Historia de la Probabilidad

En cuanto al concepto en s, la probabilidad y el azar siempre ha estado en la mente del ser

humano. Por ejemplo:
Sumerios y Asirios utilizaban un hueso extrado del taln de animales como ovejas,
ciervos o caballos, denominado astrgalo o talus, que tallaban para que pudieran
caer en cuatro posiciones distintas, por lo que son considerados como los
precursores de los dados.
En el caso de la civilizacin egipcia, algunas pinturas encontradas en las tumbas
de los faraones muestran tanto astrgalos como tableros para el registro de los
resultados.
Por su parte, los juegos con dados se practicaron ininterrumpidamente desde los
tiempos del Imperio Romano hasta el Renacimiento, aunque no se conoce apenas las
reglas con las que jugaban. Uno de estos juegos, denominado "hazard", palabra que
en ingls y francs significa riesgo o peligro, fue introducido en Europa con la Tercera
Cruzada. Las races etimolgicas del trmino provienen de la palabra rabe "al-azar",
que significa "dado". Posteriormente, en el "Purgatorio" de Dante el trmino
aparece ya como "azar".
En la actualidad, ruletas, mquinas tragaperras, loteras, quinielas,..., nos indican
que dichafascinacin del hombre por el juego, contina.
La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat y Blaise
Pascal tratan de resolver algunos problemas relacionados con los juegos de azar. Aunque
algunos marcan sus inicios cuando Cardano (jugador donde los haya) escribi sobre 1520 El
Libro de los Juegos de Azar (aunque no fu publicado hasta ms de un siglo despus, sobre
1660) no es hasta dicha fecha que comienza a elaborarse una teora aceptable sobre los
juegos.
Christian Huygens conoci la correspondencia entre Blaise Pascal y Pierre Fermat suscitada
por el caballero De Mr, se plante el debate de determinar la probabilidad de ganar una
partida, y public (en 1657) el primer libro sobre probabilidad: De Ratiociniis in Ludo Aleae,
(Calculating in Games of Chance), un tratado sobre juegos de azar.Se aceptaba como
intuitivo el concepto de equiprobabilidad, se admita que la probabilidad de conseguir un
acontecimiento fuese igual al cociente entre
Durante el siglo XVIII, debido muy particularmente a la popularidad de los juegos de azar, el
clculo de probabilidades tuvo un notable desarrollo sobre la base de la anterior definicin de
probabilidad. Destacan en 1713 el teorema de Bernoulli y la distribucin binomial, y en 1738
el primer caso particular estudiado por De Moivre , del teorema central del lmite. En
1809 Gauss inici el estudio de la teora de errores y en 1810 Laplace, que haba
considerado anteriormente el tema, complet el desarrollo de esta teora. En 1812 Pierre
Laplace public Thorie analytique des probabilits en el que expone un anlisis
matemtico sobre los juegos de azar.
A mediados del siglo XIX, un fraile agustino austraco, Gregor Mendel, inici el estudio de la
herencia, la gentica, con sus interesantes experimentos sobre el cruce de plantas de
diferentes caractersticas. Su obra, La matemtica de la Herencia, fue una de las primeras
aplicaciones importantes de la teora de probabilidad a las ciencias naturales
Desde los orgenes la principal dificultad para poder considerar la probabilidad como una
rama de la matemtica fue la elaboracin de una teora suficientemente precisa como para
que fuese aceptada como una forma de matemtica. A principios del siglo XX el matemtico
ruso Andrei Kolmogorov la defini de forma axiomtica y estableci las bases para la
moderna teora de la probabilidad que en la actualidad es parte de una teora ms amplia
como es la teora de la medida.

