UNIVERSIDAD TECNOLOGICA INDOAMERICA

FACULTAD DE INGENIERIA INDUSTRIAL

MODALIDAD SEMIPRESENCIAL
MATERIA: ESTADISTICA
DOCENTE: ING. VICTOR MEDINA
ALUMNO: BYRON PAREDES MIRANDA
NIVEL: CUARTO
 CONTENIDO
TEMA: TEORIA DE LA PROBABILIDAD ........................................................................ 1

INTRODUCCION ................................................................................................................. 1

OBJETIVOS .......................................................................................................................... 2

OBJETIVO GENERAL ..................................................................................................... 2

OBJETIVO ESPECIFICO ................................................................................................. 2

JUSTIFICACION .................................................................................................................. 3

CUERPO TEORICO ............................................................................................................. 4

SINTESIS HISTORICA DE LA ESTADISTICA Y DE LA PROBABILIDAD ................. 4

DETERMINACION PRACTICA DE PROBABILIDADES: .............................................. 5

DEFINICION DE ESTADISTICA ....................................................................................... 6

DIFERENTES INTERPRETACIONES DE LA PROBABILIDAD .................................... 7

INTERPRETACIÓN CLÁSICA DE PROBABILIDAD: ................................................. 7

DEFINICION CLASICA DE PROBABILIDAD ................................................................. 7

TEORÍA DE PROBABILIDADES ....................................................................................... 8

CONCEPTO DE PROBABILIDAD ..................................................................................... 8

ALEATORIEDAD Y PROBABILIDAD ............................................................................ 10

EXPERIMENTO ALEATORIO. ........................................................................................ 10

MODELOS DE PROBABILIDAD ..................................................................................... 11

EVENTOS Y ESPACIOS DE PROBABILIDAD FINITA. ............................................... 11

 ESPACIO FINITO. .......................................................................................................... 12

RELACION ENTRE ESTADISTICA Y PROBABILIDAD .............................................. 12

DEFINICION DE PROBABILIDAD COMO FRECUENCIA RELATIVA ..................... 12

PROPIEDADES DE LA PROBABILIDAD. (R. Spiegel, 1975) ........................................ 13

REPRESENTACION GRAFICA DE CONJUNTOS Y EVENTOS .................................. 15

EJEMPLO LANZAMIENTO DE DOS DADOS ................................................................ 16

REGLAS DE LAPROBABILIDAD. (S. Moore, 1997) ...................................................... 17

DEFINICION DE ESPACIO MUESTRAL ........................................................................ 17

ESPACIO MUESTRAL. (Fig. 6) ........................................................................................ 18

PROBABILIDAD DE UN EVENTO (JUEGOS DE AZAR) ............................................. 19

PROBABILIDAD CONDICIONAL ................................................................................... 20

REPRESENTACION GRAFICA DE LA PROBABILIDD TOTAL ................................. 21

CONCLUSIONES ............................................................................................................... 22

CONTRASTE DE LAS FUENTES CONSULTADAS ...................................................... 22

BIBLIOGRAFIA ................................................................................................................. 23
 1

TEMA: TEORIA DE LA PROBABILIDAD

INTRODUCCION

Actualmente la teoría de probabilidades desempeña un papel importante en el campo de los

negocios, la investigación, específicamente en la toma de decisiones. Los eventos futuros no

pueden predecirse con absoluta seguridad, sólo se puede llegar a aproximaciones de la

ocurrencia o no del evento. Mediante la técnica probabilística, se halla un valor entre 0 y 1,

como la probabilidad de ocurrencia del evento, si el valor es cercano a uno, es casi seguro que

ocurriría tal evento. (Mendiburu, 2006)

●Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización.

●Y es que a diario utilizamos el concepto de probabilidad:

“Quizá llueva mañana”

“Probablemente llegaremos tarde”

“Seguramente tendré notable en Métodos

Matemáticos para la Física ...”

