UNIVERSIDAD CENTRAL DEL ECUADOR

NOMBRE
Ramrez Leonardo
SEMESTRE
Segundo
PARALELO
Primero
HORARIO
15:00 a 17:00
CATEDRA
Estadstica
FECHA
25/Feb/2015

REPRESENTACION GRAFICA DE DATOS

Elementos de un grfico

Tipos de grficos

Diagrama de sectores circulares

En un diagrama de sectores circulares, el rea de un crculo es usada para representar la

totalidad de los sujetos de muestra de una poblacin. El crculo se divide en sectores,
formados por ngulos, para representar a cada una de las modalidades o valores de la
variable. La medida del ngulo es proporcional a la frecuencia simple de la modalidad que
este representa.
Generalmente, se usa el diagrama de sectores circulares para presentar el porcentaje de casos
correspondiente a cada modalidad.
Ejemplo de diagrama de sectores circulares

Cul mencin representa mayor cantidad de estudiantes en el grupo?

Qu porcentaje de estudiantes pertenecen a la mencin Cs. Fsico N., Preescolar, lenguas
modernas?
Suponga que se entrevist a 150 estudiantes
matemticas?

Cuntos pertenecen

a la mencin de

Diagrama de barras simples

En un diagrama de barras simples, se representa la frecuencia simple (absoluta o relativa) de
cada movilidad o categora de la de la variable mediante la altura de una barra, donde la
altura de la barra es proporcional a la frecuencia simple de la categora que representa.

Ejemplo de diagrama de barras simples

Cul estado civil se repite con mayor frecuencia?

El numero de sujetos cuando es superior al nmero de sujetos divorciados?
Cuntos estudiantes estn casados?

Qu porcentaje de sujetos estn solteros?

Diagrama de barras compuestas

Un diagrama de barras compuestas se utiliza para representar la informacin contenida en una

tabla de doble entrada; es decir, se utiliza para representar la informacin obtenida a partir de la
medicin de dos variables
En este tipo de grfico, las dos variables se representan con el siguiente criterio: (1) la altura de
las barras representan la frecuencia simple de las modalidades o categoras de una variable y (2)
cada una de las variables es dividida en tantos segmentos como modalidades o categoras tenga
la otra variable, siendo la altura de estos segmentos proporcional a la frecuencia simple de cada
modalidad o categora

Diagrama de barras agrupadas o aplicadas

Al igual que el diagrama de barras compuestas, un diagrama de barras agrupadas se utiliza para
presentar la informacin contenida en toda la tabla de doble entrada; es decir, se utiliza para
representar la informacin obtenida a partir de la medicin de dos variables.
En este tipo de grafico se muestra, mediante un conjunto de barras como se clasifican los sujetos
respecto a las distintas modalidades o categoras de una variable dentro cada modalidad p
categora de la otra variable
Ejemplo de diagrama de barras agrupadas

Qu cantidad de personas participaron en la investigacin?

Cuntas personas participaron en la investigacin y cuantos hombres?
En el grupo de personas que afirmaron ver telenovelas diariamente. Cul es el
porcentaje de mujeres?
Cuntas personas nunca ven telenovelas? Cul es la proporcin de mujeres que nunca
ven telenovelas?

Histograma. Definicin.

Un histograma es una herramienta til cuando se quiere mostrar en forma grfica la

informacin contenida en una distribucin de frecuencias para datos agrupados en intervalos
de clase.
En un Histograma se usan barras para presentar el nmero de casos de cada clase o
intervalo. La altura de cada barra es proporcional a la frecuencia absoluta de la barra que
representa

Polgono
de frecuencias

El polgono de frecuencias consiste en un grfico de lneas para presentar la frecuencia

absoluta de los valores de una distribucin. La altura del punto asociado a un valor de la
variable es proporcional a la frecuencia de dicho valor

Polgonos de frecuencia

Ojiva porcentual
La ojiva porcentual de un grfico acumulativo que se conoce tambin con los nombres de
de porcentajes acumulados u ojiva.
La ojiva es til cuando se requiere presentar el rango percentil de cada valor en una
distribucin de frecuencias: la altura del punto asociado a un valor es proporcional a su
rango percentil o porcentaje acumulado.

