FUNDAMENTOS DE LA

TEORA DE LA
PROBABILIDAD

R01/0216 F-JC-51
OBJETIVO:

Aprender las bases de la probabilidad as como su uso y aplicacin en distintos

eventos.

INTRODUCCIN:

La probabilidad es una medida de la certidumbre asociada a un suceso o evento

futuro y suele expresarse como un nmero entre 0 y 1 (o entre 0% y 100%).

Una forma tradicional de estimar algunas probabilidades sera obtener la

frecuencia de un acontecimiento determinado mediante la realizacin de
experimentos aleatorios, de los que se conocen todos los resultados posibles, bajo
condiciones suficientemente estables. Un suceso puede ser improbable (con
probabilidad cercana a cero), probable (probabilidad intermedia) o seguro (con
probabilidad uno).

La teora de la probabilidad se usa extensamente en reas como la estadstica,

la fsica, la matemtica, las ciencias, la administracin, contadura, economa y
la filosofa para sacar conclusiones sobre la probabilidad discreta de sucesos
potenciales y la mecnica subyacente discreta de sistemas complejos, por lo tanto
es la rama de las matemticas que estudia, mide o determina a los experimentos o
fenmenos aleatorios.

El diccionario de la Real Academia Espaola (R.A.E) define azar como una

casualidad, un caso fortuito, y afirma que la expresin al azar significa sin
orden. La idea de Probabilidad est ntimamente ligada a la idea de azar y nos
ayuda a comprender nuestras posibilidades de ganar un juego de azar o analizar
las encuestas. Pierre-Simon Laplace afirm: "Es notable que una ciencia que
comenz con consideraciones sobre juegos de azar haya llegado a ser el objeto
ms importante del conocimiento humano". Comprender y estudiar el azar es

R01/0216 F-JC-51
indispensable, porque la probabilidad es un soporte necesario para tomar
decisiones en cualquier mbito.

DESARROLLO:

2 FUNDAMENTOS DE LA TEORIA DE LA PROBABILIDAD

La teora de la probabilidad es una rama de las matemticas que estudia

los fenmenos aleatorios y estocsticos. Los fenmenos aleatorios se
contraponen a los fenmenos deterministas, los cuales son resultados nicos y/o
previsibles de experimentos realizados bajo las mismas condiciones
determinadas, por ejemplo, si se calienta agua a 100 C a nivel del mar se
obtendr vapor. Los fenmenos aleatorios, por el contrario, son aquellos que se
obtienen 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 una moneda.

La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible

resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar
dichos resultados y saber si un suceso es ms probable que otro.

2.1 CONJUNTO Y TCNICAS DE CONTEO

El trmino conjunto juega un papel fundamental en el desarrollo de las

matemticas modernas; Adems de proporcionar las bases para comprender con
mayor claridad algunos aspectos de la teora de la probabilidad. Su origen se debe
al matemtico alemn George Cantor (1845 1918).

Para que exista un conjunto debe basarse en lo siguiente:

La coleccin de elementos debe estar bien definida.

Ningn elemento del conjunto se debe contar ms de una vez,
generalmente, estos elementos deben ser diferentes, si uno de ellos se
repite se contar slo una vez.
El orden en que se enumeran los elementos que carecen de importancia.

R01/0216 F-JC-51
NOTACIN: a los conjuntos se les representa con letras maysculas A, B, C,... y a
los elementos con letras minsculas a, b, c,..., por ejemplo, el conjunto A cuyos
elementos son los nmeros en el lanzamiento de un dado.

A = {1, 2, 3, 4, 5, 6}

En base a la cantidad de elementos que tenga un conjunto, estos se pueden

clasificar en conjuntos finitos e infinitos.

FINITOS: Tienen un nmero conocido de elementos, es decir, se encuentran

determinados por su longitud o cantidad (El conjunto de das de la semana).

INFINITOS: Son aquellos en los cuales no podemos determinar su longitud (El

conjunto de los nmeros reales).

