DISTRIBUCIÓN DE PROBABILIDADES

DEFINICIÓN

Una distribución de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento si éste se llevase a cabo. Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede diseñar un escenario de acontecimientos futuros considerando las tendencias actuales de diversos fenómenos naturales

Toda distribución de probabilidad es generada por una variable (porque puede tomar diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de dos tipos:

VARIABLE ALEATORIA DISCRETA (x).

Porque solo puede tomar valores enteros y un número finito de ellos. Por ejemplo: X Variable que nos define el número de alumnos aprobados en la materia de probabilidad en un grupo de 40 alumnos (1, 2 ,3…ó los 40).

PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(xi)<1 Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero y menores o iguales a 1. E p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x debe ser igual a 1. EJEMPLO Para variable aleatoria discreta Tenemos una moneda que al lanzarla puede dar sólo dos resulatdos: o cara (50%), o cruz (50%). La siguiente tabla nos muestra los posibles resultados de lanzar dos veces una moneda:

Al realizar la tabla de distribución del número posible de caras que se obtiene al lanzar una moneda dos veces, obtenemos:

VARIABLE ALEATORIA CONTINUA (x).

Porque puede tomar tanto valores enteros como fraccionarios y un número infinito de ellos dentro de un mismo intervalo. Por ejemplo: x es la Variable que nos define la concentración en gramos de plata de algunas muestras de mineral (14.8 gr, 12.1, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, …, n)

PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(x) Las probabilidades asociadas a cada uno de los valores que toma x deben ser mayores o iguales a cero. Dicho de otra forma, la función de densidad de probabilidad deberá tomar solo valores mayores o iguales a cero. El área definida bajo la función de densidad de probabilidad deberá ser de 1.

DISTRIBUCIÓN BINOMIAL

La distribución Binomial es un caso particular de probabilidad de variable aleatoria discreta, y por sus aplicaciones, es posiblemente la más importante. Esta distribución corresponde a la realización de un experimento aleatorio que cumple con las siguientes condiciones: * Al realizar el experimento sólo son posible dos resultados: el suceso A, llamado éxito, y el suceso B , llamado fracaso. * Al repetir el experimento, el resultado obtenido es independiente de los resultados obtenidos anteriormente. * La probabilidad del suceso A es constante, es decir, no varía de una prueba del experimento a otra. * En cada experimento se realizan n pruebas idénticas. Todo experimento que tenga estas características se dice que sigue el modelo de la distribución Binomial o distribución de Bernoulli. En general, si se tienen n ensayos Bernoulli con probabilidad de éxito p y de fracaso q, entonces la distribución de probabilidad que la modela es la distribución de probabilidad binomial y su regla de correspondencia es:

Donde: P(X)= es la probabilidad de ocurrencia del evento p = es la probabilidad de éxito del evento (en un intento) q = es la probabilidad de fracaso del evento (en un intento) (se define como q = 1 – p ) X = ocurrencia del evento o éxitos deseados n = número de intentos EJEMPLO ¿Cuál es la probabilidad de obtener exactamente 2 caras al lanzar una misma moneda 6 veces ? Donde: P(X)= Probabilidad de que ocurra el evento p = (0.5) q = (se define como q = 1 – p ) (0.5) X = 2 n = 6 Al sustituir los valores en la fórmula obtenemos:

La posibilidad de obtener dos caras al lanzar una moneda 6 veces es de 0.234375 Como el cálculo de estas probabilidades puede resultar algo tedioso se han construido tablas para algunos valores de  n  y  p  que nos facilitan el trabajo (Ver las tablas de la función de probabilidad Binomial). Para una combinación de n y p, la entrada indica una probabilidad de obtener un valor específico de r. Para localizar la entrada, cuando p8804;0.50, localice p a lo largo del encabezado de la tabla, y en la columna correspondiente localice n y r en el margen izquierdo; cuando p8805;0.50, localice el valor de p en la parte inferior de la tabla, y n y r arriba, en el margen derecho. Tenemos p = 0.50, n = 6 y r = 2 obteniendo resultado directo de tablas P(2 caras) = 0.2344