1.- LA PROBABILIDAD Y LOS JUEGOS DE AZAR
PRECURSORES
La probabilidad matemtica tiene sus orgenes en los juegos de azar, principalmente los juegos
con dados y cartas, muy populares desde tiempos antiguos. Los primeros estudios cientficos
sobre fenmenos aleatorios se centraban
en dos problemas:
1. Contabilizar el nmero de posibles resultados de lanzar un dado varias veces.
2. Distribuir las ganancias entre jugadores cuando el juego se interrumpa antes de finalizar,
conocido como el
problema del reparto de apuestas.
Una respuesta al primer problema se puede encontrar 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 correctamente
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 erraron al intentar resolverla, generalmente porque no tenan en
cuenta las posibles permutaciones de una misma combinacin.
El segundo problema fue abordado por Luca Pacioli (14451517), quien en 1487 propuso estos
dos similares
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 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 es incorrecta.
GIROLAMO CARDANO Y NICCOLO TARTAGLIA
La primera obra importante relacionada con el clculo de probabilidades en juegos de azar fue
el Libro de los
Juegos de Azar, de Girolamo Cardano (15011576), escrito en 1565, aunque no publicado
hasta 1663. Cardano era un
jugador empedernido y su obra es ms bien un manual para jugadores; contiene descripciones
de juegos y las precauciones a tomar para que los rivales no hagan trampas, y slo una
pequea parte est dedicada al estudio del azar: problemas tales como calcular todos los
resultados posibles al lanzar dos o tres dados y las frecuencias con que aparecan,
hallar la probabilidad de que al lanzar un dado una serie de veces salga un determinado
nmero al menos una vez, o calcular las frecuencias de los valores de la suma de las caras de
una tirada de dos dados. En la resolucin de estos problemas, Cardano trabaj con los
conceptos de la definicin clsica de la probabilidad, aunque no los defini. En concreto,
Cardano introdujo la idea de asignar una probabilidad p entre 0 y 1 a un suceso cuyo resultado
se desconoce, considerando el nmero total de resultados y el nmero de resultados
favorables, y esboz de una forma rudimentaria lo que
ahora se conoce como la ley de los grandes nmeros, al afirmar que si la probabilidad de una
suceso es p, despus de
un nmero n grande de repeticiones lo ms razonable es apostar a que ocurrir alrededor de
np veces. Sin embargo,
Cardano no alcanz a reconocer la importancia terica de estos conceptos, ya que consideraba
estas relaciones como
meramente aritmticas, ms que como una medida de la posibilidad de ocurrencia de una
suceso aleatorio.
Cardano se haba ocupado previamente del problema del reparto de apuestas. En 1539
escribi 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; como solucin propuso que si n es el nmero
de juegos totales y a y b

El enfoque clsico
Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles
resultados desfavorables a la ocurrencia de A, y todos los resultados son igualmente
posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo), entonces
la probabilidad de que ocurra A es:

El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea
igualmente posible.
Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse)
calcular el valor de probabilidad antes de observar cualquier evento de muestra.
Ejemplo:
Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una
piedra roja en un intento es:

El enfoque de frecuencia relativa
Tambin llamado Enfoque Emprico, determina la probabilidad sobre la base de la
proporcin de veces que ocurre un evento favorable en un numero de observaciones. En
este enfoque no ese utiliza la suposicin previa de aleatoriedad. Porque la determinacin de
los valores de probabilidad se basa en la observacin y recopilacin de datos.
Ejemplo:
Se ha observado que 9 de cada 50 vehculos que pasan por una esquina no tienen cinturn
de seguridad. Si un vigilante de transito se para en esa misma esquina un ida cualquiera
Cul ser la probabilidad de que detenga un vehculo sin cinturn de seguridad?

Tanto el enfoque clsico como el enfoque emprico conducen a valores objetivos de
probabilidad, en el sentido de que los valores de probabilidad indican al largo plazo la tasa
relativa de ocurrencia del evento.
El enfoque subjetivo
Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de
un individuo de que un evento ocurra, basado en toda la evidencia a su
disposicin. Bajo esta premisa se puede decir que este enfoque es adecuado cuando solo hay
una oportunidad de ocurrencia del evento. Es decir, que el evento ocurrir o no ocurrir esa
sola vez. El valor de probabilidad bajo este enfoque es un juicio personal.
Concepto de Probabilidad
Se define como clculo de probabilidad al conjunto de reglas que permiten determinar si un
fenmeno ha de producirse, fundando la suposicin en el clculo, las estadsticas o la teora.
El objetivo de esta prctica es realizar varios experimentos de probabilidad, anotar los
resultados y posteriormente compararlos con los resultados tericos.
Objetivos de las Probabilidades
El objetivo fundamental de la probabilidad, es la de mostrar al alumno la importancia
y utilidad del Mtodo Estadstico en el mbito econmico-empresarial. Con tal fin, el
alumno deber aprender a manejar los mtodos y tcnicas ms adecuadas para el correcto
tratamiento y anlisis de lainformacin proporcionada por los datos que genera la actividad
econmica.
Para ello se comienza afianzando los conocimientos que el alumno ya posee
de Estadstica Descriptiva, adems de algunos conceptos nuevosrelacionados con este tema.
El valor de la probabilidad
El valor ms pequeo que puede tener la probabilidad de ocurrencia de un evento es igual a
0, el cual indica que el evento es imposible, y el valor mayor es 1, que indica que el evento
ciertamente ocurrir. Entonces si decimos que P(A) es la probabilidad de ocurrencia de un
evento A y P(A ) la probabilidad de no-ocurrencia de A, tenemos que:

Eventos mutuamente excluyentes y eventos no excluyentes
Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden ocurrir
simultneamente. Es decir, la ocurrencia de un evento impide automticamente la
ocurrencia del otro evento (o eventos).

