La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunt o de resultados) y luego al llevar a cabo un experimento aleatorio, del

que se c onocen todos los resultados posibles, bajo condiciones suficientemente estables. La teora de la probabilidad se usa extensamente en reas como la estadstica, la fsic a, la matemtica, la ciencia y la filosofa para sacar conclusiones sobre la probabi lidad discreta de sucesos potenciales y la mecnica subyacente discreta de sistema s complejos. Contenido 1 Historia 2 Teora 2.1 Regla de la adicin 2.2 Regla de la multiplicacin 2.3 Distribucin binomial 3 Aplicaciones 3.1 Investigacin biomdica 4 Vase tambin 5 Referencias 6 Enlaces externos Historia Artculo principal: Azar. El diccionario de la Real Academia Espaola define azar como una casualidad, un caso fortuito, y afirma que la expresin al azar significa sin orden.1 La idea de Probabil idad est ntimamente ligada a la idea de azar y nos ayuda a comprender nuestras pos ibilidades de ganar un juego de azar o analizar las encuestas. Pierre-Simon Lapl ace afirm: "Es notable que una ciencia que comenz con consideraciones sobre juegos de azar haya llegado a el objeto ms importante del conocimiento humano". Compren der y estudiar el azar es indispensable, porque la probabilidad es un soporte ne cesario para tomar decisiones en cualquier mbito.2 Segn Amanda Dure, "Antes de la mitad del siglo XVII, trmino 'probable' (en latn pro bable) significaba aprobable, y se aplicaba en ese sentido, unvocamente, a la opi nin y a la accin. Una accin u opinin probable era una que las personas sensatas empr enderan o mantendran, en las circunstancias."3 Aparte de algunas consideraciones elementales hechas por Girolamo Cardano en el siglo XVI, la doctrina de las probabilidades data de la correspondencia de Pierr e de Fermat y Blaise Pascal (1654). Christiaan Huygens (1657) le dio el tratamie nto cientfico conocido ms temprano al concepto. Ars Conjectandi (pstumo, 1713) de J akob Bernoulli y Doctrine of Chances (1718) de Abraham de Moivre trataron el tem a como una rama de las matemticas. Vase El surgimiento de la probabilidad (The Eme rgence of Probability) de Ian Hacking para una historia de los inicios del desar rollo del propio concepto de probabilidad matemtica. La teora de errores puede trazarse atrs en el tiempo hasta Opera Miscellanea (pstum o, 1722) de Roger Cotes, pero una memoria preparada por Thomas Simpson en 1755 ( impresa en 1756) aplic por primera vez la teora para la discusin de errores de obse rvacin. La reimpresin (1757) de esta memoria expone los axiomas de que los errores positivos y negativos son igualmente probables, y que hay ciertos lmites asignab les dentro de los cuales se supone que caen todos los errores; se discuten los e rrores continuos y se da una curva de la probabilidad. Pierre-Simon Laplace (1774) hizo el primer intento para deducir una regla para l a combinacin de observaciones a partir de los principios de la teora de las probab ilidades. Represent la ley de la probabilidad de error con una curva y = \phi(x), siendo x cualquier error e y y su probabilidad, y expuso tres propiedades de es ta curva:

es simtrica al eje y; el eje x es una asntota, siendo la probabilidad del error \infty igual a 0; la superficie cerrada es 1, haciendo cierta la existencia de un error. Dedujo una frmula para la media de tres observaciones. Tambin obtuvo (1781) una frm ula para la ley de facilidad de error (un trmino debido a Lagrange, 1774), pero u na que llevaba a ecuaciones inmanejables. Daniel Bernoulli (1778) introdujo el p rincipio del mximo producto de las probabilidades de un sistema de errores concur rentes. El mtodo de mnimos cuadrados se debe a Adrien-Marie Legendre (1805), que lo introd ujo en su Nouvelles mthodes pour la dtermination des orbites des comtes (Nuevos mtod os para la determinacin de las rbitas de los