Diagrama de dispersin
Un diagrama de dispersin es una grfica de parejas de valores de dos variables cuantitativas.
Este tipo de grafica se usa cuando es de inters estudias el tipo de relacin que existe entre dos
variables cuantitativas.
A travs de un diagrama de dispersin es posible determinar si entre dos variables cuantitativas
existe una relacin lineal, curvilnea o, si es el caso, no existe relacin entre variables
Ejemplo

El diagrama muestra una relacin lineal negativa entre las variables : al aumentar una, la otra
tiende a disminuir.

HISTORIA DE LA PROBABILIDAD
Contexto histrico y precursores
La Edad media termina histricamente en el ao1453 con la cada de Constantinopla por parte de
los otomanes, dando paso a la etapa conocida como Renacimiento, la cual se destac por la
actividad mercantil, industrial, artstica, arquitectnica, intelectual y cientfica, entre otras. En
esta poca surge una nueva relacin del hombre con la naturaleza, que va unida a una concepcin
ideal y realista de la ciencia. La matemtica se va a convertir en la principal ayuda de un arte y
una sociedad que se preocupan incesantemente en fundamentar racionalmente su ideal de
belleza.
A partir de esta etapa con el avance en las matemticas y la filosofa, se empieza a dar una
explicacin coherente a muchos fenmenos que no seguan un patrn determinstico, sino
aleatorio. Es el caso de todos los fenmenos relativos a la probabilidad de los sucesos,
concretados en este tiempo fundamentalmente en los juegos de azar.
En este periodo del Renacimiento es cuando empiezan a surgir de manera ms seria inquietudes
entorno a contabilizar el nmero de posibles resultados de un dado lanzado varias veces, o
problemas ms prcticos sobre cmo repartir las ganancias de los jugadores cuando el juego se
interrumpe antes de finalizar. Como vemos estas inquietudes surgan ms como intentos de
resolver problemas cotidianos con el fin de ser justos en las apuestas y repartos o incluso de
conocer las respuestas para obtener ventajas y en consecuencia mayores ganancias respecto a
otros jugadores y mucho menos de inquietudes matemticas verdaderas. De hecho la idea de
modelizar el azar mediante las matemticas an no estaba plenamente presente en los
intelectuales de la poca.
Pacioli, Cardano y Tartaglia:
Uno de los primeros problemas dedicados a contabilizar el nmero de posibles resultados al lanzar un
dado varias veces podemos encontrarlo an en la Edad Media, en el poema De Vetula de Richard de
Fournival (1200-1250) donde afirma correctamente que si se lanzan tres dados hay 216
combinaciones posibles y calcula acertadamente
los diferentes valores para la suma de los tres dados. Aunque ahora puede parecer una cuestin
trivial, en aquella poca no lo era, y otros autores se equivocaron al intentar resolverla, generalmente
porque no tenan en cuenta las posibles permutaciones de una misma combinacin.
Pero el problema ms importante relativo a los juegos de azar era el conocido como problema del
reparto de apuestas que distribua las ganancias entre jugadores cuando la partida se interrumpa
antes de finalizar. Este problema fue abordado por Luca Pacioli (1445-1517) quien en 1487 propuso
estos dos problemas particulares: un juego en el que el premio es de 22 ducados que consiste en
alcanzar 60 puntos se interrumpe cuando un equipo lleva 50 puntos y el otro 30; y tres arqueros que

