Lecturas Act 1

Est usted en Inicio > Historia > Historia de la Combinatoria
Historia de la Combinatoria
El nacimiento y desarrollo de la combinatoria ha sido paralelo al desarrollo de otras ramas de las Matemticas, tales como el lgebra, teora de nmeros, y
probabilidad.
Desde tiempos muy remotos ha habido problemas de combinatoria que han llamado la atencin de los matemticos:
El problema de los cuadrados mgicos, que son matrices de nmeros con la propiedad de que la suma de los elementos de cualquier columna, fila o
diagonal es el mismo nmero, aparece en un viejo libro chino fechado 2200 a. C. Los cuadrados mgicos de orden 3 fueron estudiados con fines msticos.
Los coeficientes binominales, que son los coeficientes enteros del desarrollo de (a+b) fueron conocidos en el siglo XII.
El tringulo de Pascal que es una disposicin triangular de los coeficientes binominales fue desarrollado en el siglo XIII.
Se puede considerar que en Occidente la combinatoria surge en el siglo XVII con los trabajos de Blaise Pascal y de Pierre Fermat sobre la teora de juegos de
azar. Estos trabajos, que formaron los fundamentos de la teora de la probabilidad, contenan asimismo los principios para determinar el nmero de combinaciones
de elementos de un conjunto finito, y as se estableci la tradicional conexin entre combinatoria y probabilidad.
El trmino combinatoria tal y como lo usamos actualmente fue introducido por Wihem Leibniz en su Dissertartio de Arte Combinatoria. De gran
importancia para la consolidacin de la combinatoria fue el artculo de Ars Conjectandi (el arte de conjeturar) de J.Bernouilli ; este trabajo estaba dedicado a
establecer las nociones bsica de probabilidad. Para esto fue necesario introducir tambin un buen nmero de nociones bsicas de combinatoria pues se usaron
fuertemente como aplicaciones al clculo de probabilidades. Se puede decir que con los trabajos de Leibniz y Bernoulli se inicia el establecimiento de la
combinatoria como una nueva e independiente rama de las matemticas.
El matemtico suizo Leonard Euler fue quien desarroll a principios del siglo XVIII una autntica escuela de matemtica combinatoria. En sus artculos sobre la
particin y descomposicin de enteros positivos en sumandos, estableci las bases de uno de los mtodos fundamentales para el clculo de configuraciones
combinatorias, que es el mtodo de las funciones generadoras. Tambin se le considera el padre de la teora de grafos por el planteamiento y solucin de los
problemas de los Puentes de Konigsberg usando por primera vez conceptos y mtodos de teora de grafos. Los primeros problemas de teora de grafos surgieron
de la bsqueda de solucin a algunos problemas cotidianos y tambin en el planteamiento de algunos acertijos matemticos tales como el problema de los Puentes
de Konigsberg, la colocacin de reinas en un tablero de ajedrez con alguna restriccin, problemas de transporte, el problema del viajero, etc....
En Inglaterra a finales del siglo XIX Arthur Cayley (motivado por le problema de calcular el nmero de ismetros de hidrocarburos saturados) hizo importantes
contribuciones a la teora de enumeracin de grafos. Por este tiempo el matemtico George Boole us mtodos de combinatoria en conexin con el desarrollo de
la lgica simblica y con las ideas y mtodos que Henri Poincar desarroll en relacin con problemas de topologa.
Uno de los factores ms importantes que han contribuido al gran desarrollo que ha tenido la combinatoria desde 1920 es la teora de grafos, la importancia de
esta disciplina estriba en el hecho de que los grafos pueden servir como modelos abstractos parar modelar una gran variedad de relaciones entre objetos de un
conjunto.
Estadstica para todos http://www.estadisticaparatodos.es/historia/histo_combi.html
1 de 2 05/12/2012 10:26 a.m.
Web : estadisticaparatodos.es | Mapa Web | Contacto | Copyleft Titapg 2008
Estadstica para todos http://www.estadisticaparatodos.es/historia/histo_combi.html
2 de 2 05/12/2012 10:26 a.m.

HISTORIA DE LA
PROBABILIDAD

6oteo uth the oemo versoo o|
Io||x Prc PDf 6d|tcr
Jo remove ths ootce, vst:
uuu.ceo.com/oolock.htm
NDICE GENERAL:

1.CONTEXTO HISTRICO Y PRECURSORES. 3

Pacioli, Cardano y Tartaglia.. 3

2.NACIMIENTO Y EVOLUCIN DE LA TEORA DE LA
PROBABILIDAD....5

El problema del caballero de Mer. Nacimiento de la probabilidad..5

Primeras definiciones y teoremas bsicos7

La ley de los Grandes Nmeros10

El Teorema Central del Lmite.....11

Problemas importantes de la historia..12

3.LA TEORA MODERNA DE LA PROBABILIDAD15

La probabilidad en el siglo XIX15

Perfeccionamiento de la ley de los Grandes Nmeros y el TCL...16

Escuelas del siglo XX17

Kolmogorov y la axiomatizacin de la probabilidad.....18

TRATAMIENTO Y COMENTARIO DE TEXTO ORIGINAL.20

BIBLIOGRAFA.....28

2

1.CONTEXTO HISTRICO Y PRECURSORES

La Edad media termina histricamente en el ao1453 con la cada de
Constantinopla por parte de los otomanes, dando paso a la etapa conocida como
Renacimiento, la cual se destac por la actividad mercantil, industrial, artstica,
arquitectnica, intelectual y cientfica, entre otras. En esta poca surge una nueva
relacin del hombre con la naturaleza, que va unida a una concepcin ideal y realista de la
ciencia. La matemtica se va a convertir en la principal ayuda de un arte y una sociedad que
se preocupan incesantemente en fundamentar racionalmente su ideal de belleza.
A partir de esta etapa con el avance en las matemticas y la filosofa, se empieza a
dar una explicacin coherente a muchos fenmenos que no seguan un patrn
determinstico, sino aleatorio. Es el caso de todos los fenmenos relativos a la
probabilidad de los sucesos, concretados en este tiempo fundamentalmente en los
juegos de azar.
En este periodo del Renacimiento es cuando empiezan a surgir de manera ms seria
inquietudes entorno a contabilizar el nmero de posibles resultados de un dado lanzado
varias veces, o problemas ms prcticos sobre cmo repartir las ganancias de los
jugadores cuando el juego se interrumpe antes de finalizar. Como vemos estas
inquietudes surgan ms como intentos de resolver problemas cotidianos con el fin de
ser justos en las apuestas y repartos o incluso de conocer las respuestas para obtener
ventajas y en consecuencia mayores ganancias respecto a otros jugadores y mucho
menos de inquietudes matemticas verdaderas. De hecho la idea de modelizar el azar
mediante las matemticas an no estaba plenamente presente en los intelectuales de la
poca.

Pacioli, Cardano y Tartaglia:

Uno de los primeros problemas dedicados a contabilizar el nmero de posibles
resultados al lanzar un dado varias veces podemos encontrarlo an en la Edad Media, en
el poema De Vetula de Richard de Fournival (1200-1250) donde afirma correctamente
que si se lanzan tres dados hay 216 combinaciones posibles y calcula acertadamente
los diferentes valores para la suma de los tres dados. Aunque ahora puede parecer una
cuestin trivial, en aquella poca no lo era, y otros autores se equivocaron al intentar
resolverla, generalmente porque no tenan en cuenta las posibles permutaciones de una
misma combinacin.
Pero el problema ms importante relativo a los juegos de azar era el conocido como
problema del reparto de apuestas que distribua las ganancias entre jugadores cuando
la partida se interrumpa antes de finalizar. Este problema fue abordado por Luca
Pacioli (1445-1517) quien en 1487 propuso estos dos problemas particulares: un juego
en el que el premio es de 22 ducados que consiste en alcanzar 60 puntos se interrumpe
cuando un equipo lleva 50 puntos y el otro 30; y tres arqueros que compiten por un
premio de 6 ducados lanzan flechas hasta que uno de ellos haga 6 dianas, siendo
interrumpidos cuando el primero de ellos lleva 4 dianas, el segundo 3 y el tercero 2.
Cmo deben repartirse los premios entre los contendientes? Pacioli propuso que el
premio debera ser repartido en funcin de las victorias obtenidas anteriormente: as, el
premio del primer problema se divida en 605/8 ducados para el primer equipo y en
3
603/8 para el segundo; para el problema de los arqueros, el premio se divida en la
proporcin 4/9, 3/9 y 2/9. Como ms tarde se pondra de manifiesto, esta solucin
obtenida por Pacioli es incorrecta.
Fue Girolamo Cardano (1501-1576) quien escribi la primera obra importante
relacionada con el clculo de probabilidades en los juegos de azar. Fue en 1565 y se
llamaba Libro de los juegos de azar. Adems Cardano se haba ocupado anteriormente
del problema del reparto de apuestas y en 1539 lleg a la conclusin de que la solucin
de Pacioli era incorrecta porque al considerar tan slo el nmero de juegos ganados por
cada equipo, no contaba cuntos juegos deban ganar para hacerse con el premio.
Cardano propuso como solucin del problema que si n es el nmero de juegos totales y
a y b los juegos ganados por cada equipo, el premio deba repartirse de la siguiente
manera:
[1+2++(n-b)]: [1+2+(n-a)].
Esta solucin es, en general, incorrecta y slo da resultados vlidos en casos
particulares.
Niccolo Tartaglia (14991557), tambin intent resolver este problema y en 1556
public un libro en el que descartaba la solucin dada por Pacioli y daba su propio
solucin: si un equipo ha ganado a puntos y el otro b, se juega a n puntos y el premio
total es P, las ganancias deberan repartirse de la forma:

(P/2)P[(a-b)/n] siendo la cantidad mayor para el
equipo que tenga ms victorias. Sin embargo, Tartaglia fue consciente de que su
solucin no era la correcta y en su libro dejaba claro que era buena para impartir justicia
y equilibrio a un reparto, pero no era exacta desde el punto de vista matemtico.

Adems de estos tres nombres importantes, entre los precursores de la probabilidad
destac tambin un hombre mucho ms conocido en otros campos de las matemticas y
la fsica como fue Galileo Galilei, que durante su vida tambin resolvi problemas
sobre dados, hasta tal punto que escribi un libro llamado Sobre la puntuacin en
tiradas de dados. Sin embargo, la mayor aportacin de Galileo a los inicios de la
probabilidad fue la invencin de su teora de la medida de errores. Clasific los errores
en dos tipos: sistemticos y aleatorios, clasificacin que se mantiene an en la
actualidad y estableci cuidadosamente las propiedades de los errores aleatorios. Con
esto contribuy sin saberlo a la creacin de ramas fundamentales de la estadstica y la
probabilidad posterior.

4

2.NACIMIENTO Y EVOLUCIN DE LA TEORIA
DE LA PROBABILIDAD

El problema del Caballero de Mer: Nacimiento de la probabilidad

Cierto da del ao 1654, Blaise Pascal (1623 - 1662) matemtico francs, haca un
viaje en compaa de un jugador ms o menos profesional conocido como el caballero
de Mer, quien era una persona apasionada por todo lo relacionado con el juego de los
dados y las cartas, siendo adems un hombre noble e ilustrado.
Este caballero crea que haba encontrado una "falsedad" en los nmeros al analizar
el juego de los dados, observando que el comportamiento de los dados era diferente
cuando se utilizaba un dado que cuando se empleaban dos dados. La "falsedad" parta
simplemente de una comparacin errnea entre las probabilidades de sacar un seis con
un solo dado o de sacar un seis con dos dados. Para el caballero deba existir una
relacin proporcional entre el nmero de jugadas necesarias para conseguir el efecto
deseado en uno y otro caso. El problema estaba en que el citado caballero no tuvo en
cuenta que en el segundo caso estaba analizando una probabilidad compuesta en donde
las distintas probabilidades se deben calcular multiplicativamente.
Este y otros problemas planteados por el caballero a Pascal sobre cuestiones
relacionadas con diferentes juegos de azar, dieron origen a una correspondencia entre el
propio Pascal y algunos de sus amigos matemticos, sobre todo con Pierre de Fermat
(1601-1665) de Toulouse, abogado de profesin, pero gran amante de las matemticas.
Esta correspondencia constituye el origen de la teoria moderna de la probabilidad.
En una carta de Pascal a Fermat, en la que narraba la ancdota anteriormente
mencionada, conclua que "el caballero de Mer tiene mucho talento, pero no es
gemetra; sto es, como sabis un gran defecto" (carta del 29 de julio de 1654).
Otro de los problemas famosos planteados por el caballero a Pascal fue resuelto por
ste y Fermat tras el carteo de manera independiente, llegando ambos a la misma
solucin : En una partida de dados intervienen dos jugadores y apuestan 32 doblones de
oro cada uno, eligiendo un nmero diferente, gana el juego el primero que obtenga tres
veces el nmero que eligi. Despus de un rato de juego, el nmero elegido por el
primer apostador ha salido dos veces mientras el otro jugador slo una vez ha acertado,
en este instante la partida debe suspenderse. Cmo dividir los 64 doblones de oro
apostados? en qu proporcin ha de ser compensado cada jugador?.
En la correspondencia que sigui a este problema, tanto Pascal como Fermat
estuvieron de acuerdo en que el primer jugador tiene derecho a 48 doblones de oro.
Veamos tambin el ltimo de los problemas histricos ( al ser su solucin parte del
inicio de la probabilidad actual) que propuso Mer y resolvieron Pascal y Fermat:
El juego consista en lanzar 24 veces un par de dados y el problema era decidir si es lo
mismo apostar a favor o en contra de la aparicin de por lo menos un seis doble.
Solucin:
A= {No sacar un seis doble en una tirada de dos dados} , P(A)=35/36
P(A y A y A24 veces.y A)=
24
) 36 / 35 (
Este nmero vale 0508596121 y por tanto la probabilidad del suceso
contrario ser 1- P(A y A.24 vecesy A)= 1- 0508596121 = 0491
5
Luego es ms probable obtener una vez un seis doble en 24 tiradas que
obtenerlo al menos una vez. En cambio para 25 tiradas cambian las cosas
pues 1- = 0505
25
) 36 / 35 (

