Be82a847 - Treball de Recerca

3
Probabilidad en los juegos de azar Ral Toledano

PROBABILIDAD EN LOS
JUEGOS DE AZAR
Autor: Ral Toledano
Tutor: Ferran Montardit
Fecha de entrega: 01/02/2012
olegio Mirasan! 2" de #achillerato

3
Nada sucede por casualidad, en el fondo las cosas
tienen su plan secreto, aunque nosotros no lo
entendamos
Carlos Ruiz Zafn
3
NDCE
PG.
1$ NTRODUCCN........................................................................................ 6
2. HSTORA DE LA PROBABLDAD............................................................ 8
2$1$ Los primeros juegos de azar ............................................................... 8
2$1$1$Las tabas....................................................................................... 8
2$1$2$Los dados...................................................................................... 9
2$2$ Precursores de la teora de la probabilidad ....................................... 10
2$2$1$Luca Pacioli................................................................................. 11
2$2$2$Girolamo Cardano....................................................................... 12
2$2$3$Niccolo Tartaglia......................................................................... 13
2$2$%$Galileo Galilei.............................................................................. 14
2$3$ Nacimiento de la teora de la probabilidad ....................................... 15
2$3$1$Blaise Pascal, Caballero de Mr, Pierre Fermat...................... 15
2$3$2$Christiaan Huygens..................................................................... 19
2$%$ Desarrollo de la teora de la probabilidad .......................................... 22
2$%$1$Jakob Bernoulli............................................................................ 22
2$%$2$Abraham de Moivre..................................................................... 23
2$%$3$Thomas Bayes............................................................................ 24
2$%$%$Pierre-Simon Laplace.................................................................. 28
2$&$ La probabilidad moderna ................................................................... 29
2$&$1$Francis Galton............................................................................. 29
2$&$2$Karl Pearson............................................................................... 31
2$&$3$Ronald A. Fisher......................................................................... 31
2$&$%$Pafnuti Lvvich Chebishev.......................................................... 32
'
2
2$&$&$Andri Mrkov............................................................................. 33
2$&$($Andri Kolmgorov...................................................................... 34
2$($ Problemas relevantes en la historia .................................................. 35
2$($1$La aguja de Buffon...................................................................... 35
2$($2$El principio de Dirichlet............................................................... 37
2$($3$La paradoja de San Petersburgo................................................ 38
2$($%$El problema de las puertas......................................................... 40
2$($&$Dados musicales de Mozart........................................................ 43
3$ MTODOS DE CONTEO.......................................................................... 45
3$1$ Permutaciones ................................................................................... 45
3$1$1$Permutaciones ordinarias o sin repeticin.................................. 45
3$1$2$Permutaciones con repeticin..................................................... 46
3$1$3$Permutaciones circulares............................................................ 47
3$2$ Variaciones ........................................................................................ 47
3$2$1$Variaciones sin repeticin........................................................... 47
3$2$2$Variaciones con repeticin.......................................................... 48
3$3$ Combinaciones .................................................................................. 48
3$3$1$Combinaciones sin repeticin..................................................... 49
3$3$2$Combinaciones con repeticin.................................................... 49
%$ CONCEPTO DE PROBABLDAD............................................................ 50
%$1$ Definicin de la probabilidad ............................................................. 50
%$2$ Espacios muestrales ......................................................................... 50
%$2$1$Espacios muestrales finitos........................................................ 50
%$2$2$Espacios muestrales finitos equiprobables..................................51
%$2$3$Espacios muestrales infinitos contables..................................... 51
'
3
%$3$ Sucesos ............................................................................................. 52
4.3.1. Tipos..........................................................................................52
4.3.2. Operaciones con sucesos........................................................ 53
&$ VARABLE ALEATORA............................................................................ 55
&$1$ Definicin ........................................................................................... 55
&$2$ Esperanza matemtica ...................................................................... 55
&$2$1$Propiedades de la esperanza matemtica................................. 56
&$3$ Varianza o desviacin tpica .............................................................. 57
&$3$1$Propiedades de la varianza........................................................ 57
($ ESTUDO DEL AZAR EN DSTNTAS STUACONES............................ 58
($1$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$El problema de los cumpleaos
.......................................................................................................... 58
($2$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$Los cromos
.......................................................................................................... 60
($3$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$El problema de la martingala
.......................................................................................................... 62
)$ LA PROBABLDAD EN LAS LOTERAS................................................. 64
)$1$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$Lotera de Navidad
.......................................................................................................... 64
)$2$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$Euromillo nes
.......................................................................................................... 66
)$3$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$La Primitiva
.......................................................................................................... 71
)$%$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$La Quiniela
.......................................................................................................... 72
)$&$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$Conclusiones
.......................................................................................................... 74
'$ CONCLUSONES...................................................................................... 76
'
2
*$ REFERENCAS......................................................................................... 78
*$1$ Bibliografa ......................................................................................... 78
*$2$ Web grafa ......................................................................................... 78
*$3$ ndice de imgenes ........................................................................... 81
'
3
1.NTRODUCCN
El trabajo est centrado especialmente en el campo de la probabilidad, una
parte de las matemticas que estudia los fenmenos aleatorios.
A lo largo de la historia, el ser humano ha estado interesado en la incerteza de
algunos sucesos aleatorios. A esa incerteza de no saber que podra pasar le
llamaron azar. La palabra azar etimolgicamente la empezaron a usar los
rabes (az-zahr) para denominar a una cara de un dado dibujada con una flor.
Actualmente se usa la palabra azar con el significado de la palabra de origen
romnico "alea
El tema de la probabilidad me ha interesado desde pequeo. Mi motivacin no
era buscar una estrategia ganadora para los juegos de azar, sino buscar el
porqu era tan difcil de ganar. Personalmente siempre me ha costado
entender por qu se poda conseguir tanto dinero en los casinos y en las
loteras del estado y por qu mucha gente se ha arruinado sin xito para
alcanzar los premios soados. Todas estas preguntas que seguramente se
podran encontrar dentro de muchas cabezas son las que me han impulsado
especialmente para escribir el trabajo en el que se intentar responder a esas
preguntas.
La investigacin se ha llevado a cabo mezclando teora y prctica. Teora
porque la documentacin sobre los juegos ha sido muy importante para saber
cmo se jugaba y prctica, por la experimentacin de como la probabilidad se
cumple en la mayora de los casos.
Los objetivos que se presentan en el trabajo son, en primer lugar, el anlisis de
los problemas ms importantes estudiados por matemticos muy relevantes y
que seguro que sonaran a ms de uno; en segundo lugar, la bsqueda de las
probabilidades de conocidos juegos azar y de las loteras, que tanto influyen en
nuestras vidas y siempre aspiramos a que nos toque por lo menos una vez.
Durante el trabajo haremos un recorrido por la historia para ver cmo ha
evolucionado la teora de la probabilidad y los juegos de azar desde sus inicios
hasta tal como los conocemos ahora. Tambin se estudiarn diversas
'
2
situaciones donde el azar puede engaar a nuestra intuicin hacindonos
pensar que tenemos opciones de ganar cuando en verdad no es as y para ello
se explicarn diversos mtodos para poder calcular las probabilidades.
'
3
2.Historia de la probabilidad
Los historiadores estn en completo desacuerdo sobre cul fue el inicio de la
teora de la probabilidad, algunos creen que fueron Luca Pacioli, Tartaglia y
Cardano, pero ellos no definieron la teora de la probabilidad solo resolvieron
problemas de juegos de azar que luego dieron lugar a ella. La idea
comnmente aceptada es que la teora de la probabilidad fue creada en el siglo
XV por Blaise Pascal y Pierre Fermat.
2.1. Los primeros juegos de azar
Desde tiempos inmemorables el hombre ha jugado con la probabilidad para
divertirse o incluso para ganar dinero. En este apartado del trabajo hablaremos
de los primeros juegos de azar. Eran tan perfectos como ahora o tenan sus
trucos?
2.1.1. Las tabas
Las tabas son huesos del taln de algunos animales llamados astrgalos. La
taba se empez a jugar en la poca de los antiguos egipcios pero de lo que se
conserva mas informacin es desde la civilizacin Griega (500 a.C.).
Fuente 1: Nombre con el
cual se denominaba a cada
una de las caras del hueso
'
2
En sus inicios en la poca griega la taba se usaba
como un mtodo adivinatorio, al cual le pusieron el
nombre de astragalomancia. Se usaba para prever el
tiempo y tambin en algunos rituales de carcter
religioso.
Los romanos tambin jugaban a las tabas, las
llamaban alea. Los nios romanos se divertan con el
juego pero los adultos, a diferencia de los griegos, la
usaban para apostar.
El juego de la taba tiene muchas modalidades, de las cuales se distinguen las
que son de habilidad y las que son de azar. La modalidad de habilidad
consista en lanzar una taba al aire y antes de tocar el suelo se deban colocar
otras cuatro en sus distintas posiciones, tal como se ve en la imagen (fuente 1).
Una de las modalidades que son de azar consiste en tirar la taba varias veces y
ganaba quien sumaba la puntuacin ms alta. Como se puede apreciar en la
imagen (fuente 1), el hueso de la taba tiene 4 caras desiguales, a las que se
daba puntaciones de: 1, 3, 4, 6.
2.1.2. Los dados
Fuente 2: Escultura de una
nia romana jugando a las
tabas.
Fuente 3: Juego de dados
'
3
Existen varias teoras acerca del origen de los dados pero la ms antigua nos
remonta hasta Egipto 2.600 aos antes de Cristo. Los dados de aquella poca
no eran muy perfectos ya que los instrumentos que utilizaban para hacerlos
eran muy rudimentarios y eso haca que las probabilidades que salieran
algunos nmeros eran ms altas que otros.
Otra teora acerca del origen de los dados nos dice que el juego proviene de
las Cruzadas del siglo X. Tropas inglesas asediaban el castillo llamado
Hazart, este nombre es el que pusieron al pasatiempo de los dados.
En cualquier caso el juego de los dados ya se haba extendido por toda Europa
durante el siglo XV, y se podan encontrar jugadores en cada taberna y
posada de todo el continente. Desde aqu pas a Amrica y all se le dio el
nombre de craps.
En el siglo XX se produjo un cambio en la dinmica del juego de los dados.
John H. Winn invent el juego tal como lo conocemos actualmente y cre el
tapete donde se introduciran las apuestas, el conocido "dibujo de
Philadelphia.
En el siglo XX, durante la Primera Guerra Mundial se podan encontrar
soldados de los dos bandos jugando a los dados. De aqu le viene la fama de
que se poda jugar a los dados prcticamente en cualquier sitio.
2$2$Precursores de la teora de la probabilidad
Uno de los primeros precursores de la probabilidad fue Richard de Fournival
(1200-1250), filsofo y trovador francs que escribi el libro De Vetula. Donde
postula sin demostrar empricamente que el nmero de combinaciones posibles
que se crean al lanzar tres dados son 216. Actualmente esto con un ordenador
se puede hacer fcilmente pero en aquella poca no era nada trivial, otros
matemticos fallaron al calcularlo por no tener en cuenta las distintas
permutaciones de un mismo nmero.
'
2
2.2.1. Luca Pacioli
Donde no hay orden hay caos
Luca Pacioli
El segundo precursor que cabe destacar es Luca Pacioli (14451517), fue un
fraile franciscano que en 1487 abord uno de los problemas ms importantes
del reparto de las apuestas, es decir, la distribucin de las ganancias a los
jugadores cuando la partida se interrumpa antes de terminar. Para ello
propuso un problema en particular:
La solucin de Pacioli usa lo siguientes calculos
5 3 8
11 11 11
+
8
11
, equivale a 22 ducados, por lo tanto al bando que va ganando le
corresponden
5
11
de 22 ducados y al bando que va perdiendo le corresponden
3
11
de 22 ducados.
Ms tarde por parte de Girolamo Cardano y Niccolo Tartaglia se vio que la
solucin dada por Pacioli era errnea porque no era equitativa y estaba mal
calculada.
Un juego de pelota en el cual se necesitan 60 puntos para ganar. El preio a repartir
es de !! ducados. Por algun oti"o el juego se interrupe y un jugador se #ueda
con $0 puntos y el otro con %0. &u' partici(n del preio le pertenece a cada uno)
Fuente %: +uca Pacioli
'
3
2.2.2. Girolamo Cardano
* uchos perjudica la carencia de edios+ coo e
ocurri( a , cuando en i po-reza e "i o-ligado a
ense.ar ate/ticas. 0o ignora-a+ en e1ecto+ cu/nto
prestigio perd,a yo por eso en el terreno de la
edicina
2irolao 3ardano
Girolamo Cardano (1501-1576) escribi el libro Li-er de ludo aleae 4li-ro de
los juegos de azar5 publicado pstumamente en 1663 aunque se cree que l lo
escribi en 1526. En este libro Cardano define esta expresin:
n
n r
r
t
Para medir la probabilidad de ganar un juego.
t son los casos iguales posibles
r son los casos favorables
n son las veces en que se repite un juego
Cardano, al igual que Pacioli, tambin se ocup del problema del reparto de
apuestas y lleg a la conclusin que Pacioli estaba equivocado.
Girolamo afirm que Pacioli estaba equivocado porque solo contaba el nmero
de juegos ganados por los dos participantes y no contaba el nmero de juegos
que tenan que ganar. La solucin que propuso fue esta:
1 1 2 ... ( )
2 1 2 ... ( )
Parte de e#uipo n -
Parte de e#uipo n a
+ + +
+ + +
n es el nmero total de puntos a jugar.
a y b son los puntos ganados por el equipo 1 y el equipo 2 respectivamente.
Fuente 5: Girolamo Cardano
'
2
Esta expresin da la proporcin correcta para el caso particular expuesto por
Pacioli, no para todos los casos en general.
2.2.3. Niccolo Tartaglia
Niccolo Tartaglia (1499-1557) critic la solucin
dada por Pacioli poniendo el ejemplo que si un
jugador haba conseguido 10 puntos y el otro 0,
utilizando el mtodo de Pacioli el premio le
correspondera totalmente al primer jugador
descartando toda posibilidad de remontada al
segundo jugador. Como eso no tena ningn
sentido, Tartaglia propuso que al jugador que vaya
ganando, se le tena que dar su apuesta ms la parte proporcional que le
tocaba por los puntos que haba conseguido, el resto le tocaba al otro jugador.
Esta es la expresin que us
( )
2
a -
P
P
n
1
_
t
1
,
]
P es el premio total
a son los puntos del jugador que va ganando
b puntos del jugador que va perdiendo
n puntos necesarios para ganar
segn si el jugador va ganando o va perdiendo
La idea de Tartaglia se ve claro con el ejemplo de Pacioli:
( ) ( ) 50 30
22
22 18,33 / 3,66
2 2 60
a -
P
P
n
1 1
_ _
t t
1 1
, ,
] ]
Por lo tanto el jugador * recibe 18,33 ducados y el jugador 6 recibe 3,66.
Tartaglia se basaba en la ventaja que ejerca un jugador frente al otro en el
momento en que se interrumpa un juego. Tartaglia no quedo muy convencido
de su solucin y dej claro que desde el punto de vista matemtico la solucin
Fuente 6: Niccolo Tartaglia
'
3
no era exacta porque las soluciones podan resultados con decimales
peridicos, pero para repartir equitativamente las apuestas, era buena.
2.2.4. Galileo Galilei
Las ate/ticas son el al1a-eto con el cual
Dios ha escrito el uni"erso
2alileo 2alilei
Galileo Galilei (1564-1642), fue un gran matemtico y fsico a la vez. De los
libros que escribi, en temas de probabilidad destaca el titulado 7opra le
scoperte dei dadi 4un descu-riiento concerniente a los dados5. En su libro
hace un estudio sobre el nmero de resultados posibles que se pueden obtener
al lanzar tres dados. Galileo fue el primero que mediante un simple clculo
demostr el nmero de combinaciones posibles que se podan conseguir con 3
dados:
3
6 216 . Empez a abarcar el problema numerando los dados y
calculando de cuantas maneras posibles se podan conseguir las puntuaciones
entre 3 y 18. Galileo calcul los posibles resultados nicamente entre el 3 y el
10 ya que consideraba que del 11-18 se podan calcular mediante simetra, 18
igual que 3, 17 igual que 4. Porque 18 slo se puede obtener sacando 3
seises y 3 con tres unos, y as sucesivamente. Tambin argument
correctamente que era preferible apostar al 10 que al 9 porque el 10 se poda
obtener mediante 27 combinaciones distintas en cambio el 9 solo se poda
obtener mediante 25. Aunque esto pueda parecer trivial Galileo reconoci que
le cost llegar a esa conclusin.
Pero esa no fue la nica y ms importante aportacin al mundo de la
probabilidad. Galileo cre la teora de la medida de errores, los errores de
Fuente 7: Galileo Galilei
'
2
medida no se pueden evitar y los separ en dos grupos: errores sistemticos
(son debidos a los mtodos de medida y a las herramientas usadas); y los
errores aleatorios (los que no siguen ninguna pauta y cambian de una medida a
otra). Con estas ideas que siguen en vigor actualmente contribuy al desarrollo
de la teora de la probabilidad y puso las bases de la estadstica. Lleg a una
conclusin, que los errores pequeos son ms frecuentes que los grandes.
2$3$Nacimiento de la teora de la probabilidad
La idea comnmente aceptada por la mayora de los historiadores es que la
teora de la probabilidad se cre en la segunda mitad del siglo XV por Blaise
Pascal (1623-1662) y Pierre Fermat (1601-1665) resolviendo problemas
planteados por el Caballero de Mr.
2$3$1$Blaise Pascal, Caballero de Mr, Pierre Fermat
8El uni"erso es una es1era in1inita cuyo centro
est/ en todas partes y la circun1erencia en
ninguna.8
6laise Pascal
Blaise Pascal (1623-1662) fue un matemtico, fsico, filsofo catlico y escritor
Fuente ': #laise Pascal
'
3
9e descu-ierto una deostraci(n "erdaderaente
ara"illosa de este teorea pero este argen es
deasiado pe#ue.o para contenerla.
2
n n n
a - c si n + >
4:eorea de ;erat5
Pierre ;erat
Pierre Fermat (1601-1665) fue jurista y matemtico francs
El Caballero de Mr, Antoine Gombaud, fue un noble escritor y filsofo que
vivi durante el reinado de Luis XV. El Caballero era un jugador empedernido
de los juegos de azar y quera buscar una frmula para hacerse rico con ellos.
Para ello mantuvo correspondencia con Blaise Pascal, y este a su vez con
Fermat, para que le ayudara a resolver algunos problemas sobre los juegos de
azar, en concreto juegos de dados.
El primer problema que propuso el caballero estaba relacionado con el reparto
de las apuesta.
Pascal sugiri que se jugara otra ronda y si el primer jugador ganaba se llevaba
toda la apuesta, pero si el otro ganaba, entonces quedaran empate, en
consecuencia cada uno se quedara con su apuesta, 32 doblones. En caso de
no querer jugar esta ltima ronda el primer jugador argumentara "Tengo
seguros 32 doblones aunque pierda y los otros 32 doblones los podra ganar o
no. Como existen las mismas posibilidades de que sean para m o que sean
para ti, sugiero que tu apuesta se divida entre dos, una parte para m y otra
para ti.
Fuente *: Pierre Fer,at
Dos jugadores apuestan %! do-lones cada uno en una partida de dados #ue consiste
en escoger un n<ero y tirar el dado las "eces necesarias para conseguir sacar el
n<ero escogido en % ocasiones. El prier jugador consigue #ue salga su n<ero
en ! ocasiones ientras #ue el segundo jugador solo ha "isto salir su n<ero una
"ez+ con las isas tiradas. =3(o se di"idir,a el preio de 6> do-lones si el juego
se tu"iera #ue interrupir)
'
2
Esta solucin tan simple aportada por Pascal no es adecuada para usarse en
casos ms complejos pero supone un cambio en el razonamiento de Pacioli y
Cardano, no en el caso de Tartaglia, que como hemos visto anteriormente, por
una parte estaba en lo cierto pero no supo cmo resolver el problema.
Pascal envi sus argumentos a Fermat por correspondencia y Fermat le
contest con una solucin ms compleja exponindole otro problema.
Fermat ya no le dio importancia a los juegos ganados sino a los juegos
necesarios para ganar. Antes de nada tuvo que decidir cuntas tiradas o
rondas sern necesarias para decidir quin es el ganador. Fermat sentencia el
juego realizando 4 tiradas ms. De todas las combinaciones posibles, que se
pueden dar en esas tiradas, cules darn por ganador al primer jugador y
cules darn por ganador al segundo? Para ello Fermat dijo que haba 16
combinaciones posibles y las reflej en esta tabla.
+ (Victorias de A)
(Victorias de B)
1 2 3 4 5 ! " # 1$ 11 12 13 14 15 1
+ + + + - + + - + - - - - - + -
+ + + - + + - + - + - - - + - -
+ + - + + - + + - - + - + - - -
+ - + + + - - - + + + + - - - -
Fijndonos en esta tabla vemos que las primeras 11 combinaciones favorecen
al jugador * y las restantes al 6. En conclusin el jugador * tiene 11 sobre 16
posibilidades de ganar (11/16) y el jugador 6 tiene 5 sobre 16 (5/16). Por lo
tanto la distribucin justa de la apuesta es de 11:5.
Pascal, despus de estudiar sobre el tringulo de distribucin binominal, da una
solucin general al problema del reparto de apuestas para juegos en que
participan 2 jugadores pero esa correspondencia se perdi. As que por parte
Dos personajes+ * y 6+ participan en un juego de dados. *l jugador * le 1altan !
rondas para ganar y al jugador 6 le 1altan %. =3(o se di"ide la apuesta si se
interrupe el juego en ese oento)
'
3
de Pascal tenemos dos respuestas, una para casos particulares y otra general,
distintas en opinin pero iguales en esencia con la solucin de Fermat.
El Caballero de Mr como pretenda hacerse rico propuso el siguiente juego:
arrojar un dado 4 veces seguidas y apostar para que salga al menos un 6.
Con este juego De Mr supuso que haba conseguido la estrategia ganadora,
tener ms posibilidades de ganar que de perder, pero como no estaba seguro
mand a Pascal por correspondencia que resolviera el problema.
Pascal resolvi el problema restando de todos los casos posibles (en
probabilidad es 1) los casos desfavorables en 4 tiradas y lo represent de la
siguiente manera
_