compiten por un premio de 6 ducados lanzan flechas hasta que uno de ellos haga 6 dianas, siendo
interrumpidos cuando el primero de ellos lleva 4 dianas, el segundo 3 y el tercero 2. Cmo deben
repartirse los premios entre los contendientes? Pacioli propuso que el premio debera ser repartido en
funcin de las victorias obtenidas anteriormente: as, el premio del primer problema se divida en
605/8 ducados para el primer equipo y en
603/8 para el segundo; para el problema de los arqueros, el premio se divida en la proporcin 4/9,
3/9 y 2/9. Como ms tarde se pondra de manifiesto, esta solucin obtenida por Pacioli es incorrecta.
Fue Girolamo Cardano (1501-1576) quien escribi la primera obra importante relacionada con el
clculo de probabilidades en los juegos de azar. Fue en 1565 y se llamaba Libro de los juegos de
azar. Adems Cardano se haba ocupado anteriormente del problema del reparto de apuestas y en
1539 lleg a la conclusin de que la solucin de Pacioli era incorrecta porque al considerar tan slo
el nmero de juegos ganados por cada equipo, no contaba cuntos juegos deban ganar para hacerse
con el premio. Cardano propuso como solucin del problema que si n es el nmero de juegos totales
y a y b los juegos ganados por cada equipo, el premio deba repartirse de la siguiente manera:
[1+2++(n-b)]: [1+2+(n-a)].
Esta solucin es, en general, incorrecta y slo da resultados vlidos en casos particulares.
Niccolo Tartaglia (14991557), tambin intent resolver este problema y en 1556 public un libro
en el que descartaba la solucin dada por Pacioli y daba su propio solucin: si un equipo ha ganado a
puntos y el otro b, se juega a n puntos y el premio total es P, las ganancias deberan repartirse de la
forma:
(P/2)P[(a-b)/n]
siendo la cantidad mayor para el equipo que tenga ms victorias. Sin embargo, Tartaglia fue
consciente de que su solucin no era la correcta y en su libro dejaba claro que era buena para impartir
justicia y equilibrio a un reparto, pero no era exacta desde el punto de vista matemtico.
Adems de estos tres nombres importantes, entre los precursores de la probabilidad destac tambin
un hombre mucho ms conocido en otros campos de las matemticas y la fsica como fue Galileo
Galilei, que durante su vida tambin resolvi problemas sobre dados, hasta tal punto que escribi un
libro llamado Sobre la puntuacin en tiradas de dados. Sin embargo, la mayor aportacin de Galileo
a los inicios de la probabilidad fue la invencin de su teora de la medida de errores. Clasific los
errores en dos tipos: sistemticos y aleatorios, clasificacin que se mantiene an en la actualidad
y estableci cuidadosamente las propiedades de los errores aleatorios. Con esto contribuy sin
saberlo a la creacin de ramas fundamentales de la estadstica y la probabilidad posterior.

Nacimiento y evolucin de la teora de la probabilidad

El problema del Caballero de Mer: Nacimiento de la probabilidad
Cierto da del ao 1654, Blaise Pascal (1623 - 1662) matemtico francs, haca un viaje en compaa
de un jugador ms o menos profesional conocido como el caballero de Mer, quien era una persona
apasionada por todo lo relacionado con el juego de los dados y las cartas, siendo adems un hombre
noble e ilustrado.

Este caballero crea que haba encontrado una "falsedad" en los nmeros al analizar
el juego de los dados, observando que el comportamiento de los dados era diferente cuando se
utilizaba un dado que cuando se empleaban dos dados. La "falsedad" parta simplemente de una
comparacin errnea entre las probabilidades de sacar un seis con un solo dado o de sacar un seis con
dos dados. Para el caballero deba existir una relacin proporcional entre el nmero de jugadas
necesarias para conseguir el efecto deseado en uno y otro caso. El problema estaba en que el citado
caballero no tuvo en cuenta que en el segundo caso estaba analizando una probabilidad compuesta en
donde las distintas probabilidades se deben calcular multiplicativamente.
Este y otros problemas planteados por el caballero a Pascal sobre cuestiones relacionadas con
diferentes juegos de azar, dieron origen a una correspondencia entre el propio Pascal y algunos de sus
amigos matemticos, sobre todo con Pierre de Fermat (1601-1665) de Toulouse, abogado de
profesin, pero gran amante de las matemticas.
Esta correspondencia constituye el origen de la teoria moderna de la probabilidad.
En una carta de Pascal a Fermat, en la que narraba la ancdota anteriormente mencionada, conclua
que "el caballero de Mer tiene mucho talento, pero no es gemetra; sto es, como sabis un gran
defecto" (carta del 29 de julio de 1654).
Otro de los problemas famosos planteados por el caballero a Pascal fue resuelto por ste y Fermat
tras el carteo de manera independiente, llegando ambos a la misma solucin : En una partida de
dados intervienen dos jugadores y apuestan 32 doblones de oro cada uno, eligiendo un nmero
diferente, gana el juego el primero que obtenga tres veces el nmero que eligi.
Despus de un rato de juego, el nmero elegido por el primer apostador ha salido dos veces mientras
el otro jugador slo una vez ha acertado, en este instante la partida debe suspenderse. Cmo dividir
los 64 doblones de oro apostados? en qu proporcin ha de ser compensado cada jugador?.
En la correspondencia que sigui a este problema, tanto Pascal como Fermat estuvieron de acuerdo
en que el primer jugador tiene derecho a 48 doblones de oro.
Veamos tambin el ltimo de los problemas histricos (al ser su solucin parte del inicio de la
probabilidad actual) que propuso Mer y resolvieron Pascal y Fermat:
El juego consista en lanzar 24 veces un par de dados y el problema era decidir si es lo mismo apostar
a favor o en contra de la aparicin de por lo menos un seis doble.
Solucin:

