República Bolivariana de Venezuela

Ministerio del poder popular para la Educación

Instituto Universitario Politécnico “Santiago Mariño”

Extensión: Barcelona y Maturín.

Unidad V. Probabilidad Estadística.

Profesor: Autores:

M.S.C. Carlos Antequera. Eduard Mora. C.I.: 27.072.362 Barcelona

Karen Jammali. C.I.: 30.564.705 Maturín

Pareja N° 9

Barcelona, marzo del 2021.

 INDICE.

Introducción………………………………………………………………3

Axiomática clásica, subjetiva y frecuencia relativa…………………..4-5

Métodos de conteo………………………………………………………5

Experimento………………………………………………………..…….6

Sucesos o eventos………………………………………………………6

Tipos de eventos…………………………………………………………7

Punto muestral……………………………………………………………8

Espacio muestral………………………………………………………….8

Probabilidad condicional…………………………………………………9

Teoremas de probabilidad Total……………………………………..…..9

Teorema de Bayes……………………………..………………………….10

Conclusión…………………………………………………………………12

Bibliografía………………………………………………………………….13
 INTRODUCCION.

La definición de probabilidad inicia con el deseo del hombre de conocer con

certeza los eventos futuros. Es por esto que el estudio de probabilidades surge
como una herramienta utilizada por los nobles para ganar en los juegos y
pasatiempos de la época; El desarrollo de estas teorías fue asignado a los
matemáticos, con el tiempo estas técnicas matemáticas se perfeccionaron y
encontraron otros usos muy diferentes para la que fueron creadas; Actualmente se
continuó con el estudio de nuevas metodologías que permitan maximizar el uso de
la computación en el estudio de las probabilidades disminuyendo, de este modo,
los márgenes de error en los cálculos. A través de la historia se han desarrollado
tres enfoques conceptuales diferentes para definir la probabilidad y determinar los
valores de probabilidad:
AXIOMÁTICA CLÁSICA

Es el número de resultados favorables a la presentación de un evento

dividido entre el número total de resultados posibles. Esta axiomática clásica o
teórica se aplica cuando cada evento simple del espacio muestral tiene la misma
probabilidad de ocurrir.

FRECUENCIA RELATIVA

La frecuencia absoluta y relativa de un suceso y las propiedades de las

frecuencias relativas tienen una gran importancia como base para el estudio de la
probabilidad y la estadística por tres motivos, íntimamente relacionados:

A. Las propiedades de las frecuencias relativas, que pueden observarse

empíricamente, son la base de la definición axiomática de la probabilidad, ya que
los axiomas son abstracciones de estas propiedades. El cálculo de probabilidades
que se deriva de estos axiomas no determina el contenido específico del término
probabilidad en cada aplicación particular, sino que su función principal es
descubrir, a partir de ciertas probabilidades iniciales dadas,

Otras probabilidades implicadas por ellas. Sin embargo, los axiomas

pueden usarse para definir implícitamente lo que es la probabilidad, limitando así
las posibles interpretaciones de este término. Además, dichos axiomas han
contribuido a establecer una base satisfactoria del Cálculo de Probabilidades,
dando respuestas a las paradojas e inconsistencias observadas con anterioridad.

B. La idea de frecuencia relativa es la base de la concepción frecuencial de

la probabilidad y sirve de puente entre la estadística y la probabilidad. La
inferencia estadística tiene como fin principal la obtención de conclusiones sobre
poblaciones a partir de datos obtenidos de muestras de las mismas. Gran parte de
los procedimientos estadísticos están basados en hipótesis sobre las
distribuciones de probabilidad de las poblaciones subyacentes y su aplicación
requiere la estimación del valor particular de los parámetros de dichas
distribuciones en los casos particulares. Es precisamente la acepción frecuencia
de la probabilidad la que permite justificar esta estimación.
 C. Los teoremas de límite, de tanta importancia en el Cálculo de
Probabilidades, están basados en admitir la posibilidad de repetición de un
experimento y en las frecuencias relativas o en la distribución de frecuencias.
Estos teoremas permiten precisar la idea de convergencia estocástica y
proporcionan aproximaciones para distribuciones de probabilidad que de otro
modo serían difíciles de calcular. Más recientemente, los teoremas de límite,
combinados con las posibilidades informáticas, proporcionan una base para la
utilización de la simulación como método de resolución de problemas
probabilísticos complejos.

SUBJETIVA

Es la probabilidad de ocurrencia de la opinión personal, suceso basado en

la experiencia previa o la intuición del individuo. En este caso, se asigna un valor
de probabilidad a los sucesos basado en el grado de creencia de que el suceso
pueda ocurrir: EJEMPLO: ¿Cuál es la probabilidad de obtener un número mayor
que 3, en el lanzamiento de un dado? Si E: 4, 5, 6, entonces el número de
resultados favorables es n (E) = 3.

