Definicin de probabiidad La probabilidad de un suceso es un nmero, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando

se realiza un experimento aleatorio. La probabilidad es la medida cuantitativa por medio de la cual se obtiene la frecuencia de un suceso determinado mediante la realizacin de 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, lamatemtica, las ciencias y la filosofa para sacar conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecnica subyacente discreta de sistemas complejos.

8. EXPERIMENTO ALEATORIOEs cualquier accin o proceso que no se tiene certezade su resultado final, hasta tanto no se ejecute. Este tipode experimento debe satisfacer con los siguientesrequerimientos:-Puede repetirse un nmero ilimitado de veces bajo lasmismas condiciones.- Es posible conocer por adelantado todos los posiblesresultados a que puede dar origen.- No puede predecirse con exactitud un resultado enuna realizacin particular del experimento.

9. EJEMPLOSi se desea formar un equipo de voleibol con 5jugadores, el nombre de los seleccionados no sesabr con certeza hasta que no se realicen laspruebas correspondientes y se elijan a los 5deportistas. Se puede conocer la lista de todos losdeportistas inscritos, pero no la lista de losseleccionados.

10. ESPACIO MUESTRAL (S)De un experimento aleatorio, es el conjunto detodos los posibles resultados al realizar elexperimento. S= 1,2,3,4,5,6

11. EVENTOS Es un subconjunto del espacio muestral. Ejemplo:Al lanzar un dado una vez.E= en la cara superior aparece un nmero par.E= 2, 4, 6

Asignacin de Probabilidad

Por las propiedades demostradas en la seccin anterior, es suficiente conocer la probabilidad de los sucesos elementales, ya que, entonces, se podr determinar la de cualquier otro suceso. As, en el ejemplo del Lanzamiento de un Dado, si la probabilidad de obtener un 1 es, pl, la de un 3 , p2, y la de un 5, p3, la del suceso obtener un nmero impar, el cual corresponde a 28 en el conjunto de los sucesos, ser, por la propiedad 2, p1 + p2 + p3 . Es decir, el problema radica en asignar una probabilidad a los sucesos elementales: Asignar un nmero entre 0 y 1 a cada uno de los sucesos elementales, de tal forma que su suma sea 1. En principio, cualquier asignacin que cumpla los tres axiomas mencionados en la definicin de probabilidad es vlida. No obstante, el propsito del clculo de probabilidades, como soporte de la Estadstica, es el de construir un esquema matemtico que refleje de la forma ms exacta posible el fenmeno aleatorio real que estemos estudiando, por lo que la asignacin de probabilidad que elijamos debe ser lo ms ajustada posible a la realidad que estamos observando. As, en el ejemplo del Lanzamiento de un Dado la asignacin razonable ser la de P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = . En otras ocasiones, la observacin del mismo fenmeno en otra poblacin semejante a la que estamos estudiando, o inclusive en la objeto de estudio en un tiempo anterior, permitir obtener una distribucin de frecuencias a partir de la cual asignar una probabilidad.

Ejemplo:

Un estudio sobre el color de los ojos en nios recin nacidos de una poblacin determinada dio la siguiente distribucin de frecuencias relativas:

Color
Azules

fi
0'05

Verdes Castaos Negros

0'02 0'69 0'24

Supuesto que no consideremos la componente gentica que esta caracterstica tiene, no teniendo en cuenta el color de ojos de los padres, podramos considerar esta distribucin de frecuencias como una buena aproximacin de la probabilidad y decir, por ejemplo, que la probabilidad que tiene un recin nacido de esta poblacin de tener los ojos claros es P{ ojos claros } = P{Azules} + P{Verdes} = 0'05 + 0'02 = 0'07. Analisis conbinatorio Es la rama de la matemtica que estudia los diversos arreglos o selecciones que podemos formar con los elementos de un conjunto dado, los cuales nos permite resolver muchos problemas prcticos. Por ejemplo podemos averiguar cuntos nmeros diferentes de telfonos , placas o loteras se pueden formar utilizando un conjunto dado de letras y dgitos. Adems el estudio y comprensin del anlisis combinatorio no va ha servir de andamiaje para poder resolver y comprender problemas sobre probabilidades. Principios fundamentales del Anlisis Combinatorio: En la mayora de los problemas de anlisis combinatorio se observa que una operacin o actividad aparece en forma repetitiva y es necesario conocer las formas o maneras que se puede realizar dicha operacin. Para dichos casos es til conocer determinadas tcnicas o estrategias de conteo que facilitarn el clculo sealado. El anlisis combinatorio tambin se define como una manera prctica y abreviada de contar; las operaciones o actividades que se presentan son designadas como eventos o sucesos. Ejemplo :

Sealar las maneras diferentes de vestir de una persona, utilizando un nmero determinado de prendas de vestir

Ordenar 5 artculos en 7 casilleros

Contestar 7 preguntas de un examen de 10

Designar 5 personas de un total 50 para integrar una comisin

Sentarse en una fila de 5 asientos 4 personas

Escribir una palabra de 7 letras utilizando 4 consonantes y 3 vocales.

Probabilidad condicional

Sean A y B dos sucesos de un mismo espacio muestral E. Se llama probabilidad del suceso A condicionada al B y se representa por P(A/B) a la probabilidad del suceso A una vez ha ocurrido el B.

Ejemplo Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido par.

Sucesos independientes Dos sucesos A y B son independientes si p(A/B) = p(A) Sucesos dependientes Dos sucesos A y B son dependientes si p(A/B) p(A)

Independencia de Eventos

Regla de Bayes/ La regla de Bayes es un caso especial de la probabilidad condicional que se aplica cuando se desea calcular la probabilidad condicional de un evento que ocurri primero dado lo que ocurri despus. Para llegar a establecer tan til regla vamos a estudiar una proposicin previa. La distribucin de Poisson

Se trata de un modelo discreto, pero en el que el conjunto de valores con probabilidad no nula no es finito, sino numerable. Se dice que una variable aleatoria X sigue la distribucin de Poisson si su funcin de densidad viene dada por:

Como vemos, este modelo se caracteriza por un slo parmetro , que debe ser positivo. Propiedades del modelo de Poisson 1) Esperanza: E(X) = . 2) Varianza: V(X) = . En esta distribucin la esperanza y la varianza coinciden. 3) La suma de dos variables aleatorias independientes con distribucin de Poisson resulta en una nueva variable aleatoria, tambin con distribucin de Poisson, de parmetro igual a la suma de parmetros:

X1 ~ P( = 1)
y definimos Z = X1 + X2, entonces,

X2 ~ P( = 2)

Z ~ P( = 1 + 2)
Este resultado se extiende inmediatamente al caso de n variables aleatorias independientes con distribucin de Poisson. En este caso, la variable suma de todas ellas sigue una distribucin de Poisson de parmetro igual a la suma de los parmetros.