Repblica Bolivariana de Venezuela

Ministerio del Poder Popular Para La Educacin

UTS Barquisimeto

Teora de la
Probabilidad
Alumnos:

Fabin Martnez
Cesar Ton
Jefferson Guedez

Materia:

Estadstica General

Barquisimeto Marzo de 2017

 Introduccin
La probabilidad mide la frecuencia con la que se obtiene un resultado al llevar a cabo un
experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones
suficientemente estables. La teora de la probabilidad se usa extensamente en reas como
la estadstica, la fsica, la matemtica, la ciencia y la filosofa para sacar conclusiones sobre
la probabilidad de sucesos potenciales y la mecnica subyacentes de sistemas complejos.
La teora de la probabilidad es la parte de las matemticas que estudia los fenmenos
aleatorios. Estos deben contraponerse a los fenmenos determinanticos, los cuales son
resultados nicos y previsibles de experimentos realizados bajo las mismas condiciones
determinadas. Los fenmenos aleatorios, por el contrario, son aquellos que se obtienen
como resultado de experimentos realizados, otra vez, bajo las mismas condiciones
determinadas pero como resultado posible poseen un conjunto de alternativas, por
ejemplo, el lanzamiento de un dado o de un dardo. Los procesos reales que se modelizan
como procesos aleatorios pueden no serlo realmente; cmo tirar una moneda o un dado
no son procesos de aleacin en sentido estricto, ya que no se reproducen exactamente las
mismas condiciones inciales 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 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. Actualmente, la teora de la
probabilidad encuentra aplicacin en las ms variadas ramas del conocimiento, como
puede ser la fsica o las finanzas.
Teora de la probabilidad

Definicin de probabilidad

La definicin general de la probabilidad est en la idea de "verosimilitud". La

interpretacin de lo que es la probabilidad, sin embargo, no est acordado. Sin embargo,
todas las teoras de probabilidad concuerdan en que la probabilidad es un nmero real en
el intervalo de 0 a 1. Sin embargo, aqu es donde los probabilistas terminan sus
coincidencias. Cmo se calcula una probabilidad y cmo se puede utilizar una probabilidad
para hacer inferencias depende de la teora que se apoya.

Probabilidad objetiva

La teora de la probabilidad objetiva afirma que una probabilidad es una caracterstica

inherente de un objeto. Por ejemplo, los dados inherentemente tienen seis caras, todas
planas y ocupan la misma cantidad de espacio. As, debido a esta simetra, la probabilidad
de un tiro que venga con un nmero especfico es de 1/6. La implicacin de esta teora es
que las probabilidades se pueden calcular mediante la inspeccin de un objeto o conocer
un evento; no se necesita realizar experimentos.

Frecuencia relativa

Esta teora de la probabilidad establece que la probabilidad, aunque sea una cantidad
objetiva, nunca puede ser conocida en el mundo real. Los partidarios de la teora de la
frecuencia relativa definen la probabilidad de un evento como el nmero de veces que el
evento ocurre en cuanto al nmero de veces que el evento podra haber ocurrido, en el
supuesto de que se observa una situacin de un nmero infinito de veces. Por supuesto,
es imposible tirar los dados un nmero infinito de veces, lo que impide a una persona
obtener la probabilidad real. En otras palabras, los que estn de acuerdo con la definicin
frecuencia relativa de probabilidad no estarn de acuerdo en que tirar un 4 tiene una
probabilidad de ocurrir de 1/6 a menos que se corran un gran nmero de experimentos
controlados.

Probabilidad subjetiva

La probabilidad subjetiva es lo opuesto a la probabilidad objetiva, puesto que seala con

bastante audacia que la probabilidad no es real. Los partidarios de esta teora establecen
que la probabilidad de un evento slo existe en la mente de un individuo. Por lo tanto, el
mismo evento puede tener mltiples probabilidades al ser analizados por muchos. Para
resumir esta postura, la probabilidad se define como una medida de la creencia de que un
determinado evento ocurra. Por ejemplo, un individuo puede elegir creer que la
probabilidad de obtener un "4" es en realidad un .
Espacio Muestral

La Estadstica, y por tanto el Clculo de Probabilidades, se ocupan de los denominados

fenmenos o experimentos aleatorios.

