Universidad Pedro Henrriquez Ureña
Bioestadística y demografía I
Prof. Antonio Mesa Plasencia
Lunes y Miércoles de 14:00 a 16:00
Enfoque de la teoría de probabilidad
Walkiria Tarrazo de la Fuente
(20-0724)
Santo Domingo, D.N.,
República Dominicana.
Lunes 19 de Julio de 2020
Introducción
La probabilidad pertenece a la rama de la matemática que estudia
ciertos experimentos llamados aleatorios, o sea, regidos por el azar, en que
se conocen todos los resultados posibles, pero no se tiene la certeza de cuál
será en particular el resultado del experimento. Por ejemplo, experimentos
aleatorios cotidianos son el lanzamiento de una moneda, el lanzamiento de
un dado y la extracción de una carta de un paquete de cartas. De aquí en
adelante, cada vez que decimos experimento nos referimos a un
experimento aleatorio. En este trabajo hablaremos de los diferentes enfoques
que tiene la probabilidad, siendo estos en enfoque clásico, el enfoque de
frecuencia relativa de ocurrencia y por último, el enfoque subjetivo. A
continuación algunos conceptos básicos de la teoría de la probabilidad:
Evento: Llamamos evento a cualquier conjunto de uno o más
resultados u observaciones de un experimento.
Ejemplo 1: Obtener un 5 al realizar el experimento de lanzar al
azar un dado de seis caras balanceado (todas las caras del dado son
igualmente probables).
Para el siguiente ejemplo entendamos que tradicionalmente
decimos cara cuando obtenemos el lado de la moneda americana que
contiene la imagen de un presidente y al otro lado lo llamamos cruz.
Ejemplo 2: Obtener una cara y una cruz en el experimento de
lanzar dos monedas americanas, ambas al azar.
Notemos que se obtiene el 5 en el dado de una sola forma, pero
una cara y una cruz en dos monedas hay dos formas distintas de obtenerse
(cara-cruz y cruz- cara). O sea, que en el ejemplo 1 el evento consta de una
sola observación posible y en el ejemplo 2 el evento consta de dos
observaciones posibles.
Evento Simple: Llamamos evento simple a cualquier evento que
consta de un solo resultado u observación de un experimento.
Ejemplo 3: Obtener un 3 al lanzar un dado al azar es un evento
simple pues ocurre de una sola forma.
Ejemplo 4: Obtener un número impar al lanzar un dado al azar no
es un evento simple pues ocurre de más de una forma, pues puede ser 1, 3 ó
5.
Espacio Muestral: El espacio muestral de un experimento es el
conjunto que contiene solamente a todos los eventos simples posibles. De
aquí en adelante utilizaremos la letra S para referirnos al espacio muestral.
Ejemplo 5: Halle el espacio muestral de lanzar al azar un dado.
Respuesta: S = {1, 2, 3, 4, 5, 6}
Ejemplo 6: Halle el espacio muestral de lanzar al azar dos
monedas americanas.
Respuesta: S = {(cara-cara), (cara-cruz), (cruz-cara), (cruz-cruz)}
Por último, antes de pasar a los diferentes enfoques de la
probabilidad, es importante hablar de la notación de la probabilidad. Para
propósito de este trabajo, utilizaremos la letra P para denotar una
probabilidad. Es común utilizar letras mayúsculas como A, B y C para
denotar eventos específicos de un experimento. Por lo tanto, la probabilidad
de que ocurra el evento A lo denotamos como P(A).
Enfoques
La probabilidad de que ocurra un evento se mide por un número
entre cero y uno, inclusive. Si un evento nunca ocurre, su probabilidad
asociada es cero, mientras que si ocurriese siempre su probabilidad sería
igual a uno. Así, las probabilidades suelen venir expresadas como decimales,
fracciones o porcentajes. En el caso de utilizar fracciones para expresar
probabilidades, las mismas pueden ser simplificadas pero no es necesario
hacerlo.
Existen diferentes formas para definir la probabilidad de un
evento basadas en formas distintas de calcular o estimar la probabilidad. A
continuación discutiremos tres diferentes enfoques. Seleccionar uno de los
tres enfoques dependerá de la naturaleza del problema.
1. Definición Clásica de Laplace, “A Priori” o Teórica
El enfoque clásico o "a priori" para definir la probabilidad es
proveniente de los juegos de azar. Esta definición es de uso limitado puesto
que descansa sobre la base de las siguientes dos condiciones:
i. El espacio muestral (S) del experimento es finito (su número
total de elementos es un número natural n = 1, 2, 3, ...).
ii. Los resultados del espacio muestral deben ser igualmente
probables (tienen la misma posibilidad de ocurrir).
Bajo estas condiciones, suponga que realizamos un experimento.
El número total de elementos del espacio muestral del experimento es
denotado como n(S). Dicho de otro modo, n(S) representa el número total de
eventos simples distintos posibles al realizar un experimento. Además, si A
es un evento de este experimento, el número total de elementos del espacio
muestral contenidos en A es denotado como n(A). Es decir, n(A) representa
el número total de formas distintas en que A puede ocurrir. Entonces, la
probabilidad de que A ocurra la definimos como:
A partir de esta definición las probabilidades de los posibles resultados
del experimento se pueden determinar a priori, es decir, sin realizar el experimento.
Ejemplo: Al lanzar un dado al azar, ¿cuál es la probabilidad de obtener
un número par?
Solución: Suponga que A es el evento de obtener un número par al lanzar
un dado al azar. Notemos que S = {1, 2, 3, 4, 5, 6} y todos los resultados igualmente
probables. Además, A puede ocurrir de tres formas distintas (2, 4 ó 6).
Por lo tanto,
n(A) = 3
y n(S) = 6
entonces
P(A) = n(A)/n(S)
P(A) = 3/6
P(A) = 1/2.
Ejemplo II: Si se extrae una carta de un paquete de 52 cartas de las
cuales 26 son negras (13 espadas A, 2, 3, ... , 10, J, Q, K); 13 son tréboles); y 26 son
rojas (13 corazones y 13 diamantes), halle la probabilidad de que la carta sea
a. una K.
b. roja.
c. de diamante.
Ejemplo 8:
Solución:
a. Suponga que K es el evento de obtener una carta que sea K, entonces
P(K) = n(K)/n(S)= 4/52 = 1/13 porque el evento de "extraer una K” consta de 4 de los
52 resultados igualmente probables.
b. Suponga que R es el evento de obtener una carta que sea roja,
entonces P(R) = 26/52 = 1/2 porque el evento de "extraer una carta roja" consta de 2
de los 52 resultados igualmente probables.
c. Suponga que D es el evento de obtener una carta que sea de diamante,
entonces P(D) = 13/52 = 1/4 porque el evento de "extraer una carta de diamante"
consta de 13 de los 52 resultados igualmente probables.
Ejemplo III: ¿Cuál es la probabilidad de que en una familia que tiene tres
hijos, haya dos niñas y un niño, si se considera igualmente probable el nacimiento de
un niño o niña?
Solución: Usando "a" para niña y "o" para niño, el espacio muestra es: S
= {aaa, aao, aoa, aoo, oaa, oao, ooa, ooo} por lo que n(S) = 8. Definimos el evento A
como que haya dos niñas y un niño, entonces: A = {aao, aoa, oaa } y n(A) = 3. Por lo
tanto,
P(A) = n(A)/n(S)
P(A) = 3/8
P(A) = 0.375
P(A) = 37.5% .
Bajo las mismas premisas de este ejemplo, podemos concluir que el
37.5% de las familias que tienen tres hijos, de éstos dos son niñas y uno es niño.
2. Enfoque de Frecuencia Relativa
La definición clásica se ve limitada a situaciones en las que hay un
número finito de resultados igualmente probables. Lamentablemente, hay situaciones
prácticas que no son de este tipo y la definición “a priori” no se puede aplicar. Por
ejemplo, si se pregunta por la probabilidad de que un paciente se cure mediante cierto
tratamiento médico, o la probabilidad de que una determinada máquina produzca
artículos defectuosos, entonces no hay forma de introducir resultados igualmente
probables. Para responder a estas preguntas podemos utilizar el enfoque empírico, en
el cual para determinar los valores de probabilidad se requiere de la observación y de
la recopilación de datos. La definición empírica se basa en la frecuencia relativa de
ocurrencia de un evento con respecto a un gran número de repeticiones del
experimento. En otras palabras, la definición empírica se basa número de veces que
ocurrió el evento entre el número total de repeticiones del experimento. También se le
denomina a posteriori, ya que el resultado se obtiene después de realizar el
experimento un cierto número grande de veces.
