INTRODUCCIN A LA PROBABILIDAD El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos futuros.

Es por ello que el estudio de probabilidades surge como una herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la poca. El desarrollo de estas herramientas fue asignado a los matemticos de la corte. Con el tiempo estas tcnicas matemticas se perfeccionaron y encontraron otros usos muy diferentes para la que fueron creadas. Actualmente se contino con el estudio de nuevas metodologas que permitan maximizar el uso de la computacin en el estudio de las probabilidades disminuyendo, de este modo, los mrgenes de error en los clculos. A travs de la historia se han desarrollado tres enfoques conceptuales diferentes para definir la probabilidad y determinar los valores de probabilidad: El enfoque clsico Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles resultados desfavorables a la ocurrencia de A, y todos los resultados son igualmente posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo), entonces la probabilidad de que ocurra A es:

El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea igualmente posible. Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse) calcular el valor de probabilidad antes de observar cualquier evento de muestra.

AZAR y DESCONOCIMIENTO. El azar est relacionado con el desconocimiento. Un ejemplo nos puede ayudar; piense en un proceso industrial que produce grandes cantidades de un artculo determinado. No todos los artculos producidos son idnticos, cada artculo puede calificarse como "bueno'' o "defectuoso''. Si de toda la produccin se escoge un artculo "a ciegas'', ese artculo puede resultar bueno o defectuoso. Esta es una situacin azarosa (o aleatoria) y la parte esencial de este azar es que no sabemos si el artculo seleccionado es defectuoso. Claro que con experiencia en el proceso es posible cuantificar de una manera numrica qu tan probable es que el artculo sea defectuoso o n. AZAR e INCERTIDUMBRE.

Hay otro concepto asociado al azar y es el de incertidumbre. Veamos un ejemplo. Respecto a una inversin, podemos estar contemplando invertir una cantidad de dinero. El retorno sobre la inversin puede ser fijo, como en el caso de una cuenta en un banco con inters fijo; pero pensemos en una empresa. El negocio puede resultar desde un gran xito hasta un fracaso, es decir, la ganancia no es fija, sino que depende del xito a obtener. Si no podemos evaluar qu tan factible es cada monto posible de la ganancia, tenemos una situacin de incertidumbre. Por el contrario, si podemos tener una idea de qu tan probables son los diferentes resultados y entonces tendremos una situacin de riesgo. Esta ltima es la que llamamos aleatoria o azarosa.

Principios bsicos de la probabilidad Diagramas de Venn

Una de las principales teoras dentro de la matemtica actual es la Teora de los Conjuntos. Podramos decir que es una teora que nos explica el funcionamiento de una coleccin de elementos cuando realizamos alguna operacin con ellos. De la definicin anterior observamos la primera dificultad que se encuentra un estudiante al estudiar esta teora, pues se empieza sin ninguna definicin vlida. El concepto de conjunto se acepta sin definicin. La segunda dificultad a la que una persona se enfrenta cuando estudia la Teora de Conjuntos es la de las operaciones con conjuntos. Una parte que sin lugar a dudas es muy importante ya que influir en otras teoras matemticas. Pues bien, los Diagramas de Venn intentan corregir, de alguna manera, dicha dificultad. Los Diagramas de Venn se basan fundamentalmente en representar los conjuntos matemticos con unas circunferencias. Con estas circunferencias el estudiante realiza una serie de operaciones como la unin, la interseccin, etc. Podramos decir que el manejo de los Diagramas de Veen sirven para orientar al estudiante, son una herramienta metodolgica que tiene el profesor para explicar la Teora de Conjuntos. Pues bien vamos a citar a continuacin los ejemplos ms importantes de los Diagramas de Veen.

Diagrama de la interseccin de dos conjuntos.

En teora la interseccin de dos conjuntos podemos definirla como la parte comn que tienen dos conjuntos, si es que existe(Ejemplo de inexistencia: la interseccin de los nmeros pares con los impares) . Pues el diagrama que viene a continuacin representa dicha situacin.

La interseccin de los conjuntos A y B es la parte azulada, en efecto vemos que la parte comn que comparte el conjunto A con el B es la parte azul. En matemticas la interseccin se representa AB.