El conjunto de todos los resultados posibles diferentes de un determinado experimento

aleatorio se denomina Espacio Muestral asociado a dicho experimento y se suele
representar por . A los elementos de se les denomina sucesos elementales.

As por ejemplo, el espacio muestral asociado al experimento aleatorio consistente en el

lanzamiento de una moneda es = {Cara, Cruz}; el espacio muestral asociado al
lanzamiento de un dado es ={1, 2, 3, 4, 5, 6}, siendo Cara y Cruz los sucesos
elementales asociados al primer experimento aleatorio y 1, 2, 3, 4, 5 y 6 los seis sucesos
elementales del segundo experimento aleatorio.

A pesar de la interpretacin que tiene el espacio muestral, no es ms que un conjunto

abstracto de puntos (los sucesos elementales), por lo que el lenguaje, los conceptos y
propiedades de la teora de conjuntos constituyen un contexto natural en el que
desarrollar el Clculo de Probabilidades.

Sea A el conjunto de las partes de, es decir, el conjunto de todos los subconjuntos de .
En principio, cualquier elemento de A, es decir, cualquier subconjunto del espacio muestral
contendr una cierta incertidumbre, por lo que trataremos de asignarle un nmero entre 0
y 1 como medida de su incertidumbre. En Clculo de Probabilidades dichos subconjuntos
reciben en el nombre de sucesos, siendo la medida de la incertidumbre su probabilidad. La
tripleta (,A,P) recibe el nombre de espacio probabilstico.

Por tanto, asociado a todo experimento aleatorio existen tres conjuntos: El espacio
muestral , la clase de los sucesos, es decir, el conjunto de los elementos con
incertidumbre asociados a nuestro experimento aleatorio A, y una funcin real, P:A [0, l],
la cual asignar a cada suceso (elemento de A) un nmero entre cero y uno como medida
de su incertidumbre. Advertimos no obstante, que la eleccin del espacio muestral
asociado a un experimento aleatorio no tiene por qu ser nica, sino que depender de
que sucesos elementales queramos considerar como distintos y del problema de la
asignacin de la probabilidad sobre esos sucesos elementales.

Eventos aleatorios

Un evento se entiende como el acontecimiento de un hecho en proceso o por venir. Se

dice que es aleatorio, si no es posible determinarlo con exactitud. En todo caso, ser
posible predecirlo con un nivel dado de confianza. Al evento tambin se le denomina un
suceso o un fenmeno.

Generalmente, se simula el evento por un conjunto de variables relacionadas entre s. Por

lo tanto, un evento est representado con una o ms variables vinculadas entre ellas. Si
las variables (una o varias de stas) no son predecibles con exactitud se dice que el
evento es aleatorio. Generalmente las variables representan atributos y propiedades de los
entes que intervienen en el evento, y que pueden ser medidos.

Conceptos de Probabilidad

En los casos ms sencillos bastar con asignar la probabilidad a los sucesos elementales
de un experimento aleatorio. La probabilidad de los dems sucesos se podr calcular
utilizando las propiedades que ms adelante veremos.

En los casos ms complicados (que habitualmente se correspondern con las situaciones

reales) asignaremos un modelo probabilstico al experimento en cuestin, como ideal que
creemos corresponde a la situacin en estudio, ideal que veremos habr que chequear
inferencialmente. Ms adelante hablaremos de la asignacin de probabilidades. Ahora
analizamos brevemente los conceptos que se han desarrollado a lo largo de la historia,
con el propsito de formalizar las ideas intuitivas que desde el origen del hombre siempre
existieron sobre la probabilidad, aunque no llegaran a formalizarse hasta comienzos del
siglo XIX.

Concepto frecuentista

Es un hecho, empricamente comprobado, que la frecuencia relativa de un suceso tiende a

estabilizarse cuando la frecuencia total aumenta.

Surge as el concepto frecuentista de la probabilidad de un suceso como un nmero ideal

al que converge su frecuencia relativa cuando la frecuencia total tiende a infinito.

As, solemos afirmar que la probabilidad de que salga un seis al tirar un dado es 1/6
porque al hacer un gran nmero de tiradas su frecuencia relativa es aproximadamente
esa.

El problema radica en que al no poder repetir la experiencia infinitas veces, la probabilidad

de un suceso ha de ser aproximada por su frecuencia relativa para un n suficientemente
grande, y cun grande es un n grande? 0, qu hacer con aquellas experiencias que solo
se pueden repetir una vez?

Concepto clsico

Est basado en el concepto de resultados igualmente verosmiles y motivado por el

denominado Principio de la Razn Insuficiente, el cual postula que si no existe un
fundamento para preferir una entre varias posibilidades, todas deben ser consideradas
equiprobables.

As, en el lanzamiento de una moneda perfecta la probabilidad de cara debe ser igual que
la de cruz y, por tanto, ambas iguales a 1/2.
De la misma manera, la probabilidad de cada uno de los seis sucesos elementales
asociados al lanzamiento de un dado debe ser 1/6.

Laplace recogi esta idea y formul la regla clsica del cociente entre casos favorables y
casos posibles, supuestos stos igualmente verosmiles.

El problema aqu surge porque en definitiva igualmente verosmil es lo mismo que

igualmente probable, es decir, se justifica la premisa con el resultado.

Adems qu ocurre cuando estamos considerando un experimento donde no se da esa

simetra?, o, qu hacer cuando el nmero de resultados posibles es infinito?

Concepto subjetivo

Se basa en la idea de que la probabilidad que una persona da a un suceso debe depender
de su juicio y experiencia personal, pudiendo dar dos personas distintas probabilidades
diferentes a un mismo suceso.

Estas ideas pueden formalizarse, y si las opiniones de una persona satisfacen ciertas
relaciones de consistencia, puede llegarse a definir una probabilidad para los sucesos.

El principal problema a que da lugar esta definicin es, como antes dijimos, que dos
personas diferentes pueden dar probabilidades diferentes a un mismo suceso.

Teorema Fundamental de la Probabilidad

Hay algunos resultados importantes del clculo de probabilidades que son conocidos bajo
los nombres de teorema de la probabilidad condicionada, teorema de la probabilidad total
y teorema de Bayes.

Teorema de Probabilidad Condicionada

Mediante un espacio probabilstico damos una formulacin matemtica a un fenmeno

aleatorio que estemos observando. Parece por tanto razonable que si observamos algo
que aporte informacin a nuestro fenmeno aleatorio, sta deba alterar el espacio
probabilstico de partida.

Por ejemplo, la extraccin de una bola de una urna con tres bolas blancas y dos negras,
puede formalizarse con un espacio probabilstico en el que los sucesos elementales sean
las cinco bolas y donde la probabilidad sea uniforme sobre estos cinco sucesos
elementales, es decir, igual a 1/5.

Si extraemos una bola de la urna, es decir, si observamos el suceso A bola negra, y no la

devolvemos a la urna, es razonable que el espacio probabilstico cambie en el sentido no
solo de que ahora ya habr nicamente cuatro sucesos elementales, sino que adems la
funcin de probabilidad deber cambiar en orden a recoger la informacin que la
observacin del suceso A nos proporcion.
Es decir, en el nuevo espacio probabilstico deber hablarse de probabilidad condicionada
al suceso A, de forma que se recojan hechos tan evidentes como que ahora la
probabilidad (condicionada) de obtener negra se habr reducido y habr aumentado la de
blanca.

Las propiedades vistas en el captulo anterior para las distribuciones (le frecuencias
condicionadas llevan a la siguiente definicin.

Teorema de Probabilidad Total

El Teorema de la probabilidad total es aquel que nos permite calcular la probabilidad de

un suceso a partir de probabilidades condicionadas.

Este teorema nos permite deducir cul es la probabilidad de que ocurra un accidente si
conocemos la probabilidad de que llueva y la probabilidad de que haga buen tiempo.

La frmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un
accidente) es igual a la suma de multiplicar cada una de las probabilidades condicionadas
de este suceso con los diferentes sucesos A (probabilidad de un accidente cuando llueve y
cuando hace buen tiempo) por la probabilidad de cada suceso A.

Para que este teorema se pueda aplicar hace falta cumplir un requisito:

Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las
posibilidades (la suma de sus probabilidades debe ser el 100%).

Ejemplo: Al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman un
sistema completo, no hay ms alternativas: la suma de sus probabilidades es el100%.

Teorema de Bayes

El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad.

El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin

embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia,
los seguidores de la estadstica tradicional slo admiten probabilidades basadas en
experimentos repetibles y que tengan una confirmacin emprica mientras que los
llamados estadsticos bayesianos permiten probabilidades subjetivas. El teorema puede
servir entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas
cuando recibimos informacin adicional de un experimento. La estadstica bayesiana est
demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a
priori y el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica
es lo que est abriendo nuevas formas de hacer conocimiento.

Regla de Bayes:

El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema
de la probabilidad total.

Teora de Conjuntos

Rama de las matemticas a las que el matemtico Georg Ferdinand Ludwing Philipp
Cantor es el padre de la Teora de Conjuntos, dio su primer tratamiento formal en 1870. El
concepto de conjunto es uno de los ms fundamentales en matemticas, incluso ms que
la operacin de contar, pues se puede encontrar implcita o explcitamente, en todas las
ramas de las matemticas puras y aplicadas. En su forma explcita, los principios y
terminologa de los conjuntos se utilizan para construir proposiciones matemticas ms
claras y precisas y para explicar conceptos abstractos como el infinito.

La Teora de Conjuntos es una teora matemtica, que estudia bsicamente a un cierto

tipo de objetos llamados conjuntos y algunas veces, a otros objetos denominados no
conjuntos, as como a los problemas relacionados con estos.

Qu es un Conjunto?

Un conjunto es la agrupacin, clase, o coleccin de objetos o en su defecto de elementos

que pertenecen y responden a la misma categora o grupo de cosas, por eso se los puede
agrupar en el mismo conjunto. Esta relacin de pertenencia que se establece entre los
objetos o elementos es absoluta y posiblemente discernible y observable por cualquier
persona. Entre los objetos o elementos susceptibles de integrar o conformar un conjunto
se cuentan por supuesto cosas fsicas, como pueden ser las mesas, sillas y libros, pero
tambin por entes abstractos como nmeros o letras.

Los conjuntos son materia de estudio de las matemticas.

Clases de Conjuntos

Conjunto Finito: Es el conjunto al que se le puede determinar su cardinalidad o puede

llegar a contar su ltimo elemento.

Ejemplo:

M= {*/x es divisor de 24}

M= {1,2,3,4,6,8,12,24}

Conjunto Infinito: Es el conjunto que, por tener muchsimos elementos, no se le puede

llegar a contar su ltimo elemento.

Ejemplo:

A= {*/x sea grano de sal}

Conjunto Vaco: Es el conjunto cuya cardinalidad es cero ya que carece de elementos. El

smbolo del conjunto vaco O o { }.

Ejemplo:

C={*/x sea habitantes del sol}

Conjunto Unitario: Es el conjunto que solo tiene un elemento. Su cardinalidad es uno

(1).

Ejemplo:

D={*/x sea vocal de la palabra "pez"}

Determinacin de conjunto

Hay tres formas de determinar conjuntos.

Forma Enumerativa, por Extensin Forma Tabular:

La representacin enumerativa de un conjunto consiste en escribir uno a uno los

elementos que conforman un conjunto dado.

Ejemplo:

A = { a, e, i, o, u }

B = { 0, 2, 4, 6, 8 }

C = { c,o , n, j, u, t, s } En un conjunto determinado por extensin no se repite un mismo

elemento.
Por Comprensin Forma Descriptiva:

Esta forma consiste en determinar la caracterstica comn entre los elementos que posee
un conjunto.

Ejemplo:

A = { x/x es una vocal }

B = { x/x es un nmero par menor que 10 }

C = { x/x es una letra de la palabra conjuntos }

Forma Grfica:

En esta forma se representa mediante una superficie limitada por una lnea. En su interior
se colocan los elementos del conjunto. Cada porcin del plano limitada se nombra con una
letra mayscula.

Ejemplo:

Definicin de experimento estadstico

Un experimento que tiene las siguientes caractersticas es llamado experimento aleatorio o

estadstico.

1. Todos los posibles resultados del experimento son conocidos antes de hacer una
realizacin del experimento.

2. El resultado exacto en cualquier ejecucin del experimento no es

predecible (aleatoriedad)

3. El experimento puede ser repetido bajo (ms o menos) idnticas condiciones.

4. Existe un patrn predictible a lo largo de muchas ejecuciones (regularidad estadstica)

Diagrama del rbol

Un diagrama de rbol es una herramienta que se utiliza para determinar todos los posibles
resultados de un experimento aleatorio. En el clculo de muchas probabilidades se
requiere conocer el nmero de objetos que forman parte del espacio muestral, estos se
pueden determinar con la construccin de un diagrama de rbol.

El diagrama de rbol es una representacin grfica de los posibles resultados del

experimento, el cual consta de una serie de pasos, donde cada uno de estos tiene un
nmero finito de maneras de ser llevado a cabo. Se utiliza en los problemas de conteo y
probabilidad.

Para la construccin de un diagrama en rbol se partir poniendo una rama para cada una
de las posibilidades, acompaada de su probabilidad. Cada una de estas ramas se conoce
como rama de primera generacin.

En el final de cada rama de primera generacin se constituye a su vez, un nudo del cual
parten nuevas ramas conocidas como ramas de segunda generacin, segn las
posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experiment (nudo final).

Hay que tener en cuenta que la construccin de un rbol no depende de tener el mismo
nmero de ramas de segunda generacin que salen de cada rama de primera generacin
y que la suma de probabilidades de las ramas de cada nudo ha de DVD xh

Ejemplo:
Importancia de la Probabilidad en el campo profesional

La importancia de la probabilidad radica en que, mediante este recurso matemtico, es

posible ajustar de la manera ms exacta posible los imponderables debidos al azar en los
ms variados campos tanto de la ciencia como de la vida cotidiana.

La importancia esencial de la aplicacin de los mtodos de clculo de la probabilidad

reside en su capacidad para estimar o predecir eventos. Cuanto mayor sea la cantidad de
datos disponibles para calcular la probabilidad de un acontecimiento, ms preciso ser el
resultado calculado. Dada la complejidad de los sistemas en los que suele aplicarse la
teora de la probabilidad, se requiere de modelos informticos y estadsticos de gran
elaboracin, que seran imposibles de no contarse con los modernos recursos tecnolgicos
relacionados con la computacin.

Un buen ejemplo de su aplicabilidad cotidiana lo constituyen los anlisis del comercio de

las commodities (materias primas) en las relaciones internacionales actuales. Dado que
gran parte de los factores involucrados en la estimacin de la produccin son azarosos
(vientos, humedad ambiental, exposicin solar, mano de obra real, condiciones
econmicas y financieras locales, avatares polticos regionales, entre otros), la teora de la
probabilidad resulta de gran importancia, ya que intenta ajustar en conceptos
matemticos cual ser el devenir de los acontecimientos para calcular, por ejemplo, la
produccin final de cereales, combustibles fsiles y otros recursos de un rea geogrfica.
 Conclusiones
La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de
resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los
resultados posibles, bajo condiciones suficientemente estables. La teora de la probabilidad
se usa extensamente en reas como la estadstica, la fsica, la matemtica, la ciencia y la
filosofa para sacar conclusiones sobre la probabilidad de sucesos potenciales y la
mecnica subyacente de sistemas complejos. La probabilidad constituye un importante
parmetro en la determinacin de las diversas casualidades obtenidas tras una serie de
eventos esperados dentro de un rango estadstico. Dos aplicaciones principales de la
teora de la probabilidad en el da a da son en el anlisis de riesgo y en el comercio de los
mercados de materias primas.