REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN UNIVERSITARIA,

CIENCIA Y TECNOLOGÍA
UNIVERSIDAD POLITÉCNICA TERRITORIAL DEL ESTADO ARAGUA
“FEDERICO BRITO FIGUEROA”
LA VICTORIA – ESTADO ARAGUA

Probabilidad

PROFESOR: AUTOR:
MARISABEL LEON DANIEL CERA C.I. 30.852.867
EDWARD HERNÁNDEZ C.I 30.346.989

LA VICTORIA, MARZO2022
 Introducción
Una de las características más especiales de los seres humanos, que nos
diferencia del resto de animales, es nuestra capacidad de “predicción”, de
anticiparnos a los acontecimientos que van a ocurrir. A veces fallamos, pero otras
muchas no. Esta capacidad nos ha permitido llegar hasta donde estamos hoy,
pudiendo predecir tanto peligros como oportunidades. Piénsalo, nuestros
antepasados que eran capaces de predecir el ataque de un depredador fueron los
que sobrevivieron. Ahora, decenas de miles de años después hemos dado un

paso más y nos preguntamos ¿qué es la probabilidad?

LA PROBABILIDAD es el cálculo matemático que evalúa las
posibilidades que existen de que una cosa suceda cuando interviene el azar.
Vamos a plantear un par de ejemplos, porque la probabilidad -como tantos
conceptos en matemáticas, es una construcción abstracta, pero con ejemplos se
entiende mejor.
Si giras la siguiente ruleta, ¿en qué números se puede parar?

La ruleta se puede parar en un número del uno al cinco. Hemos construido, sin
darnos cuenta, lo que se llama un experimento (girar una ruleta) y el espacio
muestral (los números del uno al cinco). El espacio muestral es un conjunto que
tiene por elementos los sucesos que se pueden dar, esto es, los números del uno
al cinco.
Por nuestras experiencias en el mundo de los juegos ya sabemos más cosas
del experimento anterior. Es posible que la ruleta se pare en uno de esos números
y es imposible que salga un ocho, por ejemplo. ¡Sabemos un montón de
probabilidad y no nos dábamos cuenta!
Vamos a plantear otro experimento, en otro contexto distinto:
 Viendo este aparcamiento, si sale un coche de los que están aparcados, ¿de
qué color podría ser?

Las posibilidades están muy claras, del aparcamiento podría salir un coche rojo

o un coche amarillo. Es imposible que salga un coche verde, o una moto azul.
Pero, aunque es posible que salga un coche amarillo, hay mucha
más probabilidad de que sea rojo, porque hay muchos más coches rojos que
amarillos.
Cómo se calcula la probabilidad
Para calcular la probabilidad, continuando con el ejemplo anterior, no hay más
que contar los coches que hay de cada color. Como 6 de los 7 coches del
aparcamiento son rojos, podemos plantearlo como una fracción: la probabilidad de
que del aparcamiento salga un coche rojo será una fracción con numerador 6 (el
número de coches rojos) y denominador 7 (el número total de coches).
La probabilidad de que salga un coche rojo sería igual a 67. La probabilidad de
que salga un coche amarillo sería igual a 17. La probabilidad de que salga un
coche azul sería 0, porque no hay coches azules aparcados.
Generalizando esta idea llegamos a cómo se calcula la probabilidad: con una
fracción que se suele llamar regla de Laplace. Ponemos en el numerador
el número de casos favorables y en el denominador el número de casos posibles.
Ya podemos calcular probabilidades de sucesos sencillos. Por ejemplo,
podemos hacer predicciones de las bolas que pueden salir de este bombo:

En el bombo hay 8 bolas:

 La probabilidad de que salga una concreta de él es 18
  Pero cuatro bolas son iguales, y tienen el número 5, por lo que la
probabilidad de que salga un cinco es 48. Si te piden que apuestes por
algún resultado, el más probable es el cinco.
Los matemáticos, viendo los beneficios que se pueden obtener de estas
predicciones, han desarrollado mucho este campo y, en Smartick, también lo
hemos hecho, con una secuencia de ejercicios ordenados por nivel y que se
adapta al aprendizaje de cada uno.
Ejemplo: Lanzar una moneda al aire

Si lanzas una moneda la probabilidad de que salga cara es 12, fíjate que es la
misma de que salga cruz.
Ejemplo: Tirar un dado
Si lanzas un dado de seis caras la probabilidad de que salga un tres será 16.

También puedes calcular la probabilidad de que salga un número par, ya que

las caras que muestran un número par son 3 (2, 4 y 6) de un total de seis caras,
es, por tanto, 36=12
Para qué sirve la probabilidad
La probabilidad se utiliza en muchas áreas como las matemáticas, la
estadística, la física, la economía, las ciencias sociales, entre otras. Los primeros
estudios de probabilidad se desarrollaron para resolver problemas de juegos y es
allí dónde más se nota su uso, porque te puede servir para tener más
oportunidades de ganar, o para ahorrarnos dinero (al no jugar a juegos en los que
es muy probable perder).
Ejemplo pares y nones
Fíjate el siguiente ejemplo vinculado al juego infantil de Pares y nones.
Pares y nones es un juego que se utiliza para elegir entre dos personas a una de
las dos. Dos personas eligen entre par o impar, y sacan a la vez un número de
dedos de una mano que tenían detrás de la espalda. En función de que la suma
de los dedos que hayan sacado sea par o impar se elegirá al que eligió esa
opción.
La sorpresa, si has jugado alguna vez a pares y nones, es que no es igual de
probable que salga una opción o la otra, no es como lanzar una moneda al aire, no
es un juego justo. La probabilidad demuestra que hay más posibilidades de que
salga un número par que uno impar.
Puedes verlo en esta tabla, donde están marcados los números pares en
amarillo. Si te fijas hay 25 resultados posibles y 13 de ellos son números pares.
 La diferencia es pequeña, pero si juegas «pares» tienes un 4% más de
probabilidad de ganar, ya que 1325=0,52, mientras que 1225=0,48.

Fenómeno aleatorio
Un fenómeno aleatorio es un evento cuyo resultado, bajo situaciones similares,
no se puede predecir.
En primer lugar, un fenómeno aleatorio es por naturaleza impredecible. De ahí
que se denomine aleatorio (azaroso). Por ejemplo, la climatología. Bajo
circunstancias similares, el clima puede ser cambiante.
Ahora bien, el hecho de que un fenómeno aleatorio, por definición, esté
dominado por las leyes del azar no impide que sea susceptible de ser estudiado.
Es más, la teoría de la probabilidad nace, precisamente, por la existencia de
fenómenos aleatorios.
La necesidad del hombre de saber qué pasará es evolutiva. Y, ciertamente, ese
estudio nos facilita una mejor comprensión de los fenómenos. En consecuencia,
nos permite tomar mejores decisiones.
Si no tenemos paraguas y sabemos que mañana lloverá con un 80% de
probabilidad, conseguir hoy un paraguas es una buena decisión. Si finalmente no
lo necesitamos, no ocurre nada. Pero si lo necesitamos y no lo tenemos, podemos
mojarnos en exceso y enfermar.
Características de un fenómeno aleatorio
 Para distinguir un fenómeno aleatorio de aquel que no lo es, vamos a nombrar
diferentes características. Las características de un fenómeno aleatorio son:
 No se pueden predecir de forma precisa.
 Cualquier cambio en las condiciones iniciales, afecta al resultado final.
 Pueden (o no) presentar patrones repetitivos.
 Se repiten eventos parecidos bajo condiciones similares.
El primer punto es esencial en cuanto que, si se pueden predecir de forma
precisa, ya no son fenómenos aleatorios. Serán fenómenos deterministas. En
segundo lugar, cualquier cambio en las condiciones iniciales afecta al resultado
final. Pueden presentar patrones repetitivos (y nos interesa estudiarlos
estadísticamente) pero también puede ser completamente azarosos. Y, aunque
esto no es esencial, se repiten las condiciones de partida iniciales con cierta
frecuencia.
Relación entre fenómeno aleatorio y experimento aleatorio
El fenómeno aleatorio es el evento o acontecimiento que se pretende
investigar. Por su parte, el experimento aleatorio es una prueba para estudiar el
fenómeno aleatorio.
En algunos casos, los experimentos aleatorios se refieren a acontecimientos
que podemos repetir en condiciones similares. Por ejemplo, el experimento lanzar
una moneda para ver si sale cara o cruz. Sin embargo, otras veces no podemos
repetir el fenómeno de forma tangible. Por ejemplo, las cotizaciones bursátiles.
Los datos de las cotizaciones se generan solos. Ahora bien, con esos datos
podemos realizar pruebas o experimentos para detectar patrones de
comportamiento.
Ejemplo de fenómeno aleatorio
A continuación, se muestran ejemplos de fenómenos aleatorios:
 Crecimiento económico
 Resultados de las elecciones gubernamentales
 Evolución del desempleo
 Crisis económicas
 Clima
 Cotizaciones bursátiles
 Resultado de lanzar una moneda
 Todos los fenómenos anteriores tienen una característica común: son
aleatorios. Ahora bien, el hecho de que sean aleatorios no quita que existan
algunos más aleatorios que otros.
Así, en el lanzamiento de una moneda (si es perfecta) podemos decir que la
probabilidad de salir cara debería aproximarse a 0,5. En caso contrario, lanzamos
la moneda 100.000 veces y calculamos. Sin embargo, ¿Cómo fijamos la
probabilidad de que el crecimiento económico de Colombia sea del 8,3%? Este
último caso, sin duda es bastante más complejo. Ya que depende de muchas más
variables.

Espacio muestral
El espacio muestral está formado por todos los posibles resultados de un
experimento aleatorio. Es decir, se compone de todos y cada uno de los sucesos
elementales.
El espacio muestral es una parte del espacio probabilístico. Como su propio
nombre indica, está formado por los elementos de la muestra. Al contrario, el
espacio probabilístico engloba todos los elementos. Incluso aunque no salgan
recogidos en la muestra.
Símbolo del espacio muestral
El espacio muestral se denota con la letra griega Ω (Omega). Está compuesto
por todos los sucesos elementales y/o compuestos de la muestra y, por tanto,
coincide con el suceso seguro. Es decir, aquel suceso que siempre va a ocurrir.
Un ejemplo de espacio muestral en el lanzamiento de una moneda sería:
Ω = {C, X}
Dónde C es cara y X es cruz. Esto es, los posibles resultados son cara o cruz.
Ejemplo de espacio muestral
Supongamos el caso de un dado con 6 caras. Enumeradas del 1 al 6 ¿Cuál
sería el espacio muestral del experimento lanzar un dado una sola vez?
Ω = {1, 2, 3, 4, 5, 6}
¿Y si el experimento consiste en lanzar el dado dos veces? Diferenciamos entre
un dado rojo y un dado verde.
Ω = {1 y 1, 1 y 2, 1 y 3, 1 y 4, 1 y 5, 1 y 6, 2 y 1, 2 y 2, 2 y 3 … 6 y 6 }
Es decir, que en el dado rojo salga un 1 y que en el dado verde salga un 1,
sería el primer suceso elemental. El segundo suceso elemental consistiría en que
en el dado rojo salga un 1 y en el verde un 2. Así hasta un total de 36 sucesos
elementales.
Diferencia entre espacio muestral y espacio probabilístico
Confundir espacio muestral y espacio probabilístico es algo habitual. Suele
creerse que son sinónimos. Sin embargo, no es así. El espacio probabilístico es
un concepto mucho más amplio y está formado, además de otros conceptos, por
el espacio muestral.
En otras palabras, el espacio muestral es una parte del espacio probabilístico.

Eventos mutuamente excluyentes

Los eventos mutuamente excluyentes o eventos disjuntos son aquellos que, si
ocurre uno, es imposible que ocurra el otro.
Simplificando, son dos sucesos incompatibles que es imposible que se
produzcan ambos a la vez.
Por ejemplo, que esté lloviendo y que la carretera que está al aire libre esté
seca son eventos mutuamente excluyentes. Igualmente, si tiras una moneda,
podrá salir cara o cruz, pero no los dos a la vez.
En estadística se estudian las probabilidades de determinados eventos o
sucesos para realizar predicciones, extraer conclusiones o conocer más en
profundidad el comportamiento de ciertas variables.
Dentro del amplio grupo de eventos que se pueden dar en el mundo que nos
rodea, existe un tipo conocido como eventos mutuamente excluyentes, sobre el
cual estamos justamente tratando en este artículo.
Características de los eventos mutuamente excluyentes
A continuación, explicamos las principales características de los eventos
mutuamente excluyentes:
 Son eventos incompatibles entre sí, nunca podrán darse a la vez.
 La probabilidad de su intersección de sucesos es la siguiente:

 La probabilidad de la unión de sucesos es la siguiente:

Ejemplos de eventos mutuamente excluyentes

A continuación, te ponemos algunos ejemplos de eventos que son mutuamente
excluyentes:
 Una persona que está en México no puede estar a su vez en Colombia.
  Si hace calor, no puede hacer frío.
 Tiramos un dado, el resultado no puede ser 3 y 6 a la vez, será uno u otro.
 No podemos estar cargando el teléfono móvil y que a su vez se descargue
la batería (si te ocurre esto, tu teléfono móvil necesita una revisión técnica).
 Enviar un email y no tener conexión a Internet.
 Ir en automóvil y viajar a 500 kilómetros por hora.
 El ejemplo que hemos mencionado previamente, tirar una moneda y que
salga cara y cruz.
En conclusión, los eventos mutuamente excluyentes son aquellos que no
pueden suceder a la vez. Solo existe la opción de que ocurra uno de ellos y la
intersección es el conjunto vacío.

¿Qué dice el teorema de Morgan?

El teorema de Morgan es un conjunto de herramientas básicas en el ámbito de
la lógica proposicional y el álgebra de Boole. Su practicidad y su éxito se basan en
su capacidad para simplificar las llamadas expresiones booleanas, pero sobre
todo porque permiten cambiar el operador de conjunción al operador de
disyunción y viceversa. Estos dos constituyen lo que conocemos como operadores
lógicos, siendo ambos muy diferentes.
Una conjunción lógica es aquella que es verdadera solamente si los dos
operadores son verdaderos. Dicho de otro modo: la conjunción lógica es un
enunciado que contiene dos o más elementos verdaderos de forma simultánea.
Por poner un ejemplo: una lámpara podrá encenderse si confluyen una serie de
elementos como que haya corriente, el interruptor funcione, el fusible esté bien y la
bombilla no esté fundida.
Por otro lado, la disyunción lógica comprende solo un elemento como
verdadero. Un ejemplo lo podríamos encontrar en el lenguaje, cuando se nos
pregunta si queremos A o B, o se nos ofrecen diversas opciones de las cuales
solo podemos escoger una.
Origen del teorema de Morgan
Aunque en la actualidad se aplique en ámbitos vanguardistas y tecnológicos, el
teorema de Morgan se remonta hasta la época de Aristóteles. Sus razonamientos
sobre la lógica le llevaron a establecer una serie de premisas. Estas establecían la
validez de una inferencia que involucra dos proposiciones lógicamente
equivalentes.
Sus estudios sirvieron de base, siglos después, para que Augustus de Morgan
estudiara sus propios aportes a la lógica proposicional partiendo de los postulados
de Georgo Boole. Así es como termina por formular lo que hoy conocemos como
las leyes de Morgan, que pasan a formar parte del lenguaje inherente a la teoría
que engloba la lógica.
¿Cuáles son las 2 leyes de Morgan?
Cómo te avanzábamos antes, hay 2 leyes que forman parte del teorema de
Morgan:
 Primera ley de Morgan: sostiene que el complemento de un producto de “n”
variables será igual que la suma de los complementos de “n” variables.
 Segunda ley de Morgan: sostiene que el complemento de una suma de “n”
variables será igual que el producto de los complementos de “n” variables.
¿Dónde se aplican las leyes de Morgan?
Esta compleja teoría resulta de gran utilidad en el entorno tecnológico, como ya
te hemos comentado anteriormente. Tiene, eso sí, una importancia ligeramente
mayor en un ámbito concreto: el de los autómatas programables.
Este sector en auge cada vez está generando más interés debido a los
avances tecnológicos y científicos que se están llevando a cabo. Si eres un
apasionado de la inteligencia artificial, no te contamos nada nuevo si te decimos
que prácticamente todos los días salen a la luz avances nuevos. Así pues, las
leyes de Morgan siguen rigiendo el ámbito de la tecnología aplicada a los sistemas
automatizados.

Probabilidad condicional
La probabilidad condicional, o probabilidad condicionada, es la posibilidad de
que ocurra un evento, al que denominamos A, como consecuencia de que ha
tenido lugar otro evento, al que denominamos B.
Es decir, la probabilidad condicional es aquella que depende de que se haya
cumplido otro hecho relacionado.
Si tenemos un evento, que denominamos A, condicionado a otro evento, al cual
denominamos B, la notación sería P(A|B) y la fórmula sería la siguiente:
P(A|B) =P (A ∩ B) /P(B)
Es decir, en la fórmula de arriba se lee que la probabilidad de que suceda A,
dado que ha acontecido B, es igual a la probabilidad de que ocurra A y B, al
mismo tiempo, entre la probabilidad de B.
Lo opuesto a la probabilidad condicional es la probabilidad independiente. Es
decir, aquella que no depende de la ocurrencia de otro evento.
Ejemplo de probabilidad condicional
A continuación, veamos un ejemplo de probabilidad condicional.
Supongamos que tenemos un aula con 30 alumnos, siendo el 50 % de 14 años
y el otro 50% de 15 años. Además, sabemos que 12 integrantes del salón tienen
14 años y usan resaltador en sus libros ¿Cuál es la probabilidad de que un
estudiante del salón use resaltador si tiene 14 años?
Siguiendo la fórmula mostrada líneas arriba, primero, sabemos que la
probabilidad de que el estudiante tenga 14 años es 50%(P(B)). Asimismo, la
probabilidad que de que un estudiante tenga 14 años y use resaltador es
12/30=40%.
Por lo tanto, la probabilidad de que un estudiante use resaltador si tiene 14
años se calcularía de la siguiente forma:
P(A|B) =P (A ∩ B) /P(B)=0,4/0,5=0,8=80%
Es decir, existe un 80% de probabilidad de que un estudiante use resaltador si
tiene 14 años.
Propiedades de la probabilidad condicional
Las propiedades de la probabilidad condicional son las siguientes:

Esto significa que la probabilidad de A dado B, más la probabilidad del

complemento de A (los elementos del universo que no pertenece a A) dado B, es
igual a 1.

Esta propiedad implica que si A es un subconjunto de B (o son dos conjuntos

iguales), la probabilidad de que ocurra A dado B es 1.


Lo anterior quiere decir que la probabilidad de A es igual a la probabilidad de A

dado B por la probabilidad de B más la probabilidad de A, dado el complemento de
B por el complemento de B.

Teorema 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.
El teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido,
principalmente, a su mala aplicación. Ya que, mientras se cumplan los supuestos
de sucesos disjuntos y exhaustivos, el teorema es totalmente válido.
Fórmula del teorema de Bayes
Para calcular la probabilidad tal como la definió Bayes en este tipo de sucesos,
necesitamos una fórmula. La fórmula se define matemáticamente como:

Donde B es el suceso sobre el que tenemos información previa y A(n) son los
distintos sucesos condicionados. En la parte del numerador tenemos la
probabilidad condicionada, y en la parte de abajo la probabilidad total. En
cualquier caso, aunque la fórmula parezca un poco abstracta, es muy sencilla.
Para demostrarlo, utilizaremos un ejemplo en el que en lugar de A (1), A (2) y A
(3), utilizaremos directamente A, B y C.
Ejemplo del teorema de Bayes
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%.

Variable aleatoria
Una variable aleatoria es la función matemática de un experimento aleatorio.
A priori, la definición de variable aleatoria no reviste mucha complejidad. Se
trata de un concepto que se puede definir en una frase. Sin embargo, es más
complejo de lo que las apariencias puedan indicar.
¿Qué es una variable aleatoria?
Cómo podemos comprobar la frase se compone básicamente de dos
conceptos: función matemática y experimento aleatorio. De manera que por aquí
es por dónde debemos empezar. Es decir, por entender primero qué es una
función matemática y, más tarde, por definir qué entendemos por experimento
aleatorio.
  Función matemática: Dicho de manera sencilla, es una ecuación que asigna
valores a una variable (variable dependiente) en función de otras variables
(variables independientes).
 Experimento aleatorio: Es un fenómeno de la vida real cuyos resultados se
deben completamente al azar. Es decir, bajo las mismas condiciones
iniciales arroja resultados diferentes.
En otras palabras, es una ecuación que describe o intenta describir los
resultados (con un número) de un evento cuyos resultados se deben al azar.
¿Qué sentido tiene diferenciar variable aleatoria de experimento aleatorio?
Pensemos en el siguiente caso. Queremos estudiar si una moneda es perfecta
o se aproxima mucho a serlo. Para ello, vamos a realizar un experimento aleatorio
que consiste en lanzar la moneda al aire y apuntar el resultado.
Los posibles resultados del lanzamiento de la moneda son cara y cruz.
Podemos denotarlos como c (cara) y + (cruz). Ahora bien, no podemos operar
sustituyendo cara y cruz en las funciones correspondientes. ¿Qué hacemos para
facilitar el procedimiento matemático? Asignar números:
Varaible aleatoria X: 1 si sale cara y 0 si sale cruz.
Al asignarle un número, podemos operar matemáticamente. Antes con signos,
no podíamos. Ese es el verdadero objetivo de una variable aleatoria. Convertir
eventos con los que no podemos operar matemáticamente en números. Otro
ejemplo, podría ser predecir si llueve o no llueve. Si llueve 1 y si no llueve 0.
Variable aleatoria y distribución de probabilidad
La relación entre variable aleatoria y distribución de probabilidad es muy
estrecha. De hecho, una distribución de probabilidad es en realidad la función de
una variable aleatoria. Es decir, es función de una función. Así pues tenemos dos
conceptos relacionados pero diferentes:
 Variable aleatoria: Es una función de un experimento aleatorio.
 Distribución de probabilidad: Es una función que establece cómo se
distribuye la probabilidad de una variable aleatoria.
Tipos de variable aleatoria
Dentro de las variables aleatorias existen, fundamentalmente, dos tipos. Su
clasificación, depende del tipo de número que arroja la función matemática. Una
variable aleatoria puede ser de dos tipos:
 Variable aleatoria discreta: Una variable aleatoria es discreta si los números
a los que da lugar son números enteros. La forma de calcular las
 probabilidades de una variable aleatoria discreta es a través de la función
de probabilidad.
 Variable aleatoria continua: Una variable aleatoria es continua en caso de
que los números a los que de lugar no sean números enteros. Es decir,
tengan decimales. La probabilidad de que se de un suceso determinado
correspondiente a una variable aleatoria continua, viene establecido por la
función de densidad.
Ejemplo de variable aleatoria
Una variable aleatoria bien podría ser la función de los resultados del
lanzamiento de un dado. Es importante diferenciar aquí tres conceptos.
 Dado: No es la variable aleatoria. El dado es simplemente un objeto.
 Lanzamiento de un dado: No es la variable aleatoria. El lanzamiento de un
dado es el experimento aleatorio.
 Resultados del lanzamiento de un dado: Sí es la variable aleatoria. Es la
función que recoge los resultados del lanzamiento del dado. Un ejemplo de
variable aleatoria podría ser: Que salga un número mayor que 2 al lanzar el
dado.
X: Que salga mayor que 2 al lanzar el dado
Distribución de probabilidad:  1/3 no sale mayor que 2 y 2/3 si sale mayor que 2.
Es decir, la probabilidad se distribuye tal que la probabilidad de que salga un
número menor o igual que 2 es de 1/3. Mientras, la probabilidad de que salga
mayor que 2 es 2/3
Por tanto, nuestra variable aleatoria dependerá del resultado concreto del valor
del dado. El tipo de variable al que estamos haciendo referencia es discreta. ¿Por
qué lo sabemos? Porque cuando tiramos un dado solo podemos obtener 6
posibles resultados. Todos ellos, son números enteros. Concretamente, entre 1 y
6.

Clasificación de la variable
Aunque hay decenas de tipos de variables estadísticas, por norma general
podemos encontrarnos dos tipos de variables:
 Variable cuantitativa: Son variables que se expresan numéricamente.
o Variable continua: Toman un valor infinito de valores entre un
intervalo de datos. El tiempo que tarda un corredor en completar los
100 metros lisos.
 o Variable discreta: Toman un valor finito de valores entre un intervalo
de datos. Número de helados vendidos.
 Variable cualitativa: Son variables que se expresan, por norma general, en
palabras.
o Variable ordinal: Expresa diferentes niveles y orden.
o Variable nominal: Expresa un nombre claramente diferenciado. Por
ejemplo, el color de ojos puede ser azul, negro, castaño, verde, etc.
Además, cada una de estas variables podría tener más subtipos, ya que
tenemos variables de
tipo económico, categóricas, dicotómicas, dependientes, independientes y cardinal
es. Es decir, como ya hemos dicho, muchos tipos de variables estadísticas. Por
ejemplo, podríamos tener una variable estadística de tipo cuantitativo, discreta y
dependiente.
Adicionalmente, también debemos aclarar que el hecho que las variables
cualitativas se expresen con nombre no quiere decir que no puedan ser parte de
un modelo matemático. Así pues, podríamos crear una variable cuantitativa a
partir de una variable cualitativa. Por ejemplo, para el color de ojos podríamos
asignar un 1 si tiene los ojos azules, un 2 si tiene los ojos verdes y un 3 si tiene los
ojos marrones. O, en otros casos, podríamos también convertir variables
dicotómicas que indica SI o NO, en 1 o 0.
Ejemplos de variable estadística
A continuación, mostramos un ejemplo de cada una de los tipos de variable
estadística:
Ejemplo variable cuantitativa
Un ejemplo de variable cuantitativa serían las horas que trabaja un empleado a
lo largo de la semana. Otro ejemplo podría ser el número de kilómetros que realiza
un ciclista profesional a lo largo de la temporada.
Ejemplo de variable continua
Las variables continuas son aquellas que toman valores infinitos dentro de un
intervalo como puede ser el tiempo que un corredor tarda en recorrer los 100
metros lisos. Un ejemplo más puede ser el peso de un paquete de espaguetis.
Ejemplo de variable discreta
Podríamos mencionar el número de helados vendidos en una heladería o el
número de clases que da un profesor a lo largo del curso lectivo.
Ejemplo de variable cualitativa
 Los asistentes a un concierto que tienen entradas diferenciadas por la zona en
la que se ubiquen como pista, grada o zona VIP sería una variable cualitativa.
Ejemplo de variable ordinal
El resultado obtenido por los diferentes pilotos en una carrera de coches de
Fórmula 1 sería una variable ordinal. Otro ejemplo podría ser la calificación
otorgada por los jueces de un campeonato de gimnasia rítmica.
Ejemplo de variable nominal
El color de ojos de una persona, azules, marrones o verdes es un ejemplo de
este tipo de variable. Un ejemplo más sería el estado civil de una persona o su
sexo.
 CONCLUSIONES
Podemos concluir que los juegos de azar si se pueden predecir, y que hay
maneras mediante las cuales podemos calcular su probabilidad, que es el
porcentaje de que suceda un hecho, como lo que sucedió en nuestro juego. En el
juego de la ruleta los administradores del juego ya saben la posible probabilidad
de que gane el jugador.
El juego realizado por el equipo se obtuvo que de cada 5 jugadas solo una la
gana uno de los participantes y el resto de las jugadas las gana la casa.
Con este artículo hemos concluido que la suerte en los juegos de azar no es
más que probabilidad puesta en práctica.