Eventos mutuamente excluyentes: se dice que un evento es excluyente si uno y solo
uno de ellos puede tener lugar en un mismo tiempo, es decir o uno o el otro , pero no
pueden suceder ambos al mismo tiempo

Ejemplo:
Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a la vez, esto
quiere decir que estos eventos son excluyentes.
Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que ocurran ambos.
Esto no indica que necesariamente deban ocurrir estos eventos en forma simultnea.
Ejemplo:
Si consideramos en un juego de domino sacar al menos un blanco y un seis, estos eventos
son no excluyentes porque puede ocurrir que salga el seis blanco.
Reglas de la Adicin
La Regla de la Adicin expresa que: la probabilidad de ocurrencia de al menos dos sucesos
A y B es igual a:
P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente
P(A o B) = P(A) + P(B) P(A y B) si A y B son no excluyentes
Siendo: P(A) = probabilidad de ocurrencia del evento A
P(B) = probabilidad de ocurrencia del evento B
P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B
Eventos Independientes
Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento
no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un caso
tpico de eventos independiente es el muestreo con reposicin, es decir, una vez tomada la
muestra se regresa de nuevo a lapoblacin donde se obtuvo.
Ejemplo:
lanzar al aire dos veces una moneda son eventos independientes por que el resultado del
primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello, en el
segundo lanzamiento.
Eventos dependientes
Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos
afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso,
empleamos entonces, el concepto de probabilidad condicional para denominar la
probabilidad del evento relacionado. La expresin P(A|B) indica la probabilidad de
ocurrencia del evento A s el evento B ya ocurri.
Se debe tener claro que A|B no es una fraccin.
P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A)
Reglas de Multiplicacin
Se relacionan con la determinacin de la ocurrencia de conjunta de dos o ms eventos. Es
decir la interseccin entre los conjuntos de los posibles valores de A y los valores de B, esto
quiere decir que la probabilidad de que ocurran conjuntamente los eventos A y B es:
P(A y B) = P(A B) = P(A)P(B) si A y B son independientes
P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes
P(A y B) = P(A B) = P(B)P(A|B) si A y B son dependientes


Mtodos de medicin de Probabilidad
Uno de los mtodos ms utilizados es aplicando la Regla de Laplace: define la probabilidad de un suceso
como el cociente entre casos favorables y casos posibles.


Ejemplos:
a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable (f) es tan slo uno (que
salga el dos), mientras que los casos posibles (n) son seis (puede salir cualquier nmero del uno al seis).
Por lo tanto:
(o lo que es lo mismo, 16,6%)
b) Probabilidad de que al lanzar un dado salga un nmero par: en este caso los
casos favorables (f) son tres (que salga el dos, el cuatro o el seis), mientras que los casos posibles (n)
siguen siendo seis.
Por lo tanto:
(o lo que es lo mismo, 50%)
c) Probabilidad de que al lanzar un dado salga un nmero menor que 5: en este caso tenemos cuatro
casos favorables (f) (que salga el uno, el dos, el tres o el cuatro), frente a los seis casos posibles.
Por lo tanto:
(o lo que es lo mismo, 66,6%)
d) Probabilidad de ganarse el premio mayor de una lotera en la que juegan 100.000 nmerosnos: tan
slo un caso favorable (f), el nmero que jugamos, frente a los 100.000 casos posibles (n).
Por lo tanto:
(o lo que es lo mismo, 0,001%)

d) Probabilidad al lanzar una moneda, con un guila en una cara y un sol en la otra. Hay dos casos
posibles (n) de ocurrencia (o cae guila o cae sol) y slo un caso favorable (f) de que pueda caer guila
(pues slo hay un guila en la moneda).
Por lo tanto:
(o, lo que es lo mismo, 50 %)

Existe una probabilidad del 50% de obtener un guila al tirar una moneda.

e) Probabilidad de elegir tal o cual fruta. Si en una canasta hay 20 peras y 10 manzanas. Qu fruta es
ms probable que saque al azar de la canasta?

Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir los casos posibles (n). Para
calcular la probabilidad de sacar una manzana los casos favorables (f) son 10 puesto que existen slo 10
manzanas.
Por lo tanto:
(o, lo que es lo mismo, 33,3 %)
(o, lo que es lo mismo, 66,7 %)
Fjate bien que 33,3% + 66,7% es igual al 100% porque siempre que saquemos algo de la canasta es
seguro que ser una fruta
Condiciones importantes
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir
dos requisitos:
a) El nmero de resultados posibles (sucesoso eventos) tiene que ser finito. Si hubiera infinitos
resultados, al aplicar la regla "casos favorables dividido por casos posibles" el cociente siempre sera
cero.
b) Todos los sucesos o eventos tienen que tener la misma probabilidad. Si al lanzar un dado, algunas
caras tuvieran mayor probabilidad de salir que otras, no podramos aplicar esta regla.
A la regla de Laplace tambin se le denomina "probabilidad a priori", ya que para aplicarla hay que
conocer antes de realizar el experimento cuales son los posibles resultados y saber que todos tienen las
mismas probabilidades.
Cuando se realiza un experimento aleatorio un nmero muy elevado de veces, las probabilidades de los
diversos posibles sucesos empiezan a converger hacia valores determinados, que son sus respectivas
probabilidades.
Ejemplo:
si lanzo una vez una moneda al aire y sale "cara", quiere decir que el suceso "cara" ha aparecido el 100%
de las veces y el suceso "cruz" el 0%.
Si lanzo diez veces la moneda al aire, es posible que el suceso "cara" salga 7 veces y el suceso "cruz" las
3 restantes. En este caso, la probabilidad del suceso "cara" ya no sera del 100%, sino que se habra
reducido al 70%.
Si repito este experimento un nmero elevado de veces, lo normal es que las probabilidades de los
sucesos "cara" y "cruz" se vayan aproximando al 50% cada una. Este 50% ser la probabilidad de estos
sucesos segn el modelo frecuentista.

probabilidad
Las probabilidades constituyen una rama de las matemticas que se ocupa de medir o determinar
cuantitativamente la posibilidad de que un suceso o experimento produzca un determinado resultado. La
probabilidad est basada en el estudio de la combinatoria y es fundamento necesario de la estadstica.
La creacin de la probabilidad se atribuye a los matemticos franceses del siglo XVII Blaise Pascal y
Pierre de Fermat, aunque algunos matemticos anteriores, como Gerolamo Cardano en el siglo XVI,
haban aportado importantes contribuciones a su desarrollo.
La probabilidad matemtica comenz como un intento de responder a varias preguntas que surgan en los
juegos de azar, por ejemplo saber cuntas veces se han de lanzar un par de dados para que la
probabilidad de que salga seis sea el 50 por ciento.
La probabilidad de un resultado se representa con un nmero entre 0 y 1, ambos inclusive. La
probabilidad 0 indica que el resultado no ocurrir nunca, y la probabilidad 1 que el resultado ocurrir
siempre. Los problemas ms sencillos estudian la probabilidad de un suceso favorable en un experimento
o acontecimiento con un nmero finito de resultados, todos ellos con igual probabilidad de ocurrir.
Si un experimento tiene n posibles resultados, y f de ellos se consideran favorables, la probabilidad de un
suceso favorable es f/n. Por ejemplo, un dado no trucado se puede lanzar de seis formas posibles, por
tanto, la probabilidad de que salga un 5 un 6 es 2/6.
Problemas ms complicados estudian acontecimientos en que los distintos resultados tienen distintas
probabilidades de ocurrir. Por ejemplo, encontrar la probabilidad de que salga 5 6 al lanzar un par de
dados: los distintos resultados (2, 3,12) tienen distintas probabilidades. Algunos experimentos pueden
incluso tener un nmero infinito de posibles resultados, como la probabilidad de que una cuerda de
circunferencia dibujada aleatoriamente sea de longitud mayor que el radio.
Los problemas que estudian experimentos repetitivos relacionan la probabilidad y la estadstica. Algunos
ejemplos: encontrar la probabilidad de obtener 5 veces un 3 y al menos 4 veces un 6 al lanzar un dado,
sin hacer trampas, 50 veces; si una persona lanza una moneda al aire y da un paso hacia delante si sale
cara y un paso hacia atrs si sale cruz, calcular la probabilidad de que, despus de 50 pasos, la persona
est a menos de 10 pasos del origen.
El uso ms generalizado de la probabilidad es su utilizacin en el anlisis estadstico. Por ejemplo, la
probabilidad de sacar 7 al lanzar dos dados es 1/6, lo que significa (se interpreta como) que al lanzar dos
dados aleatoriamente y sin hacer trampas, un gran nmero de veces, alrededor de un sexto de los
lanzamientos darn 7.
La probabilidad matemtica se utiliza mucho en las ciencias fsicas, biolgicas y sociales, as como en el
comercio y la industria. Se aplica a muchas reas tan dispares como la gentica, la mecnica cuntica y
los seguros. Tambin estudia problemas matemticos tericos de gran importancia y dificultad y est
bastante relacionada con la teora del anlisis matemtico, que se desarroll a partir del clculo.


