UNIDAD N1 PROBABILIDAD

KATHERIN BENITEZ SALAZAR

INTRODUCCIN A LA PROBABILIDAD
TUTOR: HERNANDO VEGA COGOLLO

IV SEMESTRE INGENIERA DE SISTEMAS

UNIVERSIDAD DE CARTAGENA
19 DE AGOSTO DE 2016
CARTAGENA DE INDIAS, BOLIVAR

DEFINICIN DE PROBABILIDAD
Las probabilidades constituyen una rama de las matemticas que se ocupa
de medir o determinar cuantitativamente la posibilidad de que un suceso o
experimento produzca un determinado resultado. La probabilidad est
basada en el estudio de la combinatoria y es fundamento necesario de la
estadstica.
La probabilidad es un mtodo por el cual se obtiene la frecuencia de un
acontecimiento determinado mediante la realizacin de experimentos
aleatorios, de los que se conocen todos los resultados posibles, bajo
condiciones suficientemente estables. La probabilidad es un evento o
suceso que puede ser improbable, probable o seguro.
La probabilidad es simplemente qu tan posible es que ocurra un evento
determinado.
La probabilidad Es el conjunto de posibilidades de que un evento ocurra o
no en un momento y tiempo determinado. Dichos eventos pueden ser
medibles a travs de una escala de 0 a 1, donde el evento que no pueda
ocurrir tiene una probabilidad de 0 (evento imposible) y un evento que
ocurra con certeza es de 1 (evento cierto).
La probabilidad es una rama de las matemticas, cuyo objeto de estudio
son variables aleatorias (que son valores que dependen bsicamente del
azar o de la posibilidad de que puedan o no ocurrir), que busca establecer
las caractersticas y propiedades matemticas (definiciones, teoremas y
consecuencias) de tales variables. Su mtodo es de tipo deductivo, esto es,
partiendo de ciertas definiciones y propiedades bsicas establecidas de
antemano, conocidas como axiomas, se van deduciendo las propiedades
de los objetos de inters, y cuyos resultados se establecer como teoremas,
que son proposiciones ciertas o verdaderas que pueden y deben ser
demostradas. En este sentido, la probabilidad es afn a otras ramas de las
matemticas tales como el lgebra, el anlisis matemtico, la geometra o
la topologa.

 La Probabilidad propone modelos para los fenmenos aleatorios, es decir,

los que se pueden predecir con certeza, y estudia sus consecuencias
lgicas.
IMPORTANCIA DE LA PROBABILIDAD

La importancia de la probabilidad radica en que, mediante este recurso

matemtico, es posible ajustar de la manera ms exacta posible los
imponderables debidos al azar en los ms variados campos tanto de la ciencia
como de la vida cotidiana.
En efecto, la probabilidad es una estrategia mediante la cual se intenta estimar la
frecuencia con la que se obtiene un cierto resultado en el marco de una
experiencia en la que se conocen todos los resultados posibles. As, el ejemplo
ms tradicional consiste en definir cul es la prevalencia de obtener un nmero al
arrojar un dado. Sobre seis resultados posibles (todas las caras), slo es posible
lograr un nmero por cada vez que el dado es arrojado. En este caso, la
probabilidad puede expresarse como uno en seis, un sexto, la sexta parte o, en
trminos matemticos precisos, 0.16 16%.
La importancia esencial de la aplicacin de los mtodos de clculo de la
probabilidad reside en su capacidad para estimar o predecir eventos. Cuanto
mayor sea la cantidad de datos disponibles para calcular la probabilidad de un
acontecimiento, ms preciso ser el resultado calculado.
APLICACIN EN LA INGENIERIA DE SISTEMAS

La probabilidad es importante para el anlisis de rendimiento de algoritmos.

As como tambin aplica para los sistemas de procesamiento electrnico de datos
(uno de los campos de aplicacin ms importantes de la ingeniera de sistemas.)
se justifican cuando los volmenes de datos recogidos son muy grandes y la nica
manera de obtener informacin til de grandes volmenes de datos es mediante el
anlisis estadstico.
Dada la complejidad de los sistemas en los que suele aplicarse la teora de la
probabilidad, se requiere de modelos informticos y estadsticos de gran

elaboracin, que seran imposibles de no contarse con los modernos recursos

tecnolgicos relacionados con la computacin.
PROBABILIDAD GENERAL

La probabilidad de un suceso es un nmero, comprendido entre 0 y 1, que indica

las posibilidades que tiene de verificarse cuando se realiza un experimento
aleatorio.
Experimentos deterministas
Son los experimentos de los que podemos predecir el resultado antes de que
se realicen.
Ejemplo: Si dejamos caer una piedra desde una ventana sabemos, sin lugar a
dudas, que la piedra bajar. Si la arrojamos hacia arriba, sabemos que subir
durante un determinado intervalo de tiempo; pero despus bajar.
Experimentos aleatorios
Son aquellos en los que no se puede predecir el resultado, ya que ste
depende del azar.
Ejemplos:
Si lanzamos una moneda no sabemos de antemano si saldr cara o cruz.
Si lanzamos un dado tampoco podemos determinar el resultado que vamos a
obtener.
TEORA DE PROBABILIDADES

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. Con este fin,
introduciremos algunas definiciones:

 Suceso: es cada uno de los resultados posibles de una experiencia

aleatoria.
Ejemplos:
Al lanzar una moneda salga cara.
Al lanzar un dado se obtenga 4.

Espacio muestral: es el conjunto de todos los posibles resultados de una

experiencia aleatoria, lo representaremos por E (o bien por la letra griega
).
Ejemplos:
Espacio muestral de una moneda:
E = {C, X}.
Espacio muestral de un dado:
E = {1, 2, 3, 4, 5, 6}.

Suceso aleatorio: es cualquier subconjunto del espacio muestral.

Ejemplo:

Tirar un dado un suceso sera que saliera par, otro, obtener mltiplo
de 3, y otro, sacar 5.

Un ejemplo completo:
Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas.
Calcular:
1. El espacio muestral.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
2. El suceso A = {extraer tres bolas del mismo color}.
A = {(b,b,b); (n, n,n)}
3. El suceso B = {extraer al menos una bola blanca}.

B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}

4. El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}
PROBABILIDAD MARGINAL

Para obtener expresiones tiles en el clculo de este tipo de probabilidades, se

realizar un ejemplo:
En un taller mecnico tienen un total de 135 desatornilladores, los tcnicos
atribuyen a stos dos caractersticas cuando se los piden a sus ayudantes, su
longitud (largo y cortos) y la forma de la punta que embona en los tornillos (planos
o de cruz) de acuerdo a la definicin de eventos que sigue, la distribucin es la
siguiente:
Evento
A1
A2
Total
Eventos
Caracterstica
A1

Largo

A2

Corto

B1

Punta plana

B2

Punta de Cruz

B1

40

60

100

15

20

35

Total

55

80

135

Para determinar una probabilidad conjunta, digamos desatornilladores cortos con

punta plana, de acuerdo con la tabla, es el cociente 60/135=0.444, que se obtuvo
de dividir el nmero de desatornilladores cortos y que tienen punta plana, en
trminos de conjuntos, n(A2B1)=n21=60, entre el total de los desatornilladores
del taller, ns=135.
Generalizando se obtiene la probabilidad conjunta de dos eventos con la
expresin siguiente: P(AiBj)=nij/ns
Donde i=1, 2, 3,n y j=1, 2, 3,n
Considrese que nicamente nos interesa conocer la probabilidad de los eventos
Bj, por ejemplo de B1, P(B1)=(n11+n21)/ns=(40+60)/135=100/135=0.74 Se
observa que el subndice correspondiente al evento B permanece constante en la
suma del numerador n11+n21.

Generalizando, la probabilidad marginal de cualquier evento Bj puede calcularse

P(Bj)=i=1nnij/ns,
pero
i=1nnij/ns=i=1nP(AiBj),
por
lo
tanto
P(Bj)=i=1nP(AiBj).
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.
Tambin se puede determinar la probabilidad marginal de cualquier evento Ai:
P(Ai)=j=1nP(AiBj), 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 continuacin:
P(A1)=55/135=0.4075 y P(A2)=80/135=0.5925
Por lo tanto i=12P(Ai)=1 P(A1)+P(A2)=0.4975+0.5925=1

P(B1)=100/135=0.74 y P(B2)=35/135=0.26
Por lo tanto i=12P(Ai)=1 P(A1)+P(A2)=0.74+0.26=1
PROBABILIDAD CONDICIONADA
Sean A y B dos sucesos de un mismo espacio muestral E.
Se llama probabilidad del suceso B condicionado a A y se representa por P(B/A) a
la probabilidad del suceso B una vez ha ocurrido el A.

Ejemplo:
Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido
par.

 Sucesos independientes
Dos sucesos A y B son independientes si, p(A/B) = p(A)

Sucesos dependientes
Dos sucesos A y B son dependientes si, p(A/B) p(A)

TEOREMA DE BAYES

Si A 1, A 2,..., An son: sucesos incompatibles 2 a 2 y cuya unin es el espacio

muestral (A 1 A 2 ... A n = E) y B es otro suceso.

Resulta que:

Las probabilidades p(A1) se denominan probabilidades a priori.

probabilidades p(Ai/B) se denominan probabilidades a posteriori.
probabilidades p(B/Ai) se denominan verosimilitudes.

Las
Las

Ejemplos

El 20% de los empleados de una empresa son ingenieros y otro 20% son
economistas. El 75% de los ingenieros ocupan un puesto directivo y el
50% de los economistas tambin, mientras que los no ingenieros y los no
economistas solamente el 20% ocupa un puesto directivo. Cul es la
probabilidad de que un empleado directivo elegido al azar sea ingeniero?

La probabilidad de que haya un accidente en una fbrica que dispone de

alarma es 0.1. La probabilidad de que suene esta s se ha producido
algn incidente es de 0.97 y la probabilidad de que suene si no ha
sucedido ningn incidente es 0.02.
En el supuesto de que haya funcionado la alarma, cul es la
probabilidad de que no haya habido ningn incidente?
Sean los sucesos:
I = Producirse incidente.
A = Sonar la alarma.

CONCLUSIONES

Luego de realizado el trabajo puedo concluir que tanto la probabilidad como la

estadstica son muy importante en todo lo que tiene que ver con la vida cotidiana
ya que la probabilidad mide la frecuencia con la que se obtiene un resultado (o
conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se
conocen todos los resultados posibles, bajo condiciones suficientemente estables.
Tambin podemos concluir la importancia que tiene cada tipo de probabilidad , y
ms que todo la las diferentes aplicaciones que tiene, por ejemplo en la ingeniera
de sistemas , para el procesamiento de datos y al crear algoritmos para la
creacin de software en ese caso me refiero a la probabilidad de error que existe
en la creacin de estos sistemas.
Por ltimo la teora de la probabilidad se usa extensamente en reas como la
estadstica, la fsica, la matemtica, la ciencia y la filosofa para sacar
conclusiones sobre la probabilidad de sucesos potenciales y la mecnica
subyacente de sistemas complejos.