¿Qué es probabilidad?

• El término probabilidad se utiliza para definir el cálculo

matemático que establece todas las posibilidades que existen de
que ocurra un fenómeno en determinadas circunstancias de azar.
• La probabilidad es el estudio de fenómenos puramente aleatorios.
La palabra probabilidad se usa para indicar la posibilidad de que
ocurra un evento o resultado .
• La estadística se puede describir como la ciencia o arte de reunir y
analizar datos e inferir consecuencias a partir de estos elementos
 ¿Qué es probabilidad?

• La definición clásica de probabilidad y, en cierto modo ,la más simple ,

se usa cuando un experimento puede tener solamente ciertos
resultados definidos , cada uno de los cuales es igualmente probable :

• Si hay N elementos en el conjunto de resultados posibles , la

probabilidad para cualquiera de ellos es 1/N .
• Así , se supone que una moneda puede caer mostrando cara o cruz y ,
por tanto , la probabilidad de una cruz es de ½.
• La distribución de probabilidades permite a las organizaciones conocer
todos los resultados posibles de éxito o fracaso antes de la realización
de un proyecto. Utilizando eficientemente este método, podrán elegir
el momento adecuado para emprender una nueva iniciativa.
• La distribución de probabilidades permite a las organizaciones conocer
todos los resultados posibles que puede tener un evento aleatorio que
incide sobre un proyecto. Para ello, existen dos tipos de variables
aleatorias que los gerentes de proyecto deben tomar en cuenta:
• Discreta. Es representada por números enteros y se caracteriza por el
número de valores que puede tomar. El número de personas, por
ejemplo, es una variable discreta, al igual que muchos objetos físicos y
tangibles en los proyectos.
• Continua. Una variable aleatoria con un número infinito de valores.
No posee limitación, por lo que puede tomar cualquier valor dentro de
un límite establecido. Por ejemplo, la duración de una actividad del
proyecto, la vida útil de las herramientas, instalaciones y demás
elementos, etc.
Patrones de distribución de probabilidades

• Los patrones de distribución dependen del tipo de variable aleatoria que se esté estudiando.
Algunos de los patrones más comunes en la gestión de proyectos son los siguientes:
• Distribución uniforme. Puede ser continua o discreta. Cada valor de la variable aleatoria
tiene la misma probabilidad de ocurrencia. Por ejemplo, en un lanzamiento de dados
(ejemplo de distribución discreta), cada valor (1 a 6) tiene la misma probabilidad.
• Distribución triangular. Es continua con un valor mínimo (pesimista), máximo (optimista)
y la moda (valor más probable). Se diferencia de la distribución uniforme en que la
probabilidad de ocurrencia de los valores no es la misma. Se utiliza en la gestión de
proyectos para el análisis de riesgos.
• Distribución normal. Considera dos parámetros, el promedio y la desviación estándar, que
sirven para desarrollar la campana de Gauss. Esta representación muestra cómo se
distribuye la probabilidad de una variable continua. Se utiliza para modelar con precisión el
tiempo y la estimación de costos en la gestión de proyectos.
• Distribución BETA. Es una distribución con dos parámetros, típicamente denotados "a" y
"b". Dependiendo de estos valores, la distribución BETA puede ser más uniforme o normal.
Suele emplearse para determinar la duración y el costo de una actividad o tarea
programada.
 ¿Qué es probabilidad?

• En forma general , podemos escoger un subconjunto llamado

“evento” , que consiste de “m” de los resultados posibles y preguntar
cuál es la probabilidad de obtener un resultado que pertenezca a ese
evento al efectuar el experimento una vez.
• La probabilidad de un evento es la suma de las probabilidades de los
resultados que lo componen.
• En nuestro caso , igualmente probables , la probabilidad es de m/n.
 ¿Qué es probabilidad?

• Si de una baraja de 52 cartas con 4 ases se saca una ,

• ¿ cuál es la probabilidad de que sea un as?
• Se supone que cada que cada una de las 52 cartas tiene la misma
probabilidad de ser sacada.

• El evento “sacar un as “ consta de 4 de los 52 resultandos igualmente

probables.
 ¿Qué es probabilidad?

• La probabilidad de obtener un as es de :

• 4/52 O SEA 1/13

• El concepto de probabilidad más aceptado en la actualidad es ; si un

experimento se repite muchas veces en condiciones idénticas ,
entonces la probabilidad p de un evento E es “ a fin de cuentas” el
cociente que resulta de dividir el número de veces que acontece el
evento E, entre el número de intentos.
 ¿Qué es probabilidad?

• Por ejemplo, para determinar la probabilidad de que una moneda

caiga cara cuando se lanza al aire, lanzamos la moneda muchas veces
y llevamos un registro del número de veces que cae cara .

• Si , aproximadamente , la mitad de los resultados es cara, al final del

experimento concluimos que la probabilidad de que caiga cara , es de
• ½.
• La moneda de México, tiene 2 caras: águila y sello.

• ¿Cuál es la probabilidad de obtener águila al lanzar una moneda?

Solución:
Primero calculamos el número total de casos posibles que se dan al lanzar la moneda.
En este problema, son 2 casos posibles, se obtiene águila o se obtiene sello.
Ahora, calculamos el número de casos favorables. Si lanzamos la moneda, tenemos 1 caso de águila. Por lo tanto, la
probabilidad de obtener águila sería:

Podemos colocar como respuesta: 0,5 o 50%.

• ¿Cuál es la probabilidad de obtener un 5 al lanzar un dado?
Solución:
Primero calculamos el número total de casos posibles que se dan al lanzar un dado. En este problema, son 6 casos
posibles, ya que el dado puede arrojar 1, 2, 3, 4, 5 o 6.

Ahora, calculamos el número de casos favorables. Si lanzamos un dado, tenemos 1 caso en el que se obtiene 5. Por lo
tanto, la probabilidad de obtener un 5 sería:

La respuesta sería: 0,1667 o 16,67%.

Ejemplo 3:
Si se lanza una moneda de México al aire
dos veces, ¿cuál es la probabilidad de
obtener al menos 1 águila?
• Solución:
Primero calculamos el número total de casos posibles. Los casos posibles del
primer y segundo lanzamiento son:
• Águila – águila.
• Águila – sello.
• Sello – águila.
• Sello – sello.

• En total, tenemos 4 casos posibles.

• Ahora calculamos el número de casos en los cuáles se obtiene al menos 1 águila.
Los casos son:
• Águila – águila.
• Águila – sello.
• Sello – águila.
Es decir, tenemos 3 casos favorables. Por lo tanto, la probabilidad de obtener al menos un águila es:

La respuesta sería: 0,75 o 75%.

Una caja contiene 3 bolas verdes, 5 bolas rojas y 2 bolas azules. Se
extraen 2 bolas al azar; si la primera bola seleccionada fue azul,

¿cuál es la probabilidad de que la segunda sea verde, dado que las

bolas no reponen?

Respuesta: 0,3333
6. En una bolsa hay papelitos con los números del 1 al 10. Si se extrae un
papelito al azar, calcular la probabilidad de obtener un número par.
Respuesta: 0,5. 7.

Calcular la probabilidad de que, al extraer una carta de una baraja de 52

cartas, esta sea de corazones. Respuesta: ¼ o 0,25. 8.

Calcular la probabilidad de que, al extraer una carta de una baraja de 52

cartas, esta sea el 5 de espadas. Respuesta: 1/52 o 0,0192.
• 9. Se lanza 2 veces una moneda, ¿cuál es la probabilidad de obtener 2
perros? Respuesta: 0,25

• 10. Calcular la probabilidad de obtener suma 5 al lanzar dos dados.

Respuesta: 0,1111.

• 11. Calcular la probabilidad de que no salga 1 al lanzar un dado. Rpta:

5/6 12. ¿Cuál es la probabilidad de encontrar una familia sin hijos
hombres en las familias con 3 hijos? Rpta: 0,125
 Poblaciones y muestras
• DEFINICION DE POBLACIÓN :

• Una población estadística es el total de individuos o conjunto de ellos que

presentan o podrían presentar el rasgo característico que se desea estudiar.

• DEFINICION DE MUESTRA :
• La muestra estadística es la porción que se extrae de una población estadística
para realizar un determinado estudio, con el fin de representar, conocer y
determinar los aspectos de dicha población. La muestra estadística se emplea en
situaciones en las cuales la población es muy extensa o debido alguna razón
especifica se imposibilita la realización del estudio normal a toda la población.
Este método permite conocer determinados datos estadísticos en una población.
 Tipos de muestra estadística

• Muestra probabilística
• El muestreo probabilístico es el tipo más utilizado durante las
investigaciones, en este tipo todos los elementos de la población o
universo tienen la posibilidad de ser parte de la muestra.
• Dentro de la muestra probabilística encontramos los siguientes tipos
de muestreo:
• Muestreo aleatorio simple: es el método de selección más básico, en
el que cada sujeto posee un número de identificación y, mediante un
sorteo aleatorio, algunos son seleccionados para la muestra. Para
realizarla se debe conocer la cantidad de individuos que serán
necesarios para completar toda la muestra.
• Muestreo sistemático: con este método se enumera la población a
trabajar y los investigadores se encargan de listar a cada individuo en
grupos de 10, de forma aleatoria. Luego se elige a uno de los primeros
de cada grupo al azar, formando de esta manera la muestra.
• Muestreo estratificado: consiste en dividir a la población en estratos
o grupos que compartan características similares. Luego se
seleccionan proporcionalmente algunos individuos de cada grupo para
conformar la muestra.
• Muestreo por conglomerados: se da cuando la población ya se
encuentra dividida de forma natural en grupos, por lo que se
seleccionan individuos aleatoriamente de cada conglomerado para
conformar la muestra.
Muestra no probabilística

• En la muestra no probabilística, los elementos se seleccionan a través

de procesos que no brindan a todos los individuos de la población, la
misma posibilidad de ser elegidos para la muestra.
Dentro de la muestra no probabilística
encontramos los siguientes tipos de muestreo:
• Muestreo por cuotas: en este tipo de muestreo los investigadores
forman la muestra partiendo de determinadas características, con el fin
de lograr la misma distribución de características en la muestra que en
la población. Por ejemplo, si en una población hay 90% hombres y
10% mujeres, los individuos de la muestra deberán estar distribuidos
de la misma manera.
• Muestreo por conveniencia: en este tipo el investigador usualmente
elige a los individuos de su muestra solo por su proximidad.
Generalmente, el investigador no reconoce esta muestra como una
representación de toda una población, sino que la realiza para conocer
opiniones, datos e información de manera rápida.
• Muestreo por bola de nieve: se utiliza cuando el investigador
requiere que un sujeto de su muestra ayude a identificar a otro con las
mismas características y, a su vez, estos a otros, para formar la muestra
deseada.
• Muestra discrecional: también conocida como muestreo por juicio o
criterio, se da cuando el investigador selecciona los individuos de su
muestra basado en determinado conocimiento de la población. Por
ejemplo, si desea iniciar una investigación de personas con problemas
psicológicos en el embarazo, seleccionará aquellas mujeres que hayan
pasado por la experiencia del embarazo.
• La probabilidad estadística es una rama de las matemáticas y la
estadística que se enfoca en el estudio y la cuantificación de
la incertidumbre en los eventos y fenómenos del mundo real. Se
utiliza para analizar y comprender la aleatoriedad y
la variabilidad en los datos y en los procesos naturales o sociales.

• En términos simples, la probabilidad estadística se utiliza para

responder preguntas como: “¿Cuál es la probabilidad de que ocurra
un evento determinado?“, “¿Cómo se distribuyen los resultados en
un conjunto de datos?” o “¿Cuál es la incertidumbre asociada a
una medición o predicción?“.
• Esta rama de la estadística se basa en conceptos y técnicas matemáticas para modelar y
comprender la aleatoriedad y la variabilidad en diversos contextos, como la ciencia,
la ingeniería, la economía, la medicina y muchas otras áreas. Algunos de los conceptos
fundamentales en la probabilidad estadística incluyen:
1.
Espacio muestral: Es el conjunto de todos los resultados posibles de un experimento
aleatorio. Por ejemplo, en el lanzamiento de un dado, el espacio muestral incluiría los
números del 1 al 6.
2. Evento: Es un conjunto de resultados en el espacio muestral. Puede ser un evento simple,
como obtener un número específico al lanzar el dado, o un evento compuesto, como obtener
un número par.
3. Probabilidad: Es una medida numérica que indica la posibilidad de que ocurra un evento. Se
expresa como un número entre 0 y 1, donde 0 significa que el evento es imposible y 1
significa que el evento es seguro.
4. Distribución de probabilidad: Describe cómo se distribuyen las probabilidades entre los
diferentes resultados posibles. Por ejemplo, en el lanzamiento de un dado justo, la
distribución de probabilidad es uniforme, ya que todos los resultados tienen la misma
probabilidad.
5. Teorema de Bayes: Es una herramienta importante para actualizar las probabilidades de un
evento a medida que se obtienen nuevos datos o evidencia.
6. Variables aleatorias: Son variables que pueden tomar diferentes valores con ciertas
La Importancia de la Probabilidad en la Vida Cotidiana

• La probabilidad se ha convertido en una herramienta

fundamental en una amplia variedad de campos,
incluyendo matemáticas, estadísticas, física, economía y biología.
Lo que comenzó como un enigma en los juegos de azar, se ha
convertido al cabo en una herramienta esencial para resolver
problemas en situaciones financieras, deportivas, científicas y más.
Su aplicabilidad es muy amplia y su comprensión es esencial en el
mundo actual. De hecho, la probabilidad influye en tu vida
cotidiana y en las decisiones que tomas prácticamente a diario.
 Axiomas y Teoremas

• La probabilidad indica el grado de certidumbre o certeza de un

suceso o fenómeno estudiado, en la investigación científica
existen muchos fenómenos en los cuales es necesario
determinar la probabilidad de que un evento(s) ocurra(n) o
dejen de ocurrir, para lo cual el estudio de este campo, es
necesario, además tiene aplicaciones muy importantes en
investigación; dado que es base para la inferencia estadística
que permite el estudio de muestras con el objetivo de inferir o
extrapolar características de estas a una población.
• (Hanke John E & Arthur Reitsch, 1997)
 • AXIOMAS

• Un axioma es el elemento básico de un sistema de lógica formal y junto

con las reglas de inferencia definen un sistema deductivo.
• La palabra viene del griego αξιοειν (axioein) que significa "valorar", que a
su vez procede de αξιος (axios) que significa "valuable" o "digno". Entre
los antiguos filósofos griegos, un axioma era aquello que parecía ser
verdadero sin ninguna necesidad de prueba.
• La lógica del axioma es partir de una premisa calificada verdadera por sí
misma (el axioma) e inferir sobre esta otras proposiciones por medio del
método deductivo, obteniendo conclusiones coherentes con el axioma.
Los axiomas han de cumplir sólo un requisito: de ellos, y sólo de ellos,
han de deducirse todas las demás proposiciones de la teoría dada. Los
axiomas de probabilidad son las condiciones mínimas que deben
verificarse para que una función que definimos sobre unos sucesos
determine consistentemente valores de probabilidad sobre dichos
sucesos.
• Los axiomas de la formulación moderna de la teoría de la
probabilidad constituyen una base para deducir a partir de ellas
un amplio número de resultados.
• La letra P se utiliza para designar la probabilidad de un evento,
siendo P(A) la probabilidad de ocurrencia de un evento A en un
experimento.
• AXIOMA : Si dos eventos son mutuamente excluyentes, la
probabilidad de obtener A o B es igual a la probabilidad de
obtener A más la probabilidad de obtener B.
• Excluirse mutuamente quiere decir que A y B no pueden ocurrir
simultáneamente en el mismo experimento. Así, la probabilidad
de obtener águila o sol en la misma tirada de una moneda será:
Cuáles son los teoremas basicos de la probabilidad?

• El Teorema de la probabilidad total nos permite calcular la

probabilidad de un suceso a partir de probabilidades condicionadas:
Ejemplo: supongamos que si llueve la probabilidad de que ocurra un
accidentes es x% y si hace buen tiempo dicha probabilidad es y%.
¿Qué es teorema en estadistica?

• El teorema central del límite (TCL) es una teoría estadística que

establece que, dada una muestra aleatoria suficientemente grande de la
población, la distribución de las medias muestrales seguirá una
distribución normal.
¿Qué es la probabilidad condicional y teorema de Bayes?

• Probabilidad condicionada y teorema de Bayes. Cuando dos sucesos

son independientes, la probabilidad de que ambos se produzcan es
igual al producto de la probabilidad de ocurrir de cada suceso.
El Teorema de Bayes

• El Teorema de Bayes es uno de los resultados más conocidos y útiles en

el área de la probabilidad y estadística, y en particular en el estudio de
la probabilidad condicional. Básicamente, el Teorema de Bayes nos dice
cómo calcular la probabilidad de un suceso teniendo información a priori
sobre dicho suceso.
• Este teorema es una herramienta altamente usada por su simpleza y su
rápida aplicación en distintas áreas del conocimiento, por ejemplo en
medicina, biología, tecnología, negocios, o en cualquier área en la que se
necesite tener una certeza sobre algún suceso dada información de
antemano. Además, es común utilizar dicha herramienta consecutivamente
para obtener una mayor certeza si el problema así lo requiere.
 Distribución binomial

• Una distribución binomial es una distribución de probabilidad discreta que

describe el número de éxitos al realizar n experimentos independientes entre sí,
acerca de una variable aleatoria.
• Existen una gran diversidad de experimentos o sucesos que pueden ser
caracterizados bajo esta distribución de probabilidad. Imaginemos el lanzamiento
de una moneda en el que definimos el suceso “sacar cara” como el éxito. Si
lanzamos 5 veces la moneda y contamos los éxitos (sacar cara) que obtenemos,
nuestra distribución de probabilidades se ajustaría a una distribución binomial.
• Por lo tanto, la distribución binomial se entiende como una serie de pruebas o
ensayos en la que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito
nuestra variable aleatoria.
• independientes entre sí, acerca de una variable aleatoria.
Propiedades de la distribución binomial
• En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o fracaso).
• La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra p. La
probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es constante dado que
la moneda no cambia en cada experimento y las probabilidades de sacar cara son
constantes.
• La probabilidad de fracaso ha de ser también constate. Esta se representa mediante la
letra q = 1-p. Es importante fijarse que mediante esa ecuación, sabiendo p o sabiendo q,
podemos obtener la que nos falte.
• El resultado obtenido en cada experimento es independiente del anterior. Por lo tanto, lo
que ocurra en cada experimento no afecta a los siguientes.
• Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar una moneda
salga cara y cruz al mismo tiempo.
• Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de ocurrir.
Si no se es hombre, se es mujer y, si se lanza una moneda, si no sale cara ha de salir cruz.
• La variable aleatoria que sigue una distribución binomial se suele representar como
X~(n,p), donde n representa el número de ensayos o experimentos y p la probabilidad de
éxito.
 Distribución normal

• La distribución normal es un modelo teórico capaz de aproximar

satisfactoriamente el valor de una variable aleatoria a una situación
ideal.
• ¿Qué necesitamos para representar una distribución normal?
• Una variable aleatoria.
• Calcular la media.
• Calcular la desviación típica.
• Decidir la función que queremos representar: función de densidad de
probabilidad o función de distribución.