Fenmeno aleatorio: Son aquellos fenmenos que se caracterizan porque
su observacin bajo un conjunto determinado de condiciones, no siempre conduce a un
mismo resultado, pero sucede que sus posibles resultados ocurren con
regularidad estadstica al repetirse el fenmeno un nmero grande de veces.
En la definicin se destacan varios elementos que son de suma importancia para la
identificacin de los fenmenos aleatorios:
Son fenmenos que se repiten o pueden repetirse un nmero indeterminado de veces.
Es posible lograr las mismas condiciones en cada repeticin(que puedan considerarse
las mismas)
Presencia de la regularidad estadstica en los resultados, esto es, que el nmero de
ocurrencia de cada posible resultado se estabiliza a la larga alrededor de un valor.
Un ejemplo clsico y que ilustra lo anterior es el lanzamiento de una moneda en donde si se
repite el lanzamiento un nmero grande de veces, aproximadamente se obtendr cara el
50% de las veces y escudo en el 50% de las veces. Otro ejemplo clsico es el lanzamiento de
un dado.
Con el fin de referirse en trminos generales a los resultados de los fenmenos aleatorios o
a un conjunto de ellos se introducen los siguientes conceptos:
Punto muestral: cada uno de los resultados posibles de un fenmeno aleatorio
Ej.:
Lanzamiento de una moneda: los puntos muestrales seran dos; cara y escudo.
Lanzamiento de un dado: los puntos muestrales seran seis; 1, 2, 3, 4, 5, 6.
Lanzamiento de dos dados: los puntos muestrales seran todos los posibles pares de
nmeros (1,2); (1,3); ...; (6,6)
Espacio muestral: conjunto de todos los resultados posibles del fenmeno aleatorio, o
tambin conjunto de todos los puntos muestrales. Se acostumbra denotarlo por la letra S.
Ej:
1. Lanzamiento de una moneda: S= {C;E}
2. Lanzamiento de un dado: S= {1,2,3,4,5,6}
3. Lanzamiento de dos dados: S= {(a,b)/a=1,...,6; b=1,...,6}
4. Emisin de xido de nitrgeno de un auto en gramos por milla
Evento o suceso aleatorio: suceso que puede o no ocurrir al realizarse o tener lugar un
fenmeno aleatorio, en otras palabras, cualquier subconjunto del espacio muestral S.
Se suelen denotar mediante las primeras letras de nuestro alfabeto en
Maysculas(A,B,C....). Ej:
1) Lanzamiento de una moneda
A: que salga cara al lanzar la moneda
A= {C}
2) Lanzamiento de un dado
A: que salga un # par al lanzar el dado
A= {2, 4, 6}
B: que salga un nmero mayor que 3
B= {4, 5, 6}
Como se puede observar es posible definir mas de un evento en un espacio muestral.
Los eventos y espacios muestrales pueden representarse de diferentes formas usando la
notacin de conjuntos (descriptiva, tabular, constructiva). Tambin se representan
frecuentemente mediante diagramas de Venn.
Es oportuno precisar cuando un evento ocurre. Al ocurrir un fenmeno aleatorio ello se
manifiesta mediante la ocurrencia de uno y solo uno de sus posibles resultados. Se dice
entonces que un evento ha ocurrido si ese resultado, o lo que es lo mismo, ese punto
muestral pertenece al evento.
A los puntos muestrales tambin se les denomina eventos simples y as es frecuente
verlos en diversas literaturas sobre el tema.
Si un evento ocurre siempre que se realice un experimento de dice que es un evento
cierto, o sea, se produce de manera inevitable. Un evento cierto sera S.
Si para toda observacin del fenmeno aleatorio un evento nunca ocurre se trata de
un evento imposible. No tiene puntos muestrales y se denota igual que el conjunto nulo o
vaco.
Algunos otros eventos que se trabajan con frecuencia haciendo uso del lgebra de eventos,
es decir que se obtienen mediante operaciones entre eventos simples se resean a
continuacin.
Evento complemento: Dado un evento A, el evento de que A no ocurra se le denomina
complemento de A y se denota por Ac o A'.
En el ejemplo del "Lanzamiento de un dado" referido anteriormente se defini el evento A
como "salga un nmero par", de donde
Ac o A': salga un # impar al lanzar el dado
Ac = {1, 3, 5}
Evento unin: Dados dos eventos A y B, el evento de que al menos uno de los eventos A o
B ocurran se denomina A unin B y se denota por AUB
Volviendo al mismo ejemplo
AUB: salga un # par o un # mayor que 3 al lanzar el dado.
AUB = {2, 4, 5, 6}
Evento interseccin: Dados dos eventos A y B, el evento ambos eventos A y B ocurran,
se denomina A interseccin con B y se denota como (AB) o (A.B).
(AB): salga un # par y mayor que 3 al lanzar un dado.
(AB) = {4, 6}
Eventos mutuamente excluyentes: Dados dos eventos A y B se dice que son
mutuamente excluyentes si A y B no tienen puntos muestrales comunes esto es A B = .
En otras palabras la ocurrencia de uno implica la no ocurrencia del otro.
C: salga el nmero tres al lanzar un dado, C = {3 }; entonces A y C son excluyentes
Eventos exhaustivos: Dados dos eventos A y B se dice que A y B son exhaustivos si AUB
=S
Grupo completo de eventos: Se denomina grupo completo de eventos o sucesos, a un
conjunto de eventos mutuamente excluyentes y exhaustivos definidos todos en el mismo
espacio muestral.
El concepto de Evento Aleatorio es de extrema importancia en la teora de las
probabilidades puesto que el propio concepto de probabilidades esta indisolublemente
asociado a l.
Conocido todo lo anterior se est en condiciones de definir y comprender el concepto
fundamental, el de probabilidad.
Probabilidad: Es un valor numrico, entre 0 y 1, que expresa la posibilidad real de
ocurrencia de un evento aleatorio.
Dado un evento A, la probabilidad de A suele denotarse mediante P(A)
Si P(A)>P(B) el evento A debe ocurrir mas veces que el B al repetirse un nmero grande de
veces el fenmeno aleatorio en que fueron definidos.
Si se obtienen o se conocen las probabilidades de cada uno de los eventos de un grupo
completo de eventos se dice que se ha obtenido una distribucinde probabilidad del
fenmeno aleatorio que se analiza.
Existen varias maneras de calcular la probabilidad de un evento aleatorio las que
comnmente se les denominan definiciones de probabilidad.


