Introduccin La probabilidad es una herramienta de ayuda para la toma de decisiones porque proporciona una forma de medir, expresar y analizar las incertidumbres asociadas con eventos futuros de razones entre el nmero de casos favorables y el nmero de casos posibles. El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos futuros. Es por ello que el estudio de probabilidades surge como una herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la poca. El desarrollo de estas herramientas fue asignado a los matemticos de la corte. Con el tiempo estas tcnicas matemticas se perfeccionaron y encontraron otros usos muy diferentes para la que fueron creadas. Actualmente se continu con el estudio de nuevas metodologas que permitan maximizar el uso de la computacin en el estudio de las probabilidades disminuyendo, de este modo, los mrgenes de error en los clculos.
4
Probabilidad La probabilidad constituye un importante parmetro en la determinacin de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadstico. La probabilidad se encarga de evaluar todas aquellas actividades en donde se tiene incertidumbre acerca de los resultados que se pueden esperar, esto quiere decir que la probabilidad est presente en casi en todas las actividades que se pretenda realizar, ejemplos: Cualquier proyecto de Ingeniera o de otras reas Competencias deportivas Juegos de azar, etc. La probabilidad de un evento se denota con la letra p y se expresa en trminos de una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el valor de p y se denota con la letra q:
Ejemplo. Determine la probabilidad de que en cierta lnea de produccin se manufacture un producto defectuoso, si se toma como referencia que la produccin de la ltima semana en esta lnea fue de 1,500 productos, entre los que se encontraron 8 productos defectuosos.
P (producto defectuoso) = No de productos defectuoso /Total de productos producidos en la semana = 18 / 1500 = 0.012
5
Lo anterior nos indica que es muy probable que 1.2 productos de cada 100 que se manufacturen en esa lnea sern defectuosos. Los tres mtodos para calcular las probabilidades son la regla de la adicin, la regla de la multiplicacin y la distribucin binomial. Enfoque Clsico El enfoque clsico dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles resultados desfavorables a la ocurrencia de A, y todos los resultados son igualmente posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo), entonces la probabilidad de que ocurra A es:
El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea igualmente posible. Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse) calcular el valor de probabilidad antes de observar cualquier evento de muestra. Ejemplo: Si tenemos en una caja de bombones 20 bombones de chocolate con man y 5 bombones de chocolate blanco. La probabilidad de sacar un bombn de chocolate blanco en un intento es:
6
Evento Un evento es el resultado posible o un grupo de resultados posibles de un experimento y es la mnima unidad de anlisis para efectos de clculos probabilsticos los eventos se clasifican de la siguiente forma: o Mutuamente excluyentes: aquellos que no pueden ocurrir al mismo tiempo. Ejemplo: cara o escudo. o Independientes: Estos no se ven afectados por otros independientes. Ejemplo: el color del zapato y la probabilidad que llueva hoy. o Dependientes: cuando un evento afecta a la probabilidad de ocurrencia de otro. Ejemplo: repaso, calificaciones. o No excluyentes entre s: cuando la ocurrencia de uno de ellos no impide que ocurra el otro. Ejemplo: que una persona sea doctor que tenga 56 aos, ser estudiante y ya estar casado. Tipos de evento o Suceso simple o elemental: Aquel suceso que est formado por un nico resultado del espacio muestral. o Suceso compuesto: Aquel suceso que est determinado por 2 o ms resultados del mismo. o Suceso seguro: Aquel suceso que est formado por todos los resultados posibles del experimento y por tanto, coincide con el espacio muestral. o Suceso imposible: Aquel suceso que nunca se verifica. Se representa con la letra.
7
Espacio Muestral En la teora de probabilidades, el espacio muestral o espacio de muestreo (denotado E, S, o U) consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio. Los espacios de muestreo aparecen de forma natural en una aproximacin elemental a la probabilidad, pero son tambin importantes en espacios de probabilidad. Experimento aleatorio Es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, es decir, no se puede predecir o reproducir el resultado exacto de cada experiencia particular. Se conoce el procedimiento que se va a seguir y los posibles resultados pero no se puede predecir con certeza cul de estos resultados ser el final antes de realizar el experimento. Un experimento se denomina aleatorio si verifica las siguientes condiciones: Si los resultados se pueden contar se le llama experimento aleatorio numerable; y si no se pueden contar, se le llama experimento aleatorio no numerable. Si es posible conocer previamente todos los posibles resultados (el espacio muestral, constituido por diferentes sucesos) o por lo menos nombrar al ltimo resultado se le llama experimento aleatorio finito; y si no se puede nombrar al ltimo resultado, se le llama experimento aleatorio infinito. Es imposible predecir el resultado exacto del mismo antes de realizarlo. A cada realizacin de un experimento se le llama experiencia o prueba 8
Tipos de experimento aleatorio o Determinista: un experimento que siempre que se repita con las mismas condiciones inciales se obtiene igual resultado. o Aleatorio: cuando al repetirse con las mismas condiciones inciales, no se puede predecir el resultado. (Ejemplo: lanzar un dado extraer una carta). Los fenmenos o experimentos aleatorios. Son los que pueden dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cul de estos va a ser observado en la realizacin del experimento a pesar de haberlo realizado en similares condiciones. A la coleccin de resultados que se obtiene en los experimentos aleatorios se le llama espacio muestral. Experimento Determinstico Los experimentos determinsticos son aquellos en los que podemos predecir el resultado antes de que se realicen. Ejemplo: Si dejamos caer una piedra desde una ventana sabemos sin lugar a dudas que la piedra bajar. Si la arrojamos hacia arriba sanemos que subir durante un determinado intervalo de tiempo pero despus bajar. Teorema de Bayes El teorema de Bayes, enunciado por Thomas Bayes, en la teora de la probabilidad, es el resultado que da la distribucin de probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A. 9
Teorema Sea {A 1 ,A 3 ,...,A i ,...,A n } un conjunto de sucesos mutuamente excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B un suceso cualquiera del que se conocen las probabilidades condicionales P (B | A). Entonces, la probabilidad P (A | B) viene dada por la expresin:
Donde: P (A i ) son las probabilidades a priori. P (B | A ) es la probabilidad de B en la hiptesis A. P (A | B) son las probabilidades A posteriori. Esto se cumple Adems, unido a la definicin de Probabilidad condicionada, obtenemos la Frmula de Bayes, tambin conocida como la Regla de Bayes:
Distribucin de Poisson Se llama as en honor a Simen Dennis Poisson (1781 - 1840), francs que desarrollo esta distribucin la cual describe la cantidad de veces que ocurre un evento en un intervalo determinado.