(Mendiburu, 2006)
 2

OBJETIVOS

OBJETIVO GENERAL

Conocer, aplicar, experimentar, Identificar e Interpretar las bases teóricas, conceptos,

definiciones, leyes, propiedades los modelos probabilísticos y aplicaciones estadísticas de la

teoría de la probabilidad también de las distribuciones teóricas más importantes para aplicar en

la solución de problemas que involucren variables aleatorias discretas o continuas, también

aplicarlas en la vida cotidiana, por ejemplo, en juegos de azar.

OBJETIVO ESPECIFICO

- Conocer y aplicar el concepto y la teoría de la probabilidad para utilizar en calcular los

eventos experimentados.

- Identificar las probabilidades de las variables aleatorias discretas y calcular estadísticos,

y probabilidades.

- Identificar, explicar los conceptos importantes y calcular los modelos básicos de conteo,

eventos aleatorios, aplicando las propiedades y leyes de la probabilidad.

- Conocer y aplicar las reglas de la probabilidad.

- Conocer las diferentes probabilidades como: la probabilidad condicional, la probabilidad

de un evento, el espacio muestral S y la probabilidad total, calcular sus probabilidades

aplicando todo lo estudiado.

 3

JUSTIFICACION

Las teorías de la probabilidad se emplean enormemente en la naturaleza, aplicando también

como base de la estadística matemática y aplicada, la cual, al mismo tiempo, se emplea para

planificar y organizar la producción, para analizar las probabilidades de los procesos

productivos y tecnológicos, el control de calidad y un sin número de opciones.

En la última década, los métodos y propiedades estadísticos en que se aplica la teoría de las

probabilidades, tienen mucha más cavidad y con mayor amplitud en los diferentes campos de

la ciencia y la técnica, contribuyendo así a su progreso.

En nuestros días, hay un sin número de eventos donde se aplica la teoría de la probabilidad;

por ejemplo: En los juegos de azar como loterías, rifas, casinos, carreras de caballos, pelea de

gallos y en cualquier deporte; sin embargo, la teoría de la probabilidad en la actualidad es usada

mucho por los gobiernos, las empresas, etc. en su proceso de toma de decisiones. En cualquier

aplicación individual, al aplicar las probabilidades indica que existe algún evento aleatorio o de

desconfianza relacionado con la ocurrencia o no ocurrencia de aquel evento futuro.

 4

CUERPO TEORICO

SINTESIS HISTORICA DE LA ESTADISTICA Y DE LA PROBABILIDAD

En el segundo congreso internacional de matemáticas en parís (1900), fue lograda por el

importante matemático soviético A.N. Kolmogorov (nacido en 1903), quien público en 1933

una construcción axiomática de cálculo de probabilidades que se ha convertido en la base de

todos los libros de texto modernos existentes, sobre la teoría de probabilidades. (Maibaum,

1976)

La teoría de la Probabilidad tuvo su origen en las apuestas en juegos de azar; a Girolamo

Cardano (1501-15761, físico, astrónomo y matemático, se le atribuye la primera discusión sobre

probabilidad en su manual para jugadores; pero fueron Pascal (1623-16621 y Fermat (16001 -

1665). alrededor de la primera mitad del siglo XVII quienes desarrollaron la Teoría de la

Probabilidad. (Marques de Cantú, 1990)

Jakob Bernoulli (1654-1705) fue también uno de los primeros que estudiaron la probabilidad

matemática; su nombre va asociado a varios conceptos matemáticos, como los Experimentos

de Bernoulli en probabilidad. Pafhuti Lvovich Chevyshev (1821-1894) contribuyó a la teoría

de la probabilidad con la Desigualdad de Chevyshev, que debido a su generalidad resulta ser

una herramienta teórica muy importante. (Marques de Cantú, 1990)

Por ejemplo, para calcular en cuantas formas podemos sentar a 6 personas una al lado de la

otra para una foto; o el número de señales que se pueden hacer usando 4 banderas todas de

diferente color; o cuántos números de tres cifras se pueden formar con los dígitos: 1, 2, 3, 4, 5,

