Astrologia Experimental

Inicio » Ciencia » Epistemología » Método estadístico » Probabilidades

Probabilidades

probabilidadesLa probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un experimento.

Ejemplo: tiramos un dado al aire y queremos saber cual es la probabilidad de que salga un 2, o que salga un número par, o que salga un número menor que 4.

El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos resultados, dentro de un conjunto posible de soluciones, y esto aún realizando el experimento en las mismas condiciones. Por lo tanto, a priori no se conoce cual de los resultados se va a presentar:

Ejemplos: lanzamos una moneda al aire: el resultado puede ser cara o cruz, pero no sabemos de antemano cual de ellos va a salir.

En la Lotería de Navidad, el “Gordo” (en España se llama “Gordo” al primer premio) puede ser cualquier número entre el 1 y el 100.000, pero no sabemos a priori cual va a ser (si lo supiéramos no estaríamos aquí escribiendo esta lección).

Hay experimentos que no son aleatorios y por lo tanto no se les puede aplicar las reglas de la probabilidad.

Ejemplo: en lugar de tirar la moneda al aire, directamente selccionamos la cara. Aquí no podemos hablar de probabilidades, sino que ha sido un resultado determinado por uno mismo.

Antes de calcular las probabilidades de un experimento aleaotorio hay que definir una serie de conceptos:

Suceso elemental: hace referencia a cada una de las posibles soluciones que se pueden presentar.

Ejemplo: al lanzar una moneda al aire, los sucesos elementales son la cara y la cruz. Al lanzar un dado, los sucesos elementales son el 1, el 2, .., hasta el 6.

Suceso compuesto: es un subconjunto de sucesos elementales.

Ejemplo: lanzamos un dado y queremos que salga un número par. El suceso “numero par” es un suceso compuesto, integrado por 3 sucesos elementales: el 2, el 4 y el 6

O, por ejemplo, jugamos a la ruleta y queremos que salga “menor o igual que 18”. Este es un suceso compuesto formado por 18 sucesos elementales (todos los números que van del 1 al 18).

Al conjunto de todos los posibles sucesos elementales lo denominamos espacio muestral. Cada experimento aleatorio tiene definido su espacio muestral (es decir, un conjunto con todas las soluciones posibles).

Ejemplo: si tiramos una moneda al aíre una sola vez, el espacio muestral será cara o cruz.

Si el experimento consiste en lanzar una moneda al aire dos veces, entonces el espacio muestral estaría formado por (cara-cara), (cara-cruz), (cruz-cara) y (cruz-cruz).

Probabilidad: Relación entre sucesos

Entre los sucesos compuestos se pueden establecer distintas relaciones:

a) Un suceso puede estar contenido en otro: las posibles soluciones del primer suceso también lo son del segundo, pero este segundo suceso tiene además otras soluciones suyas propias.

Ejemplo: lanzamos un dado y analizamos dos sucesos: a) que salga el número 6, y b) que salga un número par. Vemos que el suceso a) está contenido en el suceso b).

Siempre que se da el suceso a) se da el suceso b), pero no al contrario. Por ejemplo, si el resultado fuera el 2, se cumpliría el suceso b), pero no el el a).

b) Dos sucesos pueden ser iguales: esto ocurre cuando siempre que se cumple uno de ellos se cumple obligatoriamente el otro y viceversa.

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga número par, y b) que salga múltiplo de 2. Vemos que las soluciones coinciden en ambos casos.

c) Unión de dos o más sucesos: la unión será otro suceso formado por todos los elementos de los sucesos que se unen.

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga número par y b) que el resultado sea mayor que 3. El suceso unión estaría formado por los siguientes resultados: el 2, el 4, el 5 y el 6

d) Intersección de sucesos: es aquel suceso compuesto por los elementos comunes de dos o más sucesos que se intersectan.

Ejemplo: lanzamos un dado al aire, y analizamos dos sucesos: a) que salga número par, y b) que sea mayor que 4. La intersección de estos dos sucesos tiene un sólo elemento, el número 6 (es el único resultado común a ambos sucesos: es mayor que 4 y es número par).

e) Sucesos incompatibles: son aquellos que no se pueden dar al mismo tiempo ya que no tienen elementos comunes (su interesección es el conjunto vacio).