Pascal y Fermat resolvieron este problema y otros muchos y fueron los que
empezaron a formalizar la teora de las probabilidades, probando el desacuerdo con el
caballero de Mer, este se deba a que era errneo el clculo que haba efectuado, ya que
se equivoc en considerar equiprobables sucesos que no lo eran, y slo cuando
los casos posibles son equiprobables tiene sentido aplicar la definicin dada por Mer
de probabilidad. Sin embargo, Pascal err al intentar extender algunos de los resultados
de los problemas del caballero al caso en el que hubiera tres o ms jugadores.
Ni Pascal ni Fermat expusieron sus resultados por escrito y fue el fsico-matemtico
holands Christian Huygens (1629-1695) quien en 1657 public un breve tratado
titulado De Ratiocinnis in ludo aleae (sobre los razonamientos relativos a los juegos
de dados) inspirado en la correspondencia sostenida entre los dos creadores de la teora
de la probabilidad. Adems Huygens extendi algunos resultados de Pascal y aclar
varios problemas para tres o ms jugadores.
En 1665, Pascal publicaba Tratado sobre el tringulo aritmtico, la ms importante
contribucin realizada hasta la fecha en el mbito de la combinatoria. El libro se basa en
la construccin y propiedades combinatorias del posteriormente llamado tringulo de
Pascal, que es de la siguiente forma:

Fila /Columna 0 1 2 3 4 5 6 7 8

0 1
1 1 1
2 1 2 1
3 1 3 3 1
4 1 4 6 4 1
5 1 5 10 10 5 1
6 1 6 15 20 15 6 1
7 1 7 21 35 35 21 7 1
8 1 8 28 56 70 56 28 8 1

Con esta construccin Pascal demostr que el valor de la k-sima entrada de la
n-sima columna era el nmero combinatorio y enunci algunas propiedades
importantes del tringulo como que cada elemento es la suma de todos los elementos de
la columna anterior hasta la fila anterior o como que la suma de todos los elementos de
la fila n-sima es 2 .
k
n
n
Las aportaciones de Pascal se extienden a muchos campos como el de la filosofa e
incluso al de la teologa, intentando argumentar la existencia de Dios en trminos
probabilsticas y gananciales ( probabilsticamente es mejor creer que no creer, es decir,
es mejor actuar como si existiera, por si acaso existe).

6

Primeras definiciones y teoremas bsicos:

El primero en dar la definicin clsica de probabilidad fue Jacob Bernoulli (1654
1705), matemtico suizo que trabaj en la universidad de Basilea en 1687, en su
obraArs conjectandi (El arte de la conjetura) que fue publicada algunos aos despus
de la muerte del autor. En esta obra encontramos entre otras cosas la importante
proposicin conocida como el Teorema de Bernoulli mediante el cual la teora de la
probabilidad fue elevada por primera vez del nivel elemental de conjunto de soluciones
de problemas particulares a un resultado de importancia general. Bernoulli siempre
detac la importancia de que los fenmenos aleatorios dejaran de enfocarse como casos
particulares y se intentara ver los conceptos generales que habas detrs de ellos, slo
as se avanzara y profundizara en el entendimiento de esta materia.
Ms adelante, el matemtico francs exiliado en Inglaterra Abraham De Moivre
(16671754) acept la definicin dada por Bernoulli y la reformul en trminos ms
modernos para la poca: una fraccin en la que el numerador es igual al nmero de
apariciones del suceso y el denominador es igual al nmero total de casos en los que es
suceso pueda o no pueda ocurrir. Tal fraccin expresa la probabilidad de que ocurra el
suceso.
La definicin clsica de la probabilidad, en su forma actual, est basada en el
concepto de equiprobabilidad de los resultados, basado a su vez en la simetra. Se
supone que un experimento se puede descomponer en n sucesos equiprobables y
mutuamente excluyentes ,., llamados sucesos bsicos o elementales. As, la
probabilidad de suceso A es el nmero del intervalo [0,1] que expresa el cociente entre
los m sucesos elementales que componen A y el nmero total n de posibles sucesos
elementales. La traba fundamental que encuentra esta interpretacin de la probabilidad
es la dificultad de descomponer un suceso en sucesos elementales equiprobables; lo que
es fcil para problemas sencillos ( cartas, dados, etc), pero es de gran dificultad en
problemas ms complicados.
1
B
n
B
Adems otro de los descubrimientos importantes de Bernoulli fue el saber obtener la
probabilidad de ocurrencia de un suceso sin necesidad de contar los casos favorables
(bien por omisin de datos o bien por la imposibilidad de contarlos). Para ello invent la
probabilidad a posteriori, es decir: mediante la observacin mltiple de los resultados
de pruebas similares De esta manera, introdujo el concepto de probabilidad
estadstica: asignar como probabilidad de un suceso el resultado que se obtendra si el
proceso se repitiera en condiciones similares un nmero grande de veces. Sin embargo,
estas condiciones no eran muy concretas y con ellas no se poda dar lugar a una
definicin seria y rigurosa de todos los conceptos q manejaba Bernoulli. En primer
lugar, se habla de un nmero grande de veces, pero no se da ninguna indicacin sobre
cul es ese nmero o lo suficientemente grande que debe ser, no se especifica tampoco
que significa condiciones similares y tampoco se establece cul es el error admitido
respecto al resultado terico.
Precisamente, fueron la necesidad de precisar con exactitud qu se entiende por un
nmero grande de repeticiones y de calcular el error del resultado obtenido respecto
del resultado terico, lo que llevaron a Jacob Bernoulli a idear, en su forma ms
intuitiva y bsica, la Ley de los Grandes Nmeros.

7

A continuacin expondremos los tres teoremas ms importantes de la probabilidad
clsica. Estos teoremas los idearon Bernoulli (Teorema de la suma, formalizado por
Bayes) , De Moivre (Teorema de la multiplicacin) y Bayes (Teorema de la
probabilidad condicionada), aunque todos los conceptos que se manejan en estos
teoremas aparecen ya de forma implcita y muy frecuente en los diferentes trabajos de
Pascal, Fermat y Huygens.

-Teorema de la Suma:

Pascal dio a entender implcitamente que saba cmo calcular los casos favorables
de un suceso A si conoca los casos favorables de unos Aj disjuntos cuya unin es A (es
decir, si los Aj son una particin de A). Jacob Bernoulli tambin fue consciente de ello,
y fue ms lejos al darse cuenta de que la probabilidad de la unin no es la suma de las
probabilidades si los sucesos no son disjuntos, aunque no supo dar la razn.
No fue ninguno de ellos quien formul finalmente el teorema de la suma de la
probabilidades, sino el reverendo ingls Thomas Bayes (17021761), cuyo trabajo fue
ledo pstumamente, en 1763. En esta obra, Bayes da la primera definicin rigurosa y
explcita de sucesos disjuntos y enunci la frmula ahora conocida:

P(A B) = P (A) + P(B) P(AB)

-Teorema de la Multiplicacin:

Al igual que el teorema anterior, el teorema de la multiplicacin de probabilidades
era conocido por casi todos los matemticos anteriores a travs de resultados
particulares. No obstante, fue Abraham De Moivre el primero que lo enunci
rigurosamente. De Moivre fue un hugonote francs que debido a su religin se ausent
de Francia y vivi como refugiado en Inglaterra. All public su obra The doctrine of
chances (Doctrina de las Probabilidades) en 1711. De Moivre present el importante
concepto de independencia de sucesos aleatorios; as, escribi: Diremos que dos
sucesos son independientes, si el primero de ellos no tiene ninguna relacin con el otro
y procedi a definir los sucesos dependientes: Dos sucesos son dependientes si estn
ligados el uno al otro y la probabilidad de ocurrencia de uno de ellos influye en la
probabilidad de ocurrencia del otro. Una vez hecho esto, De Moivre lo aplic al
clculo de probabilidades: la probabilidad de ocurrencia de dos sucesos dependientes
es igual a la probabilidad de ocurrencia de uno de ellos dividida por la probabilidad de
que el otro ocurra si el primero ya ha ocurrido. Esta regla puede generalizarse para
varios sucesos . El caso de varios sucesos lo describa as: Se necesita elegir uno de
ellos como el primero, otro como el segundo, y as. Luego, la ocurrencia del primero
debe considerarse independiente de todas las dems; el segundo debe considerarse con
la condicin de que el primero ha ocurrido: el tercero con la condicin de que tanto el
primero como el segundo han ocurrido, y as. De aqu, la probabilidad de las
ocurrencias de todos los sucesos es igual al producto de todas las probabilidades Esto
es:
P( ) = P( ) P( | ).P( |
1
A
2
A
n
A .....
1
A
2
A
1
A
n
A
1
A
1
....

n
A )

La obra de De Moivre cont con tres ediciones, lo que da una idea del gran inters
que despert esta materia en aquella poca. En las dos ltimas ediciones de la obra el
autor tambin da las primeras indicaciones acerca de la distribucin normal de las
8
probabilidades, que ms tarde desarrollara un papel sumamente importante en el
desarrollo la teora de la probabilidad.

-Teorema de Bayes:

El trabajo de De Moivre fue seguido y difundido en la mayora de los crculos
cientficos importantes de Europa y fue el britnico Thomas Bayes, probablemente
alumno de De Moivre en Londres, quien extendi el trabajo del francs y expres la
probabilidad condicional en funcin de la probabilidad de la interseccin:

P(A/B)= [P(B/A) P(A)] / P(B)

Adems, el teorema que lleva su nombre no es slo suyo, ya que Bayes no estaba
en condiciones de formular con probabilidades totales. Fue PierreSimon Laplace
(17491827) quien mejor y desarroll la mayor parte del teorema de Bayes en su
Thorie analytique des probabilits (Experiencia en la Filosofa de la Teora de la
Probabilidad) en 1812.
Sea A un suceso que ocurre en conjuncin con uno y slo uno de los n sucesos
disjuntos . Si se sabe que el suceso A ha ocurrido, cul es la probabilidad de
que el suceso tambin? Laplace respondi de la siguiente manera: La probabilidad
de existencia de una de esas causas es igual a una fraccin con un numerador igual a la
probabilidad del suceso que se sigue de esta causa y un denominador que es la suma de
las probabilidades relativas a todas las posibles causas. Si estas diferentes causas a
priori no son equiprobables, entonces en lugar de tomar la probabilidad del suceso que
sigue a cada causa, se toma el producto de esta probabilidad por tantas veces la
probabilidad de la causa. Esta frmula se escribe en notacin ms actual de la siguiente
manera:
n
B B .....
1
j
B

P( ) = A B
i
|
1
) ( ) | (
) | ( ) (
i
i i
i i
B P B A P
B A P B P

Aparte de esta revisin importantsima del teorema de Bayes, Laplace incluye en su
obra una exposicin sistemtica muy completa de la teora matemtica de los juegos de
azar con aplicaciones a una gran variedad de cuestiones cientficas y prcticas. En su
libro citado anteriormente dedica una extensa introduccin escrita para los lectores no
matemticos a explicar sus puntos de vista generales sobre todas las cuestiones y
apreciaciones de los resultados alcanzados con la ayuda de la teora de la probabilidad.
El estudio de esta introduccin es muy famoso y se recomienda a todos los interesados
en la historia de la ciencia.

