Universidad Nacional Autnoma de Mxico

Facultad de Ingeniera

Tarea

Evaluacin de Proyectos de Ciencias de la Tierra

Grupo 2
Profeso: Mar lvarez Csar Alejandro

Alumno: Rojas Orozco Miguel Alejandro

Qu es la probabilidad?
La palabra probabilidad proviene del latn probabilitas, verosimilitud (verus
verdadero y similis semejante). Fundada apariencia de verdad, calidad de probable
o que puede suceder.
Existen diferentes interpretaciones de probabilidad:
-

Subjetiva

Clsica

Frecuentista

De acuerdo con esta interpretacin, la probabilidad de un evento es el grado de

certidumbre que tiene una persona, o grupo de personas, acerca de la ocurrencia
de un evento. Puede ser en base a la experiencia o en cierta informacin que se
tenga.
Una probabilidad igual a 0 indica que una certeza absoluta de que el evento no
ocurrir y una probabilidad igual a 1 (100%) indica una certeza absoluta de que el
evento ocurrir.
Ejemplos de interpretaciones de la probabilidad.
-

Subjetiva:

Est nublado, hay un 60% de probabilidad de lluvia.

-

Clsica:

Si en un grupo hay 40 ingenieros y 20 arquitectos, la probabilidad de que, al

seleccionar aleatoriamente a una persona del grupo, su profesin sea de ingeniero
es: 40/60=4/6
-

Frecuentista:

Al sacar de una urna 100 pelotas, se observaron 30 rojas y 70 blancas. La

probabilidad de que una pelota sea blanca es de 70/100 (se desconoce cuntas
pelotas hay dentro de la urna).

Tipos de distribucin de probabilidad

Una distribucin de probabilidad indica la gama de valores que pueden presentarse
como resultado de un experimento si ste se llevase a cabo.
Describe la probabilidad de que un evento se realice en el futuro, puede disear un
escenario de acontecimientos futuros considerando tendencias actuales de diversos
fenmenos naturales.
Bsicamente se consideran 3.
-

Distribucin binomial

Distribucin de Poisson

Distribucin uniforme discreta

Porque solo puede tomar valores enteros y un nmero finito de ellos. Por ejemplo:
X Variable que nos define el nmero de alumnos aprobados en la materia de
probabilidad en un grupo de 40 alumnos (1, 2 ,3 o los 40).
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)
p(xi)<1 Las probabilidades asociadas a cada uno de los valores que toma x deben
ser mayores o iguales a cero y menores o iguales a 1.
E p(xi) = 1 La sumatoria de las probabilidades asociadas a cada uno de los valores
que toma x debe ser igual a 1.
EJEMPLO:
Para variable aleatoria discreta.
Tenemos una moneda que al lanzarla puede dar slo dos resultados: o cara (50%),
o cruz (50%).
La siguiente tabla nos muestra los posibles resultados de lanzar dos veces una
moneda:

Al realizar la tabla de distribucin del posible nmero de caras que se obtiene al

lanzar una moneda dos veces, obtenemos:

VARIABLE ALEATORIA CONTINUA (x).

Porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito
de ellos dentro de un mismo intervalo. Por ejemplo:
x es la Variable que nos define la concentracin en gramos de plata de algunas
muestras de mineral (14.8 gr, 12.1, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, , n)
PROPIEDADES DE UNA VARIABLE ALEATORIA DISCRETA (X)
p(x) Las probabilidades asociadas a cada uno de los valores que toma x deben ser
mayores o iguales a cero. Dicho de otra forma, la funcin de densidad de
probabilidad deber tomar solo valores mayores o iguales a cero.

El rea definida bajo la funcin de densidad de probabilidad deber ser de 1.

ESPERANZA MATEMATICA O VALOR ESPERADO

El valor esperado de una Variable Aleatoria X es el promedio ponderado de todos

los valores posibles de la misma. Donde los pesos son las probabilidades asociadas
con los valores.
Para calcular el valor esperado de una variable aleatoria por su correspondiente
probabilidad y luego sumar los trminos resultantes.
La esperanza matemtica o valor esperado de una variable aleatoria tiene sus
orgenes en los juegos de azar, debido a que los apostadores deseaban saber cul
era su esperanza de ganar repetidamente un juego, por lo tanto, el valor esperado
representa la cantidad de dinero promedio que el jugador est dispuesto a ganar o
perder despus de un nmero grande de apuestas.
E(x) = = E xf (x)
VARIANZA
Es un promedio ponderado de las de las desvaciones al cuadrado.
Varianza = E ( x - ) f ( x)
DISTRIBUCIN BINOMIAL
La distribucin Binomial es un caso particular de probabilidad de variable aleatoria
discreta, y por sus aplicaciones, es posiblemente la ms importante.
Esta distribucin corresponde a la realizacin de un experimento aleatorio que
cumple con las siguientes condiciones:
Al realizar el experimento slo son posible dos resultados: el suceso A, llamado
xito, y el suceso B, llamado fracaso.
Al repetir el experimento, el resultado obtenido es independiente de los resultados
obtenidos anteriormente.
La probabilidad del suceso A es constante, es decir, no vara de una prueba del
experimento a otra.

