Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TIPOS DE PROBABILIDADES.
Existen 3 maneras básicas de clasificar las probabilidades, éstas
representan planteamientos conceptuales bastante diferentes para el
estudio de la teoría de probabilidad, los expertos no se ponen de acuerdo
sobre cuál es el planteamiento más apropiado. Empecemos definiendo
1. El planteamiento clásico.
2. El planteamiento de frecuencia relativa.
3. El planteamiento subjetivo.
PROBABILIDAD CLASICA
El planteamiento clásico define la probabilidad de que un evento ocurra
como:
Numero de resultados en los que se presenta el evento
Probabilidad de un evento = numero total de resultados posibles
Para poder aplicar la formula anterior debo conocer las veces que un
evento espero que se presente y todos los posibles resultados. Esta es
una manera bastante complicada de definir algo que nos puede parecer
intuitivamente obvio, pero podemos utilizar la definición para escribir los
ejemplos de una sección tiene varones y mujeres en igualad de cantidad
¿podemos preguntar cuál es la probabilidad de seleccionar un hombre y
una mujer podemos preguntar ¿Cuál es la probabilidad de seleccionar un
hombre o una mujer?
1
P (mujer) = 2 = 0.5 = 50% donde 1 es el de seleccionar una mujer; el dos
es todos los posibles resultados.
1
Seleccionar cualquier día de la semana es 7
Ninguno de los dos puede variar aun cambiado las situaciones.
.
Limitaciones del planteamiento. Tiene serios problemas cuando
intentamos aplicarla a problemas de tomas de decisiones menos
predecibles, como en la administración. Que puedo hacer como empresa
en este caso de pandemia La clásica presupone un mundo con simetría.
Nuestro mundo es asimétrico, o sea llenos de problemas, desordenada,
etc.
Si se lleva un registro cada vez que llego a la casa, Los resultados son:
Sin problemas Con algún problema Cambio de decisión
Llegadas 10 3 2
Probabilidad 0.67 0.20 0.133
PROBABILIDAD SUBJETIVA
Está basada en las creencias de las personas que efectúan la estimación
de probabilidades. Se define como la probabilidad asignada a cada evento
por parte de un individuo, basado en las evidencias que tenga disponible.
Esta evidencia puede presentarse en forma de frecuencias relativas de
presentación d eventos pasados o pude tratarse de una creencia mediata.
¿Ejemplo clásico es cuando salen las candelillas, se dice que comienzan
las lluvias? Es ampliamente flexible que los otros conceptos analizados
anteriormente. El tomador de decisiones puede hacer uso de cualquier
evidencia que tenga a mano y mezclarla con los sentimientos personales
sobre la situación.
Se debe usar esta, cuando sucede una única vez o el número de veces es
muy reducido.
REGLAS DE PROBABILIDAD
La mayoría de los administradores que utilizan la probabilidad se
preocupan por dos condiciones:
1. El caso en que un evento u otro se presente.
2. La situación en que dos o más eventos se presenten al mismo
tiempo.
Ejemplos de la situación 1.
¿Cuál es la probabilidad que realizar mi boda el viernes y hay estado de
sitio a partir de las 9pm?
¿Cuál es la probabilidad que se realice el examen el próximo domingo, en
las actuales condiciones?
Una probabilidad sencilla quiere decir que solo un evento puede llevarse a
cabo. Se le conoce como Probabilidad Marginal o Incondicional. En las
elecciones del 29 de noviembre existen 6 candidatos. Cualquiera puede
calcular la probabilidad de que 1 candidato sea electo:
1
P (Ganar) = 6 = 0.16666 = 16.67% al no conocerse la intención de voto, ni
se tiene percepción que sucederá.
Evento
A B A B
1 1 2
P (A o B) = 6 + 6 = 6 = 0.3333 = 33.33%
Observe algo interesante, como caso especial que, para cualquier evento
A, tenemos que éste suceda o no suceda. De modo que los eventos A y no
A son mutuamente excluyentes y exhaustivos.
1 5
P (no 1) = 1 - 6 = 6 = 0.83333 o 83.33%
15
La probabilidad que sea mujeres 45
30
La probabilidad que sea varones 45
1. Marginal.
2. Conjunta.
3. Condicional.
¡ 0.
