Está en la página 1de 10

República Bolivariana de Venezuela. Ministerio del Poder Popular para la Defensa.

Universidad Nacional Experimental Politécnica de la Fuerza Armada. “U.N.E.F.A.” Sede – Portuguesa. Núcleo – Guanare.

Integrantes: Sulbaran Leonardo C.I.: 20.318.776 Chalis Diaz C.I.: 20.318.381 9no Semestre “A” Ing. de Sistemas. Prof. Yaideline De Sousa Guanare; Abril 2012.

En 1933. bajo las mismas condiciones determinadas pero como resultado posible poseen un conjunto de alternativas. (cara. la teoría de la probabilidad encuentra aplicación en las más variadas ramas del conocimiento. llamándose a los sucesos que contengan un único elemento sucesos elementales. si el experimento consiste en lanzar dos monedas. Un evento o suceso es cualquier subconjunto del espacio muestral. ésta es una de las razones por las cuales la estadística. Muchos fenómenos naturales son aleatorios. o las finanzas (donde destaca el modelo de Black y Scholes para la valuación de acciones). no se reduce inmediatamente a la teoría de la probabilidad en sí. En el ejemplo. que busca determinar estos parámetros. como puede ser la física (donde corresponde mencionar el desarrollo de las difusiones y el movimiento Browniano). basado en la teoría de conjuntos y en la teoría de la medida. así como el estudio de problemas fuera de los marcos clásicos. cruz). En los procesos reales que se modelizan mediante distribuciones de probabilidadcorresponden a modelos complejos donde no se conocen a priori todos los parámetros que intervienen. permitió la rigorización de muchos argumentos ya utilizados. el lanzamiento de un dado o de una moneda. cara) y (cruz. Espacio Muestral El espacio muestral o espacio de muestreo (denotado E. Por ejemplo. desarrollada pocos años antes por Lebesgue. cara). S. son aquellos que se obtienen como resultado de experimentos realizados. por el contrario. Actualmente. si se calienta agua a 100 grados Celsius a nivel del mar se obtendrá vapor. el espacio de muestreo es el conjunto {(cara. por ejemplo. así las repeticiones no garantizan una probabilidad definida. donde el fenómeno no se repite en las mismas condiciones. por ejemplo. cruz)}. pero existen algunos como el lanzamiento de un dado. Borel y Frechet entre otros. el matemático soviético Andréi Kolmogórov propuso un sistema de axiomas para la teoría de la probabilidad. debido a que la características del material hace que no exista una simetría del mismo. otra vez. (cruz. Estos deben contraponerse a los fenómenos determinísticos. el suceso . la cual obedece a la regla de cálculo de casos favorables sobre casos posibles. Esta aproximación axiomática que generaliza el marco clásico de la probabilidad. Ω o U) consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio.Fundamentos y Elementos Básicos Teoría de la probabilidad Es la parte de las matemáticas que estudia los fenómenos aleatorios estocásticos. los cuales son resultados únicos y/o previsibles de experimentos realizados bajo las mismas condiciones determinadas. Los fenómenos aleatorios.

La probabilidad de cualquier suceso elemental E es . cruz)}. (cara. cara). Por ejemplo.Podemos diferenciar varios tipos de espacio probabilístico discreto: Espacio Probabilistico Discreto Equiprobable   Su espacio muestral es finito de tamaño n. corazones y picas). Ω. pero son también importantes en espacios de probabilidad. cruz)}. estaría formado por los sucesos elementales {(cara. número y palo. tréboles."sacar cara en el primer lanzamiento". pero define un conjunto de sucesos de interés. mientras que otra posibilidad sería el palo (diamantes. Espacio Probabilístico discreto Es aquel cuyo espacio muestral es discreto. sin embargo. Tipos de espacio muestral Podemos diferenciar entre dos tipos de espacios muestrales: discretos y continuos. Un espacio de probabilidad (Ω. por la cuál se define la medida de probabilidad P. Discretos Son aquellos espacios donde el número de sucesos elementales es finito o infinito numerable. Una descripción completa de los resultados. o {(cara. F. Hay al menos 2 sucesos elementales que cumplen. . cara)} y {(cara. Los espacios de muestreo aparecen de forma natural en una aproximación elemental a la probabilidad. Para algunos tipos de experimento puede haber dos o más espacios de muestreo posibles. de aquí se deduce que para todo suceso A la probabilidad es Espacio Probabilistico Finito   Su espacio muestral es discreto finito. y se podría construir un espacio de muestreo que describiese cada carta individual como el producto cartesiano de los dos espacios de muestreo descritos.P) incorpora un espacio de muestreo de resultados. una posibilidad del espacio de muestreo podría ser el número (del as al rey). cuando se toma una carta de un mazo normal de 52 cartas. la σ-álgebra F. especificaría ambos valores.

 . -No es posible observar puntos concretos del espacio. se asigna a intervalos. La > probabilidad de sacar una cara y un tres será ----  La probabilidad de un suceso cualquiera es la suma de las probabilidades de los caminos La > Espacio Probabilistico Infinito Contable Aquel cuyo espacio muestral es discreto infinito contable. Tiene sentido hablar de intervalos observados. Espacio probabilístico continuo  Espacio muestral infinito no numerable. . Ejemplo Imaginemos que se lanzan una moneda y un dado   La probabilidad de un camino es la multiplicacion de sus probabilidades. Por ejemplo probabilidad de sacar impar será ----   La probabilidad de que salga cara en la primera tirada ---->  La probabilidad de que salga cara en la segunda tirada ---->  La probabilidad de que salga cara en la tercera tirada ----> Continuos Son aquellos espacios donde el número de sucesos elementales es infinito incontable.No es posible asignar probabilidad a un punto concreto. cada uno de ellos con un nº finito de resultados posibles.Procesos Estocasticos Finitos Y Diagramas de Árbol Un proceso estocástico es una sucesión finita de experimentos aleatorios. Se representan con diagrama de árbol.

. tales como el Ingreso. . permanecen constantes. Si suponemos que todas las variables. gustos. Al representar la Función de Demanda. I. Po. 3. G sus gustos y y otros factores. una partición sobre Ω se define como un conjunto numerable: tal que: 1. y) donde: q representa la Cantidad Demandada del Bien. Esta "curva" de Demanda se traslada como resultado de cambios en las otras variables. la ley de la Demanda nos muestra una curva de inclinación negativa. y en el eje horizontal su Cantidad Demandada. Particiones Es posible definir particiones sobre el espacio muestral. La función de demanda Expresión matemática que relaciona la Cantidad Demandada de un Bien o servicio con todas las variables de las cuales ella depende: Precio del Bien. I el Ingreso de las personas. excepto P. Po el precio de otros Bienes. Formalmente hablando. en un gráfico donde en el eje vertical se mida el Precio del Bien. gustos. Se denota como: q = f (P. lo que se conoce como "ley de la Demanda". Precio de otros Bienes. 2. G. P su Precio. etc. cambiando la Cantidad Demandada del Bien. la teoría nos dice que una reducción en el Precio conduce a un aumento de la cantidad demandada y viceversa. etc. Ingreso de las personas. Por > tanto la función P está definida sobre intervalos ----- -Habitualmente cuando trabajamos con magnitudes físicas.

. es el número matemática (también poblacional o media) de una variable que formaliza la idea devalor medio de un fenómeno . valor esperado. cada uno de los sucesos es el rango de valores de la variable aleatoria. la distribución de probabilidad está completamente especificada por la función de distribución. simplemente. Por lo tanto. cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x. . suele omitirse el subíndice Por simplicidad. . la esperanza es igual a la suma de la probabilidad de cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Cuando la variable aleatoria toma valores en el conjunto de los números reales.el valor de la esperanza puede ser improbable o incluso imposible. es lugar a confusión. media aleatoria aleatorio. su función de distribución. Definición de Función de Distribución Dada una variable aleatoria todos son puntos . Cabe decir que el valor que toma la esperanza matemática en algunos casos puede no ser "esperado" en el sentido más general de la palabra . representa la cantidad media que se "espera" como resultado de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se repite un elevado número de veces. Cuando la variable aleatoria es discreta. la distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. Esperanza Matemática En estadística la esperanza llamada esperanza.Distribución de probabilidad En teoría de la probabilidad y estadística. cuando no hay y se escribe. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos.

En este caso.Por ejemplo.5 no es un valor posible al rodar el dado. considerando los 38 posibles resultados. perder unos 5 céntimos por cada euro que apuesta. y se lee «la probabilidad de Adado B. Por tanto. Por ejemplo. el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3. la esperanza es igual a la media aritmética. . Pueden desempeñar un papel o no dependiendo de la interpretación que se le dé a los eventos. Probabilidad condicionada Es la probabilidad de que ocurra un evento A. la esperanza matemática del beneficio para apostar a un solo número es: que es -0. la ruleta americana tiene 38 casillas equiprobables. A puede preceder en el tiempo a B. El condicionamiento de probabilidades puede lograrse aplicando el teorema de Bayes. Las relaciones causales o temporales son nociones que no pertenecen al ámbito de la probabilidad. No tiene por qué haber una relación causal o temporal entre A y B. en el que todos los sucesos son de igual probabilidad. En el mundo de las apuestas. cobramos 35 veces lo que hemos apostado y recuperamos la apuesta.0526 aproximadamente. La ganancia para acertar una apuesta a un solo número paga de 35 a 1 (es decir. Por lo tanto uno esperaría.9474 euros. Una aplicación común de la esperanza matemática es en las apuestas o los juegos de azar. La probabilidad condicional se escribe P(A|B). y el valor esperado para apostar 1 euro son 0. sucederlo o pueden ocurrir simultáneamente. en media. Podemos hacer el cálculo y cabe destacar que 3. un juego donde el beneficio esperado es cero (no ganamos ni perdemos) se llama un "juego justo". viceversa o pueden no tener relación causal. así que recibimos 36 veces lo que hemos apostado). sabiendo que también sucede otro evento B. A puede causar B.5.

cada uno de los sucesos es el rango de valores de la variable aleatoria. estos son:     Decisión sin riesgo entre mercancías inconmensurables (mercancías que no pueden ser medidas bajo las mismas unidades) Elección bajo impredecibilidad Elección intertemporal .estudio del valor relativo que la gente asigna a dos o más bienes en diferentes momentos del tiempo Decisiones sociales: decisiones tomadas en grupo o bajo una estructura organizativa .Independencia (probabilidad) En teoría de probabilidades. La distribución de probabilidad está definida sobre el conjunto de todos los sucesos. se dice que dos sucesos aleatorios son independientes entre sí cuando la probabilidad de cada uno de ellos no está influida por que el otro suceso ocurra o no. cuando ambos sucesos no están correlacionados. Tipos de decisiones Existen tipos de decision que son interesantes desde el punto de vista del desarrollo de una teoría. Cuando la variable aleatoria toma valores en el conjunto de los números reales. cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x. la distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. Ambientes de decisión Distribución de probabilidad En teoría de la probabilidad y estadística. es decir. la distribución de probabilidad está completamente especificada por la función de distribución.

Leonard Savage y otros. Proporciona un ejemplo con un mercante holandés que intenta decidir si asegurar la carga que quiere enviar desde Ámsterdam a San Petersburgo en invierno. procedente del trabajo de Frank Ramsey. extendiendo el ámbito de la teoría de la utilidad a situaciones donde sólo la teoría de la probabilidad subjetiva puede ser empleada. Elección bajo incertidumbre Esta área representa el principal esfuerzo de investigación en la teoría de la decisión. teoría de Bayes de la decisión. y reglas minimax para la toma de decisión. Daniel Bernoulli publicó un documento influyente denominado Exposición de una nueva Teoría sobre la Medida del Riesgo. incluyendo funciones de pérdida. Lehmann. cada una de ellas con un número de resultados asociados a una probabilidad diferente. el procedimiento racional es identificar todos los posibles resultados de las acciones. entre comprar una tonelada de cañones. al multiplicar los dos valores. en la que emplea la paradoja de San Petersburgopara mostrar que el valor esperado debe ser normativamente erróneo. distribuciones a priori. función de riesgo. L. contenidas en su Pensamientos. La acción elegida deberá ser aquella que proporcione el mayor valor esperado. En el siglo XX el interés por este tema fue reiniciado por un artículo de Abraham Wald en 1939 señalando los dos temas centrales de la estadística ortodoxa de aquel tiempo: los test de hipótesisestadísticas y la teoría de la estimación estadística. que podrían ser aspectos especiales del problema general de la decisión. El trabajo de Maurice Allais y Daniel Ellsberg mostró que no es tan fácilmente formalizar estas situaciones. Bruno de Finetti. publicado en 1670. El procedimiento se basa en el valor esperado ya conocido en el siglo XVII. El filósofo francés Blaise Pascal ya lo enunciaba en sus famosas dudas. reglas de decisión admisibles. la gente es más focalizada en los cambios en sus estados de utilidad y en la estimación subjetiva a menudo sesgada por anclaje.Elección entre mercancías inconmensurables Esta área es importante cuando se ha de tomar la decisión de elegir. se obtiene el valor esperado. cuando se sabe que hay un 5% de posibilidad de perder la carga durante el viaje. define por primera vez la función de utilidad y calcula la utilidad esperada en vez del valor financiero. La frase "teoría de la decisión" fue empleada por primera vez en el año 1950 por E. En esta teoría se enfatiza en las capacidades humanas (opuestas a lo normativamente correcto) en la toma de decisiones basada en "perdidas y ganancias". En este tiempo se asume que en economía la gente se comporta como agentes racionales humanos que toman decisiones bajo riesgo. En su solución. . La teoría prospectiva de Daniel Kahneman y Amos Tversky dio lugar a la economía comportacional. Este artículo introduce muchos de los ingredientes actuales de la moderna teoría de la decisión. La idea del valor esperado consiste en que cuando afrontamos con un número de acciones. El crecimiento de la teoría de probabilidad subjetiva. En 1738. por ejemplo. determinar sus valores (positivos o negativos) y sus probabilidades asociadas que resultan de cada acción y.

Lepper ha publicado estudios basados en este fenómeno. por ejemplo. Un gran número de investigadores incluido Sheena S. el interés. la respuesta depende parcialmente de factores tales como el valor de esperanza de vida. Sin embargo aunque todos estos factores fueran tomados en cuenta a la hora de tomar la decisión. etc. Decisiones complejas Otras áreas de la teoría de la decisión conciernen con la dificultad de tomar decisiones debido en parte a la "complejidad" de cálculo de las expectativas. sino en la medida de la dificultad de determinar el comportamiento óptimo a la hora de tomar la decisión. Paradoja de la elección Se ha observado en muchos casos que existe la paradoja de que muchas capacidades de elegir puede dar lugar a una pobre decisión o incluso a una elección errónea.La Apuesta de Pascal es un ejemplo clásico de elección ante incertidumbre. que me proporcionaría un beneficio en el futuro. 1 Iyengar y Mark R. Un ejemplo de esta teoría puede encontrarse en el Club de Roma. Las creencias o escepticismos personales sobre la elección de creer en su existencia. En algunas ocasiones se ha analizado el problema desde una parálisis del análisis. el comportamiento humano se desvía de las predicciones de la teoría prescriptiva. real o percibido. que ha desarrollado un modelo de crecimiento económico y de recursos basado en un modelo que puede ayudar a los políticos a tomar decisiones en situaciones complejas. el interés objetivo se reemplaza por un descuento subjetivo. si recibiera una gran cantidad de euros en un instante de tiempo. La incertidumbre. la inflación. Una popularización 2 de este análisis fue realizado por Barry Schwartz en su libro The Paradox of Choice . En tales casos la teoría no se fija tanto en obtener un cálculo basado en como se desvía una decisión real de una óptima. Surge la pregunta de cuál es la decisión óptima. la confianza en el sistema de pensiones. proporcionándome un placer inmediato. o bien por la complejidad de la propia organización que tiene que tomar las decisiones. o por el contrario podría invertirlo en un plan de pensiones. Por ejemplo. está en saber si Dios existe. dando lugar a modelos alternativos en los que. Elección atemporal Esta área concierne a un tipo de tomas de decisión donde intervienen una serie de acciones en diferentes instantes de tiempo. o incluso desde una ignorancia racional. podría gastarlos en unas vacaciones de lujo. de acuerdo con Pascal.