Diagrama de la intercesin vaca (no hay ningn elemento comn) En efecto, se observa que ambos conjuntos no tienen ninguna parte comn. Esto se le llama en Matemticas conjunto vaco y se representa: . Diagrama de la unin de dos conjuntos.

En teora la unin de dos conjuntos podemos definirla como una suma de un conjunto con otro. Pues el diagrama que se muestra a continuacin representa la situacin descrita anteriormente.

La unin de los conjuntos A y B es la parte colorada, podemos ver que se han sumado el conjunto A y el B. En matemticas la unin se representa AUB. Diagrama del complementario de un conjunto.

En teora el complementario de un conjunto se hace en referencia a un conjunto universal y se define como los elementos que no pertenecen al conjunto. Tan raro se entiende mejor con el siguiente diagrama. El conjunto U es el universal(parte amarilla y blanca) y el complementario de A es solo la parte amarilla del dibujo. El complementario de un conjunto se representa Ac.

Diagrama de la diferencia de conjuntos.

La diferencia B - A es la parte de B que no est en A. La diferencia de conjuntos en matemticas se expresa B\A, para este caso.

Diagrama de la inclusin de conjuntos. En el diagrama se puede observar como el conjunto B esta contenido (o incluido) en el conjunto A. Esto matemticamente se expresa BA.

Con estos diagramas se pueden representar la gran mayora de las operaciones con conjuntos. Pero, las aqu expuestas son las fundamentales a partir de ellas se obtienen las dems.

Arboles de probabilidad

Un diagrama de rbol es una herramienta que se utiliza para determinar todos los posibles resultados de un experimento aleatorio. En el clculo de la probabilidad se requiere conocer el nmero de objetos que forman parte del espacio muestral, estos se pueden determinar con la construccin de un diagrama de rbol. El diagrama de rbol es una representacin grfica de los posibles resultados del experimento, el cual consta una serie de pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo. Se utiliza en los problemas de conteo y probabilidad. Para la construccin de un diagrama en rbol se partir poniendo una rama para cada una de las posibilidades, acompaada de su probabilidad. Cada una de esta ramas se conoce como rama de primera generacin. En el final de cada rama de primera generacin se constituye a su vez, un nudo del cual parten nuevas ramas conocidas como ramas de segunda generacin, segn las posibilidades del siguiente paso, salvo si el nudo representa un posible final del experimento (nudo final). Hay que tener en cuenta que la construccin de un rbol no depende de tener el mismo nmero de ramas de segunda generacin que salen de cada rama de primera generacin y que la suma de probabilidades de las ramas de cada nudo ha de dar 1. Existe un principio sencillo de los diagramas de rbol que hace que stos sean mucho ms tiles para los clculos rpidos de probabilidad: multiplicamos las probabilidades si se trata de ramas adyacentes (contiguas), el ejemplo de alumna de la primera facultad, o bien las sumamos si se trata de ramas separadas que emergen de un mismo punto, el ejemplo de encontrar un alumno. Ejemplos Una universidad est formada por tres facultades: La 1 con el 50% de estudiantes. La 2 con el 25% de estudiantes. La 3 con el 25% de estudiantes.

Las mujeres estn repartidas uniformemente, siendo un 60% del total en cada facultad.

Probabilidad de encontrar una alumna de la primera facultad?

Probabilidad de encontrar un alumno varn?

pero tambin podra ser lo contrario. Por ejemplo podemos identificar el 0,6 que encotramos en la rama que va de 1 facultad a mujer como la siguiente probabilidad condicionada:

Tambin esta herramienta se relaciona con algunos teoremas de la probabilidad condicionada El segundo clculo que hemos realizado, se corresponde con la aplicacin del teorema de la Probabilidad Total Dado que las tres facultades forman una particin del espacio muestral podemos indicar este clculo como:

Probabilidad condicional

Probabilidad condicional es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee la probabilidad de A dado B. No tiene por qu haber una relacin causal o temporal entre A y B. A puede preceder en el tiempo a B, sucederlo o pueden ocurrir simultneamente. A puede causar B, viceversa o pueden no tener relacin causal. Las relaciones causales o temporales son nociones que no pertenecen al mbito de la probabilidad. Pueden desempear un papel o no dependiendo de la interpretacin que se le d a los eventos.El condicionamiento de probabilidades puede lograrse aplicando el teorema de Bayes.
Dado un espacio de probabilidad y dos eventos (o sucesos) probabilidad condicional de A dado B est definida como: con , la

se puede interpretar como, tomando los mundos en los que B se cumple, la fraccin en los que tambin se cumple A. Interpretacin se puede interpretar como, tomando los mundos en los que B se cumple, la fraccin en los que tambin se cumple A. Si el evento B es, por ejemplo, tener la gripe, y el evento A es tener dolor de cabeza, probabilidad de tener dolor de cabeza cuando se est enfermo de gripe. sera la

Grficamente, si se interpreta el espacio de la ilustracin como el espacio de todos los mundos posibles, A seran los mundos en los que se tiene dolor de cabeza y B el espacio en el que se tiene gripe. La zona verde de la interseccin representara los mundos en los que se tiene gripe y dolor de cabeza . En este caso , es decir, la probabilidad de que alguien tenga dolor de cabeza sabiendo que tiene gripe, sera la proporcin de mundos con gripe y dolor de cabeza (color verde) de todos los mundos con gripe: El rea verde dividida por el rea de B. Como el rea verde representa y el rea de B representa a , formalmente se tiene que:

Propiedades 1. 2. 3.

La proporcin de zona verde dentro de B es la misma que la de A en todo el espacio y, de la misma forma, la proporcin de la zona verde dentro de A es la misma que la de B en todo el espacio. Son sucesos independientes. Independencia de sucesos Dos sucesos aleatorios A y B son independientes si y slo si:

O sea que si A y B son independientes, su probabilidad conjunta,

puede ser expresada como el producto de las probabilidades individuales. Equivalentemente:

En otras palabras, si A y B son independientes, la probabilidad condicional de A dado B es simplemente la probabilidad de A y viceversa Exclusividad mutua

Los conjuntos A y B no intersecan. Son mutuamente excluyentes. Dos sucesos A y B son mutuamente excluyentes si y slo si Adems, si entonces es igual a 0. . Entonces, .

La falacia de la probabilidad condicional La falacia de la probabilidad condicional se basa en asumir que P(A|B) es casi igual a P(B|A). El matemtico John Allen Paulos analiza en su libro El hombre anumrico este error muy comn cometido por personas que desconocen la probabilidad. La verdadera relacin entre P(A|B) y P(B|A) es la siguiente:

(Teorema de Bayes) Problemas de ejemplo ---La paradoja del falso positivo--La magnitud de este problema es la mejor entendida en trminos de probabilidades condicionales. Supongamos un grupo de personas de las que el 1 % sufre una cierta enfermedad, y el resto est bien. Escogiendo un individuo al azar: y Supongamos que aplicando una prueba a una persona que no tiene la enfermedad, hay una posibilidad del 1 % de conseguir un falso positivo, esto es: y Finalmente, supongamos que aplicando la prueba a una persona que tiene la enfermedad, hay una posibilidad del 1 % de un falso negativo, esto es: y Ahora, uno puede calcular lo siguiente: La fraccin de individuos en el grupo que estn sanos y dan negativo:

La fraccin de individuos en el grupo que estn enfermos y dan positivo:

La fraccin de individuos en el grupo que dan falso positivo:

La fraccin de individuos en el grupo que dan falso negativo:

Adems, la fraccin de individuos en el grupo que dan positivo:

Finalmente, la probabilidad de que un individuo realmente tenga la enfermedad, dado un resultado de la prueba positivo:

En este ejemplo, debera ser fcil ver la diferencia entre las probabilidades condicionadas P (positivo | enfermo) (que es del 99 %) y P (enfermo | positivo) (que es del 50 %): la primera es la probabilidad de que un individuo enfermo d positivo en la prueba; la segunda es la probabilidad de que un individuo que da positivo en la prueba tenga realmente la enfermedad. Con los nmeros escogidos aqu, este ltimo resultado probablemente sera considerado inaceptable: la mitad de la gente que da positivo en realidad est sana.