En cada experimento se realizan n pruebas idnticas.

Todo experimento que tenga estas caractersticas se dice que sigue el modelo de
la distribucin Binomial o distribucin de Bernoulli.
En general, si se tienen n ensayos Bernoulli con probabilidad de xito p y de fracaso
q, entonces la distribucin de probabilidad que la modela es la distribucin de
probabilidad binomial y su regla de correspondencia es:

Donde:
P(X)= es la probabilidad de ocurrencia del evento
p = es la probabilidad de xito del evento (en un intento)
q = es la probabilidad de fracaso del evento (en un intento) (se define como q =1 p )
X = ocurrencia del evento o xitos deseados
n = nmero de intentos
EJEMPLO
Cul es la probabilidad de obtener exactamente 2 caras al lanzar una misma
moneda 6 veces?
Donde:
P(X)= Probabilidad de que ocurra el evento
p = (0.5)
q = (se define como q = 1 p ) (0.5)
X=2
n=6
Al sustituir los valores en la frmula obtenemos:

La posibilidad de obtener dos caras al lanzar una moneda 6 veces es de 0.234375

Como el clculo de estas probabilidades puede resultar algo tedioso se han
construido tablas para algunos valores de n y p que nos facilitan el trabajo (Ver las
tablas de la funcin de probabilidad Binomial).
Para una combinacin de n y p, la entrada indica una probabilidad de obtener un
valor especfico de r.
Para localizar la entrada, cuando p8804;0.50, localice p a lo largo del encabezado
de la tabla, y en la columna correspondiente localice n y r en el margen izquierdo;
cuando p8805;0.50, localice el valor de p en la parte inferior de la tabla, y n y r
arriba, en el margen derecho.
Tenemos p = 0.50, n = 6 y r = 2 obteniendo resultado directo de tablas
P (2 caras) = 0.2344
DISTRIBUCIN DE POISSON
La distribucin de POISSON es tambin un caso particular de probabilidad de
variable aleatoria discreta, el cual debe su nombre a Simon Denis Poisson (17811840), un francs que la desarroll a partir de los estudios que realiz durante la
ltima etapa de su vida.
Es til cuando tratamos con cantidades de ocurrencia de un evento a lo largo de un
intervalo de tiempo o espacio especificado.
Esta distribucin se utiliza para describir ciertos procesos.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de
rea, tiempo, pieza, etc.:

- # de defectos de una tela por m2

- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc., etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc., etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea,
o producto, la frmula a utilizar sera:

donde:
p(X) = probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia de ellos es /
/= media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718 (base de logaritmo neperiano o natural)
X = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por
unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de
tiempo es independiente de otro intervalo dado, as como cada rea es
independiente de otra rea dada y cada producto es independiente de otro producto
dado.

Qu son los percentiles?

Los percentiles son una medida de posicin que describe una poblacin,
denominada percentil. De manera intuitiva se puede decir que es un valor tal que
supera un determinado porcentaje de los miembros de la poblacin.
La descripcin intuitiva de percentil en una poblacin continua, como la anterior,
no es difcil de entender. Sin
embargo, la definicin en una muestra de tamao finito puede resultar ms difcil
porque, en este caso, los valores
que representan las proporciones acumuladas tienen una representacin grfica en
forma de escalera.

Cules son los rangos de incertidumbre de la SPE?

El rango de incertidumbre de los volmenes recuperables y/o potencialmente
recuperables puede ser representada por escenarios deterministas o por una
distribucin de probabilidad.
Cuando el rango de incertidumbre se representa con una distribucin de
probabilidad, se proveer una estimacin baja, mejor, y alta de tal forma que:
Debera haber por lo menos una probabilidad del 90% (P90) que las cantidades
realmente recuperadas igualarn o excedern la estimacin baja.
Debera haber una probabilidad de 50% (P50) que las cantidades realmente
recuperadas igualarn o excedern la mejor estimacin.
Debera haber por lo menos una probabilidad de 10% (P10) que las cantidades
realmente recuperadas igualarn o excedern la estimacin alta.

Diferencia entre distribucin discreta y continua.

Las distribuciones continuas son variables que pueden tomar valores enteros o
fraccionarios y se generan por una variable continua.
La sumatoria de las probabilidades asociadas a cada uno de los valores que toma
x debe ser igual a 1. El rea definida bajo la funcin de densidad de probabilidad
deber ser de 1.
Representan un nmero infinito de posibles soluciones.

Las distribuciones discretas son aquellas en las que la variable puede tomar un
nmero determinado de valores.

Referencias:
SPE, Sistema de Gestin de Recursos Petrolferos 2009, pginas 9-12
Jos M. Casas Snchez, Inferencia Estadstica para Economa y Administracin de
Empresas, pginas 19-37