ESPERANZA MATEMATICA O VALOR ESPERADO

El valor esperado de una Variable Aleatoria X es el promedio ponderado de todos los valores posibles de la misma. DNode los pesos son las probabilidades asociadas con los valores. Para calcular el valor esperado de una variable aleatoria por su correspondiente probabilidad y luego sumar los términos resultante. La esperanza matemática o valor esperado de una variable aleatoria tiene sus orígenes en los juegos de azar, debido a que los apostadores deseaban saber cuál era su esperanza de ganar repetidamente un juego, por lo tanto, el valor esperado representa la cantidad de dinero promedio que el jugador está dispuesto a ganar o perder después de un número grande de apuestas. E(x) = µ = E xf (x)

Ejemplo

Cuatro personas apuestan 1€ a que saldrá un número en un dado, cada uno a un número diferente. Entonces por cada euro apostado si se gana recibes 3 euros más. ¿Saldrá a cuenta apostar en este juego? La probabilidad de perder 1€ es 56, ya que perderemos si no sale el número elegido. En cambio la probabilidad de ganar 3 € es de 16. Así la esperanza es: E(X)=(−1⋅56)+(3⋅16)=−56+36=−26=−13≃−0.33 Por tanto por cada euro apostado podemos perder 0.33 céntimos. Se dice que este es un juego de esperanza negativa. Decimos que un juego es equitativo cuando la esperanza de beneficio es 0. Si tenemos un juego con esperanza de beneficio positiva se dice que es un juego de esperanza positiva.

DISTRIBUCIÓN  HIPERGEOMÉTRICA.

Los experimentos que tienen este tipo de distribución tienen las siguientes características:

a)      Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados.

b)      Las probabilidades asociadas a cada uno de los resultados no son constantes.

c)      Cada ensayo o repetición del experimento no es independiente de los demás.

d)      El número de repeticiones del experimento (n) es constante.

Ejemplo:

En una urna o recipiente hay un total de N objetos, entre los cuales hay una cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y sin reemplazo, ¿cuál es la probabilidad de obtener xobjetos defectuosos?

 Solución:

Luego;

                                   

donde:

p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados

muestras de n objetos en donde hay x que son defectuosos y n-x buenos

todas las muestras posibles de seleccionar de n objetos tomadas de entre N objetos en total = espacio muestral

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos, si de seleccionan 4 objetos al azar, ¿cuál es la probabilidad de que 2 sean defectuosos?

Solución:

N = 10 objetos en total

a = 3 objetos defectuosos

n = 4 objetos seleccionados en muestra

x = 2 objetos defectuosos deseados en la muestra

       

                 

donde:

                  probabilidad asociada a cada muestra de 4 objetos que se seleccionaron, con lo que se demuestra que las probabilidades no son constantes

                formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados = muestras de 4 objetos entre los que 2 son defectuosos

Como se observa en el desarrollo de la solución del problema, la pretensión es demostrar que las probabilidades asociadas a cada uno de los resultados no son constantes.

Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar sería:

                                                            

Ejemplos:

1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas  de narcótico en una botella que contiene 9 píldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) ¿Cuál es la probabilidad de que el viajero sea arrestado por posesión de narcóticos?, b) ¿Cuál es la probabilidad de que no sea arrestado por posesión de narcóticos?.

Solución:

a) N = 9+6 =15 total de tabletas

a = 6 tabletas de narcótico

n = 3 tabletas seleccionadas

x = 0, 1, 2, o 3 tabletas de narcótico = variable que nos indica el número de tabletas de narcótico que se puede encontrar al seleccionar las 3 tabletas

p(viajero sea arrestado por posesión de narcóticos) = p(de que entre las 3 tabletas seleccionadas haya 1 o más tabletas de narcótico)

                              

                             

otra forma de resolver;

p(el viajero sea arrestado por posesión de narcóticos) = 1 – p(de que entre las tabletas  seleccionadas no haya una sola de narcótico)

                                        

                                       

b)      p(no sea arrestado por posesión de narcóticos)

                  

                                                   

2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles defectuosos que no explotarán, ¿cuál es la probabilidad de que , a) los 4 exploten?, b) al menos 2 no exploten?

Solución:

a) N = 10 proyectiles en total

a = 7 proyectiles que explotan

n = 4 proyectiles seleccionados

x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de proyectiles que explotan entre la muestra que se dispara

                              

b)  N = 10 proyectiles en total

a = 3 proyectiles que no explotan

n = 4 proyectiles seleccionados

x = 0, 1, 2 o 3 proyectiles que no explotan

p(al menos 2 no exploten) = p( 2 o más proyectiles no exploten) = p(x = 2 o 3; n=4) =

                     

3. a)¿Cuál es la probabilidad de que una mesera se rehúse a servir bebidas alcohólicas únicamente a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, b) ¿Cúal es la probabilidad de que como máximo 2 de las identificaciones pertenezcan a menores de edad?

