PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Dra. Ana M. CRAVERI TEORÍA Y CÁLCULO DE PROBABILIDADES Algunas definiciones importantes Experimento aleatorio (E): es un experimento que cumple con las siguientes condiciones: • Puede repetirse muchas veces en condiciones similares • Aunque no se puede predecir el resultado de una prueba, podemos describir el conjunto de todos los resultados posibles del experimento. • A medida que el experimento se repite, al principio, los resultados pueden ocurrir en forma caprichosa (sin ninguna ley). Sin embargo si el experimento se repite un gran número de veces aparece cierta regularidad en los resultados (Regularidad Estadística). TEORÍA Y CÁLCULO DE PROBABILIDADES Espacio muestra o espacio muestral (S): es el conjunto de todos los resultados posibles de un experimento aleatorio. Cada uno de los elementos de S se denomina punto muestra Ejemplos: 1) Sea el experimento aleatorio E1: tirada de un dado S1 = {1, 2, 3, 4, 5, 6} 2) Sea el experimento aleatorio E2: tirar una moneda S2 = {c, x} 3) Sea E3: observar el estado prendido (P) o apagado (A) de tres interruptores de luz S3 = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA} TEORÍA Y CÁLCULO DE PROBABILIDADES Suceso: se denomina así a cualquier subconjunto del espacio muestra. Es decir que un suceso asociado a un determinado experimento aleatorio es simplemente un subconjunto de resultados posibles. Por lo tanto: un punto muestra es un suceso el espacio muestral S es un suceso el conjunto vacío es un suceso TEORÍA Y CÁLCULO DE PROBABILIDADES En el ejemplo 1 E: tirada de un dado se pueden definir los siguientes sucesos A: que aparezca el número 2 ; A= {2} B: que aparezca número par ; B= {2;4;6} C: que aparezca un número impar ; C= {1;3;5} D: que aparezca un número 4 o mayor ; D= {4;5;6} E: que aparezca un número del 1 al 6 ; E=S1 F: que aparezca el número 7 ; F= φ Eventos mutuamente excluyentes: son dos sucesos que no pueden ocurrir al mismo tiempo. En el ejemplo sería el caso de los sucesos Ay C donde se verifica que A ∩ C = φ . En tanto no serían sucesos mutuamente excluyentes B y D porque B ∩ D = {4;6}. TEORÍA Y CÁLCULO DE PROBABILIDADES Si fueses un jugador en el juego definido en el Ejemplo 1, E1: tirada de un dado. Intuitivamente, cuáles serían tus probabilidades de ganar si: Por ejemplo, apostaras al suceso A. Dirías que la probabilidad de que salga un 2 en el dado es 1 sobre 6 resultados que pueden aparecer, esto es correcto y se puede simbolizar: P(A)= De la misma manera: P(B) = P(C) = P(D) = 3 6 ; P(E) = 6 =1 6 ; P(F) = 0 =0 6 Generalizando: en todos los casos vemos que la probabilidad es una división entre el número de resultados favorables al suceso y el número de resultados posibles del experimento. Esto hace que la probabilidad de cualquier suceso definido en el espacio muestral, generado por un experimento aleatorio, sea un número fraccionario cuyo valor mínimo es cero (no es posible observar ese suceso) y su máximo es uno (el suceso se observa siempre). Formalizando conceptos: Primera definición de la probabilidad: La Definición Clásica P(A)= número de resultados favorables al suceso A nºde resultados posibles igualmente probables Además: 0 ≤ p ( Ai ) ≤ 1 ; P(suceso cierto)= P(S)=1 ; P(suceso imposible)=0 TEORÍA Y CÁLCULO DE PROBABILIDADES ¿Que pasa si sabes que el dado está viciado (dado cargado)? No podrías afirmar que P(A)= Porque no todas las caras del dado tienen, en este caso, la misma probabilidad de salir Para estos casos debemos tener en cuenta una de las características del experimento aleatorio que es la presencia de regularidad en los resultados a largo plazo. Tendríamos que tirar el dado un gran número de veces (n) y hacer la división entre el número de veces que apareció el número 2 o sea la frecuencia del suceso A (f(A)) y n Segunda definición de la probabilidad: La Definición Frecuencial Si n es muy grande entonces: P ( A) = f ( A) n En el ejemplo si el dado se tira 300 veces (n=300) y el número 2 aparece 10 veces, entonces TEORÍA Y CÁLCULO DE PROBABILIDADES Tercera definición: Definición axiomática: Sea S el espacio