Aspectos generales de la probabilidad,

(conceptos, tipos de probabilidad,

enfoques de probabilidad).
Publicado por : SoyStaff 10/27/2015

La probabilidad es la posibilidad que existe entre varias posibilidades, que un

hecho o condición se produzcan. La probabilidad, entonces, mide la frecuencia
con la cual se obtiene un resultado en oportunidad de la realización de un
experimento sobre el cual se conocen todos los resultados posibles gracias a las
condiciones de estabilidad que el contexto supone de antemano.

Expresado matemáticamente, es igual al número de formas que un evento

específico puede ocurrir, dividido por el número total de posibles eventos. Por
ejemplo, si tienes una bolsa con tres canicas, una azul y dos verdes, la probabilidad
de tomar una canica azul sin mirar es de 1/3. Hay sólo un resultado posible de que
se seleccione la canica azul, pero hay tres posibles resultados en total, azul, verde,
verde. Usando el mismo razonamiento, la probabilidad de tomar una canica verde
es de 2/3.
 La gran aliada de la probabilidad es la llamada teoría de la probabilidad, ya que
gracias a lo que esta postula y sostiene, es que los seres humanos podemos
anticiparnos a que algunos sucesos potenciales ocurran finalmente. La mencionada
teoría es muy utilizada y consultada por disciplinas como ser la estadística, la
filosofía, las matemáticas y la ciencia, para sacar conclusiones respecto de los
sucesos potenciales que las ocupan.

La teoría de la probabilidad es un modelo matemático que se ocupa de

analizar los fenómenos aleatorios; esto implica la contraposición respecto de los
fenómenos ya determinados, que son aquellos en los cuales el resultado del
experimento que se realiza, atendiendo a determinadas condiciones, produce un
resultado único y previsible, que se repetirá la cantidad de veces que éste vuelva a
hacerse, siempre y cuando se respeten las mismas condiciones.

Entonces, dentro de la teoría de la probabilidad se intenta determinar la cantidad

de veces que puede un determinado resultado acontecer, con el fin de conocer que
suceso es el más probable.

Por ejemplo, el agua que se calienta a 100 grados Celsius a nivel del mar se
convierte en vapor: éste es un fenómeno ya determinado. En tanto, los aleatorios,
que son de los que se ocupa la teoría de la probabilidad, podrán realizarse miles de
veces bajo las mismas circunstancias pero siempre tendrán como resultado un
variado conjunto de alternativas. Un clarísimo ejemplo resulta ser las diversas
posibilidades y combinaciones que permite el lanzamiento de dados cuando
se está jugando a la generala.

La probabilidad está absolutamente inmersa en nuestro día a día como parte

integrante de una sociedad y comunidad determinada, ya que en el análisis de
riesgos y en el comercio de materias primas, la probabilidad, tiene una incidencia y
una importancia vital.

Existen tres tipos de enfoques de Probabilidad:

 Clásico
 Relativo
 Subjetivo
Clásico:

Los resultados de un experimento son igualmente viables, es decir, tienen

teóricamente las mismas posibilidades de ocurrir.

En este caso la probabilidad de ocurrencia de un evento será:

Número de resultados en los que se presenta el evento / número total de resultados

posibles

Por ejemplo, la probabilidad de que en una baraja francesa de 52 cartas salga el

cinco de trébol es de 1/52.

De Frecuencia Relativa:

La probabilidad de que un evento suceda se determina observando eventos

similares en el pasado. Este método utiliza la frecuencia relativa de las
presentaciones pasadas de un evento como una probabilidad. Determinamos qué
tan frecuente ha sucedido algo en el pasado y usamos esa cifra para predecir la
probabilidad de que suceda de nuevo en el futuro.

En este caso la probabilidad de ocurrencia de un evento será:

Número de resultados esperados ocurridos en el pasado / número total de

experimentos adelantados

Por ejemplo, la probabilidad de que Brasil gané el mundial de Rusia 2018 es de 5

mundiales ganados anteriormente / 20 mundiales que se han celebrado en total.

De Frecuencia Subjetiva:

Se puede definir como la probabilidad asignada a un evento por parte de un

individuo, basada en la evidencia que se tenga disponible. Esa evidencia puede
presentarse en forma de frecuencia relativa de presentación de eventos pasados o
puede tratarse simplemente de una creencia meditada.

TE RECOMENDAMOS :
Leyes de la probabilidad
Publicado por : SoyStaff 10/27/2015

Ley de números grandes

Puedes descubrir la probabilidad desconocida de un evento a través de la

experimentación. Por ejemplo, supongamos que no conocemos la probabilidad de
sacar una canica de cierto color, pero si sabemos que hay tres canicas en la bolsa.
Haces una prueba y sacas una canica verde. Haces otra prueba y sacas otra canica
verde. En este punto podrías asegurar que la bolsa solo contiene canicas verdes,
pero basado en dos pruebas la predicción no es confiable. Es posible que la bolsa
solo contenga canicas verdes o puede que las otras dos sean rojas y tú
seleccionaste solo las verdes secuencialmente. Si realizas la misma prueba 100
veces, probablemente descubras que seleccionaste una canica verde alrededor del
66 por ciento de las veces. Esta frecuencia refleja la probabilidad correcta más
acertadamente que el primer experimento.

