Vous êtes sur la page 1sur 7

Probabilidad

Origen: La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat y Blaise Pascal tratan de resolver
algunos problemas relacionados con los juegos de azar. Aunque algunos marcan sus inicios cuando Cardano (jugador
donde los haya) escribi sobre 1520 El Libro de los Juegos de Azar (aunque no fu publicado hasta ms de un siglo
despus, sobre 1660) no es hasta dicha fecha que comienza a elaborarse una teora aceptable sobre los juegos.
Christian Huygens conoci la correspondencia entre Blaise Pascal y Pierre Fermat suscitada por el caballero De Mr, se
plante el debate de determinar la probabilidad de ganar una partida, y public (en 1657) el primer libro sobre probabilidad:
De Ratiociniis in Ludo Aleae, (Calculating in Games of Chance), un tratado sobre juegos de azar.Se aceptaba como intuitivo
el concepto de equiprobabilidad, se admita que la probabilidad de conseguir un acontecimiento fuese igual al cociente entre
Durante el siglo XVIII, debido muy particularmente a la popularidad de los juegos de azar, el clculo de probabilidades tuvo
un notable desarrollo sobre la base de la anterior definicin de probabilidad. Destacan en 1713 el teorema de Bernoulli y la
distribucin binomial, y en 1738 el primer caso particular estudiado por De Moivre , del teorema central del lmite. En 1809
Gauss inici el estudio de la teora de errores y en 1810 Laplace, que haba considerado anteriormente el tema, complet
el desarrollo de esta teora. En 1812 Pierre Laplace public Thorie analytique des probabilits en el que expone un
anlisis matemtico sobre los juegos de azar.
A mediados del siglo XIX, un fraile agustino austraco, Gregor Mendel, inici el estudio de la herencia, la gentica, con sus
interesantes experimentos sobre el cruce de plantas de diferentes caractersticas. Su obra, La matemtica de la Herencia,
fue una de las primeras aplicaciones importantes de la teora de probabilidad a las ciencias naturales
Desde los orgenes la principal dificultad para poder considerar la probabilidad como una rama de la matemtica fue la
elaboracin de una teora suficientemente precisa como para que fuese aceptada como una forma de matemtica. A
principios del siglo XX el matemtico ruso Andrei Kolmogorov la defini de forma axiomtica y estableci las bases para la
moderna teora de la probabilidad que en la actualidad es parte de una teora ms amplia como es la teora de la medida.
Definicin: La probabilidad es la posibilidad que existe entre varias posibilidades, que un hecho o condicin se produzcan.
La probabilidad, entonces, mide la frecuencia con la cual se obtiene un resultado en oportunidad de la realizacin de un
experimento sobre el cual se conocen todos los resultados posibles gracias a las condiciones de estabilidad que el contexto
supone de antemano.
Usos: La teora de probabilidades proporciona las herramientas matemticas para estudiar los eventos aleatorios (todo
fenmeno que acontece por proceso natural o por intervencin del hombre, y que junto con sus manifestaciones o
resultados, no pueden predecirse con certeza). Son diversos en su importancia para la Ingeniera Civil: caractersticas de
los materiales, dimensiones de elementos estructurales, carga viva en edificios, carga ssmica y de viento, imperfecciones
geomtricas, trnsito de vehculos).
Axiomas de probabilidad
Definicin: Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una funcin definida
sobre un conjunto de sucesos determine consistentemente sus probabilidades. Fueron formulados por Kolmogrov en 1933.
Ejemplo:Un dado de seis caras est trucado, de forma que la probabilidad de que salga cada cara es proporcional al
nmero de sta.

1 Cul es la probabilidad de sacar un 6?


En este caso, nos dicen que la probabilidad de que salga cada cara no es la misma, por lo que no podemos aplicar
directamente la regla de Laplace. Si observamos el enunciado, nos dice que la probabilidad de que salga cada cara es
proporcional al nmero de sta, esto quiere decir, si decimos que la probabilidad de que salga un 1 es k, que
desconocemos, entonces:
P({1})=k, P({2})=2k, P({3})=3k, P({4})=4k,
P({5})=5k,P({6})=6k.
Ahora, como {1},{2},{3},{4},{5},{6} forman un sistema completo de sucesos, necesariamente
P({1})+P({2})+P({3})+P({4})+P({5})+P({6})=1

Por lo tanto,
k+2k+3k+4k+5k+6k=1
que es una ecuacin que ya sabemos resolver:
21k=1

por lo que
k=121
As pues, la probabilidad de sacar un 6 es P({6})=6k=6121=621.