La probabilidad de tener una enfermedad rara es de 0,001: La probabilidad de que cuando el paciente est enfermo se acierte en el diagnstico es de 0,99:

La probabilidad de falso positivo es de 0,05: Pregunta: Me dicen que he dado positivo, Qu probabilidad hay de que tenga la enfermedad?

Probabilidad subjetiva

Se basan en la creencias e ideas en que se realiza la evaluacin de las probabilidades y se define como en aquella que un evento asigna el individuo basndose en la evidencia disponible (el individuo asigna la probabilidad en base a su experiencia). La probabilidad subjetiva puede tener forma de frecuencia relativa de ocurrencia anterior o simplemente puede consistir en una conjetura inteligente N. Para clarificar lo antes dicho un ejemplo muy comn es el pronstico del tiempo, muchos individuos como nosotros realizamos una prediccin personal de como sern las condiciones climticas para el da, basadas mas en nuestra experiencia personal pero que muchas veces sustentamos en experiencia de eventos pasados. La asignacin de probabilidad subjetiva se dan generalmente cuando los eventos ocurren solo 1 vez y a lo mximo unas cuantas veces ms. Sin embargo en las organizaciones a pesar de que es comn tomar decisiones en base a la probabilidad subjetiva la mayora de las veces esta se respalda con datos futuros estadsticos. La probabilidad subjetiva o personal se puede denir como la probabilidad que expresa un grado de creencia individual sobre la posibilidad de que un evento ocurra. Al mtodo de asignar estas probabilidades se le conoce como mtodo subjetivo. La probabilidad subjetiva no depende del tratamiento matemtico ni de la nocin de experimentos repetibles. La magnitud de la probabilidad que una persona asigna subjetivamente a un evento depende del grado de crdito que esa persona le de a la ocurrencia del evento. Esa esla razn por la que es posible asignarle probabilidades a eventos que solo se presentan una vez, como por ejemplo, el evento de ganar una determinada competencia atltica .A diferencia del mtodo de probabilidad de frecuencia relativa, la probabilidad subjetivano depende de la posibilidad de repeticin de un experimento. Ejemplo

(a) Si armamos que la probabilidad de que salga cara al lanzar una moneda es 1/2, lo que tenemos en mente es que la moneda no parece estar trucada y que resultara igualmente probable que salga cara o cruz. Al enjuiciar esta probabilidad subjetiva, no estamos pensando necesariamente en trminos de la experimentacin repetida, sino que estamos interesado por un nico lanzamiento de la moneda. Nuestra evaluacin de la probabilidad subjetiva implica que consideraramos justa una apuesta que consistiese en pagar 5.000 pesos si saliera cruz y recibir 5.000 pesos si saliera cara .Si furamos a recibir ms de 5.000 pesos si del lanzamiento resultase una cara, consideraramos favorable la apuesta.(b) De modo similar, si creemos que la probabilidad de que un caballo gane una determinada carrera es 0,4, estamos dando nuestra opinin personal de que existe una posibilidad de 40 entre 100 de que gane. Dada esta creencia, consideraramos justa una apuesta en la que perdisemos dos dlares si el caballo no ganase y tres dlares en caso contrario. Debemos insistir en que las probabilidades subjetivas son personales; no se requiere que diferentes individuos consideren que el mismo evento debe tener lugar con las mismas probabilidades como se explica a travs de las situaciones del siguiente ejemplo: Ejemplo (a) En el ejemplo del lanzamiento de una moneda, la mayora de la gente llegara a la conclusin de que la probabilidad apropiada para el resultado cara es 1/2.Sin embargo, un individuo con mas informacin sobre la moneda en cuestin podra creer otra cosa.(b) En el ejemplo de las carreras de caballos, es probable que dos apostadores cuenten con diferentes probabilidades subjetivas. Por ejemplo, pueden no tener la misma informacin, e incluso aunque la tuvieran, podran interpretarla de distinta forma.(c) Resulta obvio que los inversionistas individuales no cuentan con las mismas opiniones sobre el probable futuro comportamiento de la bolsa. Sus probabilidades subjetivas

