La teora de la probabilidad 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. Muchos fenmenos naturales son aleatorios, pero existen algunos como el lanzamiento de un dado, donde el fenmeno no se repite en las mismas condiciones, debido a que la caractersticas del material hace que no exista una simetra del mismo, as las repeticiones no garantizan una probabilidad definida. En los procesos reales que se modelizan mediante distribuciones de probabilidad corresponden a modelos complejos donde no se conocen a priori todos los parmetros que intervienen; sta es una de las razones por las cuales la estadstica, que busca determinar estos parmetros, no se reduce inmediatamente a la teora de la probabilidad en s. En 1933, el matemtico sovitico Andri Kolmogrov propuso un sistema de axiomas para la teora de la probabilidad, basado en la teora de conjuntos y en la teora de la medida, desarrollada pocos aos antes por Lebesgue, Borel y Frechet entre otros. Esta aproximacin axiomtica que generaliza el marco clsico de la probabilidad, la cual obedece a la regla de clculo de casos favorables sobre casos posibles, permiti la rigorizacin de muchos argumentos ya utilizados, as como el estudio de problemas fuera de los marcos clsicos. Actualmente, la teora de la probabilidad encuentra aplicacin en las ms variadas ramas del conocimiento, como puede ser la fsica (donde corresponde mencionar el desarrollo de las difusiones y el movimiento Browniano), o las finanzas (donde destaca el modelo de Black y Scholes para la valuacin de acciones). Formula de Laplace para probabilidad La formula de Laplace es Probabilidad = Casos favorables / casos posibles Ejemplo 1 - Calcular la probabilidad que salga un 3 al lanzar un dado Tenemos 6 casos posibles (los numeros 1,2,3,4,5,6) los casos favorables son uno, el numero '3', la probabilidad ser Probabilidad = Casos favorables(1) / casos posibles(6) = 1/6 = 0,1667 Ejemplo 2 - En una clase de 40 alumnos, hay 15 chicos y 25 chicas, cual es la probabilidad que un alumno escogido al azar sea chica: Casos posibles --> 40 alumnos Casos favorables --> 25 chicas Probabilidad = Casos favorables(25) / casos posibles(40) = 5/8 = 0.625

Espacio muestral 3 ejemplos

Espacio Probabilstico discreto

Es aquel cuyo espacio muestral es discreto.Podemos diferenciar varios tipos de espacio probabilstico discreto:

Espacio Probabilistico Discreto Equiprobable

Su espacio muestral es finito de tamao n. La probabilidad de cualquier suceso elemental E es

, de aqu se deduce que para todo suceso A la probabilidad es

Espacio Probabilistico Finito

Su espacio muestral es discreto finito. Hay al menos 2 sucesos elementales que cumplen.

Procesos Estocasticos Finitos Y Diagramas de rbol

Un proceso estocstico es una sucesin finita de experimentos aleatorios, cada uno de ellos con un n finito de resultados posibles. Se representan con diagrama de rbol. Por ejemplo, imaginemos que se lanza una moneda y un dado de seis caras. La probabilidad de obtener un resultado particular corresponde a la multiplicacin de sus probabilidades. Es decir, la probabilidad de obtener cara y un tres ser:

Ahora bien, la probabilidad de un suceso cualquiera es la suma de las probabilidades de los distintos resultados aislados posibles. As, la probabilidad de sacar siempre un resultado impar en los dados, independientemente del resultado de la moneda, ser:

Espacio Probabilistico Infinito Contable

Aquel cuyo espacio muestral es discreto infinito contable. Por ejemplo

La probabilidad de que salga cara en la primera tirada ---->

La probabilidad de que salga nuevamente cara en la segunda tirada ---->

.calculo de sucesos excluyentes

COMPRENSIN DE LOS SUCESOS MUTUAMENTE EXCLUYENTES Y LOS SUCESOS SIMULTNEOS:

En muchos juegos de azar a veces un jugador puede estar interesado en calcular la probabilidad de ocurrencia de dos o ms eventos diferentes frente a una misma jugada, caso en el cual es necesario determinar previamente si los eventos analizados son Sucesos Mutuamente Excluyentes, es decir, si son sucesos que no pueden ocurrir a la vez en una misma jugada porque la ocurrencia de alguno de ellos excluye la ocurrencia de otros, o si son Sucesos Simultneos, es decir, si son sucesos que pueden presentarse a la vez en una misma jugada. De este modo, si se considera que A es un evento y que B es otro evento totalmente diferente, y ambos sonmutuamente excluyentes entre s, entonces la probabilidad de que cualquiera de los dos pueda ocurrir en una misma jugada excluyendo la ocurrencia del otro se expresa como P( A,B), que se lee como la probabilidad de queA o B ocurran en un solo ensayo, frmula que se resuelve mediante una simple sumatoria entre las probabilidades individuales de ocurrencia de cada evento analizado: P(A,B) = P(A)+P(B). Y si se considera que A es un evento y que B otro evento diferente, y ambos son sucesos que pueden ocurrir de forma simultnea en una misma jugada, entonces en este caso la probabilidad de que en un solo ensayo pueda ocurrir cualquiera de los dos eventos o producirse la interseccin entre ambos eventos se expresa como P(A,B)P(AB), que se lee como la probabilidad de que A y B ocurran por separado o conjuntamente en un solo ensayo, frmula en la cual el smbolo matemtico de la interseccin () indica que los eventos tienen una probabilidad compuesta y que por eso a la sumatoria de las probabilidades individuales de ambos eventos hay que restarles la probabilidad de ocurrencia de las intersecciones que se pueden formar entre los trminos que ambos eventos tienen en comn, lo cual se expresa mediante la siguiente frmula: P(A,B)P(AB) = P(A)+P(B)P(AB).
CLCULO DE LA PROBABILIDAD DE SUCESOS MUTUAMENTE EXCLUYENTES:

Veamos algunos ejemplos simples del clculo de la probabilidad frente a eventos mutuamente excluyentes. Si unsolo dado es lanzado al aire y el jugador puede ganar si obtiene el punto 1 o si obtiene el punto 6, entonces en tal caso estamos hablando de dos sucesos que son mutuamente excluyentes entre s, porque en un solo lanzamiento del dado no pueden aparecer los dos

eventos al mismo tiempo (o cae 1, o cae 6, o cae cualquier otro resultado del dado). Por consiguiente, si el jugador quiere calcular la probabilidad de ganar en el lanzamiento del dado puede asumir que el evento A es la aparicin del punto 1 del dado que tiene una probabilidad de ocurrencia de 1/6, mientras que el evento B es la aparicin del punto 6 del dado que tiene una probabilidad de ocurrencia de 1/6, y por lo tanto la probabilidad de ganar se calcula mediante la sumatoria ya indicada: P(A,B) = P(A)+P(B) = 1/6+1/6 = 2/6, o lo que es lo mismo, el jugador para ganar en el lanzamiento del dado tiene 2 eventos a su favor sobre 6 eventos posibles:
En otro ejemplo, supongamos que un mazo normal de 52 cartas es mezclado y que un jugador puede ganar un premio si en la primera carta extrada del mazo aparece un as (A) o un rey (K), caso en el cual ambos sucesos tambin son mutuamente excluyentes entre s porque la carta extrada o tiene un valor o tiene el otro pero no puede tenerlos ambos. En consecuencia, si se asume que el evento A es la extraccin de cualquier as (A) con una probabilidad de ocurrencia de 4/52, y el evento B es la extraccin de cualquier rey (K) que tiene una probabilidad de ocurrencia de 4/52, entonces la probabilidad de ganar obteniendo un as o un rey en un solo ensayo es de: P(A,B) = P(A)+P(B) = 4/52+4/52 = 8/52, o lo que es lo mismo, el jugador para ganar tiene 8 eventos favorables (cuatro ases y cuatro reyes) sobre 52 cartas disponibles en el mazo.