9
La ley de los Grandes Nmeros:

Jacob Bernoulli descubri que las frecuencias observadas se acercaban al verdadero
valor previo de su probabilidad al hacer crecer el nmero de repeticiones del
experimento. Pero l quera encontrar una prueba cientfica que no slo probara que al
aumentar el nmero de observaciones de la muestra se poda estimar la probabilidad
autntica con el grado de precisin deseado en cada ocasin, sino que permitiera
calcular explcitamente cuntas observaciones eran necesarias para garantizar esa
precisin de que el resultado queda dentro de un intervalo predeterminado alrededor de
la verdadera solucin.
El experimento que consiste repetir una prueba con la misma probabilidad de xito
un nmero grande de veces recibi el nombre de experimento de Bernoulli y, ms
adelante, tras la creacin del concepto de variable aleatoria, la variable que contabiliza
el nmero de xitos en N pruebas se llam Bernoulli o binomial.
Bernoulli era consciente de que, en situaciones reales y cotidianas, la certeza
absoluta, es decir, la probabilidad 1, es imposible de alcanzar. Por eso introdujo la idea
de la certeza moral: para que un resultado fuese moralmente cierto, deba tener una
probabilidad no menor que 0.999, mientras que un resultado con probabilidad no mayor
que 0.001 se considerara moralmente imposible. Fue para determinar la certeza
moral de un suceso para lo que Bernoulli formul su teorema, la ley de los Grandes
Nmeros.
Para tener una idea intuitiva de este concepto, Bernoulli propuso el siguiente
ejemplo: una urna con 30.000 bolas blancas y 20.000 negras, aunque el observador no
lo sabe, pues lo que quiere es determinar la proporcin entre bolas blancas y negras,
sacando una de cada vez, anotando el resultado (xito si es blanca y fracaso si es negra)
y volvindola a introducir en la urna. Sea N el nmero de observaciones, X el nmero
de xitos y p = r/(r+s) la probabilidad de xito en cada prueba, siendo r el nmero de
bolas blancas y s el de bolas negras. El teorema de Bernoulli afirma que dada cualquier
pequea fraccin (que su descubridor siempre escriba en la forma 1/(r+s)) y dado
cualquier nmero entero positivo grande c, se puede hallar un nmero N = N(c) tal que
la probabilidad de que X/N difiera de p no ms de es mayor que c veces la
probabilidad de que X/N difiera de p ms de . Veamos todo esto con notacin
matemtica:

p
N
X
P
>
> p
N
X
P c

O en notacin ms actual:

0 > tal que
+
Z c N
1
1
+
<
>
c
p
N
X
P

10
Bernoulli tom como ejemplo para aclarar este problema c=1.000 y obtuvo como
resultado que eran necesarias 25.550 observaciones. La intuicin le deca que no hacan
falta tantas y, por ello, lo intent con otros valores de c. Desilusionado por sentir que
haba fracasado en su intento de cuantificar la certeza moral, Bernoulli no incluy en su
libro las aplicaciones prometidas.
El que s lo hizo fue su sobrino Niklaus Bernoulli(16871759), que aplic el
resultado de su to a registros de 14.000 nacimientos y lleg a la inesperada conclusin
de que la frecuencia de nacimientos de nios es mayor que la de nias, en la proporcin
de 18:17. Los resultados tanto de Bernoulli como de su sobrino fueron confirmados
aos despus por Laplace.
De esta manera, gracias a Bernoulli, se introdujo en la teora de la probabilidad la
ley de los Grandes Nmeros, uno de los conceptos ms importantes en calculo de
probabilidades, muestreos, etc y con amplias aplicaciones en muchos campos de la
estadstica y de las matemticas y la ciencia en general. Esta ley adems ser objeto de
conversaciones entre matemticos en los siglos venideros, estando sujeta a constantes
estudios, mejoras y ampliaciones hasta prcticamente nuestros das.

El Teorema central del Lmite:

A raz del descubrimiento de la Ley de los Grandes Nmeros, se plante el
problema de estimar la suma de un subconjunto de elementos de una expresin de
carcter binomial. La dificultad era calcular una probabilidad que Bernoulli ya haba
dejado indicada y demostrada y era la probabilidad de que el nmero de xitos de un
suceso de probabilidad p y n pruebas estuviera entre A y B.
Segn Bernoulli esta probabilidad era: y la dificultad que
entraaba esta operacin era el clculo del nmero combinatorio
k m k
B k A
p p
k
m

< <

) 1 (
)! ( !
!
k m k
m
k
m

=

Jacob consigui realizar ciertas estimaciones de dudosa precisin, pero que al no
manejar nmeros muy grandes fueron suficientes para demostrar sus teoremas.
Posteriormente, De Moivre intent ser algo ms preciso y demostr que para B
constante
2
1
!
+

m
m
m e B m . Con el fin de determinar el valor de esa constante,
construy la siguiente expresin logartmica: ln B= ......
1680
1
1260
1
360
1
12
1
1 + +
y concluy segn sus clculos que B era igual a 25074. Este resultado pareca
convincente, pero De Moivre no qued satisfecho al no poder vincularlo con ninguna
constante matemtica conocida. Por ese motivo pidi consejo y ayuda a su buen amigo
James Stirling (1692-1770) quien demostr que B= 2 .
Tras la obtencin de este importante dato, De Moivre calcul una tabla m! y obtuvo
un resultado que dice lo siguente:

) / 2 ( ) / 2 (
2 2
2
2
2 2
n t n t
e
n
e
n
X P t
n
X P

=

11
De Moivre dibuj la grfica de esta curva, introduciendo el importantsimo concepto
de distribucin normal y demostr que esta curva es simtrica en torno al mximo y
que los puntos de inflexin estn a distancia n
2
1
de este mximo. Por tanto , aqu
est el Teorema Central del Lmite que se conoce como el hecho de que el promedio de
una muestra aleatoria independiente convenientemente normalizada sea
aproximadamente normal.
Ahora De Moivre ya estaba en condiciones de resolver el problema planteado por
Bernoulli en la Ley de los Grandes Nmeros:

dt e
n
t
n
X P
k
n t
=
0
) / 2 (
2
2
2
2

Para finalizar, De Moivre encontr que n era la unidad cuya distancia del centro
debe ser medida. As, la precisin de una estimacin de la probabilidad aumenta igual
que la raz cuadrada del nmero de experimentos; en otras palabras, De Moivre acababa
de descubrir la importancia de la varianza.
De Moivre repiti el experimento de Bernoulli y obtuvo que bastaban 6.498
observaciones. Aunque mejor el mtodo, no lleg a reconocer la importancia del
decubrimiento de la curva de la normal y no pudo aplicar su resultado a otros
problemas.

Problemas importantes de la historia:

- La ruina del jugador:

El problema consiste en lo siguiente: los jugadores A y B tienen a y b monedas,
respectivamente. Despus de cada juego, el ganador le quita una moneda al perdedor.
La probabilidad de ganar de A es p la de B es q = 1p. Cul es la probabilidad de
que el jugador A arruine totalmente al jugador B?
A
p
Primeramente digamos que este problema de la ruina del jugador tuvo un papel
importantsimo en el desarrollo de la teora de la probabilidad, pues era bastante
complejo para la poca y exigi la creacin de nuevos mtodos para su resolucin;
Adems fue el inicio de toda la matemtica relativa a los procesos estocsticos y parte
de la teora de la decisin y los juegos.
Este problema fue propuesto por primera vez por Huygens en uno de sus libros, y lo
acompa de una solucin que aos despus Bernoulli critic argumentando que
restringa la posibilidad de encontrar una regla general para el resolver el problema.
Otros matemticos como De Moivre, Laplace o Nicols Bernoulli tambin
trabajaron en este problema, demostrando que eran capaces de trabajar con operaciones
y sucesos probabilsticas muy avanzados para la poca y que conocan la aplicacin de
multitud de teoremas incluso antes de ser formulados formalmente.
Los primeros que dieron solucin a este problema fueron De Moivre y Nicols
Bernoulli, prcticamente a la vez, entorno a 1710, y de manera independiente.
12

De Moivre hall la siguiente solucin:

1
1
=
+b a
a
A
p
q
q
p
p y
1
1
=
+b a
b
B
q
p
q
p
p

Nicols Bernoulli incluy adems el nmero esperado ( utilizando el concepto de
esperanza) de pruebas o juegos necesarios para que un jugador sea arruinado por el otro.

q p
p a p b
N E
B A

= ) (

- La paradoja de San Petersburgo:

Se propone un juego de azar en el que pagas una apuesta inicial fija. Consiste en el
lanzamiento de una moneda repetidamente hasta que aparece la primera cara. Una vez
aparece, ganas una moneda si la cara aparece en el primer lanzamiento, dos monedas si
aparece en el segundo, 4 monedas si aparece en el tercero, 8 en el cuarto, etc., doblando
el premio en cada lanzamiento adicional. As, ganaras 2
k1
monedas en k lanzamientos.
Cunto estaras dispuesto a pagar para jugar a este juego?

La probabilidad de que la primera cara aparezca en el lanzamiento k es de:

La probabilidad de que ganes ms de monedas es menor que una entre mil. La
probabilidad de que ganes ms de 1 es menor que una entre cien. A pesar de ello el
10
2
valor esperado del premio es infinito!
Para calcularlo:

Esta suma diverge a infinito. As, de acuerdo a la teora tradicional del valor
esperado, no importa cuanto pagues por entrar en el juego, porque saldrs ganando a
largo plazo (imagina pagar 1 billn cada vez, para ganar la mayor parte de las veces
slo un par de monedas). Su idea consiste en que las raras ocasiones en las que ganes
13
una cantidad elevada pagarn con creces los cientos de trillones que habrs tenido que
pagar para jugar.
Este juego fue propuesto en 1713 por Nicols Bernoulli y se conoce con este
nombre porque San Petersburgo fue la ciudad donde Nicols y si hermano Daniel
discutieron sobre este problema. De esta forma se puso de manifiesto que la opcin
aparentemente ms razonable no siempre es la ms correcta desde el punto de vista
matemtico.

14
3.LA TEORA MODERNA DE LA PROBABILIDAD

La teora de la probabilidad en el siglo XIX:

A partir, fundamentalmente, de Laplace las dos disciplinas ms importantes dentro
de la teora de la probabilidad, que eran el clculo de probabilidades y la estadstica se
fusionaron de manera que el clculo de probabilidades se convirti en el andamiaje
matemtico de la estadstica. Toda la base matemtica que permiti desarrollar la teora
de probabilidades est extrada del anlisis combinatorio, una disciplina iniciada por
Leibniz y Jacob Bernoulli. Posteriormente con el paso del tiempo fue introduciendo la
teora de lmites disminuyendo el peso que tena el anlisis combinatorio.
Esta fue slo la primera de las modernizaciones que sufrira la probabilidad el el
siglo XIX. Otra de las ms importantes fue la que llev a cabo el matemtico alemn
Karl Friedrich Gauss (1777-1855), que desarroll la teora de errores conjuntamente
con Bessel y Laplace, llegando a establecer el mtodo de mnimos cuadrados como el
procedimiento ms elemental para resolver los problemas de la teora de errores. Gauss
y Laplace, independientemente aplicaron conceptos probabilsticos al anlisis de los
errores de medida de las observaciones fsicas y astronmicas. De hecho, cientficos
consagrados de la poca como Maxwell, Boltzmann y Gibbs aplicaron la probabilidad
en su obra "Mecnica Estadstica". La teora de los errores constituye la primera rama
de la estadstica que puede constituirse como una estructuracin terico-matemtica.
Resaltemos ahora uno de los resultados importantes en teora de errores de Gauss
(tambin hallado de manera independiente por A.Legendre(1752-1833)) que
demostraba que, bajo ciertas condiciones generales, la funcin de densidad de los
errores de medida tiene la forma:

2 2
) (

=
h
e
h

Otras contribuciones importantes a la teora de errores fueron las de Simeon Denis
Poisson (1781-1840) que descubri que la media aritmtica no es siempre mejor que
una nica observacin, A.Cauchy(1789-1857) y ms tarde de matemticos rusos como
P.Chebyshev(1821-1894).

Al margen de la teora, el francs Poisson aport otras cosas destacadas a la teora
de la probabilidad, como la distribucin que lleva su nombre y que es aplicable a
fenmenos poco comunes y extraos. En 1837 publica su trabajo En 1837 publica su
trabajo en Recherches sur la Probabilit des Jugements. Poisson originalmente estudi
Medicina, en 1789 se dedic al campo matemtico en la Escuela Politcnica. Fue muy
amigo de Laplace y de Lagrange. Public alrededor de 400 artculos en matemtica y
estadstica. Pese al xito de las aplicaciones se oyeron voces de inconformidad a la
definicin clsica de probabilidades, que exiga "a priori" saber que todos los eventos
eran igualmente posibles. Adems, en ciertos casos era imposible aplicar la definicin
clsica de la probabilidad. Pese a los avances de Poisson, esto no se resolvera hasta el
siglo XX.

15
Sin embargo lo que s hizo Poisson, fue introducir de alguna manera el concepto de
variable aleatoria, no como lo entendemos actualmente, sino esbozando sus primeros
pasos como un conjunto de cada uno con su probabilidad .
Posteriormente, Chebyshev asumi que esos conjuntos de los que hablaba Poisson eran
independientes e introdujo el trmino variable aleatoria que an tiene validez en la
actualidad y fue A.Liapunov (1857-1918) quien especific que estas variables no seran
siempre independientes y que esa dependencia estaba sujeta a ciertas condiciones.
Adems Liapunov dio una definicin de distribucin casi exacta a la actual:
n
b b b ,..., ,
2 1 n
p p p ,...., ,
2 1
) ( ) ( ) ( a F b F b a P = < <

Perfeccionamiento de la Ley de los Grandes Nmeros y el TCL:

La ley de los Grandes Nmeros propuesta aos atrs por Jacob Bernoulli fue
generalizada por primera vez en 1837 por Poisson, que adems la bautiz con este
nombre. El francs consider el siguiente experimento: Sea una sucesin de n pruebas
independientes, en cada una de las cuales un suceso B puede ocurrir con probabilidad
con k = 1,,n. Si
k
p
n
es el nmero de ocasiones en las que sucede B en n pruebas,
entonces tenemos que: 0 > 0
....
2 1

<
+ + +
n
n n
n
p p p
n
P

Posteriormente, en 1843 Chebyshev critic el teorema de Poisson y enunci su
propia versin. No obstante, era muy similar a sta y ninguna de las dos superaban
cualitativamente la idea original de Jacob Bernoulli. No fue hasta 1867, poca en la que
Chebyshev empez a trabajar con variables aleatorias, cuando se produjo ese avance en
las investigaciones.
Ya en 1909, mile Borel (1871-1956) se dio cuenta de que el trabajo de Bernoulli
llevaba a una afirmacin ms importante que simplemente la ley de los Grandes
Nmeros para p = 05 y el matemtico italiano Francesco Cantelli (1875-1966)
descubri lo que se denomina ley Fuerte de los Grandes Nmeros aadiendo el hecho
de que para cualquier valor de p: 1 =

p
n
P
n
n
L

. A lo largo del siglo XX otros
matemticos como Kolmogorov y Khinchine trabajaron tambin aportando detalles y
generalizaciones de este problema.