Si queremos conocer la probabilidad del evento A según este enfoque
realizamos el experimento un gran número de veces y contamos cuántas veces A
ocurre. Con base en estos resultados reales, P(A) se estima de la siguiente forma:
Este enfoque de probabilidad no implica ningún supuesto previo de
igualdad de probabilidades.
Ejemplo: Antes de incluir la cobertura para cierto tipo de problema
dental C en pólizas de seguros médicos para adultos, una compañía de seguros desea
determinar la probabilidad de ocurrencia de esta clase de problemas, para que pueda
fijarse la prima de seguros de acuerdo con esas cifras. Por ello, un especialista en
estadística recopila datos preguntando a 10,000 adultos que se encuentran en las
categorías de edad apropiadas y encuentra que 100 de ellos han experimentado el
problema dental específico durante el año anterior. Según los datos recopilados, ¿cuál
es la probabilidad de que un adulto tenga este tipo de problema dental durante el
periodo de un año?
Respuesta: Notemos que el especialista estudia 10,000 adultos para
determinar cuántos de ellos tuvieron el problema dental C en el año anterior. O sea, el
especialista repitió el experimento de preguntar a un adulto si había tenido el
problema dental C el año anterior 10,000 veces y obtuvo 100 repuestas afirmativas a
su pregunta. Por ello, la probabilidad de ocurrencia de C en un adulto durante el
periodo de un año es:
P(C) = n(C)/n(S)
P(C) = 100/10,000
P(C) = 0.01
P(C) = 1% .
Ejemplo I: Se conoce que una moneda está cargada. Esto significa que
un lado de la moneda se obtiene con mayor frecuencia que el otro dado al lanzarla al
azar un número grande de veces. Para determinar la probabilidad de que caiga cara la
moneda se lanza 60 veces al aire, de las cuales 24 veces cayó cara. Si aplicamos la
fórmula obtenemos:
P(cara) = 24/60
P(cara) = 0.4
P(cara) = 40%
Al calcular probabilidades con este método de frecuencias relativas
obtenemos una aproximación en vez de un valor exacto. A mayor número de veces
que repitamos el experimento, más cerca estará la aproximación del valor real. Esta
propiedad se enuncia en forma de teorema, el cual se conoce comúnmente como la
ley de los números grandes.
Cuando se usa la definición empírica, es importante tomar en cuenta los
siguientes aspectos:
i. La probabilidad obtenida de esta manera es únicamente una estimación
del valor real.
ii. Cuanto mayor sea el número de repeticiones del experimento, tanto
mejor será la estimación de la probabilidad.
iii. La probabilidad es propia de sólo un conjunto de condiciones
idénticas a aquéllas en las que se obtuvieron los datos, o sea, la validez de emplear
esta definición depende de que las condiciones en que se realizó el experimento sean
repetidas idénticamente.
La probabilidad de ocurrencia de un evento se expresa con un número
que puede ser porcentaje, un número decimal, o una fracción. Para el primer caso la
probabilidad está restringida a valores mayores o iguales que cero, pero menores o
iguales que cien. En el segundo caso, la probabilidad estará entre el número cero y el
número uno incluyéndolos. En la última manera, la fracción debe tener como
cociente un número como el del segundo caso.
Se dice que un conjunto de eventos son mutuamente excluyentes, si la
ocurrencia de uno impide que los otros se manifiesten; es decir, la ocurrencia de uno
excluye a las de los restantes. Por ejemplo, al lanzar una moneda, una vez que queda
quieta en el suelo se tiene un solo resultado asociado con la cara de la moneda que
quedó hacia arriba; si ocurre el evento “águila” se excluye el evento “sello”
Si dos eventos son mutuamente excluyentes y exhaustivos (sólo puede
haber esos eventos) la probabilidad de que ocurra cualquiera de los dos es igual a la
suma de sus probabilidades que debe ser uno o el cien porciento. Pero si no son
exhaustivos y sí mutuamente excluyentes, entonces la probabilidad de que ocurra
cualquiera de ellos es igual a la suma de sus probabilidades.
Si no son mutuamente excluyentes, la probabilidad de que ocurra
cualquiera de ellos es igual a la suma de sus probabilidades menos la probabilidad de
que ocurran los eventos de manera simultánea.
La ley de los grandes números también conocida como teorema de
Bernoulli, del matemático suizo Jacobo Bernoulli (1654 – 1705) establece que la
probabilidad de un evento es la frecuencia con que ocurre en un gran número de
repeticiones. Esto significa que si se lanza un dado sobre una mesa un gran número
de veces, el número de repeticiones para cada cara será muy próximo entre sí.
