Está en la página 1de 6

Probabilidad

La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la matemática, la ciencia y la filosofía para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecánica subyacente de sistemas complejos.

Probabilidades: Definiciones y Conceptos
Las Probabilidades pertenecen a la rama de la matemática que estudia ciertos experimentos llamados aleatorios, o sea regidos por el azar, en que se conocen todos los resultados posibles, pero no es posible tener certeza de cuál será en particular el resultado del experimento. Por ejemplo, experimentos aleatorios cotidianos son el lanzamiento de una moneda, el lanzamiento de un dado, extracción de una carta de un mazo de naipes. Más adelante se verá que debemos distinguir entre los conceptos de probabilidades matemáticas o clásicas de las probabilidades experimentales o estadísticas.

Probabilides, Algunas Definiciones
Espacio Muestral.- Se llama espacio muestral (E) asociado a un experimento aleatorio, el conjunto de todos los resultados posibles de dicho experimento. Al lanzar una moneda, el espacio muestral es E = {sale cara, sale sello} ó E = {c, s}. Al lanzar un dado de seis caras, el espacio muestral es E = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6} ó E = {1, 2, 3, 4, 5, 6} Al lanzar dos monedas, el espacio muestral es E = {(c,c), (c,s), (s,c), (s,s)}. Al lanzar tres monedas, el espacio muestral es E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c), (s,s,s)} Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio muestral. Por ejemplo en el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos: 1. Obtener un número primo A = {2, 3, 5} 2. Obtener un número primo y par B = {2} 3. Obtener un número mayor o igual a 5 C = {5, 6}

inclusive. sin realizar el experimento.Eventos mutuamente excluyentes. la probabilidad de un evento A es la razón: P(A) = número de casos favorables para A/número total de casos posibles A partir de esta definición las probabilidades de los posibles resultados del experimento se pueden determinar a priori. Si en un experimento aleatorio todos los resultados son equiprobables (iguales probabilidades). esto es. es decir. Se deduce de la definición lo siguiente: 0 P(A) 1 La medición probabilística es un número real entre 0 y 1. el número de veces que obtengo cara es cercano a 50. o sea FR es cercano a 50%. A través de la historia se han desarrollado tres enfoques conceptuales diferentes para definir la probabilidad y determinar los valores de probabilidad: El enfoque clásico Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles resultados desfavorables a la ocurrencia de A.Si A eventos complementarios: Ac = B y Bc = A B= yA B = E.La frecuencia relativa del resultado A de un experimento es la razón FR = número de veces que ocurre A/número de veces que se realiza el experimento Si el experimento se repite un número grande de veces. ó 0% P(A) 100% en porcentaje. Con el tiempo estas técnicas matemáticas se perfeccionaron y encontraron otros usos muy diferentes para la que fueron creadas. el valor de FR se aproximará a la medición probabilística P del evento A. es decir. Por ejemplo. INTRODUCCION A LA TEORIA DE PROBABILIDADES El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos futuros. entonces la probabilidad de que ocurra A es: . se dice que A y B son Su Medición Matemática o Clásica. la ocurrencia de uno es igualmente posible que la ocurrencia de cualquiera de los demás. los márgenes de error en los cálculos. Actualmente se continúo con el estudio de nuevas metodologías que permitan maximizar el uso de la computación en el estudio de las probabilidades disminuyendo. en el lanzamiento de un dado los eventos B = {2} y C = {5. y todos los resultados son igualmente posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo).. Por ejemplo.. El desarrollo de estas herramientas fue asignado a los matemáticos de la corte.. 6} son mutuamente excluyentes por cuanto B C= Eventos Complementarios.Dos eventos son mutuamente excluyentes si no pueden ocurrir en forma simultánea. Es por ello que el estudio de probabilidades surge como una herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la época. de este modo. si lanzo 100 veces una moneda. si y sólo si su intersección es vacía. entonces. P( ) = 0 y P(E) = 1 Su Medición Experimental o Estadística.