muestral asociado al experimento aleatorio E, sean A1, A2, ….Ak los eventos simples de S entonces p(Ai) (probabilidad del suceso Ai) verifica los siguientes axiomas: 1) Todas las probabilidades de los eventos simples son números reales entre 0 y 1 0 ≤ p( Ai ) ≤ 1 2) La probabilidad del espacio muestral es igual a 1 P(S) = 1 3) Si Ai y Ah son sucesos mutuamente excluyentes (no pueden presentarse juntos en una prueba del experimento aleatorio) resulta: P (Ai ∪ Ah) = P (Ai) + P (Ah) TEORÍA Y CÁLCULO DE PROBABILIDADES TEORÍA Y CÁLCULO DE PROBABILIDADES Regla de la suma para sucesos no excluyentes Sean A y B sucesos cualesquiera ⇒ P (A ∪ B) = P(A) + P (B) – P (A ∩ B) Por el axioma 3 si estos sucesos son mutuamente excluyentes, entonces: P (A ∪ B) = P (A) + P (B) Si A y B no son mutuamente excluyentes entonces A∩B ≠ φ Podemos pensar en definir un suceso Ā (complemento A A ∩B de A) tal que: B S Ā∩B A ∪ B = A ∪ ( Ā ∩ B) ⇒ B=(A∩B) ∪ ( Ā ∩ B) Luego P(A ∪ B)=P(A)+P(Ā∩B) P(B)=P(A∩B) + P( Ā ∩ B) Restando miembro a miembro resulta: P(A ∪ B) - P(B)=P(A) - P(A∩B) ⇒ ⇒ P (A ∪ B) = P (A) + P (B) - P(A∩B) TEORÍA Y CÁLCULO DE PROBABILIDADES Siguiendo con el juego de la tirada de un dado no viciado Pensemos ahora en la ocurrencia de al menos uno de dos sucesos Por ejemplo: ¿cuál es la probabilidad de que en una tirada del dado salga el suceso A: que salga el número 2 ó el suceso C: que salga un número impar ? A P(A ó B) = 1/6 + 3/6 = 4/6 B 2 1 3 5 A y B se dicen sucesos disjuntos porque no tienen elementos comunes o iguales por eso se unen los elementos de A con los de B para formar el numerador 4 Generalizando: Si A y B son dos sucesos disjuntos: P (A ∪ B) = P (A) + P (B) Con el mismo criterio se puede generalizar para el caso de más de dos sucesos TEORÍA Y CÁLCULO DE PROBABILIDADES Sigamos pensando en la ocurrencia de al menos uno de dos sucesos Por ejemplo: ¿cuál es la probabilidad de que en una tirada del dado salga el suceso B: que salga un número par ; ó el suceso D: que salga 4 o mayor B P(B ó D) = 4/6 D 2 4 6 5 Notamos que los sucesos B y D no son excluyentes por lo que debemos descontar los números que están en la intersección que son favorables a ambos sucesos y que estarían contados dos veces Si aplicamos la regla anterior el cálculo sería: P (B ∪ D) = P(B) + P (D) – P (B ∩ D)=3/6 + 3/6 - 2/6=4/6 Con el mismo criterio se puede generalizar para el caso de más de dos sucesos TEORÍA Y CÁLCULO DE PROBABILIDADES En síntesis: Regla de la suma o Probabilidad Total Dados dos sucesos A y B, cualesquiera, la probabilidad de observar al menos uno de ellos P(A ó B) es: P (A ∪ B) = P (A) + P (B) si A y B son excluyentes P (A∪ B) = P(A) + P (B) – P (A ∩ B) si A y B no son excluyentes TEORÍA Y CÁLCULO DE PROBABILIDADES Veamos una aplicación en el siguiente problema La tabla muestra los resultados a los 30 días de aplicado un tratamiento para determinada enfermedad Casos según tratamiento y estado a los 30 días de la aplicación Tratamiento Curados (C) Mejorados (M) Empeorados (E) Total T1 182 68 35 285 T2 123 29 13 165 Total 305 97 48 450 Se elige un paciente al azar 1) Cuál es la probabilidad de que esté curado o haya mejorado P (C ∪ M) = P (C) + P (M)= 305/450 + 97/450= 402/450 2) Cuál es la probabilidad de que tenga el tratamiento T1 o se cure P (T1 ∪ C) = P(T1) + P (C) – P (T1 ∩ C)=285/450 + 305/450 – 182/450=408/450 TEORÍA Y CÁLCULO DE PROBABILIDADES Continuando con la tabla anterior Que responderías si la pregunta es ¿cuál es el porcentaje de pacientes que habiendo recibido el T1 se curan? Convengamos lo siguiente: La probabilidad es un número entre cero y uno, el porcentaje es ese mismo número multiplicado por 100 y expresado en %. Entonces para responder vamos a calcular primero la “probabilidad de que un paciente se cure dentro del grupo de pacientes tratado con T1” El numerador será el número de pacientes curados y tratados con T1 que son 182, el denominador es el total de pacientes con el T1 que son 285. La respuesta a la pregunta inicial es 63,86% Ahora simbolicemos todo esto matemáticamente n = 100 es el total de pacientes P(C / T1) se lee probabilidad de que se cure