Conceptos básicos de probabilidad

¿Alguna vez te has preguntado por qué no puedes predecir el resultado de lanzar una moneda? Eso es porque es un experimento aleatorio, donde el resultado es impredecible.

El espacio muestral (E) incluye todos los posibles resultados de tu experimento. Si lanzas un dado, E = {1, 2, 3, 4, 5, 6}. Un suceso aleatorio es cualquier subconjunto de estos resultados, como "sacar un número par" = {2, 4, 6}.

Hay varios tipos de sucesos importantes que debes conocer. Un suceso elemental tiene un solo resultado (como sacar exactamente un 5). El suceso seguro siempre ocurre (coincide con E), mientras que el suceso imposible nunca pasa (se representa con ∅).

¡Dato curioso! El suceso contrario de A (escrito como Ā) incluye todo lo que NO está en A. Si A es "sacar par", entonces Ā es "sacar impar".

Operaciones entre sucesos y definición de probabilidad

Las operaciones entre sucesos son como las matemáticas básicas, pero más divertidas. La unión (A ∪ B) significa "A o B o ambos", mientras que la intersección (A ∩ B) significa "A y B a la vez".

Los sucesos incompatibles no pueden ocurrir simultáneamente $A ∩ B = ∅$. Es como intentar sacar cara y cruz al mismo tiempo con una moneda.

La probabilidad es una función que asigna números entre 0 y 1 a cada suceso. Debe cumplir tres reglas básicas: P(A) ≥ 0, P(E) = 1, y P(A ∪ B) = P(A) + P(B) cuando A y B son incompatibles.

Las fórmulas más útiles que necesitas recordar son: P(A ∪ B) = P(A) + P(B) - P(A ∩ B) para la unión, y P(Ā) = 1 - P(A) para el suceso contrario.

¡Tip de examen! La regla de Laplace P(A) = casos favorables/casos posibles solo funciona cuando todos los resultados son igualmente probables.

Ejemplos prácticos y probabilidad condicionada

Vamos a ver un ejemplo real: en una frutería, 60% compra naranjas, 40% manzanas, y 30% no compra nada. Para encontrar quién compra naranjas o manzanas, usas P(N ∪ M) = 1 - 0,3 = 0,7.

La probabilidad condicionada es súper útil en la vida real. P(B|A) = P(A ∩ B)/P(A) te dice la probabilidad de que pase B sabiendo que ya pasó A.

Imagínate una urna con 7 bolas rojas y 3 verdes. Si sacas una roja primero, ¿cuál es la probabilidad de que la segunda sea verde? Como queda una bola menos, P(V₂|R₁) = 3/9 = 1/3.

Dos sucesos son independientes cuando uno no afecta al otro: P(A|B) = P(A). En este caso, P(A ∩ B) = P(A) × P(B).

¡Recuerda! Para la intersección condicionada: P(A ∩ B) = P(A) × P(B|A) = P(B) × P(A|B).

Teoremas de probabilidad total y de Bayes

Una partición del espacio muestral divide E en grupos que no se solapan pero que juntos forman todo el espacio. Es como dividir tu clase en grupos sin que nadie se quede fuera ni esté en dos grupos a la vez.

El teorema de la probabilidad total es genial para problemas complejos. Si tienes una partición {A₁, A₂, A₃}, entonces P(B) = P(A₁)×P(B|A₁) + P(A₂)×P(B|A₂) + P(A₃)×P(B|A₃).

Este teorema te permite calcular la probabilidad total sumando todas las "rutas" posibles para que ocurra B. Es como calcular todas las formas diferentes de llegar a tu destino.

El teorema de Bayes te permite "dar la vuelta" a las probabilidades condicionadas. Si conoces P(B|A₁), te permite calcular P(A₁|B).

¡Aplicación real! Los médicos usan Bayes para interpretar análisis: conociendo la probabilidad de un síntoma dada una enfermedad, calculan la probabilidad de tener la enfermedad dado el síntoma.

Aplicando el teorema de Bayes

El teorema de Bayes tiene una fórmula que parece complicada pero es lógica: P(A₁|B) = [P(B|A₁)×P(A₁)] / P(B).

En el ejemplo práctico, tienes tres grupos A, B, C con probabilidades 0,3, 0,25 y 0,45. Cada uno tiene diferentes probabilidades de infectarse: 0,05, 0,2 y 0,6 respectivamente.

Para calcular P(I), usas el teorema de probabilidad total: P(I) = 0,3×0,05 + 0,25×0,2 + 0,45×0,6 = 0,335.

Luego, con Bayes encuentras P(C|I) = (0,45×0,6)/0,335 = 0,806. Esto significa que si alguien está infectado, hay un 80,6% de probabilidad de que pertenezca al grupo C.

¡Truco para recordar! Bayes te dice "de dónde viene" un resultado que ya ha ocurrido. Es como detective: ves el efecto y buscas la causa más probable.