CONCEPTOS BSICOS DE PROBABILIDAD

Experimento aleatorio: conjunto de pruebas cuyos resultados estn
determinados nicamente por el azar.
Espacio muestral: conjunto de todos los resultados posibles de un
experimento aleatorio
Punto muestral o suceso elemental: el resultado de una sola prueba de un
experimento muestral
Suceso o evento: cualquier subconjunto de puntos muestrales
Sucesos mutuamente excluyentes: sucesos o eventos que no pueden ocurrir
simultaneamente .
Sucesos complementarios: dos sucesos o eventos mutuamente excluyentes
cuya unin es el espacio muestral
Sucesos independientes: sucesos o eventos que no tienen relacin entre s; la
ocurrencia de uno no afecta la ocurrencia del otro
Sucesos dependientes: sucesos o eventos que s tienen relacin entre s; la
ocurrencia de uno s afecta la ocurrencia del otro.
EJEMPLO: Se lanza un
dado.
a) Encontrar el espacio muestral. Solucin: S = {1, 2, 3, 4, 5, 6}
b) Enumerar los puntos muestrales. Solucin: Hay seis puntos muestrales:
{1},{2},{3},{4},{5} y {6}.
c) Poner dos ejemplos de eventos. Solucin: evento A = {resultado es impar}
= {1, 3, 5}; evento B = {resultado es mayor que 2} = {3, 4, 5, 6}
d) Son mutuamente excluyentes los siguientes eventos? A = {resultado
menor o igual a 4}, B = {resultado es primo}. Solucin: A = {1, 2, 3, 4} y B =
{2, 3, 5} s tienen dos puntos en comn, 2 y 3. Por lo tanto, no son
mutuamente excluyentes.
e) Cul suceso es complementario a M = {2, 6}? Solucin: {1, 3, 4, 5}.
f) Son dependientes o independientes los siguientes eventos? A = {obtener
un 2 un el primer lanzamiento}, B = {obtener un 4 en el segundo
lanzamiento}. Solucin: Son independientes, porque obtener o no un 2 en el
primer lanzamiento no afecta el resultado del segundo lanzamiento.


Terminologa bsica en probabilidad:
Evento: en la teora de la probabilidad un evento es uno o mas de los posibles resultados de hacer algo.
Al lanzar una moneda al aire, si cae cruz es un evento y si cae cara es otro.
Experimento: es la actividad que origina uno de los dichos eventos,

1 CONCEPTOS BSICOS
Probabilidad: valor entre cero y uno, inclusive, que describe la posibilidad relativa de que
ocurra un evento.
Experimento: proceso que conduce a la ocurrencia de una de varias observaciones
posibles.
Resultado: lo que resulta en particular de un experimento.
Evento: conjunto de uno o ms resultados de un experimento.
Espacio muestral: son todos los posibles resultados de un experimento. Cualquier
resultado experimental particular se llama punto muestral y es un elemento del espacio
muestral.
Tipos de sucesos