Entonces la probabilidad de que resulte cualquiera de las caras es la misma.
La probabilidad en el enfoque clásico se puede definir como el cociente
del número de casos esperados entre el número de casos que pueden ocurrir.
Ejemplo 1 Determinar el espacio muestral del experimento “lanzar dos
dados” y calcular la probabilidad de que:
a) La suma de los números sea menor que seis.
b) La suma de los números sea un número primo.
El espacio muestral se construye con la ayuda de un diagrama de árbol,
en él se indica la cara que queda hacia arriba del primer dado y luego se asocian los
posibles resultados del otro dado, uniendo todo con líneas, como se puede apreciar en
la figura.
Después se expresa el espacio muestral con las diferentes combinaciones
que resultaron del diagrama de árbol. El número de combinaciones es el tamaño del
espacio muestral o el total de los casos que pueden ocurrir.
Para calcular las probabilidades que se piden, se suman todos los
posibles resultados y se cuentan los casos que concuerdan con la cuestión que se
hace.
Recuerda que los números primos son aquellos que admiten sólo dos
divisores diferentes.
3. Enfoque subjetivo
Esta definición de probabilidad se diferencia de los dos enfoques
anteriores, debido a que tanto el enfoque clásico como el de frecuencia relativa
producen valores objetivos de probabilidad. El enfoque subjetivo define la
probabilidad de un evento a base del grado de confianza que una persona tiene de que
el evento ocurra, teniendo en cuenta toda la evidencia que tiene disponible,
fundamentado en la intuición, opiniones, creencias personales y otra información
indirecta relevante. Debido a que el valor de la probabilidad es un juicio personal, al
enfoque subjetivo se le denomina también como enfoque personalista.
El enfoque subjetivo no depende de la repetitividad de ningún evento y
permite calcular la probabilidad de sucesos únicos. Por ejemplo, ¿cuál es la
probabilidad de que un edificio colapse ante un terremoto? Este evento puede que
ocurra o que nunca ocurra, pero es lógico pensar que no podemos repetir los
terremotos un número grande de veces y contar el número de veces que el edificio
colapsa para calcular esa probabilidad. Sin embargo, un especialista en el área puede
asignar una probabilidad basada en su juicio de toda la información relevante a la que
pueda tener acceso.
Ejemplo I: Un analista deportivo afirma que Estados Unidos tiene una
probabilidad de 90% de ganar la medalla de oro en baloncesto en las próximas
olimpiadas. Notemos que esta probabilidad está basada en la confianza que el analista
tiene de que el evento ocurra, con base en toda la evidencia que tiene disponible.
Ejemplo II: Un paciente le pregunta a su cardiólogo sobre cuánta
probabilidad tiene de salir exitosa la operación de corazón abierto que le dijo que
tenía que realizarle. Basado en el conocimiento de su condición y la experiencia
obtenida al trabajar casos similares, el médico le contestó que tenía un 85% de
probabilidad de que la operación sea un éxito.
Cuando hay muchos posibles resultados de un evento es
prácticamente imposible calibrar las creencias subjetivas para cada
resultado, en su lugar, podemos usar una función matemática. Por ejemplo,
puedes pensar que una mujer mexicana promedio mide 156 cm pero estar
abierto a la posibilidad de que el promedio sea un poco mayor o menor. Es
así que puedes describir tus creencias a través de una curva con forma de
campana y centrada en 156.
Resumen
Concepto clásico de Probabilidad
Una de las características de un experimento aleatorio es que no se sabe
qué resultado particular se obtendrá al realizarlo. Es decir, si A es un suceso asociado con
un experimento aleatorio, no podemos indicar con certeza si A ocurrirá o no en una
prueba en particular. Por lo tanto, puede ser importante tratar de asociar un número al
suceso A que mida la probabilidad de que el suceso ocurra. Este número es el que
llamaremos P(A).
Probabilidad Clásica o a Priori
Si un suceso puede ocurrir de N maneras mutuamente excluyentes e
igualmente probables, y m de ellas poseen una característica A
Ejemplo 1: P(de que salgan dos caras al tirar 2 monedas)
P(de que salga una cara al tirar 2 monedas )
Ejemplo 2: P(de que salga un varón al tomar 2 bebés y observar su sexo)
Probabilidad empírica o frecuencial
Una teoría de mayor aplicación y muy sostenida es la basada en la
frecuencia relativa. Puede atribuirse a este punto de vista el adelanto registrado en la
aplicación de la probabilidad en la Física, la Astronomía, la Biología, las Ciencias Sociales
y los negocios.
