Vous êtes sur la page 1sur 11

UNIVERSIDAD DE CARTAGENA

FACULTAD DE CIENCIAS ECONOMICAS


PROGRAMA ADMINISTRACION DE EMPRESAS

ESTADISTICA

LUISA FERNANDA LOPEZ HERNANDEZ

DOCENTE:

HERNANDO VEGA

22/03/2019

CARTAGENA D. T. y C.
La probabilidad es la posibilidad que existe entre varias posibilidades, que un hecho o
condición se produzcan. La probabilidad, entonces, mide la frecuencia con la cual se obtiene
un resultado en oportunidad de la realización de un experimento sobre el cual se conocen
todos los resultados posibles gracias a las condiciones de estabilidad que el contexto supone
de antemano.

El estudio científico de la probabilidad, a diferencia de lo que ha ocurrido con otras


cuestiones matemáticas (porque obviamente ambas disciplinas están estrechamente
vinculadas entre sí), no resulta ser una preocupación que se remonta a la antigüedad, por
ejemplo, tiempos en los que la mayoría de los grandes pensadores ocupaban aparentemente
sus pensamientos en otras cuestiones más determinantes para esa época. Entonces, el estudio
y la profundización acerca de la cuestión de la probabilidad, se puede decir que es más bien
un acontecimiento moderno.

Probabilidad, Algunas Definiciones


Espacio Muestral. Se llama espacio muestral (E) asociado a un experimento aleatorio, el
conjunto de todos los resultados posibles de dicho experimento.

Al lanzar una moneda, el espacio muestral es E = {sale cara, sale sello} ó E = {c, s}.

Al lanzar un dado de seis caras, el espacio muestral es


E = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6}
ó E = {1, 2, 3, 4, 5, 6}

Al lanzar dos monedas, el espacio muestral es


E = {(c,c), (c,s), (s,c), (s,s)}.

Al lanzar tres monedas, el espacio muestral es E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c),
(s,c,s), (s,s,c), (s,s,s)}
Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio muestral. Por
ejemplo, en el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los
siguientes son eventos:

1. Obtener un número primo A = {2, 3, 5}


2. Obtener un número primo y par B = {2}
3. Obtener un número mayor o igual a 5 C = {5, 6}

Eventos mutuamente excluyentes. Dos eventos son mutuamente excluyentes si no pueden


ocurrir en forma simultánea, esto es, si y sólo si su intersección es vacía. Por ejemplo, en el
lanzamiento de un dado los eventos B = {2} y C = {5, 6} son mutuamente excluyentes por
cuanto
B C=

Eventos Complementarios. Si A B = y A B = E, se dice que A y B son eventos


complementarios: Ac = B y
Bc = A

Su Medición Matemática o Clásica. Si en un experimento aleatorio todos los resultados son


equiprobables (iguales probabilidades), es decir, la ocurrencia de uno es igualmente posible
que la ocurrencia de cualquiera de los demás, entonces, la probabilidad de un evento A es la
razón:
P(A) = número de casos favorables para A/número total de casos posibles

A partir de esta definición las probabilidades de los posibles resultados del experimento se
pueden determinar a priori, es decir, sin realizar el experimento.

Se deduce de la definición lo siguiente:


0 <=P (A) <= 1 La medición probabilística es un número real entre 0 y 1, inclusive, ó 0%
<=P(A) <= 100% en porcentaje.
P( ) = 0 y P(E) = 1
Su Medición Experimental o Estadística. La frecuencia relativa del resultado A de un
experimento es la razón
FR = número de veces que ocurre A/número de veces que se realiza el experimento

Si el experimento se repite un número grande de veces, el valor de FR se aproximará a la


medición probabilística P del evento A. Por ejemplo, si lanzo 100 veces una moneda, el
número de veces que obtengo cara es cercano a 50, o sea FR es cercano a 50%.

Características
Las probabilidades constituyen una rama de las matemáticas que se ocupa de medir o
determinar cuantitativamente la posibilidad de que un suceso o experimento produzca un
determinado resultado. La probabilidad está basada en el estudio de la combinatoria y es
fundamento necesario de la estadística.

La probabilidad matemática se utiliza mucho en las ciencias físicas, biológicas y sociales, así
como en el comercio y la industria. Se aplica a muchas áreas tan dispares como la genética,
la mecánica cuántica y los seguros. También estudia problemas matemáticos teóricos de gran
importancia y dificultad y está bastante relacionada con la teoría del análisis matemático, que
se desarrolló a partir del cálculo.

Generalidades
La probabilidad estudia experimentos en los que se pueden esperar varios resulta-dos y no
solamente uno. Los experimentos se pueden clasificar como aleatorios o determinísticos.
Un experimento determinístico es un ensayo en el que se sabe previamente el resultado. Un
experimento aleatorio es una acción cuyo resultado no se puede predecir con certeza.
Para que un experimento sea aleatorio debe reunir las siguientes tres condiciones:
• Antes de realizar el experimento se deben conocer todos los posibles resultados.
• No es posible predecir un resultado en particular.
• El experimento se puede ejecutar infinitas veces con las mismas condiciones.
El espacio muéstrales el conjunto que reúne todos los posibles resultados que puede tener un
experimento aleatorio. Se simboliza con S.
A cada uno de los resultados del espacio muestral se le denomina punto muestral.
Un evento es cualquier subconjunto del espacio muestral, cuyos elementos tienen una
característica en común. Se simbolizan con letras mayúsculas.
Como los eventos son conjuntos se les puede aplicar las operaciones y propiedades de la
teoría de conjuntos:
Evento simple o elemental: es aquel subconjunto que contiene un solo punto muestral.
Evento compuesto: es un subconjunto con más de un punto muestral.
Evento imposible: es un subconjunto de S que no contiene ningún punto muestral, es decir,
un subconjunto vacío.
Evento seguro: subconjunto que contiene los mismos puntos del espacio muestral S.
Unión de eventos: si ocurren por lo menos uno o varios eventos a la vez. Así, si ocu-rre el
evento E o el evento F, ocurre E < F.
Intersección de eventos: si los eventos ocurren al mismo tiempo, es decir, si ocurre el evento
G y el evento H a la vez, ocurre G > H.

Evolución
En cuanto al concepto en sí, la probabilidad y el azar siempre ha estado en la mente del ser
humano. Por ejemplo:

Sumerios y Asirios utilizaban un hueso extraído del talón de animales como ovejas, ciervos
o caballos, denominado astrágalo o talus, que tallaban para que pudieran caer en cuatro
posiciones distintas, por lo que son considerados como los precursores de los dados.
En el caso de la civilización egipcia, algunas pinturas encontradas en las tumbas de los
faraones muestran tanto astrágalos como tableros para el registro de los resultados.
Por su parte, los juegos con dados se practicaron ininterrumpidamente desde los tiempos del
Imperio Romano hasta el Renacimiento, aunque no se conoce apenas las reglas con las que
jugaban. Uno de estos juegos, denominado "hazard", palabra que en inglés y francés significa
riesgo o peligro, fue introducido en Europa con la Tercera Cruzada. Las raíces etimológicas
del término provienen de la palabra árabe "al-azar", que significa "dado". Posteriormente, en
el "Purgatorio" de Dante el término aparece ya como "azar".
En la actualidad, ruletas, máquinas tragaperras, loterías, quinielas, nos indican que dicha
fascinación del hombre por el juego, continúa.
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) escribió sobre 1520 El
Libro de los Juegos de Azar (aunque no fué publicado hasta más de un siglo después, sobre
1660) no es hasta dicha fecha que comienza a elaborarse una teoría aceptable sobre los
juegos.

Christian Huygens conoció la correspondencia entre Blaise Pascal y Pierre Fermat suscitada
por el caballero De Méré, se planteó el debate de determinar la probabilidad de ganar una
partida, y publicó (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 admitía 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 cálculo de probabilidades tuvo un notable desarrollo sobre la base de la anterior definición
de probabilidad. Destacan en 1713 el teorema de Bernoulli y la distribución binomial, y en
1738 el primer caso particular estudiado por De Moivre » , del teorema central del límite. En
1809 Gauss » inició el estudio de la teoría de errores y en 1810 Laplace, que había
considerado anteriormente el tema, completó el desarrollo de esta teoría. En 1812 Pierre
Laplace » publicó Théorie analytique des probabilités en el que expone un análisis
matemático sobre los juegos de azar.