Existen dos formas comunes de expresar un conjunto y la seleccin de una forma

particular de expresin depende de la conveniencia y de ciertas circunstancias
siendo:

EXTENSIN: Cuando se describe a cada uno de los elementos.

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

COMPRENSIN: Cuando se enuncian las propiedades que deben tener sus

elementos.

A = {x | x es una vocal}

Para describir si un elemento pertenece o no a un conjunto, se utiliza el smbolo

de pertenencia o es

Elemento de, con el smbolo _, en caso contrario _.

A = {1, 2, 3}

2 _ A; 5 _ A

2.1.1 PERMUTACIONES.

Es todo arreglo de elementos en donde interesa el lugar o posicin que ocupa

cada uno de los elementos que constituyen dicho arreglo.

R01/0216 F-JC-51
Para obtener las frmulas de permutaciones y combinaciones se debe definir lo
que es n! (ene factorial), ya que est involucrado en las frmulas que se obtendrn
y usarn para la resolucin de problemas.

La frmula de permutaciones de r objetos tomados de entre n objetos es:

Donde n = objetos y r = posiciones

Esta frmula permitir obtener todos aquellos arreglos en donde el orden es

importante y solo se usen parte (r) de los n objetos con que se cuenta.

n!= al producto desde la unidad hasta el valor que ostenta n.

n!= 1 x 2 x 3 x 4 x...........x n

Ejemplo.10!=3, 628,800

8!= 1 x 2 x 3 x 4 x.........x 8=40,320

6!=1 x 2 x 3 x 4 x..........x 6=720

2.1.2 COMBINACIONES

Son eventos similares a las permutaciones. Pero el orden ya no importa y es

necesario eliminar de las permutaciones aquellas donde los elementos se repiten
aunque con distinto orden

Una combinacin es una seleccin de objetos sin importar el orden en que se

escojan:

R01/0216 F-JC-51
2.2 CONCEPTOS BSICOS

Teora Probabilstica: Es la rama de las Matemticas que proporciona los

fundamentos, modelos matemticos y el lenguaje que se usa en la Estadstica. Se
encarga de modelar matemticamente la incertidumbre o aleatoriedad de ciertas
caractersticas de un fenmeno de inters.

Probabilidad: medida de la certidumbre que se le asocia a la ocurrencia u

observacin de un fenmeno o al hecho de que una caracterstica de inters tome
cierto valor.

Estadstica: rama de la ciencia que estudia las reglas para disear, planear,
recolectar, capturar, organizar, presentar, procesar y analizar los datos obtenidos
al realizar varios ensayos repetidos de un experimento y para inferir conclusiones
acerca de este ltimo. Proporciona adems, los mtodos para el diseo
estadstico de experimentos y para tomar decisiones cuando aparecen situaciones
de incertidumbre. Algunos autores establecen que la estadstica no es ciencia ya
que algunas de las reglas que emplea son empricas.

Teora Probabilstica: rama de la matemtica que proporciona los fundamentos,

modelos matemticos y el lenguaje que se usa en la estadstica.

Estadstica Descriptiva: rama de la Estadstica que se encarga de analizar las

reglas para recolectar, presentar y procesar los datos obtenidos al hacer una
medicin u observacin de una caracterstica de inters de un objeto, con la
finalidad de conocer su comportamiento sujeto a incertidumbre.

Medicin Nominal: En este nivel de medicin se establecen categoras distintivas

que no implican un orden especfico. Por ejemplo, si la unidad de anlisis es un
grupo de personas, para clasificarlas se puede establecer la categora sexo con
dos niveles, masculino (M) y femenino (F), los respondientes solo tienen que
sealar su gnero, no se requiere de un orden real. As, si se asignan nmeros a
estos niveles solo sirven para identificacin y puede ser indistinto: 1=M, 2=F o
bien, se pueden invertir los nmeros sin que afecte la medicin: 1=F y 2=M. En
resumen en la escala nominal se asignan nmeros a eventos con el propsito de
identificarlos. No existe ningn referente cuantitativo. Sirve para nombrar las
unidades de anlisis en una investigacin. Ejemplos de caractersticas de inters
que utilizan escalas nominales: las placas de los carros, el nmero de cuenta de
un alumno, el tipo de sangre, etctera.

