INTRODUCCIN.

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.
A travs de la historia se han desarrollado tres enfoques conceptuales diferentes para
definir la probabilidad y determinar los valores de probabilidad.

OBJETIVOS.
El objetivo fundamental de la probabilidad, es la de mostrar al alumno la
importancia y utilidad del Mtodo Estadstico en el mbito econmicoempresarial. Con tal fin, el alumno deber aprender a manejar los mtodos y
tcnicas ms adecuadas para el correcto tratamiento y anlisis de la informacin
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 nuevos relacionados con
este tema.
Medir la certidumbre (o incertidumbre) de que ocurran determinados sucesos.
Analizar conjuntos de datos para describir caractersticas de los mismos.
Estudiar las distribuciones de probabilidades para entender y asociar dichas
distribuciones a cosas del mundo real, tales como tasa de llegada de clientes.
Aplicar los elementos bsicos de la teora de probabilidad a fenmenos que
obedecen modelos no determinanticos.
Realizar pruebas de hiptesis e intervalos de confianza para medir la validez de
algunas afirmaciones sobre fenmenos.

PROBABILIDADES.
I.

DEFINICINES:
La probabilidad de un suceso es un nmero, comprendido entre 0 y 1, que
indica las posibilidades que tiene de verificarse cuando se realiza un
experimento aleatorio.
La probabilidad es la medida cuantitativa por medio de la cual se determina
la posibilidad de obtener un resultado determinado mediante la realizacin
de un experimento aleatorio, del que se conocen todos los resultados
posibles, bajo condiciones suficientemente estables. La teora de la
probabilidad se usa extensamente en reas como la estadstica, la fsica, la
matemtica, las ciencias y la filosofa para sacar conclusiones sobre la
probabilidad discreta de sucesos potenciales y la mecnica subyacente
discreta de sistemas complejos.
La probabilidad, por lo tanto, puede definirse como la razn entre la
cantidad de casos prsperos y la cantidad de cuestiones posibles. La
matemtica, la fsica y la estadstica son algunas de las reas que permiten
arribar a conclusiones respecto a la probabilidad de eventos potenciales.
La probabilidad constituye un importante parmetro en la determinacin de
las diversas casualidades obtenidas tras una serie de eventos esperados
dentro de un rango estadstico. Existen diversas formas como mtodo
abstracto, como la teora Dempster-Shafer y la teora de la relatividad
numrica, esta ltima con un alto grado de aceptacin si se toma en cuenta
que disminuye considerablemente las posibilidades hasta un nivel mnimo ya
que somete a todas las antiguas reglas a una simple ley de relatividad. La
probabilidad de un evento se denota con la letra p y se expresa en trminos
de una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1.
Por otra parte, la probabilidad de que un evento "no ocurra" equivale a 1
menos el valor de p y se denota con la letra q:

Los tres mtodos para calcular las probabilidades son la regla de la adicin,
la regla de la multiplicacin y la distribucin binomial.
A. REGLA DE LA ADICIN:
La regla de la adicin o regla de la suma establece que la probabilidad
de ocurrencia de cualquier evento en particular es igual a la suma de las
probabilidades individuales, si es que los eventos son mutuamente
excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo.
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.
B. REGLA DE LA MULTIPLICACIN:
La regla de la multiplicacin establece que la probabilidad de ocurrencia
de dos o ms eventos estadsticamente independientes es igual al
producto de sus probabilidades individuales.
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.
REGLA DE LAPLACE: La regla de Laplace establece que:

La probabilidad de ocurrencia de un suceso imposible es 0.

La probabilidad de ocurrencia de un suceso seguro es 1, es

decir, P(A) = 1.
Para aplicar la regla de Laplace es necesario que los
experimentos den lugar a sucesos equiprobables, es decir, que
todos tengan o posean la misma probabilidad.

La probabilidad de que ocurra un suceso se calcula as:

P(A) = N de casos favorables / N de resultados posibles
Esto significa que, probabilidad es igual al nmero de casos
favorables sobre o dividido el nmero de resultados total de
resultados posibles.

