Processing math: 100%

martes, 14 de mayo de 2019

Acerca de la noción de dependencia de sucesos. Teoremas de la Probabilidad Total y de Bayes.

Para introducir el concepto de sucesos condicionados y estos dos importantes teoremas ( t. de la Probabilidad Total y t. de Bayes ) nos centraremos en un problema sencillo, tal como éste:

Consideremos una bolsa que contiene 7 bolas, todas del mismo tamaño, textura y peso; sin embargo 3 de ellas son blancas y 4 son negras; y, por otra parte, sabemos que algunas de las bolas están hechas de plástico: concretamente, 2 de las bolas blancas y 1 de las bolas negras. Extraemos una bola al azar. Se pide:
a) ¿ Cuál es la probabilidad de que esté hecha de plástico ?
b) Supongamos ahora que alguien nos ha informado de que la bola extraída ha resultado ser de plástico, ¿ cuál es la probabilidad de que sea blanca/negra ?


SOLUCIÓN.
a) Hay una forma muy sencilla de responder a esta primera pregunta: como hay un total de 3 bolas de plástico y 7 bolas en total, por aplicación directa de la regla de Laplace, concluimos sin ninguna dificultad que la probabilidad de que la bola extraída sea de plástico es \dfrac{3}{7}.

Sin embargo, la respuesta a la pregunta del segundo apartado ya no es tan evidente. Para poder contestar a esta segunda pregunta, necesitamos rastrear un poco en el meollo del asunto; lo cual nos brindará un buen escenario para reflexionar sobre el importante concepto de probabilidad condicionada.

Enunciaremos y justificaremos también dos importantes resultados, muy útiles para resolver otros problemas más complicados: el Teorema de la Probabilidad Total ( que nos servirá para encontrar el resultado del primer apartado, desde otra persepectiva ) y el Teorema de Bayes.

Para mayor detalle, véanse invito al lector a que después de leer lo que sigue, lea también las observaciones y las notas que he añadido al final del artículo, que reinciden en todo lo que vamos a decir al hilo de las preguntas del problema.

Vamos a ello. Denotemos por B al sucesor "extraer bola blanca"; por N, a "extraer bola negra"; y, por \mathcal{P}, al suceso "extraer una bola hecha de plástico"

Teniendo en cuenta que \mathcal{P}=(\mathcal{P}\cap B) \cup (\mathcal{P}\cap N)
podemos escribir P(\mathcal{P})=P\left((\mathcal{P}\cap B) \cup (\mathcal{P}\cap N)\right) Y como los sucesos \mathcal{P}\cap B y \mathcal{P}\cap N son incompatibles ( disjuntos ), por el tercer axioma sabemos que P(\mathcal{P})=P(\mathcal{P}\cap B) + P(\mathcal{P}\cap N) Ahora bien, la probabilidad de obtener una bola que sea de plástico y blanca es igual al producto de la probabilidad de que, sabiendo que sea blanca, dicha bola sea de plástico -- que denotaremos por P(\mathcal{P}|B) ( probabilidad condicionada ) -- y la probabilidad de que sea blanca, esto es: P(\mathcal{P}\cap B)=P(\mathcal{P}|B)\,P(B) y la probabilidad de obtener una bola que sea de plástico y negra es igual al producto de la probabilidad de que, sabiendo que sea negra, dicha bola sea de plástico -- que denotaremos por P(\mathcal{P}|N) ( probabilidad condicionada ) -- y la probabilidad de que sea negra, esto es: P(\mathcal{P}\cap N)=P(\mathcal{P}|B)\,P(N) Por todo ello puede escribirse lo siguiente P(\mathcal{P})=P(\mathcal{P}|B)\,P(B)+P(\mathcal{P}|N)\,P(N)

Y teniendo en cuenta que, según el enunciado, y por la regla de Laplace: P(B)=\dfrac{3}{7}, P(N)=\dfrac{4}{7}, P(\mathcal{P}|B)=\dfrac{2}{3} y P(\mathcal{P}|N)=\dfrac{1}{4}, encontramos que, como cabría esperar, P(\mathcal{P})=\dfrac{3}{7}\cdot \dfrac{2}{3} + \dfrac{4}{7} \cdot \dfrac{1}{7}=\dfrac{3}{7}