6, 7, 8, 9 si no se pueden repetir los dígitos; etc. Frecuentemente es necesario determinar

cantidades como estas para poder calcular probabilidades, por ello estudiaremos primero como

contar y luego determinaremos probabilidades. La determinación del número sin enlistar todas
 5

las posibilidades es de lo que se ocupa la teoría combinatoria mediante algunas reglas o

fórmulas, sin embargo, podemos auxiliarnos con diagramas para poder tener una idea intuitiva

del problema. Los diagramas más usuales son los diagramas de Venn, los diagramas de árbol,

y los diagramas de "rayitas", los diagramas de árbol son una ayuda visual intuitiva que se utiliza

cuando es necesario tomar en cuenta el orden; por ejemplo, supongamos que un cuarto tiene

cuatro puertas, llamémoslas A, B, C, D y, que estamos interesados en saber de cuantas formas

podemos entrar por una puerta y salir por otra. Obviamente hay varias posibilidades, ¿cuántas

son? Son doce las posibilidades. Para resolver problemas como este, resultan de gran ayuda los

diagramas de árbol. (Marques de Cantú, 1990)

Este diagrama indica que hay cuatro entradas posibles y, una vez usada una de las entradas

solo quedan tres posibles salidas. Por lo tanto, hay doce posibilidades, entrar por A y salir por

B, C o D; o entrar por B y salir por A, C o D, etc. Este problema también puede ser resuelto con

la ayuda de otro tipo de diagrama, el de "rayitas" como son dos operaciones que se van a realizar:

entrada y salida, colocamos dos rayas, en una colocamos el número de posibilidades que hay de

entrar (4) y en la otra el número de posibilidades que hay de salir por otra puerta diferente a la

de la entrada (3), por lo tanto, tenemos: 4 x 3 = 12. (Marques de Cantú, 1990)

DETERMINACION PRACTICA DE PROBABILIDADES:

La determinación práctica de probabilidades depende del problema que se presente, si

tenemos un espacio muestra finito con resultados igualmente probables, utilizaremos el

concepto clásico de probabilidad, ya que éste satisface los tres axiomas de la definición

matemática de probabilidad. (Fig. 1). A veces la probabilidad del evento A se reporta como

P(A)xl00, que significa que cada 100 veces que se realice el experimento, P(A)xl00 veces se
 6

verifica el, evento A, así, por ejemplo, Si P(A) = 0.25, se puede decir que el evento A tiene una

probabilidad de 25% o que el evento ocurre 25% de las veces. (Marques de Cantú, 1990)

Una probabilidad en un espacio muestral S es una especificación de números Pr(A) que

satisfacen los axiomas 1, 2 y 3, (Fig. 1) (Mendiburu, 2006)

Fig. 1. Axiomas. (Mendiburu, 2006)

DEFINICION DE ESTADISTICA

La Estadística es una rama de la matemática aplicada que colecciona, clasifica y evalúa o

analiza datos como base para inferencias o conclusiones válidas, así como para tomar decisiones

en base a ese análisis. la Estadística es de importancia creciente en varios campos, por ejemplo,

en la producción industrial en masa, Medicina Y Biología, Economía, Política, Psicología,

análisis de opinión pública y otras Ciencias Sociales, Agricultura, Meteorología, Física,

Química e Ingeniería. (Marques de Cantú, 1990)

 7

DIFERENTES INTERPRETACIONES DE LA PROBABILIDAD

INTERPRETACIÓN CLÁSICA DE PROBABILIDAD:

Esta interpretación está basada en la idea de eventos igualmente posibles (probables).

Ejemplo. Si existen “n” posibles resultados, todos ellos con la misma posibilidad de que

ocurran, entonces la probabilidad de cada evento es 1/n. Pero, el concepto de “igualmente

probable” está basado en el concepto de probabilidad que queremos definir. (M. Bianco, y

otros, 2004)

