Está en la página 1de 5

La probabilidad es la posibilidad que existe entre varias posibilidades, que un hecho o

condicin se produzcan. La probabilidad, entonces, mide la frecuencia con la cual se


obtiene un resultado en oportunidad de la realizacin de un experimento sobre el cual
se conocen todos los resultados posibles gracias a las condiciones de estabilidad que el
contexto supone de antemano.
Tipos de probabilidad:
Existen dos tipos de probabilidad: la probabilidad clsica, tambin llamada terica o
matemtica, y la probabilidad frecuencial o emprica.
La probabilidad clsica o terica se aplica cuando cada evento simple del espacio
muestral tiene la misma probabilidad de ocurrir.
Frmula para obtener la probabilidad clsica o terica:
Probabilidad de un evento = Numero de resultados favorables al evento/Numero total
de resultados posibles. En smbolos: P(E) = n(E)/n(S).
La probabilidad frecuencial se obtiene cuando se experimenta un gran nmero de
veces el mismo fenmeno en condiciones semejantes.
Frmula de la probabilidad frecuencial o emprica:
Probabilidad Frecuencial = Numero de aciertos / numero de experimentos. Empleando
smbolos: P(E) = f /n. Probabilidad
La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de
resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los
resultados posibles, bajo condiciones suficientemente estables. La teora de la
probabilidad se usa extensamente en reas como la estadstica, la fsica, la
matemtica, la ciencia y la filosofa para sacar conclusiones sobre la probabilidad de
sucesos potenciales y la mecnica subyacente de sistemas complejos.
Probabilidad clsica, emprica y subjetiva.
Concepto clsico de Probabilidad
Una de las caractersticas de un experimento aleatorio es que no se sabe qu resultado
particular se obtendr al realizarlo. Es decir, si A es un suceso asociado con un
experimento aleatorio, no podemos indicar con certeza si A ocurrir o no en una prueba en
particular. Por lo tanto, puede ser importante tratar de asociar un nmero al suceso A que
mida la probabilidad de que el suceso ocurra. Este nmero es el que llamaremos P(A).
Probabilidad Clsica o a Priori
Si un suceso puede ocurrir de N maneras mutuamente excluyentes e igualmente
probables, y m de ellas poseen una caracterstica A

Ejemplo 1: P(de que salgan dos caras al tirar 2 monedas)

P(de que salga una cara al tirar 2 monedas )

Ejemplo 2: P(de que salga un varn al tomar 2 bebs y observar su sexo)

Probabilidad emprica o frecuencial


Una teora de mayor aplicacin y muy sostenida es la basada en la frecuencia relativa.
Puede atribuirse a este punto de vista el adelanto registrado en la aplicacin de la
probabilidad en la Fsica, la Astronoma, la Biologa, las Ciencias Sociales y los negocios.
Esta teora est estrechamente relacionada con el punto de vista expresado por
Aristteles: lo probable es aquello que ocurre diariamente.
Notamos a travs de gran cantidad de observaciones acumuladas con los diversos juegos
de azar una forma general de regularidad que permiti establecer una teora.
Supongamos que efectuamos una serie de n repeticiones del experimento E, intentando
mantener constantes las condiciones pertinentes. Sea f el nmero de repeticiones en las
que se presenta el suceso A, de forma que en las restantes n f no se presentar.
Obtendremos as una serie de frecuencias relativas para n 1, n2 .

Estas frecuencias relativas diferirn poco entre s cuando las n i sean grandes y tendern a
acumularse en la proximidad de un valor fijo.
Debemos sealar que la estabilidad, a la larga, de las frecuencias relativas se aplica a una
amplia clase de experimentos aleatorios, de los que el juego de azar constituye un caso en
particular, casi insignificante.
Para establecer una descripcin matemtica sencilla de la conducta de las frecuencias
relativas para grandes valores de n , vamos a postular la existencia de un nro. p que es el
nro. al cul tiende fr, es decir, la frecuencia relativa del suceso en estudio.
Este nmero se llamar probabilidad del suceso A en relacin con el experimento aleatorio
E.
La frecuencia relativa fr se considerar entonces como una medida experimental de la
probabilidad y diremos:
De acuerdo con el concepto emprico de la estabilidad de las razones frecuenciales cabe
esperar que, para grandes valores de n, la razn frecuencial observada sea
aproximadamente igual a p que se llamar probabilidad del suceso en estudio.
Estaremos entonces estimando el valor de una probabilidad desconocida por medio de
un estudio de la conducta de las frecuencias relativas del hecho o suceso correspondiente.
La aplicacin de esta definicin est relacionada con un experimento aleatorio que puede
ser repetido varias veces en condiciones uniformes. Naturalmente, la repeticin real ser
en ocasiones difcil o incluso imposible de realizar, por ejemplo, debido a los costos
prohibitivos de experimentacin, pero bastar con que sea concebible una repeticin en
condiciones uniformes.
Pensaste cuando tirs muchas, muchas veces una moneda cal es la probabilidad de que
salga cara?
Aplicaste esta definicin? Por qu?. Discutilo en grupos y analiz la explicacin con tu
profesora.