Simulacin para tomar decisiones

Los simuladores de toma de decisiones, llamados en ingls business games son escenarios prediseados en los que se desarrollan habilidades para la toma de decisiones mediante la observacin de los resultados de sus decisiones. Los escenarios son computarizados para permitir representar adecuadamente condiciones realsticas y acelerar la adquisicin de experiencia en toma de decisiones. Los participantes no tienen que saber de cmputo. Analizan una situacin respondiendo a ella con decisiones que luego se alimentan a una computadora. Esta calcula lo que hubiera sucedido en la realidad con esas decisiones y produce resultados impresos para un trimestre, un mes o un ao, en pocos segundos. Los participantes se agrupan en compaas simuladas con 2 a 5 miembros quienes aprenden a trabajar en equipo. Estas compaas, sin embargo, compiten entre s. El elemento de competencia captura efectivamente la atencin entusiasmando a los participantes. Los escenarios que conforman los juegos de negocios evolucionan a lo largo de varios trimestres y varios aos. Esta duracin obliga a los participantes a planificar a largo plazo y a vivir con las consecuencias de sus propias decisiones.

Las Ciencias Administrativas han evolucionado de manera vertiginosa en conceptos y tcnicas para optimizar los resultados gerenciales, esto sumado a la tecnologa informtica dinamiza an ms la operatividad de las organizaciones y la rpida reaccin ante los nuevos paradigmas generados en los mercados. En este contexto el modelamiento de realidades empresariales hace posible a los Administradores provocar escenarios simulados en su proceso de toma de decisiones en las diversas reas funcionales de la organizacin integrando las variables implicadas en cada caso. Una de las herramientas ms utilizada para tal fin son las hojas de clculo Excel que permiten cuantificar, integrar y configurar modelos ordenadamente propuestos con efectos visuales y grficos atractivos para cualquier persona que desee analizarlos. En el mercado existen un sin nmero software informticos para la simulacin de realidades organizacionales, entonces por qu deberamos aprovisionarnos de las hojas de clculo Excel para desarrollar estos modelamientos. Las claves son la Personalizacin de las variables involucradas, la Familiaridad de los usuarios frente a las herramientas que posee el MS Excel, la fcil Transferencia de archivos, la Conectividad con data de diferentes fuentes, la Compatibilidad con otros software y la Automatizacin de operacin mediante macros. Si bien es cierto no todos los usuarios conocen al mximo el potencial de las hojas de clculo Excel slo es cuestin de investigacin, disposicin y preparacin al respecto. Con esto no se est afirmando que debemos descartar alternativas informticas de simulacin ni aplicaciones personalizadas de carcter empresarial programadas en diversas plataformas informticas, sino que MS Excel representa, para muchos profesionales, profesores universitarios, directivos de empresa y estudiantes de Administracin de Negocios una herramienta indispensable para sus procesos decisionales. Mencionar algunos modelos y aplicaciones prcticas relacionados con la toma de decisiones gerenciales: 1. Modelo de Estimacin Intervlica 2. Modelo de Tendencias Lineales y No Lineales 3. Modelo de Vulnerabilidad frente a las Amenazas 4. Modelo de Centro de Gravedad 5. Modelo de Inventarios ABC 6. Modelo de Gestin Educativa 7. Modelo de Evaluacin de Proyectos de Inversin 8. Modelo de Segmentacin de Mercados 9. Modelo de Mapas Perceptuales 10. Modelo de Gestin Integral de Negocios

BIBLIOGRAFIA http://www.monografias.com/trabajos32/teoria-probabilidades/teoriaprobabilidades.shtml

http://centros5.pntic.mec.es/ies.victoria.kent/Rincon-C/Alumnos/al-18/al-18.htm http://es.wikipedia.org/wiki/Diagrama_de_%C3%A1rbol http://es.scribd.com/neyllv/d/68742481/14-Probabilidad-subjetiva-o-personal http://www.mitecnologico.com/Main/SimuladorParaTomaDeDecisiones http://www.gestiopolis.com/administracion-estrategia/simuladores-de-negociostoma-de-decisiones.htm