Está en la página 1de 8

La probabilidad

Enviado por josereyes1959, Jan 2012 | 12 Pginas (2,985 Palabras) |

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. Es decir, la probabilidad es la posibilidad de ocurren de que un hecho ocurra o no. TEORIA DE LA PROBABILIDAD COMO MODELO La teora de la probabilidad es la base de la inferencia estadstica. Si el 20% de la fuerza de trabajo de una empresa de telas esta sindicalizada y debe despedirse a 8 trabajadores seleccionados al azar entonces la probabilidad de escoger 8 trabajadores afiliados al sindicato en muy pequea. Si los 8 trabajadores despedidos de la compaa son miembros de algn sindicato podemos inferir que los despedidos estuvieron relacionados con la actividad sindical. El primer paso en el estudio de la probabilidad es entender las posibles interpretaciones de sus enunciados Hay muchos fenmenos reales que se comportan de una manera tan regular que son absolutamente predecibles (muchas leyes fsicas), sin embargo existen fenmenos (fenmenos aleatorios) en los cuales los resultados no pueden predecirse con certeza, lo que lleva por lo tanto a un estado de incertidumbre Al describir una experiencia aleatoria es esencial especificar qu aspectos del resultado nos interesa observar o sea cul de la descripcin es nuestro criterio para considerar 2 resultados como diferentes. Esto se logra a partir del espacio muestral Cada uno de los resultados posibles dentro del espacio muestral (S) constituye un punto muestral. As en el ejemplo tendramos 34 puntos muestrales de los cuales 8 son blancos, 9 rojos, 8 azules y 9 verdes. Cada color, define un resultado posible. El subconjunto del espacio muestral asociado con ese resultado y definido por todos los puntos muestrales con el mismo resultado, se denomina acontecimiento (A) TEORIA DE CONJUNTO: El concepto de conjunto es intuitivo y se podra definir como una "agrupacin bien definida de objetos no repetidos y no ordenados"; as, se puede hablar de un conjunto de personas, ciudades, gafas, lapiceros o del conjunto de objetos que hay en un momento dado encima de una mesa. Un conjunto est bien definido si se sabe si un determinado elemento pertenece o no al conjunto. El conjunto de los bolgrafos azules est bien definido, porque a la vista de un bolgrafo se puede saber si es azul o no. El conjunto de las personas altas no est bien definido, porque a la vista de una persona, no siempre se podr decir si es alta o no, o puede haber distintas personas, que opinen si esa persona es alta o no lo es

El subconjunto del espacio muestral, seleccionado en base a algn criterio con la finalidad de extraer conclusiones relativas a ese espacio, se denomina muestra EXPERIMENTO ESTADISTICO Se entender que es un procedimiento que da origen a los datos. De todas maneras, se resaltar algunas de sus caractersticas importantes desde el punto de vista estadstico. De un experimento se dir que: Se sabe exactamente qu hacer para realizarlo. Los pasos a seguir, estn descritos exactamente y son entendidos por quien lo realiza. Es repetible bajo condiciones esencialmente equivalentes. Entrega un resultado o respuesta que es distinguible como tal. Se conoce el conjunto de todos los resultados posibles, pero no el caso particular que se obtendr al realizarlo. El concepto de experimento descrito aqu, es muy amplio. Adems de incluir los casos de experimentacin diseada y controlada muy de cerca en su desarrollo, tambin incluye procedimientos de recoleccin de datos provenientes de la observacin de variables, bajo condiciones no controladas por el observador. DIAGRAMA DE ARBOL Un diagrama de rbol es una representacin grfica de un experimento que consta de X pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo, as como una representacin grfica que muestra los resultados posibles de una serie de experimentos y sus respectivas probabilidades, ah se identifican todas las partes necesarias para alcanzar algn objetivo final. PARA QUE SIRVEN? Es un mtodo grfico para identificar todas las partes necesarias para alcanzar algn objetivo final. Se utilizan generalmente para identificar todas las tareas necesarias para implantar una solucin. Se emplea para descomponer una meta u objetivo en una serie de actividades que deban o puedan hacerse. A travs de la representacin grfica de actividades se facilita el entendimiento de las acciones que intervendrn. Permite a los miembros del equipo de trabajo expandir su pensamiento al crear soluciones sin perder de vista el objetivo principal o los objetivos secundarios. Ubica al equipo para que se dirija a situaciones reales ver sus teoras. Asimismo, se dimensiona el nivel real de complejidad de algn proyecto y se puede prever el encontrarse con soluciones inviables antes del arranque. COMO SE ELABORAN? 1. Escribir el objetivo principal en el extremo izquierdo de un papel amplio. 2. Subdividir y separar el objetivo principal en objetivos secundarios. 3. Continuar subdividiendo o separando, identificando y relacionando otros objetivos.

