Documentos de Académico
Documentos de Profesional
Documentos de Cultura
COSTEO DIRECTO
SALON: 211
EDIFICIO: S-12
GRUPO NO. 6
Nombre Carnet
Lurdes Mishell Macario Roca 200921295
Sheila Merarí Santay Campos 201011012
Pedro Tocay Monroy 201111228
Miguel Suy Méndez 201111664
Vivian Karina Macario Roca 201119888
Cindi Regina López Ramírez 201120023
Ana Cristina Juárez Cuyún 201214841
Yojana Betzaly Sapón Coyoy 201214869
Gabriela Mariel Reneau Pastor 201214916
2
INDICE
INTRODUCCION ................................................................................................................................ i
CAPITULO I ...................................................................................................................................... 1
ANTECEDENTES Y GENERALIDADES DE LAS PROBABILIDADES ...................................... 1
1.1Naturaleza e importancia de la Probabilidad............................................................................... 1
1.2 Conceptos básicos.......................................................................................................................... 2
1.3 Otras definiciones importantes................................................................................................... 3
1.3.1 Experimento ........................................................................................................................ 3
1.3.2 Experimento Determinista .................................................................................................. 3
1.3.3 Experimento aleatorio ......................................................................................................... 3
1.3.4 Suceso o Evento Simple ...................................................................................................... 3
1.3.5 Espacio Maestral (S) .......................................................................................................... 3
1.3.6 Evento Compuesto .............................................................................................................. 3
1.3.7 Evento Contrario o Complementario................................................................................... 3
1.3.8 Evento o Suceso Cierto ....................................................................................................... 3
1.3.9 Evento o Suceso Imposible ................................................................................................. 4
1.4. Enfoque de las Probabilidades .................................................................................................. 4
1.4.1 Enfoque Objetivo ................................................................................................................ 4
1.4.2 Enfoque Empírico ............................................................................................................... 4
1.4.3 Enfoque Subjetivo ............................................................................................................... 5
1.4.4 El valor de la probabilidad ................................................................................................. 5
1.5 Objetivos de las probabilidades ................................................................................................. 5
1.6 Teoría de probabilidades............................................................................................................ 5
1.6.1 Aplicaciones........................................................................................................................ 6
1.6.1Teoremas básicos de la teoría de la probabilidad ................................................................ 8
1.6.2 Teorema de la Suma............................................................................................................ 8
1.6.3 Teorema de la Multiplicación ............................................................................................. 8
1.6.4 Teorema de Bayes ............................................................................................................... 9
1.7 La estadística y su relación con las probabilidades .................................................................. 10
1.8 Tipos de distribución ............................................................................................................... 11
3
INTRODUCCION
CAPITULO I
ANTECEDENTES Y GENERALIDADES DE LAS PROBABILIDADES
Fue hasta en el siglo XVIII cuando los matemáticos Blaise Pascal y Pierre Femat
intercambiaron información, acerca de problemas en los que intervenían elementos de azar, y
se empezaron a sentar bases de la teoría de la probabilidad.
Esta Disciplina que se inició a partir de los juegos de azar, recibió un gran impulso
durante los siglos XVII y XIX, sin embargo, la mayor parte de la contribución de ella a la
estadística moderna se ha dado durante los últimos 65 años y han hecho que cumpla un papel
importante en el conocimiento científico actual.
El primero es el que define a la probabilidad como una frecuencia relativa, con la que se
espera que ocurra o se presente un suceso, base en un numero de repeticiones del experimento.
La probabilidad determina así, suele denominarse probabilidad de frecuencia o probabilidad
objetiva, puesto que su valor se determina mediante una evidencia objetiva.
Probabilidad Inducción
Los eventos que ocurren en la vida diaria no puede ser predichos con exactitud desde
antes por diversas razones, caso todos están influidos por factores externos. Además, existen
aquellos sucesos que están directamente influidos por el azar, es decir. Por procesos que no está
seguro de lo que va a ocurrir. Sin embargo, la probabilidad permite acercarse a esos sucesos y
estudiarlos, ponderando las posibilidades de su ocurrencia y proporcionando métodos para tales
ponderaciones.
3
1.3.1 Experimento
Acción mediante la cual se obtiene un resultado y la observación de dicho resultado.
1.3.2 Experimento Determinista
Son los experimentos de los que podemos predecir el resultado antes de que se
realicen. Por ejemplo: Si dejamos caer una piedra desde una ventana sabemos, sin lugar a
dudas, que la piedra bajará. Si la arrojamos hacia arriba, sabemos que subirá durante un
determinado intervalo de tiempo; pero después bajará.
