TEORA DE

PROBABILIDADES.
Realizado por:
Gissel Flores.
Profesor:
Ing. Nestor Asmal.
Curso:
3ero de Bachillerato
B

2

NDICE.

I. Que es un juego.

II. Definicin de teora de juegos.

III. Elementos de un juego.

IV. Estrategias de juego.

V. Tipos de juegos.

VI. Estrategias.

VII. Matriz.

VIII. Juegos de suma cero y de suma distinta de
cero.

IX. Juegos cooperativos.

X. Conclusiones y Recomendaciones.

XI. Bibliografa.
3

INTRODUCCIN.
Los juegos de azar son tan antiguos como el deseo humano de conseguir cosas a cambio de
nada asumiendo riesgos y confiando en la suerte. Sin embargo, sus consecuencias
matemticas no comenzaron a considerarse hasta que Fermat y Pascal establecieran las
primeras leyes de los juegos de azar en el ao 1654.
La primera cita relativa a las distintas probabilidades de obtener puntos en el juego se sita en
el conto sexto del Purgatorio de la Divina Comedia de Dante Alighieri (1265-1321), publicada
en Venecia: Cuando, acabado el juego de dados, se separan los jugadores, el que pierde se
queda triste pensando en las jugadas y aprendiendo entonces con sentimiento el modo de que
debi valerse para ganar.
La teora de la probabilidad pretende ser una herramienta para modelizar y tratar con
situaciones de este tipo; Por otra parte, cuando aplicamos las tcnicas estadsticas a la
recogida, anlisis e interpretacin de los datos, la teora de la probabilidad proporciona una
base para evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias realizadas.
OBJETIVO: Emplear los conceptos y principios de las probabilidades como herramientas
bsicas de las tcnicas estadsticas y de pronsticos para la toma de decisiones y
solucin de problemas; mejorando as el desempeo como estudiantes.
Familiarizarnos con experiencias de la vida cotidiana en las que interviene el azar.
Demostrar la importancia y utilidad del Mtodo Estadstico en el mbito econmico-
empresarial.
Determinar la probabilidad de varios eventos de la vida diaria.
1. Probabilidad.
Si se escucho al meteorlogo predecir hay riesgo que llueva maana, se usara el
impermeable el da de maana?
Supongamos que el meteorlogo dijo, Es probable que llueva maana, se usara el
impermeable?
O tal vez dijo El riesgo de que llueva maana es de 7 a 10 Se usar el impermeable?
Otro termino para expresar el riesgo de que ocurra un evento es la probabilidad de que
ocurra el evento. Por ejemplo hay dos cartas de color rojo y una de color azul es una caja. Sin
mirar dentro de ella se escoge una de las cartas, cul es la probabilidad de seleccionar una
carta de color rojo? Hay tres resultados posibles, se puede seleccionar cualquiera de las tres
cartas. Adems, cada uno de los tres resultados tiene igual probabilidad. Esto significa que el
riesgo de sacar una carta particular es el mismo que para otras cartas. Puesto que se desea
seleccionar una carta de color rojo, al hecho de seleccionarla se la llamara un suceso
afortunado. Ya que hay dos cartas de color rojo en la caja, hay dos sucesos afortunados
posibles. De aqu que se diga que la probabilidad de seleccionar una carta roja es des de tres,
2 de 3 se indica tambin por la fraccin

.
4




2. Situaciones aleatorias y deterministas.
2.1. Preliminares: El clculo de probabilidades ha tenido su origen en los juegos de azar
debido a la estrecha relacin que estos guardan con la teora combinatoria. De
estos primeros problemas de probabilidades se encargaros Carnado y Galileo en el
siglo xv, siendo Laplace quien con su obra Theorie analutique dek probabilits
funde en un cuerpo de doctrina todos los trabajos conocidos, creando el Clculo
de Probabilidades.
2.2. Concepto: Llamaremos juego a toda operacin que en idnticas condiciones se
efecta n de veces, pudiendo ser n tan grande como se quiera. Un resultado se
llama positivo o favorable cuando cumple la modalidad o carcter fijado, y en caso
contrario se dice negativo o adverso. Se llama probabilidad de un suceso o
resultado positivo a la relacin por cociente del nmero de casos favorables al
nmero total de casos igualmente posibles. Si designamos por o la probabilidad,
por f el nmero de casos favorables y por n el de casos posibles, se tiene p=

. Esta
probabilidad se suele llamar absoluta. Para f=0 la probabilidad es nula y significa
imposibilidad de realizarse la modalidad o suceso. Para f=n, la probabilidad es uno
y significa certeza de que se realice el suceso.
Una caja contiene 3 canicas rojas y 5 negras. Sin mirar dentro de la caja se saca una canica al
azar. Cul es la probabilidad que la canica sea roja? n=8 y f=3. La probabilidad es de