A mediados del siglo XIX, un fraile agustino austríaco, Gregor Mendel, inició el estudio de
la herencia, la genética, con sus interesantes experimentos sobre el cruce de plantas de
diferentes características. Su obra, La matemática de la Herencia, fue una de las primeras
aplicaciones importantes de la teoría de probabilidad a las ciencias naturales

Desde los orígenes la principal dificultad para poder considerar la probabilidad como una
rama de la matemática fue la elaboración de una teoría suficientemente precisa como para
que fuese aceptada como una forma de matemática. A principios del siglo XX el matemático
ruso Andrei Kolmogorov » la definió de forma axiomática y estableció las bases para la
moderna teoría de la probabilidad que en la actualidad es parte de una teoría más amplia
como es la teoría de la medida.
Teoría de Conjuntos
La Teoría de Conjuntos es una teoría matemática, que estudia básicamente a un cierto tipo
de objetos llamados conjuntos y algunas veces, a otros objetos denominados no conjuntos,
así como a los problemas relacionados con estos.

El concepto de conjunto es intuitivo y se podría definir como una "agrupación bien definida
de objetos no repetidos y no ordenados"; así, se puede hablar de un conjunto de personas,
ciudades, gafas, lapiceros o del conjunto de objetos que hay en un momento dado encima de
una mesa. Un conjunto está bien definido si se sabe si un determinado elemento pertenece o
no al conjunto. El conjunto de los bolígrafos azules está bien definido, porque a la vista de
un bolígrafo se puede saber si es azul o no. El conjunto de las personas altas no está bien
definido, porque a la vista de una persona, no siempre se podrá decir si es alta o no, o puede
haber distintas personas, que opinen si esa persona es alta o no lo es.

CLASES DE CONJUNTOS

Conjunto Finito: Es el conjunto al que se le puede determinar su cardinalidad o puede llegar


a contar su último elemento.

Ejemplo:

M= {*/x es divisor de 24}


M= {1,2,3,4,6,8,12,24}

Conjunto Infinito: Es el conjunto que, por tener muchísimos elementos, no se le puede llegar
a contar su último elemento.

Ejemplo:

A= {*/x sea grano de sal}


Conjunto Vacío: Es el conjunto cuya cardinalidad es cero ya que carece de elementos. El
símbolo del conjunto vacío O o { }.

Ejemplo:

C={*/x sea habitantes del sol}

Conjunto Unitario: Es el conjunto que solo tiene un elemento. Su cardinalidad es uno (1).

Ejemplo:

D={*/x sea vocal de la palabra "pez"}

OPERACIONES CON CONJUNTOS

UNIÓN DE CONJUNTOS:

La unión de los conjuntos A y B es el conjunto formado por todos los elementos que
pertenecen a A o a B o a ambos. Se denota: A U B. La unión de conjuntos se define como:

A U B = {x / x € A o x € B}
INTERSECCIÓN DE CONJUNTOS:

La intersección es el conjunto formado por los elementos que son comunes entre dos o más
conjuntos dados. Se denota por A∩B, que se lee: A intersección B. La intersección de A y
B también se puede definir:

A∩ B = { x / x € A y x € B }

Probabilidad Marginal
la distribución marginal es la distribución de probabilidad de un subconjunto de variables
aleatorias de un conjunto de variables aleatorias. La distribución marginal proporciona la
probabilidad de un subconjunto de valores del conjunto sin necesidad de conocer los valores
de las otras variables. Esto contrasta con la distribución condicional, que proporciona
probabilidades contingentes sobre el valor conocido de otras variables.

El término variable marginal se usa para referirse a una variable del subconjunto de retenido
y cuyos valores pueden ser conocidos. La distribución de las variables marginales, la
distribución marginal, se obtiene marginalizando sobre la distribución de variables
descartadas y las variables descartadas se llaman a veces variables marginalizadas.