Pascal y Fermat resolvieron este problema y otros muchos y fueron los que empezaron a formalizar
la teora de las probabilidades, probando el desacuerdo con el caballero de Mer, este se deba a que
era errneo el clculo que haba efectuado, ya que se equivoc en considerar equiprobables sucesos
que no lo eran, y slo cuando
los casos posibles son equiprobables tiene sentido aplicar la definicin dada por Mer de
probabilidad. Sin embargo, Pascal err al intentar extender algunos de los resultados de los
problemas del caballero al caso en el que hubiera tres o ms jugadores.
Ni Pascal ni Fermat expusieron sus resultados por escrito y fue el fsico-matemtico holands
Christian Huygens (1629-1695) quien en 1657 public un breve tratado titulado De Ratiocinnis in
ludo aleae (sobre los razonamientos relativos a los juegos de dados) inspirado en la
correspondencia sostenida entre los dos creadores de la teora de la probabilidad. Adems Huygens
extendi algunos resultados de Pascal y aclar varios problemas para tres o ms jugadores.
En 1665, Pascal publicaba Tratado sobre el tringulo aritmtico, la ms importante contribucin
realizada hasta la fecha en el mbito de la combinatoria. El libro se basa en la construccin y
propiedades combinatorias del posteriormente llamado tringulo de Pascal, que es de la siguiente
forma:

Con esta construccin Pascal demostr que el valor de la k-sima entrada de la n-sima columna era
el nmero combinatorio
cada elemento es la suma

y enunci algunas propiedades importantes del tringulo como que

de todos los elementos de la columna anterior hasta la fila anterior o

como que la suma de todos los elementos de la fila n-sima es dos a la n.

Las aportaciones de Pascal se extienden a muchos campos como el de la filosofa e incluso al de la
teologa, intentando argumentar la existencia de Dios en trminos probabilsticas y gananciales
(probabilsticamente es mejor creer que no creer, es decir, es mejor actuar como si existiera, por si
acaso existe).

Primeras definiciones y teoremas bsicos:

El primero en dar la definicin clsica de probabilidad fue Jacob Bernoulli (16541705),
matemtico suizo que trabaj en la universidad de Basilea en 1687, en su obraArs conjectandi (El
arte de la conjetura) que fue publicada algunos aos despus de la muerte del autor. En esta obra
encontramos entre otras cosas la importante proposicin conocida como el Teorema de Bernoulli
mediante el cual la teora de la probabilidad fue elevada por primera vez del nivel elemental de
conjunto de soluciones de problemas particulares a un resultado de importancia general. Bernoulli
siempre detac la importancia de que los fenmenos aleatorios dejaran de enfocarse como casos
particulares y se intentara ver los conceptos generales que habas detrs de ellos, slo as se avanzara
y profundizara en el entendimiento de esta materia.
Ms adelante, el matemtico francs exiliado en Inglaterra Abraham De Moivre (16671754)
acept la definicin dada por Bernoulli y la reformul en trminos ms modernos para la poca: una
fraccin en la que el numerador es igual al nmero de apariciones del suceso y el denominador es
igual al nmero total de casos en los que es suceso pueda o no pueda ocurrir. Tal fraccin expresa la
probabilidad de que ocurra el suceso.
La definicin clsica de la probabilidad, en su forma actual, est basada en el concepto de
equiprobabilidad de los resultados, basado a su vez en la simetra. Se supone que un experimento se
puede descomponer en n sucesos equiprobables y mutuamente excluyentes ,., llamados sucesos
bsicos o elementales. As, la probabilidad de suceso A es el nmero del intervalo [0,1] que expresa
el cociente entre los m sucesos elementales que componen A y el nmero total n de posibles sucesos
elementales. La traba fundamental que encuentra esta interpretacin de la probabilidad es la
dificultad de descomponer un suceso en sucesos elementales equiprobables; lo que es fcil para
problemas sencillos (cartas, dados, etc), pero es de gran dificultad en problemas ms complicados.
BnB