Probabilidad subjetiva
Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia previa, la
opinin personal o la intuicin del individuo. En este caso despus de estudiar la
informacin disponible, se asigna un valor de probabilidad a los sucesos basado en el
grado de creencia de que el suceso pueda ocurrir.
Cul es la probabilidad de que haya vida en Marte?
Analiza esta probabilidad!
Estos ejemplos a qu definicin de probabilidad corresponden?
Ejemplo 1
E: Tirar un dado
A = que salga el n 3
S = {1, 2, 3, 4, 5, 6}
P(A) = 1/6
Ejemplo 2
E: Retirar una carta de un mazo
A= que salga oro
P(A) = 10/40
AXIOMAS Y TEOREMAS DE LA PROBABILIDAD
Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que
a continuacin se enumeran.
AXIOMAS
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para
que una funcin definida sobre un conjunto de sucesos determine consistentemente
sus probabilidades. Fueron formulados por Kolmogrov en1933.
Axiomas de Kolmogrov:
Primer axioma: La probabilidad de que ocurra un evento A cualquiera se encuentra
entre cero y uno.
0 p(A) 1
Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5
Segundo Axioma: La probabilidad de que ocurra el espacio muestral d debe de ser 1.
p(d) = 1
Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado equilibrado es "1".
Tercer Axioma: Si A y B son eventos mutuamente excluyentes, entonces la,
p(AB) = p(A) + p(B)
Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la suma de
las probabilidades individuales de dichos sucesos. Segn este axioma se puede
calcular la probabilidad de un suceso compuesto de varias alternativas mutuamente
excluyentes sumando las probabilidades de sus componentes.
Generalizando:

Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces;


p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)
Ejemplo:
Para el experimento aleatorio de tirar un dado, el espacio muestral es W = {1, 2, 3, 4,
5, 6}. En este espacio el conjunto de sucesos es P(W) = {, {1}, {2}, ...{1,2},
{1,3}, ...{1,2,3,4,5,6}}. Para establecer una probabilidad hay que asignar un nmero a
todos esos sucesos.
Sin embargo si se ha asignado a los sucesos elementales p({1})= p({2})= ...=
p({6})= 1/6, por la propiedad ii), p.e. la probabilidad del suceso {1, 3} es p({1,3})=
p({1})+ p({3})=2/6.
Nota: El suceso {1} es: "el resultado de tirar el dado es la cara 1", el suceso {1, 3} es:
"el resultado de tirar el dado es la cara 1, o la 3", el suceso {1, 3, 5} es: "el resultado
de tirar el dado es una cara impar".
TEOREMAS
TEOREMA 1. Si f es un evento nulo o vaco, entonces la probabilidad de que
ocurra f debe ser cero.
p(f)=0
Ejemplo : La probabilidad de que un estudiante sea mujer es "1 menos la probabilidad
de que no sea varn".
DEMOSTRACIN:
Si sumamos a fun evento A cualquiera, como f y A son dos eventos mutuamente
excluyentes, entonces p(Af)=p(A) +p(f)=p(A). LQQD
TEOREMA 2. La probabilidad del complemento de A, Ac debe ser,
p(Ac)= 1 p(A).
DEMOSTRACIN:
Si el espacio muestral d, se divide en dos eventos mutuamente exclusivos, A y
Acluego d=AAc, por tanto p(d)=p(A) + p(Ac) y como en el axioma dos se afirma que
p(d)=1, por tanto, p(Ac)= 1 - p(A) .LQQD
TEOREMA 3. Si un evento A B, entonces la p(A) p(B).
DEMOSTRACIN:
Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos
A), por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces
se cumple que p(A)p(B). LQQD
TEOREMA 4. La p( A \ B )= p(A) p(AB)
DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A se puede
separar en dos eventos mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \
B)(AB), luego p(A)=p(A \ B) + p(AB), entonces, p(A \ B) = p(A) p(AB). LQQD
TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB).
DEMOSTRACIN:

Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que


p(A B) = p(A \ B) + p(B) y del teorema anterior tomamos que p(A \ B) = p(A)
p(AB), por tanto, p(AB) = p(A) + p(B) p(AB). LQQD