Generalizando, la probabilidad marginal de cualquier evento Bj puede calcularse


P(Bj)=Ʃi=1nnij/ns, pero Ʃi=1nnij/ns=Ʃi=1nP(Ai∩Bj), por lo tanto P(Bj)=Ʃi=1nP(Ai∩Bj).
En otra palabras la probabilidad de un evento Bj es igual a la suma de probabilidades
conjuntas del evento Bj y los eventos Ai, la suma se realiza sobre los eventos Ai.
También se puede determinar la probabilidad marginal de cualquier evento Ai:
P(Ai)=Ʃj=1nP(Ai∩Bj), en este caso la suma se realiza sobre los eventos Bj.
Se puede demostrar que la suma de probabilidades marginales de los eventos Ai, o de los
eventos Bj, es igual a uno, como se demuestra a continuación:
Probabilidad Condicional
Como su nombre lo indica se trata de determinar la probabilidad de que ocurra un evento A
(aposteriori) dado que ya aconteció un evento B (apriori), y se representa mediante P(A|B),
se lee probabilidad de A dado B o probabilidad de A condicionada a B.
En la probabilidad condicional, consideramos que de un espacio muestral S se conoce
únicamente el evento B, que constituye un espacio muestral reducido.
Como únicamente conocemos el evento B, la probabilidad de que exista A está dada por la
posible intersección del evento A con el evento B.
Por lo tanto la expresión para la probabilidad condicional quedaría P(A|B)=n(A∩B)/n(B),
donde n(A∩B) es el número de elementos en la intersección de A con B y n(B) es el número
de elementos en el evento B.
Si el numerador y el denominador se dividen entre n(s) que es el número de elementos en el
espacio muestral y aplicamos el concepto de probabilidad, tenemos:
P(A|B)=[n(A∩B)/n(S)]/[n(B)/n(S)]= P(A∩B)/P(B).

Teorema de bayes
Considerando P(Ai) como la probabilidad a priori de los eventos Ai, y se
requiere conocer una probabilidad a posteriori de cada uno de ellos, dado que
ya conocemos el evento B, Ak representa a cualquiera de los eventos Ai.
P(Ak|B)=P(Ak∩B)/P(B), como P(Ak∩B)=P(Ak)P(B|Ak) y la probabilidad
total de B es P(B)=Ʃi=1nP(Ai∩B), tenemos:
P(Ak|B)=[P(Ak)P(B|Ak)]/[Ʃi=1nP(Ai)P(B|Ai)
Esta última expresión se conoce como Teorema de Bayes, que establece la
probabilidad de un evento particular Ak de los eventos Ai, dado que ya sucedió
el evento B, expresada en términos de probabilidad condicional.
Ejemplo: En una escuela el 5% de los hombres y el 2% de las mujeres tienen
más de 1.8m de estatura. Además el 60% de los estudiantes son mujeres. Se
selecciona al azar un estudiante para que realice una determinada función en el
comité de seguridad del plantel, Qué probabilidad hay de que:
a) ¿sea estudiante con estatura mayor de 1.8m?
b) ¿sea mujer dado que tiene una estatura mayor de 1.8m?
Solución: Se define los eventos A1={estudiante mujer}, A2={estudiante
hombre} y B={estatura mayor a 1.8m}
Datos: P(A1)=0.6, P(A2)=0.4, P(B|A1)=0.02 y P(B|A2)=0.05.

Conclusión
se puede concluir que la estadística es una rama de la matemática que no se encuentra muy
visible en lo cotidiano pero que en realidad es de mucha utilidad para interpretar y ver desde
un punto de vista muy general datos que se obtienen. Cabe mencionar que dentro la ingeniería
civil la probabilidad juega un rol importante ya que nos sirve porque está basada en la
recopilación de datos la cual estas son representadas mediante gráficos estadísticos. En la
cual se presentan los principales indicadores de la actividad constructora: producción,
despachos, ventas, exportación e importación de cemento, venta interna de asfalto y la
producción y venta de barras de construcción. Otro beneficio que obtendríamos de esta
materia es que nos permite realizar estudios reales, con poblaciones exactas; lo cual nos
ayuda a mejorar nuestros proyectos. Todo lo que muestra en este apartado es de gran
importancia, ya que nos será de gran utilidad a lo largo de nuestra carrera de ingeniería civil.
Nos encontramos en un mundo altamente probabilístico, por lo tanto se necesita que nosotros
como jóvenes tengamos conocimiento de probabilidades desde muy temprana edad, ya que
la utilizaremos l a cada instante de nuestras vidas. Además, actualmente la aplicación de la
probabilidad es tan amplia que abarca múltiples campos científicos, siendo de gran ayuda en
la resolución de problemas en la Economía, Biología, Psicología, Ingeniería, entre otras.
Pero, lamentablemente este es uno de los temas menos desarrollado en nuestras escuelas por
varias razones que no son de nuestro interés en este momento.