Adems otro de los descubrimientos importantes de Bernoulli fue el saber obtener la probabilidad de
ocurrencia de un suceso sin necesidad de contar los casos favorables (bien por omisin de datos o
bien por la imposibilidad de contarlos). Para ello invent la probabilidad a posteriori, es decir:
mediante la observacin mltiple de los resultados de pruebas similares De esta manera,
introdujo el concepto de probabilidad estadstica: asignar como probabilidad de un suceso el
resultado que se obtendra si el proceso se repitiera en condiciones similares un nmero grande de
veces. Sin embargo, estas condiciones no eran muy concretas y con ellas no se poda dar lugar a una

definicin seria y rigurosa de todos los conceptos q manejaba Bernoulli. En primer lugar, se habla de
un nmero grande de veces, pero no se da ninguna indicacin sobre cul es ese nmero o lo
suficientemente grande que debe ser, no se especifica tampoco que significa condiciones similares y
tampoco se establece cul es el error admitido respecto al resultado terico.
Precisamente, fueron la necesidad de precisar con exactitud qu se entiende por un nmero grande
de repeticiones y de calcular el error del resultado obtenido respecto del resultado terico, lo que
llevaron a Jacob Bernoulli a idear, en su forma ms intuitiva y bsica, la Ley de los Grandes
Nmeros.
A continuacin expondremos los tres teoremas ms importantes de la probabilidad clsica. Estos
teoremas los idearon Bernoulli (Teorema de la suma, formalizado por Bayes) , De Moivre (Teorema
de la multiplicacin) y Bayes (Teorema de la probabilidad condicionada), aunque todos los conceptos
que se manejan en estos teoremas aparecen ya de forma implcita y muy frecuente en los diferentes
trabajos de Pascal, Fermat y Huygens.
-Teorema de la Suma:
Pascal dio a entender implcitamente que saba cmo calcular los casos favorables de un suceso A si
conoca los casos favorables de unos Aj disjuntos cuya unin es A (es decir, si los Aj son una
particin de A). Jacob Bernoulli tambin fue consciente de ello, y fue ms lejos al darse cuenta de
que la probabilidad de la unin no es la suma de las probabilidades si los sucesos no son disjuntos,
aunque no supo dar la razn.
No fue ninguno de ellos quien formul finalmente el teorema de la suma de la probabilidades, sino el
reverendo ingls Thomas Bayes (17021761), cuyo trabajo fue ledo pstumamente, en 1763. En
esta obra, Bayes da la primera definicin rigurosa y explcita de sucesos disjuntos y enunci la
frmula ahora conocida:

-Teorema de la Multiplicacin:
Al igual que el teorema anterior, el teorema de la multiplicacin de probabilidades era conocido por
casi todos los matemticos anteriores a travs de resultados particulares. No obstante, fue Abraham
De Moivre el primero que lo enunci rigurosamente. De Moivre fue un hugonote francs que debido
a su religin se ausent de Francia y vivi como refugiado en Inglaterra. All public su obra The
doctrine of chances (Doctrina de las Probabilidades) en 1711. De Moivre present el importante
concepto de independencia de sucesos aleatorios; as, escribi: Diremos que dos sucesos son
independientes, si el primero de ellos no tiene ninguna relacin con el otro y procedi a definir los
sucesos dependientes: Dos sucesos son dependientes si estn ligados el uno al otro y la probabilidad
de ocurrencia de uno de ellos influye en la probabilidad de ocurrencia del otro. Una vez hecho esto,