Hablemos ahora del perfeccionamiento del Teorema Central del Lmite. Los
esfuerzos realizados por lograr una generalizacin del teorema planteado por De Moivre
fueron arduos y complicados y, aunque Laplace ya aport estudios nuevos alrededor de
1809, matemticos de renombre como Poisson o Bessel intentaron dar sus propias
versiones de un teorema local del lmite y erraron.
No sera hasta el ao 1887, cuando Chebyshev demostr un teorema acerca de la
acotacin de la suma de una variable aleatoria con esperanza 0. Para demostrar esto,
invent el Mtodo de los momentos, pieza fundamental de la teora estadstica actual.
A.Markov (1856-1922), discpulo de Chebyshev, se dio cuenta posteriormente de
algunos errores de su maestro y revis la frmula. Esta es la versin del teorema de
Chebyshev que revis Markov en 1898:

16
Sea la sucesin de las sumas
n
S
n
c c c + + + ....
2 1
y ) (x
n
la funcin de distribucin
de . Si se cumple que
n
c k dx e x x d x
x k
n
k 2 /
2
2
1
) (

, entonces b a,
dx e b
S Var
S
a P
b
a
x
n
n
<
<
2 /
2
2
1
) (

.

En 1900, Liapunov sigui perfeccionando el teorema y demostr que si las variables
aleatorias tenan momento de orden tres finito, las funciones de distribucin de
convergan a una distribucin normal. Adems esta demostracin no necesitaba el
Mtodo de momentos ideado por Chebyshev para ser resuelta.
n
S
El matemtico finlands Lindeberg fue ms all que Liapunov en 1922, al no pedir
la existencia de ningn momento salvo el de orden dos. Asi vio que la distribucin de
una suma de variables aleatorias, centradas en sus esperanzas y normadas por la raz
cuadrada de la suma de sus varianzas converge a una distribucin normal estndar si se
cumple 0 > t 0 ) ( ) (
1
1
2
=

>
x dF a x
B
n k
B a x
k
x n
n k
L

. Ms tarde en 1942, William
Feller se dio cuenta de que la condicin de Lindeberg era necesaria adems de
suficiente, resultado al que tambin lleg de manera independiente Paul Levy
(1886-1971).

Escuelas del siglo XX :

Durante la ltima parte del siglo XIX y ya sobre todo en el siglo XX, tuvo lugar la
creacin de diferentes escuelas y tendencias dedicadas al estudio de la matemtica en el
campo de la peora de la probabilidad en particular. Las ms importantes fueron:

-La escuela rusa:

Los matemticos rusos dominaron todas las reas relativas al clculo de
probabilidades y a la estadstica durante la segunda mitad del siglo XIX y ya en el siglo
XX formaron una escuela dirigida principalmente por Andrei N.Kolmogorov (1903-
1987) y Khinchine. Los precursores de esta escuela de conocimiento fueron
Chebyshev, Markov y Liapunov entre otros, pero fue Kolmogorov el mximo
exponente de este movimiento.
Kolmogorov naci en Tambor. Su madre muri en el parto y su padre era un
cualificado agrnomo y estadstico. Realiz su primer trabajo evaluando los
estudios sobre probabilidades efectuados entre los siglos XV y XVI, apoyndose en los
trabajos de Bayes. En 1924 comenz su inters en la teora de la probabilidad, la cual lo
consagr. En 1927 haba completado sus investigaciones sobre suficiencia y
condiciones necesarias de la ley dbil de los grandes nmeros, comenzada por J.
Bernoulli. En 1930 se hace eco de la ley Fuerte de los Grandes Nmeros de Cantelli, y
trabaja para mejorarla y generalizarla. El ao anterior haba publicado "La Teora
General de la Medida y el Clculo de Probabilidades". En 1950 complet uno de los
trabajos ms importantes en Estadstica "Estimadores Insesgados". Kolmogorov dio
solucin a una parte del sexto problema de Hilbert, en el que se peda un fundamento
17
axiomtico de la teora de probabilidades, utilizando la medida de Lebesgue. Este fue el
comienzo del aporte ms importante que Kolmogorov hizo a la teora del clculo de
probabilidades, o al menos por el que ms se le conoce y del que hablaremos
posteriormente: la axiomatizacin de la probabilidad.

-La escuela estadounidense:

Los principales exponentes de la escuela estadounidense especializada en la rama de
la probabilidad son Feller y Doob, aunque el iniciador de este movimiento fue Nortber
Wiener (1894-1964) quien desarroll una medida de las probabilidades para conjuntos
de trayectorias que no son diferenciables en ningn punto, asociando una probabilidad a
cada conjunto de trayectorias. Construy as una probabilidad que permita describir el
fenmeno en trminos matemticos en lo que se refera a la trayectoria y posicin de las
partculas a travs del tiempo. Aport ejemplos de cmo aplicar el estudio de las
probabilidades al desarrollo y progresos de la ciencia.
Por otra parte William Feller se hizo conocido por sus numerosos estudios acerca
del Teorema Central del Limite y por su impecable demostracin de que la condicin de
Lindeberg era necesaria adems de suficiente.

-La escuela francesa:

Esta escuela se form con Meyer y su grupo de Estrasburgo y tambin con Nevev y
Fortret de Pars, aunque sin duda resalta por encima de todos la figura de Paul Levy.
Los estudios ms importantes referidos a este movimiento se llevaron a cabo en la
universidad de Pars, en la que por ejemplo un grupo de matemticos encabezados por
Laurent Schuwartz generalizaron el concepto de diferenciacin utilizando la teora de
distribuciones.Esta aportacin fue de vital importancia, ya que en la actualidad no es
posible dar explicaciones rigurosas de probabilidad sin utilizar estos conceptos. La
innovacin y mtodos de la escuela francesa influy de manera decisiva en las dos
escuelas anteriores.

Kolmogorov y la axiomatizacin de la probabilidad:

Alrededor de 1909, Borel ya consider la importancia de la teora general de la
medida para la construccin de ciertos pilares y fundamentos de la teora de la
probabilidad, pero no fue hasta el ao 1933 cuando Kolmogorov se propuso construir
una teora de la probabilidad totalmente rigurosa basada en axiomas fundamentales.
La construccin axiomtica de la teora de la probabilidad procede de las
propiedades fundamentales de la probabilidad observadas en los ejemplos que ilustran
las definiciones clsica y frecuentista. As, la definicin axiomtica las incluye como
casos particulares y supera las carencias de ambas.
De esta manera, la probabilidad pudo desarrollarse como un teora completamente
lgica al mismo tiempo que sigui permitiendo resolver los problemas aplicados de la
ciencias modernas y la tecnologa.
La definicin axiomtica da una equivalencia entre los conceptos de la teora de la
medida y los de la teora de la probabilidad. Se toma un conjunto de medida 1, ,
cuyos elementos son sucesos elementales y se considera una lgebra A, un
subconjunto de que satisface que incluye a y a , que es cerrado por
18
complementacin y por uniones numerables. Luego se define una funcin P que asigna
a un suceso un nmero entre 0 y 1 (su medida). As, la terna (, A, P) se convierte en
un espacio de probabilidades. No obstante, la teora de la probabilidad y la de la medida
permanecen perfectamente diferenciadas, ya que la segunda carece de algo necesario en
la primera; la independencia de variables aleatorias.

Los axiomas de Kolmogorov que definen la probabilidad son los siguientes:

1. Para cada suceso aleatorio B hay asociado un nmero nonegativo P(B) que se llama
su probabilidad.
2. P()=1
3. Si los sucesos son mutuamente excluyentes dos a dos, entonces,
n
B B B ,...., ,
2 1
) ( .... ) ( ) ( ) .... (
2 1 2 1 n n
B P B P B P B B B P + + + = + + +
Del hecho de que = y el axioma 3 se deduce que P() = P() P() ,
y de esto se deduce la siguiente serie de resultados destacados:

P() = 0

B , P(
c
B )= 1 P(B)

B, 0 P(B) 1

B P(B) P(C) C

) ( ) ( ) ( ) ( C B P C P B P C B P + =

) ( ) .... (
1
1
=

n
j
j n
B P B B P
Vemos que de los tres axiomas fundamentales de Kolmogorov se deducen la
mayora de las propiedades fundamentales de la probabilidad que conocemos y
manejamos hoy en da. Adems estos axiomas tienen la ventaja de que son consistentes,
ya que existen objetos reales que los satisfacen y, por lo tanto, concretan la matemtica
en el nuestra vida.

19

TRATAMIENTO Y
COMENTARIO DE
UN
TEXTO ORIGINAL

20
LA PROBABILIDAD EN LAPLACE

1. Introduccin:

El texto comentado a continuacin
es un fragmento de la obra Essai
philosophique sur les probabilits del
matemtico Pierre Simon Laplace
(1749-1827).
Este francs fue conocido por su
curiosidad universal que le llev a
indagar en casi todas las reas del
conocimiento, logrando sus ms
exitosos resultados tanto en mecnica
celeste como en la teora de las
probabilidades, de la que trata este
ensayo.
Gracias a sus trabajos, la teora
anterior sobre los juegos de azar se
convirti en la rama del anlisis
conocido con el nombre de clculo o
teora de las probabilidades, que
incorpor a su dominio temas
pertenecientes a diferentes campos
como astronoma, demografa y
filosofa.
Este libro es el desarrollo de unas
clases dadas en 1795 en las Escuelas
Normales de Pars y se propone situar
resultados generales de la teora de la
probabilidad.
al alcance de los no matemticos los principios y

En la imagen podemos observar la portada original del libro del que, a continuacin
pasaremos a comentar algunos fragmentos.

2. Metodologa

La parte seleccionada corresponde a la introduccin del libro, en la que Laplace
presenta los principios y fundamentos de la probabilidad y el cmo y el por qu se
interesa por esta rama de las matemticas.
El texto original se sita en la columna de la izquierda y la traduccin simultnea a
la derecha para facilitar la lectura. Antes de cada fragmento e intercaladamente se irn
haciendo comentarios acerca del contenido y el trasfondo del texto.

21

3. Traduccin y comentario del texto seleccionado

-Justificacin de la Laplace sobre por qu escribe el Essai philosophique sur les
probabilits:

En este primer fragmento, Pierre Simon Laplace realiza una breve explicacin de
cmo se le ocurri la idea de hacer un ensayo para hablar acerca de la probabilidad.
Explica que ha publicado otra obra ( Theorie analytique des Probabilits) en la que
expone un amplio curso de probabilidad, pero que en este libro no se servir de
resultados matemticos sino que intentar acercarnos la probabilidad aplicndola a los
problemas de la vida.
Laplace muestra, sorprendentemente y desde el principio, una concepcin
probabilstica del entendimiento frente a su ya conocido determinismo, que quedar
totalmente plasmada en los prximos prrafos.

Este Ensayo filosfico del desarrollo de
una leccin que di en 1795 sobre las
probabilidades en las Escuelas Normales,
de las que fui designado profesor y que
apareci en el Journal de las sesiones de
dichas escuelas. Poco despus he publicado
sobre este mismo tema una obra que lleva
por titulo Thorie analytique des
Probabilits. Lo que aqu voy a hacer es
exponer, sin el auxilio del anlisis, los
principios y resultados generales de esta
teora, aplicndolos a los problemas ms
importantes de la vida, la mayor parte de
los cuales no son sino problemas de
probabilidad. Se ver, no sin inters, que
aun cuando los principios eternos de la
razn, la justicia y la humanidad, slo se
consideren las probabilidades favorables
que constantemente les acompaan, tiene
una gran ventaja el seguirlos y graves
inconvenientes en apartarse de ellos por la
razn de que dichas probabilidades, lo
mismo que las que resultan agraciadas en
las loteras, acaban siempre por prevalecer
en medio de las oscilaciones del azar. Me
gustara que las reflexiones diseminadas por
este Ensayo fuesen merecedoras de la
atencin de los filsofos y lograran dirigirla
hacia un objeto tan digno de sus desvelos.
22

- Determinismo e inters por la probabilidad en Laplace:

Entre estas lneas se encuentra quizs una de las ms clebres frases de Laplace:

Una inteligencia que, en un momento determinado, conociera todas la fuerzas que
animan la naturaleza, as como la situacin respectiva de los seres que la componen, si
adems fuera lo suficientemente amplia como para someter a anlisis tales datos, podra
abarcar en una sola frmula los movimientos de los cuerpos ms grandes del universo y
los del tomo ms ligero; nada le resultara incierto y tanto el futuro como el pasado
estaran presentes a sus ojos.

Este bellsimo pasaje muestra el claro carcter determinista de Laplace, que
extrapola a todos los fenmenos naturales el determinismo de la mecnica clsica. Por
tanto la pregunta que nos hacemos es: cmo un cientfico de la poca ilustrada con
marcadas tendencias deterministas se interesa por una rama tan antideterminista y
aleatoria como la probabilidad? La respuesta podemos encontrarla justo a continuacin,
en el siguiente prrafo:

El espritu humano ofrece, en la perfeccin que ha sabido dar a la astronoma, un
dbil esbozo de esta inteligencia. Sus descubrimientos en mecnica y geometra le han
puesto en condiciones de abarcar en las mismas expresiones analticas los estados
pasados y futuros del sistema del mundoTodos los esfuerzos por buscar la verdad
tienden a aproximarlo continuamente a la inteligencia que acabamos de imaginar, pero
de la que siempre permanecer infinitamente alejado.

He aqu, por tanto, la razn que lleva a Laplace a interesarse tan profundamente por
la probabilidad. Y es que l, al lado de una firme concepcin determinista acerca de la
naturaleza humana, conocida por todos los que le rodeaban y por nosotros en la
actualidad, mantuvo la conviccin de que la posibilidad del hombre de alcanzar la
certeza absoluta est completamente cerrada, y que lo ms que puede aspirar a alcanzar
es el conocimiento meramente probable. Este firme pensamiento es el que le lleva a
emprender sus estudios sobre probabilidad.

23

De la Probabilidad
Todos los acontecimientos, incluso aquellos
que por su insignificancia parecen no
atenerse a las grandes leyes de la
naturaleza, no son sino una secuencia tan
necesaria como las revoluciones del sol. Al
ignorar los lazos que los unen al sistema
total del universo, se los ha hecho depender
de causas finales o del azar, segn que
ocurrieran o se sucedieran con regularidad
o sin orden aparente, pero estas causas
imaginarias han ido siendo descartadas a
medida que se han ido ampliando las
fronteras de nuestro conocimiento, y
desaparecen por completo ante la sana
filosofa que no ve en ellas ms que una
expresin de nuestra ignorancia de las
verdaderas causas.
Los acontecimientos actuales mantienen
con los que les preceden una relacin
basada en el principio evidente de que una
cosa no puede comenzar a existir sin una
causa que la produzca. Este axioma,
conocido con el nombre de principio de
razn suficiente, se extiende incluso a las
acciones ms indiferentes. La voluntad ms
libre no puede producirlas sin un motivo
determinante, pues si, siendo absolutamente
iguales todas las circunstancias de dos
situaciones, actuara en una y dejara de
hacerlo en la otra, su eleccin sera un
efecto sin causa y ella sera entonces, como
dice Leibniz, el azar ciego de los epicreos.
La opinin contraria es una ilusin del
espritu que, perdiendo de vista las fugaces
razones de la eleccin de la voluntad en las
cosas indiferentes, se persuade de que ella
se ha determinado por s misma, y sin estar
motivada por nada.
As pues, hemos de considerar el estado
actual del universo como el efecto de su
estado anterior y como la causa del que ha
de seguirle. Una inteligencia que, en un
momento determinado, conociera todas la
fuerzas que animan la naturaleza, as como
la situacin respectiva de los seres que la
componen, si adems fuera lo
suficientemente amplia como para someter
a anlisis tales datos, podra abarcar en una
sola frmula los movimientos de los
cuerpos ms grandes del universo y los del
tomo ms ligero; nada le resultara incierto
y tanto el futuro como el pasado estaran
presentes a sus ojos. El espritu humano
ofrece, en la perfeccin que ha sabido dar a
24

la astronoma, un dbil esbozo de esta
inteligencia. Sus descubrimientos en
mecnica y geometra le han puesto en
condiciones de abarcar en las mismas
expresiones analticas los estados pasados y
futuros del sistema del mundo. Aplicando el
mismo mtodo a algunos otros objetos de
su conocimiento, ha logrado reducir a leyes
generales los fenmenos observados y a
prever aquellos otros que deben producirse
en ciertas circunstancias. Todos los
esfuerzos por buscar la verdad tienden a
aproximarlo continuamente a la inteligencia
que acabamos de imaginar, pero de la que
siempre permanecer infinitamente alejado.
Esta tendencia, propia de la especie
humana, es la que la hace superior a los
animales, y sus progresos en este mbito, lo
que distingue a las naciones y los siglos y
cimenta su verdadera gloria.

- Definicin de probabilidad:

En el siguiente fragmento del texto es donde tenemos una clara formulacin de la
definicin de probabilidad:

La teora del azar consiste en () determinar el nmero de casos favorables al
acontecimiento cuya probabilidad de busca. La proporcin entre este nmero y el de
todos los casos posibles es la medida de esta probabilidad, que no es, pues, ms que una
fraccin cuyo numerador es el nmero de casos favorables y cuyo denominador el de
todos los posibles

Esta definicin ha sido fundamental para el desarrollo de la probabilidad durante
ms de dos siglos, hasta que en la primera mitad del siglo XX, Kolmogorov extendi el
concepto introduciendo la probabilidad axiomtica.

La vigencia de este y otros conceptos formulados por Laplace dan una idea de la
universalidad de los estudios realizados por el francs y su importancia a lo largo de la
historia.

25

La probabilidad es relativa en parte a
esta ignorancia y en parte a nuestros
conocimientos. Sabemos que de tres o ms
acontecimientos slo debe ocurrir uno, pero
nada induce a creer que ocurrir uno de
ellos ms bien que los otros. En este estado
de indecisin nos resulta imposible
pronunciarnos con certeza sobre su
acaecimiento. Sin embargo, es probable que
uno de estos acontecimientos, tomado
arbitrariamente, no acaezca, pues vemos
varios casos iguales de posibles que
excluyen su acaecimiento, mientras que
slo uno lo favorece.
La teora del azar consiste en reducir
todos los acontecimientos del mismo tipo a
un cierto nmero de casos igualmente
posibles, es decir, tales que estemos igual
de indecisos respecto a su existencia, y en
determinar el nmero de casos favorables al
acontecimiento cuya probabilidad se busca.
La proporcin entre este nmero y el de
todos los casos posibles es la medida de
esta probabilidad, que no es, pues, ms que
una fraccin cuyo numerador es el nmero
de casos favorables y cuyo denominador el
de todos los posibles.

- Crtica a la astrologa y elogio a las ideas ilustradas:

Por ltimo, en estos prrafos Laplace critica la manera de pensar de la poca, sus
fuentes de conocimiento y la educacin. Pone el ejemplo de la astrologa, contra la que
a lo largo de toda su vida arremete duramente, y critica que tanto sta como otras
enseanzas son inculcadas desde la infancia en base nicamente a creencias universales
arraigadas entre la poblacin y sin ningn fundamento cientfico. Tambin cree que con
la llegada de las nuevas ideas ilustradas eso va a cambiar y comenta que la tarea de
educar al pueblo debe reservarse a gente instruida, imparcial y crtica con la realidad
que les rodea.
Una vez aclarado este punto pasa a enumerar los principios generales del clculo de
probabilidades, ya conocidos por todos nosotros.


La propagacin de estos errores que, en
tiempos de ignorancia, han cubierto la faz
de la tierra, se debe a la influencia de la
opinin de aquellos que la muchedumbre
considera ms preparados y en quienes
suele depositar su confianza en lo que se
refiere a los asuntos ms importantes de la
vida. La astrologa nos ofrece un buen
ejemplo. Estos errores, inculcados en la
infancia, adoptados sin examen y sin otra
base que la creencia universal, se han
mantenido durante mucho tiempo, hasta
que por fin el progreso de las ciencias los
ha erradicado del espritu de los hombres
ilustrados, cuya opinin los ha hecho
desaparecer despus del pueblo mismo
gracias al poder de la imitacin y de la
costumbre que con tanta generosidad los
haba difundido. Este poder, el resorte ms
potente del mundo moral, establece y
preserva en toda una nacin ideas
enteramente contrarias a las que, con igual
dominio, mantiene en otro sitio. Qu
tolerancia no habr que tener hacia las
opiniones distintas de las nuestras, cuando
esta diferencia no depende generalmente de
otra cosa que los diferentes puntos de vista
en que las circunstancias nos han colocado!
Enseemos a los que no consideramos
suficientemente instruidos, pero no sin
antes examinar rigurosamente nuestras
propias opiniones y sopesar con
imparcialidad sus probabilidades
respectivas.
27

BIBLIOGRAFA

HISTORIA DE LA PROBABILIDAD:

LIBROS:

-De Groot, Morris H., Probabilidad y estadstica, Addison-Wesley Iberoam. 1988
-Cooke, Roger, The History of Mathematics.A brief course. John Wiley & Sons,1997
-Cramer, Elementos de la Teora de probabilidades y algunas de sus aplicaciones
(traduccin de Anselmo Calleja), Aguilar 1960
-Todhunter, Isaac, History of the theory of probability, Chelsea, 1965
-Gnedenko, Boris, Theory of probability. Gordon & Breach science publications,1997
-Gillispie, Dictionary of scientific biography, Charles Scribner's Sons, 1981

INTERNET:

- http://www-groups.dcs.st-and.ac.uk/-history/ (McTutor history of mathematics)
- http://www.arrakis.es/~mcj/prb019.htm (Solucin del problema del c.de Mer)
- http://www.sectormatematica.cl/biografias.htm (Breves apuntes biogrficos)
- http://kogi.udea.edu.co/revista/16/16-1-
11.pdf#search=%22historia%20de%20la%20probabilidad%22
(Ponencia breve acerca de la probabilidad)
- http://www.monografias.com/trabajos/renacim/renacim.shtml ( texto sobre el
renacimiento, usado para conocer la poca y contexto histrico)

TRATAMIENTO DE TEXTO ORIGINAL:

-Laplace, Pierre-Simon, Ensayo filosfico sobre las probabilidades, traduccin de
Pilar Castillo, Alianza editorial, 1985
- http://www.google.es/books?hl=es (Bsqueda de libros de google)

http://www.google.es/books?vid=OCLC01450686&id=kquzFVmtQ04C&pg=PA1&lpg
=PA1&dq=essai+laplace#PPP3,M1 (direccin exacta del libro)


29

30

31

32

PROBABILIDAD
(Seguro, posible, imposible,
probable e improbable)

Contexto:
En el colegio Nueva Nazaret se
Realiz una kerms familiar.Hubo
Diferentes entretenciones. El juego
que atrajo a ms personas fue
la ruleta de colores.

Conversemos:
Qu color es ms probable que
acierte Martina?
Es posible que acierte en el
color blanco? Justifica.
Si las cuatro partes de la ruleta
fueran rojas acertar con
seguridad? Por qu?
Probalilidad es:
Referirnos a la posibilidad de ocurrencia
de un evento, y pueden ser:
Situacin
que
siempre
Ocurrir.
Bullet 1
Bullet 2
Bullet 3

Evento
que
puede y
no
ocurrir
Situacin
que
nunca
ocurrir
Seguro
Posible Imposible
Referirnos a la posibilidad de ocurrencia
de un evento, y pueden ser:
Probalilidad
(Probable impobable)
Sntesis
Probabilidad:

Imposible Posible Seguro
Sntesis
Probabilidad:
Obtener un nmero menor que 6
(ms probable)
Obtener un nmero par
(menos probable)
Obtener el 1 (igualmente probable)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA
PROTOCOLO ACADEMICO DEL CURSO: 100402 PROBABILIDAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ESCUELA DE CIENCIAS BASICAS, TECNOLOGA E INGENIERA
UNIDAD DE CIENCIAS BSICAS

100402 PROBABILIDAD
ADRIANA MORALES ROBAYO
(Director Nacional)

DANNYS BRITO ROSADO
Acreditador

PROTOCOLO DEL CURSO

BOGOT D.C.
2010

ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

El presente protocolo acadmico fue diseado en el ao 2007 por la
Estadstica ADRIANA MORALES ROBAYO, Tutora de la UNAD, ubicada en el
CEAD Jos Acevedo y Gmez en Bogot D.C. La Tutora Morales es Estadstica
de la Universidad Nacional de Colombia y Especialista en Educacin superior a
Distancia de la UNAD. Se ha desempeado como tutora de la UNAD desde el ao
2005 y actualmente es la directora del curso de Probabilidad a nivel nacional,
tambin ha sido catedrtica de otras Universidades de Bogot.

En el ao (2009) el Estadstico DANNYS BRITO ROSADO, tutor del CEAD
La Guajira, apoy el proceso de revisin de estilo del protocolo acadmico del
curso dando aportes disciplinares, didcticos y pedaggicos en el proceso de
acreditacin de material didctico desarrollado en el ao 2009.

Este documento se puede copiar, distribuir y comunicar pblicamente bajo
las condiciones siguientes:

Reconocimiento. Debe reconocer los crditos de la obra de la manera
especificada por el autor o el licenciador (pero no de una manera que
sugiera que tiene su apoyo o apoyan el uso que hace de su obra).
No comercial. No puede utilizar esta obra para fines comerciales.
Sin obras derivadas. No se puede alterar, transformar o generar una obra
derivada a partir de esta obra.
Al reutilizar o distribuir la obra, tiene que dejar bien claro los trminos de la
licencia de esta obra.
Alguna de estas condiciones puede no aplicarse si se obtiene el permiso del
titular de los derechos de autor
Nada en esta menoscaba o restringe los derechos morales del autor.


