REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUC. UNIVERSITARIA

UNIVERSIDAD POLITCNICA TERRITORIAL DE PARIA
LUIS MARIANO RIVERA
PNF EN ADMINISTRACIN
SABER: ESTADISTICA
CARPANO ESTADO SUCRE


PROBABILIDAD


Facilitador: PARTICIPANTES:
Danny Gonzales Barreto, Bettycar. C.I. 25.898.446
Centeno Martina. C.I.12807287
Len, Emilis. C.I. 19.703.327
Suniaga, Diana. C.I. 15.243.763
Seccin N 18

Octubre, 2014



INTRODUCCION
En el siguiente trabajo trataremos de una forma amplia el tema de la probabilidad que
se entiende como: el estudio de experimentos aleatorios o de libre determinacin. A travs de
la historia la probabilidad se a constituido de una forma slida originndose en el siglo XVII
ligada a los juegos de azar, tales como la ruleta y las cartas las cuales eran la diversin habitual
de la nobleza en ese entonces.
Dentro de la probabilidad encontramos diferentes componentes tales como: espacio
muestral, eventos, axiomas y teoremas entre otros, que se emplean como herramienta para
hallar de una forma correcta la probabilidad. Tambin se puede mencionar la teora de la
probabilidad que se utiliza como un modelo matemtico para un experimento dado.

















PROBABILIDAD
Es el nmero al que tiende la frecuencia relativa asociada al suceso a medida que el
nmero de veces que se realiza el experimento crece.

RESEA HISTRICA
La probabilidad nace en siglo XVII ligada a los juegos de azar, divertimiento habitual de
la nobleza de entonces. Uno de ellos, el caballero De Mr, le planteo al matemtico Blas
Pascal en 1652 la siguiente pregunta cuantas veces hay que lanzar un dado para que sea ms
favorable que desfavorable obtener un seis Pascal, adems de responder a De Mr, levanto
el inters por los juegos de azar de otro ilustre matemtico: Pierre Fermat (1601-1665). De las
muchas cartas que intercambiaron ambos nace la probabilidad. No fue hasta el siglo XIX,
cuando Laplace (1749-1827) elevo la teora de la probabilidad a la categora de ciencia con la,
publicacin, en 1812 de la Teora Analtica de las probabilidades. La ley de los grandes
nmeros, aparecida en la obra pstuma de Jacques Bernouilli (1654-1705), Ars conjectandi,
dice lo siguiente: cuando el nmero de repeticiones de un experimento aleatorio crece mucho,
la proporcin de veces que aparece cada suceso (frecuencia relativa) se aproxima mas y mas a
un cierto valor. Este valor se llama probabilidad del suceso.

TIPOS DE PROBABILIDAD
1) PROBABILIDAD CLSICA: Supone que todos los nmeros tienen igual probabilidad de salir
en una determinada tirada.
Se calcula dividiendo el nmero o la cantidad de nmeros que elijamos sobre la cantidad total
de nmeros; es decir, por ejemplo, si queremos saber cuntas probabilidades tenemos de que
salga un nmero par al tirar un dado, calcularemos de la siguiente manera: un dado tiene 6
caras, y los nmeros pares son 3 (2,4 y 6). O sea, 3/6= 50% de probabilidades de obtener un
nmero par.
2) PROBABILIDAD ESTADSTICA: Se utiliza este tipo de probabilidad cuando la posibilidad que
salga un determinado nmero no es igualmente probable en todos los casos. Lo mejor, en
estos casos, es anotar en cada tirada qu nmero sale e ir formndonos mentalmente un
espectro de posibilidades que salgan con mayor frecuencia.
Si observramos un dado cargado, por ejemplo, y lo estudisemos, podramos darnos cuenta
de tal factor al ver que la posibilidad de que salga un 5 es de 7/10 en vez de 1/6, como
sucedera si el dado fuese normal.
3) PROBABILIDAD INDUCTIVA: En toda tirada, existe cierto grado de credibilidad y
verosimilitud que los estudiosos de la materia atribuyen a ciertas leyes y a ciertas teoras. Esta
probabilidad se utiliza cuando no conocemos la naturaleza de lo que estamos

observando, y cuando nuestra observacin se vuelve insuficiente como para llegar a poder
formular una ecuacin valedera.