Esta es la ley de números grandes: cuanto más pruebas realizas, más preciso será
que la frecuencia del resultado de un evento refleje su probabilidad real.

Ley de sustracción

La probabilidad sólo tiene rango entre 0 y 1. Una probabilidad de 0 significa que no

hay posibles resultados para un evento. En nuestro ejemplo anterior, la probabilidad
de sacar una canica roja es cero. Una probabilidad de 1 significa que el evento
ocurrirá en cada una de las pruebas. La probabilidad de sacar una canica verde o
azul es 1. No hay otros posibles resultados. En una bolsa que contiene una canica
azul y dos verdes, la probabilidad de sacar una verde es de 2/3. Es un número
aceptable, ya que 2/3 es mayor que 0 pero menor que 1, es decir, está dentro del
rango de valores aceptables de probabilidad.

Conociendo esto, puedes aplicar la ley de sustracción, que señala que si conoces
la probabilidad de un evento, puedes señalar acertadamente la probabilidad de que
dicho evento no ocurra. Sabiendo que la probabilidad de sacar una canica verde es
de 2/3, puedes restar ese valor a 1 y determinar correctamente la probabilidad de
no sacar una canica verde: 1/3.

Ley de multiplicación

Si quieres encontrar la probabilidad de que dos eventos ocurran en pruebas

secuenciales, se usa la ley de la multiplicación.

Por ejemplo, en lugar del ejemplo anterior de la bolsa con las tres canicas, digamos
que es una bolsa con cinco canicas. Hay una azul, dos verdes y dos amarillas. Si
quieres encontrar la probabilidad de sacar una canica azul y una verde, en cualquier
orden (y sin devolver la primera canica a la bolsa), busca la probabilidad de sacar
una azul y la probabilidad de sacar una verde.

La probabilidad de sacar una canica azul de la bolsa de cinco es de 1/5. La

probabilidad de sacar una canica verde de entre las restantes es de 2/4, o 1/2.

Aplicar correctamente la ley de multiplicación implica multiplicar las dos

probabilidades, 1/5 y 1/2, obteniendo 1/10. Esto expresa la probabilidad de que
ambos eventos ocurran juntos.

Ley de suma

Aplicando lo que sabes de la ley de multiplicación, puedes determinar la

probabilidad de que sólo uno de dos eventos ocurra.

La ley de suma plantea que la probabilidad de que uno de dos eventos ocurra es
igual a la suma de las probabilidades de que cada evento ocurra individualmente,
menos la probabilidad de que ambos ocurran.
En la bolsa de cinco canicas, digamos que quieres saber la probabilidad de sacar
una canica azul o una verde. Suma la probabilidad de sacar una azul (1/5) a la
probabilidad de sacar una verde (2/5). La suma es 3/5. En el ejemplo anterior,
expresando la ley de multiplicación, encontramos que la probabilidad de sacar una
canica azul y una verde es de 1/10. Restando esto a la suma de 3/5 (o 6/10 para
una sustracción más simple) nos da una probabilidad final de 1/2.

Aplicaciones de la probabilidad en la
administración
Publicado por : SoyStaff 10/27/2015

Muchas empresas aplican la comprensión de la incertidumbre y probabilidad en sus

prácticas de decisión en sus negocios. Los modelos de probabilidad pueden ayudar
enormemente a las empresas a optimizar sus políticas y tomar decisiones seguras.
Aunque complejos, esos métodos de probabilidad pueden incrementar la
rentabilidad y éxito de una empresa.

Inversión

La optimización en la ganancia de un negocio depende de cómo un negocio invierte

sus recursos. Una parte importante de invertir es conocer los riesgos involucrados
con cada tipo de inversión. La única manera de que un negocio pueda tener en
cuenta estos riesgos al tomar decisiones sobre inversión es usar la probabilidad
como un método de cálculo. Luego de analizar las probabilidades de ganancia y
pérdida asociadas con cada decisión de inversión, un negocio puede aplicar
modelos de probabilidad para calcular qué inversión o combinaciones de ésta
producen la máxima ganancia esperada.