sucesos independiente
Dos sucesos son independientes entre s, si la ocurrencia de uno de ellos no afecta para nada el que pueda producirse el otro: Ejemplo: el suceso estatura de los alumnos de una clase y el color del pelo son independientes: el que un alumno sea ms o menos alto no va a influir en el color de su cabello, ni viceversa. Para que dos sucesos sean independientes tienen que verificar al menos una de las siguientes condiciones: P (B/A) = P (B) es decir, que la probabilidad de que se de el suceso B, condicionada a que previamente se haya dado el suceso A, es exactamente igual a la probabilidad de B. Ejemplo: la probabilidad de que al tirar una moneda salga cara (suceso B), condicionada a que haga buen tiempo (suceso A), es igual a la propia probabilidad del suceso B. P (A/B) = P (A) es decir, que la probabilidad de que se de el suceso A, condicionada a que previamente se haya dado el suceso B, es exactamente igual a la probabilidad de A. Ejemplo: la probabilidad de que haga buen tiempo (suceso A), condicionada a que al tirar una moneda salga cara (suceso B), es igual a la propia probabilidad del suceso A. P (A ^ B) = P (A) * P (B) es decir, que la probabilidad de que se de el suceso conjunto A y B es exactamente igual a la probabilidad del suceso A multiplicada por la probabilidsad del suceso B. Ejemplo: la probabilidad de que haga buen tiempo (suceso A) y salga cara al tirar una moneda (suceso B), es igual a la probabilidad del suceso A multiplicada por la probabilidad del suceso B

Si el suceso A es independiente del suceso B, entonces el suceso B tambin es independiente del suceso A. Ejemplo 1: analicemos dos sucesos: Suceso A: la probabilidad de que haga buen tiempo es del 0,4 Suceso B: la probabilidad de tener un accidente es del 0,1 Suceso interseccin: la probabilidad de que haga buen tiempo y tener un accidente es del 0,08 Veamos si se cumple alguna de las condiciones sealadas: P (B/A) = P (A ^ B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a P (B)) P (A/B) = P (A ^ B) / P (B) = 0,08 / 0,6 = 0,133 (que no es igual a P (A)) P (A ^ B) = 0,08 (que no es igual a P (A) multiplicado por P (B)) Por lo tanto, no se cumple ninguna de las tres condiciones sealadas por lo que estos dos sucesos no son independientes, sino que existe algn grado de dependencia entre ellos. Ejemplo 2: analicemos dos sucesos: Suceso A: la probabilidad de que haga buen tiempo es del 0,4 Suceso B: la probabilidad de salir cara al lanzar una moneda es del 0,5 Suceso interseccin: la probabilidad de que haga buen tiempo y que salga cara es 0,2 Veamos si se cumple alguna de las condiciones sealadas: P (B/A) = P (A ^ B) / P (A) = 0,2 / 0,4 = 0,5 (igual que P (B)) P (A/B) = P (A ^ B) / P (B) = 0,2 / 0,6 = 0,4 (igual que P (A)) P (A ^ B) = 0,2 (igual a P (A) multiplicado por P (B)) Por lo tanto, estos dos sucesos s son independientes . Sucesos depedientes sin remplazo