El siguiente diagrama de árbol resume lo que se ha hecho:

b) Se nos pide ahora que calculemos la siguiente probabilidad P(B|\mathcal{P}), siendo ahora \mathcal{P}, el suceso condicionador. Partiremos de la siguiente igualdad, que resulta evidente al ser la intersección una operación conmutativa: P(\mathcal{P} \cap B) = P(B \cap \mathcal{P}) Por lo que se ha dicho anteriormente, el primer miembro es igual a P(\mathcal{P}|B)\,P(B) y el segundo miembro es igual a P(B|\mathcal{P})\,P(\mathcal{P}, así que ambas cantidades han de ser iguales: P(\mathcal{P}|B)\,P(B)=P(B|\mathcal{P})\,P(\mathcal{P} y, despejando P(B|\mathcal{P}), encontramos P(B|\mathcal{P})=\dfrac{P(\mathcal{P}|B)\,P(B)}{P(\mathcal{P}} que es lo que afirma el teorema de Bayes. Y con los datos del problema, P(B|\mathcal{P})=\dfrac{(3/7)\cdot (2/3)}{3/7}=\dfrac{2}{3} De manera análoga P(N|\mathcal{P})=\dfrac{P(\mathcal{P}|N)\,P(N)}{P(\mathcal{P}} que, con los datos del problema, P(N|\mathcal{P})=\dfrac{(4/7)\cdot (1/4)}{3/7}=\dfrac{1}{3}

-oOo-
Observación ( Una reflexión acerca de la noción de independencia de sucesos y de la definición de probabilidad condicionada ): Notemos que si todas las bolas fuesen de plástico, la pareja de sucesos \mathcal{P} y B serían independientes, y por tanto, P(\mathcal{P}|B)=P(\mathcal{P}). Y lo mismo sucedería con la pareja de sucesos \mathcal{P} y N, también serían independientes, y por tanto P(\mathcal{P}|N)=P(\mathcal{P}).

Si \mathcal{P} y B no son independientes, tendremos que P(\mathcal{P}\cap B)\neq P(\mathcal{P}); y, lo mismo, con respecto a \mathcal{P} y B, si no son independientes: P(\mathcal{P}\cap N)\neq P(\mathcal{P})

Deduciremos una expresión de P(\mathcal{P}\cap B) y de P(\mathcal{P}\cap N) a partir de lo que se ha dicho en el desarrollo del primer apartado, que viene a ser una definición natural de probabilidad condicionada ( por la información que tenemos de haber sacado bola blanca ): P(\mathcal{P}|B)=\dfrac{P(\mathcal{P}\cap B)}{P(B)} y, respectivamente, P(\mathcal{P}|N)=\dfrac{P(\mathcal{P}\cap N)}{P(N)}, contando con la información de haber extraído una bola negra.

Nota ( Otra manera de justificar la definición de probabilidad condicionada )
Consideremos los sucesos \mathcal{P} y B. En buena lógica podemos postular que P(\mathcal{P}|B) ha de ser proporcional a P(\mathcal{P} \cap B), sea cual sea el suceso B, que estará incluido en el espacio muestral \Omega asociado a la experiencia aleatoria \mathcal{E} "extraer una bola de la bolsa". Entonces, existirá una constante ( de proporcionalidad) k, de tal manera que P(\mathcal{P}|B)=k\,P(\mathcal{P} \cap B) Para determinar dicha constante k, supongamos ahora, que sin pérdida de generalidad, \mathcal{P}:=\Omega; con lo cual deberá cumplirse que P(\Omega|B)=k\,P(\Omega \cap B) Ahora bien, como B está incluído en \Omega, P(\Omega|B)=P(\Omega)=1 ( que es el suceso seguro ); y, por otra parte, y por la misma razón, \Omega \cap B = B, luego P(\Omega \cap B)=P(B). En consecuencia, 1=k\,P(B) \Rightarrow k = \dfrac{1}{P(B)} por lo cual justificamos así la definición de probabilidad condicionada que hemos dado P(\mathcal{P}|B)=\dfrac{P(\mathcal{P} \cap B)}{P(B)} Y, por supuesto, también podemos decir ( aplicándolo al caso que nos ocupa ) que P(\mathcal{P}|N)=\dfrac{P(\mathcal{P} \cap B)}{P(N)}
-oOo-
A continuación, y para terminar, una manera más de resolver el problema, empleando una tabla de contingencia:

No hay comentarios:

Publicar un comentario

Gracias por tus comentarios