EVENTO Y ESPACIO MUESTRAL
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 nmero primo A = {2, 3, 5}
2. Obtener un nmero primo y par B = {2}
3. Obtener un nmero mayor o igual a 5 C = {5, 6}

Eventos mutuamente excluyentes.- Dos eventos son mutuamente excluyentes si no
pueden ocurrir en forma simultnea, esto es, si y slo si su interseccin es vaca. Por ejemplo,
en el lanzamiento de un dado los eventos B = {2} y C = {5, 6} son mutuamente excluyentes por
cuanto B C =
Eventos Complementarios.- Si A B = y A B = E, se dice que A y B son eventos complementarios:
Ac = B y Bc = A
Su Medicin Matemtica o Clsica. Si en un experimento aleatorio todos los resultados son
equiprobables (iguales probabilidades), es decir, la ocurrencia de uno es igualmente posible
que la ocurrencia de cualquiera de los dems, entonces, la probabilidad de un evento A es la
razn:
P(A) = nmero de casos favorables para A/nmero total de casos posibles
A partir de esta definicin las probabilidades de los posibles resultados del experimento se
pueden determinar a priori, es decir, sin realizar el experimento.

El CONJUNTO S
De todos los resultados posibles de un experimento dado se le llama Espacio Muestral.
Ejemplo:
Describe el espacio muestral asociado a cada uno de los siguientes experimentos aleatorios:
a. Lanzar tres monedas.
b. Lanzar tres dados y anotar la suma de los puntos obtenidos.
c. Extraccin de dos bolas de una urna que contiene cuatro bolas blancas y tres negras.
d. El tiempo, con relacin a la lluvia, que har durante tres das consecutivos.
Solucin:
a. Llamando C a obtener cara y X a la obtencin de cruz, obtenemos el siguiente espacio
muestral:
E={(CCC),(CCX),(CXC),(XCC),(CXX),(XCX),(XXC),(XXX)}
b. E={3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}
c. Llamando B a sacar bola blanca y N a sacar bola negra, tenemos:
E={BB,BN,NN}
d. Si llamamos L al da lluvioso y N al da sin lluvia, para tres das consecutivos se obtiene el
siguiente espacio muestral: E={(LLL),(LLN),(LNL),(NLL),(LNN),(NLN),(NNL),(NNN)}

AXIOMAS Y TEOREMAS DE LA PROBABILIDAD

Primer axioma
La probabilidad de un suceso A es un numero real entre 0 y 1.
[pic]
Segundo axioma
Un suceso de la muestra de todos los sucesos o espacio muestral ocurre con probabilidad 1.
[pic]
Es decir la probabilidad del espacio muestral es igual a 1

Tercer axioma

Si A1, A2 son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de
interseccin vaca dos a dos),
entonces: [pic]
TEOREMAS

TEOREMA 1. Si f es un evento nulo o vaco, entonces la probabilidad de que ocurra f debe ser
cero.
p(f)=0
DEMOSTRACIN:
Si sumamos a fun 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, Ac debe ser, p(Ac)= 1 p(A)
DEMOSTRACIN:
Si el espacio muestral d, se divide en dos eventos mutuamente exclusivos, A y Ac luego d=
AAc, por tanto p(d)=p(A) + p(Ac) y como en el axioma dos se afirma que p(d)=1, por tanto,
p(Ac)= 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. La p( A \ B )= 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(AB)=p(A) + p(B) p(AB)



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

TEORIA DE LA PROBABILIDAD

Definimos un modelo matemtico de los fenmenos anteriores asignados
probabilidades (o. valores limites de las frecuencias relativas) a los eventos asociados con
un experimento. Naturalmente, la seguridad en nuestro modelo matemtico para un
experimento dado depende del acercamiento de las probabilidades asignadas con la
frecuencia real relativa.
Histricamente, la teora de la probabilidad comenz con el estudio de los juegos de azar,
tales como la ruleta y las cartas. La probabilidad p de un evento A se defini como sigue: si A
puede ocurrir de s maneras entre un total de n igualmente posible, entonces:
p = P (A) = s/n
por ejemplo, al tirar un dado puede salir un numero par de 3 maneras, de las 6 igualmente
posible ; o sea, p= 3/6=1/2.
El tratamiento moderno de la teora de la probabilidad es puramente axiomtico, esto
significa que las probabilidades de nuestros eventos pueden ser perfectamente arbitrarias,
excepto que ellas deben satisfacer ciertos axiomas. La teora clsica corresponder al caso
especial de los asi llamado espacios equiprobables.

PROBABILIDAD CONDICIONADA. SUCESOS INDEPENDIENTES Y
DEPENDIENTES.

La expresin que nos permite calcular la probabilidad de experiencias
condicionadas es:
P (B/A)= P (AB) / P (A)
Despejando P (AB) en la formula de la probabilidad condicionada, obtenemos: P (AB)= P
(B) P (B/A), llamada formula de la probabilidad compuesta, que nos permite calcular la
probabilidad de que ocurran dos sucesos considerando que estos suceden en un orden
determinado. Anlogamente, para tres sucesos A, B y C:
P (A B C)= P(A). P (B/A). (C/A B)
Dos sucesos son independientes si el hecho de que haya ocurrido uno de ellos no modifica la
probabilidad del otro. Es decir, A y B son independientes si:
P (B) o P (A/B) = P (A)
En caso contrario, se dice que los sucesos A y B son dependientes. La formula de la
probabilidad compuesta para sucesos independientes, que permiten calcular la probabilidad
de que ocurran uno tras otro los sucesos independientes A y B es: P (A B) = p(A) . p (B)
Anlogamente, para tres sucesos independientes A, B y C:
P (A B C) = P(A). P (B).P (C)

EXISTEN DE 3 TIPOS DE PROBABILIDAD BAJO LACONDICION DE
INDEPENDIENTE ESTADISTICA
Probabilidad Condicional
Si [pic]y [pic]son dos eventos en [pic], la probabilidad de que ocurra [pic]dado que
ocurri el evento [pic]es la probabilidad condicional de [pic]dado [pic], y se denota [pic].
La probabilidad condicional por definicin es:
[pic], dado [pic]
Ejemplo:
Para un dado, si s que cay impar, cul es la probabilidad de 3?
Similarmente:
[pic]
De donde:
[pic]
Esta expresin se conoce como el Teorema de

Bayes, que en su forma ms general es:
[pic]
El denominador se le conoce como el teorema de la probabilidad total.



Probabilidad marginal
Es la probabilidad particular de una de las variables dada un variable aleatoria
bidimensional, y se define como:
[pic]
Probabilidad conjunta
Probabilidad conjunta es una probabilidad que mide la posibilidad de que dos o ms eventos
ocurran juntos.
Un ejemplo sera el hecho de que un estudiante tenga tanto un estreo como una TV en su
habitacin.

TECNICAS DE CONTEO

Si el nmero de posibles resultados de un experimento es pequeo, es relativamente
fcil listar y contar todos los posibles resultados. Al tirar un dado, por ejemplo, hay seis
posibles resultados.
Si, sin embargo, hay un gran nmero de posibles resultados tales como el nmero de nios y
nias por familias con cinco hijos, sera tedioso listar y contar todas las posibilidades.
Las posibilidades seran, 5 nios, 4 nios y 1 nia, 3 nios y 2 nias, 2 nios y 3 nias, etc. Para
facilitar el conteo examinaremos tres tcnicas: La tcnica de la multiplicacin, la tcnica de la
permutacin, y la tcnica de la combinacin.

LA TECNICA DE LA PERMUTACION

es aplicada para encontrar el nmero posible de arreglos donde hay solo u grupo de objetos.
Como ilustracin analizaremos el siguiente problema: Tres componentes electrnicos - un
transistor, un capacitor, y un diodo - sern ensamblados en una tablilla de una televisin. Los
componentes pueden ser ensamblados en cualquier orden. De cuantas diferentes maneras
pueden ser ensamblados los tres componentes?
Las diferentes maneras de ensamblar los componentes son llamadas permutaciones, y son las
siguientes: T D C D T C C D T T C D D C T C T D

Permutacin: Todos los arreglos de r objetos seleccionados de n objetos posibles
La frmula empleada para contar el nmero total de diferentes permutaciones es:
n P r = n!
(n r )!
Donde: nPr es el nmero de permutaciones posible n es el nmero total de objetos r es el
nmero de objetos utilizados en un mismo momento
n P r = n! = 3! = 3 x 2 = 6
(n r )! ( 3 3 )! 1
Ejemplo:
Suponga que hay ocho tipos de computadora pero solo tres espacios disponibles para
exhibirlas en la tienda de computadoras. De cuantas maneras diferentes pueden ser
arregladas las 8 mquinas en los tres espacios disponibles?
n P r = n! = 8! = 8! = 336
(n r )! ( 8 3 )! 5!
En el anlisis anterior los arreglos no presentan repeticiones, es decir, no hay dos espacios
disponibles con el mismo tipo de computadora. Si en los arreglos se permite la repeticin, la
frmula de permutaciones es la siguiente:
n Pr = nr
Para ilustrar el punto, queremos saber cuntas series de 2 letras se pueden formar con las
letras A, B, C, si se permite la repeticin? Las permutaciones son las siguientes:

AA, AB, AC, BA, CA, BB, BC, CB, CC
Usando la frmula:
n Pr = nr = 3P2 = 32 = 9

LA TECNICA DE LA COMBINACION
En una permutacin, el orden de los objetos de cada posible resultado es diferente. Si
el orden de los objetos no es importante, cada uno de estos resultados se denomina
combinacin. Por ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas
seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes,
entonces si importa el orden, los resultados sern permutaciones. Por el contrario si en el
equipo no hay funciones definidas, entonces no importa el orden y los resultados sern
combinaciones. Los resultados en ambos casos son los siguientes:

Permutaciones: AB, AC, BA, CA, BC, CB
Combinaciones: AB, AC, BC
Combinaciones: Es el nmero de formas de seleccionar r objetos de un grupo de n objetos sin
importar el orden.
La frmula de combinaciones es:
n C r = n!
r! (n r )!
Ejemplo: En una compaa se quiere establecer un cdigo de colores para identificar cada una
de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de
las partes, de tal suerte que cada una tenga una combinacin de 3 colores diferentes. Ser
adecuado este cdigo de colores para identificar las 42 partes del producto?
Usando la frmula de combinaciones:
n C r = n! = 7! = 7! = 35
r! (n r )! 3! ( 7 3 )! 3! 4!
El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes del producto











CONCLUSION

Del trabajo anterior podemos concluir que La probabilidad es la posibilidad u
oportunidad de que suceda un evento particular. La probabilidad involucrada es una porcin o
fraccin cuyo valor vara entre cero y uno exclusivamente. Observamos un evento que no tiene
posibilidad de ocurrir (es decir, el evento nulo), tiene una probabilidad de cero, mientras que
un evento que seguramente ocurrir (es decir, el evento cierto), tiene una probabilidad de
uno.
La regla ms evidente para las probabilidades es que deben variar en valor de 0 a 1. Un evento
imposible tiene una probabilidad cero de ocurrir, y un evento cierto tiene una probabilidad
uno de ocurrir. La probabilidad simple se refiere a la probabilidad de ocurrencia de un evento
simple.
Una distribucin de probabilidad para una variable aleatoria discreta es un listado
mutuamente excluyente de todos los resultados posibles para esa variable aleatoria, tal que
una probabilidad particular de ocurrencia est asociada con cada resultado.