Exhaustivo: se dice que dos o ms sucesos son exhaustivos si se consideran todos los
posibles resultados.
Simblicamente: p (A o B o...) = 1
No exhaustivos: se dice que dos o ms sucesos son exhaustivos si no cubren todos los
posibles resultados.
Mutuamente excluyentes: sucesos que no pueden ocurrir en forma simultnea:
P(A y B) = 0 y p(A o B) = p(A) + p (B)
Ejemplo: hombres, mujeres
No mutuamente excluyentes: sucesos que pueden ocurrir en forma simultnea:
P (A o B) = p (A) + p (B) p (A y B )
Ejemplo: hombres, ojos cafs
Independientes: Sucesos cuya probabilidad no se ve afectada por la ocurrencia o no
ocurrencia del otro :
P ( AI B ) = P ( A ); P ( BIA ) = P (B) Y P (A Y B) = P(A) P(B)
Ejemplo: sexo y color de ojos
Dependientes: sucesos cuya probabilidad cambia dependiendo de la ocurrencia o no
ocurrencia del otro:
P ( AI B ) difiere de p (A); P ( BIA ) difiere de P(B);
y P (A Y B)= P ( A ) P ( BIA )= P (B) P ( AI B )
Ejemplo: raza y color de ojos

Definicin de probabilidad condicional:
Sean A y B dos eventos definidos en un mismo espacio muestral S donde P(B)>0; entonces
la probabilidad condicional de A dado B, que se denota por P(A/B) se define:

Ejemplo del lanzamiento de un dado
S={1,2,3,4,5,6}
A={2,4,6} B={4,5,6}
P(A.B)=N(A.B)/N(S)=2/6=1/3 P(B)=N(B)/N(S)=3/6=1/2

Interpretacin del resultado: El 66 % de las veces que se lance un dado y salga un nmero
mayor que 3, ese nmero ser par.
En este caso se poda utilizar N(A.B)/N(B) ya que el espacio es finito y equiprobable.
Como probabilidad que es, la probabilidad condicional cumple con todos los axiomas y
propiedades que se estudiaron en la absoluta. En ocasiones, el clculo de una probabilidad
condicional solo requiere de un simple anlisis lgico de la situacin que se nos presenta.
Ejemplo:
Una caja contiene 8 piezas de las cuales 3 son defectuosas. Se extraen 2 piezas
aleatoriamente de la caja y se desea calcular la probabilidad de que la segunda pieza
extrada sea defectuosa si la primera lo fue:

8 piezas
(3defectuosas)
En situaciones como esta se requiere conocer como se ha extrado esta muestra de 2 piezas,
ya que puede hacerse de dos formas fundamentales.
Se extrae la primera, se analiza si es defectuosa o no, y se retorna a la caja antes de
extraer la segunda; despus se extrae la segunda y se verifica si es defectuosa o no,
completando la informacin de la muestra de dos piezas extradas. Si se hace de esta
forma, se dice que se ha extrado una muestra de tamao 2 con reemplazamiento o con
reposicin.
Se extrae la primera, se analiza si es defectuosa o no y no se retorna a la caja; despus se
extrae la segunda pieza verificando si es defectuosa o no, completando la muestra de
tamao dos. Cuando se toma la muestra de esta forma decimos que hemos extrado una
muestra de tamao dos sin reemplazamiento o sin reposicin.
En definitiva, en el ejemplo se pueden definir dos eventos:
D1: la primera pieza extrada sea defectuosa
D2: la segunda pieza extrada sea defectuosa
Para calcular P(D2/D1)

Apoyndose en el significado de la probabilidad condicional, se parte del hecho de que D1
ocurra, por tanto al extraer la segunda pieza se conocer la composicin de piezas que
tendr la caja
8 piezas
(3 defectuosas)

P(D2/D1)=3/8
7 piezas
(2 defectuosas)