DEFINICION CLASICA DE PROBABILIDAD

El desarrollo inicial de la probabilidad se asocia con los juegos de azar. Sea el punto de

partida un experimento aleatorio con un número finito de resultados igualmente posibles, es

decir, que no se diferencian con respecto al grado de indeterminación de la ocurrencia. Todo

suceso aleatorio A en relación con el experimento aleatorio considerado, se puede caracterizar

por la enumeración de aquellos resultados que son favorables para este suceso, es decir, que

provocan su ocurrencia. Si designamos con g(A) su número y con k(<α) el de todos los

resultados, entonces la razón de g(A) y k proporciona una Idea sobre el grado de seguridad de

la aparición del suceso A. En el marco de la llamada definición clásica de probabilidad, a este

cociente se le llama probabilidad del suceso aleatorio A y se designa con P(A): (Maibaum,

1976)

Ejemplo:
 8

En un recipiente se encuentran 150 piezas troqueladas, de las cuales 21 no tienen la medida

adecuada. El experimento aleatorio consiste en la extracción de una pieza, teniendo cada una de

ellas la misma oportunidad de ser tomada. Calculemos la probabilidad de que pieza extraída

aleatoriamente de esta forma, tenga las medidas correctas (suceso A). (Maibaum, 1976)

Datos:

Numero de resultados posibles: 150

Numero de resultados favorables para A: 150-21=129

Con esto se obtiene:

La aplicación de la definición clásica de probabilidad está permitida solo en el marco de

determinados experimentos aleatorios. (Maibaum, 1976)

TEORÍA DE PROBABILIDADES

La teoría de la probabilidad es un modelamiento matemático del fenómeno del azar o

aleatoriedad. (Piotr, y otros, 2009)

CONCEPTO DE PROBABILIDAD

El concepto básico de probabilidad se basa en la realidad no universalmente aplicable y según

el cual la probabilidad de un suceso aleatorio es igual al cociente del número de resultados del

experimento convenientes para el suceso observado, entre el número total de posibles

resultados. (Maibaum, 1976)

 9

El término Probabilidad se refiere al estudio del azar y la incertidumbre. En aquellas

situaciones en las cuáles se puede producir uno de varios resultados posibles, la Teoría de la

Probabilidad provee métodos para cuantificar la chance de ocurrencia de cada uno de ellos. (M.

Bianco, y otros, 2004)

Ejemplos:

• Se arroja un dado dos veces y se registra la suma de puntos. ¿Cuál es la probabilidad

de que se obtenga una suma mayor que 10?

• En un juego la probabilidad de un mecanismo por medio del cual pueden estudiarse sucesos

aleatorios, cuando estos se comparan con fenómenos determinísticos. Por ejemplo, nadie espera

predecir con certidumbre el resultado de un experimento tan simple como el lanzamiento de una

moneda. Sin embargo, cualquier estudiante de primer año de física puede calcular el tiempo

transcurrido por un objeto, que se deja caer desde un altura conocida, llegue al suelo. (C.

Canavos, 1988)

En cualquier experimento aleatorio siempre hay incertidumbre sobre si un suceso especifico

ocurrirá o no. Como medida de la oportunidad o probabilidad con lo que podemos esperar que

un suceso ocurra es conveniente asignar un numero entre 0 y 1. Si estamos seguros de que el

suceso ocurrirá decimos que su probabilidad es 100% o 1, pero si estamos seguros de que el

suceso no ocurrirá decimos que su probabilidad es cero. Por ejemplo, si la probabilidad es de

¼, diríamos que hay un 25% de oportunidad de que ocurra y un 75% de oportunidad de que n

ocurra. Equivale a decir que la probabilidad contra su ocurrencia es del 75% al 25% o de 3 a 1.

(R. Spiegel, 1975)

 10

La idea de probabilidad es empírica, es decir, se basa más en la experiencia que en la teoría.

