UNIVERSIDAD MARIANO GALVEZ DE GUATEMALA

ING. ESMERALDA VILLELA

CURSO: MODELOS PARA LA TOMA DE DECISIONES

SANDRA YANETH VASQUEZ RAMOS

0290-07-18231

TEORA DE PROBABILIDADES
Es la parte de las matemticas que estudia los fenmenos aleatorios estocsticos.
Estos deben contraponerse a los fenmenos determinsticos, los cuales son resultados
nicos y/o previsibles de experimentos realizados bajo las mismas condiciones
determinadas, por ejemplo, si se calienta agua a 100 grados Celsius a nivel del mar se
obtendr vapor. Los fenmenos aleatorios, por el contrario, son aquellos que se
obtienen como resultado de experimentos realizados, otra vez, bajo las mismas
condiciones determinadas pero como resultado posible poseen un conjunto de
alternativas, por ejemplo, el lanzamiento de un dado o de una moneda. La teora de
probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que
pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y
saber si un suceso es ms probable que otro.
Espacio Muestral: el espacio muestral o espacio de muestreo consiste en el
conjunto de todos los posibles resultados individuales de un experimento aleatorio.
Evento:

es

cualquier

subconjunto

del

espacio

muestral

con

estructura

de lgebra, llamndose a los sucesos que contengan un nico elemento sucesos

elementales
Probabilidad de un Evento: Es la cantidad de certeza de aquellos hechos en los que
no se sabe lo que va a suceder, dependen del azar y no se puede determinar sus
resultados aun repitindolo en varias ocasiones.
Regla de Adicin: Es una Regla particular o especial de la adicin de probabilidades
para eventos mutuamente excluyentes Si A y B son dos eventos mutuamente
excluyentes (eventos no intersecantes), es decir, si la ocurrencia de cualquiera de ellos
excluye la del otro, no pueden ocurrir a la vez, o cuando no tienen ningn punto
muestral en comn.
Regla de Multiplicacin: Se aplica cuando dos eventos son independientes; si la
ocurrencia de cualquiera de ellos no afecta la probabilidad de que ocurra ellos no
afecta la probabilidad de que ocurra el otro.

Eventos Dependientes:
Regla de 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.
Probabilidad Conjunta: Es la probabilidad de ocurrencia de dos o ms eventos.
Probabilidad Marginal: Ocurre cuando solo un evento puede llevarse a cabo.
Teorema de Bayes:
El teorema de Bayes, en la teora de la probabilidad, es una proposicin planteada
por el filsofo ingls Thomas Bayes ( 1702-1761) en 1763, que expresa la probabilidad
condicional de un evento aleatorio A dado B en trminos de la distribucin de
probabilidad

condicional

del

evento B dado A y

la distribucin

de

probabilidad

marginal de slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad
de B dado A. Es decir, que sabiendo la probabilidad de tener un dolor de cabeza dado
que se tiene gripe, se podra saber (si se tiene algn dato ms), la probabilidad de
tener gripe si se tiene un dolor de cabeza. Muestra este sencillo ejemplo la alta
relevancia del teorema en cuestin para la ciencia en todas sus ramas, puesto que
tiene vinculacin ntima con la comprensin de la probabilidad de aspectos causales
dados los efectos observados.
Ejemplo de Aplicacin
Una presa hidroelctrica tiene cuatro compuertas. Cuando fallan sus compuertas se
les repara de manera independiente una de la otra. A partir de la experiencia, se sabe
que cada compuerta est fuera de servicio el 4% de todo el tiempo.
a) Si la compuerta nmero uno est fuera de servicio, cul es la probabilidad de que
simultneamente las compuertas dos y tres estn fuera de servicio?

b) Durante una visita a la presa, se le dice a usted que las posibilidades de que las
cuatro compuertas estn fuera de servicio al mismo tiempo son menores a uno entre
cinco millones. Es esto cierto?
Informacin dada
Probabilidad de falla de cada una de las compuerta = 0.04
Eventos bajo independencia estadstica
Resolucin

P (Compuerta 2 y Compuerta 3 fallen /Compuerta 1 ha fallado) = P (C2 y C3

fallen) = P(C2falle) * P(C3 falle) = 0.04 * 0.04 = 0.0016

P (C1 y C2 y C3 y C4 fallen) = 0.04 * 0.04 * 0.04* 0.04 = 0.00000256 =

1/400,000.