2 Cul es la probabilidad de sacar un nmero impar?


Los casos favorables al suceso A="sacar un nmero impar" son: {1},{3},{5}. Por lo tanto, como son sucesos incompatibles,
P(A)=P({1})+P({3})+P({5})=k+3k+5k=9k=9121=921
Ejemplo
Maana hay examen. Esther ha estudiado mucho, y tan slo tiene probabilidad 15 de suspender.
David ha estudiado menos, y tiene probabilidad 13 de suspender. Sabemos que la probabilidad de que suspendan los dos
es de 18.

Cul es la probabilidad de que suspenda como mnimo uno de los dos?


Lo primero que debemos hacer es expresar el problema como sabemos, con sucesos. Definimos los sucesos A="Esther
suspende", B="David suspende".
Por el enunciado, sabemos que P(A)=15 , P(B)=13, y que P(AB)=18.
Podramos pensar que si Esther tiene probabilidad 15 de suspender, y David 13 de suspender, entonces la probabilidad de
que suspenda como mnimo uno de los dos, es decir, P(AB), debera ser 15+13=815, pero esto es falso.
Si lo contamos de esta manera, estamos suponiendo que los sucesos A y B son incompatibles, es decir, que no pueden
suceder a la vez, cuando el enunciado nos dice que pueden suspender los dos a la vez.

Por lo tanto, la manera correcta de calcular esta probabilidad es utilizando la frmula que hemos encontrado antes:
P(AB)=P(A)+P(B)P(AB)

Sustituyendo por los resultados que conocemos, tenemos que


P(AB)=15+1318=24120+4012015120=49120
o lo que es lo mismo, un 40,83%.
As la probabilidad de que suspenda como mnimo uno de los dos es de 40,83%.
Tipos de probabilidad
Probabilidad Clsica o a Priori
Si un suceso puede ocurrir de N maneras mutuamente excluyentes e igualmente probables, y m de ellas poseen una
caracterstica A
Ejemplo 1: P(de que salgan dos caras al tirar 2 monedas)
P(de que salga una cara al tirar 2 monedas )
Ejemplo 2: P(de que salga un varn al tomar 2 bebs y observar su sexo)
Probabilidad emprica o frecuencial
Una teora de mayor aplicacin y muy sostenida es la basada en la frecuencia relativa. Puede atribuirse a este punto de
vista el adelanto registrado en la aplicacin de la probabilidad en la Fsica, la Astronoma, la Biologa, las Ciencias Sociales
y los negocios.
Esta teora est estrechamente relacionada con el punto de vista expresado por Aristteles: lo probable es aquello que
ocurre diariamente.