que el evento ocurrirá o no ocurrirá esa sola vez.El enfoque clásico de la probabilidad se basa en la suposición de que cada resultado sea igualmente posible. En este enfoque no ese utiliza la suposición previa de aleatoriedad. Si un vigilante de transito se para en esa misma esquina un ida cualquiera ¿Cuál será la probabilidad de que detenga un vehículo sin cinturón de seguridad? Tanto el enfoque clásico como el enfoque empírico conducen a valores objetivos de probabilidad. Concepto de Probabilidad Se define como cálculo de probabilidad al conjunto de reglas que permiten determinar si un fenómeno ha de producirse. Es decir. Este enfoque es llamado enfoque a priori porque permite. La probabilidad de sacar una piedra roja en un intento es: El enfoque de frecuencia relativa También llamado Enfoque Empírico. (en caso de que pueda aplicarse) calcular el valor de probabilidad antes de observar cualquier evento de muestra. Objetivos de las Probabilidades . Porque la determinación de los valores de probabilidad se basa en la observación y recopilación de datos. determina la probabilidad sobre la base de la proporción de veces que ocurre un evento favorable en un numero de observaciones. Ejemplo: Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. basado en toda la evidencia a su disposición. El objetivo de esta práctica es realizar varios experimentos de probabilidad. fundando la suposición en el cálculo. Ejemplo: Se ha observado que 9 de cada 50 vehículos que pasan por una esquina no tienen cinturón de seguridad. las estadísticas o la teoría. en el sentido de que los valores de probabilidad indican al largo plazo la tasa relativa de ocurrencia del evento. anotar los resultados y posteriormente compararlos con los resultados teóricos. Bajo esta premisa se puede decir que este enfoque es adecuado cuando solo hay una oportunidad de ocurrencia del evento. El enfoque subjetivo Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de un individuo de que un evento ocurra. El valor de probabilidad bajo este enfoque es un juicio personal.

y el valor mayor es 1. que indica que el evento ciertamente ocurrirá. Es decir. Esto no indica que necesariamente deban ocurrir estos eventos en forma simultánea. estos eventos son no excluyentes porque puede ocurrir que salga el seis blanco. esto quiere decir que estos eventos son excluyentes. Para ello se comienza afianzando los conocimientos que el alumno ya posee de Estadística Descriptiva.El objetivo fundamental de la probabilidad. es la de mostrar al alumno la importancia y utilidad del Método Estadístico en el ámbito económico-empresarial. cuando es posible que ocurran ambos. tenemos que: Eventos mutuamente excluyentes y eventos no excluyentes Dos o más eventos son mutuamente excluyentes o disjuntos. la ocurrencia de un evento impide automáticamente la ocurrencia del otro evento (o eventos). Dos o más eventos son no excluyentes. Un caso típico de . Entonces si decimos que P(A) es la probabilidad de ocurrencia de un evento A y P(A´ ) la probabilidad de no-ocurrencia de A. Reglas de la Adición La Regla de la Adición expresa que: la probabilidad de ocurrencia de al menos dos sucesos A y B es igual a: P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente P(A o B) = P(A) + P(B) – P(A y B) si A y B son no excluyentes Siendo: P(A) = probabilidad de ocurrencia del evento A P(B) = probabilidad de ocurrencia del evento B P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B Eventos Independientes Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Con tal fin. o conjuntos. si no pueden ocurrir simultáneamente. El valor de la probabilidad El valor más pequeño que puede tener la probabilidad de ocurrencia de un evento es igual a 0. Ejemplo: Si consideramos en un juego de domino sacar al menos un blanco y un seis. el alumno deberá aprender a manejar los métodos y técnicas más adecuadas para el correcto tratamiento y análisis de lainformación proporcionada por los datos que genera la actividad económica. Ejemplo: Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a la vez. además de algunos conceptos nuevos relacionados con este tema. el cual indica que el evento es imposible.

una vez tomada la muestra se regresa de nuevo a lapoblación donde se obtuvo. tales como las distribuciones binomial y de Poisson. Se sabe que las medidas producidas en muchos procesos aleatorios siguen esta distribución. Es decir la intersección entre los conjuntos de los posibles valores de A y los valores de B. Cualquier conjunto de valores X normalmente distribuido pueden convertirse en valores normales estándar z por medio de la formula: . sin tener en cuenta la distribución de la población Los valores de los parámetros de la distribución de probabilidad normal son  = 0 y  = 1. Ejemplo: lanzar al aire dos veces una moneda son eventos independientes por que el resultado del primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o sello. Cuando tenemos este caso.eventos independiente es el muestreo con reposición. el concepto de probabilidad condicional para denominar la probabilidad del evento relacionado. siguen a menudo la distribución normal. en el segundo lanzamiento. Las distribuciones estadísticas tales como la media de la muestra y la proporción de la muestra. Se debe tener claro que A|B no es una fracción. es decir. 3. Eventos dependientes Dos o más eventos serán dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). La curva que representa la distribución de probabilidad normal se describe generalmente como en forma de campana. Esta distribución es importante en inferencia estadística por tres razones diferentes: 1. esto quiere decir que la probabilidad de que ocurran conjuntamente los eventos A y B es: P(A y B) = P(A B) = P(A)P(B) si A y B son independientes P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes P(A y B) = P(A B) = P(B)P(A|B) si A y B son dependientes Distribución de probabilidad normal Es una distribución de probabilidad continua que es tanto simétrica como mesocurtica. Las probabilidades normales pueden utilizarse generalmente para aproximar otras distribuciones de probabilidad. 2. P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A) Reglas de Multiplicación Se relacionan con la determinación de la ocurrencia de conjunta de dos o más eventos. La expresión P(A|B) indica la probabilidad de ocurrencia del evento A sí el evento B ya ocurrió. empleamos entonces.

e - De manera que la probabilidad exponencial de que el primer evento no ocurra dentro del intervalo designado de tiempo o espacio es: P(T > t) = e - Ejemplo:  Un departamento de mantenimiento recibe un promedio de 5 llamadas por hora. esta es una distribución continua. Donde es la cifra media de ocurrencias para el intervalo de interés. la probabilidad de que una llamada llegue dentro de media hora es: Promedio 5 por hora. Comenzando en un momento aleatoriamente seleccionado.0. Puesto que el tiempo y el espacio son un espectro continuo. o el tiempo hasta que ocurra el primer evento después de cualquier punto aleatoriamente seleccionado. preguntándonos.08208 = 0.Haciendo posible el uso de la tabla de proporciones de área y hace innecesario el uso de la ecuación de la función de densidad de cualquier distribución normal dada. como el intervalo es media hora tenemos que  = 2.e -5 = 1 . P (T < 30 min. P(T < t) = 1 . Para aproximar las distribuciones discretas binomial y de Poisson se debe hacer: Binomial np  np(1-p) Si n > 30 .5/media hora. En caso de este tipo de distribución no vale la pena preguntarse ¿cuál es la probabilidad de que el primer pedido de servicio se haga exactamente de aquí a un minuto?. el tiempo entre dos eventos sucesivos.np > 5 n(1-p) > 5 Poisson     > 10 Distribución de probabilidad exponencial Si en el contexto de un proceso de Poisson ocurren eventos o éxitos en un espectro continuo de tiempo y espacio. Dado que el proceso de Poisson es estacionario. Mas bien debemos asignar un intervalo dentro del cual el evento puede ocurrir. la distribución exponencial se aplica ya sea cuando estamos interesados en el tiempo (o espacio) hasta el primer evento. Entonces la longitud del espacio o tiempo entre eventos sucesivos sigue una distribución de probabilidad exponencial. la probabilidad exponencial de que el primer evento ocurra dentro del intervalo designado de tiempo o espacio es. ¿cuál es la probabilidad de que el primer pedido se produzca en el próximo minuto?.) = 1.91792 .

84 0250.43.10.0394 70.-/.....70/48.039483/0503/039085476:00708:9.3.3/490302480890./03:0.7.17.0394 ..8430.43/..54-.2430/.0594/0574-.84-70.:77O  $0/0-090307.:7703.2:0897.08 0.574-.039434.80 70708.3/4...O3 08/0..20394  .8/06:04.03948807E3/0503/03908../03423.:77.O3  !  !  .05708O3!  3/.4...4  0254 .574-.7..434 4.0.746:03408:3.248 03943.7.-/.9.//00.0942..-/../4 ..:7703.-/.4370548.0.//04.43.10.4804 030 80:3/4.:.:7703.5./.O3/43/0804-9:.4.3.7.9.039483/0503/03900802:089704./4/0 572070./08010..4.8574-.03948/0503/03908 4842E80.43.03948J00.08:3.//04.7 :3../0:34/0048 .574-.:7703./../00..9.-/./04974 449748 :.