Medicin Ordinal: Se establecen categoras con dos o ms niveles que implican

un orden inherente entre s. La escala de medicin ordinal es cuantitativa porque
permite ordenar a los eventos en funcin de la mayor o menor posesin de un

R01/0216 F-JC-51
atributo o caracterstica. Por ejemplo, en las instituciones escolares de nivel bsico
suelen formar por estatura a los estudiantes, se desarrolla un orden cuantitativo
pero no suministra medidas de los sujetos. Estas escalas admiten la asignacin de
nmeros en funcin de un orden prescrito. Las formas ms comunes de variables
ordinales son tems (reactivos) actitudinales estableciendo una serie de niveles
que expresan una actitud de acuerdo o desacuerdo con respecto a algn
referente.

Medicin de Intervalo: La medicin de intervalo posee las caractersticas de la

medicin nominal y ordinal. Establece la distancia entre una medida y otra. La
escala de intervalo se aplica a variables continuas pero carece de un punto cero
absoluto. El ejemplo ms representativo de este tipo de medicin es un
termmetro, cuando registra cero grados centgrados de temperatura indica el
nivel de congelacin del agua y cuando registra 100 grados centgrados indica el
nivel de ebullicin, el punto cero es arbitrario, no real, lo que significa que en este
punto no hay ausencia de temperatura. Una persona que en un examen de
matemticas obtiene una puntuacin de cero no significa que carezca de
conocimientos, el punto cero es arbitrario porque sigue existiendo la caracterstica
medida.

Medicin de Razn. Una escala de medicin de razn incluye las caractersticas

de los tres anteriores niveles de medicin anteriores (nominal, ordinal e intervalo).
Determina la distancia exacta entre los intervalos de una categora.
Adicionalmente tiene un punto cero absoluto, es decir, en el punto cero no existe
la caracterstica o atributo que se mide. Las variables de ingreso, edad, nmero de
hijos, etctera, son ejemplos de este tipo de escala. El nivel de medicin de razn
se aplica tanto a variables continuas como discretas.

Una Poblacin se define como la totalidad de valores posibles (mediciones o

conteos) de una caracterstica particular de un grupo especfico de objetos.

Inferencia Estadstica: rama de la Estadstica que proporciona las reglas para

estimar ciertos valores de una poblacin, con base en los resultados de una
muestra, formular hiptesis sobre la verdad de estas estimaciones y tomar
decisiones con base en estos resultados.

El Muestreo es la rama de la Estadstica que se encarga de definir las reglas para

tomar muestras de una poblacin especfica, el tamao de dichas muestras y los
parmetros que indicarn la representatividad de stas. La primera finalidad del
muestreo es obtener muestras representativas de la poblacin en estudio. Una
muestra es representativa si es obtenida aleatoriamente

R01/0216 F-JC-51
Muestreo Aleatorio Simple. Cuando se selecciona un grupo de n unidades
muestrales de tal manera que cada muestra de tamao n tenga la misma
posibilidad de ser seleccionada. Este tipo de muestreos se aplica cuando todos los
elementos de la poblacin bajo estudio se encuentran agrupados de la misma
forma, sin distingos de ninguna especie.

Muestreo Aleatorio Estratificado. Consiste en separar los elementos de la

poblacin en grupos que no presenten traslapes, llamados estratos, y la seleccin
posterior de una muestra aleatoria simple de cada estrato.