1.3.3 Experimento aleatorio
Cualquiera operación cuyo resultado no puede ser predicho de anterioridad con
seguridad, no se puede predecir el resultado, ya que éste depende del azar. Probabilidades
Ejemplo:
a) lanzamiento de una moneda
b) lanzamiento de un dado
c) extracción de una carta de una baraja de 52 cartas.
c) Variable discreta
Aquella que se define sobre un espacio muestral numerable, finito o infinito. Espacio
numerable es aquel cuyos elementos se pueden ordenar, asignándoles a cada uno un número
de la serie de los números naturales (del 1 al n ó del 1 al I). Todas las variables con un
número finito de valores y todas las que tomen valores en números enteros o racionales
(fraccionarios), son variables discretas.
d) Variable continúa
Es aquella que se define sobre un espacio asimilable al conjunto de los números
reales, es decir, un espacio no numerable (o un espacio infinito de tipo C o infinito dos)
Muchos fenómenos naturales son aleatorios, pero existen algunos, pero existen
algunos que debido a sus características del material hace que no exista una simetría del
mismo, así las repeticiones no garantizan una probabilidad definida. En los procesos reales
que se realizan mediante distribuciones de probabilidad corresponden a modelos complejos
donde no se conocen a prioridad todos los parámetros que intervienen; ésta es una de las
razones por las cuales la estadística, que busca determinar estos parámetros, no se reduce
inmediatamente a la teoría de la probabilidad en sí.
1.6.1 Aplicaciones
Dentro de las principales aplicaciones de la teoría de la probabilidad, en el día a día,
son en el análisis de riesgo y en el comercio de los mercados de materias primas. Los
gobiernos normalmente aplican métodos probabilísticos en regulación ambiental donde se
les llama análisis de vías de dispersión, y a menudo miden el bienestar usando métodos que
son estocásticos por naturaleza, y escogen qué proyectos emprender basándose en análisis
estadísticos de su probable efecto en la población como un conjunto.
Se puede decir que no existe una cosa llamada probabilidad. También se puede
decir que la probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el
grado de nuestra ignorancia dada una situación. Por consiguiente, puede haber una
probabilidad de 1 entre 52 de que la primera carta en una baraja de cartas es la J de
diamantes. Sin embargo, si uno mira la primera carta y la reemplaza, entonces la
probabilidad es o bien 100% ó 0%, y la elección correcta puede ser hecha con precisión por
el que ve la carta. La física moderna proporciona ejemplos importantes de situaciones
determinísticas donde sólo la descripción probabilística es factible debido a información
incompleta y la complejidad de un sistema así como ejemplos de fenómenos realmente
aleatorios.
El trabajo de Moivre obtuvo una gran difusión, así que el mérito de Bayes no fue
tanto la originalidad sino expresar la probabilidad condicional en función de la
probabilidad de la intersección:
P {A | B} = P {A∩B}/ P {B}
Además, el honor del teorema que lleva su nombre no es completamente suyo, ya
que él no estaba en condiciones de formular con probabilidades totales. Fue Pierre Simón
Laplace (1749–1827) quien desarrolló la mayor parte del teorema de Bayes en su
Experiencia en la Filosofía de la Teoría de la Probabilidad (1812). Sea A un suceso que
ocurre en conjunción con uno y sólo uno de los n sucesos disjuntos B1,..., Bn. Si se sabe
que el suceso A ha ocurrido, ¿Cuál es la probabilidad de que el suceso Bj también? Laplace
respondió de la siguiente manera: la probabilidad de existencia de una de esas causas es
igual a una fracción con un numerador igual a la probabilidad del suceso que se sigue de
10
Donde:
p = probabilidad de éxito
q = probabilidad de fracaso
n = número de ensayos
Por ejemplo, cuando se busca dar en una diana, si se intenta acertar, la mayor parte
de los disparos tenderán a acumularse en las franjas intermedias, tendiendo a ser menos
frecuentes en el punto de mayor valor (centro de la diana) y en las zonas periféricas.
El gráfico representa la distribución de los errores; la media o promedio es el
objetivo, y la desviación típica indica la dispersión de los errores (la raíz cuadrada de la
varianza).
CAPITULO II
Probabilidades y su clasificación
Cuando se habla de los tipos de probabilidad, decimos que esta se clasifica en tres,
por lo que en el presente capítulo se desarrolla la clasificación de las probabilidades,
también se trataran otras clasificaciones.