De Moivre lo aplic al clculo de probabilidades: la probabilidad de ocurrencia de dos sucesos

dependientes es igual a la probabilidad de ocurrencia de uno de ellos dividida por la probabilidad de
que el otro ocurra si el primero ya ha ocurrido. Esta regla puede generalizarse para varios sucesos .
El caso de varios sucesos lo describa as: Se necesita elegir uno de ellos como el primero, otro
como el segundo, y as. Luego, la ocurrencia del primero debe considerarse independiente de todas
las dems; el segundo debe considerarse con la condicin de que el primero ha ocurrido: el tercero
con la condicin de que tanto el primero como el segundo han ocurrido, y as. De aqu, la
probabilidad de las ocurrencias de todos los sucesos es igual al producto de todas las probabilidades
Esto es:

La obra de De Moivre cont con tres ediciones, lo que da una idea del gran inters que despert esta
materia en aquella poca. En las dos ltimas ediciones de la obra el autor tambin da las primeras
indicaciones acerca de la distribucin normal de las 8 probabilidades, que ms tarde desarrollara un
papel sumamente importante en el desarrollo la teora de la probabilidad.
-Teorema de Bayes:
El trabajo de De Moivre fue seguido y difundido en la mayora de los crculos cientficos importantes
de Europa y fue el britnico Thomas Bayes, probablemente alumno de De Moivre en Londres, quien
extendi el trabajo del francs y expres la probabilidad condicional en funcin de la probabilidad de
la interseccin:
P(A/B)= [P(B/A) P(A)] / P(B)
Adems, el teorema que lleva su nombre no es slo suyo, ya que Bayes no estaba en condiciones de
formular con probabilidades totales. Fue PierreSimon Laplace (17491827) quien mejor y
desarroll la mayor parte del teorema de Bayes en su Thorie analytique des probabilits
(Experiencia en la Filosofa de la Teora de la Probabilidad) en 1812.
Sea A un suceso que ocurre en conjuncin con uno y slo uno de los n sucesos disjuntos B1Bn. Si
se sabe que el suceso A ha ocurrido, cul es la probabilidad de que el suceso B j tambin? Laplace
respondi de la siguiente manera: La probabilidad de existencia de una de esas causas es igual a una
fraccin con un numerador igual a la probabilidad del suceso que se sigue de esta causa y un
denominador que es la suma de las probabilidades relativas a todas las posibles causas. Si estas
diferentes causas a priori no son equiprobables, entonces en lugar de tomar la probabilidad del suceso
que sigue a cada causa, se toma el producto de esta probabilidad por tantas veces la probabilidad de
la causa. Esta frmula se escribe en notacin ms actual de la siguiente manera:

Aparte de esta revisin importantsima del teorema de Bayes, Laplace incluye en su obra una
exposicin sistemtica muy completa de la teora matemtica de los juegos de azar con aplicaciones a
una gran variedad de cuestiones cientficas y prcticas. En su libro citado anteriormente dedica una

extensa introduccin escrita para los lectores no matemticos a explicar sus puntos de vista generales
sobre todas las cuestiones y apreciaciones de los resultados alcanzados con la ayuda de la teora de la
probabilidad. El estudio de esta introduccin es muy famoso y se recomienda a todos los interesados
en la historia de la ciencia.

La ley de los Grandes Nmeros:

Jacob Bernoulli descubri que las frecuencias observadas se acercaban al verdadero valor previo de
su probabilidad al hacer crecer el nmero de repeticiones del experimento. Pero l quera encontrar
una prueba cientfica que no slo probara que al aumentar el nmero de observaciones de la muestra
se poda estimar la probabilidad
autntica con el grado de precisin deseado en cada ocasin, sino que permitiera calcular
explcitamente cuntas observaciones eran necesarias para garantizar esa precisin de que el
resultado queda dentro de un intervalo predeterminado alrededor de la verdadera solucin.
El experimento que consiste repetir una prueba con la misma probabilidad de xito un nmero grande
de veces recibi el nombre de experimento de Bernoulli y, ms adelante, tras la creacin del
concepto de variable aleatoria, la variable que contabiliza el nmero de xitos en N pruebas se llam
Bernoulli o binomial.
Bernoulli era consciente de que, en situaciones reales y cotidianas, la certeza absoluta, es decir, la
probabilidad 1, es imposible de alcanzar. Por eso introdujo la idea de la certeza moral: para que un
resultado fuese moralmente cierto, deba tener una probabilidad no menor que 0.999, mientras que un
resultado con probabilidad no mayor que 0.001 se considerara moralmente imposible. Fue para
determinar la certeza moral de un suceso para lo que Bernoulli formul su teorema, la ley de los
Grandes Nmeros.
Para tener una idea intuitiva de este concepto, Bernoulli propuso el siguiente ejemplo: una urna con
30.000 bolas blancas y 20.000 negras, aunque el observador no lo sabe, pues lo que quiere es
determinar la proporcin entre bolas blancas y negras, sacando una de cada vez, anotando el
resultado (xito si es blanca y fracaso si es negra) y volvindola a introducir en la urna. Sea N el
nmero de observaciones, X el nmero de xitos y p = r/(r+s) la probabilidad de xito en cada
prueba, siendo r el nmero de bolas blancas y s el de bolas negras. El teorema de Bernoulli afirma
que dada cualquier pequea fraccin (que su descubridor siempre escriba en la forma 1/(r+s)) y
dado cualquier nmero entero positivo grande c, se puede hallar un nmero N = N(c) tal que la
probabilidad de que X/N difiera de p no ms de es mayor que c veces la probabilidad de que X/N
difiera de p ms de . Veamos todo esto con notacin matemtica:

O en notacin ms actual:

Bernoulli tom como ejemplo para aclarar este problema c=1.000 y obtuvo como resultado que eran
necesarias 25.550 observaciones. La intuicin le deca que no hacan falta tantas y, por ello, lo
intent con otros valores de c. Desilusionado por sentir que
haba fracasado en su intento de cuantificar la certeza moral, Bernoulli no incluy en su libro las
aplicaciones prometidas.
El que s lo hizo fue su sobrino Niklaus Bernoulli(16871759), que aplic el resultado de su to a
registros de 14.000 nacimientos y lleg a la inesperada conclusin de que la frecuencia de
nacimientos de nios es mayor que la de nias, en la proporcin de 18:17. Los resultados tanto de
Bernoulli como de su sobrino fueron confirmados aos despus por Laplace.
De esta manera, gracias a Bernoulli, se introdujo en la teora de la probabilidad la ley de los Grandes
Nmeros, uno de los conceptos ms importantes en calculo de probabilidades, muestreos, etc y con
amplias aplicaciones en muchos campos de la estadstica y de las matemticas y la ciencia en
general. Esta ley adems ser objeto de conversaciones entre matemticos en los siglos venideros,
estando sujeta a constantes estudios, mejoras y ampliaciones hasta prcticamente nuestros das.
El Teorema central del Lmite:
A raz del descubrimiento de la Ley de los Grandes Nmeros, se plante el problema de estimar la
suma de un subconjunto de elementos de una expresin de carcter binomial. La dificultad era
calcular una probabilidad que Bernoulli ya haba dejado indicada y demostrada y era la probabilidad
de que el nmero de xitos de un suceso de probabilidad p y n pruebas estuviera entre A y B.
Segn Bernoulli esta probabilidad era:
y la dificultad que entraaba esta

operacin era el clculo del nmero combinatorio

Jacob consigui realizar ciertas estimaciones de dudosa precisin, pero que al no manejar nmeros
muy grandes fueron suficientes para demostrar sus teoremas.
Posteriormente, De Moivre intent ser algo ms preciso y demostr que para B constante
Con el fin de determinar el valor de esa constante, construy la siguiente expresin logartmica:

y concluy segn sus clculos que B era igual a 25074. Este resultado pareca convincente, pero De
Moivre no qued satisfecho al no poder vincularlo con ninguna constante matemtica conocida. Por
ese motivo pidi consejo y ayuda a su buen amigo James Stirling (1692-1770) quien demostr que
B= 2.
Tras la obtencin de este importante dato, De Moivre calcul una tabla m! y obtuvo un resultado que
dice lo siguente:

De Moivre dibuj la grfica de esta curva, introduciendo el importantsimo concepto de distribucin

normal y demostr que esta curva es simtrica en torno al mximo y que los puntos de inflexin
estn a distancia n21 de este mximo. Por tanto , aqu est el Teorema Central del Lmite que se
conoce como el hecho de que el promedio de una muestra aleatoria independiente convenientemente
normalizada sea aproximadamente normal.
Ahora De Moivre ya estaba en condiciones de resolver el problema planteado por Bernoulli en la Ley
de los Grandes Nmeros:

Para finalizar, De Moivre encontr que n era la unidad cuya distancia del centro debe ser medida.
As, la precisin de una estimacin de la probabilidad aumenta igual que la raz cuadrada del nmero
de experimentos; en otras palabras, De Moivre acababa de descubrir la importancia de la varianza.
De Moivre repiti el experimento de Bernoulli y obtuvo que bastaban 6.498 observaciones. Aunque
mejor el mtodo, no lleg a reconocer la importancia del decubrimiento de la curva de la normal y
no pudo aplicar su resultado a otros problemas.
Problemas importantes de la historia:
- La ruina del jugador:
El problema consiste en lo siguiente: los jugadores A y B tienen a y b monedas,
respectivamente. Despus de cada juego, el ganador le quita una moneda al perdedor. La
probabilidad de ganar de A es p la de B es q = 1p. Cul es la probabilidad de que el jugador A
arruine totalmente al jugador B? Ap
Primeramente digamos que este problema de la ruina del jugador tuvo un papel importantsimo en
el desarrollo de la teora de la probabilidad, pues era bastante complejo para la poca y exigi la
creacin de nuevos mtodos para su resolucin;
Adems fue el inicio de toda la matemtica relativa a los procesos estocsticos y parte de la teora de
la decisin y los juegos.
Este problema fue propuesto por primera vez por Huygens en uno de sus libros, y lo acompa de
una solucin que aos despus Bernoulli critic argumentando que restringa la posibilidad de
encontrar una regla general para el resolver el problema.
Otros matemticos como De Moivre, Laplace o Nicols Bernoulli tambin trabajaron en este
problema, demostrando que eran capaces de trabajar con operaciones y sucesos probabilsticas muy
avanzados para la poca y que conocan la aplicacin de multitud de teoremas incluso antes de ser
formulados formalmente.
Los primeros que dieron solucin a este problema fueron De Moivre y Nicols Bernoulli,
prcticamente a la vez, entorno a 1710, y de manera independiente.
De Moivre hall la siguiente solucin:

Nicols Bernoulli incluy adems el nmero esperado ( utilizando el concepto de esperanza) de

pruebas o juegos necesarios para que un jugador sea arruinado por el otro.

- La paradoja de San Petersburgo:

Se propone un juego de azar en el que pagas una apuesta inicial fija. Consiste en el lanzamiento de
una moneda repetidamente hasta que aparece la primera cara. Una vez aparece, ganas una moneda si
la cara aparece en el primer lanzamiento, dos monedas si aparece en el segundo, 4 monedas si
aparece en el tercero, 8 en el cuarto, etc., doblando el premio en cada lanzamiento adicional. As,
ganaras 2k1 monedas en k lanzamientos. Cunto estaras dispuesto a pagar para jugar a este
juego?
La probabilidad de que la primera cara aparezca en el lanzamiento k es de:

La probabilidad de que ganes ms de monedas es menor que una entre mil. La probabilidad de que
ganes ms de 1 es menor que una entre cien. A pesar de ello el 102valor esperado del premio es
infinito!
Para calcularlo:

Esta suma diverge a infinito. As, de acuerdo a la teora tradicional del valor esperado, no importa
cuanto pagues por entrar en el juego, porque saldrs ganando a largo plazo (imagina pagar 1 billn
cada vez, para ganar la mayor parte de las veces slo un par de monedas). Su idea consiste en que las
raras ocasiones en las que ganes una cantidad elevada pagarn con creces los cientos de trillones que
habrs tenido que pagar para jugar.
Este juego fue propuesto en 1713 por Nicols Bernoulli y se conoce con este nombre porque San
Petersburgo fue la ciudad donde Nicols y si hermano Daniel discutieron sobre este problema. De
esta forma se puso de manifiesto que la opcin aparentemente ms razonable no siempre es la ms
correcta desde el punto de vista matemtico.