Muestreo Sistemtico. Se obtiene al seleccionar aleatoriamente un elemento de

los primeros k elementos en el marco y despus seleccionar cada k-simo
elemento a partir del primero. El muestreo sistemtico es aplicable cuando la
poblacin bajo estudio se encuentra ordenada de alguna forma sistemtica

Muestreo por Conglomerados. Cuando cada unidad de muestreo aleatorio es a

su vez una coleccin o conglomerado de elementos.

2.3 TIPOS DE PROBABILIDAD

Probabilidad Clsica o a Priori: Si un suceso puede ocurrir de N maneras

mutuamente excluyentes e igualmente probables, y m de ellas poseen una
caracterstica A

Probabilidad subjetiva

Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia

previa, la opinin personal o la intuicin del individuo. En este caso despus de
estudiar la informacin disponible, se asigna un valor de probabilidad a los
sucesos basado en el grado de creencia de que el suceso pueda ocurrir

Ejemplo 1
E: Tirar un dado
A = que salga el n 3
S = {1, 2, 3, 4, 5, 6}
P(A) = 1/6
R01/0216 F-JC-51
Probabilidad emprica o frecuencial

Una teora de mayor aplicacin y muy sostenida es la basada en la frecuencia

relativa. Puede atribuirse a este punto de vista el adelanto registrado en la
aplicacin de la probabilidad en la Fsica, la Astronoma, la Biologa, las Ciencias
Sociales y los negocios.

Esta teora est estrechamente relacionada con el punto de vista expresado por
Aristteles: lo probable es aquello que ocurre diariamente.

Notamos a travs de gran cantidad de observaciones acumuladas con los diversos

juegos de azar una forma general de regularidad que permiti establecer una
teora.

Supongamos que efectuamos una serie de n repeticiones del experimento E,

intentando mantener constantes las condiciones pertinentes. Sea f el nmero de
repeticiones en las que se presenta el suceso A, de forma que en las restantes n
f no se presentar. Obtendremos as una serie de frecuencias relativas para n 1,
n2

Estas frecuencias relativas diferirn poco entre s cuando las n i sean grandes y
tendern a acumularse en la proximidad de un valor fijo.

Debemos sealar que la estabilidad, a la larga, de las frecuencias relativas se

aplica a una amplia clase de experimentos aleatorios, de los que el juego de azar
constituye un caso en particular, casi insignificante.

Para establecer una descripcin matemtica sencilla de la conducta de las

frecuencias relativas para grandes valores de n, vamos a postular la existencia de
un nro. p que es el nro. al cul tiende f r, es decir, la frecuencia relativa del suceso
en estudio.

Este nmero se llamar probabilidad del suceso A en relacin con el

experimento aleatorio E.

R01/0216 F-JC-51
La frecuencia relativa fr se considerar entonces como una medida experimental
de la probabilidad y diremos:

De acuerdo con el concepto emprico de la estabilidad de las razones

frecuenciales cabe esperar que, para grandes valores de n, la razn
frecuencial observada sea aproximadamente igual a p que se
llamar probabilidad del suceso en estudio.
2.4 EVENTOS

En la teora de la probabilidad, un evento aleatorio o suceso aleatorio es un

subconjunto de un espacio muestral, es decir, un conjunto de
posibles resultados que se pueden dar en un experimento aleatorio. En teora de
la probabilidad a cada evento aleatorio se le puede asignar una medida de
probabilidad, y el conjunto de todos los sucesos aleatorios constituye una -
lgebra de conjuntos.

2.4.1 MUTUAMENTE EXCLUYENTES:

En el mbito de la lgica y de la teora de la probabilidad, dos proposiciones (o

eventos) son mutuamente excluyentes o disjuntos si ambos no pueden ser
verdaderos (o suceder simultneamente). Un ejemplo de ello es el resultado de
revolear una vez una moneda, el cual solo puede ser "cara" o "cruz", pero no
ambos.