La P(E F) es la probabilidad de P(E y F) que se define como: P(E y F) = P(E) * P(F | E) que se lee "la probabilidad de E y F es igual a la probabilidad de E multiplicada por la probabilidad de F habiendo ocurrido E". Ejemplo: Hay 9 fichas de domin numeradas del 1 al 9. Se extraen 2 fichas sin reemplazo,

cual es la probabilidad de que las 2 fichas sean pares? Lo que queremos averiguar es por lo tanto: P (P y P) = P(P) * P(P | P) En fichas del 1 al 9, hay 4 fichas pares (2, 4, 6 y 8). De esta manera, la probabilidad de P (o sea que la primera sea par) es de: P(P) = Casos favorables / Casos posibles P(P) = 4 / 9 = 0.4444 Ahora, como las extracciones son SIN REEMPLAZO, para la extraccin de la segunda ficha, nos quedan 3 fichas pares sobre un total de 8 fichas; por eso los eventos SON DEPENDIENTES; el que queden 3 fichas pares, DEPENDE de haber sacado una ficha par en la primera extraccin. De esta forma, la probabilidad de sacar una segunda ficha par, habiendo sacado una par previamente es: P(P | P) = 3 / 8 = 0.375 La probabilidad CONJUNTA [(P P) = (P y P)] de sacar dos fichas pares, entonces est dada por: P (P y P) = P(P) * P(P | P) P (P y P) = 4/9 * 3/8 = 1/6 = 0.16666... Fijate que la frmula que vos das es: P(E|F) = P(E F) / P(F) ==> .. hacemos un pasaje de trminos del denominador en el 2do. miembro P(E F) = P(F) * P(E|F) ........ Expresin 1 pero P(F y E) = P(F) * P(E|F) ........ Expresin 2 Si los segundos miembros son iguales en las Expresiones 1 y 2, eso implica que los primeros miembros tambin los son; por lo tanto: P(E F) = P(F y E) Elabore 5 ejm de calculo de probabilidades
e) Probabilidad de elegir tal o cual fruta. Si en una canasta hay 20 peras y 10 manzanas. Qu fruta es ms probable que saque al azar de la canasta? Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir los casos posibles (n). Para calcular la probabilidad de sacar una manzana los casos favorables (f) son 10 puesto que existen slo 10 manzanas. Por lo tanto:

(o, lo que es lo mismo, 33,3 %)

(o, lo que es lo mismo, 66,7 %)

(o lo que es lo mismo, 16,6%) e) Probabilidad de elegir tal o cual fruta. Si en una canasta hay 20 peras y 10 manzanas. Qu fruta es ms probable que saque al azar de la canasta? Para este ejemplo tenemos que 30 es el total de frutas en la canasta; es decir los casos posibles (n). Para calcular la probabilidad de sacar una manzana los casos favorables (f) son 10 puesto que existen slo 10 manzanas. Por lo tanto:

(o, lo que es lo mismo, 33,3 %)

(o, lo que es lo mismo, 66,7 %)

b) Probabilidad de que al lanzar un dado salga un nmero par: en este caso los casos favorables (f) son tres (que salga el dos, el cuatro o el seis), mientras que los casos posibles (n) siguen siendo seis. Por lo tanto:

(o lo que es lo mismo, 50%) c) Probabilidad de que al lanzar un dado salga un nmero menor que 5: en este caso tenemos cuatro casos favorables (f) (que salga el uno, el dos, el tres o el cuatro), frente a los seis casos posibles. Por lo tanto:

(o lo que es lo mismo, 66,6%) d) Probabilidad de ganarse el premio mayor de una lotera en la que juegan 100.000 nmerosnos: tan slo un caso favorable (f), el nmero que jugamos, frente a los 100.000 casos posibles (n). Por lo tanto:

(o lo que es lo mismo, 0,001%)

Sucesos compatible

Sucesos compatibles e incompatibles

En un experimento aleatorio hay sucesos que pueden ocurrir a la vez y sucesos que no. Dos sucesos se dicen compatibles si tienen algn suceso elemental comn. En este caso AB, pueden ocurrir a la vez. Dos sucesos se dicen incompatibles si no tienen ningn suceso elemental comn, en este casoAB= y no pueden ocurrir a la vez

Un suceso y su contrario son siempre incompatibles, pero dos sucesos incompatibles no siempre son contrarios, como se puede comprobar en los ejemplos de la escena.