¡Descarga Probabilidad geometrica - Geometria - Ejercicios y más Ejercicios en PDF de Geometría solo en Docsity!
Tres problemas de probabilidad geométrica.
Ricardo Miró Consejo de la Magistratura de la Nación Área de Procesamiento de Datos
1. Introducción.
Este artículo tratará de describir informalmente algunas de las ideas vinculadas con la noción clásica de probabilidad y una importante generalización de la misma. Si tenemos una urna con 3 bolillas rojas y 2 negras, se dice que la probabilidad de
sacar una bolilla roja es
y que la probabilidad de sacar una bolilla negra es
. Esta
idea es completamente intuitiva, y responde a lo establecido por Laplace. Su famosa definición consigna que si se pueden determinar los casos posibles Cp de un determinado experimento aleatorio (cantidad de bolillas) y los casos Cf favorables del mismo (cantidad de bolillas de un color elegido de antemano), entonces la probabilidad de un suceso se determina mediante el cociente
Cf
p
Cp
Supongamos ahora el siguiente problema: se tienen tres recintos de forma irregular, cada uno de ellos dentro de tres rectángulos congruentes, tal como lo ilustra la Fig. 1.
Fig. 1: Tres recintos de contorno irregular dentro de un rectángulo de igual área..
Imaginemos ahora el siguiente experimento aleatorio: Se elige al azar un punto dentro de cada uno de los rectángulos A, B y C y se pide hallar, en cada caso, la
probabilidad de que el punto elegido esté ubicado dentro del recinto irregular respectivo. Llamaremos S a este preciso suceso aleatorio. Es fácil comprender que el problema planteado tiene bastante sentido, pues se verificará sin demasiado esfuerzo, que será más fácil acertar al recinto del rectángulo C que al recinto del rectángulo A. Por su parte, el acierto al recinto del rectángulo B ofrecerá una dificultad intermedia. Por supuesto, la definición de Laplace no tiene lugar en este tipo específico de problema. Sin embargo, restringiéndonos al recinto R del rectángulo A , la probabilidad buscada se determina mediante la siguiente definición:
p S ( )=
área R
área A
Como resultará obvio, una definición similar se adoptará para los recintos de los restantes casos. Ahora bien: determinar el área del rectángulo A constituye una operación inmediata, mientras que no sucede lo mismo para el área del recinto R. Al respecto, las observaciones siguientes son muy intuitivas y cruciales:
i) Si se repite un gran número N de veces la operación de elegir al azar un punto del rectángulo, contándose las veces Cf en las que el punto cae dentro
del recinto A, entonces el cociente
Cf
N
será una aproximación muy aceptable
de la probabilidad del suceso S. ii) En virtud de la experiencia triple descripta en la Fig. 1, y utilizando la
expresión dada en (1), el producto ( )
Cf
área R
N
⋅ será asimismo una
aproximación muy aceptable del área del recinto A.
El problema descrito constituye apenas un ejemplo de lo que se entiende por probabilidad geométrica. Por otra parte, los pasos i) y ii) especificados más arriba constituyen la esencia del llamado método de Montecarlo , que en las aplicaciones concretas tales como las tareas de agrimensura, ofrecen frecuentemente más ventajas operativas que los métodos deterministas. Según nos comenta el Dr. Santaló [4], fue el naturalista francés conde Georges Louis Leclerc de Buffon (1707-1788), uno de los primeros en trabajar con el concepto de probabilidad geométrica, tal como se establece a partir de (1). En su monumental tratado Historie Naturelle de 44 volúmenes -que sus ayudantes terminaron de compilar en 1804- Buffon dejó sentadas además las bases para el estudio de varios capítulos en Biología, Zoología y Anatomía Comparada [1].
2. Un problema de Encuentros.
El siguiente problema ha sido extraído del clásico libro escrito por el profesor Ríos [2], y se espera que ilustre correctamente el espíritu de las ideas expuestas en la introducción.
3. La aguja del conde de Buffon.
Construyamos una red de 10 segmentos de recta paralelos, equidistantes en una unidad D. Tomemos además una aguja cuya longitud l sea menor que D. Un bosquejo de tal sistema se ofrece en la Fig.3.
Fig. 3 : Red de paralelas de Buffon con su aguja.