Esta teoría está estrechamente relacionada con el punto de vista expresado
por Aristóteles: “lo probable es aquello que ocurre diariamente”.
Notamos a través de gran cantidad de observaciones acumuladas con los
diversos juegos de azar una forma general de regularidad que permitió establecer una
teoría.
Supongamos que efectuamos una serie de n repeticiones del experimento E,
intentando mantener constantes las condiciones pertinentes. Sea f el número de
repeticiones en las que se presenta el suceso A, de forma que en las restantes n – f no se
presentará. Obtendremos así una serie de frecuencias relativas para n1, n2 ….
Estas frecuencias relativas diferirán poco entre sí cuando las ni sean
grandes y tenderán a acumularse en la proximidad de un valor fijo.
Debemos señalar que la estabilidad, a la larga, de las frecuencias relativas
se aplica a una amplia clase de experimentos aleatorios, de los que el juego de azar
constituye un caso en particular, casi insignificante.
Para establecer una descripción matemática sencilla de la conducta de las
frecuencias relativas para grandes valores de n, vamos a postular la existencia de un nro.
p que es el nro. al cuál tiende fr, es decir, la frecuencia relativa del suceso en estudio.
Este número se llamará probabilidad del suceso A en relación con el
experimento aleatorio E.
La frecuencia relativa fr se considerará entonces como una medida
experimental de la probabilidad y diremos:
“De acuerdo con el concepto empírico de la estabilidad de las razones
frecuenciales cabe esperar que, para grandes valores de n, la razón frecuencial
observada sea aproximadamente igual a p que se llamará probabilidad del suceso en
estudio”.
Estaremos entonces “estimando” el valor de una probabilidad desconocida
por medio de un estudio de la conducta de las frecuencias relativas del hecho o suceso
correspondiente.
La aplicación de esta definición está relacionada con un experimento
aleatorio que puede ser repetido varias veces en condiciones uniformes. Naturalmente, la
repetición real será en ocasiones difícil o incluso imposible de realizar, por ejemplo,
debido a los costos prohibitivos de experimentación, pero bastará con que sea concebible
una repetición en condiciones uniformes.
Probabilidad subjetiva
Se refiere a la probabilidad de ocurrencia de un suceso basado en la
experiencia previa, la opinión personal o la intuición del individuo. En este caso después
de estudiar la información disponible, se asigna un valor de probabilidad a los sucesos
basado en el grado de creencia de que el suceso pueda ocurrir.
¿ Cuál es la probabilidad de que haya vida en Marte?Estos ejemplos ¿ a
qué definición de probabilidad corresponden?
Ejemplo 1
E: Tirar un dado
A = que salga el n° 3
S = {1, 2, 3, 4, 5, 6}
P(A) = 1/6
Ejemplo 2
E: Retirar una carta de un mazo
A= que salga oro
P(A) = 10/40
Referencias
Agosto, A. (2010, junio). PROBABILIDAD [PDF]. Recuperado de http://
[Link]/deptmate/material%20suplementario/CIME/7mo%20a%209no/
T8%3B%20Probabilidad%287mo%20a%209no%[Link]
Azcárate, P., & Serradó, A. (2006). Tendencias didácticas en los libros de
texto de matemáticas para la ESO. Revista de Educación, 340, 341-378.
Barragués, J. I., & Guisasola, J. (2006). La introducción de los conceptos
relativos al azar y la probabilidad en libros de texto universitarios. Enseñanza de las
Ciencias, 24(2), 241-256.
Borovcnik, M. (2012). Multiple perspectives on the concept of conditional
probability. Avances de Investigación en Didáctica de la Matemática, 2, 5-27.
Cobo, B. (2003). Significado de las medidas de posición central para los
estudiantes de secundaria (Tesis doctoral no publicada). Universidad de Granada,
España.
Cobo, B., & Batanero, C. (2004). Significados de la media en los libros de
Ortiz, J. J. (2002). La probabilidad en los libros de texto. Universidad de
Granada.
Orton, A. (1990). Didáctica de las matemáticas. Madrid: M.E.C., & Morata.
Tversky, A., & Kahneman, D. (1974). Judgement under uncertainity:
Heuristics and biases. Science, 185, 1124-1131.