Notamos a travs de gran cantidad de observaciones acumuladas con los diversos juegos de azar una forma general de
regularidad que permiti establecer una teora.
Supongamos que efectuamos una serie de n repeticiones del experimento E, intentando mantener constantes las
condiciones pertinentes. Sea f el nmero de repeticiones en las que se presenta el suceso A, de forma que en las restantes
n f no se presentar. Obtendremos as una serie de frecuencias relativas para n1, n2 .
Estas frecuencias relativas diferirn poco entre s cuando las ni sean grandes y tendern a acumularse en la proximidad de
un valor fijo.
Debemos sealar que la estabilidad, a la larga, de las frecuencias relativas se aplica a una amplia clase de experimentos
aleatorios, de los que el juego de azar constituye un caso en particular, casi insignificante.
Para establecer una descripcin matemtica sencilla de la conducta de las frecuencias relativas para grandes valores de n,
vamos a postular la existencia de un nro. p que es el nro. al cul tiende fr, es decir, la frecuencia relativa del suceso en
estudio.
Este nmero se llamar probabilidad del suceso A en relacin con el experimento aleatorio E.
La frecuencia relativa fr se considerar entonces como una medida experimental de la probabilidad y diremos:
De acuerdo con el concepto emprico de la estabilidad de las razones frecuenciales cabe esperar que, para grandes
valores de n, la razn frecuencial observada sea aproximadamente igual a p que se llamar probabilidad del suceso en
estudio.
Estaremos entonces estimando el valor de una probabilidad desconocida por medio de un estudio de la conducta de las
frecuencias relativas del hecho o suceso correspondiente.
La aplicacin de esta definicin est relacionada con un experimento aleatorio que puede ser repetido varias veces en
condiciones uniformes. Naturalmente, la repeticin real ser en ocasiones difcil o incluso imposible de realizar, por ejempl o,
debido a los costos prohibitivos de experimentacin, pero bastar con que sea concebible una repeticin en condiciones
uniformes.
Pensaste cuando tirs muchas, muchas veces una moneda cal es la probabilidad de que salga cara?
Probabilidad subjetiva
Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia previa, la opinin personal o la intuicin
del individuo. En este caso despus de estudiar la informacin disponible, se asigna un valor de probabilidad a los sucesos
basado en el grado de creencia de que el suceso pueda ocurrir.
Cul es la probabilidad de que haya vida en Marte?
Analiza esta probabilidad!
Estos ejemplos a qu definicin de probabilidad corresponden?
Ejemplo 1
E: Tirar un dado
A = que salga el n 3
S = {1, 2, 3, 4, 5, 6}
P(A) = 1/6
Ejemplo 2
E: Retirar una carta de un mazo
A= que salga oro
P(A) = 10/40
Espacio muestral
Definicin: Por espacio muestral (tambin conocido como espacio de muestreo) se entiende el grupo de todos los
resultados especficos que se pueden obtener tras una experimentacin de carcter aleatorio. A cada uno de sus
componentes se los define como puntos muestrales o, simplemente, muestras.
Por citar un caso a modo de ejemplo concreto: si la prueba se basa en arrojar un dado, el espacio muestral estar
constituido por los puntos muestrales identificados como los nmeros 1, 2, 3, 4, 5 y 6, ya que esos son los resultados
posibles de la accin de tirar el dado. Por lo tanto, se puede establecer que el espacio muestral del experimento es U = {1,
2, 3, 4, 5, 6}.
Dado su carcter estadstico, este concepto se aprovecha en diversas situaciones relacionadas con el marketing. Por
ejemplo, a la hora de disear un producto nuevo, o una versin de uno existente, es necesario realizar una proyeccin
demogrfica para anticipar su potencial impacto en el mercado; dentro de estos estudios, se busca agrupar a los
consumidores en conjuntos etiquetados por gnero, edad y dems propiedades, dependiendo de la empresa y del producto

en s. Este anlisis posee un mnimo de dos partes: una que tiene lugar antes del lanzamiento y otra que ocurre despus,
para contrastar la realidad con los nmeros esperados.
Ejemplo:
Lanzamiento de monedas.
1.

Una moneda es lanzada una vez. Entonces


sello.

2.
3.

Si la misma moneda es lanzada dos veces, entonces


Ahora si contamos el nmero de caras en el resultado del caso (a) y (b),
entonces

.donde

denota el resultado cara y

denota

como los respectivos espacios muestrales

Eventos aleatorios
Definicin: Un evento aleatorio es aquel acontecimiento de un hecho en proceso o que est por venir. Se dice que es
aleatorio, si no es posible determinarlo con exactitud. En todo caso, serposible predecirlo con un nivel dado de confianza.
Al evento tambin se le denomina un suceso o un fenmeno.
Generalmente, se simula el evento por un conjunto de variables relacionadas entre s. Porlo tanto, un evento est
representado con una o ms variables vinculadas entre ellas.
Si las variables (una o varias de stas) no son predecibles con exactitud se dice queel evento es aleatorio. Generalmente
las variables representan atributos y propiedades de los entes que intervienen en el evento, y que pueden ser medidos. De
esta manera se dice que las variables tienen una magnitud
Ejemplo: Describe el espacio muestral asociado a cada uno de los siguientes experimentos aleatorios:
1. Lanzar una moneda.
2. Lanzar un dado.
3. Lanzar una moneda y un dado simultaneamente.
4. Lanzar tres monedas.
5. Sexo de los tres hijos de una familia.
Solucin.1. Si llamamos C a la posibilidad salir cara y llamamos X a salir cruz entonces el espacio muestral
ser:
= fC; Xg
2. En este caso cada uno de los posibles resultados al lanzar un dado seran: Salir 1, salir 2, ....,salir 6.
Resultando:
= f1; 2; 3; 4; 5; 6g
3. En esta sitacin tendremos que describir los sucesos elementales de modo bidimensional, donde la
primera componente indicar el posible resultado de la moneda y la segunda componente el posible
resultado del dado. El espacio muestral ser el siguiente:
= f(C; 1);(C; 2);(C; 3);(C; 4);(C; 5);(C; 6);(X; 1);(X; 2);(X; 3);(X; 4);(X; 5);(X; 6); g
4. Con las consideraciones anteriores:
= f(C; C; C);(C; C; X);(C; X; C);(X; C; C);(C; X; X);(X; C; X);(X; X; C);(X; X; X)g
5. Llamando V a ser varn y H a ser hembra tenemos que:
= f(V; V; V );(V; V; H);(V; H; V );(H; V; V );(V; H; H);(H; V; H);(H; H; V );(H; H; H)g

Clasificacin de eventos aleatorios


Calculo probabilstico
Clculos Probabilsticos: Se define como clculo de probabilidad al conjunto de reglas que permiten determinar si un
fenmeno ha reproducirse, fundando la suposicin en el clculo, las estadsticas o la teora.
El objetivo de este prctica es realizar varios experimentos de probabilidad, anotar los resultados y posteriormente
compararlos con los resultados tericos.
Tcnicas de conteo
El principio fundamental en el proceso de contar ofrece un mtodo general para contar el numero de posibles arreglos de
objetos dentro de un solo conjunto o entre carios conjuntos. Las tcnicas de conteo son aquellas que son usadas para
enumerar eventos difciles de cuantificar.
Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro evento B puede n2 maneras diferentes
entonces, el nmero total de formas diferentes en que ambos eventos pueden ocurrir en el orden indicado, es igual a n1 x
n2.

De cuntas maneras pueden repartirse 3 premios a un conjunto de 10 personas, suponiendo que cada persona no puede
obtener ms de un premio?
Aplicando el principio fundamental del conteo, tenemos 10 personas que pueden recibir el primer
premio. Una vez que ste ha sido entregado, restan 9 personas para recibir el segundo, y
posteriormente quedarn 8 personas para el tercer premio. De ah que el nmero de maneras
distintas de repartir los tres premios.
n
10 x 9 x 8 = 720

Cuntas placas de automvil se pueden hacer utilizando dos letras seguidas de tres cifras? No se
admiten repeticiones.
26 x 25 x 10 x 9 x 8 = 468000
n un nmero entero positivo, el producto n (n-1) (n-2)...3 x 2 x 1 se llama factorial de n.
El smbolo ! se lee factorial y es el producto resultante de todos los enteros positivos de 1 a n; es decir, sea
n
5! = 5 x 4 x 3 x 2 x 1 = 120
Por definicin 0! = 1
Si el nmero de posibles resultados de un experimento es pequeo, es relativamente fcil listar y contar todos los posibles
resultados. Al tirar un dado, por ejemplo, hay seis posibles resultados.
Si, sin embargo, hay un gran nmero de posibles resultados tales como el nmero de nios y nias por familias con cinco
hijos, sera tedioso listar y contar todas las posibilidades. Las posibilidades seran, 5 nios, 4 nios y 1 nia, 3 nios y 2
nias, 2 nios y 3 nias, etc.
Para facilitar el conteo examinaremos tres tcnicas:
* La tcnica de la multiplicacin
* La tecnica aditiva
* La tecnica de la suma o Adicion
* La tcnica de la permutacin
* La tcnica de la combinacin.
PRINCIPIO DE LA MULTIPLICACION
Si se desea realizar una actividad que consta de r pasos, en donde el primer paso de la actividad a realizar puede ser
llevado a cabo de N1 maneras o formas, el segundo paso de N2 maneras o formas y el r-simo paso de Nr maneras o
formas, entonces esta actividad puede ser llevada a efecto de. El principio multiplicativo implica que cada uno de los pasos
de la actividad deben ser llevados a efecto, uno tras otro. Si un evento E1 puede suceder de n1 maneras diferentes, el
evento E2 puede ocurrir de n2 maneras diferentes, y as sucesivamente hasta el evento Ep el cual puede ocurrir de np
maneras diferentes, entonces el total de maneras distintas en que puede suceder el evento ocurren E1 y E2..y Ep es
igual a producto.

N1 x N2 x ..........x Nr maneras o formas


Ejemplo:
Se dispone de 3 vas para viajar de C1 a C2 y de 4 vas para viajar de C2 a C1. De cuntas formas se puede organizar el
viaje de ida y vuelta de C1 a C2.Respuesta: (3)(4)=12

PRINCIPIO ADITIVO.
Si se desea llevar a efecto una actividad, la cul tiene formas alternativas para ser realizada, donde la primera de esas
alternativas puede ser realizada de M maneras o formas, la segunda alternativa puede realizarse de N maneras o formas
..... y la ltima de las alternativas puede ser realizada de W maneras o formas, entonces esa actividad puede ser llevada a
cabo de,
M + N + .........+ W maneras o formas
Ejemplos:

1)
Una persona desea comprar una lavadora de ropa, para lo cul ha pensado que puede seleccionar de entre las
marcas Whirpool, Easy y General Electric, cuando acude a hacer la compra se encuentra que la lavadora de la marca W se
presenta en dos tipos de carga ( 8 u 11 kilogramos), en cuatro colores diferentes y puede ser automtica o semiautomtica,
mientras que la lavadora de la marca E, se presenta en tres tipos de carga (8, 11 o 15 kilogramos), en dos colores
diferentes y puede ser automtica o semiautomtica y la lavadora de la marca GE, se presenta en solo un tipo de carga,
que es de 11 kilogramos, dos colores diferentes y solo hay semiautomtica. Cuntas maneras tiene esta persona de
comprar una lavadora?

Solucin:
M = Nmero de maneras de seleccionar una lavadora Whirpool
N = Nmero de maneras de seleccionar una lavadora de la marca Easy
W = Nmero de maneras de seleccionar una lavadora de la marca General Electric

M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora

PRINCIPIO DE LA SUMA O ADICCION


Si una primera operacin puede realizarse de m maneras y una segunda operacin de n maneras, entonces una operacin
o la otra pueden efectuarse de:
m+n maneras.
Ejemplo:
Una pareja que se tiene que casar, junta dinero para el enganche de su casa, en el fraccionamiento lomas de la presa le
ofrecen un modelo econmico un condominio, en el fraccionamiento Playas le ofrecen un modelo econmico como
modelos un residencial, un californiano y un provenzal. Cuntas alternativas diferentes de vivienda le ofrecen a la pareja?
PRESA
Econmico
Condominio
m=2

PLAYAS
Residencial
Californiano
Provenzal
n=3

2+3= 5 maneras

PRINCIPIO DE PERMUTACION:
A diferencia de la formula de la multiplicacin, se la utiliza para determinar el numero de posibles arreglos cuando solo hay
un solo grupo de objetos. Permutacin: un arreglos o posicin de r objetos seleccionados de un solo grupo de n objetos
posibles. Si nos damos cuenta los arreglos a, b, c y b, a, c son permutaciones diferentes, la formula que se utiliza para
contar el numero total de permutaciones distintas es:
FRMULA: n P r = n! (n - r)
Ejemplo: Como se puede designar los cuatro primeros lugares de un concurso, donde existen 15 participantes?
Aplicando la formula de la permutacin tenemos:

n P r = n! (n - r)! = 15! = 15*14*13*12 *11*10*9*8*7*6*5*4*3*2*1 (15-4)! 11*10*9*8*7*6*5*4*3*2*1 = 32760


Donde: n= nmero total de objetos r= nmero de objetos seleccionados!= factorial, producto de los nmeros naturales entre
1 y n.
NOTA: se puede cancelar nmeros cuando se tiene las mismas cifras en numerador y denominador. !

PRINCIPIO DE COMBINACION:

En una permutacin, el orden de los objetos de cada posible resultado es diferente. Si el orden de los objetos no es
importante, cada uno de estos resultados se denomina combinacin. Por ejemplo, si se quiere formar un equipo de trabajo
formado por 2 personas seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes,
entonces si importa el orden, los resultados sern permutaciones. Por el contrario si en el equipo no hay funciones
definidas, entonces no importa el orden y los resultados sern combinaciones. Los resultados en ambos casos son los
siguientes:
Permutaciones: AB, AC, BA, CA, BC, CB
Combinaciones: AB, AC, BC
Combinaciones: Es el nmero de formas de seleccionar r objetos de un grupo de n objetos sin importar el orden.
La frmula de combinaciones es:
n C r = n!

r! (n r)!

Ejemplo: En una compaa se quiere establecer un cdigo de colores para identificar cada una de las 42 partes de un
producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes, de tal suerte que cada una tenga una
combinacin de 3 colores diferentes. Ser adecuado este cdigo de colores para identificar las 42 partes del producto?
Usando la frmula de combinaciones:
n C r = n! = 7! = 7! = 35
r! (n r )! 3! (7 3)! 3! 4!
El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes del producto.