Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad I:
Ideas Introductorias.
Teoría de la Probabilidad
La teoría de la probabilidad fue aplicada con éxito en las mesas de juego y, lo que es más
importante en nuestro estudio, a problemas sociales y económicos.
En la actualidad, la teoría matemática de la probabilidad es la base para las aplicaciones
estadísticas, tanto en investigaciones sociales como en la toma de decisiones.
La probabilidad constituye parte importante de nuestra vida cotidiana. En la toma de
decisiones personales y administrativas, nos enfrentamos a la incertidumbre y utilizamos la
teoría de la probabilidad, admitamos o no el uso de algo tan complejo.
Objetivos
La teoría de la probabilidad fue aplicada con éxito en las mesas de juego y lo que es más
importante, a problemas sociales y económicos. La industria de seguros, que surgió en el siglo
XIX, requería un conocimiento preciso acerca de los riesgos de pérdida, con el fin de calcular las
primas.
En la actualidad, la teoría matemática de la probabilidad es la base para las aplicaciones
estadísticas, tanto en investigaciones sociales como en la toma de decisiones.
En la teoría de la probabilidad, un evento es uno o más de los posibles resultados de hacer algo.
Al lanzar una moneda al aire, si cae cruz es un evento, y si cae cara es otro.
En la teoría de probabilidad, la actividad que origina uno de dichos eventos se conoce como
experimento.
2
Se dice que los eventos son mutuamente excluyentes si uno y sólo uno de ellos puede tener
lugar a un tiempo. Considere de nuevo el ejemplo de la moneda. En cualquier lanzamiento
obtendremos una cara o una cruz, nunca ambas.
La pregunta fundamental que se debe formular al decidir si ciertos eventos son mutuamente
excluyentes es: ¿pueden ocurrir dos o más de tales eventos al mismo tiempo? Si la respuesta es
afirmativa, los eventos no son mutuamente excluyentes.
Cuando una lista incluye todos los eventos que pueden resultar de un experimento, se dice que
la lista es colectivamente exhaustiva. En el ejemplo de la moneda, la lista —cara y cruz—, es
colectivamente exhaustiva (a menos, por supuesto, que la moneda caiga parada cuando la
lancemos).
1. El planteamiento clásico.
2. El planteamiento de frecuencia relativa.
3. El planteamiento subjetivo.
1. Probabilidad clásica
El planteamiento clásico define la probabilidad de que un evento ocurra como:
Se debe resaltar el hecho de que, con el fin de que la ecuación sea válida, cada uno de
los resultados posibles debe ser igualmente posible.
Primero plantearemos la pregunta ¿cuál es la probabilidad de obtener una cara en un
solo lanzamiento? Como:
P(cara)
3
A la probabilidad clásica, a menudo, se le conoce como probabilidad a priori, debido a
que si empleamos ejemplos ordenados como monedas no alteradas, entonces podemos
establecer la respuesta de antemano (a priori).
El planteamiento clásico de probabilidad supone un mundo que no existe. Supone que
no existen situaciones que son bastante improbables pero que podemos concebir como
reales. La probabilidad clásica supone también una especie de simetría en el mundo, y
esta suposición también puede ocasionarnos problemas. Las situaciones de la vida real,
desordenadas y poco probables como son a menudo, hacen que sea útil definir la
probabilidad de otras formas.
4
Una dificultad implicada en el planteamiento de frecuencia relativa es que la gente a
menudo lo utiliza sin evaluar el número suficiente de resultados.
3. Probabilidades subjetivas
Las probabilidades subjetivas están basadas en las creencias de las personas que
efectúan la estimación de probabilidad. De hecho, la probabilidad subjetiva se puede
definir como la probabilidad asignada a un evento por parte de un individuo, basada en
la evidencia que tenga disponible. Esta evidencia puede presentarse en forma de
frecuencia relativa de presentación de eventos pasados o puede tratarse, simplemente,
de una creencia meditada.
Las asignaciones de probabilidad subjetiva se dan con más frecuencia cuando los
eventos se presentan sólo una vez o un número muy reducido de veces.
La mayoría de los administradores que utiliza 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.
Demostramos interés en el primer caso cuando preguntamos: “¿Cuál es la probabilidad de que
la demanda de hoy exceda nuestro inventario?” Para ilustrar la segunda situación, podríamos
preguntar: “¿Cuál es la probabilidad de que la demanda de hoy exceda nuestro inventario y que
el 10% de nuestra fuerza de ventas no se presente a trabajar?”
Usamos una representación gráfica conocida como diagrama de Venn, en honor al matemático
inglés del siglo XIX, John Venn. En tales diagramas, el espacio muestral completo se representa
mediante un rectángulo y los eventos se representan como partes de ese rectángulo. Si dos
eventos son mutuamente excluyentes, las partes correspondientes de éstos en el rectángulo no
se traslaparán. Si dos eventos no son mutuamente excluyentes, sus partes correspondientes en
el rectángulo sí se traslapan, como se ilustra en el diagrama.
5
A B A B
Existe un caso especial importante de la ecuación. Para cualquier evento A, tenemos que éste
sucede o no sucede. De modo que los eventos A y no A son mutuamente excluyentes y
exhaustivos.
6
4.5 Probabilidades bajo condiciones de independencia estadística
Independencia: cuando se presentan dos eventos, el resultado del primero puede, o no, tener
un efecto en el resultado del segundo. Los eventos pueden ser dependientes o independientes.
Los eventos independientes son aquellos en donde la presentación de uno no tiene efecto
sobre la probabilidad de presentación de cualquier otro. Tal es el caso de una moneda lanzada
Marginal
Conjunta
Condicional
Su fórmula es:
Donde:
P(B|A) = P(B)
7
4.6 Probabilidades bajo condiciones de independencia estadística
1. Condicional
2. Conjunta
3. Marginal
Las probabilidades condicional y conjunta bajo condiciones de dependencia estadística son más
complicadas que la probabilidad marginal en estas mismas circunstancias.
Su fórmula es:
P (B|A) = P(BA)
P(A)
El teorema de Bayes ofrece un potente método estadístico para evaluar nueva información y
revisar nuestras anteriores estimaciones (basadas solo en información limitada) de la
probabilidad de que las cosas se encuentren en un estado o en otro.