UNIVERSIDAD MARIANO GALVEZ

SEDE REGIONAL CAMPUS JUTIAPA

MAESTRIA EN ADMINISTRACION DE
PROYECTOS
INGA. ESMERALDA VILLELA
MODELOS PARA LA TOMA DE DECISIONES

TEORIA Y DISTRIBUCION DE PROBABILIDADES

Y SU APLICACIN EN LA TOMA DE DECISIONES

ENRIQUE CARLOS ANIBAL CERNA MARTINEZ

CARNE NO. 0905-09-1903
SABADO 13 DE FEBRERO DEL 2016

Teora de Probabilidades
La teora de la probabilidad es la parte de las matemticas que estudia
los fenmenos aleatorios estocsticos. (Casas Snchez, 2006).
Estos deben contraponerse a los fenmenos determinsticos, los cuales son resultados
nicos y/o previsibles de experimentos realizados bajo las mismas condiciones
determinadas, por ejemplo, si se calienta agua a 100 grados Celsius a nivel del mar se
obtendr vapor. Los fenmenos aleatorios, por el contrario, son aquellos que se obtienen
como resultado de experimentos realizados, otra vez, bajo las mismas condiciones
determinadas pero como resultado posible poseen un conjunto de alternativas, por
ejemplo, el lanzamiento de un dado o de una moneda. La teora de probabilidades se
ocupa de asignar un cierto nmero a cada posible resultado que pueda ocurrir en un
experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un suceso es
ms probable que otro.
Muchos fenmenos naturales son aleatorios, pero existen algunos como el
lanzamiento de un dado, donde el fenmeno no se repite en las mismas condiciones,
debido a que la caractersticas del material hace que no exista una simetra del mismo,
as las repeticiones no garantizan una probabilidad definida. En los procesos reales que
se modelizan mediante distribuciones de probabilidad corresponden a modelos
complejos donde no se conocen a priori todos los parmetros que intervienen; sta es
una de las razones por las cuales la estadstica, que busca determinar estos parmetros,
no se reduce inmediatamente a la teora de la probabilidad en s.
Esta aproximacin axiomtica que generaliza el marco clsico de la probabilidad, la
cual obedece a la regla de clculo de casos favorables sobre casos posibles, permiti la

rigorizacin de muchos argumentos ya utilizados, as como el estudio de problemas

fuera de los marcos clsicos. Actualmente, la teora de la probabilidad encuentra
aplicacin en las ms variadas ramas del conocimiento, como puede ser la fsica (donde
corresponde mencionar el desarrollo de las difusiones y el movimiento Browniano), o
la economa (donde destaca el modelo de Black y Scholes para la valuacin de
acciones).
Definicin clsica de probabilidad
La probabilidad es la caracterstica de un evento, que hace que existan razones para
creer que ste se realizar. (Devore, 2008)
La probabilidad p de que suceda un evento S de un total de n casos posibles
igualmente probables es igual a la razn entre el nmero de ocurrencias h de dicho
evento (casos favorables) y el nmero total de casos posibles n.

(Ibarola, 2013)
La probabilidad es un nmero (valor) que vara entre 0 y 1. Cuando
el evento es imposible se dice que su probabilidad es 0, si el evento
es cierto y siempre tiene que ocurrir su probabilidad es 1.
La probabilidad de no ocurrencia de un evento est dada por q,
donde:

Sabemos que p es la probabilidad de que ocurra un evento y q es

la probabilidad de que no ocurra, entonces p + q = 1

Simblicamente el espacio de resultados, que normalmente se

denota por

, es el espacio que consiste en todos los resultados que

son posibles. Los resultados, que se denota por

elementos del espacio

, etctera, son

Distribucin de Probabilidades
Una distribucin de probabilidad indica toda la gama de valores que pueden
representarse como resultado de un experimento si ste se llevase a cabo.
Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye
una herramienta fundamental para la prospectiva, puesto que se puede disear un
escenario de acontecimientos futuros considerando las tendencias actuales de diversos
fenmenos naturales
Toda distribucin de probabilidad es generada por una variable (porque puede tomar
diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede
ser de dos tipos:

VARIABLE ALEATORIA DISCRETA (x).

Porque solo puede tomar valores enteros y un nmero finito de ellos. Por ejemplo:
X Variable que nos define el nmero de alumnos aprobados en la materia de probabilidad en
un grupo de 40 alumnos (1, 2 ,3 los 40).

PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)

p(xi)<1 Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero y menores o iguales a 1.
E p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores que toma x
debe ser igual a 1.
EJEMPLO

Para variable aleatoria discreta

Tenemos una moneda que al lanzarla puede dar slo dos resulatdos: o cara (50%), o cruz
(50%).
La siguiente tabla nos muestra los posibles resultados de lanzar dos veces una moneda:

VARIABLE ALEATORIA CONTINUA (x).

ESPERANZA MATEMATICA O VALOR ESPERADO
p(x) Las probabilidades asociadas a cada uno de los valores que toma x deben ser
El valor esperado de una Variable Aleatoria X es el promedio ponderado de todos los
mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de probabilidad deber
valores posibles de la misma. DNode los pesos son las probabilidades asociadas con los
valores.
Porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito de ellos
Paradecalcular
el valor
esperado
de una variable aleatoria por su correspondiente
dentro
un mismo
intervalo.
Por ejemplo:
probabilidad
y luego
sumar
los trminos
resultante.
x es la Variable
que nos
define
la concentracin
en gramos de plata de algunas muestras de
La esperanza
matemtica
o valor
esperado
de una
aleatoria
tiene sus orgenes en
mineral
(14.8 gr, 12.1,
10.0, 42.3,
15.0,
18.4, 19.0,
21.0,variable
20.8, ,
n)

PROPIEDADES
DE UNA
ALEATORIA
DISCRETA
(X)
los juegos de azar, debido
a queVARIABLE
los apostadores
deseaban saber
cul era su
esperanza de
ganar solo
repetidamente
un juego,
por lo tanto,
tomar
valores mayores
o iguales
a cero.el valor esperado representa la cantidad de dinero
promedio
que el bajo
jugador
est dispuesto
a ganar
o perder despus
unde
nmero
grande de
El
rea definida
la funcin
de densidad
de probabilidad
deberdeser
1.
apuestas.

E(x) = = E xf (x)

VARIANZA
Es un promedio ponderado de las de las desvaciones al cuadrado.
Varianza = E ( x - ) f ( x)

DISTRIBUCIN BINOMIAL
La distribucin Binomial es un caso particular de probabilidad de variable aleatoria discreta, y
por sus aplicaciones, es posiblemente la ms importante.
Esta distribucin corresponde a la realizacin de un experimento aleatorio que cumple con las
siguientes condiciones:
* Al realizar el experimento slo son posible dos resultados: el suceso A, llamado xito, y el
suceso B , llamado fracaso.
* Al repetir el experimento, el resultado obtenido es independiente de los resultados obtenidos
anteriormente.
* La probabilidad del suceso A es constante, es decir, no vara de una prueba del experimento
a otra.
* En cada experimento se realizan n pruebas idnticas.
Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la
distribucin Binomial o distribucin de Bernoulli.
En general, si se tienen n ensayos Bernoulli con probabilidad de xito p y de fracaso q,
entonces la distribucin de probabilidad que la modela es la distribucin de probabilidad
binomial y su regla de correspondencia es:

Donde:
P(X)= es la probabilidad de ocurrencia del
evento
p = es la probabilidad de xito del evento (en un intento)
q = es la probabilidad de fracaso del evento (en un intento) (se define como q = 1 p )
X = ocurrencia del evento o xitos deseados
n = nmero de intentos
EJEMPLO
Cul es la probabilidad de obtener exactamente 2 caras al lanzar una misma moneda 6
veces ?
Donde:
P(X)= Probabilidad de que ocurra el evento
p = (0.5)
q = (se define como q = 1 p ) (0.5)
X=2
n=6

Al sustituir los valores en la frmula obtenemos:

La posibilidad de obtener dos caras al lanzar una moneda 6 veces es de 0.234375

Como el clculo de estas probabilidades puede resultar algo tedioso se han construido tablas
para algunos valores de n y p que nos facilitan el trabajo (Ver las tablas de la funcin de
probabilidad Binomial).

Para una combinacin de n y p, la entrada indica una probabilidad de obtener un valor

especfico de r.
Para localizar la entrada, cuando p8804;0.50, localice p a lo largo del encabezado de la tabla,
y en la columna correspondiente localice n y r en el margen izquierdo; cuando p8805;0.50,
localice el valor de p en la parte inferior de la tabla, y n y r arriba, en el margen derecho.

Tenemos p = 0.50, n = 6 y r = 2 obteniendo resultado directo de tablas

P(2 caras) = 0.2344

BIBLIOGRAFIA
Casas Snchez, J. M. (2006). Ejercicios de Estadstica Descriptiva y
Probabilidad para Econmia y Administracin de Empresas. PIRMIDE
(PAPEL).
Devore, J. L. (2008). Probabilidad y Estadstica para Ingeniera y Ciencias (7
ed.). Mxico: CENGAGE Learning.
Freund, J. E. (2000). Estadstica matemtica con aplicaciones (Pearson
Educacin ed.). Mxico: Pearson Educacin.

Ibarola, P. (2013). www.wikipedia.com. Obtenido de

https://es.wikipedia.org/wiki/Teor%C3%ADa_de_la_probabilidad
Spiegel, M. R. (2010). Teora y problemas de probabilidad y estadstica (3
ed.). Mxico: McGraw-Hill.