P(D2/D1)=2/7
Con reposicin

Sin reposicin

Significado del valor (sin reposicin)
Al realizar en sucesivas ocasiones la extraccin de dos piezas sin reposicin de la caja,
aproximadamente en el 28 % de las ocasiones en que la primera pieza sea defectuosa, la
segunda tambin lo ser.
Como se puede observar, con la definicin de eventos dada se pudo determinar la
probabilidad condicional con mucha facilidad y precisamente apoyndose en esto se
proporcionan algunas frmulas que nos facilitan el clculo de probabilidades ms
complejas. Estas son:
Frmula o Regla de la multiplicacin.- Se utiliza cuando se requiere calcular la
probabilidad de una interseccin de dos o ms eventos. La expresin se obtiene de despejar
la probabilidad de la interseccin de la expresin de clculo de la probabilidad condicional,
esto es:
P(A.B)=P(A/B)P(B) si P(A) > 0
=P(B/A)P(A) si P(B) > 0
El uso de esta expresin es recomendable cuando se conocen o son de fcil clculo las
probabilidades que se multiplican, usando una expresin u otra de acuerdo a las
probabilidades conocidas, su generalizacin para la interseccin de n eventos sera
P(A1.A2An)=P(A1)P(A2/A1)P(A3/A1.A2)P(An/A1.A2An-1)
Si en el ejemplo anterior se desea calcular la probabilidad de que ambas piezas extradas
sean defectuosas se plantea:
P(D1.D2)=P(D1)P(D2/D1)=(3/8)(2/7)= 3/28 (sin reposicin)
Si dos eventos fueran independientes, es decir, si la ocurrencia de uno no influye en la
ocurrencia o no ocurrencia del otro, en notacin de probabilidad para los eventos A y B se
plantea:
P(A/B) = P(A) y P(B/A) = P(B)
Entonces el teorema de la multiplicacin cuando los eventos son independientes queda:
P(A.B) = P(A)P(B)
Regla de probabilidad total.- La situacin en la cual se aplica esta regla se presenta en
el siguiente esquema:
Se puede plantear:
B = (B.A1 ) U (B.A2) U (B.A3) U (B.A4) ya que (B.Ai).(B.Aj) = para ij
De ah que P(B) = P(B.A1) + P(B.A2) + P(B.A3) + P(B.A4)
Y aplicando la regla de la multiplicacin en cada uno de las intersecciones, se tiene:
P(B) = P(A1)P(B/A1) + P(A2)P(B/A2) + P(A3)P(B/A3) + P(A4)P(B/A4)
Que se conoce como Regla de la probabilidad total.
Su planteamiento general sera:
Sean Ai (i=1n); n eventos exhaustivos y excluyentes definidos en un mismo S y B un
evento definido tambin en el mismo S, entonces:

Su aplicacin es conveniente si se conocen o son de fcil clculo las P(Ai) y P(B/Ai)
De la aplicacin de estas dos frmulas se obtiene la denominada Frmula de Bayes tambin
muy utilizada en el clculo de probabilidades condicionales.


Cules son las propiedades de la probabilidad?
Las propiedades de la probabilidad son:
1. La probabilidad, P(A), de un suceso es mayor o igual que 0 y menor o igual que 1, 0 P(A) 1.
2. La probabilidad del suceso seguro es 1 y la probabilidad del suceso imposible es 0, P(E) = 1 y P() = 0.
3. Cuando dos sucesos son incompatibles, la probabilidad de su unin es la suma de sus
probabilidades, P(A B) = P(A) + P(B).
4. La probabilidad de cualquier suceso es igual a 1 menos la probabilidad de su contrario,P(A) = 1 -
P( A ).
5. Para dos sucesos cualesquiera, A y B, se verifica siempre que la probabilidad de su unin es igual a la
suma de sus probabilidades menos la probabilidad de la interseccin, P(A B) = P(A) + P(B) - P(A B).



Probabilidad

Propiedades de la probabilidad
Al asignar probabilidades mediante la regla de
Laplace o utilizando la frecuencia relativa puedes
comprobar que se cumple:
0P(A)1. La probabilidad de un suceso es
un nmero comprendido entre 0 y 1.
P(E)=1, P()=0. La probabilidad del suceso
seguro es 1 y la del suceso imposible 0.
La probabilidad de la unin de dos
sucesosincompatibles es P(AUB)=P(A)+P
(B).
Adems de estas propiedades se deducen estas
otras que resultan muy tiles para calcular
probabilidades:

P(A)=1-P(A)
P(AB)=P(A)+P(B)-P(AB)




Propiedades de la probabilidad

Introduccin:
En la vida cotidiana aparecen muchas situaciones en las que los resultados
observados son diferentes aunque las condiciones iniciales en las que se produce la
experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces
resultar cara y otras cruz.. Estos fenmenos, denominados aleatorios, se ven
afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable que...",
"hay muchas posibilidades de que..." hacen referencia a esta incertidumbre.
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. Debido al importante
papel desempeado por laprobabilidad dentro de la estadstica, es necesario
familiarizarse con sus elementos bsicos, lo que constituye el objetivo del presente
tema.
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza
los eventos futuros. Es por ello que el estudio de probabilidades surge como una
herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la poca.
El desarrollo de estas herramientas fue asignado a los matemticos de la corte.
Con el tiempo estas tcnicas matemticas se perfeccionaron y encontraron otros usos muy
diferentes para la que fueron creadas. Actualmente se contino con el estudio de nuevas
metodologas que permitan maximizar el uso de la computacin en el estudio de las
probabilidades disminuyendo, de este modo, los mrgenes de error en los clculos.

Conclusin: