Introduccin La creacin de la probabilidad se atribuye a los matemticos franceses del siglo XVII Blaise Pascal y Pierre de Fermat.

La probabilidad matemtica comenz como un intento de responder a varias preguntas que surgan en los juegos de azar, por ejemplo, saber cuntos dados hay que lanzar para que la probabilidad de que salga algn seis supere el 50%. El clculo matemtico de probabilidades se basa en situaciones tericas en las cuales puede configurarse un espacio muestral cuyos sucesos elementales tengan todos la misma probabilidad.

Historia El estudio cientfico de la probabilidad es un desarrollo moderno. Los juegos de azar muestran que ha habido un inters en cuantificar las ideas de la probabilidad durante milenios, pero las descripciones matemticas exactas de utilidad en estos problemas slo surgieron mucho despus. Segn Richard Jeffrey, "Antes de la mitad del siglo XVII, el trmino 'probable' (en latn probable) significaba aprobable, y se aplicaba en ese sentido, unvocamente, a la opinin y a la accin. Una accin u opinin probable era una que las personas sensatas emprenderan o mantendran, en las circunstancia. Aparte de algunas consideraciones elementales hechas por Girolamo Cardano en el siglo XVI, la doctrina de las probabilidades data de la correspondencia de Pierre de Fermat y Blaise Pascal (1654). Christiaan Huygens (1657) le dio el tratamiento cientfico conocido ms temprano al concepto. Ars Conjectandi (pstumo, 1713) de Jakob Bernoulli y Doctrine of Chances (1718) de Abraham de Moivre trataron el tema como una rama de las matemticas. Vase El surgimiento de la probabilidad (The Emergence of Probability) de Ian Hacking para una historia de los inicios del desarrollo del propio concepto de probabilidad matemtica. La teora de errores puede trazarse atrs en el tiempo hasta Opera Miscellanea (pstumo, 1722) de Roger Cotes, pero una memoria preparada por Thomas Simpson en 1755 (impresa en 1756) aplic por primera vez la teora para la discusin de errores de observacin. La reimpresin (1757) de esta memoria expone los axiomas de que los errores positivos y negativos son igualmente probables, y que hay ciertos lmites asignables dentro de los cuales se supone que caen todos los errores; se discuten los errores continuos y se da una curva de la probabilidad. Pierre-Simon Laplace (1774) hizo el primer intento para deducir una regla para la combinacin de observaciones a partir de los principios de la teora de las probabilidades. Represent la ley de la probabilidad de error con una curva y = (x), siendo x cualquier error e y su probabilidad, y expuso tres propiedades de esta curva:

1. es simtrica al eje y; 2. el eje x es una asntota, siendo la probabilidad del error

igual a 0; 3. la superficie cerrada es 1, haciendo cierta la existencia de un error. Dedujo una frmula para la media de tres observaciones. Tambin obtuvo (1781) una frmula para la ley de facilidad de error (un trmino debido a Lagrange, 1774), pero una que llevaba a ecuaciones inmanejables. Daniel Bernoulli (1778) introdujo el principio del mximo producto de las probabilidades de un sistema de errores concurrentes. El mtodo de mnimos cuadrados se debe a Adrien-Marie Legendre (1805), que lo introdujo en su Nouvelles mthodes pour la dtermination des orbites des comtes (Nuevos mtodos para la determinacin de las rbitas de los cometas). Ignorando la contribucin de Legendre, un escritor irlands estadounidense, Robert Adrain, editor de "The Analyst" (1808), dedujo por primera vez la ley de facilidad de error, siendo c y h constantes que dependen de la precisin de la observacin.

Teora Como otras teoras, la teora de la probabilidad es una representacin de conceptos probabilsticos en trminos formalesesto es, en trminos que pueden ser considerados separados de su significado. Estos trminos formales se manipulan con las reglas de la matemtica y la lgica, y cualquier resultado entonces se interpreta o traduce de nuevo al dominio del problema. Hay otras reglas para cuantificar la incertidumbre, como la teora Dempster-Shafer y la teora de la posibilidad, pero stas son esencialmente diferentes y no compatibles con las leyes de la probabilidad como se entienden normalmente. Teora de la probabilidad La teora de la probabilidad es la teora matemtica que modela los fenmenos aleatorios. Estos deben contraponerse a los fenmenos determinsticos, en los cuales el resultado de un experimento, realizado bajo condiciones determinadas, produce un resultado nico o previsible: por ejemplo, el agua calentada a 100 grados centgrados, a presin normal, se transforma en vapor. Un fenmeno aleatorio es aquel que, a pesar de realizarse el experimento bajo las mismas condiciones determinadas, tiene como resultados posibles un conjunto de alternativas, como el lanzamiento de un dado o de una moneda. Los procesos reales que se modelizan como procesos aleatorios pueden no serlo realmente; cmo tirar una moneda o un dado no son procesos aleatorios en sentido estricto, ya que no se reproducen exactamente las mismas condiciones iniciales que lo determinan, sino slo unas pocas. En los procesos reales que se modelizan mediante distribuciones de probabilidad corresponden a modelos complejos donde no se conocen a priori todos los parmetros que intervienen; sta es una de las razones por las cuales la estadstica, que busca determinar estos parmetros, no se reduce inmediatamente a la teora de la probabilidad en s. En 1933, el matemtico sovitico Andrei Kolmogorov propuso un sistema de axiomas para la teora de la probabilidad, basado en la teora de conjuntos y en la teora de la medida, desarrollada pocos aos antes por Lebesgue, Borel y Frechet entre otros. Esta aproximacin axiomtica que generaliza el marco clsico de la probabilidad, la cual obedece a la regla de clculo de casos favorables sobre casos posibles, permiti la vigorizacin de muchos argumentos ya utilizados, as como el estudio de problemas fuera de los marcos clsicos. Actualmente, la teora de la probabilidad encuentra aplicacin en las ms variadas ramas del conocimiento, como puede ser la fsica (donde corresponde mencionar el desarrollo de las difusiones y el movimiento Browniano), o las finanzas (donde destaca el modelo de Black y Scholes para la valuacin de acciones). Definicin clsica de probabilidad La probabilidad es la caracterstica de un evento del que existen razones para creer que se realizar. Los eventos tienden a ser una frecuencia relativa del nmero de veces que se realiza el experimento. La probabilidad p de que suceda un evento S de un total de n casos posibles igualmente probables es igual a la razn entre el nmero de ocurrencias h de dicho evento (casos favorables) y el nmero total de casos posibles n.

La probabilidad es un nmero (valor) que varia entre 0 y 1. Cuando el evento es imposible se dice que su probabilidad es 0 y el evento es cierto cuando siempre tiene que ocurrir y su probabilidad es 1. La probabilidad de no ocurrencia de un evento est dada por q donde:

Simblicamente el espacio de resultados, que normalmente se denota por , es el espacio que consiste en todos los resultados que son posibles. Los resultados, que se denota por 1,2, etctera, son elementos del espacio . Significado Es la posibilidad u oportunidad de que ocurra un hecho o fenmeno. Probabilidad, se ocupa de medir o determinar cuantitativamente la posibilidad de que ocurra un determinado suceso. La probabilidad est basada en el estudio de la combinatoria y es fundamento necesario de la estadstica. Precipitaciones el fin de semana. Que gane el equipo XX el prximo partido. Que salga un nmero par al arrojar un dado.

La probabilidad mide la frecuencia con la que ocurre un resultado en un experimento bajo condiciones suficientemente estables.

La teora de la probabilidad se usa extensamente en reas como la estadstica, la matemtica, la ciencia y la filosofa para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecnica subyacente de sistemas complejos. La Estadstica, como un mtodo para efectuar generalizaciones o tomar decisiones ante la Incertidumbre, se basa en la Teora de Probabilidad, porque la Probabilidad es a la vez el Lenguaje y la Medida de la Incertidumbre y los riesgos asociados con ella. Interpretaciones La palabra probabilidad no tiene una definicin consistente. De hecho hay dos amplias categoras de interpretaciones de la probabilidad: los frecuentistas hablan de probabilidades slo cuando se trata de experimentos aleatorios bien definidos. La frecuencia relativa de ocurrencia del resultado de un experimento, cuando se repite el experimento, es una medida de la probabilidad de ese suceso aleatorio. Los bayesianos, no obstante, asignan las probabilidades a cualquier declaracin, incluso cuando no implica un proceso aleatorio, como una manera de representar su verosimilitud subjetiva.

Tipos de Probabilidades Probabilidad discreta Este tipo de probabilidad, es aquel que puede tomar slo ciertos valores diferentes que son el resultado de la cuenta de alguna caracterstica de inters. Estos valores pueden ser de varios tipos ya sean Finitos o Infinitos, Numerables o innumerables EJEMPLO 1: sea X el nmero de caras obtenidas al lanzar 3 veces una moneda. Aqu los valores de X son x = 0, 1, 2, 3 Como se muestra en el ejemplo 1 estos valores son Numerables, y Finitos, ya que se nos da un nmero de especfico de casos y solo nos pueden dar un nmero especfico de resultados. Probabilidad contina Una variable aleatoria es una funcin que da un valor numrico a cada suceso en .

Funcin de densidad La funcin de densidad, o densidad de probabilidad de una variable aleatoria, es una funcin a partir de la cual se obtiene la probabilidad de cada valor que toma la variable. Su integral en el caso de variables aleatorias continuas es la distribucin de probabilidad. En el caso de variables aleatorias discretas la distribucin de probabilidad se obtiene a travs del sumatorio de la funcin de densidad. Probabilidad condicional Se llama probabilidad condicional a la probabilidad de que un suceso se cumpla habindose cumplido ya otro. Se nota "probabilidad de A sabiendo que B se ha cumplido" de la siguiente manera: pB(A) p(A\B) Dicha probabilidad se calcular de la siguiente forma:

Conceptos Espacio Muestral Conjunto de todos los resultados posibles de un experimento aleatorio. Es un conjunto universal y se simboliza con S. Punto Muestral Cada uno de los resultados posibles de un experimento aleatorio. Suceso, hecho o evento Es un subconjunto del espacio muestral S. Un suceso E definido en un espacio muestral se dice que es simple o elemental si contiene un solo punto muestral en S; se dice que es compuesto si contiene ms de un punto muestral.

Combinatoria La teora combinatoria se aplica de diversas maneras al clculo de probabilidades. Permutaciones y Combinaciones Una permutacin es un arreglo de un conjunto de objetos en un orden definido. El nmero de permutaciones diferentes de estos objetos es ; esto se ve fcilmente si pensamos que para la primera alternativa disponemos de los elementos del conjunto, cada uno de los cuales puede complementarse con los ( N - 1 ) restantes como segunda opcin, y as hasta llegar a la ltima eleccin, conformando el producto. .

El nmero de permutaciones posibles al tomar objetos del conjunto de elementos ser, siguiendo el mismo razonamiento,

Conviene enfatizar que tambin en este caso distinguimos subconjuntos que hayan sido escogidos en diferente orden. Una combinacin objetos sin importar el orden en que se escojan: es una seleccin de

El factor del denominador descuenta aquellas configuraciones que tienen los mismos elementos y slo difieren en su ordenamiento.

Si un conjunto de 2, , de tipo

elementos contiene

elementos idnticos de tipo 1,

de tipo

, puede verse que el nmero de permutaciones posibles ser

Combinaciones Es una seleccin de r objetos de n dados sin atender a la ordenacin de los mismos. Es decir, es la obtencin de subconjuntos, de r elementos cada uno, a partir de un conjunto inicial de n elementos. La denotaremos con Cnr, nCr .

Por ejemplo: Si tomamos el mismo conjunto A= {a, b, c, d}, cuntos subconjuntos de 2 elementos cada uno se pueden obtener? Hacindolos se obtienen: {a, b}, {a, c}, {a, d}, {b, c}, {b, d}, {c, d}. Son seis los subconjuntos. En general, si de n objetos dados se hacen combinaciones de r objetos cada una, el nmero de combinaciones obtenidas son:

Cnr = nCr = o, que es lo mismo,

Cnr = nCr = En Excel la funcin COMBINAT(n, r) calcula las combinaciones de n objetos tomando r de ellos. Permutaciones Permutaciones (u ordenaciones) con repeticin Las permutaciones son tambin conocidas como ordenaciones, y de hecho toman este nombre porque son ordenaciones de r objetos de n dados. En este curso las representaremos como ORnr nORr. Por ejemplo: Sea A= {a,b,c,d}, cuntas "palabras" de dos letras se pueden obtener? Se pide formar permutaciones u ordenaciones de 2 letras, cuando el total de letras es 4. En este caso r=2 y n=4.

Las "palabras" formadas son: aa, ab, ac, ad, ba, bb, bc, bd, ca, cb, cc, cd, da, db, dc, dd. En total son 16. En general, si se toman r objetos de n, la cantidad de permutaciones u ordenaciones con repeticin obtenidas son: ORnr = nORr = n r Permutaciones (u ordenaciones) sin repeticin En este caso, a diferencia del anterior, se realizan ordenaciones de r objetos de n dados atendiendo a la situacin de cada objeto en la ordenacin. Su representacin ser Pnr nPr. Por ejemplo: Sea el mismo conjunto A={a,b,c,d}, cuntas ordenaciones sin repeticin se pueden obtener? Lo que resulta es: ab, ac, ad, ba, bc, bd, ca, cb, cd, da, db, dc. Son 12 en total. En general, si se toman r objetos de un total de n, la cantidad de permutaciones

Pnr = nPr = El Excel cuenta con la funcin PERMUTACIONES(n,r) que realiza el clculo.

Leyes de la suma Las leyes de la suma son 5: Ley de la uniformidad, ley conmutativa, ley asociativa, ley disociativa y ley de monogamia.

Ley de uniformidad: Esta ley puede anunciarse de tres modos que son equivalentes:

1. la suma de varios # dados tiene un valor nico o siempre es igual.

Ejemplo: 3 sillas + 4 sillas = 7 sillas 3 mesas + 4 mesas = 7 mesas 3 das + 4 das = 7 das

2. Vemos pues que la suma de 3 y 4 cualquiera que sea la naturaleza de los

conjuntos que ellos representan, siempre es 7.

3.La suma de nmeros respectivamente iguales son iguales: Ejemplo: Si en cada aula de un colegio cada asiento esta ocupado por un alumno de modo que no queda ningn alumno sin asiento ni ningn asiento vaco, tenemos que el numero de alumnos de cada aula es igual al numero de asientos de aula. 4.Si sumamos los nmeros que representan los alumnos de cada una de las aulas, esta suma ser igual a la suma de los nmeros que representan los asientos de cada una de las aulas.

5. suma de igualdades. Sumando miembro a miembro varias igualdades resulta

una igualdad. As sumando miembro a miembro las igualdades. a=b c=d m=n Resultado a + c + m = b + d +n

Ley conmutativa: El orden de los sumando no altera la suma. Ejemplo: si en la suma 2 litros + 3 litros + 4 litros = 9 litros Cambiamos el orden de los conjuntos sumados el conjunto mas no varia porque contiene el mismo numero de elementos y as tenemos. 3 litros + 2 litros + 4 litros = 9 litros 4 litros + 3 litros + 2 litros = 9 litros Por tanto podemos escribir que 2 + 3 + 4 = 3 + 2 + 4 = 4 + 3 + 2 = 2 + 4 + 3 etc

Ley asociativa:

La suma de varios nmeros no varia sustituyendo varios sumandos por su suma. Ejemplo: 1.si a tiene 5 aos, b 6 aos y c 8 aos, sumando edades, tendremos: 5 aos + 6 aos + 8 aos = 19 aos el mismo resultado se obtiene si sumo primero las edades de a y b, la cual se indica incluyendo estas cantidades en un ( ) y a esta suma le aadimos la edad de c. (5 aos + 6 aos) + 8 aos = 19 aos Porque en ambos casos el conjunto suma contendr el mismo numero 8 aos luego tenemos que 5 + 6 + 8 = (5 + 6) + 8 2.igualmente tendr 3 + 4 + 5 + 6 = (3 + 4) + (5 + 6) = 3 + (4 + 5 + 6)

Ley disociativa La suma de varios nmeros no se altera descomponiendo 1 o varios sumando en 2 0 mas sumandos. Esta ley es reciproca de la ley asociativa. Ejemplo: 1.en la suma 10 + 3 puesto que 10 = 8 + 2 tendremos que 10 + 3 = 8 + 2 +3 2.en la suma 12 + 15, puesto que 12 = 9 + 3 y 15 = 7 + 6 + 2, tendremos 12 + 15 = 9 + 3 + 7 + 6 +2

Ley de la multiplicacin. El orden de los factores no altera el producto Se pueden considerar 2 pasos:

1. Que se trate de 2 factores 2. Que se trate de 20 o mas factores 1. Que se trate de 2 factores sea el producto 6 x 4. vamos a demostrar que 6 x 4
= 4 x 6 en efecto. 6 x 4 = 6 + 6 + 6 + 6 = 24 4 x 6 = 4 + 4 + 4 + 4 + 4 + 4 = 24 Y como 2 cosas iguales a una tercera son iguales entre si tendremos. 6x4o4x6 En general

2. Que se trate de suma de 2 factores

Sea el producto 5 x 4 x 3 x 2 vamos a demostrar que invirtiendo el orden de los factores no se altera el producto. En efecto el producto 5 x 4 x 3 x 2 se puede considerar descompuesto en estos 2 factores: 5 o 4 y 3 o 2 y como para dos factores ya esta demostrado que el orden de los mismos no altera el producto tendremos 5 o 4 x 3 o 2 = 3 o 2 x 5 o 4 El mismo producto 5 x 4 x 3 x 2 se puede considerar descompuesto en otros 2 factores: 5 o 4 o 3 y 2 y como el orden de los mismos no altera el producto tendremos. 5o4o3x2=2x5o4o3 Por medio de esta descomposicin podemos hacer todas las combinaciones posibles de factores y en cada caso se demuestra que el orden de los mismos no altera el producto, luego queda demostrado lo que nos proponamos en general: abad = bacd = cadb etc

Ley asociativa. El producto de varios nmeros no varia sustituyendo 2 o ms factores por su producto. Ejemplo: 2 x 3 x 4 x 5 = 120 2 x 3 x 4 x 5 = 120 2 x 3 x 4 x 5 = 120 abcd = (ab) cd = a (bcd) En general: El parntesis indica que primero deben efectuarse los productos encerrados dentro de ellos y luego las otras operaciones indicadas.

Ley disociativa: El producto de varios nmeros no vara descomponiendo uno o ms factores en 2 o ms factores. Ejemplo: (1) sea el producto 10 x 12 puesto que 10 = 5 x 2 y 12 = 3 x 4, tendremos

10 x 12 = 5 x 2 x 3 x 4

Propiedades de las Probabilidades

Las caractersticas de la probabilidad son:

La probabilidad de un suceso es mayor o igual que cero. La probabilidad del suceso seguro es uno. La probabilidad de la unin de dos sucesos incompatibles es igual a la suma de sus probabilidades.

Y sus propiedades, deducidas a raz de las caractersticas son:

1. La probabilidad del suceso imposible es 0. 2. La probabilidad de un suceso sumada a la de su contrario da 1. 3. Si un suceso est incluido en otro, su probabilidad es menor o igual a la de

ste. 4. La probabilidad de un suceso es un nmero real menor o igual que 1. 5. La probabilidad de la unin de varios sucesos incompatibles dos a dos es la suma de sus probabilidades. 6. La probabilidad de la unin de dos sucesos es la suma de sus probabilidades restndole la probabilidad de su interseccin.