!  4!  !  .

424.-/.43.O3/0574-.!   #0./J89.0.43:394/0.8/897-:..8/897-:.4708 3472.-/.//06:04.../897-:.5742./083472..4708/0485.574-.20390.20/.4708/048.O33472../3472. .390780.25.6:07.O3    ..7 .43:3948/048548-08.6:0089..43:39.4308/0574-.. 89.574547.47083472.4.08.8433 9  :..6:0705708039./0!48843    .7E209748/0.3./ 9.08.8032:./J89./0/4842E80.39482F97.42403 1472.7-00307.4308 /10703908   $08.0848.-/./897-:.4242084.43. 2:0897./0. 8:3.O3/0574-.2:0897./0..54-.-/.3.O30397048..7.820//..089.:7./3472.80/08.O3/0574-.203905..20390480.O3/0574-.-06:0.754720/4/0..1472:.:77.4308-342...O3/0.7497. 839030703.O3 48.43../.3. 8:03.../897-:.4308089.085:0/03:9.. /897-:./897-:.43:39. .424.:79.03948 8/0..48574.4393:./3472.20390/897-:/45:0/03.203:/4.7800307.:039./897-:.O3 $070.4708/0 08946:070 /0.76:0.-/..89.07978003.0394808 !  !  !  !  88433/0503/03908 !  !  !  !  8843/0503/03908 !  !  !  !  8843/0503/03908 897-:.8/0:95.8574/:..:7703.8 /897-:.08089E3/./0..8574-.39003310703.O3/0./897-:.O3/0 .947488:03089.O30825479.-/./.54797087./090723.-/.  .

7.08.8/897-:. 4203..439://0085.08.307.47.974 .03945:0/04..../.0394/085:F8/0./46:00574..74 ./06:00572070./897-:./0!4884380/0-0.:.0394344.03944./054303.9.084/0!4884308089.42403907.4308/8...0.0572070.03/4548-00:84/0..6:J.48 4090254.O3/0/038/. .6:07/897-:.43.488:0:3..4393:4/0 90254085./0574547.947./03974/03907../..480.2..7.07 342./04... $030.7.8-342.//06:0 05720750//4/0807.9.4393:.39032039470.0:0/03974 /020/.4/083./4/0902544085.-/.08 !7420/454747./897-:.4 3943.8-03/0-0248 ..  3..4/03974/0././4  43/0208.4393:4 089.408 ! %9 0 2 0254 &3/05.:.2.248390708.-/..039484F94803:30850.08.83.O3/0.:.89.-/.0..084/0!488434.84/00890954/0/897-:.//0..:77030./4803090254 4085.0330.20394/02.20390800.17./06:00572070.47.854747..7:33907.//06:0:3.  !.00.4 .039488:.3/4 03:32420394.0572070. !:08946:00902540085.:323:94 .0.574-.1:3.4308/0E70.:77.-/.:7703..-.80.:.O3/0574-.780 .85./03974/0 3907./.43.4/03907F8 .-/.4490254039700.5742.O334.709.20/.:77.O33472.039488:..5./054303.0.20390800.574-.89.740:84/0.4843:30850.-0:357420/4/0.-/.439094/0:3574. 574-.4/083.03907.574-.08..974.03057O2423:94  ..90302486:02 .08:3.:77.20390/0.....:E08./ 054303.6:04.4 08  ! %9  0 2 02..40820/../4/0902544085./054303./4 .574-.503.O3..:E08..79..0394 09025403970 /480.:. .-/.80..O3054303. 335 935  5  $3  353  5  !48843 32 92 2  897-:.. 0.:777 570:39E3/4348  .947. /897-:.6:07 5:394.43..570:39.6:0.//06:005720750//480574/:..O3/0574-.3/4089.

47.20/.  ! % 23  0       .