cometas). Ignorando la contribucin de Legendre, un escritor irlands estadounidense, Robert Adrain, editor de "The Analy st" (1808), dedujo por primera vez la ley de facilidad de error, \phi(x) = ce^{-h^2 x^2} siendo c y h constantes que dependen de la precisin de la observacin. Expuso dos d emostraciones, siendo la segunda esencialmente la misma de John Herschel (1850). Gauss expuso la primera demostracin que parece que se conoci en Europa (la tercer a despus de la de Adrain) en 1809. Demostraciones adicionales se expusieron por L aplace (1810, 1812), Gauss (1823), James Ivory (1825, 1826), Hagen (1837), Fried rich Bessel (1838), W. F. Donkin (1844, 1856) y Morgan Crofton (1870). Otros per sonajes que contribuyeron fueron Ellis (1844), De Morgan (1864), Glaisher (1872) y Giovanni Schiaparelli (1875). La frmula de Peters (1856) para r, el error prob able de una nica observacin, es bien conocida. En el siglo XIX, los autores de la teora general incluan a Laplace, Sylvestre Lacr oix (1816), Littrow (1833), Adolphe Quetelet (1853), Richard Dedekind (1860), He lmert (1872), Hermann Laurent (1873), Liagre, Didion, y Karl Pearson. Augustus D e Morgan y George Boole mejoraron la exposicin de la teora. En 1930 Andri Kolmogorov desarroll la base axiomtica de la probabilidad utilizando teora de la medida. En la parte geomtrica (vase geometra integral) los colaboradores de The Educational Times fueron influyentes (Miller, Crofton, McColl, Wolstenholme, Watson y Artem as Martin). Vase tambin: Estadstica Teora Artculo principal: Teora de la probabilidad. La probabilidad constituye un importante parmetro en la determinacin de las divers as casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadstico. Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer y la t eora de la relatividad numrica, esta ltima con un alto grado de aceptacin si se toma en cuenta que disminuye considerablemente las posibilidades hasta un nivel mnimo ya que somete a todas las antiguas reglas a una simple ley de relatividad.[cita requerida] La probabilidad de un evento se denota con la letra p y se expresa en trminos de una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por ot ra parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el val or de p y se denota con la letra q: P(Q) = 1 - P(E)

Los tres mtodos para calcular las probabilidades son la regla de la adicin, la reg la de la multiplicacin y la distribucin binomial. Regla de la adicin La regla de la adicin o regla de la suma establece que la probabilidad de ocurren cia de cualquier evento en particular es igual a la suma de las probabilidades i ndividuales, si es que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo. P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente. P(A o B ) = P(A) + P(B) P(A y B) si A y B son no excluyentes. Siendo: P(A) = probabilida d de ocurrencia del evento A. P(B) = probabilidad de ocurrencia del evento B. P( A y B) = probabilidad de ocurrencia simultanea de los eventos A y B. Regla de la multiplicacin La regla de la multiplicacin establece que la probabilidad de ocurrencia de dos o ms eventos estadsticamente independientes es igual al producto de sus probabilida des individuales. P(A y B) = P(A B) = P(A)P(B) si A y B son independientes. P(A y B) = P(A B) = P( A)P(B|A) si A y B son dependientes Distribucin binomial La probabilidad de ocurrencia de una combinacin especfica de eventos independiente s y mutuamente excluyentes se determina con la distribucin binomial, que es aquel la donde hay solo dos posibilidades, tales como masculino/femenino o si/no. Hay dos resultados posibles mutuamente excluyentes en cada ensayo u observac in. La serie de ensayos u observaciones constituyen eventos independientes. La probabilidad de xito permanece constante de ensayo a ensayo, es decir el p roceso es estacionario. Para aplicar esta distribucin al calculo de la probabilidad de obtener un nmero da do de xitos en una serie de experimentos en un proceso de Bermnoulli, se requiere n tres valores: el nmero designado de xitos (m), el nmero de ensayos y observacione s (n); y la probabilidad de xito en cada ensayo (p). Entonces la probabilidad de que ocurran m xitos en un experimento de n ensayos es : P (x = m) = (nCm)(Pm)(1P)nm Siendo: nCm el nmero total de combinaciones posibles de m elementos en un conjunt o de n elementos. En otras palabras P(x = m) = [n!