La tarea que encararemos a continuación será determinar la probabilidad de que la aguja corte o toque a una paralela de la red, si es arrojada en ella al azar. Para tal fin aislemos un para de paralelas, tal como en la Fig. 4, y determinemos el punto medio P de la aguja. Sea d su distancia a la paralela más próxima, y sea a el ángulo que forma la aguja o su prolongación con la paralela.
Fig. 4: Constantes y variables aleatorias en la aguja de Buffon.
Bajo las condiciones establecidas, es inmediato ver que la condición
l ⋅ sen( α )> d (2)
es necesaria y suficiente para que la aguja corte a la paralela. Por lo tanto, resultará esencial observar que si la aguja es arrojada al azar a la red de paralelas de Buffon [2],[5], el valor numérico del ángulo α estará en el intervalo
mientras que el valor de la longitud d podrá tomar todos los valores del intervalo
0 < d < D (4)
Luego, lo que las condiciones (3) y (4) establecen es que, considerado como
variable aleatoria, el par ( α , d )es un elemento cualquiera del rectángulo [0, π ]x [0, D ].
hora bien: la condición de corte (1), a su vez establece que en tal caso, el par ( α , d )estará
ubicado debajo del lóbulo de la sinusoide f ( α ) = l ⋅ sen( α ), tal como se observa en la
Fig. 5:
Fig. 5: El lóbulo sinusoidal l sen(x) como región de corte en el cuadrado [0,π]x[0, D ]
Luego, al tener en cuenta la definición de probabilidad geométrica dada en (1), así como las consideraciones i) y ii) siguientes, la probabilidad p de que una aguja corte a una paralela será el cociente entre el área de la sinusoide grisada sobre el área del rectángulo continente , es decir:
0
l sen( ) d
p
D
π
La probabilidad anterior queda entonces determinada mediante una integral de Análisis l, fácilmente resoluble, a través de la cual se obtiene el resultado
p =
2 l
π D
Ahora bien, lo que de entrada llamó la atención a los estudiosos es que la expresión
(5) permite diseñar un experimento aleatorio para determinar aproximadamente π. En
Fig. 7: Curso parcial del río Loco.
Al respecto, un equipo de cartógrafos ha recibido la misión de determinar la longitud del río, pero entre todos observan desesperanzados que en la región, las características del curso complican enormemente la tarea. Un integrante del equipo, sin embargo, suspira aliviado y recuerda vagamente haber visto la descripción de un problema parecido en el ya citado libro del Dr. Santaló [4 ]. En vez de un curso de río con meandros, consideremos una versión simplificada del mismo representada por una poligonal construida sobre nodos p del río, en donde supondremos que la distancia internodos [
k
pk , pk + 1 ]es menor que la norma D de la red de
paralelas de Buffon disponible (Fig. 8)
Fig. 8: Poligonal generada con nodos sobre el curso del río Loco.
Se arroja ahora la poligonal una vez sobre la red de Buffon, y se toman en cuenta las veces n que la poligonal corta a alguna paralela de la red. Se repite luego la experiencia
N veces. Tal como resultará obvio, el valor
k
x de dicha experiencia será
1
N k k
n
x
N
=^ =
Ahora bien, llamando n ( la cantidad de cortes producidos sobre la red por cada
segmento k correspondiente, se tendrá asimismo que
ak )
1 1
N N k k k k
n n a
N N
= =
Luego, como cada segmento de la poligonal actúa por sí solo como una aguja de Buffon, para cada sumando del segundo miembro de (8) se tendrá que
n a ( k ) 2 ak
N π D
Pero entonces, al tener en cuenta (9) y sumando todas las igualdades aproximadas se tendrá que el valor medio experimental puede representarse aproximadamente como
1
N k k p
a
L
x
π D π D
=
de donde la longitud de la poligonal puede expresarse como
p 2
Dx
L
Finalmente, utilizando un conjunto de nodos cada vez más numerosos sobre el curso del río, la longitud de la poligonal inscripta será cada vez mas parecida a la longitud buscada del Río Loco entre los puntos A y B.
Referencias.
- American Heritage Dictionary , (Third Edition), Boston, Houghton Mifflin Co., 1992, artículo Buffon.
- Ríos, S. Métodos Estadísticos , (Quinta Edición), México, Libros Mc Graw-Hill, 1967, pgs. 155 -156.
- Rohatgi, V.: Statistical Inference , New York, John Wiley & Sons, 1984, pgs. 391- 393, donde se analiza cuidadosamente la distribución uniforme.