,
4
5
1 0,518
6
Como podemos ver el resultado es superior a 0,5 eso significa que hay ventaja
para el Caballero de Mr.
Para entender mejor esta ecuacin explicaremos como llego Pascal a esta
solucin.
Teniendo en cuenta que p y # son las probabilidades de xito y de fracaso,
respectivamente, podemos deducir que
1 p # +
, y si n es el nmero buscado
de partidas, la solucin se encuentra despejando la n en la igualdad.
As que conseguimos esta ecuacin analizando todas las combinaciones
posibles:
2 -1
1
... =
2
n
p #p # p # p + + + +
El juego de las 4 tiradas le dur bien poco al Caballero, ya que, sus oponentes
se dieron cuenta que jugaba con ventaja. Tuvo que inventarse un nuevo juego,
que consista en sacar un doble seis en 24 tiradas con dos dados, para seguir
ganando dinero, basndose en que 4 es a 6 como 24 es a 36. As que le
plante el problema a Pascal y ste a su vez le contest que no tena tiempo
para mandarle la solucin pero que el caballero se dara cuenta de su error.
El Caballero siguiendo los argumentos dados por Pascal consigui percatarse
de su error.
_

,
24
35
1 = 0,491
36
'
2
El Caballero lleg a la conclusin que ese juego era desfavorable para su
beneficio, por lo tanto tuvo que cambiar un poco las reglas del juego, de 24 a
25 tiradas, aumentando, as, sus probabilidades de ganar.
_

,
25
35
1 0,505
36
Con la resolucin de ste y ms casos propuestos por el Caballero de Mr se
empez a formalizar la teora de la probabilidad.
Fue Pierre-Simon Laplace quien atribuy todo el mrito de la resolucin del
problema del reparto a Pascal y a Fermat.
2$3$2$C hristiaan Huygens
El undo es i patria+ la ciencia i religi(n
3hristiaan 9uygens
Huygens (1629-1695) fue un cientfico holands que trabaj en varios campos
de fsica y matemticas. En un viaje a Francia vio los problemas que haba
propuesto el Caballero de Mr a Pascal y se qued impresionado, entonces
decidi estudiar la probabilidad desde el inicio. El problema del reparto de las
apuestas tambin fue abordado por Huygens llegando a la misma solucin que
Fuente 10: hristiaan -u.gens
'
3
Pascal pero con distinto mtodo e introduciendo un concepto nuevo en la teora
de la probabilidad, que era la esperanza matemtica. Cuando volvi a Holanda
escribi De ratiociniis in ludo aleae (Calculando en juegos de azar), un pequeo
tratado donde se incluyen los problemas resueltos por los franceses y por l.
Esta obra fue incorporada en el libro que escribi su maestro Frank Van
Schooten.
El tratado que escribi Huygens constaba de 14 pginas en las cuales
explicaba de forma detallada 14 proposiciones y 5 problemas planteados pero
no resueltos. Veamos algunas proposiciones:
Pro%o&ici'n () si se puede obtener de igual manera dos premios
entonces el e?pectatio es de
2
a - +
Para Huygens e?pectatio es @ y puede llegar a ella mediante un juego
equitativo. En el juego participa Huygens y otro oponente, los dos acuerdan
mediante un pacto que quien gane se llevar todo el premio, pero le tendr que
dar una pequea cantidad (la llamaremos a) al perdedor. Cada uno ha
colocado @ como apuesta, por lo tanto hay la misma probabilidad de ganar !@-
a (lo llamaremos -) que de ganar solo a.
Si gana Huygens se quedar con la cantidad - y su oponente a, y si pierde, l
se quedar con la a y su oponente con la -. Por lo tanto est comprobado que
2
a - +
es la e?pectatio.
Huygens aplica el mismo concepto de dos jugadores a tres jugadores,
cambiando la ecuacin de esta forma
3
a - c + +
.
La %ro%o&ici'n ((() Si las probabilidades de los dos oponentes son
distintas entonces el valor de e?pectatio es:
pa #-
p #
+
+
Siendo p los casos probables para la victoria del jugador a y # los casos
probables para la victoria del jugador -.
'
2
Desde la proposicin V hasta la X, Huygens habla de distintos mtodos para
resolver el problema del reparto de las apuestas, aqu hay algunos ejemplos.
Pro%o&ici'n (*) basndonos en el problema planteado por Pascal y
Fermat, el del juego a tres rondas, donde el primer jugador haba ganado ya
dos mientras que el segundo solo una, llamaremos al premio total a. Si el
primer lance lo gana el primer jugador la partida se acaba y se lleva todo el
premio. Pero si lo gana el segundo quedarn empate y se tendrn que repartir
el premio en partes iguales. Como el primer jugador tiene las mismas
probabilidades de ganar que de perder, basndonos en la primera proposicin
al primer jugador le toca
3
4
a y al segundo
1
4
a.
Pro%o&ici'n *() Huygens plantea cuntos sern los lances mnimos
para que salga un 6 y exista ventaja para el jugador. Huygens consigue llegar a
la misma solucin dada por Pascal pero desde el punto de vista de la
esperanza matemtica.
6 5
6
n n
n n
e