4. Garantizar una relacin directa causa-efecto entre un subttulo y sus divisiones. 5. Confirmar que alcanzando todas las submetas y tareas se logra el objetivo principal. COMO SE INTERPRETA UNA DIAGRAMA DE ARBOL? Han de realizarse dos preguntas importantes para cada rama de un diagrama de rbol: garantizar la realizacin de todas las actividades que figuran a la derecha de un rectngulo concreto que se alcance el objetivo que contiene dicho rectngulo?, y son necesarias todas las actividades que figuran a la derecha de un rectngulo concreto para alcanzar con xito ese objetivo? Habr que tener en cuenta los errores ms comunes que se suelen cometer, como son omitir una tarea importante, llevar a cabo tareas innecesarias o no utilizar los resultados para el seguimiento y aseguramiento de que se realiza el trabajo convenientemente. Para evitar dichos errores, nos apoyaremos en otras herramientas, como la tormenta de ideas, el diagrama de flujo o la matriz de planificacin. El diagrama de rbol es una forma de resolver problemas matemticos en los que se tenga que tomar decisiones para poder determinar que alternativas se tienen. ESPACIO MUESTRAL Y EVENTOS El uso de conjuntos representados por diagramas de Venn, facilita la compresin de espacio muestral y evento, ya que el espacio muestral S, se puede equiparar con el conjunto universo, debido a que S contiene la totalidad de los resultados posibles de un experimento, mientras que los eventos E contienen solo un conjunto de resultados posibles del experimento, mientras que los puntos muestrales se equiparan con los elementos. Vamos a suponer que el experimento que se realiza es el lanzamiento de un dado y queremos conocer cul es la probabilidad de que caiga un 3 o un 5? Si S contiene la totalidad de los resultados posibles, entonces S = {1, 2, 3, 4, 5, 6} puesto que el dado tiene 6 caras y si buscamos la probabilidad P de que caiga 3 o 5, esto constituye un evento entonces, E = {3, 5}. El espacio muestral S, est representado por un rectngulo, este contiene eventos E representados a travs de crculos y puntos muestrales. Dado que en E existen dos elementos y en S seis, la probabilidad P de que ocurra E es 2 de 6 y se obtiene al dividir el nmero de elementos en E sobre el nmero de elementos en S. Espacio Muestral.- Se llama espacio muestral (E) asociado a un experimento aleatorio, el conjunto de todos los resultados posibles de dicho experimento. Al lanzar una moneda, el espacio muestral es E = {sale cara, sale sello} E = {c, s}. Al lanzar un dado de seis caras, el espacio muestral es E = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6} E = {1, 2, 3, 4, 5, 6} Al lanzar dos monedas, el espacio muestral es E = (c, c), (c, s), (s, c), (s, s). Al lanzar tres monedas, el espacio muestral es E = (c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c), (s,s,s) Evento o Suceso: Se llama evento o suceso a todo subconjunto de un espacio muestral. Por ejemplo en el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos:

1. Obtener un nmero primo A = {2, 3, 5} 2. Obtener un nmero primo y par B = {2} 3. Obtener un nmero mayor o igual a 5 C = {5, 6}