Si S: 1, 2, 3, 4, 5, 6, entonces el número total de resultados posibles es (S) = 6.

MÉTODOS DE CONTEO

Los métodos de conteo son estrategias utilizadas para determinar el

número de posibilidades diferentes que existen al realizar un experimento. Entre
estos métodos destácalos siguientes:

Método del Diagrama de Árbol: Es un mecanismo utilizado para enumerar

todos los resultados posibles de una secuencia de experimentos o eventos donde
a cada evento puede ocurrir en un número finito de formas.

Principios Básicos de Conteo: Existen dos principios básicos de conteo, uno

comprende la multiplicación y otro la adición.
Principio de la suma o adición:

Supongamos que un evento E puede ocurrir en m formas y un segundo

evento F puede ocurrir en n formas, y supongamos que ambos eventos no pueden
ocurrir en forma simultánea (mutuamente excluyentes o disjuntos). Entonces E o F
pueden ocurrir de m+n formas.

Principio de la multiplicación:

Supongamos que un evento E puede ocurrir en m formas e

independientemente de este evento, un evento F puede ocurrir en n formas.
Entonces las combinaciones de los eventos E y F pueden ocurrir en forma
simultanea es decir, mn formas.

Combinaciones: Una combinación es un arreglo donde el orden no es

importante. La notación para las combinaciones es C(n,r) que es la cantidad de
combinaciones de "n" elementos seleccionados, "r" a la vez. Es igual a la cantidad
de permutaciones de "n" elementos tomados "r" a la vez dividido por "r" factorial.
Esto sería P(n,r)/r! en notación matemática .

Ejemplo:

Si se seleccionan cinco cartas de un grupo de nueve, ¿cuántas

combinaciones de cinco cartas habría?

La cantidad de combinaciones sería: P (9,5)/5! = (9*8*7*6*5) (5*4*3*2*1) =

126 combinaciones posibles.

Permutaciones

Dado de un conjunto de n elementos, se denomina permutación a cada uno

de los conjuntos que se pueden formar con estos elementos tales que cada uno
de ellos difiere de otro en el orden en que son considerados los elementos.

Ejemplo:

Un grupo de 5 personas va a sentarse en fila para una foto. ¿Cuántas

disposiciones son posibles?
 1a pos: 5 2a pos: 4 3a pos: 3 4a pos: 2 5a pos :1

Cualquiera de las cinco personas puede ocupar la primera posición de la

fila. Para la segunda posición podemos elegir entre cuatro personas. Continuando
de esta manera, sólo tenemos una persona para ocupar la quinta posición. Esto
produce un total de 5.4.3.2.1 = 120 dispociones posibles de la cinco personas. Se
obtiene exactamente la misma respuesta si las posiciones se ocupan de otro
orden.

SUCESOS Y SUS TIPOS

En el contexto probabilístico, denominamos suceso a cualquier subconjunto

de un espacio muestral; esto es, a cualquier posible resultado de un experimento
aleatorio.

Suceso elemental: Un suceso elemental si está formado por un único

elemento del espacio muestral. Por ejemplo, al tirar un dado el suceso consistente
en obtener un cinco.

Suceso compuesto: Un suceso compuesto si está formado por más de un

elemento del espacio muestral. En el mismo ejemplo anterior obtener un número
par, es decir, que salga un 2 o un 4 o un 6.

Entre los diferentes sucesos se destacan los siguientes:

Suceso seguro: El suceso seguro es aquél que está formado por todos los
resultados posibles del espacio muestral (E), es decir aquél que se cumple
siempre. Por ejemplo al tirar un dado cúbico obtener un número del uno al seis.

Suceso imposible: El suceso imposible es aquél que no ocurre nunca. Se

expresa con el símbolo Ø. Por ejemplo, obtener un ocho al tirar un dado cúbico.

Suceso contrario o complementario de otro suceso: Se define el suceso

contrario a “A” como el suceso que acontece cuando no ocurre “A”; Es decir, el
suceso contrario a obtener un número par es obtener uno impar.
PUNTO MUESTRAL

Los puntos muestrales son los resultados simples de un experimento. En

términos más simples, los puntos muestrales son los eventos de un espacio
muestral. Por ejemplo, al lanzar un dado numerado de uno a seis, cada uno de los
posibles resultados se considera un punto muestral de este experimento.

ESPACIO MUESTRAL

Es el conjunto de todos los posibles resultados de una experiencia

aleatoria, lo representaremos por E (o bien por la letra griega Ω).

Espacio muestral de una moneda:

E = {C, X}.

Espacio muestral de un dado:

E = {1, 2, 3, 4, 5, 6}.

.Ejemplo:

Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres

bolas.

1.

E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}

2.

El suceso A = {extraer tres bolas del mismo color}.

A = {(b,b,b); (n, n,n)}

3.

El suceso B = {extraer al menos una bola blanca}.

B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}

4.

El suceso C = {extraer una sola bola negra}.