2$%$Desarrollo de la teora de la probabilidad

2$%$1$Jakob Bernoulli
'
3
La ley de grandes n<eros es una regla #ue
incluso la persona /s est<pida conoce
ediante cierto instinto natural per se y sin
instrucci(n pre"ia
AaBo- 6ernoulli
Jakob Bernoulli (1654 1705), nacido en Suiza fue el 5 hijo de una familia
dedicada plenamente a la ciencia aportando grandes descubrimientos. l en
concreto, como matemtico, escribi en su libro *rs 3onjectandi (El arte de la
conjetura) la que se conoce como primera ley de los nmeros grandes.
En su ley de los nmeros deca que un evento aleatorio debera ocurrir cierto
nmero de veces en n rondas o tiradas de dados.
Ejemplo: Bernoulli deca que si las matemticas no engaan, un punto en un
dado debera salir por lo menos una vez en seis tiradas (6 lanzamientos del
dado X 1/6 de probabilidad = 6/6 y en el caso de 12 tiradas debera salir por lo
menos 2 veces, as sucesivamente.
Su formulacin afirma que un evento aletorio se matiene constante sin importar
el nmero de rondas o tiradas.
Otra cosa importante que hizo Bernoulli fue establecer que los valores
matemticos de la probabilidad se siten entre el 0 y el 1.
2.4.2. Abraham de Moivre
Abraham de Moivre predijo cuando se morira
a partir de las horas que dorma diariamente.
Fuente 11: /a0ob #ernoulli
'
2
Se dio cuenta de que cada da dorma 20 minutos ms y dedujo que morira
cuando durmiera 24 horas.
Abraham de Moivre (1667-1754) fue un matemtico que naci en la regin
francesa de Champagne. Tuvo que exiliarse en Londres en busca de
proteccin frente una persecucin religiosa que le acechaba en Francia.
En Londres, Abraham public el libro :he doctrine o1 chance basado en los
estudios sobre la teora de la probabilidad de Pascal, Fermat y Huygens.
Posteriormente De Moivre sigui estudiando la probabilidad a partir del libro de
*rs 3onjectandi, profundizando aun ms en la distribucin normal y la
probabilidad frecuentista. Este trabajo le permiti a Abraham sacar la
conclusin de que un gran porcentaje de los resultados tienden a concentrarse
en un valor medio o central de la serie, mientras que un menor porcentaje
tiende a dispersarse respecto del valor medio. Con este mtodo es como
consigui formar la actual distribucin normal (fuente 13).
2.4.3. Thomas Bayes
Fuente 13: Ejemplo grafico de la distribucin normal estudiada por
Abraham de Moivre
Fuente 12: Abraha, de Moi1re
'
3
Thomas Bayes (1702 1761) fue un clrigo presbiteriano ingls que adems,
se dedicaba a las matemticas. nvestig sobre causas desconocidas,
deducindolas de acontecimientos observados. Esta investigacin fue til para
calcular el grado de acierto de un juicio.
Thomas Bayes fue el precursor de la probabilidad inversa. Explicaremos que es
la probabilidad inversa con este problema:
En una urna hay @ pelotas negras e C pelotas blancas. Este
problema siempre se resolva hacia adelante, es decir, partiendo en que se
conoca la cantidad exacta de pelotas blancas y negras que haba en la urna.
Pero Bayes enfoc de una manera distinta el problema, analizndolo hacia
atrs. Teniendo en cuenta que la urna no es tranparente y no se pueden ver las
pelotas que hay dentro. Qu cantidad de pelotas
blancas y negras quedan en la urna, sabiendo
que se han extrado 3 pelotas blancas y 5 negras
y que ahora solo quedan 5 pelotas en la urna?
Para resolver el problema el analista tiene que
deducir a partir de unos hechos, una hiptesis
para acercarle a las causas que generaron el
suceso. Thomas Bayes desarroll esta frmula
que actualmente ha tomado su nombre:
( \ ) ( )
( \ )
( )
P D 9 P 9
P 9 D
P D
a) La expresin H representa la hiptesis y la expresin D representa el

dato.
b) La expresin P (H) se denomina la probabilidad previa, es decir, la
probabilidad de que la hiptesis sea cierta antes de que se observe la
ocurrencia del dato analizado.
c) P(D\H) representa la denominada probabilidad condicional, es decir, la
probabilidad para que sea observado el dato en la hiptesis correcta
d) La expresin P(D) es la probabilidad marginal de que el dato pueda
ocurrir independientemente de que la hiptesis sea correcta o no
Fuente 1%: Tho,as #a.es
'
2
e) P (H\D) representa la probabilidad Posterior, es decir, la probabilidad de
que la hiptesis H sea correcta dada la ocurrencia del dato a partir de la
informacin disponible.
Pero el valor de la probabilidad marginal (P (D)) puede tener varios valores,
entonces Bayes concluye que dichos valores se tendrn que multiplicar por
cada posible hiptesis y luego sumarlas. Bayes cre este sumatorio:
( ) ( ) ( ) ( ) ( ) ( ) ( ) \ \ \
n n
+ + +
1 1 2 2
P + P + , P , P + , P , P + , P ,
Vemoslo aplicado en el siguiente ejemplo:
En el esquema se nos presentan unos recipientes con billetes. El primer
recipiente est lleno con billetes de tal forma que tiene 2/3 partes de su
contenido en billetes de 50 dlares y 1/3 parte en billetes de 100. En cambio el
segundo recipiente est lleno en su totalidad con billetes de 100. Pero en la
mesa, fuera, entre los dos recipientes nos percatamos que hay un billete de
Fuente 1&: e23licaci4n gr56ica del 3roble,a
'
3
100. Cul es la probabilidad que el billete de 100 haya cado del primer
recipiente? Y del segundo?
Para resolver el problema vamos a usar el mtodo aportado por Bayes, aunque
a simple vista podamos pensar que pertenece al segundo recipiente ya que hay
ms cantidad de billetes de 100.
En el problema de los billetes podemos relacionar "D con la del billete de 100
dlares situado en la mesa. Y las posibles hiptesis son:
H
1
: que el billete proceda del primer recipiente
H
2
: que el billete proceda del segundo recipiente
Con estos datos ya podemos abarcar el problema.
El valor P (H
1
), probabilidad previa, lo calcularemos separando los billetes en
grupos. En el 1.
er
recipiente hay un 1/3 de billetes de 100 y 2/3 de billetes de 50
en cambio el 2. recipiente est lleno de billetes de 100, por lo tanto tendremos
la unidad (1).
1 2
1 2
3 3
+ + Unidades. La probabilidad de que el billete proceda
del primer recipiente es de
1 1
: 2 0,16
3 6

El valor de P (H
2
), probabilidad previa, se calcula a partir de lo calculado
anteriormente, es decir del total de dos unidades sabemos que pertenecen al
segundo recipiente una unidad, por lo tanto la probabilidad de que el billete
venga del segundo recipiente es de 1: 2 0,5
El valor P (D/H
1
), probabilidad condicional, es decir la probabilidad de que el
billete proceda del primer recipiente suponiendo de que la hiptesis es cierta.
Como solo hay 1/3 de billetes de 100 en el primer recipiente, podemos afirmar
que hay 1/3 de probabilidades = 0,33
El valor P (D/H
2
), probabilidad condicional, en el caso del segundo recipiente,
es 1 ya que el recipiente est lleno en su totalidad de billetes de 100
'
2
El valor P (D), probabilidad marginal, es decir la probabilidad de que el dato (el
billete) puede proceder de cualquiera de los dos recipientes se calculara de la
siguiente manera:
( ) ( ) ( ) ( ) ( )
( ) ( )
1 1 2 2
\ \
0,33 0,16 1 0,5 0,0528 0,5 0,5528
P D P D 9 P 9 P D 9 P 9 +
+ +
Con todos estos clculos ya podemos usar el teorema de Bayes separando las
dos hiptesis.
1 1)
1
( \ ) (
0,33 0,16
( \ ) 0,0955
( ) 0,5528
P D 9 P 9
P 9 D
P D

2 2
2
( \ ) ( ) 1 0,5 0,5
( \ ) 0,904
( ) 0,5528 0,5528
P D 9 P 9
P 9 D
P D

Mediante la probabilidad inversa podemos tener la certeza de que el billete
procede del segundo recipiente con un 90,4% frente a un 9,6% de que proceda
del primer recipiente. Pero estos resultados pueden cambiar si se obtiene ms
informacin del problema, en el caso de encontrarnos otro billete fuera.
2.4.4. Pierre-Simon Laplace
En el 1ondo la teor,a de pro-a-ilidades es s(lo sentido co<n e?presado con
n<eros
'
3
Pierre-7ion Laplace
Laplace (1749-1827) fue un matemtico y astrnomo francs nacido en
Normanda que dedic parte de su vida a estudiar la probabilidad. Se centr
bsicamente en los estudios que empez a realizar Abraham de Moivre y
Thomas Bayes.
Laplace sac una regla de probabilidad apta para usarla en la mayora de
juegos de azar y eventos que no tenemos la total certeza de que pasen. Es la
siguiente:
de casos favorables
( )
de casos posibles
n<ero
P @
n<ero
Basndose y poniendo como ejemplo la salida del sol cada maana, l dijo que
la probabilidad era de (n+1)/(n+2), donde n es el nmero de das que el sol ha
salido en el pasado.
En 1812, Laplace escribi un libro llamado :eor,a anal,tica de las
pro-a-ilidades donde resuma los trabajos que, sobre este tema, haba
efectuado hasta entonces. En este tratado desarrolla el clculo que permite
asignar un grado de credibilidad racional a los sucesos aleatorios.
2.5. La probabilidad moderna
2.5.1. Francis Galton
Fuente 1(: Pierre78i,on +a3lace
'
2
La estad,stica es la <ltia herraienta con
la #ue puede a-rirse una -recha a tra"'s
de la espesura de di1icultades #ue
o-struyen el sendero de #uienes -uscan la
ciencia del ho-re.

;rancis
2alton
Sir Francis Galton (1822-1909) fue un polmata, es
decir, era conocedor de muchas cosas en general sin centrarse en ninguna. A
lo largo de su vida fue antroplogo, psiclogo, gegrafo, inventor y estadstico
entre otras muchas cosas. Galton utiliz la ley de la probabilidad normal en la
versin bivariada para estudiar el comportamiento de los errores de dos
caractersticas que varan juntas. Esto ya fue estudiado con anterioridad pero
Galton conoca el coeficiente de correlacin que cuantifica el grado de
asociacin entre las dos caractersticas. Con ello pudo dar origen a la ley
normal multivariada, que se ocupa del estudio de observaciones con mltiples
variables.
Pero Francis Galton no se qued con eso, tambin dise una mquina que
seguro que la conocemos por algunos juegos de azar como "Quincunce o
como popularmente se dice "mquina de Galton (fuente 18).
Su funcionamiento es muy sencillo, las bolas se colocan en la parte superior
del aparato y a medida que van cayendo, van chocando contra los clavos.
Cada vez que una bola impacta contra un clavo tiene la probabilidad del 50%
de que se vaya hacia la derecha o hacia la izquierda.
Si nos fijamos bien en la imagen nos daremos cuenta que la quincunce es
como el tringulo de Pascal cambiando nmeros por clavos. Cada nmero nos
dice cuntos caminos puede recorrer la bola.
Fuente 1): Francis 9alton
'
3
Sabiendo eso podemos decir que la frmula del tringulo de Pascal se puede
usar, un poco modificada para saber que probabilidad hay de que una bola
caiga en un determinado contenedor.
A partir de esta frmula
( )
!
! !
n
n
r r n r
_
,
y definiendo la constante de p
(probabilidad) que en este caso ser 0,5 ya que hay las
misma probabilidad de que al chocar la bola contra un clavo vaya hacia la
derecha o hacia la izquierda, tendremos esta funcin (ley binominal):
( \ \ ) (1 )
r n r
n
1 r n p p p
r

_

,
n D Nmero de filas.
r = Posicin del contenedor que queremos calcular su probabilidad.
p = constante de probabilidad (0,5).
Ejemplo:
Qu probabilidades hay de que la bola caiga en el quinto contenedor
empezando por la derecha teniendo en cuenta que nuestro quincunce tiene 15
filas?
5 15 5
15
(5 \ 15 \ 0,5) 0,5 (1 0,5) 0,092
5
1

_

,
Es decir tenemos un 9,2 % de probabilidad de que la bola caiga en el
contenedor 5.
2.5.2. Karl Pearson
:odos los grandes cient,1icos+ en cierto sentido+
han sido grandes artistas+ el ho-re sin iaginaci(n
puede recoger hechos+ pero no puede hacer
grandes descu-riientos.
Earl Pearson
Fuente 1': :uincunce
'
2
Karl Pearson (1857-1936) fue un matemtico ingls con formacin en la
literatura medieval alemana, derecho romano, fsica, biologa y teora poltica
del socialismo. En 1890 destac de entre todas sus cualidades la estadstica y
la teora de la probabilidad al resolver diferentes problemas de la ingeniera
industrial, tales como determinar la resistencia, la fuerza o la durabilidad de
aleaciones, resortes, etc. En 1892 escribi el libro 2ra/tica de la ciencia+
donde sali a relucir su conviccin de que la estadstica analtica est en los
fundamentos de todo el conocimiento.
2.5.3. Ronald A. Fisher
Las ejores causas tienden a atraer a su apoyo
los peores arguentos+ lo #ue parece ser
igualente cierto en lo intelectual y en el sentido
oral
Fonald *. ;isher
Ronald Aylmer Fisher (1890-1962) fue cientfico, matemtico, estadstico,
bilogo evolutivo y genetista ingls. En 1919 ingres en la estacin
experimental de Rothamsted. All se dedic al estudio de tcnicas que son
consideradas claves para el diseo de experimentos, sus resultados fueron
incluidos en su libro :he design o1 e?perients (1935). Las tcnicas ms
importantes que desarroll fueron: la aleatorizacin, que constituye una
proteccin contra la introduccin de factores impredecibles, en el experimento;
el diseo factorial, para el estudio del efecto de varios factores; y el anlisis de
Fuente 1*: ;arl Pearson
Fuente 20: Ronald A$ Fisher
'
3
la varianza, tcnica de anlisis de los resultados de la experimentacin que
permite separar las fuentes de variacin, y as determinar el grado de influencia
de cada factor.
2$&$%$Pafnuti Lvvich Chebyshev
*islar ate/ticas de las deandas pr/cticas de las ciencias es in"itar la
esterilidad de una "aca cerrada lejos de los toros.
Pa1nuti L"("ich 3he-yshe"
Chebyshev fue un matemtico ruso que naci en
1821 y muri en 1894. A lo largo de su vida
Chebyshev edit algunos trabajos de Leonard
Euler que le hicieron interesarse en el mundo de
las matemticas. Despus de ser el mejor profesor
de la universidad dnde trabajaba, dedic toda su
vida a la investigacin, el tema por el cual fue ms
conocido fue el de la probabilidad y la estadstica. Dise la desigualdad de
Chebyshev, el cual dice que la probabilidad de que una variable aleatoria est
separada de su media en ms de n veces la desviacin tpica, y que esta, a su
vez, es menor o igual que
2
1
n
. Teniendo en cuenta que E(x) es la media (o la
esperanza matemtica) y o es la desviacin tpica, podemos establecer la
relacin entre los dos valores con esta frmula:
Fuente 21: Pa6nuti +141ich hebishe1
'
2
2
1
(| ( ) | ) P @ E @ n
n

Durante su poca de universidad dej un legado
de excelentes estudiantes que tambin dedicaron
su vida a la investigacin, entre ellos estn
Aleksandr Liapunov y Andri Mrkov.
2.5.5. Andri Mrkov
Andri Mrkov fue un matemtico ruso que naci en 1856 y falleci en 1922.
Fue conocido bsicamente por sus aportes a la teora de la probabilidad.
Revis los trabajos de su maestro Chebyshev e incluso se puso a corregir
algunos errores que haba cometido. Pero no es conocido solamente por eso
sino tambin por las cadenas de Mrkov, secuencias de valores de una
variable aleatoria en las que el valor de la
variable en el futuro depende del valor de la
variable en el presente. Este tipo de cadenas
son muy utilizadas en la actualidad en reas
como la economa, juegos de azar, ingeniera.
2.5.6. Andri Kolmgorov
El cere-ro huano es incapaz de crear algo #ue es realente coplejo.
Fuente 22: Andr<i M5r0o1
'
3
*ndr'i Eol(goro"
Andri Kolmgorov fue un matemtico ruso que a lo largo de su vida (1903-
1987) hizo grandes avances en la teora de la probabilidad. Su gran aporte fue
la axiomatizacin de la probabilidad, es decir, una serie de requisitos mnimos
que deben verificarse para que una funcin definida sobre un conjunto de
sucesos determine correctamente sus probabilidades.
La definicin axiomtica de la probabilidad es una equivalencia entre los
conceptos de la teora de la medida y los de la teora de la probabilidad.
G es un conjunto de medida 1, cuyos elementos son sucesos elementales.
* es una olgebra de G, es decir un subconjunto de G.
La funcin P asigna valores reales entre 0 y 1 a un suceso.
La unin de los tres elementos definidos se convierte en un espacio de
probabilidades.
1$ A un suceso aleatorio * hay asociado un nmero nonegativo P(*) que
se llama su probabilidad.
2$ P(G)=1
3$ Si *
H
, *
!I
son sucesos mutuamente excluyentes (incompatibles dos a
dos, disjuntos o de interseccin vaca dos a dos), entonces:
1 2
( ...) ( ) P * * P *i
A partir de Kolmgorov dedujo que:

1$ ( ) 0 P (el smbolo del conjunto vacio simboliza que es un suceso
imposible)
2.
( ) 1 P *
3. , ( ) 1 ( )
c
6 P 6 P 6
4.
,0 ( ) 1 6 P 6
5.
( ) ( ) 6 3 P 6 P 3
6.
( ) ( ) ( ) ( ) P 6 3 P 6 P 3 P 6 3 +
7.
1
1
( ... ) ( )
n
n j
j
P 6 6 P 6
Fuente 23: Andr<i ;ol,4goro1

'
2
2.6. Problemas relevantes en la historia
2.6.1. La aguja de Buffon
Los #ue escri-en coo ha-lan+ por -ien #ue ha-len+
escri-en uy al.
2eorges Louis Leclerc
Georges Louis Leclerc (1707-1788), ms conocido como Conde de Buffon, fue
un polmata francs, nacido en la localidad de Montbard, que a parte de las
matemticas se interes, tambin, por la botnica, la biologa, cosmologa y
escritura entre otras muchas cosas. Centrndonos en sus aportes
matemticos, escribi una obra llamada Ensayo de arit'tica oral donde el
conde hace una introduccin a un nuevo tipo de probabilidad basndose en la
geometra.
Para demostrar la relacin que exista entre la teora de la probabilidad y la
geometra propuso otro mtodo para descubrir el nmero
mediante un
experimento peculiar, convirtindose en el primer problema de probabilidad
donde apareca la geometra.
El experimento consista en que en un papel trazado con lneas paralelas
equidistantes, con distancia d, se calculara la probabilidad de que si se lanzaba
una aguja con una longitud igual a la mitad de la separacin de las lneas,
cruzara alguna de ellas.
Lo que demostr el Conde de Buffon era que la probabilidad de que una aguja
cruzara una lnea era de
2
1
2
d
d
. Si relacionamos esta frmula con la regla de

Fuente 2%: 9eorges +ouis +eclerc
'
3
Laplace obtendremos la divisin del nmero de veces que la aguja cruza una
lnea (@) y el nmero de intentos (C), que sera otro mtodo para resolver la
probabilidad, y si aslanos el nmero
nos encontramos con una aproximacin

de este.
1 ?
y

y
?

Cuantas ms veces se realice el experimento se
obtendr una aproximacin ms exacta del numero
. Como curiosidad el propio Buffon realiz el

experimento tantas veces que consigui aproximarse
hasta con 3 decimales del nmero.
2.6.2. El principio de Dirichlet
Fuente 2&: =23eri,ento de
la aguja de #u66on
'
2
Este principio fue postulado por un matemtico alemn llamado Peter Dirichlet
(1805-1859). Dirichlet naci en Dren pero fue educado en Francia donde pudo
relacionarse con matemticos relevantes como Fourier. Despus de realizar un
doctorado trabaj como profesor de universidad en Berln, all es donde realiz
distintos aportes matemticos que se centraron en la teora de nmeros. Uno
de sus aportes fue en el desarrollo de las series de Fourier.
Dirichlet dijo que si un palomar tena huecos y haba JH palomas
significaba que en un hueco haba 2 palomas. Esta sera una explicacin muy
simple del principio del palomar, pero como en matemticas nada es tan simple
como parece ahora demostraremos el principio del palomar, tambin llamado
principio de los casilleros o de Dirichlet.
Suponiendo que tenemos n objetos y casilleros con n K B, siendo B el
numero de objetos que caben en cada casillero. Probemos que el principio es
falso, es decir que no hay casilleros con B J H objetos. Entonces tenemos que
el sumatorio de los objetos, 0
H
J 0
!
JI 0
, sern los objetos que caben en el

casillero. Pero como sabemos que en cada casillero caben B objetos o menos
obtenemos 0
H
L E+ 0
!
L E+ 0
L B, es decir el nmero total de objetos es

menor o igual que km 4n L B5. Pero esto es falso ya que antes hemos
definido el problema teniendo en cuenta que n K B. Por lo tanto el principio de
Dirichlet es totalmente vlido y cierto.
Ejemplos
Fuente 2(: Peter >irichlet Fuente 2): Palo,ar
'
3
Si una persona no puede tener ms de 200.000 cabellos, es posible
que en una ciudad de 250.000 habitantes haya 2 con el mismo nmero
de pelos en la cabeza?
S, porque si las palomas son los 250.000 y los nidos son las cantidades de
cabellos, habr palomas que compartan nido. Con otras palabras habr
50.000 personas que tengan el mismo nmero de cabellos que otras.
Si la semana pasada un mensajero hizo 29 envos urgentes, es posible
que hiciera los envos en das distintos?
No, es imposible que 29 palomas duerman en huecos distintos si solo hay
7.
2.6.3. La paradoja de San Petersburgo
Esta paradoja fue planteada en 1708 en las correspondencias habidas entre
Pierre Raymond de Montmort y los hermanos Bernoulli, Daniel y Nicols. El
problema que se plante fue un juego entre dos personas, * y 6.
El juego consiste en lanzar una moneda al aire y conseguir el mximo nmero
de caras posible hasta que sale cruz y se deja de jugar. Cada vez que sale una
nueva cara se duplica el premio, hasta que salga cruz y entonces el jugador *
se lleva toda la ganancia acumulada. Es decir, si la primera tirada es cruz, no
se ganan nada; si la primera es cara y la siguiente cruz, se ganan 2 euros; si
saliesen 2 caras y una cruz, se ganan cuatro, y as sucesivamente. Por
ejemplo, si hubiese alguien tan afortunado como para sacar 10 caras seguidas
antes de obtener una cruz, ganara 2
10
euros, o sea, 1024 euros
En otras palabras:
La probabilidad de que el jugador * cobre 2 euros es de
1
4
La probabilidad de que el jugador * cobre 2
2
euros es de
3
1
2
La probabilidad de que el jugador * cobre 2
n
euros es de
1
1
2
n+
El problema es cunto tiene que pagar el jugador A para que el juego sea
equitativo?
'
2
Basndonos en el valor esperado nos daremos cuenta de que la suma es
infinita:
2
3 1
1 1 1
( ) 2 2 ... 2 0,5 0,5 ... 0,5
4 2 2
n
n
E juego
+
+ + + + + +
Por lo tanto, en teora, el jugador * debera pagar al jugador 6 una suma
infinita de dinero. Pero todos sabemos que no podemos pagar tanto y que el
nmero de tiradas no puede ser infinito por varias limitaciones.
Daniel y Nicols llegaron a una conclusin para resolver el problema, que el
valor del juego, no es el valor esperado en trminos monetarios, sino el valor
esperado medido en "tiles.
Hay que tener en cuenta que el valor del dinero no es el mismo para los
matemticos que para los dems, ya lo deca D. Bernoulli:
"Los matemticos, en su teora, valoran el dinero en proporcin a la cantidad
del mismo; la gente con sentido comn, en la prctica, lo valora en proporcin a
la utilidad que puede obtener de l.

Dicho en otras palabras, el valor de 100C no es el mismo para una persona que
tiene 0C que para una persona millonaria. El pobre le dar ms utilidad al
dinero que el rico, que le parecer una cantidad insignificante.
Para resolver el problema hay que medir el valor esperado del juego en utilidad
esperada que llamaremos U. Si cambiamos el valor esperado por la utilidad,
nos queda de la siguiente manera:
2
3 1 1
1 1 1 2
2 2 ... 2
4 2 2 2
n
n
n n
u
U u u u
+ +
+ + +
Donde U4?5 representa la utilidad de percibir ? euros.

La eleccin de una funcin de utilidad es totalmente subjetiva por lo que hemos
dicho del valor del dinero, que no es igual para todo el mundo. Pero an as
Gabriel Cramer y Bernoulli probaron con algunas funciones para acercarse lo
ms posible a un valor medio, ni muy conservador ni muy arriesgado. Adems
'
3
deba tener estas caractersticas: creciente, cncava y nula en el origen (la
utilidad que produce de tener cero euros tambin es cero).
oncretamente, Cramer prob con la funcin
?
. Desarrollando la expresin,
veramos que
n 1
2 1
2
1
2 2
U 2
2
2
n
n
n
n
+
_

,
+
1
1 1
1
1 1
1
1 1
] ]
1
]

. Si realizamos la suma de
infinitos trminos (que no tiene mayor problema, porque es geomtrica y
convergente), resulta que la utilidad esperada del juego es 1,207 medida en
tiles.
Pero como lo que nos interesa es cuanto tiene que pagar nuestro jugador
1,207 1,457C ? ?
Esta cifra no es ni mucho menos disparatada porque tenemos un 50% de
probabilidades de perder el dinero invertido.
Este caso nos ensea claramente como la intuicin que tenamos con la
esperanza matemtica era errnea porque nos daba un resultado disparatado
e imposible.
2.6.4. El problema de las puertas
Este curioso problema, tambin conocido como el problema de Monty Hall,
est inspirado en el concurso estadounidense emitido por televisin desde
Fuente 2': =l 3roble,a de las 3uertas
'
2
1963 al 1990, llamado LetMs aBe a deal 4hagaos un trato5 y le pusieron el
nombre de Monty Hall en honor a su presentador.
La primera persona que dio respuesta al problema fue Marilyn vos Savant.
Nacida en 1946, es una columnista, escritora,
conferencista y dramaturga estadounidense que
pas a ser muy conocida al ser la persona con
ms cociente intelectual del mundo con una
puntuacin de 228. Desde 1986 escribe una
columna dominical llamada *sB Narilyn
4Pregunta a Narilyn5 en la revista Parade
donde se dedica a responder diversas
preguntas de sus lectores. Fue en esta columna
cuando en 1990 Marilyn recibe una carta de
3raig ;. OithaBer donde le propuso el problema
de las puertas para que ella lo resolviera.
Supongamos que nos encontramos en un concurso parecido a "Let's make a
deal y nos ofrecen tres puertas, en dos de ellas hay cabras y en la otra un
precioso coche. El presentador, que ya sabe lo que hay detrs de cada puerta,
nos dice que escojamos una de ellas y nos decidimos por la tercera. Para dar
ms emocin al asunto el presentador abre la segunda y vemos que detrs hay
una cabra. Para finalizar el presentador nos ofrece la posibilidad de cambiar la
tercera puerta por la primera. Qu es mejor, quedarnos con la tercera, aceptar
la propuesta del presentador o da igual lo que escojamos ya que hay las
mismas probabilidades de que el premio est en una o en otra?
Muchos de nosotros pensaramos que la tercera opcin es la correcta, que da
igual cual escojamos ya que hay 50% de probabilidades de que est en una o
en otra, pero esto no es cierto y ahora veremos por qu.
Si escogemos la opcin de no cambiar de puerta la situacin se nos presenta
de la siguiente manera:
El presentador nos hace escoger puerta dndonos cuenta de que tenemos
1
3
de probabilidades (33%) de escoger el coche y
2
3
de probabilidades (66%) de
Fuente 2*: Maril.n ?os 8a1ant
'
3
escoger las cabras. Escogemos la tercera y el presentador nos abre la segunda
y vemos que hay una de las dos cabras. Como hemos escogido no cambiar
nos quedamos con los mismos porcentajes que al principio un 33% de
conseguir el coche y un 66% la cabra. Esto no es nada bueno.
Veamos qu ocurre si aceptamos la propuesta del presentador y decidimos
cambiar de puerta:
El presentador nos dice que escojamos puerta y como hemos dicho antes hay
un 66% frente a un 33% de escoger las cabras, escogemos la tercera e igual
que antes el presentador abre la segunda y hay una cabra. Es decir ya solo
hay una cabra y un coche. Si cambiamos a la primera las probabilidades
cambian completamente y ahora tenemos un 66% de conseguir un coche
frente al 33% de las cabras.
El porqu, es muy sencillo, el presentador siempre abrir la puerta que no
hayamos escogido donde habr una cabra. Si al principio la puerta que hemos
escogido tiene una cabra al cambiar de puerta nos llevaramos el coche, no
obstante, si la primera puerta que escogemos contiene el coche al cambiar de
puerta nos llevaramos la cabra. Pero como hemos dicho antes hay un 66% de
escoger una cabra al principio, por lo tanto hay un 66% de llevarse el coche.
'
2
Fuente 30: =23licaci4n gr56ica del 3roble,a
'
3
2.6.5. Dados musicales de Mozart
0adie puede edir sus propios d,as+
hay #ue resignarse. 7uceder/ coo
desee la pro"idencia
Wolfgang Amadeus Mozart
Wolfgang Amadeus Mozart naci en Salzburgo en 1756 y falleci en Viena en
1791. Mozart fue uno de los ms grandes y conocidos compositores y pianistas
del mundo pero su ingenio lleg ms lejos que el de cualquier otro msico. l
dise un generador de valses mediante un proceso aleatorio.
Mozart compuso 176 compases musicales numerados del 1 al 176 y los coloc
aleatoriamente, en dos tablas de 11 filas por 8 columnas de la siguiente forma:
Fuente 31: @ol6gang A,adeus Mozart
Fuente 32: Tablas nu,eradas con los co,3ases
'
2
Como se puede ver en las imgenes, Mozart dise dos tablas que son las dos
partes del minueto. Los nmeros del 2 al 12 que se pueden ver en la columna
de la izquierda son las sumas posibles obtenidas al lanzar dos dados y los
nmeros romanos, corresponden a los 8 compases de cada parte del minueto.
Si no tenemos en cuenta de que algunos compases son casi iguales, las
combinaciones que se pueden obtener son del orden de
16
11
. El nmero de
combinaciones es tan grande que si se tocara sin parar da y noche a la
velocidad de 30 segundos cada interpretacin estaramos 728 millones de aos
para escuchar todos los posibles resultados.
Pero la probabilidad de que salgan las distintas sumas de los dos dados no es
la misma. Saldrn ms veces las composiciones con el nmero 7, como se ve
en el cuadro de clculo siguiente:

P (2) =
1
36
=> (1+1) P (8) =
5
36
=> (2+6)(6+2)(3+5)(5+3)(4+4)
P (3) =
2
36
=> (1+2)(2+1) P (9) =
4
36
=> (3+6)(6+3)(4+5)(5+4)
P (4) =
3
36
=> (1+3)(3+1)(2+2) P (10) =
3
36
=> (4+6)(6+4)(5+5)
P (5) =
4
36
=> (1+4)(4+1)(2+3)(3+2) P (11) =
2
36
=> (5+6)(6+5)
P (6) =
5
36
=> (1+5)(5+1)(2+4)(4+2)(3+3) P (12) =
1
36
=> (6+6)
P (7) =
6
36
=> (1+6)(6+1)(2+5)(5+2)(3+4)(4+3)
'
3
3. MTODOS DE CONTEO
3.1. Permutaciones
Se podra definir las permutaciones como el conjunto de formas de ordenar un
conjunto finito de elementos siguiendo estas caractersticas:
1) -. entran todos los elementos.
2) -. importa el orden.
3) -i/No se repiten los elementos (dependiendo si son con
repeticin o sin repeticin)
Ejemplo:
! ( 1) ( 2)... 3 2 1
a
P a a a a
3.1.1. Permutaciones ordinarias o sin repeticin
En el ejemplo anterior hemos denominado P
a
al conjunto de los distintos grupos
que se pueden formar. Los grupos solo se diferencian entre s por el orden de
los elementos, por nada ms. La permutacin de un grupo de n elementos se
expresa de la siguiente manera:
!
n
P n
Para calcular las permutaciones se usa el trmino de factorial. El factorial de un
numero (n) se puede calcular con la multiplicacin de n por 4n-H5!.
Aqu algunos ejemplos:
1! = 1 = 1 1
2! = 2 = 2 1
3! = 6 = 3 2 1
4! = 24 = 4 3 2 1
5! = 120 = 5 4 3 2 1
6! = 720 = 6 5 4 3 2 1
'
2
Ejemplo: De cuntas maneras se pueden colocar 5 libros en una estantera?
5! 120
Se pueden colocar los libros de 120 maneras distintas.
3.1.2. Permutaciones con repeticin
Las permutaciones con repeticin son distribuciones de n elementos de los
cuales, hay grupos de elementos iguales, en un orden concreto.
, , ...
!
! ! !...
a - c
n
n
PF
a - c
El mtodo para calcular las permutaciones con repeticin es el siguiente:

1A Calcular la permutacin de n elementos
!
n
P n
2A Agrupar los factoriales del nmero de elementos iguales en cada
grupo, ! ! !... a - c
3) Calcular las permutaciones con repeticin dividiendo la permutacin
de todos los elementos por los grupos de elementos iguales.
La ecuacin final queda as:
, , ...
!
! ! !...
a - c
n
n
PF
a - c
Ejemplo:
Con las cifras 3, 3, 4, 4, 4, 5, 5, 5, 6. Cuntos nmeros de nueve cifras se
pueden formar?
2 a 3 - 3 c
2,3,3
9
9!
PR 5040
2!3!3!

Se pueden formar 5040 nmeros de 9 cifras.
'
3
3.1.3. Permutaciones circulares
Estas permutaciones son utilizadas en el caso de que los elementos estn
colocados de forma circular. Las permutaciones circulares se definen de la
siguiente manera:
( 1)!
n
P3 n
Ejemplo: Cuantas permutaciones se pueden formar con las letras P+ N+ P+ 0
colocadas de manera circular?
( )
4
Pc 4 1 ! 3! 6
Esta sera la representacin grfica
3.2. Variaciones
Una variacin es una modificacin de los elementos que forman un grupo o del
orden en que estn puestos.
1) No entran todos los elementos.
2) -. importa el orden.
3) No/-. se repiten los elementos segn sean ordinarias o con
repeticin.
3.2.1. Variaciones sin repeticin
Se llama variaciones sin repeticin, a los distintos grupos que se forman con
los n elementos, de tal forma que en cada grupo entren B elementos distintos,
Fuente 33: Re3resentaci4n gra6ica de la 3er,utaci4n circular
'
2
diferenciados entre s por el orden de colocacin o bien por alguno de sus
elementos.

!
( )!
B
n
n
V
n B
Ejemplo: Cuantas variaciones de 6 elementos se pueden hacer en grupos de

tres.
3
6
6!
120
(6 3)!
V
3.2.2. Variaciones con repeticin

Se llaman variaciones con repeticin a los distintos grupos formados con los n
elementos, de tal manera que en cada grupo entren B elementes iguales o
distintos y que cada grupo se diferencie de los dems por el orden o bien por
algn elemento.
Se representa con esta expresin:
B B
n
VF n
Ejemplo: Cuntas quinielas de una columna se tienen que llenar para
asegurarse el pleno al 15?
15 15
3
3 14.348.907 VF
3.3. Combinaciones
Las combinaciones son un nmero de elementos divididos en agrupaciones
que siguen estas caractersticas:
1) No entran todos los elementos.
2) No importa el orden.
3) No/-. se repiten los elementos (dependiendo si son sin repeticin o
con repeticin respectivamente).
'
3
3.3.1.Combinaciones sin repeticin
Se llaman combinaciones sin repeticin a los distintos grupos de elementos
que se diferencien entre s por al menos un elemento sin importar el orden.
Se denota de la siguiente manera:
!
!( )!
n
n
n
V
3
P n n

Ejemplo: En un catering se quieren repartir los 20 canaps de 4 en 4.

Cuntas combinaciones de canaps podremos formar?
4
20
20! 20 19 18 17 16!
4! (20 4)!
3

4! 16!
4.845
3.3.2. Combinaciones con repeticin
Se llaman combinaciones con repeticin a los distintos grupos de n elementos
iguales o distintos tomados de B en B de tal forma que cada grupo se diferencie
entre s por al menos un elemento. Se representan de la siguiente manera:
( 1)!
!( 1)!
B
n
n B
3F
B n
+
Ejemplo: En un restaurante nos dan tres bolas de helados a escoger entre:

vainilla, pltano, fresa, chocolate y melocotn. Cuntas combinaciones
podremos hacer?
B = 3 n = 5
3
5
(5 3 1)!
35
3!(5 1)!
3F
+

Nos podremos comer 35 combinaciones distintas de helados.

'
2
4. CONCEPTO DE PROBABLDAD
%$1$Definicin de probabilidad
El clculo de la probabilidad a lo largo de la historia hasta la actualidad ha sido
usado para medir el grado de certidumbre de algunos sucesos o eventos. La
probabilidad se mide en un intervalo de valores entre 0 y 1 de tal forma que si
un suceso tiende a ocurrir muchas veces el valor se aproximara a 1; por otro
lado si el suceso no ocurre muchas veces o ms bien ninguna el valor se
aproximar a 0.
Por lo tanto la probabilidad se podra definir como la forma de entendimiento
que permite cuantificar la aleatoriedad de un fenmeno que pueda suceder.
4.2. Espacios muestrales
Para estudiar los distintos fenmenos aleatorios usaremos los espacios
muestrales. Se definen como el conjunto de posibles resultados recopilados del
fenmeno aleatorio.
Clasificaremos los espacios muestrales segn sean:
a) Finitos
b) Finitos equiprobables
c) nfinito contable
4.2.1. Espacios muestrales finitos
Son un tipo de espacios muestrales que se obtiene al asignar a cada
probabilidad un valor real llamado p
i
, es decir, la probabilidad de que ocurra un
suceso. En un espacio muestral de este tipo se conocen todos los posibles
resultados y siguen estas dos propiedades:
1$ Cada p
i
es positiva
2$ La suma de los p
i
da como resultado 1
Ejemplo:
'
3
En una carrera de galgos participan 3 galgos *+ 6+ 3 de tal manera que 6 tiene
el doble de probabilidades de ganar que 3 y, finalmente, * tiene el doble de
probabilidades de ganar que 6.
( ) ( ) ( ) 2 4 P 3 p P 6 p P * p
Siguiendo las propiedades anteriormente dichas podemos sacar esta ecuacin
2 4 1 p p p + +

7 1 p
1
7
p
Si substituimos el valor p por
1
7
podemos saber cuntas probabilidades de
ganar tiene cada galgo
P435 =
1
7
P465 =
2
7
P4*5 =
4
7
4.2.2. Espacios muestrales finitos equiprobables
Los espacios muestrales finitos equiprobables presentan las mismas
caractersticas que los espacios muestrales finitos, pero con la peculiaridad de
que los distintos sucesos del conjunto tienen la misma probabilidad de que
ocurran. Este tipo de espacio se estudiar con la regla de Laplace:

( )

n<ero de casos 1a"ora-les
P @
n<ero de casos posi-les
Un ejemplo claro de este tipo de espacios es la probabilidad de que salga cara

o cruz al lanzar una moneda
1
( ) ( )
2
P cara P cruz
4.2.3. Espacios muestrales infinitos contables
Los espacios muestrales infinitos presentan las mismas caractersticas que los
espacios muestrales finitos, la nica diferencia es que el conjunto de sucesos
no ser simtrico ni equiprobable por lo tanto no se podr usar la regla de
Laplace.
'
2
Supongamos que queremos saber el nmero de veces que tenemos que tirar
una moneda al aire, hasta que salga cara. Denominaremos n al nmero de
veces que tiremos la moneda
El espacio muestral es (1, 2, 3, 4,. n)
1
( )
2
n
P *
4.3. Sucesos
En el apartado anterior hemos visto los espacios muestrales, pues bien, un
suceso es un subconjunto de un espacio muestral.
7 E (S pertenece a E)
Un suceso es un conjunto de resultados que pueden haber ocurrido o no, en la
realizacin de un hecho aleatorio. Un suceso puede ser descrito por una frase
o por la enumeracin de los resultados que lo satisfacen.
4.3.1. Tipos
Podemos tener distintos tipo de sucesos segn las caractersticas que tengan:
- Suceso elemental:
Es el tipo de suceso ms simple, porque es un nico subconjunto de un
espacio muestral. Un ejemplo claro seria cuando jugamos al parchs y
tenemos una pieza a 4 casillas para comrnosla, el suceso elemental
seria sacar un 4 en el dado.
- Suceso compuesto:
Est formado por ms de un subconjunto del espacio muestral. En un
juego cualquiera en el cual se gana sacando un nmero par del dado el
suceso compuesto seria 2, 4, 6.
- Suceso seguro:
Son sucesos que ocurren siempre, por ejemplo sacar un nmero @QH
con un dado.
- Sucesos imposible:
'
3
Es justamente lo contrario que el suceso seguro. En este caso el suceso
nunca ocurrir, por ejemplo sacar un numero @K6 en un dado. Se
representa con el smbolo del conjunto vacio ( ).
4.2.2. Operaciones con sucesos
Lo que hemos visto anteriormente es aplicable nicamente a sucesos aislados,
pero encontraremos situaciones en que ser necesario operar con ellos.
- Unin de sucesos :
Dados dos sucesos * y 6 de un espacio muestral, se llama unin de sucesos *
y 6 al suceso que ocurre cuando se confirma al menos uno de los sucesos * o
6. Se denota de la siguiente manera:
* 6 3
Ejemplo: Llegamos a la recta final en el juego de la oca, sacando un 1
ganamos pero si sale un 6 en el dado tambin ganamos porque rebotando nos
colocaramos en una oca. En este caso el suceso * es sacar un 1, el suceso 6
es sacar un 6 y el suceso 3 es ganar la partida.
Sacando un 1 o un 6 ganaramos igualmente la partida.
Ganar la partida C
0
1
1
6

'
2
- nterseccin de sucesos:
Dados dos sucesos * y 6 de un espacio muestral, se llama interseccin de los
sucesos * y 6 al suceso que resulta cuando se confirman simultneamente los
sucesos * y 6. Se denota de esta forma:
* 6 3
Ejemplo: Un juego de dados en el cual para ganar hay que cumplir dos
condiciones:
Sacar un nmero par
Sacar un nmero mayor que 3
{ }
2,4,6 *
{ }
4,5,6 6
{ }
4,6 3 * 6

nicamente pertenecen a 3 los nmeros 4 y 6
Propiedades de la unin y la interseccin:
Unin nterseccin
Asociativa 4* 65 3D* 46 35 4* 65 3D* 46 35
Conmutativa * 6D6 * * 6D6 *
dempotente * *D* * *D*
Simplificativa * 4* 65D* * 4* 65D*
Distributiva * 46 35D4* 65 4* 35 * 46 35D4* 65 4* 35
0 C

2
4
1

6
5
'
3
5. VARABLE ALEATORA
5.1. Definicin
La variable aleatoria es el conjunto de valores numricos obtenidos en los
distintos resultados de un experimento aleatorio, es decir, transforma los
distintos sucesos del espacio muestral a numeros reales. Por ejemplo, en un
examen tipo test el profesor punta con dos puntos los aciertos y quita un
punto por los errores, en este caso concreto la variable aleatoria tiene los
valores 2 y -1.
La funcin de probabilidad de una variable aleatoria @ nos da para cada valor
de ? la probabilidad de que la variable tenga ese valor.
( ) [ ] 1 ? P @ ?
Si observamos la notacin de la variable aleatoria nos daremos cuenta de que
la variable se escribe en mayscula 4@5 mientras que los distintos valores que
se pueden llegar a obtener se escriben en minscula 4?5 para evitar confusin.
En funcin de los valores que puede obtener la variable se dividen en:
- Variables aleatorias discretas: son aquellas cuyo conjunto de valores es
finito o infinito contable.
- Variables aleatorias continuas son aquellas cuyo conjunto de valores es
infinito.
5.2. Esperanza matemtica
A lo largo de la historia, la probabilidad naci de los juegos de azar y de los
jugadores que queran ganarse la vida con ellos. Por eso surgieron dos
grandes inquietudes para el jugador: 1, qu probabilidades tiene de ganar en
una partida y 2 qu es lo que se espera a lo largo de varios juegos, ganar o
perder. En esta ltima inquietud es donde entra el concepto de esperanza
matemtica.
'
2
Lo que se quiere conseguir con la esperanza matemtica es un balance entre
las probabilidades de ganar y las ganancias o prdidas que puede tener el
jugador, es decir, que aunque tengamos muchas probabilidades de ganar,
quizs las ganancias no son tan suculentas como las prdidas y eso puede
llevarnos al error. Ejemplo, si un jugador tiene un 90% de probabilidades de
ganar 100 C y un 10% de probabilidades de perder 1000 C, el juego seria
desfavorable para el jugador. Para calcular el valor de la esperanza matemtica
se hace de la siguiente manera:
de "alores pro-a-ilidades
En el caso explicado anteriormente nos encontramos

100 90% 1000 10% 10
Las ganancias se suman y las prdidas se restan. Como podemos ver, la
esperanza del jugador a lo largo de muchas partidas, es perder dinero.
La esperanza matemtica, tambin llamada valor esperado de una variable
aleatoria @, que tiene valores ? con probabilidad de 14?5 es:
( ) ( )
?
E @ ? 1 ?
El valor esperado tiene la caracterstica que de alguna manera el valor

obtenido, siempre es la media entre las prdidas y ganancias, creando un
equilibrio entre ellas.
5.2.1. Propiedades de la esperanza matemtica
1$ En el caso que tengamos una constante como nico valor, el valor
esperado seria la constante misma. Una constante se puede considerar
una variable aleatoria que acapare toda la probabilidad, es decir, P D H
( ) ( ) 1
?
E B ? 1 ? B B
2$ Si una constante B se multiplica por una variable @, su esperanza

matemtica tambin se multiplica por B.
( ) ( ) E B@ BE @
3$ Si se suma una constante B a una variable aleatoria @ el valor esperado
de la variable tambe se ve aumentado en B.
( ) ( ) E B @ B E @ + +
'
3
5.3. Varianza o desviacin tpica
La esperanza matemtica, como hemos visto anteriormente, busca un valor
medio entre los distintos valores de la variable aleatoria. Pero qu pasa cuando
los valores de la variable estn muy dispersos. Pongamos como ejemplo los
cambios de valor de una accin de bolsa.
aA Se compra una accin @ a 100 euros y maana esa misma accin puede
valer 110 C, 90 C, o quedarse como estaba. Todo con probabilidad de
1/3
bA Se compra una accin C a 100 euros y maana esa misma accin puede
valer 10 C o 190 C, con probabilidad de 1/2.
En los dos casos la esperanza matemtica valdr 100 C porque ese es su valor
medio entre las ganancias y las prdidas, pero como podemos ver a simple
vista, el caso -5 es ms arriesgado para el comprador ya que los valores estn
muy dispersos del valor medio. Aqu es donde entra la varianza.
La varianza es el valor medio de las desviaciones al cuadrado, si la varianza es
grande querr decir que hay mucha dispersin entre los valores y la jugada es
arriesgada.
2 2
( ) (( ( )) ) ( ( )) ( )
?
V @ E @ E @ ? E @ 1 ?
5.3.1. Propiedades de la varianza:

1A Si la varianza de una constante llamada B es 0, V4B5 = 0
2 2
( ) ( ( )) ( ) ( ) 1 0
?
V B ? E B 1 ? B B
2A Si una variable aleatoria 4@5 se multiplica por una constante B, la

varianza queda multiplicada por B
!
2
( ) ( ) V B@ B V @
3A Cambiar de signo la variable aleatoria no cambia ni altera la varianza,
ya que cambiar de signo significa multiplicar por -1 la variable
aleatoria y por (-1)
2
la varianza.
( ) ( ) V @ V @
'
2
6. ESTUDO DEL AZAR EN DSTNTAS STUACONES
6.1. El problema de los cumpleaos

Seguramente que todos nos hemos preguntado alguna vez, si en un espacio
como una clase o un bar, habra alguna persona que cumpla aos el mismo da
y el mismo mes que nosotros. Si la respuesta es afirmativa nos hemos
asombrado. Pues bien, eso es porque nos pensamos que la probabilidad de
que en un grupo de 20 personas 2 de ellas cumplan aos el mismo da es baja,
pero, en realidad no es as y ahora veremos el porqu. Usando los
conocimientos estudiados anteriormente como son la regla de Laplace y que el
sumatorio de las probabilidades siempre da 1 podremos resolver el problema.
Al nmero de personas que forman el grupo lo llamaremos n y tomaremos
como premisa de que n < 365 ya que si fuera igual o superior la probabilidad
superara el valor 1 y sera un valor seguro.
Empezaremos a calcular la probabilidad cuando nD!, ya que si empezramos
a calcular la probabilidad de que dos personas coincidan cuando nDH nos dara
0, para ello usaremos la regla de Laplace.
Existe un 0,27% de que dos
personas coincidan el mismo da.
Cuando nD% la cosa se complica un poco ms y para facilitarlo un poco,
primero calcularemos la probabilidad de que no coincidan y se lo restaremos a
1 para encontrar la probabilidad de que 2 persona coincidan en su da de
nacimiento.
(2)
casos favorables 1
0,0027
casos posibles 365
0 de
P
0 de

Fuente 3%: u,3leaBos
Fuente 3&: Cnterrogante
'
3
(3) 2
364 363 364 363
1 1 0,008 0,8%
365 365 365
P

Se divide 364 entre 365 porque la segunda persona puede cumplir aos en
cualquier da del ao pero solamente en 364 das no coincidir con la primera,
lo mismo pasa con la tercera, que solo en 363 das no coincidir ni con la
primera ni con la segunda persona.
Con lo que sabemos hasta ahora ya podemos crear una idea generalizada para
este problema.
Para cualquier valor de n:
( )
364 363 362 365 1
1 ...
365 365 365 365
n
n
P
+
=
1
364 363 362 ...(365 1)
1
365
n
n
+

1
364 363 362 ...(365 1)
1
365
n
n
+

365!
1
365 (365 )!
n
n

Esta es la grfica que representa la funcin para encontrar la probabilidad:
Como podemos ver en el grfico, con 23 personas ya tenemos un 50% de
probabilidades de que dos de ellas cumplan aos el mismo da y con 41
persones el 90%.
P
R
O
B
A
B
D
A
D
PERSONAS
Fuente 3(: 9r56ico del 3roble,a de los cu,3leaBos
'
2
6.2. Los cromos

Las colecciones de cromos es una aficin que siempre ha existido y que ha
enganchado a jvenes y adultos, variando nicamente, el tema al que estn
dedicados. A medida que bamos avanzando en la coleccin tenamos el
presentimiento que la terminaramos, pero finalmente llegbamos a un punto
muerto, donde no dejbamos de comprar sobres y ms sobres y no sala el
cromo que nos faltaba. Siempre nos da la sensacin de que los fabricantes nos
timan lanzando al mercado gran cantidad de ejemplares de todos los cromos
excepto, de dos o tres que no hay manera de encontrar por ms que se
compren sobres y sobres. Dejando a un lado esta suposicin que no sabemos
si es cierta y que los fabricantes no creo que tengan ganas de respondrnosla,
nos basaremos en que hay la misma cantidad de cromos de cada nmero de la
coleccin, as la probabilidad de que aparezca cualquier cromo es la misma.
Aun as, siempre es ms difcil de encontrar el ltimo que nos falta.
La pregunta es, cuntos cromos hay que comprar de media para completar la
coleccin?
Lo primero que se tiene que tener en cuenta es que cuando se empieza la
coleccin, el cromo que compremos siempre nos faltar, a su vez el segundo,
la novedad ser menor porque ya tendremos un cromo y eso har que se
Fuente 3): Dlbu, de cro,os de Pokmon Fuente 3': ro,os de Pokmon
'
3
pueda repetir, del mismo modo el tercero y as hasta n. De aqu podemos
deducir que siempre habr que comprar ms cromos de los que hay en la
coleccin y se tendr que comprar ms cromos a medida que se vaya
avanzando, por ejemplo cuando slo nos quede un cromo para acabar la
coleccin se tendr que multiplicar la probabilidad de que salga el cromo por el
nmero de cromos de la coleccin.
Partiremos de una coleccin de 10 cromos y de ah daremos la solucin
general para una coleccin de n cromos.
La respuesta a la pregunta: cuntos cromos hacen falta aproximadamente
para completar la coleccin de 10 cromos? es:
10 10 10 10 1 1 1
... 10 ... 30
10 9 8 1 10 9 1
_
+ + + + + + +

,
Hay que comprar 30 cromos para completar la coleccin.
Extendiendo esta situacin a un caso general con una coleccin de n cromos
nos da la siguiente solucin
1 1 1 1
...
1 2 1
n total de croos necesarios
n n n
_
+ + + +

,
'
2
($3$ El problema de la martingala
La estrategia de jugar a la martingala naci en Francia en el siglo XV. Se
trataba de lanzar una moneda y apostar 1 moneda a que sale cara. En caso de
salir cara el jugador recibe el doble de la apuesta pero si se pierde el jugador
apuesta el doble y si vuelve a perder apuesta otra vez el doble, as hasta que
gane. De esta manera mientras se pierde se va apostando !
n
donde n es igual
al nmero de la tirada (en la primera tirada nD0). Cuando el jugador gane,
recuperar todas las apuestas anteriores ms un beneficio igual al de la
primera apuesta. Con esta estrategia te aseguras tener siempre una esperanza
positiva.
1
0
2 2 1
n
n n
n
+
Esta estrategia nos puede parecer atractiva porque te asegura ganar dinero
siempre, pero existen dos grandes problemas:
El jugador no tiene una riqueza infinita, esto provoca que si la racha de
prdidas se alarga un poco, las apuestas crecern exponencialmente y
el jugador entrar en bancarrota sin posibilidad de recuperar el dinero.
En algunos sitios como por ejemplo los casinos se limita la apuesta
mxima. Para el remoto caso que nuestra riqueza alcance un valor muy
alto y el juego se alargue, toparamos con el lmite de la apuesta mxima
impuesta por el casino. Esto nos impedir seguir con la misma estrategia
y a su vez perderamos todo el dinero anteriormente apostado.
'
3
En el grafico se puede apreciar de qu manera aumentan las apuestas a
medida que se alarga la racha de mala suerte.
Actualmente no se recomienda practicar esta estrategia porque es muy
arriesgada y fcilmente se pueden perder los ahorros.
'
2
7. LA PROBABLDAD EN LAS LOTERAS
Muchas personas nos creemos que en la lotera estn las soluciones a
nuestros problemas, seguro que todos alguna vez hemos dicho que "cuando
me toque la lotera me comprar... pero si nos paramos a pensar, cuntos de
ellos han pensado la probabilidad que tienen de que este suceso ocurra,
estaramos hablando de muy pocos. Por este motivo demostraremos, si
nuestros sueos se encuentran al alcance de nosotros o simplemente son una
mera ilusin.
)$1$Lotera de Navidad

El sorteo de Navidad, es uno de los sorteos ms populares por sus premios tan
altos. Se celebra en Espaa cada 22 de diciembre en el saln de sorteos de
Loteras y Apuestas del Estado, en Madrid. Es uno de los sorteos ms
vendidos en relacin con otros de su categora. Esto no es de extraar porque
su perodo de venta es muy largo, desde julio hasta diciembre.
El precio del dcimo es de 20 C y con l se puede aspirar a ganar la dcima
parte de los siguientes premios:
Fuente 3*: Anuncio del sorteo de
Ea1idad
Fuente %0: ><ci,o de loterFa de Ea1idad
'
3
12 %remio o el 3Gordo4) 4.000.000 euros
22 %remio) 1.250.000 euros
32 %remio) 500.000 euros
42 %remio) dos premios de 200.000 euros
52 %remio) ocho premios de 60.000 euros
Pedrea) 1.794 premios de 1.000 euros
N5mero& anterior 6 %o&terior al 12 %remio) dos premios de 20.000 euros
Centena& del 127 227 32 6 do& 42 %remio&) 495 premios de 1.000 euros
Con la& do& 5ltima& ci8ra& del 127 22 6 32 %remio&) 2.997 premios de 1.000 euros
Reintegro) 9.999 premios de 200 euros
Las probabilidades de que nos toque algn premio de la lotera de Navidad
son:
12 %remio o el 3Gordo4)
1
100 0,001%
100.000

22 %remio)
1
100 0,001%
100.000

32 %remio)
1
100 0,001%
100.000

42 %remio)
2
100 0,002%
100.000

52 %remio)
8
100 0,008%
100.000

Pedrea)
1794
100 1,794%
100.000

N5mero& anterior 6 %o&terior al 12 %remio)
2
100 0,002%
100.000

2
100 0,002%
100.000

2
100 0,002%
100.000

Centena& del 127 227 32 6 do& 42 %remio&)
495
100 0,495%
100.000

'
2
Con la& do& 5ltima& ci8ra& del 127 22 6 32 %remio&)
2.997
100 2,997%
100.000

Reintegro)
9.999
100 9,999%
100.000

Cuando se participa en algunos juegos de azar, suele haber un valor esperado,
o lo que es lo mismo, premio que ganaramos si jugramos un nmero infinito
de veces, a esto se llama esperanza matemtica.
Para calcular la esperanza matemtica de la Lotera de Navidad usaremos la
frmula que hemos visto anteriormente, realizando un sumatorio de las
ganancias i las prdidas multiplicadas por la probabilidad de que sucedan.
400.000 0,001% 125.000 0,001% 50.000 0,001% 20.000 0,002%
6.000 0,008% 2.000 0,002% 1250 0,002% 960 0,002% 100 2,997%
100 1,794% 100 0,495% 20 9.999% 20 100% 6
lot
E
euros
+ + + +
+ + + + + +
+ + +
En conclusin si jugamos a la Lotera de Navidad la esperanza de ganar es
negativa. No por eso hay que dejar de jugar porque si no se juega seguro que
no toca, simplemente hay que hacerlo con moderacin.
)$2$Euromillo nes

El Euromillones es uno de los sorteos ms famosos por el suculento premio
que reparte entre los pases organizadores: Austria, Blgica, Espaa, Francia,
rlanda, Luxemburgo, Portugal, Reino Unido y Suiza. Este sorteo es similar al
Fuente %1: =uro,illones Fuente %2: #oleto del =uro,illones
'
3
de la primitiva que hay en Espaa pero al tener ms participantes puede
ofrecer premios ms grandes.
Este sorteo consiste en marcar con el signo "@ la combinacin ganadora
compuesta por 5 nmeros y 2 estrellas de entre los 50 nmeros y 11 estrellas
que hay. Tambin se podrn hacer mltiples de hasta 10 nmeros y 5 estrellas
que podrn aumentar las probabilidades pero tambin aumentaran el coste de
la apuesta. En la tabla se puede ver de cuantas combinaciones se compone
nuestra apuesta a medida que se marcan ms nmeros y estrellas.
Tabla de Apuestas autorizadas.
9&trella&
N5mero&
5 ! " # 1$
2 : 21 5 12 252
3 3 1" 3 1" 3!" !5
4 3 12 33 !5 1.512
5 1$ $ 21$ 5$ 1.2$ 2.52$
El precio mnimo de la apuesta es de 2 euros y juntando todos los euros
apostados en conjunto forman la recaudacin. Del total de la recaudacin, se
destina el 50 % a premios que se distribuyen en 13 categoras:
Categor.
a
N5mero& acertado& Porcenta;e
<atri= de
n5mero&
<atri= de
e&trella&
Fondo de %remio&
1> 5 2 327$$?
2> 5 1 47"$?
3> 5 $ 17$?
4> 4 2 $7"$?
5> 4 1 $7!$?
> 4 $ $7!$?
!> 3 2 $75$?
"> 2 2 273$?
#> 3 1 272$?
1$> 3 $ 37!$?
11> 1 2 75$?
'
2
Categor.
a
N5mero& acertado& Porcenta;e
<atri= de
n5mero&
<atri= de
e&trella&
Fondo de %remio&
12> 2 1 1!7$?
13> 2 $ 1"7$$?
Fondo de re&erva "7$?
La probabilidad de ganar el premio gordo es muy baja ya que el premio gordo
que entrega este sorteo es el ms grande en comparacin con otras loteras y
ahora veremos el porqu.
Como hemos comentado antes la apuesta en el Euromillones est formada por
5 nmeros del 1 al 50 y 2 nmeros del 1 al 11 (estrellas). Lo que vamos a hacer
es contar cuntos grupos de 5 nmeros hay entre 1 y 50 y cuntos grupos de
dos nmeros, entre 1 y 11; primero por separado y luego multiplicaremos los
resultados para que nos salga el resultado total de combinaciones.
Nmeros del 1 al 50: teniendo en cuenta que no importa el orden y
tampoco existen repeticiones de nmeros usaremos combinaciones sin
repeticin de 50 elementos tomados de 5 en 5.
50,5
50
50!
2.118.760
5 5! (50 5)!
3
_

,
Es decir existen 2.118.760 disposiciones distintas.
Nmeros del 1 al 11: nos encontramos en la misma situacin que antes
por lo que volveremos a usar combinaciones sin repeticin, pero en este caso
de 11 elementos tomados de 2 en 2
11,2
11
11!
55
2 2! (11 2)!
3
_

,
En este caso existen solamente 55 formas distintas de escoger 2
nmeros.
Si multiplicamos los resultados obtendremos la cantidad de apuestas
correctas que podramos realizar en el Euromillones:
'
3
50,5 11,2
2118760 55 116.531.800 3 3
Esto nos da la siguiente probabilidad para acertar el premio gordo en el
Euromillones.
9
1
( ) 8,58 10 0,000000008
116.531.800
P Euroillones

Si esto nos parece una probabilidad baja, una foto colgada en internet nos
muestra como un portugus fall todos los nmeros del sorteo de los
Euromillones por una cifra. Ahora se ver si es ms fcil acertar la
combinacin ganadora o fallar por un nmero.
Mirndolo desde el punto de vista condicionado, es decir, primero se tiene
que acertar la combinacin ganadora y luego fallar por un nmero, nos
encontramos con esto:
9
1
( ) 8,58 10 0,000000008
116.531.800
P Euroillones

8
2
( por un nmero)= 1,7 10
116.531.800
P 1allar

Fuente %3: o,binaci4n casi ganadora
'
2
Juntamos estas dos cifras, multiplicndolas, para que nos salga la
probabilidad total:
16 1 2
( )= 1,47 10
116.531.800 116.531.800
P total

Vemos que es un nmero muy cercano a 0. Si los encargados del sorteo
vieran que es dificilsimo fallar por un nmero toda la combinacin ganadora,
seguramente pondran un premio especial que fuera ms grande todava.
)$3$La Primitiva
La Primitiva es un tipo de lotera que consiste en acertar la combinacin
ganadora formada por 6 nmeros de entre 49.
De entre toda la recaudacin nicamente se destina a premios el 55%.
Del 55% destinado a los premios hay que restarle 10% para el reintegro. Y
como los de 3 aciertos cobran siempre 8 euros habra que restar la cantidad
resultante de multiplicar por 8 euros el nmero de acertantes con 3 aciertos.
Todo lo restante se distribuir de la siguiente manera:
A los de 6 aciertos: Se destina el 52 % a distribuir a partes iguales entre los que
en una sola apuesta acierten los 6 nmeros de la combinacin ganadora.
A los de 5 aciertos ms el complementario: se destina el 8% a distribuir a
partes iguales entres todos los acertantes en una sola apuesta.
A los de 5 aciertos: se destina el 16% a distribuir a partes iguales entre todos
los acertantes en una sola apuesta.
A los de 4 aciertos: se destina el 24% a distribuir a partes iguales entre los
acertantes en una sola apuesta.
Fuente %%: +a Pri,iti1a Fuente %&: #oleto de la Pri,iti1a
'
3
Para conseguir el premio gordo en la Primitiva, como hemos dicho
anteriormente es necesario acertar los 6 nmeros de la combinacin ganadora.
Ahora veremos que probabilidad hay de que eso ocurra.
Teniendo en cuenta que en este sorteo no existe la repeticin de los nmeros
ni importa su orden, primero calcularemos el nmero de combinaciones que
existen sin repeticin de nmeros tomados de 6 en 6.
49,6
49
49!
13.983.816
6 6! (49 6)!
3
_

,
Y para calcular la probabilidad de que una de ellas sea la premiada lo
calcularemos mediante la regla de Laplace.
8
1
(6 aciertos)= 0,0000000715 7,15 10
13.983.816
P

En conclusin la probabilidad que uno acierte los 6 nmeros es de alrededor
de 1 entre 14 millones. Es decir que, si juegas 14 millones de apuestas
distintas te tocar seguro.
7.4. La Quiniela

La Quiniela es un juego de apuestas deportivas basadas en la liga espaola y
europea donde el precio de cada apuesta es de 0,50C. Consiste en acertar el
resultado de 14 o 15 partidos de futbol. El juego consta de: 14 partidos de
futbol + el especial del pleno al 15 y 3 posibles resultados 4H-?-!5.
Fuente %(: +a Guiniela Fuente %): #oleto de la Guiniela
'
2
Se marca "1 cuando se pronostica la victoria del equipo que aparece en
primer lugar o equipo local.
Se marca "@ cuando se pronostica un empate a goles entre ambos
equipos.
Se marca "2 cuando se pronostica la victoria del equipo que aparece en
segundo lugar o equipo visitante.
Bsicamente existen 2 tipos de quinielas las sencillas y las mltiples.
En la quiniela sencilla se hace un pronstico en cada bloque y se juega tantas
apuestas como bloques se completen. El mnimo para jugar es de dos
apuestas, es decir dos bloques de 14 partidos ms el partido especial del
pleno al 15.
En las quinielas mltiples las apuestas se realizan nicamente en el primer
bloque, es decir que hay ms de una combinacin en un solo bloque. Hay que
marcar el nmero de dobles y triples en una columna que se sita a la derecha
del boleto, como mnimo hay que marcar un doble.
En la quiniela se destinan el 55% de la recaudacin a premios distribuyndose
de la siguiente manera.
Categor.a 9&%ecial) El 10% de la recaudacin ntegra a distribuir a
partes iguales entre las apuestas cuyos pronsticos obtengan 14 aciertos
ms el partido denominado "Pleno al 15", el cual no forma parte de los 14
partidos que integran la base de los concursos. Slo se percibir un premio
de esta categora por cada resguardo.
1> Categor.a) El 12% de la recaudacin integra a distribuir a partes
iguales entre las apuestas cuyos pronsticos obtengan 14 aciertos.
'
3
En el supuesto caso que no existan acertantes en alguna de las categoras ese
dinero ayudar a incrementar el premio de las dems categoras o servir para
aumentar el premio en el prximo sorteo de La Quiniela.
Para calcular la probabilidad de ganar el premio gordo, partiremos del punto de
que solo hay 14 partidos para ganar y veremos la cantidad de posibles
resultados que puede haber. Para ello nos fijaremos en que una quiniela puede
tener la siguiente forma: {H R ! R @ R H R ! R H R @I}. Vemos que los
elementos se repiten y el orden, s que importa por lo tanto se trata de
variaciones con repeticin de 3 elementos tomados de 14 en 14. El nmero
total de posibles resultados es de:
14 14
3
3 4.782.969 VF
Por lo tanto la probabilidad de conseguir 14 aciertos es de:
7
(14 aciertos)
1
0,000000209 2,09 10
4.782.969
P

Como adivinar los resultados de los 14 partidos del bloque es una condicin
indispensable para poder acertar el partido especial del pleno al 15, tendremos
que multiplicar la probabilidad de acertar los 14 partidos con la probabilidad de
acertar el partido especial:
8
(15 aciertos)
1 1
0,000000069 7 10
4.782.969 3
P

Nos sale un nmero muy bajo pero tambin hay que tener en cuenta que hay
otros factores que determinan la probabilidad, como son los jugadores y el
factor campo no como en otros juegos que se basan, nicamente, en el puro
azar matemtico.
7.5. Conclusiones
En este punto hemos dado un paseo por los sorteos ms relevantes en
nuestras vidas. Si comparamos los resultados obtenidos entre las loteras
obtenemos:
'
2
Loter.a
Navidad
9uromillone& Primitiva @uiniela
ProAaAilidad
%remio
mBCimo
0,00001 0,00000000858 0,0000000715 0,00000007
A simple vista se ve que todas las probabilidades son bajas y es posible que
con los nmeros, una persona no sea consciente de lo difcil que es acertar la
combinacin ganadora. Pero si tuviramos que elegir en que sorteo participar,
parece que el premio ms fcil de conseguir es el "Gordo de la Lotera de
Navidad.
Este es el grfico comparativo:
En este grfico se puede observar la diferencia entre la Lotera de Navidad y
los dems sorteos. Eso tampoco significa que sea fcil conseguir el "Gordo,
'
3
simplemente que es ms fcil que las dems. Otra cosa que se puede
observar, es que entre la Quiniela y la Primitiva hay muy poca diferencia, si
tuviramos que escoger nos tendramos que fijar solamente en el premio.
Finalmente se encuentra el sorteo de los Euromillones, que casi ni se ve,
demostrndonos que es el ms difcil de conseguir con diferencia.
En conclusin lo ms inteligente sera no jugar, porque todos estos juegos
estn pensados para que perdamos dinero. Por otra parte estos juegos
generan muchas ilusiones y el que no compra seguro que no le toca.
8. CONCLUSONES
La probabilidad me ha parecido un tema muy interesante porque est muy
presente en la vida cuotidiana. Despus de este trabajo puedo decir que he
aprendido mucho sobre el azar y la probabilidad, ya que antes tena una idea
general de ambas cosas, pero no conoca como se calculaban. Adems he
podido entender y comprobar matemticamente el porqu, por mucho que
hemos jugado a la lotera en mi familia, nunca nos ha tocado.
Me he dado cuenta que la probabilidad es un tema extenso y ms complicado
de lo que me pareca en un principio, pero aun as, no descarto profundizar en
esta materia, con ms detenimiento, en un futuro.
Gracias a este trabajo he llegado a las siguientes conclusiones:
En primer lugar, podemos decir que los juegos de azar han existido desde
siempre, no es una cosa nueva, los antiguos egipcios ya los usaban aunque
con una finalidad distinta a la que nosotros conocemos, esta era un mtodo
adivinatorio.
En segundo lugar, los juegos de azar han estado ligados al dinero. Desde la
antigedad las personas han querido hacerse ricas fcilmente con los juegos
de azar. Este es el caso del Caballero de Mr que estudiaba e incluso creaba
juegos con una probabilidad favorable a l, para ganar la mayora de las veces.
De esta forma podramos pensar que es una manera de ganar dinero fcil, pero
en verdad no es as, porque es difcil ganar en los juegos de azar.
En tercer lugar, hemos podido ver con ejemplos, que la probabilidad no es tan
fcil de calcular. Aunque las personas nos hagamos una idea, que la
'
2
probabilidad de ganar en un juego o en un sorteo es alta, esta intuicin nos
puede engaar y llevarnos por mal camino.
En cuarto lugar, nos hemos podido dar cuenta que el dinero no lo regala nadie
y si los premios en los juegos de azar son altos, es tambin porque son muy
difciles de ganar. Adems no hay que olvidar que los premios no los pagan los
organizadores, sino los jugadores, es decir que para que unos ganen, muchos
tienen que perder.
Por ltimo, seguramente todos habremos escuchado alguna vez las frases:
#uien no arriesga no gana y la suerte no es para #uien la -usca sino para
#uien la encuentra. Con ninguna de las dos frases estoy de acuerdo. En la
primera habra que determinar hasta cunto uno es capaz de arriesgar para
conseguir el premio que quiere, lo ms sensato es poner un lmite, es decir,
aunque un juego nos pueda parecer fcil y seguro, nunca hay que apostar ms
de lo que se gana o ms de lo que se tiene, siempre con moderacin. Respecto
a la segunda frase, no se debera confiar tanto en los juegos de azar y se
debera confiar ms en el esfuerzo, el xito no se encuentra en la suerte, sino
en el trabajo y la constancia.
'
3
9.REFERENCAS
9.1. Bibliografa
BARBANCHO, G. (1992) E7:*DS7:T3* :EUFT3* 6V7T3*. Barcelona
Editorial AREL S.A.
GREENACRE, M.; UDNA, F. (1998) Estad,stica T Barcelona; Editoral RBA
Realizaciones Editoriales, S.L.
JOHNSONBAUGH, R. (1999) Nate/ticas discretas. Mxico Editorial
PRENTCE HALL
LPSCHUTZ S. (1996) Pro-a-ilidad. Mxico: Editorial McGRAW-HLL
PERERO, M. 1994 9istorias e historia de las ate/ticas. Mxico Editorial
beroamrica.
WLHELM, M. (2004) 3o-inatoria y pro-a-ilidad Espaa
9.2. Web grafa
ALBAGS, J.M. :engui+ 1alti (artculo en lnea) consultado en diciembre de
2011. Disponible en:
http://www.albaiges.com/azar/tenguifalti.htm
BASULTO, J.; CAMUEZ, J. El pro-lea de los dados del ca-allero de
N'r'W soluciones pu-licadas en el siglo @VTT (artculo en lnea) consultado en
septiembre de 201. Disponible en:
http://revistasuma.es/MG/pdf/56/043-054.pdf
Colaboradores de Estadstica para todos Priiti"a (artculo en lnea)
consultado en diciembre de 2011. Disponible en:
http://www.estadisticaparatodos.es/taller/loterias/primitivas.html
Colaboradores de Estadstica para todos La &uiniela (artculo en lnea)
http://www.estadisticaparatodos.es/taller/loterias/quinielas.html
'
2
Colaboradores de Estadstica para todos el pro-lea de Nonty 9all (artculo en
lnea) consultado en noviembre de 2011. Disponible en:
http://www.estadisticaparatodos.es/taller/montyhall/montyhall.html
Colaboradores de estadstica para todos. La aguja de 6u11on (artculo en lnea)
consultado en septiembre de 2011. Disponible en:
http://www.estadisticaparatodos.es/taller/buffon/buffon.html
Colaboradores de la web Gaussianos.com La paradoja del cuplea.os
(artculo en lnea) consultado en octubre de 2011. Disponible en:
http://gaussianos.com/la-paradoja-del-cumpleanos/
Colaboradores de Gaussianos.com 0ue"o Euroill(nW c(o #uedan las
pro-a-ilidades de acierto (artculo en lnea) consultado en diciembre de
http://gaussianos.com/nuevo-euromillon-como-quedan-las-probabilidades-de-
acierto/
Colaboradores de quierounaprimitiva.blogspot.com Loter,a priiti"a
pro-a-ilidad de acertar 6 n<eros (artculo en lnea) consultado en diciembre
de 2011. Disponible en:
http://quierounaprimitiva.blogspot.com/2007/06/lotera-primitiva-probabilidad-
de.html
Colaboradores de Wikipedia El 7orteo E?traordinario de 0a"idad (artculo en
lnea) consultado en diciembre de 2011. Disponible en:
http://es.wikipedia.org/wiki/Sorteo_Extraordinario_de_Navidad#cite_note-0
GALBAT, J. Desarrollo hist(rico de la estad,stica (artculo en lnea) consultado
en enero de 2012. Disponible en:
http://www.jorgegalbiati.cl/ejercicios_4/HistoriaEstadistica.pdf
GARCA, J.A. 9istoria de un pro-leaW el reparto de la apuesta (artculo en
lnea) consultado en agosto de 201. Disponible en:
http://webpages.ull.es/users/jagcruz/Articulos/historia_problema.pdf
GARCA, M. El surgiiento de la teor,a de la pro-a-ilidad (artculo en lnea),
consultado en agosto de 2011. Disponible en:
http://www.uv.es/asepuma/V/m07/m7-04.pdf
GNER, V. El pro-lea del cuplea.os (artculo en lnea) consultado en 2011.
Disponible en:
http://personales.upv.es/~vigibos/ProblemaCumple.pdf
'
3
GMEZ, M.A. Prigen de la teor,a de la pro-a-ilidad (artculo en lnea)
http://www.gobiernodecanarias.org/educacion/3/usrn/fundoro/archivos
%20adjuntos/publicaciones/actas/actas_4_5_pdf/Act.V-V_C001_txi_w.pdf
HERNANDEZ, P. Las ta-as (artculo en lnea) consultado en noviembre de
http://www.museodeljuego.org/_xmedia/contenidos/0000000680/docu1.pdf
MARAVALL, D. el pro-lea de la aguja de 6u11on en el espacio de n
diensiones (artculo en lnea) consultado en septiembre de 2011. Disponible
en:
http://dmle.cindoc.csic.es/pdf/GACETAMATEMATCA_1959_11_3-4_02.pdf
MARTNEZ, M.J. Los dados (artculo en lnea) consultado en noviembre de
http://www.museodeljuego.org/_xmedia/contenidos/0000000678/docu1.pdf
MUNGUA, . La paradoja de 7an Peters-urgoW la soluci(n (artculo en lnea)
http://www.xatakaciencia.com/matematicas/la-paradoja-de-san-petersburgo-la-
solucion
NELSON, L. *portes cient,1icos de *-raha de Noi"re (artculo en lnea)
consultado en octubre de 2011. Disponible en:
http://www.eyeintheskygroup.com/Azar-Ciencia/Metodos/Abraham-de-Moivre-
Distribucion-Normal.htm
NELSON, L. La pro-a-ilidad -ayesiana o pro-a-ilidad in"ersaW :hoas 6ayes
(artculo en lnea) consultado en agosto de 2011. Disponible en:
http://www.eyeintheskygroup.com/Azar-Ciencia/Metodos/Teorema-de-Bayes-
Probabilidad-Bayesiana.htm
SALNERO, P. 9istoria de la teor,a de la pro-a-ilidad (artculo en lnea),
http://www.uam.es/personal_pdi/ciencias/ezuazua/informweb/trabajosdehistoria
/salinero_probabilidad.pdf
VEGA-AMAYA, O. 7urgiiento de la teor,a ate/tica de la pro-a-ilidad
(artculo en lnea) consultado en agosto de 2011. Disponible en:
http://cipri.info/resources/HST-1-1-6-probabilidad.pdf
'
2
9.3. ndice de imgenes
C,agen 3ortada:
htt3://estaticos03$cache$el7,undo$net/.odonablogs/i,agenes/200(/02/2)/11%1030'0)H1$j3g
1$ http://imagenes.forociudad.com/fotos/223001-moraleja-del-vino-otro-juego-de-tabas.jpg
2$ http://upload.wikimedia.org/wikipedia/commons/f/f9/Roman_statue_of_girl_playing_astragal
oi_14_aC.jpg
3$ http://www.kalipedia.com/kalipediamedia/matematicas/media/200709/26/estyprob/2007092
6klpmateyp_13.es.SCO.jpg
%$ http://www.xtimeline.com/__UserPic_Large/84015/evt101119061400553.jpg
&$ http://www.sciencephoto.com/image/224289/350wm/H4030464-Girolamo_Cardano-SPL.jpg
($ http://www.ugr.es/~eaznar/images/Tartaglia_2.jpg
)$ http://www.avizora.com/publicaciones/biografias/images/GALGAL02.JPG
'$ http://upload.wikimedia.org/wikipedia/commons/thumb/7/79/Blaise_pascal.jpg/210px-
Blaise_pascal.jpg
*$ http://www.publicatufoto.com/data/media/17/Pierre_de_Fermat.jpg
10$ http://upload.wikimedia.org/wikipedia/commons/thumb/a/a4/Christiaan_Huygens-
painting.jpeg/220px-Christiaan_Huygens-painting.jpeg
11$ http://upload.wikimedia.org/wikipedia/commons/thumb/1/19/Jakob_Bernoulli.jpg/200px-
Jakob_Bernoulli.jpg
12$ http://upload.wikimedia.org/wikipedia/commons/thumb/1/1b/Abraham_de_moivre.jpg/220px-
Abraham_de_moivre.jpg
13$ http://www.abciencia.com.ar/pics/gauss_2.png
1%$ http://upload.wikimedia.org/wikipedia/commons/thumb/d/d4/Thomas_Bayes.gif/300px-
Thomas_Bayes.gif
1&$ http://www.eyeintheskygroup.com/Azar-Ciencia/Metodos/Teorema-de-Bayes-Probabilidad-
Bayesiana_archivos/ejemplo%20Teorema%20de%20Bayes.jpg
1($ http://bdaugherty.tripod.com/normandie/laplace.jpg
1)$ http://upload.wikimedia.org/wikipedia/commons/thumb/e/ec/Francis_Galton_1850s.jpg/225p
x-Francis_Galton_1850s.jpg
1'$ http://i1139.photobucket.com/albums/n543/vmontes23/museo%20de%20ciencia%20y
%20tecnica/100_0378.jpg
1*$ http://upload.wikimedia.org/wikipedia/commons/thumb/7/7f/Karl_Pearson.jpg/220px-
Karl_Pearson.jpg
20$ http://www.nndb.com/people/763/000196175/ronald-fisher.jpg
21$ http://upload.wikimedia.org/wikipedia/commons/thumb/8/82/Chebyshev.jpg/220px-
Chebyshev.jpg
'
3
22$ http://www.ecured.cu/images/6/6d/Markov.jpg
23$ http://apprendre-math.info/history/photos/Kolmogorov_7.jpeg
2%$ http://www.ecured.cu/images/4/48/Conde_de_Buffon.jpg
2&$ http://1.bp.blogspot.com/-cPi61nwdsjk/TWwhfKHiKP/AAAAAAAAAAc/L-
4jvXaGcbw/s1600/aguja%2Bde%2Bbuffon.jpg
2($ http://www2.math.umd.edu/~dlevy/_Media/300px-peter_gustav_lejeune_-3.jpeg
2)$ http://mexicokafkiano.com/wordpress/wp-content/uploads/2010/08/palomar.jpg
2'$ http://upload.wikimedia.org/wikipedia/commons/thumb/3/3f/Monty_open_door.svg/220px-
Monty_open_door.svg.png
2*$ http://gaussianos.com/images/marilyn-vos-savant.jpg
30$ http://farm8.staticflickr.com/7167/6562348723_bf01a907b7_o.jpg
31$ http://1.bp.blogspot.com/_OvKGUdi_92k/TUxC-
oBF5q/AAAAAAAAABM/CBH01reOEA/s1600/mozart.jpg
32$ http://www.lpi.tel.uva.es/~nacho/docencia/ing_ond_1/trabajos_06_07/io5/public_html/punto
2/figura%207.2.jpg
33$ http://www.monografias.com/trabajos57/esencial-combinatoria/mage17848.gif
3%$ http://2.bp.blogspot.com/_NRGDywtW88/S-qVn-
Zamb/AAAAAAAAAD4/mffpGnvN67k/s1600/cumpleanos.jpg
3&$ http://www.stupidout.com/wp-content/uploads/2011/08/pregunta.jpg
3($ http://emosqueira.files.wordpress.com/2010/05/probabilidad.png
3)$ http://pictures.todocoleccion.net/auto21/89838.jpg
3'$ http://images01.olx.pt/ui/6/89/57/1274106542_93738257_1-Cromos-pokemon-Nazare-
1274106542.jpg
3*$ http://definanzas.com/wp-content/uploads/loteria_navidad2.jpg
%0$ http://3.bp.blogspot.com/-
6jMawKU5uLY/TjpNLEw9qe/AAAAAAAACSM/y8QEQ4wyU/s1600/loteria+2011.jpg
%1$ http://voyaganardinero.com/wp-content/uploads/2011/07/euromillones.jpg
%2$ http://www.casinos-on-line.com.es/imagenes/euromillones-dia.jpg
%3$ http://farm7.static.flickr.com/6212/6289346031_b432b13a02.jpg
%%$ http://www.metodosloteria.com/images/laprimitiva.gif
%&$ http://www.blogseitb.com/pamplona/wp-content/uploads/2010/05/primitiva_imagen_foto.gif
%($ http://www.mi-quiniela.com/images/logo_quiniela.jpg
%)$ http://1.bp.blogspot.com/_X2VgS16Hvsg/TlndJx1R0/AAAAAAAAA7k/EbdgnWceJEo/s160
0/quiniela.jpg

Be82a847 - Treball de Recerca

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Be82a847 - Treball de Recerca

Transféré par

Droits d'auteur :

Formats disponibles

3

Probabilidad en los juegos de azar Ral Toledano

2$%$Desarrollo de la teora de la probabilidad

a) La expresin H representa la hiptesis y la expresin D representa el

A partir de Kolmgorov dedujo que:

Fuente 23: Andr<i ;ol,4goro1

. Si relacionamos esta frmula con la regla de

nos encontramos con una aproximacin

. Como curiosidad el propio Buffon realiz el

, sern los objetos que caben en el

L B, es decir el nmero total de objetos es

Donde U4?5 representa la utilidad de percibir ? euros.

El mtodo para calcular las permutaciones con repeticin es el siguiente:

Ejemplo: Cuantas variaciones de 6 elementos se pueden hacer en grupos de

3.2.2. Variaciones con repeticin

Ejemplo: En un catering se quieren repartir los 20 canaps de 4 en 4.

Ejemplo: En un restaurante nos dan tres bolas de helados a escoger entre:

Nos podremos comer 35 combinaciones distintas de helados.

Un ejemplo claro de este tipo de espacios es la probabilidad de que salga cara

En el caso explicado anteriormente nos encontramos

El valor esperado tiene la caracterstica que de alguna manera el valor

2$ Si una constante B se multiplica por una variable @, su esperanza

5.3.1. Propiedades de la varianza:

2A Si una variable aleatoria 4@5 se multiplica por una constante B, la

Vous aimerez peut-être aussi