Servicio al cliente

El servicio al cliente puede ser físico como servicio de ventanilla de un banco o

servicio al cliente virtual como un sistema de Internet. En cualquier caso, los
modelos de probabilidad pueden ayudar a una compañía a crear una política
relacionada al servicio al cliente. Para tales políticas, los modelos de teoría de colas
son integrales. Estos modelos le permiten a las compañías comprender la eficiencia
relacionada a su sistema actual de servicio al cliente y hacer cambios para optimizar
el sistema. Si una compañía se encuentra con problemas relacionados a filas largas
o tiempos de espera en línea largos, esto puede causar que la compañía pierda
clientes. En esta situación, los modelos de hacer filas se vuelven una parte
importante de resolución de problemas.

Estrategia competitiva

Aunque la teoría del juego es una parte importante de determinar la estrategia de

la compañía, ésta carece de la inclusión de incertidumbre en estos modelos. Un
modelo determinista de tal tipo no puede permitir a una compañía para optimizar
verdaderamente su estrategia en términos de riesgo. Los modelos de probabilidad
como las cadenas de Markov le permiten a las compañías diseñar un conjunto de
estrategias que no solamente dan cuenta del riesgo pero se auto-alteran en la fase
de nueva información considerando a las compañías en competencia. Además, las
cadenas de Markov le permiten a las compañías analizar de forma matemática
estrategias de largo plazo para encontrar cuáles producen los mejores resultados.

Diseño de producto

El diseño de producto, especialmente el diseño de productos complicados como

dispositivos informáticos, incluye el diseño y arreglo de múltiples componentes en
un sistema. La teoría de fiabilidad brinda un modelo probabilístico que ayuda a los
diseñadores a modelar sus productos en términos de la probabilidad de fracaso o
interrupción. Este modelo permite un diseño más eficiente y permite a los negocios
redactar de forma óptima garantías y políticas de devolución.
Árboles de probabilidad
Publicado por : SoyStaff 10/27/2015

Un árbol de probabilidad es una gráfica que representa los resultados posibles de un evento así
como la probabilidad de concurrencia.

Un diagrama de árbol de probabilidad expresa los resultados posibles de una situación dada.
En la figura anterior aparece un diagrama de árbol para el experimento del lanzamiento de dos
monedas. La secuencia de los pasos en el diagrama va de izquierda a derecha.

El paso 1 corresponde al lanzamiento de la primera moneda, el paso 2 al de la segunda moneda.

En cada paso, los dos resultados posibles son cruz o cara.

Observe que a cada uno de los resultados posibles en el paso 1 pertenecen dos ramas por los
dos posibles resultados en el paso 2.
Cada uno de los puntos en el extremo derecho del árbol representa un resultado experimental.

Cada trayectoria a través del árbol, desde el nodo más a la izquierda hasta uno de los nodos en
el extremo derecho del árbol, muestra una secuencia única de resultados.

Para la construcción de un diagrama en árbol se partirá poniendo una rama para cada una de
las posibilidades, acompañada de su probabilidad.

En el final de cada rama parcial se constituye a su vez, un nudo del cual parten nuevas ramas,
según las posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimento (nudo final).

Hay que tener en cuenta: que la suma de probabilidades de las ramas de cada nudo ha de dar
1.

Aplicaciones:

Un diagrama de árbol es un método gráfico para identificar todas las partes necesarias para
alcanzar algún objetivo final.

En mejora de la calidad, los diagramas de árbol se utilizan generalmente para identificar todas
las tareas necesarias para implantar una solución.
 Se emplea para descomponer una meta u objetivo en una serie de actividades que deban o
puedan hacerse. A través de la representación gráfica de actividades se facilita el entendimiento
de las acciones que intervendrán.

Permite a los miembros del equipo de trabajo expandir su pensamiento al crear soluciones sin
perder de vista el objetivo principal o los objetivos secundarios.

Ubica al equipo para que se dirija a situaciones reales versus teóricas.

Asimismo, se dimensiona el nivel real de complejidad de algún proyecto y se puede prever el

encontrarse con soluciones inviables antes del arranque.

Ejemplos:

 Una clase consta de seis niñas y 10 niños. Si se escoge un comité de tres al azar, hallar la
probabilidad de:
 1. Seleccionar tres niños.

2. Seleccionar exactamente dos niños y una niña.

3. Seleccionar exactamente dos niñas y un niño.

 4. Seleccionar tres niñas.

 Calcular la probabilidad de que al arrojar al aire tres monedas, salgan: Tres caras.
Teoremas de Bayes
Publicado por : SoyStaff 10/28/2015

El teorema de Bayes parte de una situación en la que es posible conocer las

probabilidades de que ocurran una serie de sucesos Ai.

A esta se añade un suceso B cuya ocurrencia proporciona cierta información,

porque las probabilidades de ocurrencia de B son distintas según el suceso Ai que
haya ocurrido.

Conociendo que ha ocurrido el suceso B, la fórmula del teorema de Bayes nos

indica como modifica esta información las probabilidades de los sucesos Ai.

Si A 1, A 2 ,... , An son:

Sucesos incompatibles 2 a 2.