C = {(b,b,n); (b,n,b); (n,b,b)}

PROBABILIDAD CONDICIONAL.

Probabilidad condicional es la probabilidad de que ocurra un evento A,

sabiendo que también sucede otro evento B. La probabilidad condicional se
escribe P(A|B) o P(A/B), y se lee (la probabilidad de A dado B).

No tiene por qué haber una relación causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A puede
causar B, viceversa o pueden no tener relación causal. Las relaciones causales o
temporales son nociones que no pertenecen al ámbito de la probabilidad. Pueden
desempeñar un papel o no, dependiendo de la interpretación que se le dé a los
eventos.

TEOREMAS DE PROBABILIDAD TOTAL

Supóngase que los sucesos forman una partición sobre el

espacio muestral , es decir, los sucesos son incompatibles dos a dos y su
unión forman al espacio muestral , pues .
Además, para . Entonces, para cualquier
suceso de :

TEOREMAS DE BAYES

El teorema de Bayes es utilizado para calcular la probabilidad de un suceso,

teniendo información de antemano sobre ese suceso.

Podemos calcular la probabilidad de un suceso A, sabiendo además que

ese A cumple cierta característica que condiciona su probabilidad. El teorema de
Bayes entiende la probabilidad de forma inversa al teorema de la probabilidad
total. El teorema de la probabilidad total hace inferencia sobre un suceso B, a
partir de los resultados de los sucesos A. Por su parte, Bayes calcula la
probabilidad de A condicionado a B.

Ejemplo:

Una empresa tiene una fábrica en Estados Unidos que dispone de tres
máquinas A, B y C, que producen envases para botellas de agua. Se sabe que la
máquina A produce un 40% de la cantidad total, la máquina B un 30%, y la
máquina C un 30%. También se sabe que cada máquina produce envases
defectuosos. De tal manera que la máquina A produce un 2% de envases
defectuosos sobre el total de su producción, la máquina B un 3%, y la máquina C
un 5%. Dicho esto, se plantean dos cuestiones:

P(A) = 0,40 P(D/A) = 0,02

P(B) = 0,30 P(D/B) = 0,03

P(C) = 0,30 P(D/C) = 0,05

1.Si un envase ha sido fabricado por la fábrica de esta empresa en Estados

Unidos ¿Cuál es la probabilidad de que sea defectuoso?
 Se calcula la probabilidad total. Ya que, a partir los diferentes sucesos,
calculamos la probabilidad de que sea defectuoso.

P(D) =[ P(A) x P(D/A) ] + [ P(B) x P(D/B) ] + [ P(C) x P(D/C) ] = [ 0,4 x 0,02 ]

+ [ 0,3 x 0,03 ] + [ 0,3 x 0,05 ] = 0,032

Expresado en porcentaje, diríamos que la probabilidad de que un envase

fabricado por la fábrica de esta empresa en Estados Unidos sea defectuoso es del
3,2%.

2. Siguiendo con la pregunta anterior, si se adquiere un envase y este es

defectuoso ¿Cuáles es la probabilidad de que haya sido fabricado por la máquina
A?¿Y por la máquina B?¿Y por la máquina C?

Aquí se utiliza el teorema de Bayes. Tenemos información previa, es decir,

sabemos que el envase es defectuoso. Claro que, sabiendo que es defectuoso,
queremos saber cuál es la probabilidad de que se haya producido por una de las
máquinas.

P(A/D) = [P(A) x P(D/A)] / P(D) = [0,40 x 0,02] / 0,032 = 0,25

P(B/D) = [P(B) x P(D/B)] / P(D) = [0,30 x 0,03] / 0,032 = 0,28

P(C/D) = [P(C) x P(D/C)] / P(D) = [0,30 x 0,05] / 0,032 = 0,47

Sabiendo que un envase es defectuoso, la probabilidad de que haya sido

producido por la máquina A es del 25%, de que haya sido producido por la
máquina B es del 28% y de que haya sido producido por la máquina C es del 47%.
CONCLUSION.

Para obtener la probabilidad de un suceso, generalmente se determina la

frecuencia con la que ocurre (en experimentos aleatorios bajo condiciones
estables), y se procede a realizar cálculos teóricos.

Para ello se sigue lo establecido por la Teoría de la probabilidad, una rama

de las matemáticas dedicada al estudio de la probabilidad. Esta disciplina es
largamente empleada por otras ciencias naturales y sociales como disciplina
auxiliar, ya que les permite manejar escenarios posibles en base a
generalizaciones.
BIBLIOGRAFIA.

 “Probabilidad” en Wikipedia.

 “¿Qué es la probabilidad?” (video) en Math4all.

 “Probabilidad: conceptos básicos” en Khan Academy Español.

 “Probabilidad” en Sociedad Andaluza de Educación Matemática

Thales (España).

 “Basic Probability” en Brown University (EEUU).