La probabilidad describe lo que ocurre después de muchísimos ensayos. Tenemos que observar

muchas repeticiones para conocer una probabilidad. En el caso de lanzar una moneda, algunas

personas tenaces han llevado a cabo millares de lanzamientos. (S. Moore, 1997)

ALEATORIEDAD Y PROBABILIDAD

Llamamos a un fenómeno aleatorio si los resultados individuales son inciertos y, sin

embargo, existe una distribución regular de los resultados después de un gran número de

repeticiones. La probabilidad de cualquier resultado de un fenómeno aleatorio es la proporción

de veces que el resultado se da después de una larga serie de repeticiones. (S. Moore, 1997)

La probabilidad tiene un papel crucial en la aplicación de la inferencia estadística porque una

decisión, cuyo fundamento se encuentra en la información contenida en una muestra aleatoria,

puede estar equivocada. Sin una adecuada comprensión de las leyes básicas de la probabilidad,

es difícil utilizar la metodología estadística de manera efectiva. (C. Canavos, 1988)

EXPERIMENTO ALEATORIO. (Fig. 2)

Sus respuestas no son predecibles, se caracterizan por repetición del experimento bajo las

mismas condiciones. Conocer a priori el conjunto de posibles resultados. (Maibaum, 1976)

 11

Fig. 2. Experimento aleatorio. (Maibaum, 1976)

MODELOS DE PROBABILIDAD

El espacio muestral S de un fenómeno aleatorio es el conjunto de todos sus resultados

posibles. Un suceso es cualquier resultado o conjunto de resultados de un fenómeno aleatorio.

Es decir, un suceso es un subconjunto del espacio muestral S. Un modelo de probabilidad es

una descripción matemática de un fenómeno aleatorio. Consta de dos partes: un espacio

muestral S y un procedimiento de asignación de probabilidades a los sucesos. (S. Moore, 1997)

EVENTOS Y ESPACIOS DE PROBABILIDAD FINITA.

Un evento es cualquier subconjunto de un espacio muestral. Los eventos pueden combinarse

para formar eventos nuevos utilizando las diversas operaciones de conjuntos:

A U B es el evento que ocurre si y solo si A ocurre o B ocurre (o ambos)

A ∩ B es el evento que ocurre si y solo si A ocurre y B ocurre.

 12

A’ es el complemento de A, es el evento que ocurre si y solo si A no ocurre.

La probabilidad de un evento es un valor numérico real que se le asigna a dicho evento, y

que de algún modo indica que tan verosímil debe considerarse. Si A es un evento, entonces la

probabilidad de A suele denotarse mediante P (A). (Piotr, y otros, 2009)

ESPACIO FINITO.

Supongamos que Ω es un espacio muestral finito, y que las características físicas del

experimento sugieren que a los diversos resultados del experimento le han sido asignadas

probabilidades iguales. Específicamente si Ω tiene n elementos, entonces a cada punto en Ω le

es asignada la probabilidad 1/𝑛 y a cada evento A que contiene m puntos se le asigna la

probabilidad 𝑚/𝑛. (Piotr, y otros, 2009)

En otras palabras:

RELACION ENTRE ESTADISTICA Y PROBABILIDAD

La probabilidad es el estudio de fenómenos puramente aleatorios mientras que la Estadística

se puede describir como la ciencia o el arte de reunir y analizar datos e inferir consecuencias a

partir de estos elementos. Como el azar afecta tanto a la reunión de datos como a su análisis, y

se debe tener en cuenta al hacer inferencias, el tener conocimientos en estadística implica poseer

una buena base sobre la teoría de la probabilidad. (Marques de Cantú, 1990)

DEFINICION DE PROBABILIDAD COMO FRECUENCIA RELATIVA

La interpretación de una frecuencia relativa descansa en la idea de que un experimento se

efectúa y se repite muchas veces, y prácticamente bajo las mismas condiciones. Cada vez que

un experimento se lleva a cabo. Este es imprescindible dada la naturaleza aleatoria del

 13

experimento, la probabilidad de la presencia de cierto atributo se aproxima por la frecuencia

relativa de los resultados que posee dicho atributo. (C. Canavos, 1988)

PROPIEDADES DE LA PROBABILIDAD. (R. Spiegel, 1975)

 14

(R. Spiegel, 1975)

 15

REPRESENTACION GRAFICA DE CONJUNTOS Y EVENTOS

Fig. 3 y 4. Conjuntos y eventos. (Piotr, y otros, 2009)

 16

EJEMPLO LANZAMIENTO DE DOS DADOS

Lanzar dos dados es una forma habitual de perder dinero en los casinos. Cuando lanzamos y

nos fijamos de forma ordenada en los resultados de las caras superiores (primer dado, segundo

dado) podemos obtener 36 resultados posibles. La figura 5 muestra estos resultados, que forman

un espacio muestral S. “Obtener un 5” es un suceso, llámalo A, que está formado por cuatro de

los 36 resultados posibles: (S. Moore, 1997)

Los jugadores sólo se fijan en la suma de los resultados de las caras superiores. El espacio

muestral resultante de lanzar dos dados y sumar los resultados de las caras superiores es

S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Comparando esta S con la figura 5, nos recuerda que podemos cambiar S cambiando la

descripción detallada del fenómeno aleatorio que consideramos. (S. Moore, 1997)

Fig. 5. Los 36 resultados posibles del lanzamiento de dos dados. (S. Moore, 1997)
 17

REGLAS DE LAPROBABILIDAD. (S. Moore, 1997)

DEFINICION DE ESPACIO MUESTRAL

Es el conjunto de todos los resultados posibles de un experimento estadístico se llama espacio

muestral y se representa con la letra S. Cada resultado en un espacio muestral se llama elemento

o miembro del espacio muestral, o simplemente punto muestral. Si el espacio muestral tiene un

número finito de elementos, podemos listar los miembros separados con comas y encerrarlo en

paréntesis. De esta forma el espacio muestral S. d los resultados posibles cuando se lanza al aire

una moneda, se puede escribir. (E. Walpole, y otros, 1999)

S={H,I}
 18

Donde H y T corresponden a caras y cruces, respectivamente, incluso cuando se lanza al

aire una moneda de forma repetitiva, no podemos tener la certeza de que un lanzamiento dado

tendrá como resultado una cara. Sin embargo, conocemos el conjunto completo de posibilidades

para cada lanzamiento. (E. Walpole, y otros, 1999)

Ejemplo:

Considere el experimento de lanzar un dado. Si nos interesamos en el número de muestra en

la cara superior, el espacio muestral seria:

S1 = { 1, 2, 3, 4, 5, 6 }

Si nos interesamos solo en si el número es par o impar, el espacio muestral es simplemente:

S2 = { par, impar }. (E. Walpole, y otros, 1999)

ESPACIO MUESTRAL. (Fig. 6)

Define todo el conjunto de posibilidades. Cada elemento es un Punto De Muestra

Fig. 6. Espacio muestral. (Mendiburu, 2006)

 19

PROBABILIDAD DE UN EVENTO (JUEGOS DE AZAR)

Quizá fue la sed insaciable del hombre por el juego la que condujo al desarrollo temprano de

la teoría de la probabilidad. Es un esfuerzo por aumentar sus ganancias pidieron a los

matemáticos que les proporcionaran estrategias óptimas para varios juegos de azar. Algunos

matemáticos que proporcionaron estas estrategias fueron: Pascal, Leibniz, Fermat y James

Bernoulli. Como resultado de este primer desarrollo de la teoría de la probabilidad, la inferencia

estadística, con todas sus predicciones y generalizaciones, se extiende más allá de los juegos de

azar para abarcar muchos otros campos asociados con los eventos aleatorios, como la política,

los negocios, la predicción del clima y la investigación científica. Para que estas predicciones y

generalizaciones sean razonables precisas, es esencial un comprensión de la teoría básica de la

probabilidad. (E. Walpole, y otros, 1999)

Para encontrar la probabilidad de un evento A, sumamos todas las posibilidades que se

asignan a los puntos muestrales en A. Esta suma se denomina probabilidad de A y se denota

con P(A).

La probabilidad de un evento A es la suma delos pesos de todos los puntos muestrales en A,

por tanto:

0 ≤ P(A) ≤ 1, P(Ø) = 0, y P(S) = 1

Ejemplo:

Se lanza dos veces una moneda ¿Cuál es la posibilidad de que ocurra al menos una cara?

Solución: el espacio muestral para este experimento es:

S = { HH, HT, TH, TT }

Si la moneda esta balanceada, cada uno de estos resultados tendrá la misma probabilidad de

ocurrencia. Por tanto, asignamos una probabilidad de X a cada uno de los puntos muestrales.
 20

Entonces 4X = 1, o X = ¼, si a representa el evento de que ocurra al menos una cara, entonces:

(E. Walpole, y otros, 1999)

A = { HH, HT, TH } y P(A) = ¼ + ¼ + ¼ = ¾.

PROBABILIDAD CONDICIONAL

La probabilidad de que un evento B ocurra, cuando se sabe que ya ocurrió algún evento A se

llama Probabilidad condicional y se denota por P(B/A) y este símbolo por lo general se lee “la

probabilidad de que ocurra B dado que ocurrió A” o simplemente “la probabilidad de B, dado

A”, la probabilidad condicional de B, dado A, que se denota con P(B/A), se define como: (Fig.7)

P(B/A) = P(AՈB) / P(A) si P(A) > 0

(E. Walpole, y otros, 1999)

Fig. 7. Probabilidad Condicional. (E. Walpole, y otros, 1999)

 21

REPRESENTACION GRAFICA DE LA PROBABILIDD TOTAL

Fig. 8 y 9. Probabilidad Total. (Piotr, y otros, 2009)

 22

CONCLUSIONES

- La teoría de las probabilidades es un modelo matemático del fenómeno del azar y empezó

a raíz de los juegos de azar.

- La teoría de las probabilidades es muy importante en la estadística, en la economía, y en

todas las ciencias y la investigación científica.

- La teoría de la probabilidad en la actualidad es usada mucho por los gobiernos, las

empresas, etc. en su proceso de toma de decisiones.

- La teoría de la probabilidad se aplica en los juegos de azar como loterías, rifas, casinos,

carreras de caballos, pelea de gallos y en cualquier deporte.

CONTRASTE DE LAS FUENTES CONSULTADAS

En la investigación Cuali-Cuantitativamente de la teoría y conceptos de la probabilidad de

diferentes autores de libros, textos, artículos técnicos, documentos de la web, se llega a la

conclusión que “todos coinciden en lo mismo”, que la teoría de la probabilidad se desarrolló a

raíz del juego de azar, siendo efectivo, preciso la necesidad de ganar utilizando varios métodos

donde aplicando de manera aleatoria tenían muchas probabilidades de ganar.

En resumen, desde el siglo anterior hasta nuestros días la teoría de la probabilidad se llega

aplicando utilizando todos sus métodos, es así que todos los autores consultados, llegan siempre

a la misma conclusión, llegando a ser muy importante las probabilidades para aplicarlos en

nuestras vidas de diferente forma.

 23

BIBLIOGRAFIA

C. Canavos, George. 1988. Probabilidad y Estadística con Aplicaciones y Métodos.

Virginia : McGraw-Hill Interamericana México, 1988.

E. Walpole, Ronald, H. Myers, Raymond y L. Myers, Sharon. 1999. Probabilidad y

Estadística para Ingenieros. México : Prentice Hall Hispanoamericana, S.A., 1999.

M. Bianco, Ana y J. Martínez, Elena. 2004. Probabilidades y Estadística (Computación).

[En línea] 2004.

Maibaum, Gert. 1976. Teoría de Probabilidades y Estadística Matemática. Berlín : Pueblo

y Educación, 1976.

Marques de Cantú, María José. 1990. Probabilidad y Estadística. México : McGraw-Hill

Interamericana de México, 1990.

Mendiburu, F. 2006. Probabilidad, Variable Aleatoria. [En línea] 2006.

Piotr, Marian y Gutiérrez Banegas, Ana Laura. 2009. Introducción a las matemáticas

universitarias. México : D.F., MX: McGraw-Hill Interamericana,, 2009.

R. Spiegel, Murray. 1975. Teoria Y problemas de Probabilidad y Estadística. México :

McGrawill, 1975.

S. Moore, David. 1997. Estadística Aplicada Básica. s.l. : International Statistical Review,

1997.