Y cuya unión es el espacio muestral (A 1 A 2 ... A n = E).

Y B es otro suceso.

Resulta que:
 Las probabilidades p(A1) se denominan probabilidades a priori.

Las probabilidades p(Ai/B) se denominan probabilidades a posteriori.

Las probabilidades p(B/Ai) se denominan verosimilitudes.

Ejemplos:

1. El 20% de los empleados de una empresa son ingenieros y otro 20% son
economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los
economistas también, mientras que los no ingenieros y los no economistas
solamente el 20% ocupa un puesto directivo. ¿Cuál es la probabilidad de que un
empleado directivo elegido al azar sea ingeniero?
2. La probabilidad de que haya un accidente en una fábrica que dispone de alarma es
0.1. La probabilidad de que suene esta sí se ha producido algún incidente es de
0.97 y la probabilidad de que suene si no ha sucedido ningún incidente es 0.02.

En el supuesto de que haya funcionado la alarma, ¿cuál es la probabilidad de que

no haya habido ningún incidente?

Sean los sucesos:

I = Producirse incidente.
A = Sonar la alarma.
Teoría de Conjuntos; operaciones
aplicadas en la administración
Publicado por : SoyStaff 10/28/2015

La teoría de conjuntos estudia las propiedades y relaciones de los conjuntos. Un

conjunto es un grupo de elementos u objetos especificados en tal forma que se puede
afirmar con certeza si cualquier objeto dado pertenece o no a la agrupación.

La característica esencial de un conjunto es la de estar bien definido, es decir que dado

un objeto particular, determinar si este pertenece o no al conjunto. Por ejemplo si se
considera el conjunto de los números dígitos, sabemos que el 3 pertenece al conjunto,
pero el 19 no. Por otro lado el conjunto de las bellas obras musicales no es un conjunto
bien definido, puesto que diferentes personas puedan incluir distintas obras en el
conjunto.

Los objetos que forman un conjunto son llamados miembros o elementos. Por
ejemplo el conjunto de las letras de alfabeto; a, b, c, ..., x, y, z. que se puede escribir
así:
{ a, b, c, ..., x, y, z}

Operaciones con conjuntos

Unión:

La unión de dos conjuntos A y B la denotaremos por A  B y es el conjunto formado

por los elementos que pertenecen al menos a uno de ellos ó a los dos. Lo que se denota
por:

A  B = { x/x  A ó x  B }

Intersección:

Sean A={ 1, 2, 3, 4, 5, 6, 8, 9 } y B={ 2, 4, 8, 12 }

Los elementos comunes a los dos conjuntos son: { 2, 4, 8 }. A este conjunto se le llama
intersección de A y B; y se denota por A  B, algebraicamente se escribe así:

A  B = { x/x  A y x  B } Y se lee el conjunto de elementos x que están en A y están

en B.

Conjunto vacío:

Un conjunto que no tiene elementos es llamado conjunto vacío ó conjunto nulo lo que
denotamos por el símbolo .

Por ejemplo:

Sean A={ 2, 4, 6 } y B={ 1, 3, 5, 7 } encontrar A  B..A  B= { }

El resultado de A  B= { }muestra que no hay elementos entre las llaves, si este es el

caso se le llamará conjunto vacío ó nulo y se puede representar como:A  B=

Diferencia:

Sean A y B dos conjuntos. La diferencia de A y B se denota por A-B y es el conjunto de

los elementos de A que no están en B y se representa por comprehensión como:

A - B={ x/x  A ; XB }

Ejemplo:
Sea A= { a, b, c, d } y
B= { a, b, c, g, h, i }
A - B= { d }

En el ejemplo anterior se observa que solo interesan los elementos del conjunto A que
no estén en B. Si la operación fuera B - A el resultado es

B – A = { g, h, i }

E indica los elementos que están en B y no en A.

Teoría de conjuntos aplicada a la administración en selección de personal

Hoy en día existen mucha competitividad a nivel laboral entre las empresas. Es por
ello que todas buscan a los mejores colaboradores, aquellos que cumplan con el
perfil deseado y establecido para un mejor y óptimo desempeño.

El lograr una buena selección, incentiva a utilizar la teoría de conjuntos, agrupando

así las diversas cualidades para proceder a realizar un filtro y escoger entre los
mejores.

Para ello primero se agrupan elementos o individuos de características o

necesidades que establezcamos en el perfil de cada puesto, así formaremos
unidades de negocios para aprovechar de mejor manera el recurso humano,
considerando siempre los requerimientos más específicos.

Para esto debemos, primero, establecer las características o cualidades necesarias

para todos y cada uno de los puestos; es así que analizaremos mejor a los
postulantes, estableciendo un balance entre lo que la empresa busca y lo que el
colaborador puede ofrecerle a la misma.