. En
otros trminos, hay 3 oportunidades de 8 de sacar una canica roja. Cul es la probabilidad de
sacar una canica negra? n=8 y f=5, la probabilidad es de

,
Veamos pues, que la probabilidad p vara entre 0 y 1:
Si el nmero de casos favorables es mayor que el de los desfavorables la probabilidad
es mayor que y se dice que la modalidad o suceso es verosmil.
Si el nmero de casos favorables es igual al del los desfavorables, la probabilidad es
menos que y se dice que la modalidad o suceso es dudoso.
Si el nmero de casos favorables es menor que los desfavorables, la probabilidad es
menor que y se dice que la modalidad o suceso es inverosmil.
Ejemplos:
I. Se lanza una moneda al aire, cul es la probabilidad que salga cara?
Casos favorables: 1 Casos posibles: 2 p= .
5

II. Suponiendo numeradas las caras de un dado, Cul es la probabilidad de que tirado
dos veces salgan nmeros iguales?
Cada vez que se tira el dado puede caer de 6 maneras distintas, luego en las dos veces el
nmero de maneras distintas o casos posibles es 6 x 6=36. Los casos favorables son 6 parejas;
por tanto la probabilidad es 6/36 =1/6.
3. Relacin entre las posibilidades positivas y negativas de un suceso.
Si para que se verifique un suceso hay f posibilidades positivas de los n casos posibles, su
probabilidad es p=f/n. Los casos desfavorables son n-f; luego la probabilidad p para que se
verifique el caso negativo es: p=

o sea p+p=1. Es decir: La suma de las

probabilidades que se verifique o no un suceso es 1.
4. Probabilidades Totales.
El clculo de la probabilidad en cuestiones elementales se resuelve mediante la aplicacin de
las principios siguientes; Probabilidades totales y probabilidades compuestas, o por una
combinacin de ellas. Veamos el primer principio, pero razonando con un caso concreto.
Supongamos que el juego base de la probabilidad, sea una urna en donde hay 42 bolas iguales
en todo, salvo el color, y de ellas 8 blancas, 10 negras, 15 encarnadas y 9 azules.
La probabilidad de sacar bola blanca es

, la de sacar negra es

, la de sacar
encarnada es

y de sacar azul es

. Como hay 8 bolas blancas y 10 negras, el

nmero de casos favorables al resultado de sacar bola blanca o negra es 8+10, el nmero de
casos posibles es 42; luego la probabilidad de sacar bola blanca o negra es:
p=

.
El resultado de sacar bola negra o encarnada o azul es: p=

De las dos ecuaciones se deduce que una modalidad suma de varias que se excluyen
mutuamente, es la suma de las probabilidades de stas.
Ejemplo: Cul es la probabilidad de que al echar dos dados se obtenga una suma de 9, 10 o
12?. Los casos favorables de sacar por suma 9, son los cuatro siguientes: 3+6=4+5=6+3=5+4.
Los casos favorables de sacar por suma 10, son: 6+4= 5+5=4+6. Los casos favorables de sacar
suma 12, son: 6+6, o sea uno solo.
Por tanto la probabilidad de sacar una suma de 9,10 o 12 es: p=

. La
probabilidad p de que salga bola blanca en relacin con las otras dos probabilidades es:

6

Esta probabilidad se dice relativa, que es igual al cociente entre la probabilidad absoluta del
suceso o modalidad y la suma de probabilidades de todas las modalidades.
Probabilidades Compuestas: Si una modalidad esta engendrada por la concurrencia de dos o
una de ellas no se le altere el nmero de casos favorables para la siguiente, la probabilidad de
la modalidad as engendrada es el producto de aquellas probabilidades.
Supongamos una rifa en que los boletos que se premian resultan de asociar una cifra obtenida
en rueda cuando se para en su giro, con una de las ocho letras a, b, c, d, e, f, g, h, que se
obtienen de anloga manera en otra rueda. Un jugador ha adquirido los boletos 3c, 3e y 3h,
Cul es la probabilidad de que le toque?
Hay 80 casos posibles, los que resultan de aparear los 10 posibles de la primera rueda, 0,1,2,3,
, 9, con los ocho ,a,b,c,, h de la segunda rueda. Los resultados favorables al jugador son los
que se obtienen apareando la cifra 3 con las letras c, e, h, resultando 1*3 casos favorables.
Luego la probabilidad para el jugador es:
P=

.
5. Esperanza Matemtica:
Se llama esperanza matemtica al producto del premio que ofrece el juego por la probabilidad
de conseguirlo. Si en una lotera de 1000 nmeros de precio 1pta. Hay un solo premio de 500
ptas., o 5 de 100 ptas. La esperanza matemtica de los jugadores es:

Para que un juego sea justo, la esperanza matemtica debe ser igual al precio del billete o
puesta del jugador. En el caso anterior el premio tena que ser de 1000 ptas. En las loteras
corrientes, ruleta, quinielas, etc., las puestas o precios de billetes suelen exceder en mucho a
las esperanzas matemticas; de aqu la perdida frecuente de los jugadores.
6. La funcin de distribucin:
Como conveccin utilizaremos la minscula de la misma letra para denotar un valor particular
de una variable aleatoria X, donde x es un nmero real. La probabilidad del evento (Xx) puede
expresarse como funcin de x en la forma

Esta funcin

se llama funcin de
distribucin, Funcin acumulativa o funcin de distribucin acumulativa (FDA) de la variable
aleatoria X.
7. Variables aleatorias discretas.
Si bien las variables aleatorias discretas pueden resultar de una diversidad de situaciones
experimentales, en ingeniera y ciencias aplicadas a menudo se asocian con la enumeracin. Si
X es una variable aleatoria discreta,

tendr a lo sumo un numero contablemente infinito

de saltos, y

,
7

7.1. Definicin: Si X es una variable aleatoria discreta, asociamos un nmero

con cada resultado

en

para i=1, 2, , n, , donde los

nmeros

satisfacen

0 para toda i.

8. Algunas Caractersticas de las Distribuciones.
En tanto que una distribucin discreta es especifica por completo por medio de pares (

y una funcin de densidad de probabilidad se especifica del mismo

modo mediante (x,

); x

, a menudo es conveniente trabajar con algunas caractersticas

descriptivas de la variable aleatoria.
9. Distribucin Normal.
La distribucin normal es, en muchos aspectos, la piedra angular de la estadstica. Se afirma
que una variable aleatoria X tiene una distribucin normal con media (-<<) y varianza

> 0 si tiene la funcin de densidad: f(x)=

, -<x<.
10. Distribucin Binomial.
Tomaremos el ejemplo de tirar tres veces la misma moneda, y registrar los resultados de la
forma (

para cada (C) y es igual a 0 para cruz (X). Entonces, = w(w =

(

, donde

. Observamos que es un conjunto finito y

card()= V

.
Tomamos A, algebra de sucesos, igual a todos los subconjuntos de y tomamos, finalmente, el
peso p(w)=

, donde p y q son nmeros no negativos fijos tales que

p+q=1.
Ejemplo, Caso de la moneda truncada: Supongamos una moneda tal que al realizar un nmero
muy alto de tiradas la frecuencia al suceso cara se estabiliza en

.
Por tanto, la frecuencia del suceso cruz tambin se estabiliza en

. Esto nos lleva a tomar en el

caso de esta moneda, en el modelo anterior del experimento tirar tres veces la moneda,
p=q=

. Entonces la probabilidad del suceso A= (1,1,1), (1,1,0), (0,1,1) ,es decir obtener al
menos dos caras, es p(A)=

.
11. Paseo aleatorio y distribucin Binomial.
El paseo aleatorio se aplica a menudo en el estudio del movimiento de partculas dentro del
mbito de la mecnica estadstica.
Una partcula empieza su movimiento en el origen del eje de ordenadas y, despus de una
unidad de tiempo asciende o desciende una unidad de espacio sobre el eje y, y as
8

sucesivamente hasta la etapa n. Cada posible camino w de la partcula queda perfectamente
especificado por (

, donde

= 1,

para la subida,

para la bajada.
12. Una aplicacin de la distribucin Binomial.
Otra variable aleatoria observada en la ley de los grandes nmeros, es a menudo el inters. Se
trata de la produccin de xitos y se denota por medio de p= X/n. Donde X tiene una
distribucin binomial con parmetros n y p. La media, la varianza y la funcin generatriz de
momentos se da en la frmula que describimos anteriormente.
13. Conclusin y Recomendaciones.
El jugador no tiene acceso a toda la verdad acerca de su ambiente, pero que de todas
maneras, deber tomar decisiones actuando bajo condiciones de incertidumbre. Estas
decisiones se basarn en la teora de las probabilidades y en la teora de utilidad. Los
sistemas de razonamiento basados en modelos de redes y con base en las leyes de la
teora de la probabilidad son empleados para razonar en situaciones de incertidumbre. El
agente es capaz de tomar decisiones basndose en aquello que cree y desea; estas
decisiones tomadas por el agente se encuentran en contextos de incertidumbre y existen
metas conflictivas que no ofrecen ninguna opcin para facilitar que decisin poder tomar.
14. Bibliografa.
Matemticas de Saldaa.
Estadstica Elemental Robbert Jhonson
Matemtica al alcance de todos de Enrrique Oterelo.
Mtodos Estadsticos Sixto Ros.
Matemticas Avanzadas para Ingeniera de Kreiszing, vol II.