Esta teoría está estrechamente relacionada con el punto de vista expresado por
Aristóteles: “lo probable es aquello que ocurre diariamente”.
Estas frecuencias relativas diferirán poco entre sí cuando las ni sean grandes y
tenderán a acumularse en la proximidad de un valor fijo.
Las probabilidades subjetivas están basadas en las creencias de las personas que
efectúan la estimación de probabilidad. La probabilidad 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.
Como casi todas las decisiones sociales y administrativas de alto nivel se refieren
a situaciones específicas y únicas, los responsables de tomar decisiones hacen un uso
considerable de la probabilidad subjetiva.
Donde:
• k es el número de ocurrencias del evento o fenómeno (la función nos da la
probabilidad de que el evento suceda precisamente k veces).
• λ es un parámetro positivo que representa el número de veces que se espera
que ocurra el fenómeno durante un intervalo dado. Por ejemplo, si el suceso estudiado
tiene lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad
de que ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo de
distribución de Poisson con λ = 10×4 = 40.
• Es la base de los logaritmos naturales (e = 2,71828...)
Tanto el valor esperado como la varianza de una variable aleatoria con distribución
de Poisson son iguales a λ. Los momentos de orden superior son polinomios de Touchard
en λ cuyos coeficientes tienen una interpretación combinatoria. De hecho, cuando el valor
esperado de la distribución de Poisson es 1, entonces según la fórmula de Dobinski, el n-
ésimo momento iguala al número de particiones de tamaño n.
23
Intervalo de Confianza
Un criterio fácil y rápido para calcular un intervalo de confianza aproximada de λ
es propuesto por Guerriero (2012)1 . Dada una serie de eventos k (al menos el 15 - 20) en
un periodo de tiempo T.
CAPITULO III
3. Aplicación y ejemplos practicos de las probabilidades
Datos
N= 700
X=200
C = 10
S2 = 225
S = 15
a) 180 y 220
X1= 179,5
X2= - 200
Z 1= 179,5 – 200 = -1,37
15
Z 2=220,5 – 200
15 = 1,37
0,4147 + 0,4147= 0,8294 * 700 = 580,58
R/ La probabilidad de los artículos que tendrían precios entre Q. 180.00 y
220.00 es de 0.7994 (79.94%) y el número de artículos es de 640.
b) P(x < 185) X=184,5
X = -1.03
Z= 184,5 – 200 = -1.03 En tabla II = 0,3485
15
0,5 - 0,3485 = 0,1515
R/ La probabilidad de artículos que tendrían precios menores de Q. 185.00 es de
0.1515 (15.15 %).
28
Solución:
Llamemos A = {tener errores en los activos financieros} y B = {tener errores en los
pasivos financieros}. Entonces P(A) = 0’7, P(B) = 0’6 y P(A Ç B) = 0’4.
El suceso “no tener errores en los activos financieros” es A y por tanto P(A ) = = 1 -
P(A) = 1 - 0’7 = 0’3 lo que significa el 30%.
El suceso “no tener errores en los pasivos financieros” es B y por tanto P(B
)=1P(B)=1-0’6 = 0’4 lo que significa el 40%.
El suceso “no tener errores en ambos” equivale a “no tener errores en los activos
financieros y no tener errores en los pasivos financieros”, es decir, A ÇB . Pero, por las
leyes de Morgan, A ÇB = A ÈB. Entonces P(A ÇB ) = P(A ÈB) =1 - P(A È
B) = 1 - [P(A) + P(B) - P(A Ç B)] = 1 - (0’7 + 0’6 - 0’4) = 1 - 0’9 = 0’1 lo que
significa un 10%.
29
Según lo anterior se espera que un 10% de las empresas no tengan errores ni en sus
activos ni en sus pasivos financieros. Si tenemos una muestra de 500 empresas podemos
esperar que 500 100/10 = 50 empresas no tengan errores ni en sus activos ni en sus pasivos
financieros.
30
CONCLUSIONES
RECOMENDACIONES
BIBLIOGRAFIA
E-GRAFIA
• http://dme.ufro.cl/clinicamatematica/pdf/Estadistica%20y%20Probabilidad.pdf
• http://www.monografias.com/trabajos81/distribuciones-
probabilidaddiscreta/distribuciones-probabilidad-discreta.shtml#ixzz40fwr0aZ1
• https://www.google.com/search?q=probabilidad+clasica&gws_rd=ssl