TABLA DE CONTENIDO

1. IDENTIFICACIN DEL CURSO

2. INTRODUCCIN

3. JUSTIFICACIN

4. INTENCIONALIDADES FORMATIVAS
4.1 Propsitos
4.2 Objetivos
4.3 Competencias
4.4 Metas

5. UNIDADES DIDCTICAS

6. MAPA CONCEPTUAL

7. CONTEXTO TERICO

8. METODOLOGA

9. SISTEMA DE EVALUACIN

10. GLOSARIO DE TRMINOS

11. FUENTES DOCUMENTALES
11.1 Bibliografa
11.2 Cibergrafa


1. IDENTIFICACIN DEL CURSO

FICHA TCNICA
Nombre del curso:
Probabilidad
Cdigo del curso:
100402
Palabras claves:
Tcnicas de conteo, espacio muestral, eventos
probabilsticos, axiomas de probabilidad, probabilidad
condicional, teorema de Bayes, variables aleatorias, valor
esperado, distribuciones de probabilidad discreta,
distribuciones de probabilidad continua.
Institucin:
Universidad Nacional Abierta y a Distancia UNAD
Ciudad: Bogot D.C. Colombia.
Autor del Protocolo: Adriana Morales Robayo.
adriana.morales@unad.edu.co
Actualizacin:
Dannys Brito Rosado
Ao: 2009
Unidad Acadmica: Unidad de Ciencias Bsicas, ECBTI
Campo de formacin:
Bsica Disciplinar
rea del conocimiento:
Matemticas
Crditos acadmicos:
Dos (2), correspondiente a 96 horas de trabajo
acadmico: 70 horas promedio de estudio independiente
y 26 horas promedio de seguimiento tutorial.
Tipo de curso:
Terico, en tanto que busca la identificacin y
reconocimiento de las problemticas, perspectivas
tericas, conceptos, categoras mtodos y tcnicas
indispensables para la formacin profesional.
Destinatarios:
Estudiantes de los programas de pregrado de la
Universidad Nacional Abierta y a Distancia.
Competencias generales de
aprendizaje:
1. El estudiante identifica, apropia y usa los distintos
conceptos, fundamentos y mtodos de la Probabilidad en
ejercicios prcticos enmarcados en situaciones y
fenmenos reales de acuerdo a la disciplina desarrollada.
2. El estudiante comprende, selecciona y aplica las
distintas tcnicas estadsticas de la Probabilidad, a travs
del anlisis de informacin tomada de una investigacin
propia de su disciplina.
Metodologa de oferta: Sistema tradicional y virtual.
Formato de circulacin: Documentos impresos en papel con apoyo en Web, CD
ROM, Campus Virtual.
Denominacin de las
unidades didcticas:
1. Principios de probabilidad.
2. Variables aleatorias y Distribuciones de
probabilidad.


2. INTRODUCCIN

El curso acadmico de Probabilidad hace parte de la formacin bsica
disciplinar de los programas que ofertan las Escuelas de Ciencias Bsicas e
Ingeniera, Ciencias Agrarias, Ciencias Humanas y Ciencias Administrativas, de la
Universidad Nacional Abierta y a Distancia UNAD. Consta de dos (2) crditos
acadmicos, el sistema adoptado por la UNAD como estndar curricular en la
formacin universitaria, y es de tipo terico, en tanto que busca la identificacin y
el reconocimiento de las problemticas, perspectivas tericas, conceptos,
categoras, mtodos y tcnicas indispensables para la formacin profesional.

El curso busca que el estudiante identifique, apropie y use los conceptos,
fundamentos y mtodos de la Probabilidad en ejercicios prcticos enmarcados en
situaciones y fenmenos reales de acuerdo a su disciplina, al mismo tiempo que
comprende, selecciona y aplica las distintas tcnicas estadsticas de la
Probabilidad.

La vida del ser humano est rodeada continuamente por situaciones aleatorias,
sera un error pensar que se vive en un mundo determinista; muy por el contrario,
la incertidumbre siempre est presente. El ser humano, de una manera intuitiva,
desarrolla un conocimiento bsico sobre temas derivados de esa incertidumbre
como lo son: el azar, la aleatoriedad y la probabilidad. Los fenmenos aleatorios
estn siempre presentes en cada aspecto de su vida, en los cuales debe tomar
decisiones sin tener seguridad absoluta de los resultados que ellas puedan arrojar.
Sin embargo, por lo continuo de su presencia, todo individuo se va formando una
idea acerca de lo que es la incertidumbre, el azar y la probabilidad de que ocurra
uno u otro fenmeno. De ah que se vea la importancia de conocer a profundidad
las caractersticas de ciertos fenmenos cotidianos que el ser humano vive,
comprender los mtodos probabilsticos ms comnmente usados y con ellos
llegar a tomar las decisiones ms apropiadas.

Este curso consta de dos unidades didcticas
1
, correlacionadas directamente
con el nmero de crditos acadmicos asignados. La primera de ellas, considera
los Principios de Probabilidad necesarios para el cumplimiento de los propsitos y
objetivos del curso. En esta unidad se recuerdan algunos conceptos bsicos de
las tcnicas de conteo: permutaciones, variaciones y combinaciones; se identifican
conceptos sobre espacios muestrales y eventos, se identifican las propiedades
bsicas de la probabilidad como las reglas de adicin y multiplicacin, la

1
Conjunto de conocimientos seleccionados, organizados y desarrollados a partir de palabras clave tomados
como conceptos que los tipifican, en articulacin con las intencionalidades formativas, destinadas a potenciar
y hacer efectivo el aprendizaje mediante el desarrollo de operaciones, modificaciones y actualizaciones
cognitivas y nuevas actuaciones o competencias por parte del estudiante. EL MATERIAL DIDCTICO.
Roberto J. Salazar Ramos. UNAD, Bogot D.C. 2004.
probabilidad condicional y el teorema de Bayes; y, finalmente, se establece la
diferencia entre variables aleatorias discretas y continuas, en trminos de su
funcin de probabilidad, valor esperado, esperanza y desviacin estndar. En la
segunda unidad didctica, se reconocen algunas de las distribuciones de
probabilidad ms comunes, tanto las discretas como las continuas. Entre las
primeras se contemplan la uniforme discreta, binomial, geomtrica, binomial
negativa, hipergeomtrica y la distribucin de Poisson y, como distribuciones de
probabilidad continua, se trabajan la uniforme continua, normal, exponencial,
Weibull, Erlang, Gamma, Ji-cuadrada, t-student y F de Fisher.

El curso de Probabilidad busca dotar al estudiante de las herramientas
probabilsticas bsicas para el estudio de fenmenos propios de su disciplina de
formacin y del entorno social, econmico y poltico en que se desenvuelve, cuya
evolucin temporal o espacial depende del azar, y apunta a que el estudiante tome
decisiones ms objetivas frente a dichos fenmenos.

La metodologa a seguir ser bajo la estrategia de educacin a distancia a
travs del uso de mediaciones tecnolgicas, estudio independiente y encuentros
tutoriales, que permitirn la medicin de las metas alcanzadas. Por tal razn, es
importante planificar el proceso de estudio independiente, que se desarrolla a
travs del trabajo personal y en pequeos grupos colaborativos de aprendizaje y el
acompaamiento tutorial, correspondiente al acompaamiento que el tutor realiza
al estudiante para potenciar el aprendizaje y la formacin.

En la evaluacin se privilegian las tcnicas auto, co y heteroevaluativas.

Autoevaluacin: evaluacin que realiza el estudiante para valorar su propio
proceso de aprendizaje.
Coevaluacin: se realiza a travs de los grupos colaborativos, y pretende la
socializacin de los resultados del trabajo personal.
Heteroevaluacin: Es la valoracin que realiza el tutor y tiene como objetivo
examinar y calificar el desempeo competente del estudiante.

Se exigir el uso del portafolio de desempeo personal en donde se tendrn
los registros del trabajo cognitivo como ejercicios prcticos, investigaciones,
pequeas evaluaciones, autoevaluaciones, entre otros.

El sistema de interactividades vincula a los actores del proceso mediante
diversas actividades de aprendizaje que orientan el trabajo de los estudiantes
hacia el logro de los objetivos que se pretenden de la siguiente manera:

Tutor-estudiante: a travs del acompaamiento individual.
Estudiante-estudiante: mediante la participacin activa en los grupos
colaborativos de aprendizaje.
Estudiantes-tutor: a travs del acompaamiento a los pequeos grupos
Tutor-estudiantes: mediante el acompaamiento en grupo de curso.
Estudiantes-estudiantes: en los procesos de socializacin que se realizan en
el grupo de curso.

Las mediaciones tecnolgicas recomendadas para el desarrollo del curso,
buscan la interlocucin entre los actores durante todo el proceso de aprendizaje;
ellas son:

Los materiales impresos en papel, bien sea el Mdulo o las diferentes
referencias bibliogrficas recomendadas en la Gua de Actividades o por el
tutor a cargo del curso.
Sitios Web recomendados, que propician el acercamiento al conocimiento, la
interaccin y la produccin de nuevas dinmicas educativas.
Sistemas de interactividades sincrnicas: permite la comunicacin a travs de
encuentros presenciales directos o de encuentros mediados (chat,
audioconferencias, videoconferencias, tutoras telefnicas, etc.)
Sistemas de interactividades asincrnicas: permite la comunicacin en forma
diferida favoreciendo la disposicin del tiempo del estudiante para su proceso
de aprendizaje, mediante la utilizacin de correo electrnico, foros, grupos de
discusin, entre otros.

Acorde con lo expuesto, el curso de Estadstica Compleja presenta un enfoque
transversal, debido a que es trabajado por distintas disciplinas, enriqueciendo as
la posibilidad de interactuar con un mismo lenguaje y en distintos entornos.
Presenta adems, una metodologa clara de estudio, basada en la estrategia de la
educacin a distancia. Es pues, una invitacin al estudiante de la UNAD para que
interiorice y aplique los puntos abordados anteriormente, y logre as los propsitos
trazados en este curso y los lleve a su prctica profesional.

3. JUSTIFICACIN

La Estadstica es una disciplina que se aplica en todos los campos de la
actividad del ser humano. Es muy frecuente encontrarse en las diferentes
disciplinas del saber con incertidumbres como el pronosticar el crecimiento
poblacional de un pas, el crecimiento econmico de una empresa o el crecimiento
de produccin y venta de un producto especfico, el conocer la efectividad de
diferentes abonos en el campo agrario, el determinar la tendencia de
contaminacin del agua o el aire, la clasificacin de personal en una empresa para
efectos de una buena y sana poltica laboral, etc.

El propsito de la Estadstica es el de sacar conclusiones de una poblacin
en estudio, examinando solamente una parte de ella denominada muestra. Este
proceso, llamado Inferencia Estadstica, suele venir precedido de otro: la
Estadstica Descriptiva, en el que los datos son ordenados, resumidos y
clasificados con objeto de tener una visin ms precisa y conjunta de las
observaciones. Pero este proceso es slo el principio de los anlisis. Para obtener
conclusiones vlidas y hacer predicciones correctas acerca de una poblacin a
travs de la observacin de una muestra, debe recurrirse a mtodos de Inferencia
Estadstica que implican el uso de la teora de probabilidades.

El conocimiento de la Probabilidad constituye la base que permite
comprender la forma en que se desarrollan las tcnicas de la Inferencia
Estadstica y la toma de decisiones, en otras palabras, es el lenguaje y la
fundamentacin matemtica de la Inferencia Estadstica.

La incertidumbre y el azar hacen parte de la cotidianidad del hombre. Los
fenmenos aleatorios estn siempre presentes en cada aspecto de su vida, en los
cuales debe tomar decisiones sin tener seguridad absoluta de los resultados que
ellas puedan arrojar. Sin embargo, por lo continuo de su presencia, todo individuo
se va formando una idea acerca de lo que es la incertidumbre, el azar y la
probabilidad de que ocurra uno u otro fenmeno. Sin embargo, para expresar el
grado de ella en trminos numricos en vez de usar algo vago, de poca exactitud,
es necesario conocer las reglas y operaciones de la Probabilidad. Es por ello que
con este curso se pretende que el estudiante identifique, se apropie y use los
conceptos, fundamentos y mtodos de la Probabilidad, a travs del anlisis de
fenmenos enmarcados en una prctica propia de su disciplina y que comprenda,
seleccione y aplique sus distintas tcnicas.

El curso de Probabilidad, programado como curso acadmico bsico
comn entre los diferentes programas que oferta la UNAD, busca fomentar en el
alumno la capacidad de reconocer y establecer modelos apropiados para describir
fenmenos aleatorios que surgen en sus reas de especialidad; apunta a que el
estudiante reconozca que la Estadstica proporciona las herramientas necesarias
para hacer inferencias sobre un todo (poblacin) en base a los datos recopilados
en slo unos cuantos elementos observados de la poblacin (muestra) y que la
Probabilidad aporta los elementos de validacin de los mtodos estadsticos.

En este curso se introducen los conceptos bsicos de la Probabilidad y se
manejan las distribuciones de probabilidad ms conocidas. En el desarrollo del
curso se procurar que los estudiantes trabajen con ejemplos de casos reales, de
preferencia propuestos por ellos y se emplear la hoja de clculo para realizar
procesos que involucran grandes volmenes de informacin.

La estrategia metodolgica de aprendizaje de la educacin a distancia se
realiza mediante el estudio independiente y el acompaamiento tutorial, a travs
de mediaciones tecnolgicas, que permitan la medicin de las metas alcanzadas.
Por tal razn, es importante planificar el proceso de estudio independiente, que se
desarrolla a travs del trabajo personal y en pequeos grupos colaborativos de
aprendizaje y el acompaamiento tutorial, correspondiente al acompaamiento
que el tutor realiza al estudiante para potenciar el aprendizaje y la formacin. Debe
tenerse en cuenta que este proceso es cclico toda vez que el estudiante as lo
requiera; por tanto, es importante que al final de cada proceso, ste realice una
retroalimentacin y autoevaluacin: estudiando nuevamente el tema, teniendo en
cuenta las sugerencias del tutor en su acompaamiento, y efectuando
constantemente evaluacin del tema estudiado por medio de ejercicios de
aplicacin, definicin de conceptos, etc.