/(m!(nm)!)](pm)(1p)nm Ejemplo. La probabilidad de que un alumno apruebe la asignatura Clculo de Probabi lidades es de 0,15. Si en un semestre intensivo se inscriben 15 alumnos Cul es la probabilidad de que aprueben 10 de ellos? P(x = 10) = 15C10(0,15)10(0,85)5 = 10!/(10!(1510)!)(0,15)10(0,85)5 = 7,68 * 106 Ge neralmente existe un inters en la probabilidad acumulada de "m o ms " xitos o "m o menos" xitos en n ensayos. En tal caso debemos tomar en cuenta que: P(x < m) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) +....+ P(x = m 1) P(x > m) = P(x = m+ 1) + P(x = m+ 2) + P(x = m+3) +....+ P(x = n) P(x m) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) +....+ P(x = m) P(x m) = P(x = m) + P(x = m+1) + P(x = m+2) +....+ P(x = n) Supongamos que del ejemplo anterior se desea saber la probabilidad de que aprueb en: a. al menos 5 b. mas de 12 a. la probabilidad de que aprueben al menos 5 es: P(x 5) es decir, que: 1 P(x < 5) = 1 [P(x = 0)+P(x = 1)+P(x = 2)+P(x = 3)+P(x = 4)] =

1 [0,0874 + 0,2312 + 0,2856 + 0,2184 + 0,1156] = 0,0618 Nota: Al menos, a lo menos y por lo menos son locuciones adverbiales sinnimas. Ejemplo: La entrada al cine por lo menos tendr un costo de 10 soles (como mnimo po dra costar 10 soles o ms). b. la probabilidad de que aprueben mas de 12 es P(x > 12) es decir, que: P(x > 12) = P(x = 13)+P(x = 14)+P(x = 15) P(x > 12) = 1,47 *109 +3,722 *1011 +4,38 *1013 = 1,507 *109 La esperanza matemtica en una distribucin binomial puede expresarse como: E(x) = np = 15(0,15)=2,25 Y la varianza del nmero esperado de xitos se puede calcular directamente: Var(x) = np(1p)= 15(0,15)(1 0,15)=1,9125 Aplicaciones 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. Los gobie rnos normalmente aplican mtodos probabilsticos en regulacin ambiental donde se les llama "anlisis de vas de dispersin", y a menudo miden el bienestar usando mtodos que son estocsticos por naturaleza, y escogen qu proyectos emprender basndose en anlisi s estadsticos de su probable efecto en la poblacin como un conjunto. No es correct o decir que la estadstica est incluida en el propio modelado, ya que tpicamente los anlisis de riesgo son para una nica vez y por lo tanto requieren ms modelos de pro babilidad fundamentales, por ej. "la probabilidad de otro 11 S". Una ley de nmero s pequeos tiende a aplicarse a todas aquellas elecciones y percepciones del efect o de estas elecciones, lo que hace de las medidas probabilsticas un tema poltico. Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto generalizado sobre los precios del petrleo en Oriente Medio que producen un ef ecto domin en la economa en conjunto. Un clculo por un mercado de materias primas e n que la guerra es ms probable en contra de menos probable probablemente enva los precios hacia arriba o hacia abajo e indica a otros comerciantes esa opinin. Por consiguiente, las probabilidades no se calculan independientemente y tampoco son necesariamente muy racionales. La teora de las finanzas conductuales surgi para d escribir el efecto de este pensamiento de grupo en el precio, en la poltica, y en la paz y en los conflictos. Se puede decir razonablemente que el descubrimiento de mtodos rigurosos para calc ular y combinar los clculos de probabilidad ha tenido un profundo efecto en la so ciedad moderna. Por consiguiente, puede ser de alguna importancia para la mayora de los ciudadanos entender cmo se calculan los pronsticos y las probabilidades, y cmo contribuyen a la reputacin y a las decisiones, especialmente en una democracia . Otra aplicacin significativa de la teora de la probabilidad en el da a da es en la f iabilidad. Muchos bienes de consumo, como los automviles y la electrnica de consum o, utilizan la teora de la fiabilidad en el diseo del producto para reducir la pro babilidad de avera. La probabilidad de avera tambin est estrechamente relacionada co n la garanta del producto. Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra ignorancia dada una situacin. Por consiguiente, puede haber u na probabilidad de 1 entre 52 de que la primera carta en un baraja sea la J de d iamantes. Sin embargo, si uno mira la primera carta y la reemplaza, entonces la probabilidad es o bien 100% 0%, y la eleccin correcta puede ser hecha con precisin por el que ve la carta. La fsica moderna proporciona ejemplos importantes de sit uaciones determinsticas donde slo la descripcin probabilstica es factible debido a i nformacin incompleta y la complejidad de un sistema as como ejemplos de fenmenos re almente aleatorios. En un universo determinista, basado en los conceptos newtonianos, no hay probabi

lidad si se conocen todas las condiciones. En el caso de una ruleta, si la fuerz a de la mano y el periodo de esta fuerza es conocido, entonces el nmero donde la bola parar ser seguro. Naturalmente, esto tambin supone el conocimiento de la inerc ia y la friccin de la ruleta, el peso, lisura y redondez de la bola, las variacio nes en la velocidad de la mano durante el movimiento y as sucesivamente. Una desc ripcin probabilstica puede entonces ser ms prctica que la mecnica newtoniana para ana lizar el modelo de las salidas de lanzamientos repetidos de la ruleta. Los fsicos se encuentran con la misma situacin en la teora cintica de los gases, donde el sis tema determinstico en principio, es tan complejo (con el nmero de molculas tpicament e del orden de magnitud de la constante de Avogadro 6\cdot 10^{23}) que slo la de scripcin estadstica de sus propiedades es viable. La mecnica cuntica, debido al principio de indeterminacin de Heisenberg, slo puede s er descrita actualmente a travs de distribuciones de probabilidad, lo que le da u na gran importancia a las descripciones probabilsticas. Algunos cientficos hablan de la expulsin del paraso.[cita requerida] Otros no se conforman con la prdida del determinismo. Albert Einstein coment estupendamente en una carta a Max Born: Jede nfalls bin ich berzeugt, da der Alte nicht wrfelt. (Estoy convencido de que Dios no tira el dado). No obstante hoy en da no existe un medio mejor para describir la fsica cuntica si no es a travs de la teora de la probabilidad. Mucha gente hoy en da confunde el hecho de que la mecnica cuntica se describe a travs de distribuciones d e probabilidad con la suposicin de que es por ello un proceso aleatorio, cuando l a mecnica cuntica es probabilstica no por el hecho de que siga procesos aleatorios sino por el hecho de no poder determinar con precisin sus parmetros fundamentales, lo que imposibilita la creacin de un sistema de ecuaciones determinista. Investigacin biomdica Vase tambin: Muestreo en estadstica La mayora de las investigaciones biomdicas utilizan muestras de probabilidad, es d ecir, aquellas que el investigador pueda especificar la probabilidad de cualquie r elemento en la poblacin que investiga. Las muestras de probabilidad permiten us ar estadsticas inferenciales, aquellas que permiten hacer inferencias a partir de datos. Por otra parte, las muestras no probabilsticas solo permiten usarse estads ticas descriptivas, aquellas que solo permiten describir, organizar y resumir da tos. Se utilizan cuatro tipos de muestras probabilsticas: muestras aleatorias sim ples, muestras aleatorias estratificadas, muestra por conglomerados y muestras s istemticas.