TIPOS DE PROBABILIDAD Probabilidad Clsica Se define la probabilidad de que un evento ocurra como: Nmero de resultados en los que se presenta el evento / nmero total de resultados posibles. Cada uno de los resultados posibles debe ser igualmente posible. La probabilidad clsica, a menudo, se le conoce como probabilidad a priori, debido a que si utilizamos ejemplos previsibles como monedas no alteradas, dados no cargados y mazos de barajas normales, entonces podemos establecer la respuesta de antemano, sin necesidad de lanzar una moneda, un dado o tomar una carta. No tenemos que efectuar experimentos para poder llegar a conclusiones. Este planteamiento de la probabilidad tiene serios problemas cuando intentamos aplicarlo a los problemas de toma de decisiones menos previsibles. El planteamiento clsico supone un mundo que no existe, supone que no existen situaciones que son bastante improbables pero que podemos concebir como reales. La probabilidad clsica supone tambin una especie de simetra en el mundo. Probabilidad de Frecuencia relativa de presentacin Se le llama frecuencia relativa de presentacin de un evento y define la probabilidad como: La frecuencia relativa observada, de un evento durante un gran nmero de intentos, La fraccin de veces que un evento se presenta a la larga, cuando las condiciones son estables. Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un evento como una probabilidad. Determinamos qu tan frecuente ha sucedido algo en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el futuro. Cuando utilizamos el planteamiento de frecuencia relativa para establecer probabilidades, el nmero que obtenemos como probabilidad adquirir mayor precisin a medida que aumentan las observaciones. Una dificultad presente con este planteamiento es que la gente lo utiliza a menudo sin evaluar el nmero suficiente de resultados. Probabilidades Subjetivas Las probabilidades subjetivas estn basadas en las creencias de las personas que efectan la estimacin de probabilidad. La probabilidad subjetiva se puede definir

como la probabilidad asignada a un evento por parte de un individuo, basada en la evidencia que se tenga disponible. Esa evidencia puede presentarse en forma de frecuencia relativa de presentacin de eventos pasados, o puede tratarse simplemente de una creencia meditada. Las valoraciones subjetivas de la probabilidad permiten una ms amplia flexibilidad que los otros dos planteamientos. Los tomadores de decisiones pueden hacer uso de cualquier evidencia que tengan a mano y mezclarlas con los sentimientos personales sobre la situacin. Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando los eventos se presentan slo una vez o un nmero muy reducido de veces. Como casi todas las decisiones sociales y administrativas de alto nivel, se refieren a situaciones especficas y nicas, los responsables de tomar decisiones hacen un uso considerable de la probabilidad subjetiva. Si puede imaginarse, puede hacerse. AXIOMAS DE LA PROBABILIDAD La definicin axiomtica de la probabilidad es quizs la ms simple de todas las definiciones y la menos controvertida ya que est basada en un conjunto de axiomas que establecen los requisitos mnimos para dar una definicin de probabilidad. La ventaja de esta definicin es que permite un desarrollo riguroso y matemtico de la probabilidad. Para hacer una definicin rigurosa de la probabilidad, necesitamos precisar ciertas leyes o axiomas que deba cumplir una funcin de probabilidad. Intuitivamente estos axiomas deberan implicar, entre otras, las siguientes cuestiones, que nos parecen lgicas en trminos de lo que se puede esperar de una funcin de probabilidad: La probabilidad slo puede tomar valores comprendidos entre 0 y 1(no puede haber sucesos cuya probabilidad de ocurrir sea del 200% ni del 5% La probabilidad del suceso seguro es 1, es decir, el 100% La probabilidad del suceso imposible debe ser 0. La probabilidad de la interseccin de dos sucesos debe ser menor o igual que la probabilidad de cada uno de los sucesos por separado, es decir, La probabilidad de la unin de sucesos debe ser mayor que la de cada uno de los sucesos por separado: Ms an, si los sucesos son disjuntos (incompatibles) debe ocurrir que La probabilidad del suceso contrario de A, debe valer esto en realidad puede deducirse del siguiente razonamiento: Axioma de positividad: la probabilidad de un evento nunca es un nmero negativo, es cero o un nmero real positivo. Todo evento que ocurre siempre tiene una probabilidad mayor a cero. Slo los eventos imposibles de ocurrir tienen una probabilidad igual a cero. Por ejemplo la probabilidad de que un individuo vivo no muera es cero. Este axioma puede denotarse como: P( A) 0 . Axioma