10
Caractersticas: En este tipo de experimento los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc.: de defectos de una tela por m2 de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc. de bacterias por cm2 de cultivo de llamadas telefnicas a un conmutador por hora, minuto, etc. de llegadas de embarcaciones a un puerto por da, mes, etc. Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la formula a utilizar seria: Donde:
P(x,e) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es: u= media o promedio de xitos por unidad de tiempo, rea o producto e= 2.718, la base de los logaritmos naturales. x = variable que nos denota el nmero de xitos que se desea que ocurra.
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como 11
cada rea es independiente de otra rea dada y cada producto es independiente de otro producto dado. Ejemplo: Supongamos que en un proceso manufacturero el 10% de las unidades producidas son defectuosas. Encuentre la probabilidad de que una muestra de 10 unidades seleccionadas de el proceso tengan exactamente 3 defectuosas, usando la formula de la Distribucin de Poisson. Solucin: El tamao de la poblacin N (total de unidades producidas) es muy grande. La probabilidad de una unidad defectuosa extrada de la poblacin es de P=10% o de 0,1.n=10 y X=3.
Formula de la distribucin de Poisson:
Sustituimos los valores en la formula nos queda de la siguiente manera: 12
Anlisis del resultado: La probabilidad de que salgan 3 unidades defectuosas es, de 6,13%. En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos durante cierto periodo de tiempo. Distribucin Binomial En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli.
13
1. La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el 80% de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a la lectura: A. Cul es la probabilidad de que en el grupo hayan ledo la novela 2 personas? B. Y cmo mximo 2? La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el 80% de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a la lectura: A. Cul es la probabilidad de que en el grupo hayan ledo la novela 2 personas? B(4, 0.2) p = 0.8 q = 0.2
B.Y cmo mximo 2?
La distribucin Normal Se trata, sin duda, del modelo continuo ms importante en estadstica, tanto por su aplicacin directa, veremos que muchas variables de inters general pueden describirse por dicho modelo, como por sus propiedades, que han permitido el desarrollo de numerosas tcnicas de inferencia estadstica. En realidad, el nombre de Normal proviene del hecho de que 14
durante un tiempo se crey, por parte de mdicos y bilogos, que todas las variables naturales de inters seguan este modelo. Su funcin de densidad viene dada por la frmula:
1. Si X es una variable aleatoria de una distribucin N(, ), hallar: p(3 X +3) Ejemplo: La media de los pesos de 500 estudiantes es de 151 libras y la desviacin tpica es de 15.Suponiendo que los pesos se distribuyen normalmente, Cuntos estudiantes pesan? : a) entre 120 y 155 libras?
Se aplica la siguiente formula de de distribucin normal :
15
Buscamos el valor de Z-2.
La grafica de las reas bajo la curva normal para los valores de Z-1 Y Z-2 queda de la siguiente manera:
16
En la siguiente tabla, buscamos el rea o probabilidad de Z-1= -2,06 y Z- 2 = 0,26 es 0,4803 y 0,102
17
Aplicamos una regla de tres y obtenemos el nmero de estudiantes que se encuentran entre los pesos 120 y 155 libras.
18
Anlisis del resultado:
Por lo tanto el nmero de estudiantes que est dentro de estos lmites (120 y 155 libras) es de 291
19
Conclusin La estadstica es una rama de la matemtica que est no se encuentra muy visible en lo cotidiano pero que en realidad es de mucha utilidad para interpretar y ver desde un punto de vista muy general datos que se obtienen. A travs de sus grficas, medidas de tendencia central y de dispersin podemos ver ms claro y concreto un conjunto de datos que se nos hacen muy complicados, en resumen son un verdadero mtodo de ayuda para informar.
20
Bibliografa Estadstica 9na Edicin, Autor: Mario F. Triola. Editorial: Pearson Educacin. Mxico, 2004 Estadstica 3era Edicin Autores: Murray R. Spiegel Larry J. StephensEditorial: The Megraw Hill. Mexico, 2002