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga un número menor que 3, y b) que salga el número 6. Es evidente que ambos no se pueden dar al mismo tiempo.

f) Sucesos complementarios: son aquellos que si no se da uno, obligatoriamente se tiene que dar el otro.

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga un número par, y b) que salga un número impar. Vemos que si no se da el primero se tiene que dar el segundo (y viceversa).

Cálculo de probabilidades

Como hemos comentado anteriormente, la probabilidad mide la mayor o menor posibilidad de que se dé un determinado resultado (suceso) cuando se realiza un experimento aleatorio.

La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre 0% y 100%):

El valor cero corresponde al suceso imposible: lanzamos un dado al aire y la probabilidad de que salga el número 7 es cero (al menos, si es un dado certificado por la OMD, “Organización Mundial de Dados”).

El valor uno corresponde al suceso seguro: lanzamos un dado al aire y la probabilidad de que salga cualquier número del 1 al 6 es igual a uno (100%).

El resto de sucesos tendrá probabilidades entre cero y uno: que será tanto mayor cuanto más probable sea que dicho suceso tenga lugar.

¿Cómo se mide la probabilidad?

Uno de los métodos más utilizados es aplicando la Regla de Laplace: define la probabilidad de un suceso como el cociente entre casos favorables y casos posibles.

P(A) = Casos favorables / casos posibles

Veamos algunos ejemplos:

a) Probabilidad de que al lanzar un dado salga el número 2: el caso favorable es tan sólo uno (que salga el dos), mientras que los casos posibles son seis (puede salir cualquier número del uno al seis). Por lo tanto:

P(A) = 1 / 6 = 0,166 (o lo que es lo mismo, 16,6%)

b) Probabilidad de que al lanzar un dado salga un número par: en este caso los casos favorables son tres (que salga el dos, el cuatro o el seis), mientras que los casos posibles siguen siendo seis. Por lo tanto:

P(A) = 3 / 6 = 0,50 (o lo que es lo mismo, 50%)

c) Probabilidad de que al lanzar un dado salga un número menor que 5: en este caso tenemos cuatro casos favorables (que salga el uno, el dos, el tres o el cuatro), frente a los seis casos posibles. Por lo tanto:

P(A) = 4 / 6 = 0,666 (o lo que es lo mismo, 66,6%)

d) Probabilidad de que nos toque el “Gordo” de Navidad: tan sólo un caso favorable, el número que jugamos (¡qué triste…¡), frente a 100.000 casos posibles. Por lo tanto:

P(A) = 1 / 100.000 = 0,00001 (o lo que es lo mismo, 0,001%)

Merece la pena …… Por cierto, tiene la misma probabilidad el número 45.264, que el número 00001, pero ¿cuál de los dos comprarías?

Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos requisitos:

a) El número de resultados posibles (sucesos) tiene que ser finito. Si hubiera infinitos resultados, al aplicar la regla “casos favorables / casos posibles” el cociente siempre sería cero.

b) Todos los sucesos tienen que tener la misma probabilidad. Si al lanzar un dado, algunas caras tuvieran mayor probabilidad de salir que otras, no podríamos aplicar esta regla.

A la regla de Laplace también se le denomina “probabilidad a priori”, ya que para aplicarla hay que conocer antes de realizar el experimento cuales son los posibles resultados y saber que todos tienen las mismas probabilidades.

¿Y si el experimento aleatorio no cumple los dos requisitos indicados, qué hacemos?, ¿ponemos una denuncia?

No, no va a ser necesario denunciar a nadie, ya que en este caso podemos acudir a otro modelo de cálculo de probabilidades que se basa en la experiencia (modelo frecuentista):

Cuando se realiza un experimento aleatorio un número muy elevado de veces, las probabilidades de los diversos posibles sucesos empiezan a converger hacia valores determinados, que son sus respectivas probabilidades.

Ejemplo: si lanzo una vez una moneda al aire y sale “cara”, quiere decir que el suceso “cara” ha aparecido el 100% de las veces y el suceso “cruz” el 0%.

Si lanzo diez veces la moneda al aire, es posible que el suceso “cara” salga 7 veces y el suceso “cruz” las 3 restantes. En este caso, la probabilidad del suceso “cara” ya no sería del 100%, sino que se habría reducido al 70%.

Si repito este experimento un número elevado de veces, lo normal es que las probabilidades de los sucesos “cara” y “cruz” se vayan aproximando al 50% cada una. Este 50% será la probabilidad de estos sucesos según el modelo frecuentista.

En este modelo ya no será necesario que el número de soluciones sea finito, ni que todos los sucesos tengan la misma probabilidad.

Ejemplo: si la moneda que utilizamos en el ejemplo anterior fuera defectuosa (o estuviera trucada), es posible que al repetir dicho experimento un número elevado de veces, la “cara” saliera con una frecuencia, por ejemplo, del 65% y la “cruz” del 35%. Estos valores serían las probabilidades de estos dos sucesos según el modelo frecuentista.

A esta definición de la probabilidad se le denomina probabilidad a posteriori, ya que tan sólo repitiendo un experimento un número elevado de veces podremos saber cual es la probabilidad de cada suceso.

Probabilidad de sucesos

 Al definir los sucesos hablamos de las diferentes relaciones que pueden guardar dos sucesos entre sí, así como de las posibles relaciones que se pueden establecer entre los mismos. Vamos a ver ahora cómo se refleja esto en el cálculo de probabilidades.

a) Un suceso puede estar contenido en otro: entonces, la probabilidad del primer suceso será menor que la del suceso que lo contiene.

Ejemplo: lanzamos un dado y analizamos dos sucesos: a) que salga el número 6, y b) que salga un número par. Dijimos que el suceso a) está contenido en el suceso b).

P(A) = 1/6 = 0,166

P(B) = 3 / 6 = 0,50

Por lo tanto, podemos ver que la probabilidad del suceso contenido, suceso a), es menor que la probabilidad del suceso que lo contiene, suceso b).

b) Dos sucesos pueden ser iguales: en este caso, las probabilidades de ambos sucesos son las mismas.

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga número par, y b) que salga múltiplo de 2. Las soluciones coinciden en ambos casos.

P(A) = 3 / 6 = 0,50

P(B) = 3 / 6 = 0,50

c) Intersección de sucesos: es aquel suceso compuesto por los elementos comunes de los dos o más sucesos que se intersectan. La probabilidad será igual a la probabilidad de los elemntos comunes.

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga número par, y b) que sea mayor que 3. La intersección de estos dos sucesos tiene dos elementos: el 4 y el 6.

Su probabilidad será por tanto:

P(A L B) = 2 / 6 = 0,33

d) Unión de dos o más sucesos: la probabilidad de la unión de dos sucesos es igual a la suma de las probabilidades individuales de los dos sucesos que se unen, menos la probabilidad del suceso intersección

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga número par, y b) que el resultado sea mayor que 3. El suceso unión estaría formado por los siguientes resultados: el 2, el 4, el 5 y el 6.

P(A) = 3 / 6 = 0,50

P(B) = 3 / 6 = 0,50

P (A L B) = 2 / 6 = 0,33

Por lo tanto,

P (A u B) = (0,50 + 0,50) – 0,33 = 0,666

e) Sucesos incompatibles: la probabilidad de la unión de dos sucesos incompatibles será igual a la suma de las probabilidades de cada uno de los sucesos (ya que su intersección es el conjunto vacio y por lo tanto no hay que restarle nada).

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga un número menor que 3, y b) que salga el número 6.

La probabilidad del suceso unión de estos dos sucesos será igual a:

P(A) = 2 / 6 = 0,333

P(B) = 1 / 6 = 0,166

Por lo tanto,

P(A u B) = 0,33 + 0,166 = 0,50

f) Sucesos complementarios: la probabilidad de un suceso complementario a un suceso (A) es igual a 1 – P(A)

Ejemplo: lanzamos un dado al aire. el suceso (A) es que salga un número par, luego su complementario, suceso (B), es que salga un número impar.

La probabilidad del suceso (A) es igual a :

P(A) = 3 / 6 = 0,50

Luego, la probabilidad del suceso (B) es igual a:

P(B) = 1 – P(A) = 1 – 0,50 = 0,50

Se puede comprobar aplicando la regla de “casos favorables / casos posibles”:

P(B) = 3 / 6 = 0,50

g) Unión de sucesos complementarios: la probabilidad de la unión de dos sucesos complementarios es igual a 1.

Ejemplo: seguimos con el ejemplo anterior: a) que salga un número par, y b) que salga un número impar. La probabilidad del suceso unión de estos dos sucesos será igual a:

P(A) = 3 / 6 = 0,50

P(B) = 3 / 6 = 0,50

Por lo tanto,

P(A U B) = 0,50 + 0,50 = 1

Combinaciones, Variaciones y Permutaciones (I)

 Para aplicar la Regla de Laplace, el cálculo de los sucesos favorables y de los sucesos posibles a veces no plantea ningún problema, ya que son un número reducido y se pueden calcular con facilidad:

Por ejemplo: Probabilidad de que al lanzar un dado salga el número 2. Tan sólo hay un caso favorable, mientras que los casos posibles son seis.

Probabilidad de acertar al primer intento el horóscopo de una persona. Hay un caso favorable y 12 casos posibles.

Sin embargo, a veces calcular el número de casos favorables y casos posibles es complejo y hay que aplicar reglas matemáticas:

Por ejemplo: 5 matrimonios se sientan aleatoriamente a cenar y queremos calcular la probabilidad de que al menos los miembros de un matrimonio se sienten junto. En este caso, determinar el número de casos favorables y de casos posibles es complejo.

Las reglas matemáticas que nos pueden ayudar son el cálculo de combinaciones, el cálculo de variaciones y el cálculo de permutaciones.

a) Combinaciones:

Determina el número de subgrupos de 1, 2, 3, etc. elementos que se pueden formar con los “n” elementos de una nuestra. Cada subgrupo se diferencia del resto en los elementos que lo componen, sin que influya el orden.

Por ejemplo, calcular las posibles combinaciones de 2 elementos que se pueden formar con los números 1, 2 y 3.

Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el cálculo de combinaciones las parejas (1,2) y (2,1) se consideran idénticas, por lo que sólo se cuentan una vez.

b) Variaciones:

Calcula el número de subgrupos de 1, 2, 3, etc.elementos que se pueden establecer con los “n” elementos de una muestra. Cada subgrupo se diferencia del resto en los elementos que lo componen o en el orden de dichos elementos (es lo que le diferencia de las combinaciones).

Por ejemplo, calcular las posibles variaciones de 2 elementos que se pueden establecer con los número 1, 2 y 3.

Ahora tendríamos 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.

c) Permutaciones:

Cálcula las posibles agrupaciones que se pueden establecer con todos los elementos de un grupo, por lo tanto, lo que diferencia a cada subgrupo del resto es el orden de los elementos.

Por ejemplo, calcular las posibles formas en que se pueden ordenar los número 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)

Combinaciones, Variaciones y Permutaciones (II)

 ¿Cómo se calculan?

a) Combinaciones:

Para calcular el número de combinaciones se aplica la siguiente fórmula: image001

El termino ” n ! ” se denomina “factorial de n” y es la multiplicación de todos los números que van desde “n” hasta 1.

Por ejemplo: 4 ! = 4 * 3 * 2 * 1 = 24

La expresión “Cm,n representa las combinaciones de “m” elementos, formando subgrupos de “n” elementos.

Ejemplo: C10,4 son las combinaciones de 10 elementos agrupándolos en subgrupos de 4 elementos:

image003

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

b) Variaciones:

Para calcular el número de variaciones se aplica la siguiente fórmula:

image004

La expresión “Vm,n representa las variaciones de “m” elementos, formando subgrupos de “n” elementos. En este caso, como vimos en la lección anterior, un subgrupo se diferenciará del resto, bien por los elementos que lo forman, o bien por el orden de dichos elementos.

Ejemplo: V10,4 son las variaciones de 10 elementos agrupándolos en subgrupos de 4 elementos:

image005 

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

c) Permutaciones:

Para calcular el número de permutaciones se aplica la siguiente fórmula:

image006

La expresión “Pm representa las permutaciones de “m” elementos, tomando todos los elementos. Los subgrupos se diferenciaran únicamente por el orden de los elementos.

Ejemplo: P10 son las permutaciones de 10 elementos:

image007

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

 

Combinaciones, Variaciones y Permutaciones (III)

Vamos a analizar ahora que ocurriría con el cálculo de las combinaciones, de las variaciones o de las permutaciones en el supuesto de que al formar los subgrupos los elementos pudieran repetirse.

Por ejemplo: tenemos bolas de 6 colores diferentes y queremos formar subgrupos en los que pudiera darse el caso de que 2, 3, 4 o todas las bolas del subgrupo tuvieran el mismo color. En este caso no podríamos utilizar las fórmulas que vimos en la lección anterior.

a) Combinaciones con repetición:

Para calcular el número de combinaciones con repetición se aplica la siguiente fórmula:

image008

Ejemplo: C’10,4 son las combinaciones de 10 elementos con repetición, agrupándolos en subgrupos de 4, en los que 2, 3 o los 4 elementos podrían estar repetidos:

image009

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

b) Variaciones con repetición:

Para calcular el número de variaciones con repetición se aplica la siguiente fórmula:

image010Ejemplo : V’10,4 son las variaciones de 10 elementos con repetición, agrupándolos en subgrupos de 4 elementos:

image011

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

c) Permutaciones con repetición:

Para calcular el número de permutaciones con repetición se aplica la siguiente fórmula:

 image012

Son permutaciones de “m” elementos, en los que uno de ellos se repite ” x1 ” veces, otro ” x2 ” veces y así … 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:

image013 

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

…………………………………………………………………………………………………………

 

Ejercicios

 

1.- Ejercicio

Calcular la probabilidad de acertar los 14 signos de la quiniela:

Solución:

Se aplica la Regla de Laplace (casos favorables / casos posibles). El caso favorable es tan sólo uno (acertar los 14 signos). Los casos posibles se calculan como variaciones con repetición de 3 elementos (1, X y 2), tomados de 14 en 14 (los signos que hay que rellenar).

Son variaciones y no combinaciones ya que el orden influye: no es lo mismo (1,1,X) que (1, X, 1). Y son con repetición, ya que cualquiera de los signos (1, X y 2) se puede repetir hasta 14 veces.

Por lo tanto, los casos posibles son:

image014

Y la probabilidad de acertar los 14 resultados es:

image015

No demasiado elevada….pero el que la sigue la consigue.

2.- Ejercicio

Y la probabilidad de acertar 12 signos de la quiniela:

Solución:

Aplicamos nuevamente la Regla de Laplace. En este caso los casos favorables se calculan como combinaciones de 14 elementos tomados de 2 en 2, de esta manera obtenemos todas las posibles alternativas de fallar 2 resultados de 14 (lo que equivale a acertar 12 resultados). Utilizamos combinaciones y no variaciones ya que el orden no importa (da lo mismo fallar el 3º y el 6º, que el 6º y el 3º)

image016Los casos posibles siguen siendo los mismos:

image017 Por lo que la probabilidad de acertar 12 resultados es:

image018

Por lo tanto, tenemos más probabilidades de acertar 12 resultados que 14 (¿será por eso por lo que pagan menos?).

3.- Ejercicio

Calcular la probabilidad de, en una carrera de 12 caballos, acertar los 3 que quedan primeros (sin importar cual de ellos queda primero, cual segundo y cual tercero).

Solución:

Se aplica la Regla de Laplace. El caso favorable es tan sólo uno: los 3 caballos que entran en primer lugar. Los casos posibles se calculan como combinaciones de 12 elementos tomados de 3 en 3 (es decir, determinamos todos las posibles alternativas de 3 caballos que pueden entrar en las 3 primeras posiciones). Como el orden de estos 3 primeros caballos no importa, utilizamos combinaciones en lugar de variaciones.

Por lo tanto, los casos posibles son:

image019

Por lo que la probabilidad de acertar los 3 caballos ganadores es:

image020

Algo mayor que en las quinielas…. Eso sí, se paga menos.

4.- Ejercicio

Y si hubiera que acertar, no sólo los 3 caballos que ganan, sino el orden de su entrada en meta.

Solución:

El caso favorable sigue siendo uno: los 3 caballos que entran en primer lugar, colocados en su orden correspondiente.

Los casos posibles se calculan ahora como variaciones (ya que el orden influye) de 12 elementos tomados de 3 en 3 (calculamos todas las posibles maneras en que los 12 caballos podrían ocupar las 3 primeras posiciones.

image021

Por lo que la probabilidad de acertar los 3 caballos ganadores es:

image022 Menor que en el ejemplo 3º. Ya no vale acertar que 3 caballos entran en primer lugar, sino que tenemos que acertar el orden de su entrada.

Probabilidad condicionada

 Las probabilidades condicionadas se calculan una vez que se ha incorporado información adicional a la situación de partida:

Ejemplo: se tira un dado y sabemos que la probabilidad de que salga un 2 es 1/6 (probabilidad a priori). Si incorporamos nueva información (por ejemplo, alguien nos dice que el resultado ha sido un número par) entonces la probabilidad de que el resultado sea el 2 ya no es 1/6.

Las probabilidades condicionadas se calculan aplicando la siguiente fórmula:

image023

Donde:

P (B/A) es la probabilidad de que se de el suceso B condicionada a que se haya dado el suceso A.

P (B L A) es la probabilidad del suceso simultáneo de A y de B

P (A) es la probabilidad a priori del suceso A

En el ejemplo que hemos visto:

P (B/A) es la probabilidad de que salga el número 2 (suceso B) condicionada a que haya salido un número par (suceso A).

P (B L A) es la probabilidad de que salga el dos y número par.

P (A) es la probabilidad a priori de que salga un número par.

Por lo tanto:

P (B L A) = 1/6

P (A) = 1/2

P (B/A) = (1/6) / (1/2) = 1/3

Luego, la probabilidad de que salga el número 2, si ya sabemos que ha salido un número par, es de 1/3 (mayor que su probabilidad a priori de 1/6).

2º ejemplo:

En un estudio sanitario se ha llegado a la conclusión de que la probabilidad de que una persona sufra problemas coronarios (suceso B) es el 0,10 (probabilidad a priori).

Además, la probabilidad de que una persona sufra problemas de obesidad (suceso A) es el 0,25 y la probabilidad de que una persona sufra a la vez problemas de obesidad y coronarios (suceso intersección de A y B) es del 0,05.

Calcular la probabilidad de que una persona sufra problemas coronarios si está obesa (probabilidad condicionada P(B/A)).

P (B L A) = 0,05

P (A) = 0,25

P (B/A) = 0,05 / 0,25 = 0,20

Por lo tanto, la probabilidad condicionada es superior a la probabilidad a priori. No siempre esto es así, a veces la probabilidad condicionada es igual a la probabilidad a priori o menor.

Por ejemplo: probabilidad de que al tirar un dado salga el número 2, condicionada a que haya salido un número impar.

La probabilidad condicionada es en este caso cero, frente a una probabilidad a priori de 1/6.

Probabilidad compuesta

 La probabilidad compuesta (o regla de multiplicación de probabilidades) se deriva de la probabilidad condicionada:

La probabilidad de que se den simultáneamente dos sucesos (suceso intersección de A y B) es igual a la probabilidad a priori del suceso A multiplicada por la probabilidad del suceso B condicionada al cumplimiento del suceso A.

La fórmula para calcular esta probabilidad compuesta es:

image023

 Ejemplo 1º : Estudiamos el suceso A (porcentaje de varones mayores de 40 años casados) y el suceso B (varones mayores de 40 años con más de 2 hijos) y obtenemos la siguiente información:

Un 35% de los varones mayores de 40 años están casados.

De los varones mayores de 40 años y casados, un 30% tienen más de 2 hijos (suceso B condicionado al suceso A).

Calcular la probabilidad de que un varón mayor de 40 años esté casado y tenga más de 2 hijos (suceso intersección de A y B).

Por lo tanto:

P (A) = 0,35

P (B/A) = 0,30

P (A L B) = 0,35 * 0,30 = 0,105

Es decir, un 10,5% de los varones mayores de 40 años están casados y tienen más de 2 hijos.

2º ejemplo: Estudiamos el suceso A (alumnos que hablan inglés) y el suceso B (alumnos que hablan alemán) y obtenemos la siguiente información:

Un 50% de los alumnos hablan inglés.

De los alumnos que hablan inglés, un 20% hablan también alemán (suceso B condicionado al suceso A).

Calcular la probabilidad de que un alumno hable inglés y alemán (suceso intersección de A y B).

Por lo tanto:

P (A) = 0,50

P (B/A) = 0,20

P (A L B) = 0,50 * 0,20 = 0,10

Es decir, un 10% de los alumnos hablan inglés y alemán.

 

Teorema de la probabilidad total

 El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a partir de probabilidades condicionadas:

Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes es x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos permite deducir cuál es la probabilidad de que ocurra un accidente si conocemos la probabilidad de que llueva y la probabilidad de que haga buen tiempo.

La fórmula para calcular esta probabilidad es:

image024 Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un accidente) es igual a la suma de multiplicar cada una de las probabilidades condicionadas de este suceso con los diferentes sucesos A (probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A.

Para que este teorema se pueda aplicar hace falta cumplir un requisito:

Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las posibilidades (la suma de sus probabilidades debe ser el 100%).

Ejemplo: al tirar una moneda, el suceso “salir cara” y el suceso “salir cruz” forman un sistema completo, no hay más alternativas: la suma de sus probabilidades es el 100%

Ejemplo: al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un sistema completo, ya que no contempla todas las opciones (podría salir el 5 o el 6). En este caso no se podría aplicar el teorema de la probabilidad total.

 

Ejercicio 1º: En un saquito hay papeletas de tres colores, con las siguientes probabilidades de ser elegidas:

a) Amarilla: probabilidad del 50%.

b) Verde: probabilidad del 30%

c) Roja: probabilidad del 20%.

Según el color de la papeleta elegida, podrás participar en diferentes sorteos. Así, si la papeleta elegida es:

a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.

b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%

c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.

Con esta información, ¿qué probabilidad tienes de ganar el sorteo en el que participes?:

1.- Las tres papeletas forman un sistema completo: sus probabilidades suman 100%

2.- Aplicamos la fórmula:

image025

Luego,

P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54

Por tanto, la probabilidad de que ganes el sorteo es del 54%.

 

Ejercicio 2º: Van a cambiar a tu jefe y se barajan diversos candidatos:

a) Carlos, con una probabilidad del 60%

b) Juan, con una probabilidad del 30%

c) Luis, con una probabilidad del 10%

En función de quien sea tu próximo jefe, la probabilidad de que te suban el sueldo es la siguiente:

a) Si sale Carlos: la probabilidad de que te suban el sueldo es del 5%.

b) Si sale Juan: la probabilidad de que te suban el sueldo es del 20%.

c) Si sale Luis: la probabilidad de que te suban el sueldo es del 60%.

En definitiva, ¿cual es la probabilidad de que te suban el sueldo?:

1.- Los tres candidatos forman un sistema completo

2.- Aplicamos la fórmula:

P (B) = (0,60 * 0,05) + (0,30 * 0,20) + (0,10 * 0,60) = 0,15

Por tanto, la probabilidad de que te suban el sueldo es del 15%. Lo llevas claro amigo…

 Teorema de Bayes

 El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la probabilidad total:

Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que llueva o de que haga buen tiempo) deducimos la probabilidad del suceso B (que ocurra un accidente).

Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos las probabilidades del suceso A (¿estaba lloviendo o hacía buen tiempo?).

La fórmula del Teorema de Bayes es:

image026

Tratar de explicar estar fórmula con palabras es un galimatías, así que vamos a intentar explicarla con un ejemplo. De todos modos, antes de entrar en el ejercicio, recordar que este teorema también exige que el suceso A forme un sistema completo.

 

Ejercicio 1º: El parte meteorológico 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%.

Según estos posibles estados meteorológicos, 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 estabamos en la ciudad no sabemos que tiempo hizo (nevó, llovío o hubo niebla). El teorema de Bayes nos permite calcular estas probabilidades:

Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se denominan “probabilidades a priori” (lluvia con el 60%, nieve con el 30% y niebla con el 10%).

Una vez que incorporamos la información de que ha ocurrido un accidente, las probabilidades del suceso A cambian: son probabilidades condicionadas P (A/B), que se denominan “probabilidades a posteriori”.

Vamos a aplicar la fórmula:

 

a) Probabilidad de que estuviera lloviendo:

image027

La probabilidad de que efectivamente estuviera lloviendo el día del accidente (probabilidad a posteriori) es del 71,4%.

b) Probabilidad de que estuviera nevando:

image028

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

image029

La probabilidad de que hubiera niebla es del 7,1%.

Independencia de sucesos

 Dos sucesos son independientes entre sí, si la ocurrencia de uno de ellos no afecta para nada a la ocurrencia del otro:

Ejemplo: el suceso estatura de los alumnos de una clase y el color del pelo son independientes: el que un alumno sea más o menos alto no va a influir en el color de su cabello, ni viceversa.

Para que dos sucesos sean independientes tienen que verificar al menos una de las siguientes condiciones:

P (B/A) = P (B) es decir, que la probabilidad de que se de el suceso B, condicionada a que previamente se haya dado el suceso A, es exactamente igual a la probabilidad de B.

Ejemplo: la probabilidad de que al tirar una moneda salga cara (suceso B), condicionada a que haga buen tiempo (suceso A), es igual a la propia probabilidad del suceso B.

P (A/B) = P (A) es decir, que la probabilidad de que se de el suceso A, condicionada a que previamente se haya dado el suceso B, es exactamente igual a la probabilidad de A.

Ejemplo: la probabilidad de que haga buen tiempo (suceso A), condicionada a que al tirar una moneda salga cara (suceso B), es igual a la propia probabilidad del suceso A.

P (A L B) = P (A) * P (B) es decir, que la probabilidad de que se de el suceso conjunto A y B es exactamente igual a la probabilidad del suceso A multiplicada por la probabilidsad del suceso B.

Ejemplo: la probabilidad de que haga buen tiempo (suceso A) y salga cara al tirar una moneda (suceso B), es igual a la probabilidad del suceso A multiplicada por la probabilidad del suceso B

Si el suceso A es independiente del suceso B, entonces el suceso B también es independiente del suceso A.

Ejemplo 1º: analicemos dos sucesos:

Suceso A: la probabilidad de que haga buen tiempo es del 0,4

Suceso B: la probabilidad de tener un accidente es del 0,1

Suceso intersección: la probabilidad de que haga buen tiempo y tener un accidente es del 0,08

Veamos si se cumple alguna de las condiciones señaladas:

P (B/A) = P (A L B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a P (B))

P (A/B) = P (A L B) / P (B) = 0,08 / 0,6 = 0,133 (que no es igual a P (A))

P (A L B) = 0,08 (que no es igual a P (A) multiplicado por P (B))

Por lo tanto, no se cumple ninguna de las tres condiciones señaladas por lo que estos dos sucesos no son independientes, sino que existe algún grado de dependencia entre ellos.

Ejemplo 2º: analicemos dos sucesos:

Suceso A: la probabilidad de que haga buen tiempo es del 0,4

Suceso B: la probabilidad de salir cara al lanzar una moneda es del 0,5

Suceso intersección: la probabilidad de que haga buen tiempo y que salga cara es 0,2

Veamos si se cumple alguna de las condiciones señaladas:

P (B/A) = P (A L B) / P (A) = 0,2 / 0,4 = 0,5 (igual que P (B))

P (A/B) = P (A L B) / P (B) = 0,2 / 0,6 = 0,4 (igual que P (A))

P (A L B) = 0,2 (igual a P (A) multiplicado por P (B))

Por lo tanto, estos dos sucesos sí son independientes.