C. DISTRIBUCIN BINOMINAL:

La probabilidad de ocurrencia de una combinacin especfica de eventos

independientes y mutuamente excluyentes se determina con la
distribucin binomial, que es aquella donde hay solo dos posibilidades,
tales como masculino/femenino o si/no.
1. Hay dos resultados posibles mutuamente excluyentes en cada
ensayo u observacin.
2. La serie de ensayos u observaciones constituyen eventos
independientes.
3. La probabilidad de xito permanece constante de ensayo a ensayo,
es decir el proceso es estacionario.
Para aplicar esta distribucin al clculo de la probabilidad de
obtener un nmero dado de xitos en una serie de experimentos en
un proceso de Bermnoulli, se requieren tres valores: el nmero
designado de xitos (m), el nmero de ensayos y observaciones (n);
y la probabilidad de xito en cada ensayo (p).
Entonces la probabilidad de que ocurran m xitos en un
experimento de n ensayos es: P (x = m) = (nCm)(P m)(1P)nm
Siendo: nCm el nmero total de combinaciones posibles de m
elementos
en
un
conjunto
de
n
elementos.
En otras palabras P(x = m) = [n!/(m!(nm)!)](pm)(1p)nm
II.

EVENTOS DEPENDIENTES E INDEPENDIENTES.

1) EVENTOS DEPENDIENTES:
Decimos que dos eventos A y B son dependientes entre s si la ocurrencia de
uno de ellos modifica la probabilidad del otro, es decir, si:
P( B/A )

P( B )

P( A/B )

P( A ).

Tres sucesos A, B y C son independientes si se cumplen a la vez:

P( A B ) = P( A ) P( B )
P( A C ) = P( A ) P( C )
P( B C ) = P( B ) P( C )
P( A B C ) = P( A ) P( B ) P( C )
2) EVENTOS INDEPENDIENTES:
Decimos que dos sucesos A y B son independientes entre s si la ocurrencia
de uno de ellos no modifica la probabilidad del otro, es decir, si:
P( B/A ) = P( B )

P( A/B ) = P( A ).

Dos sucesos A y B son independientes si se cumple:

P(A
III.

B) = P(A) P(B).

TEOREMA DE BAYES.
En la teora de la probabilidad el teorema de Bayes es un resultado enunciado
por Thomas Bayes en 17631 que expresa la probabilidad condicional de un
evento aleatorio A dado B en trminos de la distribucin de probabilidad
condicional del evento B dado A y la distribucin de probabilidad marginal de
slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A. Es decir que sabiendo la probabilidad de tener un
dolor de cabeza dado que se tiene gripe, se podra saber -si se tiene algn dato
ms-, la probabilidad de tener gripe si se tiene un dolor de cabeza, muestra este
sencillo ejemplo la alta relevancia del teorema en cuestin para la ciencia en
todas sus ramas, puesto que tiene vinculacin ntima con la comprensin de la
probabilidad de aspectos causales dados los efectos observados.
Sea
un conjunto de sucesos mutuamente
excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos es
distinta de cero (0). Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales
viene dada por la expresin:

. Entonces, la probabilidad

Donde:

son las probabilidades a priori.

es la probabilidad de

son las probabilidades a posteriori.

en la hiptesis

CONCLUSIONES.
La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de
resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los
resultados posibles, bajo condiciones suficientemente estables. La teora de la
probabilidad se usa extensamente en reas como la estadstica, la fsica, la matemtica,
la ciencia y la filosofa para sacar conclusiones sobre la probabilidad de sucesos
potenciales y la mecnica subyacente de sistemas complejos.
La probabilidad constituye un importante parmetro en la determinacin de las diversas
casualidades obtenidas tras una serie de eventos esperados dentro de un rango
estadstico.
Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer y la
teora de la relatividad numrica, esta ltima con un alto grado de aceptacin si se toma
en cuenta que disminuye considerablemente las posibilidades hasta un nivel mnimo ya
que somete a todas las antiguas reglas a una simple ley de relatividad.[cita requerida]
La probabilidad de un evento se denota con la letra p y se expresa en trminos de una
fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra parte, la
probabilidad de que un evento "no ocurra" equivale a 1 menos el valor de p y se denota
con la letra q.
Dos aplicaciones principales de la teora de la probabilidad en el da a da son en el
anlisis de riesgo y en el comercio de los mercados de materias primas. Los gobiernos
normalmente aplican mtodos probabilsticos en regulacin ambiental donde se les
llama "anlisis de vas de dispersin", y a menudo miden el bienestar usando mtodos
que son estocsticos por naturaleza, y escogen qu proyectos emprender basndose en
anlisis estadsticos de su probable efecto en la poblacin como un conjunto. No es

