se lee permutaciones de n en k.
En el caso particular cuando la muestra es exhaustiva, es decir, cuando k = n, o bien
cuando todos los objetos son extraídos uno por uno, entonces se tienen todas las
permutaciones o distintos ordenes en que se pueden colocar n objetos.
Ejemplo de referencia
Ejemplo. ¿De cuantas formas distintas pueden asignarse los premios primero, segundo
y tercero en una rifa de 10 boletos numerados del 1 al 10? Claramente se
trata de una ordenación sin repetición de 10 objetos en donde se deben extraer 3 de
ellos. La respuesta es entonces que existen 10 × 9 × 8 = 720 distintas asignaciones
para los tres primeros lugares en la rifa.
Ejercicio. ¿De cuantas formas distintas pueden dos equipos de fútbol terminar en
la clasificación general de un torneo en donde compiten 20 equipos? Solución: 380.
Permutaciones: Muestras exhaustivas con orden y sin reemplazo.
La pregunta básica acerca del total de formas en que podemos poner en orden lineal
(uno detrás de otro y por lo tanto no hay repetición) n objetos distintos tiene como
respuesta la factorial de n, denotado por n! y definido como sigue:
n! = n(n − 1)(n − 2) · · · 3 · 2 · 1.
A este número también se le conoce como las permutaciones de n objetos, y se
usa la notación P(n) = n! ¡Adicionalmente y por conveniencia se define 0! = 1.
Observe que las permutaciones de n objetos es un caso particular de la situación
mencionada en la sección anterior sobre ordenaciones sin repetición, pero ahora
cuando la muestra es exhaustiva, es decir, cuando se extraen los n objetos de la
urna.
Ejemplo.
Si deseamos conocer el total de formas distintas en que podemos colocar
una enciclopedia de 5 volúmenes en un librero, la respuesta es claramente
5! = 5 × 4 × 3 × 2 × 1 = 120. El razonamiento es el siguiente: Cualquiera de
los cinco libros pueden ser colocado al principio, quedan cuatro libros por colocar
en la segunda posición, restan entonces tres posibilidades para la tercera posición,
etc. Por el principio de multiplicación la respuesta es el producto de estos números.
Combinaciones: Muestras sin orden y sin reemplazo.
Supongamos nuevamente que tenemos un conjunto de n objetos distinguibles y nos
interesa obtener una muestra de tamaño k. Supongamos ahora que las muestras deben
ser sin orden y sin reemplazo. Es decir, en la muestra no debe haber elementos
repetidos, pues no hay reemplazo, y además la muestra debe verse como un conjunto
pues no debe
haber orden entre sus elementos.
Cuando el orden importa hemos encontrado antes la fórmula
Ahora que no nos interesa el orden, observamos que cada uno de los arreglos de
la fórmula anterior, está siendo contado k! veces, las veces en que los mismos k
elementos pueden ser permutados unos con otros, siendo que el conjunto de elementos
es el mismo. Para obtener arreglos en donde el orden no importa, debemos
entonces dividir por k!
La fórmula a la que hemos llegado se llama combinaciones de n en k, que denotaremos
como sigue:
RESUMEN DE FORMULAS
1.4. Probabilidad condicional e independencia
Probabilidad condicional. Sean A y B dos eventos en donde B es tal que su probabilidad
es estrictamente positiva. La probabilidad condicional del evento A dado el evento B,
denotada por P(A|B), se define como sigue:
La expresión P(A|B) se lee probabilidad condicional del evento A dado el evento B, o
simplemente probabilidad de A dado B. Es claro que para que la definición tenga
sentido se necesita suponer que P(B) > 0, y por otro lado no existe definición para P(A|B)
cuando P(B) = 0.
Ilustraremos con un ejemplo el significado de la probabilidad condicional y
comprobaremos que el evento B representa información adicional acerca del
experimento aleatorio que modifica, en general, las probabilidades de los distintos
eventos.
Ejemplo de referencia.
Considere el experimento de lanzar un dado equilibrado. Claramente el espacio
muestral es Ω= {1, 2, 3, 4, 5, 6}, el cual por hipótesis es equiprobable.
Sean los eventos A = {2} y B = {2, 4, 6} = “Cae par”. Entonces P(A) = 1/6 mientras
que:
Observe que conocer la información de la ocurrencia del evento B, ha afectado la
probabilidad del evento A, es decir, dada la información que el resultado del dado
es un número par, la probabilidad de obtener “2” es ahora 1/3.