de certidumbre: este postulado establece que la probabilidad de todo el espacio muestral es uno; es decir P( S ) = 1 . En otras palabras la probabilidad de todo evento con una certidumbre total de ocurrencia es uno. Por ejemplo, la probabilidad de que al lanzar un dado se obtenga un nmero par o impar es un hecho seguro, porque cada vez que se lanza un dado sale un nmero par o un nmero impar, en consecuencia su probabilidad es uno. Los dos axiomas anteriores en conjunto dan soporte a la definicin de la probabilidad como un nmero real que vara entre cero y uno, ambos inclusive. Esta consecuencia se expresa como 0 P( A) 1. Axioma de la Unin o adicin: la probabilidad de un evento A es igual a la suma de las probabilidades de los eventos elementales que lo conforman. Supongamos que A es un evento formado por n eventos elementales A = {e1,e2 ,e3 , . . . . , en} su probabilidad ser P( A) = P( e1 e2 e3 . . . . en )=P(e1 )+P(e2 )+P(e3 )+ . . . .+P(en ). TEOREMAS FUNDAMENTALES DE LA PROBABILIDAD Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a continuacin se enumeran. 1) La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno. 0 p(A) 1 2) La probabilidad de que ocurra el espacio maestral d debe de ser 1. p(d) = 1 3)Si A y B son eventos mutuamente excluyentes, entonces la p(AB) = p(A) + p(B) Generalizando: Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,..An, entonces; p(A 1 A 2 ?An) = p(A1) + p(A2) + .+ p(An) TEOREMAS TEOREMA 1. Si f es un evento nulo o vaco, entonces la probabilidad de que ocurra f debe ser cero. Evento Nulo: Un evento nulo es un evento que ha prescrito, es decir que ha sido cancelado. Tambin se podra tomar como un evento que no fructificado, es decir, que no ha dado los resultados esperados. Evento Excluyente y no Excluyente: Dos o ms eventos son mutuamente

excluyentes o disjuntos, si no pueden ocurrir simultneamente. Es decir, la ocurrencia de un evento impide automticamente la ocurrencia del otro evento (o eventos). Ejemplo: Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a la vez, esto quiere decir que estos eventos son excluyentes. Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que ocurran ambos. Esto no indica que necesariamente deban ocurrir estos eventos en forma simultnea. Ejemplo: Si consideramos en un juego de domino sacar al menos un blanco y un seis, estos eventos son no excluyentes porque puede ocurrir que salga el seis blanco. Eventos Dependientes: Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso, empleamos entonces, el concepto de probabilidad condicional para denominar la probabilidad del evento relacionado. La expresin P(A|B) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri. Se debe tener claro que A|B no es una fraccin. P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A) Eventos Independientes: Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un caso tpico de eventos independiente es el muestreo con reposicin, es decir, una vez tomada la muestra se regresa de nuevo a la poblacin donde se obtuvo. Ejemplo: Lanzar al aire dos veces una moneda son eventos independientes por que el resultado del primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello, en el segundo lanzamiento Dos eventos se denominan complementarios cuando su unin da el espacio muestral y su interseccin es vaca. La suma de las probabilidades de dos eventos complementarios es igual a 1. Se denomina Ac al evento complementario del evento A. Por ejemplo, la probabilidad de obtener un mltiplo de 3 al tirar un dado es , y la probabilidad de no obtener un mltiplo de 3 ser de. Propiedades de la probabilidad Sea A un evento, entonces la probabilidad de este evento cumple las siguientes propiedades: (1) 0 P(A) 1 (2) P(A Ac) = 1

Segn la ruleta dada en la figura adjunta, cul es la probabilidad de que salga el color amarillo? A la zona amarilla le corresponde un ngulo central de 360 60 140 = 160. Al total de casos le corresponden 360. Por lo tanto, la probabilidad de que salga la zona amarilla