PROBABILIDAD Y ESTADISTICA

TEMA 3
Definicin de probabilidad y sus axiomas

PROFESOR
M. de C. Lpez Livano Daniel Ramn


ALUMNOS

Ornelas Ramn Manuel Enrique
Reyes Fabin Gerardo
Leyva Osorio Ricardo
Lpez Beltrn Carlos Alfredo




COATZACOALCOS VER. 13/03/14



Objetivo general
Es proporcionar las herramientas de la probabilidad que permita deducir el
amplio nmero de resultados de un fenmeno ocurrente


Objetivo particular
Es generar la visualizacin de los diferentes tipos de sucesos que tiene la
probabilidad en un fenmeno; y as distinguir la probabilidad del suceso














La probabilidad
El concepto de probabilidad proviene del trmino latino probabiltas. En primera
instancia se entiende por probabilidad como aquella posibilidad que hay entre
diversas posibilidades de que un determinado hecho suceda. Es decir que
es aquello que puede suceder o pasar.
La idea de probabilidad es algo en lo que diversos pensadores han trabajado a lo
largo de la historia de la humanidad. En un principio estos trminos se
relacionaban exclusivamente con los juegos de azar ya practicados hace ms de
cinco mil aos. El concepto ha sufrido tales cambios y ha sido objeto de inters tan
particular que hoy en da la probabilidad es considera incluso como una de
las ramas de la matemtica. En este caso se define a la probabilidad como el
estudio y medicin cuantitativa de que un determinado hecho suceda o se
produzca. Para ello se determinan ciertos presupuestos del contexto, sus posibles
combinaciones y adems se hace uso de la disciplina de la estadstica. En este
caso las probabilidades suelen ser representados en nmero mayores a cero e
inferiores a uno o en fracciones.
Dentro de la teora de la probabilidad se intenta determinar la cantidad de veces
que puede un determinado resultado acontecer, con el fin de conocer que suceso
es el ms probable. Algunos de los elementos que se tienen en cuenta son el
espacio de muestras, los sucesos, los sucesos elementales y las partes.
En el estudio de la probabilidad pueden ser identificados tres tipos de mtodos. El
primero es llamado el mtodo de distribucin binominal. En este caso los es
posible obtener dos resultados, los mismos son independientes y excluyentes
entre s. Por ejemplo si se lanza una moneda puedo obtener cara o cruz, al
obtener cara no puedo obtener cruz y viceversa. El segundo mtodo es llamado
de multiplicacin. En este caso se determina una probabilidad de varios eventos
que son independientes entre s, es decir que los resultados obtenidos no tendrn
influencia en los dems resultados. El ltimo mtodo es el de la suma o regla de
adicin. En este caso la posibilidad de que suceda un evento especfico es
equivalente a la sumatoria de las probabilidades particulares. Esta regla se da bajo
la condicin que los eventos sean excluyentes entre s.
Las reas en la que puede ser aplicado los estudios de la probabilidad son
diversas. Algunos ejemplos son grficos o tablas relacionadas con la compra y
venta de las empresas, son tambin utilizadas en los censos o en diversos
estudios de las ciencias sociales y naturales. Las tablas estadsticas suelen
reflejar las llamadas frecuencias, sean las mismas acumuladas, con intervalos o
de doble entrada. En dichas tablas la informacin recolectada en organizada de
manera clara y visible para que sean comprensibles fcilmente.
Algunos de los grandes pensadores que se preocuparon por la probabilidad fueron
por ejemplo Galileo Galilei; a quien se le atribuyen las bases para la posterior
fundacin de la estadstica, Blaise Pascal; quien formul una teora acerca de las
propiedades de los nmeros que es an muy utilizada, Pierre La place; quien
defini ciertas aplicaciones prcticas a la teora de la probabilidad, entre muchos
otros pensadores.


DEFINICIN SUBJETIVISTA

Esta es la definicin que podramos encontrar en un diccionario: La probabilidad
de un suceso es el grado de certeza que tenemos de que ese suceso va a ocurrir.
Esta definicin es interesante para saber de que estamos hablando Pero tiene el
problema de que, como su nombre indica, es subjetiva ya que el grado de
certeza al que hace referencia puede variar de una persona a otra. Necesitamos
un modo de medir dicha certeza que sea objetivo y valido para cualquier persona.



DEFINICION FRECUENTISTA

Esta es la denicin clsica de probabilidad y est basada en el concepto de
frecuencia. Cuando repetimos n veces un experimento se dene la frecuencia
absoluta del suceso A (que denotaremos por nA) como el nmero total de veces
que ha ocurrido dicho suceso.













Sucesos

Llamamos sucesos a los posibles resultados de una accin que depende del azar.
Distinguimos 3 tipos de sucesos:


1.- Suceso posible: Es un resultado que se puede dar.
Por ejemplo, el 5 es un suceso posible cuando lanzamos un dado.

2.- Suceso imposible: Es un resultado que no se puede dar.
Por ejemplo, el 7 es un suceso imposible cuando lanzamos un dado (el dado no
tiene el nmero 7).

3.- Suceso seguro: Es un resultado que siempre se va a dar.
Por ejemplo, "nmero menor de 7" es un suceso seguro cuando lanzamos un
dado (cualquier nmero que salga al lanzar el dado ser menor que 7).












Probabilidades de los sucesos


Suceso igual de probable:
Es aquel resultado que tiene la misma probabilidad que los dems: Por ejemplo:
cuando lanzamos una moneda, el suceso "cara" tiene las mismas probabilidades
que el suceso "cruz".


Suceso muy probable:
Es aquel resultado que tiene muchas probabilidades de darse:
Por ejemplo: en una bolsa con 100 bolitas numeradas del 1 al 100, el suceso
"sacar una bola con un nmero entre 1 y 98" tiene muchas probabilidades de
ocurrir.


Suceso poco probable:
Es aquel resultado que tiene muy pocas probabilidades de darse:
Por ejemplo: en una bolsa con 100 bolitas, 99 blanca y 1 negra, el suceso "sacar
la bola negra" tiene pocas probabilidades de ocurrir.









Clculo de probabilidades

Para calcular probabilidades se utiliza la siguiente frmula:

Probabilidad = Casos favorables / Casos posibles

El resultado se multiplica por 100 para expresarlo en porcentaje.

Veamos algunos ejemplos:

1. Calcular la probabilidad de que salga "cara" al lanzar una moneda:
Casos favorables: 1 (que salga "cara")
Casos posibles: 2 (puede salir "cara" o "cruz")
Probabilidad = (1 / 2 ) * 100 = 50 %


2. Calcular la probabilidad de que salga "3" al lanzar un dado:
Casos favorables: 1 (que salga "3")
Casos posibles: 6 (puede salir "1, 2, 3, 4, 5 o 6")
Probabilidad = (1 / 6 ) * 100 = 16,6 %







Axiomas de probabilidad


Los axiomas de probabilidad son las condiciones mnimas que deben verificarse
para una funcin definida sobre un conjunto de sucesos determine
consistentemente sus probabilidades. Los cuales fueron formulados por
Kolmogrov en 1933.




















AXIOMA 1
La probabilidad de que ocurra un evento A cualquiera entre cero y uno.
0 p(A) > 1
Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5



AXIOMA 2
La probabilidad de que ocurra el espacio muetral debe ser 1.
p( ) = 1
Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado equilibrado es
"1".



AXIOMA 3
Si A y B son eventos mutuamente excluyentes, entonces la:
p(AUB) = p(A) + p(B)

Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la
suma de las probabilidades individuales de dichos sucesos.




TEOREMAS DE AXIOMA
TEOREMA 1
Si f es un evento nulo o vaco, entonces la probabilidad de que
ocurra f debe ser cero.
p(f)=0
Ejemplo: La probabilidad de que un estudiante sea mujer es "1 menos
la probabilidad de que no sea varn".
DEMOSTRACIN:
Si sumamos a f un evento A cualquiera, como f y A son dos eventos
mutuamente excluyentes, entonces p(Af)=p(A) +p(f)=p(A). LQQD

TEOREMA 2
La probabilidad del complemento de A, A
c
debe ser,

p(A
c
)= 1 p(A).
DEMOSTRACIN:
Si el espacio muestral d, se divide en dos eventos mutuamente
exclusivos, A y A
c
luego d=AA
c
, por tanto p(d)=p(A) + p(A
c
) y como en
el axioma dos se afirma que p(d)=1, por tanto, p(A
c
)= 1 - p(A) .LQQD

TEOREMA 3

Si un evento A B, entonces la p(A) p(B).
DEMOSTRACIN:
Si separamos el evento B en dos eventos mutuamente excluyentes, A
y B \ A (B menos A), por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A),
luego entonces si p(B \ A) 0 entonces se cumple que p(A)p(B).
LQQD
TEOREMA 4
p( AcB )= p(A) p(AB)
DEMOSTRACIN:
Si A y B son dos eventos cualquiera, entonces el evento A se puede
separar en dos eventos mutuamente excluyentes, (A \ B) y AB, por
tanto,
A=(A \ B)(AB), luego p(A)=p(A \ B) + p(AB), entonces,
p(A \ B) = p(A) p(AB). LQQD

TEOREMA 5
Para dos eventos A y B,
p(AUB)=p(A) + p(B) p(AnB).
DEMOSTRACIN:
Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente
excluyentes, por lo que,
p(A B) = p(A \ B) + p(B) y del teorema anterior tomamos que p(A \ B)
= p(A) p(AB), por tanto, p(AB) = p(A) + p(B) p(AB). LQQD









Bibliografa

http://www.itapizaco.edu.mx/~joseluis/apuntes/estadistica/pr
obabilidad.pdf
http://www.sites.upiicsa.ipn.mx/polilibros/portal/polilibros/p_
terminados/probabilidad/doc/unidad%201/1.1.9.htm

http://www.mty.itesm.mx/dmti/materias/ma2006-
1/recursos/ma2006-02.pdf
http://probabilidadestadistic.blogspot.mx/