Bajo el sistema de auto, co y heteroevaluacin, se lleva a cabo el
seguimiento del estudiante con el apoyo y acompaamiento del tutor, quien
establece los momentos de entrega de material evaluable como el portafolio de
actividades, trabajos escritos, exposiciones, investigaciones o evaluaciones
escritas, entre otras, para determinar sus avances y logros. El curso contempla
una evaluacin final nacional del 40% y el 60% restante corresponde al
seguimiento que se efecta a lo largo del semestre.

El estudiante inicia el curso con los conocimientos bsicos de la Estadstica
Descriptiva, requisitos mnimos para llevar con xito las intencionalidades
formativas trazadas. Adems de una actitud abierta frente a los temas que el curso
promete y que permitirn llevar a la prctica propia de su disciplina


4. INTENCIONALIDADES FORMATIVAS

4.1. Propsitos

Contribuir al estudiante en el desarrollo de habilidades para el anlisis de
eventos cuantificables, mediante el uso sistemtico de conceptos, fundamentos
y mtodos de la Probabilidad.
Proporcionar a los estudiantes criterios que les permitan comprender,
seleccionar y aplicar tcnicas probabilsticas durante el anlisis de problemas
especficos relacionados con su rea de formacin.

4.2. Objetivos

General:
Que el estudiante comprenda los principios y aplicaciones que tiene la
Probabilidad en los diferentes campos del saber.

Especfico:
Que el estudiante identifique y lleve a la prctica los conceptos, fundamentos y
mtodos de la Probabilidad en cualquier tipo de informacin recopilada de su
disciplina formativa.
Que el estudiante aplique la teora de la Probabilidad para la interpretacin de
diferentes eventos que ocurran en experimentos aleatorios de su prctica
formativa.

4.3. Competencias

El estudiante identifica, apropia y usa los distintos conceptos, fundamentos y
mtodos de la Probabilidad en ejercicios prcticos enmarcados en situaciones
y fenmenos reales de acuerdo a la disciplina desarrollada.
El estudiante comprende, selecciona y aplica las distintas tcnicas estadsticas
de la Probabilidad, a travs del anlisis de informacin tomada de una
investigacin propia de su disciplina.


4.4. Metas

Al terminar el curso de Probabilidad, el estudiante:
Pondr a prueba la apropiacin de los elementos tericos de la Probabilidad
mediante el anlisis de fenmenos variables cuantitativos, propios de su
disciplina.
Realizar el seguimiento probabilstico de un fenmeno real, identificando y
seleccionando los elementos estadsticos y de probabilidad que los lleven al
correcto planteamiento de la dinmica del fenmeno


5. UNIDADES DIDCTICAS

El curso es de dos crditos, por lo cual se encuentra dividido en dos unidades
didcticas compuestas por tres captulos cada una. Cada capitulo presenta cinco
lecciones y ejercicios relacionados con las temticas tratadas. Igualmente, por
cada unidad se presenta una autoevaluacin que le permite al estudiante evaluar
su grado de avance.

Es necesario recalcar que para un buen avance en el desarrollo del curso es
importante retomar y tener claros conceptos analizados en el curso de Estadstica
Descriptiva, tales como el concepto de variable discreta, continua, medidas
estadsticas de tendencia central y de variabilidad.

A continuacin se presenta la estructura del curso por unidades:

UNIDAD UNO: PRINCIPIOS DE PROBABILIDAD

CAPITULO 1: EXPERIMENTO ALEATORIO, ESPACIOS MUESTRALES Y
EVENTOS
Leccin 1 Definicin de experimento aleatorio
Leccin 2 Definicin de espacio muestral
Leccin 3 Sucesos o eventos.
Leccin 4 Operaciones con eventos
Leccin 5 Diagramas de Venn y diagramas de rbol

CAPITULO 2: TCNICAS DE CONTEO
Leccin 6 Principio fundamental del conteo
Leccin 7 Factorial de un nmero
Leccin 8 Permutaciones y variaciones
Leccin 9 Combinaciones
Leccin 10 Regla del exponente

CAPTULO 3: PROPIEDADES BSICAS DE LA PROBABILIDAD
Leccin 11: Interpretaciones de la probabilidad
Leccin 12: Axiomas de probabilidad: regla de la adicin
Leccin 13 Axiomas de probabilidad: regla de la multiplicacin
Leccin 14 Probabilidad condicional
Leccin 15 Probabilidad total y teorema de bayes

UNIDAD DOS: VARIABLES ALEATORIAS Y DISTRIBUCIONES DE
PROBABILIDAD


CAPITULO 4: VARIABLES ALEATORIAS
Leccin 16 Concepto de variable aleatoria
Leccin 17 Distribucin discreta de probabilidad
Leccin 18 Distribucin continua de probabilidad
Leccin 19 Esperanza matemtica y varianza de variables aleatorias
Leccin 20 Teorema de chbyshev

CAPITULO 5: DISTRIBUCIONES DE PROBABILIDAD DISCRETA
Leccin 21 Distribucin uniforme discreta
Leccin 22 Distribucin binomial
Leccin 23 Distribucin binomial negativa y geomtrica
Leccin 24 Distribucin hipergeomtrica
Leccin 25 Distribucin de Poisson

CAPITULO 6: DISTRIBUCIONES DE PROBABILIDAD CONTINUA
Leccin 26 Distribucin uniforme continua
Leccin 27 Distribucin normal y uso de la Distribucin normal estndar
Leccin 28 Aplicaciones de la distribucin normal
Leccin 29 Distribucin exponencial y chi-cuadrado
Leccin 30 Otras distribuciones continuas utilizadas

6.- MAPA CONCEPTUAL


7. CONTEXTO TERICO

La Estadstica se ha convertido en un mtodo efectivo para describir con
exactitud los valores de los datos econmicos, polticos, sociales, psicolgicos,
biolgicos y fsicos, y sirve como herramienta para relacionar y analizar dichos
datos. Pero esta ciencia no slo consiste en reunir y tabular los datos, sino en dar
la posibilidad de tomar decisiones acertadas y a tiempo, as como realizar
proyecciones del comportamiento de algn suceso.

La Estadstica es una ciencia que tiene como finalidad facilitar la solucin
de problemas en los cuales se necesita conocer algunas caractersticas sobre el
comportamiento de algn suceso o evento. Caractersticas que permiten conocer
o mejorar el conocimiento de ese suceso. Adems, permiten inferir el
comportamiento de sucesos iguales o similares sin que estos ocurran.

Muchos de los eventos que ocurren en la vida del ser humano no se
pueden predecir con exactitud, pues la mayora de los hechos estn influidos por
el azar, es decir, por procesos inciertos, en los que no se est seguro de lo que va
a ocurrir.

La Probabilidad permite un acercamiento a esos sucesos, ponderando las
posibilidades de su ocurrencia y proporcionando mtodos para tales
ponderaciones. Precisamente, algunos de esos mtodos proporcionados por la
Probabilidad llevan a descubrir que algunos sucesos tienen una mayor o menor
probabilidad de ocurrir que la apreciacin hecha a travs del sentido comn.

La Probabilidad permite estudiar los eventos de una manera sistemtica y
ms cercana a la realidad, entregando una informacin ms precisa y confiable y,
por tanto, ms til para las disciplinas humanas.

El desarrollo de la teora de la probabilidad ha aumentado el alcance de las
aplicaciones de la Estadstica. Muchos conjuntos de datos se pueden aproximar,
con gran exactitud, utilizando determinadas distribuciones probabilsticas; los
resultados de stas se pueden utilizar para analizar datos estadsticos. La
probabilidad es til para comprobar la fiabilidad de las inferencias estadsticas y
para predecir el tipo y la cantidad de datos necesarios en un determinado estudio
estadstico.

En este sentido, el curso de Probabilidad busca fomentar en el alumno la
capacidad de reconocer y establecer modelos apropiados para describir
fenmenos aleatorios que surgen en sus reas de especialidad; apunta a que el
estudiante reconozca que la estadstica proporciona las herramientas necesarias
para hacer inferencias sobre un todo (poblacin) con base a los datos recopilados
en slo unos cuantos elementos observados de la poblacin (muestra) y que la
Probabilidad aporta los elementos de validacin de los mtodos estadsticos.

El curso de Probabilidad busca dotar al estudiante de las herramientas
probabilsticas bsicas para el estudio de fenmenos propios de su disciplina de
formacin y del entorno social, econmico y poltico en que se desenvuelve, cuya
evolucin temporal o espacial depende del azar, y apunta a que el estudiante tome
decisiones ms objetivas frente a dichos fenmenos.

El curso busca que el estudiante identifique, apropie y use los conceptos,
fundamentos y mtodos de la Probabilidad en ejercicios prcticos enmarcados en
situaciones y fenmenos reales de acuerdo a su disciplina, al mismo tiempo que
comprende, selecciona y aplica las distintas tcnicas estadsticas de la
Probabilidad

Cuadro resumen con el contexto terico del curso de Probabilidad

Campo disciplinario
Matemticas
(Ciencias bsicas, tecnologa e ingeniera)
Unidades didcticas

1. Principios bsicos de probabilidad
2. Variables aleatorias y Distribuciones de
probabilidad

Nexos que se
establecen entre el
curso y el campo
disciplinario en el que
se inscribe

Los estudiantes del curso de probabilidad estn en
capacidad de comprender los conceptos
fundamentales de esta disciplina y son
competentes en la aplicacin de estos a su campo
disciplinar.

En este sentido el estudiante identifica, apropia y
usa los distintos conceptos, fundamentos y
mtodos de la Probabilidad en ejercicios prcticos
enmarcados en situaciones y fenmenos reales de
acuerdo a la disciplina desarrollada. Tambin
comprende, selecciona y aplica las distintas
tcnicas estadsticas de la Probabilidad, a travs
del anlisis de informacin tomada de una
investigacin propia de su disciplina.

Relaciones que se
establecen en el curso
entre las unidades
conceptuales que lo
fundamentan

El curso esta diseado de tal forma que el
estudiante pueda ir aumentando el grado de
complejidad de las relaciones que establece entre
los conceptos que estudia, a medida que avanza en
el desarrollo de cada unidad didctica.
Comenzando en conceptos bsicos de la
probabilidad hasta llegar a identificar para una
situacin particular la distribucin de probabilidad
adecuada para su anlisis.

Problemticas tericas,
metodolgicas y
recontextuales a las
que responde el curso

Reconocimiento de conceptos fundamentales de la
Probabilidad a partir de la teora de conjuntos.

Profundizacin en conceptos de variables
aleatorias discretas y continuas y sus
correspondientes distribuciones de probabilidad.

Identificacin de problemas propios de un campo
disciplinar que pueden ser solucionado desde la
Probabilidad.

Competencias que
fomenta el curso
El curso promueve en el estudiante competencias:
cognitivas, analticas, contextuales, comunicativas y
valorativas.


8. METODOLOGA

La metodologa que fomenta la UNAD es bajo el modelo de educacin a
distancia a travs del uso de mediaciones tecnolgicas y los textos impresos, y las
estrategias de aprendizaje como el estudio independiente y el acompaamiento
tutorial. De igual manera el curso acadmico de Probabilidad har uso de esta
metodologa que permitir la medicin de las metas alcanzadas por el estudiante
en el desarrollo del aprendizaje.

Para que el estudiante culmine con xito el curso es indispensable que
ste, de manera individual y grupal, realice una acertada planeacin de las
actividades a seguir y as lograr las intencionalidades formativas de aprendizaje
trazadas. Este proceso de aprendizaje se puede estructurar de la siguiente
manera:

El curso acadmico consta de dos (2) crditos acadmicos
correspondientes a 96 horas de trabajo acadmico: 70 horas promedio de estudio
independiente y 26 horas promedio de acompaamiento tutorial.

Por estudio independiente se entiende como el momento en que el
estudiante inicia su proceso de autoaprendizaje, por medio de actividades
acadmicas individuales y grupales. Este componente de trabajo acadmico est
constituido por dos acciones: el trabajo personal y el trabajo en pequeos grupos

En el trabajo personal, el estudiante indaga los ncleos generativos del
conocimiento, por medio de la exploracin del curso acadmico, la lectura y
anlisis de la Gua Didctica, la lectura del Mdulo y dems materiales impresos,
la consulta en sitios web, el desarrollo de actividades propuestas en la gua o por
el tutor, la autoevaluacin, la elaboracin de informes y la construccin de su
portafolio personal. En el trabajo personal el estudiante debe de disponer de 50
horas/semestre.

Despus del trabajo personal, el estudiante comparte lo aprendido con sus
compaeros en pequeos grupos colaborativos de aprendizaje, donde se
intercambian conocimientos, se debaten inquietudes, se comparten experiencias
de aprendizaje, etc. Es en este componente de aprendizaje donde el estudiante
comienza a desarrollar la competencia comunicativa y estimula las habilidades
valorativas y de interaccin. Este trabajo requiere 20 horas/semestre de trabajo.

La capacidad para leer es una herramienta de aprendizaje que debe estar
muy desarrollada. La lectura de los mdulos y documentos relacionados con el
curso, deber ser comprensiva, analtica y sinttica, que a su vez potencie el
aprovechamiento mximo de los interrogantes que se plantean en cada momento
de la evaluacin, en el desarrollo de un ejercicio de aplicacin o en las sesiones
prcticas.

