PROBABILIDADES:

INTRODUCCION:

En términos generales, la teoría de probabilidades se utiliza para modelar situaciones en las

cuales el resultado final es incierto o desconocido, y se busca determinar la probabilidad de
que cada uno de los posibles resultados se produzca. Por ejemplo, se puede utilizar la teoría de
probabilidades para determinar la probabilidad de que una moneda caiga cara o cruz, o para
predecir la probabilidad de que llueva en una determinada región en un día dado.

La teoría de probabilidades también es fundamental en otras áreas de las matemáticas y de la

ciencia en general, incluyendo la estadística, la física, la biología, la economía y la informática,
entre otras. En estas áreas, la teoría de probabilidades se utiliza para modelar y analizar una
amplia gama de fenómenos, desde el comportamiento de las partículas subatómicas hasta las
tendencias económicas y los patrones de tráfico en internet.

PROBABILIDAD CLASICA:

La probabilidad clásica es una rama de la teoría de probabilidades que se aplica a situaciones

en las que todos los posibles resultados son igualmente probables. Es decir, se trata de
situaciones donde no hay ninguna razón para esperar que un resultado sea más probable que
otro.

Un ejemplo clásico de probabilidad clásica es el lanzamiento de una moneda. En este caso, la

probabilidad de que la moneda caiga cara es igual a la probabilidad de que caiga cruz, ya que
ambos resultados son igualmente probables. En general, si un experimento tiene n resultados
posibles, y todos son igualmente probables, entonces la probabilidad de que un resultado en
particular ocurra es 1/n.

Otro ejemplo de probabilidad clásica es el lanzamiento de un dado. En este caso, si el dado es

justo, entonces cada uno de l seis resultados posibles (1, 2, 3, 4, 5, 6) es igualmente probable y
por lo tanto la probabilidad de que salga un numero en particular 1/6.

La probabilidad clásica se utiliza en muchas áreas de la vida cotidiana, como los juegos de azar,
la toma de decisiones y planificación de eventos. Sin embargo no siempre es aplicable en
situaciones en las que los resultados no son igualmente probables, como en la mayoría de los
experimentos en física, biología y otras ciencias naturales. En estos casos se utilizan otras
ramas de la teoría de probabilidades, como la probabilidad condicional y la probabilidad
estadística.

PROBABILIDAD CONDICIONAL

Es una rama de la teoría de probabilidades que se utiliza para calcular la probabilidad de que
un evento ocurra dado de que otro evento ha ocurrido. Es decir, se trata de la probabilidad de
un evento “A” dado que otro evento “B” ha ocurrido.

La probabilidad condicional se representa matemáticamente como P (A|B) que se lee como

“la probabilidad de A dado B”. La fórmula para calcular la probabilidad es condicional es:

P(A|B) = P(A∩B) / P(B)

Donde P(A ∩ B) es la probabilidad de que ambos eventos A y B ocurran, y P (B) es la
probabilidad de que el evento B ocurra. Es importante destacar que la probabilidad
condicional solo se aplica cuando la probabilidad de B es mayor que cero.

Un ejemplo común de probabilidad condicional es el siguiente: si se sabe que el 70% de los

estudiantes que toman un curso de matemáticas también toman un curso de física, y el 90%
de los estudiantes que toman un curso de física también toman un curso de matemáticas,
¿cuál es la probabilidad de que un estudiante que toma un curso de física también tome un
curso de matemáticas?

En este caso, se tiene que P (matemáticas física) = P (matemáticas física) / P (física). Como se
sabe que el 90% de los estudiantes que toman un curso de física también toman un curso de
matemáticas, se tiene que P (matemáticas física) = 0.9. Además, se sabe que el 70% de los
estudiantes que toman un curso de matemáticas también toman un curso de física, por lo que
P (física) = 0.7. Por lo tanto, la probabilidad de que un estudiante que toma un curso de física
también tome un curso de matemáticas es:

P (matemáticas física) = P (matemáticas física) / P (física) = 0.9/0.7 = 1.29

Es decir, hay una probabilidad del 1.29 de que un estudiante que toma un curso de física
también tome un curso de matemáticas.

VARIABLES ALEATORIAS:

En la teoría de probabilidades, una variable aleatoria es una función que asigna un valor
numérico a cada resultado posible de un experimento aleatorio. En otras palabras, una
variable aleatoria es una forma de cuantificar los resultados de un experimento aleatorio.

Existen dos tipos de variables aleatorias: discretas y continuas. Una variable aleatoria discreta
toma valores aislados, como por ejemplo el número de veces que se obtiene cara al lanzar una
moneda. Una variable aleatoria continua, por otro lado, puede tomar cualquier valor dentro
de un intervalo, como la altura de una persona.

Para describir una variable aleatoria, se utiliza una función de probabilidad o una función de
densidad de probabilidad. La función de probabilidad se utiliza para variables aleatorias
discretas y asigna probabilidad a cada valor que puede tomar la variable aleatoria. La función
de densidad de probabilidad se utiliza para variables aleatorias continuas y describe la
probabilidad de que la variable aleatoria tome un valor dentro de un intervalo determinado.

Las variables aleatorias son importantes en la teoría de probabilidades porque permiten

calcular la probabilidad de que una variable tome un valor determinado o que se encuentre
dentro de un rango determinado de valores. También se utilizan para modelar situaciones en
las que se desea conocer la distribución de probabilidad de una variable en particular, como
por ejemplo el tiempo que tarda un cliente en ser atendido en una tienda o el número de
errores en un proceso de producción.

En resumen, una variable aleatoria es una herramienta fundamental en la teoría de

probabilidades que permite cuantificar los resultados de un experimento aleatorio y calcular la
probabilidad de que la variable tome un valor determinado o se encuentre dentro de un rango
determinado de valores.
5) Esperanza y confianza en probabilidades

La esperanza y la varianza son dos conceptos importantes en la teoría de probabilidades que

se utilizan para medir la centralidad y la dispersión de una variable aleatoria.

La esperanza, también conocida como valor esperado, es la medida de centralidad de una

variable aleatoria y se calcula como la suma de los productos de los valores que puede tomar
la variable y sus respectivas probabilidades. Matemáticamente, la esperanza de una variable
aleatoria X se denota como E(X) y se calcula como:

E(X) = Σx P(X=x)

donde x son los valores que puede tomar la variable aleatoria y P(X=x) es la probabilidad de
que la variable tome el valor x. Var(X) = E((X-E(X))^2)

donde E(X) es la esperanza de la variable aleatoria X. La desviación estándar se calcula como la

raíz cuadrada de la varianza.

La confianza es un concepto relacionado con la varianza que se utiliza para expresar el grado
de incertidumbre en una medición o estimación de una variable. En estadística, la confianza se
expresa en términos de intervalos de confianza, que son intervalos de valores que se espera
que contengan el verdadero valor de la variable con cierta probabilidad.

En resumen, la esperanza y la varianza son dos medidas importantes en la teoría de

probabilidades que se utilizan para medir la centralidad y la dispersión de una variable
aleatoria. La confianza, por otro lado, se utiliza para expresar el grado de incertidumbre en una
medición o estimación de una variable, y se expresa en términos de intervalos de confianza

6 )Distribuciones importantes de probabilidad

Existen muchas distribuciones importantes de probabilidad, pero aquí te

presento algunas de las más comunes:

1. Distribución uniforme: esta distribución asigna la misma probabilidad a todos los valores
posibles de una variable aleatoria. Por ejemplo, cuando se lanza un dado, cada número del 1 al
6 tiene la misma probabilidad de aparecer, por lo que se puede modelar con una distribución
uniforme.

2. Distribución normal (o gaussiana): es la distribución más conocida y se utiliza para modelar

muchos fenómenos en la naturaleza, como la altura, el peso, la inteligencia, etc. La distribución
normal es simétrica y tiene una forma de campana. Se caracteriza por dos parámetros: la
media y la desviación estándar.

3. Distribución de Poisson: esta distribución se utiliza para modelar el número de eventos raros
que ocurren en un intervalo de tiempo o de espacio. Por ejemplo, el número de llamadas de
emergencia que recibe un servicio de atención en una hora determinada.

4. Distribución exponencial: esta distribución se utiliza para modelar el tiempo entre eventos
raros sucesivos. Por ejemplo, el tiempo que tarda un usuario en llegar a una página web
después de que se ha producido un fallo en el servidor.
5. Distribución binomial: esta distribución se utiliza para modelar el número de éxitos en un
número fijo de ensayos independientes, donde cada ensayo tiene una probabilidad fija de
éxito. Por ejemplo, el número de veces que se lanza cara al lanzar una moneda 10 veces.

Hay muchas otras distribuciones importantes de probabilidad, pero estas son algunas de las
más comunes y útiles.

7 Aplicaciones de la teoria de probabilidades

La teoría de probabilidades tiene numerosas aplicaciones en diferentes

áreas, algunas de las cuales son:

1. Finanzas: la teoría de probabilidades se utiliza para evaluar el riesgo y el rendimiento de los

instrumentos financieros, tales como acciones, bonos, fondos de inversión, etc. También se
utiliza en la modelización de las fluctuaciones de los precios de los activos y la gestión de
riesgos financieros.

2. Ciencias de la salud: la teoría de probabilidades se utiliza para modelar y predecir la

incidencia de enfermedades, la eficacia de los tratamientos médicos y la supervivencia de los
pacientes. También se utiliza en el diseño y análisis de ensayos clínicos.

3. Ingeniería: la teoría de probabilidades se utiliza para modelar y predecir la fiabilidad y el

rendimiento de los sistemas y procesos, tales como la fabricación de productos, el diseño de
estructuras, la programación de sistemas, etc.

4. Ciencias sociales: la teoría de probabilidades se utiliza para modelar y predecir el

comportamiento humano en diferentes situaciones, tales como la toma de decisiones, el
consumo, la votación, etc.

5. Ciencias de la computación: la teoría de probabilidades se utiliza en el análisis de algoritmos,

la optimización de sistemas y la seguridad informática.

Estas son solo algunas de las muchas aplicaciones de la teoría de probabilidades en diferentes
campos. En general, la teoría de probabilidades es una herramienta poderosa y versátil para la
toma de decisiones y la resolución de problemas en una amplia gama de áreas.

8 Simulacion de probabilidades

La simulación de probabilidades es una técnica que se utiliza para imitar el comportamiento de

un sistema o proceso aleatorio. Consiste en generar una secuencia de números aleatorios que
siguen una distribución de probabilidad específica y luego utilizarlos para simular el
comportamiento del sistema o proceso.

La simulación de probabilidades se utiliza en una amplia variedad de aplicaciones, tales como:

1. Análisis de riesgo: la simulación de probabilidades se utiliza para analizar el riesgo asociado

con diferentes decisiones o estrategias. Por ejemplo, se puede simular el rendimiento de una
cartera de inversión bajo diferentes condiciones del mercado.
2. Diseño de experimentos: la simulación de probabilidades se utiliza para diseñar
experimentos que permitan evaluar la eficacia de diferentes tratamientos o intervenciones.
Por ejemplo, se puede simular el impacto de una nueva droga en una población de pacientes.

3. Optimización de procesos: la simulación de probabilidades se utiliza para optimizar los

procesos de producción o los sistemas logísticos. Por ejemplo, se puede simular la cadena de
suministro de una empresa para identificar cuellos de botella y mejorar la eficiencia.

4. Juegos de azar: la simulación de probabilidades se utiliza para analizar y mejorar las

estrategias en juegos de azar, tales como el póker, la ruleta o el blackjack.

En general, la simulación de probabilidades es una técnica muy útil para imitar el

comportamiento de sistemas o procesos complejos v para tomar decisiones