Solución:

a) N = 9  total de estudiantes

a = 4 estudiantes menores de edad

n = 5 identificaciones seleccionadas

x = variable que nos define el número de identificaciones que pertenecen a personas menores de edad

x = 0, 1, 2,  3 o 4 identificaciones de personas menores de edad

                          

    b) N = 9 total de estudiantes

    a = 4 estudiantes menores de edad

    n = 5 identificaciones seleccionadas

    x = variable que nos define el número de identificaciones que pertenecen a personas menores de edad

    x = 0, 1, 2,  3 o 4 identificaciones de personas menores de edad

                          

                                                       

Teorema de Bayes

La interpretación más aceptada del teorema de Bayes, es que su estructura permite el calculo de probabilidades después de haber sido realizado un experimento (probabilidades aposteriori), basándose en el conocimiento de la ocurrencia de ciertos eventos que dependan del evento estudiado, o sea, se parte de probabilidades conocidas antes de efectuar el experimento (probabilidades apriori), las cuales son afectadas por las probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento).

Continuando nuestro análisis sobre el teorema de Bayes, la probabilidad condicional deA_i dado B, para cualquier i, es:

Aplicando en el numerador la Regla de Multiplicación P(A_iÇB) = P(A_i) P(B|A_i) y en el denominador el Teorema de Probabilidad Total  P(B) = P(A₁) P(B | A₁) + P(A₂) P(B | A₂) + . . . + P(A_n) P(B | A_n), obtenemos la ecuación que representa al:

Teorema de Bayes

Ejemplo 3. 11. Referente al problema de la fábrica que produce dos tipos de reguladores A y B visto anteriormente en la aparte corresponde al Teorema de Probabilidad Total, cabe hacer el siguiente análisis: si se selecciona un regulador al azar de la producción de la fábrica y se ve que funciona bien ¿Cuál es la probabilidad de que sea del tipo B?

Solución

En este caso el estudio se restringe a los reguladores que funcionan bien, por lo que ese evento actúa como espacio muestral reducido, o sea como evento condición. Por lo tanto, el planteamiento de la pregunta es P(B | F).

Los datos que se tienen son :

P(A) = 0.75     P(F | A) = 0.95

P(B) = 0.25     P(F | B) = 0.98

De acuerdo al Teorema de Bayes:

Podemos observar que el denominador corresponde al resultado obtenido al aplicar el Teorema de Probabilidad Total, lo cual debe ser así, ya que la probabilidad condicional establece que . De esta forma podemos ver que la Probabilidad

Total es el denominador de la fórmula del Teorema de Bayes. También podemos observar que aplicando los conceptos de la Regla de Multiplicación y del Teorema de Probabilidad Total llegamos al planteamiento del teorema de Bayes, Veamos:

Ejemplo 3. 12. Una fábrica que produce material para la construcción tiene 3 máquinas, a las que se les denomina A, B y C. La máquina A produce tabique, la B adoquín y la C losetas. La máquina A produce el 50% de la producción total de la fábrica, la B el 30% y la C el 20%. Los porcentajes de artículos defectuosos producidos por las máquinas son, respectivamente, 3%, 4% y 5%. Si se selecciona un artículo al azar y se observa que es defectuoso, encontrar la probabilidad de que sea un tabique.

Solución

Definamos el evento D como sea un artículo defectuoso. De acuerdo a esto tenemos que:

P(A) = 0.5       P(D | A) = 0.03

P(B) = 0.3       P(D | B) = 0.04

P(C) = 0.2       P(D | C) = 0.05

Si el artículo del que deseamos calcular la probabilidad es un tabique, significa que es producido por la máquina A. También observamos que en la solución solamente participan los artículos defectuosos, ya que se pone por condición esta característica. Por lo tanto:

Ejemplo 3. 13. A un congreso asisten 100 personas, de las cuales 65 son hombres y 35 son mujeres. Se sabe que el 10% de los hombres y el 6% de las mujeres son especialistas en computación. Si se selecciona al azar a un especialista en computación ¿Cuál es la probabilidad de que sea mujer?

Solución

Definamos los eventos:

H:    Sea un  hombre

M:   Sea una mujer

E:         La persona sea especialista en computación

Tenemos que:

                

                

Por lo tanto: