TEORA DE PROBABILIDADES

Es la parte de las matemticas que estudia los fenmenos aleatorios estocsticos. 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.
Espacio Muestral: el espacio muestral o espacio de muestreo consiste en el conjunto de todos
los posibles resultados individuales de un experimento aleatorio.
Evento: es cualquier subconjunto del espacio muestral con estructura de lgebra, llamndose a
los sucesos que contengan un nico elemento sucesos elementales
Probabilidad de un Evento: Es la cantidad de certeza de aquellos hechos en los que no se sabe
lo que va a suceder, dependen del azar y no se puede determinar sus resultados aun repitindolo
en varias ocasiones.
Regla de Adicin: Es una Regla particular o especial de la adicin de probabilidades para
eventos mutuamente excluyentes Si A y B son dos eventos mutuamente excluyentes (eventos no
intersecantes), es decir, si la ocurrencia de cualquiera de ellos excluye la del otro, no pueden
ocurrir a la vez, o cuando no tienen ningn punto muestral en comn.
Regla de Multiplicacin: Se aplica cuando dos eventos son independientes; si la ocurrencia de
cualquiera de ellos no afecta la probabilidad de que ocurra ellos no afecta la probabilidad de que
ocurra el otro.

Eventos Dependientes:
Regla de probabilidad condicional: Es la probabilidad de que ocurra un evento A, sabiendo que
tambin sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee la
probabilidad de A dado B.
Probabilidad Conjunta: Es la probabilidad de ocurrencia de dos o ms eventos.
Probabilidad Marginal: Ocurre cuando solo un evento puede llevarse a cabo.
Teorema de Bayes:
El teorema de Bayes, en la teora de la probabilidad, es una proposicin planteada por el
filsofo ingls Thomas Bayes ( 1702-1761) en 1763, 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.
Ejemplo de Aplicacin
Una presa hidroelctrica tiene cuatro compuertas. Cuando fallan sus compuertas se les repara
de manera independiente una de la otra. A partir de la experiencia, se sabe que cada compuerta
est fuera de servicio el 4% de todo el tiempo.
a) Si la compuerta nmero uno est fuera de servicio, cul es la probabilidad de que
simultneamente las compuertas dos y tres estn fuera de servicio?

b) Durante una visita a la presa, se le dice a usted que las posibilidades de que las cuatro
compuertas estn fuera de servicio al mismo tiempo son menores a uno entre cinco millones. Es
esto cierto?
Informacin dada
Probabilidad de falla de cada una de las compuerta = 0.04
Eventos bajo independencia estadstica
Resolucin

P (Compuerta 2 y Compuerta 3 fallen /Compuerta 1 ha fallado) = P (C2 y C3 fallen) =

P(C2falle) * P(C3 falle) = 0.04 * 0.04 = 0.0016

P (C1 y C2 y C3 y C4 fallen) = 0.04 * 0.04 * 0.04* 0.04 = 0.00000256 = 1/400,000.

Entonces no es cierto que la probabilidad de falla total sea 1 en 5millones.

DISTRIBUCINES DE PROBABILIDAD
1. Distribucin Normal
Es la distribucin de probabilidad que se asume para una variable cuyos posibles valores se
disponen de forma simtrica en torno a su media de modo que los valores prximos a dicha
media tendrn mayor probabilidad de ser alcanzados. Conforme ms alejados estn de la media,
los valores tienen menor probabilidad de ser alcanzados. Tambin es la ms importante de las
distribuciones continuas ya que permite describir un nmero muy grande de fenmenos
aleatorios, como por ejemplo aquellos en los que intervienen un nmero elevado de factores no
controlables, que actan de manera independiente y con efectos pequeos.
2. Distribucin Binomial
Es la distribucin de probabilidad que se asocia a variables que slo toman dos valores, el 0 y
el 1, Intuitivamente, una variable dicotmica de Bernoulli aparece asociada a un experimento
xito-fracaso, donde 1 representa el xito y 0 el fracaso.
3. Distribucin de Poisson
La distribucin de Poisson suele emplearse para representar experimentos en los que se
analiza el nmero de veces que ocurre cierto suceso en un intervalo (en general de tiempo). Los
requisitos que deben verificar estas experiencias son las siguientes:

Las condiciones experimentales deben ser constantes a lo largo de todo el intervalo.

Los resultados del experimento deben ser independientes cuando se refieren a intervalos

disjuntos
La tasa media de aparicin del suceso, en cualquier intervalo de longitud uno, es

constante.
La probabilidad de que el suceso ocurra una sola vez en un intervalo de amplitud

suficientemente pequea, debe ser aproximadamente.

La probabilidad de dos o ms ocurrencias del suceso, en un intervalo suficientemente

pequeo, debe ser prcticamente cero.

4. T de student
Es asociada a una variable aleatoria que se obtiene a partir del cociente de una variable N (0;
1) y la raz cuadrada de una variable X2(n). Por tanto, esta distribucin puede tomar cualquier
valor real. Su funcin de densidad es muy compleja y su grfica es parecida a la de la
distribucin N (0; 1).
5. Chi cuadrada
Es la asociada a una variable aleatoria que se obtiene como suma de los cuadrados de n
variables independientes con distribucin N (0; 1). Por tanto, esta distribucin slo toma valores
positivos y adems su funcin de densidad es muy compleja. Intuitivamente, esta distribucin es
de utilidad para obtener informacin de la varianza poblacional a partir de un conjunto de datos
extrados de una variable normal.
6. Distribucin F (Anova)
Es la asociada a una variable aleatoria que se obtiene a partir del cociente de una dos variables
chi-cuadrado con n y m grados de libertad respectivamente. Por tanto, esta distribucin slo
tomar valores positivos. Su funcin de densidad es muy compleja y su grfica es parecida a la de
la distribucin chi-cuadrado. Intuitivamente, esta distribucin es de utilidad para establecer
comparaciones entre las varianzas poblacionales a partir de dos conjuntos de datos extrados de
una variable normal.

BIBLIOGRAFIA
Gmez Cadenas, J.J. (2005). Distribuciones Probabilsticas. Recuperado de
https://www.google.com.gt/?gws_rd=ssl#q=Distribuciones+de+probabilidad+pdf

Litherland, N. (2010). Eventos Mutuamente Excluyentes. Recuperado de

http://www.ehowenespanol.com/definicion-eventos-mutuamente-excluyentes-sobre_138140/

Pea Snchez de Rivera, D. (2001) Distribuciones de Probabilidad ms usuales. Recuperado de

https://www.google.com.gt/?gws_rd=ssl#q=distribuciones+probabi listicas+pdf

Surez Ibujes, M.O. (2011). Probabilidades. Recuperado

de http://www.monografias.com/trabajos89/adicion-probabilidades-eventosmutuamente/adicion-probabilidades-eventos-mutuamente.shtml#ixzz3yNI86kxO