dado que recibió el T1 P (C ∩ T1) es la probabilidad de que se cure y reciba el T1 P(T1) es la probabilidad de recibir el T1 TEORÍA Y CÁLCULO DE PROBABILIDADES Continuando con la tabla anterior Que responderías si la pregunta ahora es ¿cuál es el porcentaje de pacientes que recibieron el T1 en el grupo de pacientes curados? Nuevamente vamos a calcular primero la “probabilidad de que un paciente haya recibido el T1 sabiendo que es un paciente curado” El numerador será el número de pacientes con T1 y curados que son 182, el denominador es el total de pacientes curados que es 305. La respuesta a la pregunta inicial es 59,67% Ahora simbolicemos todo esto matemáticamente n = 100 es el total de pacientes P(T1 / C) se lee probabilidad de que haya recibido el T1 dado que se curó P (T1 ∩ C) es la probabilidad de que reciba el T1 y se cure P(C) es la probabilidad de que se cure Observación importante: P (T1 ∩ C) = P (C ∩ T1) porque el numerador de ambas probabilidades es el mismo y el denominador siempre es n (total de pacientes) TEORÍA Y CÁLCULO DE PROBABILIDADES Retomemos nuestra tabla Casos según tratamiento y estado a los 30 días de la aplicación Tratamiento Curados (C) Mejorados (M) Empeorados (E) Total T1 T2 Total 182 123 305 68 29 97 35 13 48 285 165 450 Surge la pregunta ¿la proporción de curados es independiente del tratamiento aplicado al paciente? Para responder habrá que esperar a contar con las herramientas de inferencia estadística pero podemos ir adelantando un concepto matemático importante Si P(C / T1) = P(C / T2) = P(C) podríamos decir que la curación es independiente del tratamiento (*) Matemáticamente resultaría entonces despejando P (C ∩ T1)= P(T1). P(C / T1)=P(T1). P(C) Análogamente despejando P (C ∩ T2)= P(T2). P(C / T2)=P(T2). P(C) CONCLUSIÓN: DOS SUCESOS A Y B SON INDEPENDIENTES SI LA OCURRENCIA PREVIA DE UNO DE ELLOS NO MODIFICA LA PROBABILIDAD DE OCURRENCIA DEL OTRO P (A ∩ B)= P(A). P(B) (*) Notar que P(C/T1)=0,6386 ; P(C/T2)=0,7455 ; P(C)=0,6778 Tomar la decision de que estos tres números son significativamente distintos o no es tema de la Inferencia Estadística TEORÍA Y CÁLCULO DE PROBABILIDADES En síntesis: Regla de la Probabilidad Condicionada Dados dos sucesos A y B cualesquiera la probabilidad de observar el suceso A condicionada a la ocurrencia previa del suceso B es: la probabilidad de observar el suceso B condicionada a la ocurrencia previa del suceso A es: TEORÍA Y CÁLCULO DE PROBABILIDADES En síntesis: Regla de la Probabilidad Conjunta o Compuesta Dados dos sucesos A y B, cualesquiera, la probabilidad de observar ambos simultáneamente es la P(A y B) se simboliza: Si los sucesos no son independiente Si los sucesos son independientes TEORÍA Y CÁLCULO DE PROBABILIDADES Teorema de Bayes Sea un Espacio Muestral S compuesto por Ai eventos mutuamente excluyentes y un evento B asociado a S tal que todos los eventos Ai tienen intersecciones con el evento B. Conociendo que ha ocurrido el suceso B, la fórmula del teorema de Bayes nos indica cómo modifica esta información las probabilidades de los sucesos Ai. n Donde: ∑ P ( A ) P( B / A ) i i =1 i = P(B ) TEORÍA Y CÁLCULO DE PROBABILIDADES Teorema de Bayes EJEMPLO: Suponga que el 60% de los circuitos integrados de una computadora provienen de la fábrica A y el resto de la fábrica B. Las tasas de defectuosos para A es del 35% y para B del 25%. Al encontrar un circuito defectuoso cualquiera ¿cuál es la probabilidad de que provenga de la fábrica A? Sean: A: el circuito proviene de la fábrica A D: circuito defectuoso ; B: el circuito proviene de la fábrica B P(A∩D)=P(A).P(D/A) P(D)= P [(A∩D) U (B∩D)] = P ( A ) . P ( D / A ) + P ( B ) . P ( D / B ) P (A /D) = P ( A) P ( D / A) P ( A) P ( D / A) + P ( B ) P ( D / B ) P (A /D) = 0,6.0,35 0,21 = 0,68 = 0,6.0,35 + 0,4.0,25 0,31 Conocida la probabilidad de defectuoso de cada fábrica, la expresión anterior permite calcular la probabilidad de que siendo defectuoso el circuito provenga de una determinada fábrica. La relevancia de este teorema es su vinculación con la comprensión de la probabilidad de aspectos causales dados los efectos observados.