2.4.2 NO MUTUAMENTE EXCLUYENTES:

Son aquellos que a la hora de que suceda no se descarta la posibilidad de otro, es

decir pueden suceder 2 eventos en el mismo acto. Ejemplo: si se lanzan 2 dados
al aire existe la posibilidad de que caiga 6 en cualquiera de los 2 dados lanzados,
lo cual tiene una probabilidad de ocurrencia de 11/36. Otros ejemplos seran:

Sacar un 5 y una carta de espadas, es un evento no excluyente pues

podemos tomar una carta 5 de espadas.
Sacar una carta roja y una de corazones, es no excluyente pues las cartas
de corazones son uno de los palos rojos.

2.4.3 DEPENDENCIA E INDEPENDENCIA DE EVENTOS:

Un suceso B es independiente de un suceso A si la probabilidad de B no cambia

cuando se cuenta con la informacin de que ha ocurrido A, esto es, si:

P(B) = P(B|A)

R01/0216 F-JC-51
Propiedades importantes: Si B es independiente de A, entonces:

i) P(A B) = P(A) P(B)

ii) ii) P(A|B) = P(A),
Es decir A es independiente de B En general, si A1, A2, ... , An son sucesos
mutuamente independientes, de la primera propiedad anterior se sigue que:

P(A1 A2 ... An) = P(A1) P(A2) ... P(An)

2.5 TEOREMA DE BAYES:

El teorema de Bayes, en la teora de la probabilidad, es una proposicin planteada

por el filsofo ingls Thomas Bayes (1702-1761) en 1763, que expresa
la probabilidad condicional de un evento aleatorio A dado B en trminos de la
distribucin de probabilidad condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.

En trminos ms generales y menos matemticos, el teorema de Bayes es de

enorme relevancia puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A. Es decir, por ejemplo, que sabiendo la probabilidad de
tener un dolor de cabeza dado que se tiene gripe, se podra saber (si se tiene
algn dato ms), la probabilidad de tener gripe si se tiene un dolor de cabeza.
Muestra este sencillo ejemplo la alta relevancia del teorema en cuestin para la
ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la
comprensin de la probabilidad de aspectos causales dados los efectos
observados.

R01/0216 F-JC-51
R01/0216 F-JC-51
CONCLUSIONES:

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.

En efecto, la probabilidad es una estrategia mediante la cual se intenta estimar la

frecuencia con la que se obtiene un cierto resultado en el marco de una
experiencia en la que se conocen todos los resultados posibles. As, el ejemplo
ms tradicional consiste en definir cul es la prevalencia de obtener un nmero al
arrojar un dado. Sobre seis resultados posibles (todas las caras), slo es posible
lograr un nmero por cada vez que el dado es arrojado. En este caso, la
probabilidad puede expresarse como uno en seis, un sexto, la sexta parte o, en
trminos matemticos precisos, 0.16 16%.

BIBLIOGRAFA:

Permutacin. (2016, 12 de noviembre). Wikipedia, La enciclopedia libre.

Fecha de consulta: 05:44, marzo 24, 2017
desde https://es.wikipedia.org/w/index.php?title=Permutaci%C3%B3n&oldid
=94949395.
Combinaciones. (2016, 8 de junio). Wikipedia, La enciclopedia libre. Fecha
de consulta: 05:45, marzo 24, 2017
desde https://es.wikipedia.org/w/index.php?title=Combinaciones%C3%B3n
&oldid=91579168.
Probabilidad. (2017, 15 de marzo). Wikipedia, La enciclopedia libre. Fecha
de consulta: 05:47, marzo 24, 2017
desde https://es.wikipedia.org/w/index.php?title=Probabilidad&oldid=975819
01.
Teora de la probabilidad. (2017, 12 de febrero). Wikipedia, La enciclopedia
libre. Fecha de consulta: 05:51, marzo 24, 2017
desde https://es.wikipedia.org/w/index.php?title=Teor%C3%ADa_de_la_pro
babilidad&oldid=96867732.
Acua Edgar conceptos bsicos de probabilidades.
http://academic.uprm.edu/eacuna/miniman4sl.pdf

R01/0216 F-JC-51
R01/0216 F-JC-51