Entonces no es cierto que la probabilidad de falla total sea 1 en 5millones.

DISTRIBUCINES DE PROBABILIDAD
1. Distribucin Normal
Es la distribucin de probabilidad que se asume para una variable cuyos posibles
valores se disponen de forma simtrica en torno a su media de modo que los valores
prximos a dicha media tendrn mayor probabilidad de ser alcanzados. Conforme ms
alejados estn de la media, los valores tienen menor probabilidad de ser alcanzados.
Tambin es la ms importante de las distribuciones continuas ya que permite describir
un nmero muy grande de fenmenos aleatorios, como por ejemplo aquellos en los que
intervienen un nmero elevado de factores no controlables, que actan de manera
independiente y con efectos pequeos.
2. Distribucin Binomial
Es la distribucin de probabilidad que se asocia a variables que slo toman dos
valores, el 0 y el 1, Intuitivamente, una variable dicotmica de Bernoulli aparece
asociada a un experimento xito-fracaso, donde 1 representa el xito y 0 el fracaso.
3. Distribucin de Poisson
La distribucin de Poisson suele emplearse para representar experimentos en los
que se analiza el nmero de veces que ocurre cierto suceso en un intervalo (en general
de tiempo). Los requisitos que deben verificar estas experiencias son las siguientes:

Las condiciones experimentales deben ser constantes a lo largo de todo el

intervalo.

Los resultados del experimento deben ser independientes cuando se refieren a

intervalos disjuntos

La tasa media de aparicin del suceso, en cualquier intervalo de longitud uno, es

constante.

La probabilidad de que el suceso ocurra una sola vez en un intervalo de amplitud

suficientemente pequea, debe ser aproximadamente.

La probabilidad de dos o ms ocurrencias del suceso, en un intervalo

suficientemente pequeo, debe ser prcticamente cero.

4. T de student
Es asociada a una variable aleatoria que se obtiene a partir del cociente de una
variable N (0; 1) y la raz cuadrada de una variable X2(n). Por tanto, esta distribucin
puede tomar cualquier valor real. Su funcin de densidad es muy compleja y su grfica
es parecida a la de la distribucin N (0; 1).
5. Chi cuadrada
Es la asociada a una variable aleatoria que se obtiene como suma de los cuadrados
de n variables independientes con distribucin N (0; 1). Por tanto, esta distribucin slo
toma valores positivos y adems su funcin de densidad es muy compleja.
Intuitivamente, esta distribucin es de utilidad para obtener informacin de la varianza
poblacional a partir de un conjunto de datos extrados de una variable normal.
6. Distribucin F (Anova)
Es la asociada a una variable aleatoria que se obtiene a partir del cociente de una
dos variables chi-cuadrado con n y m grados de libertad respectivamente. Por tanto,
esta distribucin slo tomar valores positivos. Su funcin de densidad es muy compleja
y su grfica es parecida a la de la distribucin chi-cuadrado. Intuitivamente, esta
distribucin es de utilidad para establecer comparaciones entre las varianzas
poblacionales a partir de dos conjuntos de datos extrados de una variable normal.

BIBLIOGRAFIA
Gmez Cadenas, J.J. (2005). Distribuciones Probabilsticas. Recuperado de
https://www.google.com.gt/?gws_rd=ssl#q=Distribuciones+de+probabilidad+pdf

Litherland, N. (2010). Eventos Mutuamente Excluyentes. Recuperado de

http://www.ehowenespanol.com/definicion-eventos-mutuamente-excluyentessobre_138140/

Pea Snchez de Rivera, D. (2001) Distribuciones de Probabilidad ms usuales.

Recuperado de https://www.google.com.gt/?gws_rd=ssl#q=distribuciones+probabi
listicas+pdf

Surez Ibujes, M.O. (2011). Probabilidades. Recuperado

de http://www.monografias.com/trabajos89/adicion-probabilidades-eventosmutuamente/adicion-probabilidades-eventos-mutuamente.shtml#ixzz3yNI86kxO