P(H) = 0.50 0.2
¡ P(H)=0.5 5 P(H)55= 0.5 P(H)=
0125
0.5
5
¡ 0.2
¡ 55
¡ P(H)=0.5 0.12
5
¡ P(T)= 0.5 0.
¡ 5.
Esta red muestra los cambios que experimenta la probabilidad a media de
se proyecta un nuevo lanzamiento.
P(B/A) = P(B)
Ejemplo 1:
En una caja hay 10 bolas distribuidas así:
Ejemplo 2:
Cuando utilizamos el ejemplo de las bolas de color y grises, respondemos
a las preguntas, ¿Cuál es la probabilidad de P(D|¿G), es decir que de las
bolas grises tengan puntos y P(S|G), que de las grises tengan franjas?
Donde:
D = Son grises y tienen puntos
G = grises
P ( DG) 0.2 1
Solución: P(D/G) = P(G ) = 0.6 = 3
Donde:
SG = grises y tiene franjas
G = Griess
P (SG ) 0.4 2
P(S/G) = P(G) = 0.6 = 3
Se debe considerar que si la bola que salió es gris solo es posible con
franjas o puntos.
Ejemplo No. 3
Calcule P(G|D) y P(C|D)
P (G∨D) 0.2
P(G|D) = P(D) = 0.5 = 0.4
P (CD) 0.3
P(C|D) = P( D) = 0.5 = 0.6
Total 1.0
Ejemplo No. 4
P (CS) 0.4
P(C|S) = P (S ) = 0.5 = 0.8
Total 1.0
PROBABILIDAD CONJUNTA BAJO CONDICIONES DE DEPENDENCIA
ESTADISTICA
Hemos mostrado que la fórmula para calcular la probabilidad condicional
bajo dependencia estadística es:
P (BA)
P(B|A) = P( A)
Si de esta ecuación despejamos P(BA) mediante una multiplicación,
obtendremos la fórmula para probabilidad conjunta bajo condiciones de
dependencia estadística.
Fue Tomas Bayes quien formuló este concepto. La fórmula básica para la
probabilidad condicional en circunstancias de dependencia es:
P (BC )
P(B|A) = P (A ) se conoce como teorema de Bayes.
P(evento,
Evento P(evento) P(ambiente|evento) P(3|evento)
3)
0.6141 x
Correctas 0.75 0.85 0.6141 0.75 =
0.4606
0.0429 x
Incorrecta
0.25 0.35 0.0429 0.25 =
s
0.0107
1.0 0.4713
Nota. La segunda columna se eleva al cubo = 0.85 x 0.85 x 0.85 = 0.6141
P(evento P(evento,sbbbb
Evento P(S|evento) P(sbsss|evento)
) )
.85x0.15x0.85x0.8 0.07830x0.75 =
Correcta 0.75 0.85
5x.85 = 0.07830 0.05873
Incorrect 0.35x0.65x0.35x0. 0.00975x0.25 =
0.25 0.35
a 35x0.35 = 0.0095 0.00244
P(sbsss) =
0.06117
VALOR ESPERADO
CONBINACION DE PROBABILIDADES Y
VALORES MONETARIOS
Esto es aplicable más a productos perecederos.
Sin embargo, en la actualidad con los avances
tecnológicos cualquier producto puede ser
perdedero.
Ejemplo.
Este método para seleccionar el lote optimo de compra o existencia. En él
hay dos métodos, pero ambos nos llevan a la misma respuesta.
Ganancia Esperados
El procedimiento es similar y solo se incluye la perdida por botar producto.
El costo de oportunidad no existe y no importa lo que pueda vender, solo
se le gana a lo que tengo. La matriz es la siguiente
--------------existencia----------------------
venta 10 11 12 13 Probabilidad
Primeras fila
Si tengo 10 unidades y puedo vender 10 unidades le ganoare las 10 x50
=500
Como no importa lo que pueda vender siempre ganasre en la columna 10
lo mismo. Bajo los 500
Segunda Columna
- Si tengo 11 y puedo vender 11, a las 10 le ganare 500 pero perdere
1 a 150 500-150 – 350
- Si tengo 112 y puedo vender a las 12 l2 ganare 50 2 150 – 300 = -
150