correcto decir que la estadstica est incluida en el propio modelado, ya que tpicamente
los anlisis de riesgo son para una nica vez y por lo tanto requieren ms modelos de
probabilidad fundamentales, por ej. "la probabilidad de otro 11-S". Una ley de nmeros
pequeos tiende a aplicarse a todas aquellas elecciones y percepciones del efecto de
estas elecciones, lo que hace de las medidas probabilsticas un tema poltico.
Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto
generalizado sobre los precios del petrleo en Oriente Medio - que producen un efecto
domin en la economa en conjunto. Un clculo por un mercado de materias primas en
que la guerra es ms probable en contra de menos probable probablemente enva los
precios hacia arriba o hacia abajo e indica a otros comerciantes esa opinin. Por
consiguiente, las probabilidades no se calculan independientemente y tampoco son
necesariamente muy racionales. La teora de las finanzas conductuales surgi para
describir el efecto de este pensamiento de grupo en el precio, en la poltica, y en la paz y
en los conflictos.

BIBLIOGRAFA.

DUR PEIR J.M., LPEZ CUAT J.M.: "Fundamentos de Estadstica.

Estadstica descriptiva y modelos probabilsticos para la inferencia", Ed. Ariel
Economa, 1988. (Teora-Problemas)
Notas. Libro de probabilidad de teora con muchsimos ejemplos resueltos. Tambin tiene
problemas al final de cada captulo con la solucin corta al final del libro.

QUESADA V., ISIDORO, LPEZ: "Curso y Ejercicios de Estadstica", Ed.

Alhambra, 1989. (Problemas-Teora)
Notas. Existen ejemplares en: biblioteca de Matemticas, Biologa, Inf./Est . Tiene muchos
problemas resueltos de Estadstica Descriptiva, Probabilidad e Inferencia Paramtrica (tambin
problemas propuestos). Contiene un breve resumen terico de cada tema.

RUIZ CAMACHO M., MORCILLO AIXEL M.C., GARCA GALISTEO J.,

CASTILLO VZQUEZ C.: "Curso de Probabilidad y Estadstica", Ed.
Universidad de Mlaga / Manuales, 2000.(Teora-Problemas)
Notas. Existen ejemplares en: biblioteca de Matemticas. Un libro de teora muy "didctico" de
Estadstica Descriptiva y Probabilidad. Contiene problemas resueltos y propuestos, al final de
cada bloque terico.

SARABIA VIEJO A., MATE JIMNEZ C.: "Problemas de Probabilidad y

Estadstica. Elementos tericos, cuestiones, aplicaciones con Statgraphics", Ed.
CLAGSA, 1993. (Problemas)
Notas. Existen ejemplares en: biblioteca de Matemticas. Tiene muchos problemas resueltos de

Estadstica Descriptiva, Probabilidad e Inferencia Paramtrica (tambin problemas propuestos).

Resuelve algunos problemas con el programa Statgraphics en su versin de MSDOS.

WALPOLE R.E., MYERS R.H., MYERS S.L.: "Probabilidad y Estadstica para

Ingenieros", Ed. Prentice Hall, 1998, 6 edicin.(Teora)
Notas. Existen ejemplares en: ?. Un libro de teora muy "didctico" de Estadstica Descriptiva,
Probabilidad, Inferencia Paramtrica, Inferencia No Paramtrica y Diseo de Experimentos.
Contiene problemas propuestos despus de cada apartado tratado (solucin corta de problemas
impares) y con muchos ejemplos prcticos resueltos en el desarrollo del temario.