CONCEPTOS BASICOS

PROBABILIDAD

ANA MARIA LOPEZ GOMEZ

PARA PROFESOR   ARTURO PERGUEROS

1.DEFINICION DE PROBABILIDAD
¿Cuál es la posibilidad de ver una estrella fugaz? ¿Cuál es la
posibilidad de que llueva mañana? ¿Ganaré la lotería algún día?
Cuando queremos saber si un evento o suceso es posible o no,
recurrimos a la probabilidad. Así, la probabilidad es el valor numérico
que nos sirve para determinar la ocurrencia o no de una situación
dada.

Por ejemplo, cuando lanzamos una moneda al aire, existe una

probabilidad de 0,50 que obtendremos águila o sol (cara o cruz en
algunos países). En una pregunta de verdadero o falso, tenemos una
oportunidad de 50-50 de contestar correctamente si escogemos la
respuesta al azar, esto es, la probabilidad es de 0,50.

También cuando decimos que en una caja de fósforos existe un 1% de

que un fósforo no se encienda, lo expresamos como una probabilidad
de 0,01. Esto es que en 100 veces que frotamos un fósforo, al menos
uno no se encenderá.

Probabilidad y estadística

La probabilidad y la estadística van de la mano. De hecho, la

probabilidad representa las bases para la construcción de la
estadística inferencial.

La estadística inferencial es una parte de la estadística que,

valiéndose de métodos probabilísticos, predice los resultados de una
población, basándose en los datos de una muestra de esa población.

Un ejemplo interesante es el estudio realizado por Subagia y

colaboradores, donde examinaron las configuraciones de los
helicópteros y la probabilidad de accidentes. Estos investigadores
identificaron que los helicópteros con cuatro aspas tienen la
probabilidad más baja de accidentes.
Conceptos básicos de probabilidad

Para poder comprender qué probabilidad hay de que acontezca algo,

existen algunas notaciones y conceptos claves en el estudio de la
probabilidad:

 La probabilidad se denota con la letra P.

 Un suceso es cualquier conjunto de resultados o consecuencias
de un procedimiento. Por ejemplo, lanzar dos dados y obtener 6
y 6.
 Un suceso simple es un resultado o un suceso que ya no puede
desglosarse en componentes más simples. Por ejemplo, que
salga el número 6 cuando lanzamos un dado.
 El espacio muestral de un procedimiento son todos los posibles
resultados. Es decir, el espacio muestral está formado por todos
los resultados que ya no puede desglosarse más. Por ejemplo
todos los posibles resultados de lanzar dos dados:


1 2 3 4 5 6

1 1, 1 1, 2 1, 3 1, 4 1, 5 1, 6

2 2, 1 2, 2 2, 3 2, 4 2, 5 2, 6

3 3, 1 3, 2 3, 3 3, 4 3, 5 3, 6

4 4, 1 4, 2 4, 3 4, 4 4, 5 4, 6

5 5, 1 5, 2 5, 3 5, 4 5, 5 5, 6
 
1 2 3 4 5 6

6 6, 1 6, 2 6, 3 6, 4 6, 5 6, 6

 Los sucesos específicos se denotan por A, B o C. P(A) denota la

probabilidad de que ocurra el suceso A.
 La probabilidad de un suceso imposible es 0. Por ejemplo,
conseguir agua en el Sol tiene una probabilidad de 0.
 La probabilidad de un suceso seguro es 1. Por ejemplo, que la
Tierra gire alrededor del Sol es eguro.
 La probabilidad de que un suceso no ocurra se conoce como
el complemento de la ocurrencia del suceso. Por ejemplo, si la
probabilidad de ganar la lotería es 0,000001, el complemento es
la probabilidad de NO ganar la lotería, esto es, 0,999999.

Breve historia de la probabilidad

El precursor de las teorías probabilísticas fue el matemático

italiano Girolamo Cardano (1501-1576).

Los matemáticos Pierre Fermat (1601-1665) y Blaise Pascal (1623-

1662) contribuyeron a desarrollar el concepto de probabilidad a
problemas relacionados con los juegos de azar.

El cálculo combinatorial fue desarrollado por Jacob Bernoulli (1654-

1705) y Pierre Simon de Laplace (1749-1827).

2. FENÓMENOS PROBABILÍSTICOS
Fenómenos probabilísticos, naturaleza y objetivos de la estadística.

a. Fenómenos probabilísticos. Son aquellos fenómenos en los

que se desconocen algunas variables, pero si se reúnen las
conocidas, tendrán la posibilidad de presentarse (p) o de no
manifestarse (q), por ejemplo, por ejemplo: cuando un grupo de
personas se pone en contacto con un paciente que padece alguna
enfermedad infecciosa.Todos tienen la probabilidad de ser
contagiados (p) o de no serlo (q); asimismo, tienen la probabilidad de
manifestar o no la enfermedad.
De las circunstancias deducidas (p y q), si se lanza una moneda al aire
y se pide águila, la esperanza de este suceso p corresponde a 0.5 o
½; lo contrario, o sea, que salga sol, también representa la misma
proporción de 0.5. De ello se deduce que al sumar los eventos p y q,
ambos resultan igual a uno. En ese momento se simple con la primera
ley de la probabilidad: la ley de la adición, la cual establece que la
suma de los eventos simples de un experimento es igual a la
probabilidad de ocurrencia del evento.
En un fenómeno con diversos eventos posibles, la suma de las
proporciones correspondiente a cada evento será igual a uno, por
ejemplo: si unsujeto se expone al contacto con pacientes que tengan
alguna enfermedad contagiosa, tendrá, posiblemente, eventos
distintos, como presentar la enfermedad en una forma severa,
moderada o leve o asintomática, e incluso no manifestar algún dato
clínico o de gabinete que represente la enfermedad. Cada uno de
estos posibles eventos tendrá una proporción diferente de ocurrencia,
de acuerdo con circunstanciasdebidas al huésped, al entorno y al
agente infectante, pero de cualquier manera la suma de todos ellos
resultará igual a 1.

•FENÓMENO (EXPERIMENTO): Es todo aquel acto o acción que se

realiza con el fin de observar sus resultados y cuantificarlos. Los
fenómenos pueden clasificarse de acuerdo al tipo de resultados en: •
Determinístico Es aquel cuyos resultados se pueden predecir de
antemano.
Probabilístico (aleatorio) Es aquel en el que para las limitaciones
actuales del conocimiento científico, no se puede predecir con certeza
el resultado.

3.ESPACIO PROBALÍSTICO
Al conjunto de todos los posibles resultados de un experimento
aleatorio se le denomina ESPACIO DE EVENTOS (S).
A cada posible resultado del espacio le llamaremos ELEMENTO.

EVENTO en general es un conjunto de eventos simples (o posibles

resultados del experimento).

EVENTO SIMPLE. Si el evento está compuesto por un único

elemento le llamaremos

EVENTO VACÍO. Si el evento no tiene ningún resultado posible se le

denomina

4.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

5.DISTRIBUCION DE PROBABILIDAD

Es como una lista que nos proporciona todos los resultados de

los valores que pueden presentarse en un acontecimiento, junto
con la probabilidad de ocurrencia asociada a cada uno de estos
valores.

Tomemos, por ejemplo, como un acontecimiento el lanzamiento de

una moneda. En este acontecimiento, tenemos como posibles
resultados: Cara o sello, y las respectivas probabilidades son: si cae
cara 0.5 (1/2) o si cae sello 0.5 (1/2).
Como podemos observar, si tomamos las probabilidades de ocurrencia
de los resultados de un acontecimiento y los sumamos siempre nos
debe dar 1.

Todos los acontecimientos tienen variables aleatorias (características

medibles), éstas pueden ser de tipo continua o discreta.

Las variables de tipo discretas son aquellas cuyos resultados se

pueden contar o son separables (por ejemplo, la cantidad de caras en
el lanzamiento de 3 monedas, el número de faltas de un partido de
fútbol, libros vendidos en un mes, etc). 

Las continuas son aquellas que tienen un número incontable de

valores pero limitado (por ejemplo, los tiempos de vuelos entre una
ciudad y otra, la presión de los neumáticos de un carro, etc).

Tipos de distribuciones de probabilidad

Los científicos siempre se han sentido fascinados con los fenómenos y

acontecimientos que ocurren en la vida cotidiana, por lo que se han
puesto en la tarea de construir modelos probabilísticos teóricos, a
través de la experimentación, que los describan. Algunos de los más
utilizados hoy en día son:

1. Distribución de probabilidad Binomial:

Es una probabilidad discreta y se presenta con mucha frecuencia en

nuestra vida cotidiana. Fue propuesta por Jakob Bernoulli (1654-
1705), y es utilizada con acontecimientos que tengan respuesta
binaria, generalmente clasificada como “éxito” o “fracaso”. Algunos
ejemplos donde se aplica esta distribución son:

 Si una persona presenta o no una enfermedad.

 Si una mujer se encuentra en estado de embarazo.
 Que un producto sea exitoso o no.
 Que un vuelo se retrase o no.
 Si el lanzamiento de una moneda sale cara en vez de sello.

2. Distribución de probabilidad de Poisson:

Recibe su nombre gracias al matemático francés Simeón Denis
Poisson (1781-1840). Describe el número de veces que se presenta
un acontecimiento durante un intervalo específico, este intervalo
puede ser de tiempo, distancia, área o volumen. La probabilidad de
ocurrencia es proporcional a la longitud del intervalo. Algunos
ejemplos donde se aplica esta distribución son:

 El número de vehículos que vende por día un concesionario.

 Cantidad de llamadas por hora que recibe una compañía.
 Cuando se requiere conocer el número de defectos en un lote de
tela.
 Número de accidentes automovilísticos en el año.
 Número de llegadas de embarcaciones a un puerto por día.

3. Distribución de probabilidad normal:

La distribución de probabilidad normal es una de las más importantes

en estadística y en el cálculo de probabilidades.

Fue utilizada por Carl Friedich Gauss (1777-1855) al escribir un libro

sobre el movimiento de los cuerpos celestes, por este motivo también
es conocida como distribución Gaussiana.

Es importante debido a que el teorema central del límite implica que

esta distribución es casi universal y la podemos encontrar en todos los
campos de las ciencias empíricas tales como: biología, física,
psicología, economía, etc.
Tiene una forma de campana, es simétrica y su área bajo la curva es
1.

Como se mencionaba anteriormente la aplicación de esta distribución

de probabilidad es muy amplia. Algunos ejemplos son:

 El efecto de un medicamento o fármaco.

 El cambio de temperatura en una época del año específica.
 Caracteres morfológicos como el peso o la estatura en un grupo
de individuos.

Nuestro mundo actual se encuentra en constante cambio y tenemos

incertidumbre frente al futuro, es por eso que es importante resaltar la
teoría de la probabilidad o también conocida como la ciencia de la
incertidumbre.

Aunque no nos diga con exactitud qué depara el futuro, nos ayuda a
navegar en este mar de la incertidumbre para tomar mejores
decisiones en el mundo de los negocios y en la vida.
6.AXIOMAS

AXIOMAS DE PROBABILIDAD

1. P(S) = 1

2. P(E) ≥ 0

3. Si para E1, E2, ....

se cumple que Ei ∩ Ej = ∅, para toda i ≠ j,

entonces:

P(E1 ∪ E2 ∪ ....)= P(E1) + P(E2) + ...

Sea S el espacio de eventos de un experimento,

y E un evento cualquiera de S.

Preparado por Irene Patricia Valdez y Alfaro

TEOREMAS DERIVADOS DE LOS AXIOMAS

1. P(∅) = 0

2. 0 ≤ P(E) ≤ 1 , para cualquier E ∈ S

3. Regla de la adición para cualesquiera

eventos:

Si A y B pertenecen a S, se cumple

que:
P( A ∪ B ) = P(A) + P(B) - P( A ∩ B )

BIBLIOGRAFIA

aripidis, K., y col. (2018) Mobile phone use and incidence of brain
tumour histological types, grading or anatomical location: a population-
based ecological study. BMJ Open 8: e024489. DOI:
10.1136/bmjopen-2018-024489.

Subagia, R., Saleh, J.H., Churchwell, J.S., Zhang, K.S. (2020)

Statistical learning for turboshaft helicopter accidents using logistic
regression. Plos One 15: e022734. DOI:
10.1371/journal.pone.0227334.

Triola M.F. (2009) Estadística 10ma ed. Pearson Educación. México.

Estadística aplicada a los negocios y la economía. Lind, Marchal,

Wathen, desimosexta edición. McGraw Hill education