Igual cosa sucede con el proceso de escritura. El trabajo individual y/o
colectivo debe conllevar a productos que utilicen adecuadamente el lenguaje,
siendo claros, sintticos y concretos. En esta misma va, los ejercicios y temas
desarrollados provenientes de las actividades de aprendizaje involucradas en el
material, fotocopias, libros, revistas especializadas, apuntes u otros documentos,
deben llevar a escribir conclusiones, resmenes, y en general cualquier
informacin, que deber ser relevante y clara para cualquier lector, nefito o
especializado.

El trabajo en gran grupo tiene como propsito consolidar el conocimiento
trabajado en la unidad correspondiente ya sea volviendo a revisar su estructura,
resolviendo problemas tipo o nuevos, discutiendo la preparacin de la actividad
prctica correspondiente, o permitiendo a su vez el estudio a fondo de la
evaluacin final del curso.

La accin tutorial se entiende como el acompaamiento y seguimiento a los
procesos de aprendizaje de los estudiantes por parte del tutor, de manera
sincrnica como asincrnica. El tiempo asignado, segn el sistema de crditos
acadmicos, para el acompaamiento tutorial es de 26 horas/semestre.

En la tutora individual el tutor hace acompaamiento al estudiante de
manera individual sobre situaciones particulares en su proceso de aprendizaje,
tales como contenidos temticos, pertinencia y efectividad de los mtodos y
tcnicas que usa en su proceso..

En la tutora a pequeos grupos colaborativos el tutor orienta acera de las
situaciones particulares que puedan presentar stos, tales como contenidos
temticos, pertinencia y efectividad de los mtodos y tcnicas que est utilizando
el grupo en su proceso y as se pueda estimular y potenciar el aprendizaje del
grupo. El tiempo aproximado para esta accin tutorial es de 8 horas/semestre.

En la tutora en grupo de curso los estudiantes, con la orientacin del tutor,
abordan temas especficos que presentan algn grado de dificultad en los
momentos acadmicos previos. En las tutoras, el tutor asume el rol de orientador
y dinamizador del aprendizaje, esperando que el encuentro sea dinmico y
participativo.


9. SISTEMA DE EVALUACIN

El proceso evaluativo en este curso tiene dos finalidades: formativa, pues ayuda a
construir los criterios de decisin para definir hasta que punto se ha avanzado en
el estudio de la Probabilidad, y sumativa, que se orienta a establecer un criterio
cuantitativo que permite definir si se aprueba o desaprueba el curso.

La UNAD ha definido los siguientes momentos para la evaluacin:

Recontextualizacin (reconocimiento)
Su propsito es revisar los conceptos previos requeridos para el trabajo de
cada unidad. Corresponde a actividades de gran grupo o individuales que
identifican conceptos necesarios para avanzar en el estudio de una
determinada leccin, capitulo o unidad.

Profundizacin
Ocurre en los diferentes momentos en que se est trabajando con el
material, con el pequeo grupo o en las sesiones de discusin programadas
como parte del acompaamiento que realiza el tutor del curso ya sea
presencial o a travs de Internet adems de las actividades prcticas de
laboratorio.

Transferencia
Comprende la socializacin de los trabajos que se han venido realizando en
cada una de las actividades de aprendizaje propuestas y las sesiones
presenciales o virtuales programadas con tutores y grupos colaborativos, en
las cuales se califica la capacidad de sustentacin y preparacin de
informes o documentos de forma cientfica.

Evaluacin presencial o virtual
Corresponde a talleres de ejercicios, quices, parciales o pruebas nacionales
que permiten cuantificar el avance de un determinado estudiante en el
curso.

La Escuela de Ciencias Bsicas e Ingeniera, siguiendo los lineamientos de la
Vicerrectora de Medios y Mediaciones Pedaggicas (Salazar, R., 2008),
recomienda los siguientes porcentajes a tener en cuenta para la valoracin del
trabajo acadmico.

Actividades
Distribucin de horas de
estudio
Crditos acadmicos 2
Aprendizaje y estudio independiente 50
Trabajo en pequeos grupos
colaborativos
20
Acompaamiento tutorial en grupo de
curso
12
Acompaamiento y seguimiento tutorial 14
Total horas 96

Para cada una de las actividades es necesario realizar momentos evaluativos
formativos como en los que se consideren los diferentes tipos de evaluacin:
autoevaluacin, coevaluacin y heteroevaluacin.

Autoevaluacin

La autoevaluacin es un proceso personal e individual con el que se pretende a
plena conciencia responder a la pregunta qu s?, permitiendo continuar con el
trabajo o buscando las causas de dificultad en el aprendizaje. Haciendo un anlisis
lgico sobre las causas que impiden el rendimiento, as como los procedimientos
seguidos para estudiar los conceptos y resolver los ejercicios del curso. Permite
tambin determinar fortalezas.

Coevaluacin

Se da cuando el estudiante realiza su estudio en pequeos o grandes grupos
colaborativos, en estos los compaeros o el tutor evalan los avances, fortalezas
y/o dificultades del proceso de enseanza aprendizaje. La coevaluacin es un
espacio para desarrollar habilidades comunicativas entre los diferentes actores del
proceso.

Heteroevaluacin

Es aquella preparada por el tutor de curso, para hacer seguimiento al rendimiento
acadmico del estudiante. Se puede realizar por medio de pruebas, quices,
parciales o exmenes, revisin de informes, trabajos, portafolios, entre otros. Aqu
tambin esta contemplada la prueba nacional.

El Proyecto Evaluativo (Salazar, R., 2008), propuesto por la VIMMEP es el
siguiente:

Interfases de
aprendizaje
Situaciones y
actividades
Formatos de
socializacin
Evaluacin
por parte del
tutor
Examen
nacional
Reconocimiento

Trabajo
personal

Sistematizacin
personal La sumatoria
de los
procesos
evaluativos de
esta interfase
corresponde
al 10% del
total de la
calificacin
del curso
acadmico

Prueba
nacional de
carcter
individual y
obligatoria
que se
sumar con
los
resultados
obtenidos
por el
estudiante
en el
desarrollo de
las
actividades
de las
interfases,
equivale a
un 40% de
la nota
definitiva
Pequeos
grupos
colaborativos

Anlisis de
sistematizacin
y nueva
produccin

Grupo de
curso

Socializacin
de
producciones y
de experiencias

Profundizacin

Trabajo
personal

Sistematizacin
personal
La sumatoria
de los
procesos
evaluativos de
esta interfase
corresponde
al 30% del
total de la
calificacin
del curso
acadmico
Pequeos
grupos
colaborativos

Anlisis de
sistematizacin
y nueva
produccin

Grupo de
curso

Socializacin
de
producciones y
de experiencias

Transferencia

Trabajo
personal

Sistematizacin
personal

La sumatoria
de los
procesos
evaluativos de
esta interfase
corresponde
al 20% del
total de la
calificacin
Pequeos
grupos
colaborativos

Anlisis y
sistematizacin
de nueva
produccin

Interfases de
aprendizaje
Situaciones y
actividades
Formatos de
socializacin
Evaluacin
por parte del
tutor
Examen
nacional

Grupo de
curso

Socializacin
de
producciones y
de experiencias

del curso
acadmico


10. GLOSARIO DE TERMINOS
2

Combinaciones: son permutaciones en las que no se tienen en cuenta el orden
de ubicacin de los elementos.

Desviacin estndar: es una medida para describir la extensin o dispersin de
un conjunto de datos alrededor de la media. Es la raz cuadrada de la varianza.

Distribucin de probabilidad: muestra los valores posibles de una variable con
sus respectivas probabilidades. Estas distribuciones de probabilidad pueden
corresponder a variables aleatorias discretas o continuas.

Ensayo de Bernoulli: es un experimento aleatorio que tiene slo dos resultados
posibles, denotados por xito o fracaso.

Espacio muestral: es un conjunto de sucesos o resultados posibles al realizar un
experimento.

Espacio muestral discreto: espacio muestral formado por un conjunto finito (o
infinito contable) de resultados.

Eventos: son los resultados posibles al realizar un experimento. Cada resultado
posible lo constituye el suceso. Es un subconjunto del espacio muestral.

Experimento: es un conjunto de pruebas o la realizacin de un proceso que
conduzcan a un resultado y observacin del cual no se est seguro.

Experimento aleatorio: es aquel que proporciona diferentes resultados aun
cuando se repita siempre de la misma manera.

Permutaciones: son los diferentes grupos que se pueden hacer tomando todos
los datos de una vez.

Probabilidad: es un nmero comprendido entre 0 y 1, cociente de dividir al
nmero de xitos o total de casos favorables por el total de casos posibles.

Probabilidad de un evento: para un espacio muestral discreto, la probabilidad de
un evento determinado, es igual a la suma de las probabilidades de los resultados
en el evento en cuestin.

2
Algunos de los trminos han sido tomados o adaptados de los textos:
Walpole (2007). Probabilidad y Estadstica para Ingeniera y Ciencias. Mxico D.F. Pearson Educacion
Velasco y otros (2001). Probabilidad y estadstica para ingeniera y ciencias. Mxico: Thomson Learning.
Variable aleatoria: cuando los valores que toma la variable estn determinados
por factores en los que intervienen el azar.

Variable aleatoria continua: es aquella que puede asumir cualquier valor dentro
de un determinado intervalo, es decir, comprende un nmero infinito de valores
posibles.

Variable aleatoria discreta: es aquella que puede asumir un nmero finito de
valores y si los valores que asume se pueden contar.

Variaciones: son permutaciones, con la diferencia que se toma parte de los
elementos.

Varianza: Medida de la dispersin de una muestra estadstica. Es el promedio de
la suma de todos los cuadrados de las desviaciones de un conjunto de
mediciones.


11. FUENTES DOCUMENTALES

11.1 BIBLIOGRAFA

ARON, A. (2001) Estadstica para Psicologa, 2 ed. Mxico: Prentice Hall,
Pearson Educacin.

AMON, J. (1995) Estadstica para Psicologos, 7 ed. Madrid: Ediciones Pirmide.

PAGANO, R. (2000) Estadstica para las Ciencias del Comportamiento., 5 ed.
Mxico: International Thomson Editores.

WAYEN, D., (1990) Estadstica con aplicacin a las ciencias sociales y a la
educacin. Bogot: McGraw Hill Latinoamericana.

Walpole R., Myers R., Myers S., Ye K., (2007) Probabilidad y Estadstica para
Ingeniera y Ciencias. (8a. ed.). Mxico: Pearson Educacin

CANAVOS C., George (2007). Probabilidad y Estadstica. Mxico: McGraw Hil.

CHRISTENSEN, Howard B. (1999). Estadstica Paso a Paso. Mxico: Editorial
Trillas.

DEVORE, Jay. Probabilidad y estadstica. Quinta edicin. Thomsom-Learning.
Mxico 2.001

HERNNDEZ MAHECHA, Carlo Marcelo (2000). Introduccin a la Probabilidad.
Gua de Estudio. Santa fe de Bogot: UNAD.

KENNEDY, John B. & NEVILLE, Adam M. (1982). Estadstica para ciencias e
ingeniera. Mxico: Harla S.A.

LIPSCHUTZ, Seymour. Teora y problemas de probabilidad. Serie de compendios
Schaum. Mxico: McGraw Hill.

LOPES, Paulo Afonso (2000). Probabilidad & Estadstica: Conceptos, Modelos,
Aplicaciones en Excel. Santa fe de Bogot: Prentice Hall, Pearson Educacin.

MARTNEZ BENCARDINO, Ciro (2003). Estadstica y Muestreo. Santa fe de
Bogot: ECOE Ediciones.

MENDENHALL (1982). Introduccin a la Probabilidad y la Estadstica. EEUU:
Iberoamericana

MILTON, J. Susan (1999). Estadstica para biologa y ciencias de la salud. Madrid:
McGraw Hill Interamericana.

MONTGOMERY, Douglas C. & RUNGER, George C. (1997). Probabilidad y
Estadstica aplicadas a la Ingeniera. Mxico: McGraw Hill.

ROSS, Sheldon. Probabilidad y Estadstica para Ingenieros. Segunda Edicin. Mc
Graw Hill. Mxico 2.001

SPIEGEL, Murray R. (1991). Estadstica. Serie de compendios Schaum. Mxico:
McGraw Hill.

TRIOLA, Mario F. (2004). Probabilidad y estadstica. Novena edicin. Mxico:
Pearson & Addison Wesley.

VELASCO SOTOMAYOR, Gabriel & PIOTR WISNIEWSKI, Marian (2001).
Probabilidad y estadstica para ingeniera y ciencias. Mxico: Thomson Learning.

VELASCO SOTOMAYOR, Gabriel & PIOTR WISNIEWSKI, Marian (2001).
Problemario de Probabilidad. Mxico: Thomson Learning.

11.2 CIBERGRAFA

http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html

http://server2.southlink.com.ar/vap/PROBABILIDAD.htm

http://descartes.cnice.mecd.es/3_eso/Azar_y_probabilidad/

http://www.terra.es/personal2/jpb00000/pprobjunio99.htm

http://www.terra.es/personal2/jpb00000/pprobjunio00.htm

http://www.fvet.edu.uy/estadis/probabilidad.htm

http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html

http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm

http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/Esta
distica/index.html

http://www.cortland.edu/flteach/stats/links.html

http://www.d16acbl.org/U173/Brmx_prob1.html#_1

http://espanol.geocities.com/eprobabilidades/index.htm


Lecturas Act 1

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lecturas Act 1

Cargado por

Copyright:

Formatos disponibles

Est usted en Inicio > Historia > Historia de la Combinatoria

También podría gustarte