You are on page 1of 8

CONCEPTOS FUNDAMENTALES SOBRE EL CALCULO PROBABILISTICO

ESTADISTICA GENERAL

09

INTRODUCCIN

La teora probabilstica naci gracias a los juegos de azar, pero con el paso de los aos esta pas a ser mas all de una herramienta para subestimar la suerte, a ser una herramienta de nuestro diario vivir. El hecho de que hoy en da podamos afirmar con cierto grado de certeza que se vaya a dar un suceso, se lo debemos a la teora probabilstica ya que gracias a esta tenemos la posibilidad de calcular el grado de probabilidad de que un evento como el que llueva, un candidato gane unas elecciones, o en un juego de cartas salga cierta carta, se d o no.

1. Breve historia sobre el clculo probabilstico:


La probabilidad naci con los juegos de azar. A los algebristas del Renacimiento, en el siglo XVI, como Pacioli, Cardano o Tartaglia, se deben las primeras consideraciones matemticas sobre los juegos de azar y de las apuestas. En 1654, Blas Pascal, haca un viaje en compaa de un jugador ms o menos profesional: el caballero de Mr. ste le propuso entonces un problema que a Pascal le interes bastante, y sin que ninguno de los dos lo supiera, era esencialmente el mismo problema que haba interesado tanto a Pacioli, Cardano y Tartaglia un siglo antes. sta es una versin del problema: "Dos jugadores, Antonio y Bernardo, ponen sobre la mesa 10.000 monedas cada uno. Un rbitro va a tirar un dado varias veces seguidas. Cada uno de los jugadores va a elegir un nmero entre el 1 y el 6. Antonio elige el 5 y Bernardo el 3. Se llevar las 20.000 monedas aqul cuyo nmero salga primero tres veces. Resulta que despus de unas cuantas tiradas el 5 ha salido dos veces y el 3 slo ha salido una vez. En este momento Bernardo recibe un mensaje por el que debe abandonar necesariamente la partida. Cmo repartir de modo justo y equitativo las 20000 monedas?" Despus de Pascal pensrselo mucho y escribir a su amigo Fermat, ambos y por diferentes caminos llegaron a la misma solucin del problema y a un montn de ideas: la Teora de la Probabilidad haba comenzado en serio.

2. Conceptos fundamentales:
 Poblacin: Es la recoleccin completa de todas las observaciones de
inters para el investigador.

 Espacio muestral: Es el conjunto formado por todos los posibles


resultados que se dan al realizar un experimento.  Muestra aleatoria: Muestra elegida independientemente de todas las dems, con la misma probabilidad que cualquier otra y cuyos elementos estn elegidos independientemente unos de otros y con la misma probabilidad.

 Suceso: Se representa por las letras maysculas del alfabeto, excluyendo


la E y la S, se define como un subconjunto de espacio muestral.  Definicin formal de probabilidad: Definir una probabilidad consiste en asociar un nmero, p(A), a cada suceso del espacio muestral. Esa asociacin debe cumplir las siguientes condiciones, denominadas axiomas de la probabilidad:

I. II. III.

p(A) 0, para todo (La probabilidad de un suceso nunca es un nmero negativo). p(E) = 1, (La probabilidad del suceso seguro es 1). Si A y B son dos sucesos incompatibles la probabilidad de su unin es la suma de sus probabilidades, es decir, p(AUB) = p(A) + p(B).

 Teorema de la probabilidad total: Nos permite calcular la probabilidad de un suceso a partir de probabilidades condicionadas. La frmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B es igual a la suma de multiplicar cada una de las probabilidades condicionadas de este suceso con los diferentes sucesos A por la probabilidad de cada suceso A. Para que este teorema se pueda aplicar hace falta cumplir un requisito: Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las posibilidades (la suma de sus probabilidades debe ser el 100%).  Sucesos Complementarios: Dados dos eventos A y B de un espacio muestral, se dice que ellos son complementarios, si y slo si se cumple que: P(A B) = 0 y P(AUB) = 1 En otras palabras, dos eventos son complementarios si y slo si siempre ocurre uno y slo uno de ellos.

 Sucesos

Totales: Sean A,B,C S si S=AoB; es decir S=AUB P(AUB) se lee como la probabilidad de (A) o la probabilidad de (B) o la probabilidad de ambos sucesos. Probabilidad de que al menos un suceso ocurra

 Sucesos Compuestos: Se llama sucesos compuestos, a los sucesos formados por dos o ms puntos muestrales; es decir, por mas de un resultado del experimento.  Sucesos Independientes: Dados dos eventos A y B de un espacio muestral, se dice que ellos son independientes, si y slo si se cumple que: P(A B) = P(A)P(B) En otras palabras, dos eventos son independientes si y slo si la ocurrencia de cada uno de ellos no es afectada por la ocurrencia o no ocurrencia del otro.

 Sucesos Dependientes: Dos sucesos, A y B, son dependientes cuando la probabilidad de que suceda A se ve afectada porque haya sucedido o no B.  Suceso Seguro: Es aquel suceso cuya probabilidad es igual a 1.  Suceso Imposible: aquel suceso cuya probabilidad es igual a 0.

3. 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. Dado un espacio de probabilidad ( ,F,P) y dos eventos (o sucesos) con P(B) > 0, la probabilidad condicional de A dado B est definida como:

4. Teorema de Bayes:
Sea A1, A2, ...,An un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades condicionales P(B/Ai). entonces la probabilidad P(Ai/B) viene dada por la expresin:

5. Como se multiplican probabilidades:


Se refieren a la determinacin de la probabilidad de la ocurrencia conjunta de A y B. Existen dos acepciones de esta regla: 1) Si los eventos de independientes: P(A y B ) = P( A 2) Si los eventos son dependientes: Es la probabilidad de A multiplicada por la probabilidad condicional de B dado A. P(A y B) = P(A)P(B|A) Si la posicin de los dos eventos se invierte, se obtiene un valor equivalente. P(A y B) = P(B y A ) = P(B)P(A|B) B ) = P(A)P(B)

CONCLUSIONES

La teora de la probabilidad es un proceso que se ha utilizado a travs de los aos en diversos sectores, pero no se puede pasar por alto que el medio en el cual esta ha sido ms importante es en el mundo de los juegos de azar. Las probabilidades siempre han sido parte activa de nuestras vidas, por ejemplo, la probabilidad de que hoy llueva, la probabilidad de que cierto candidato gane las elecciones, la probabilidad de que la seleccin pase al mundial, en fin estos son algunos ejemplos entre infinitos que podramos dar. La teora probabilstica nos brinda la magnfica oportunidad de evaluar que tan probable es que suceda alguno de estos eventos.

 La teora probabilstica es una excelente herramienta en la evaluacin de proyectos, puesto que gracias a esta tenemos la posibilidad de realizar un estudio de riesgos ms acertado del proyecto, y del tal forma disminuir los porcentajes de error.

BIBLIOGRAFIA

 http://noli.lacoctelera.net/post/2006/01/20/historia-la-probabilidad  http://www.isftic.mepsyd.es/w3/recursos/bachillerato/matematicas/probabilid ad/actividades/definicion/definicion.htm  http://www.aulafacil.com/CursoEstadistica/Lecc-24-est.htm  http://www.eneayudas.cl/matematica/probabilidad1/index.html