Teora de las Probabilidades

Teora de la Probabilidad Surge en los siglos XVI a XVIII relacionada con los
problemas producto del juego de azar. Impulsada por

Blaise Pascal y Pierre de

Fermat.
A mediados del siglo XVI, Girolamo Cardano, el matemtico, mdico y jugador
italiano, escribi su Liber de Ludo Alae (El libro de los juegos de azar) en el que
apareci el primer estudio conocido de los principios de probabilidad. Alrededor de cien
aos ms tarde, el jugador Chevalier de Mer propuso a Blaise Pascal el famoso
Problema de los puntos, que puede describirse como sigue: dos personas participan
en un juego de azar. La primera que logre acumular un cierto nmero de puntos ganar
la apuesta. Si los jugadores se ven forzados a suspender el juego antes de que ste
haya terminado, dado el nmero de puntos que ha acumulado cada uno de ellos,
cmo deber dividirse la apuesta? Este problema constituy un reto al ingenio de los
astutos matemticos franceses Blaise Pascal y Pierre de Fermat. Los mtodos
empleados por Cardano y Pascal representan la iniciacin de la probabilidad
matemtica sobre la que est centrada la estadstica actual. (Modem, 2005, pg. 2)
La teora de la probabilidad es un sistema matemtico compuesto de trminos
definidos e indefinidos y de un conjunto de suposiciones relativas a ellos de todo esto
obtenemos conclusiones lgicas, esto es, demostramos teoremas. Es una disciplina
abstracta que usamos como modelo para hacer deducciones relativas a eventos que

posiblemente pueden suceder en una operacin fsica real o imaginaria.

(Modem,

2005, pg. 3)
La teora de la probabilidad, estudia la regularidad de los fenmenos aleatorios o al
azar y es la base para toma de decisiones. La probabilidad que sea La probabilidad no
solo es utilizada en las matemticas o reas a fines, sino que tiene una gran
importancia en la administracin y otras ciencias sociales. Ligadas en el proceso de
toma de decisiones.
Objetivos de las Probabilidades
El objetivo fundamental de la probabilidad, es la de mostrar al alumno la
importancia y utilidad del Mtodo Estadstico en el mbito econmico-empresarial. Con
tal fin, el alumno deber aprender a manejar los mtodos y tcnicas ms adecuadas
para el correcto tratamiento y anlisis de la informacin proporcionada por los datos
que genera la actividad econmica.
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 de frecuencia relativa

Tambin llamado Enfoque Emprico, determina la probabilidad sobre la base de la

proporcin de veces que ocurre un evento favorable en un nmero de observaciones.
En este enfoque no ese utiliza la suposicin previa de aleatoriedad. Porque la
determinacin de los valores de probabilidad se basa en la observacin y recopilacin
de datos.
El enfoque subjetivo
Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por
parte de un individuo de que un evento ocurra, basado en toda la evidencia a su
disposicin. Bajo esta premisa se puede decir que este enfoque es adecuado cuando
solo hay una oportunidad de ocurrencia del evento. Es decir, que el evento ocurrir o
no ocurrir esa sola vez. El valor de probabilidad bajo este enfoque es un juicio
personal.
Distribucin de probabilidad normal
Es una distribucin de probabilidad continua que es tanto simtrica como
mesocurtica. La curva que representa la distribucin de probabilidad normal se
describe generalmente como en forma de campana. Esta distribucin es importante en
inferencia estadstica por tres razones diferentes:
1. Se sabe que las medidas producidas en muchos procesos aleatorios siguen esta
distribucin.

2. Las probabilidades normales pueden utilizarse generalmente para aproximar

otras distribuciones de probabilidad, tales como las distribuciones binomial y de
Poisson.
3. Las distribuciones estadsticas tales como la media de la muestra y la proporcin
de la muestra, siguen a menudo la distribucin normal, sin tener en cuenta la
distribucin de la poblacin
Los valores de los parmetros de la distribucin de probabilidad normal son = 0 y
= 1. Cualquier conjunto de valores X normalmente distribuido pueden convertirse en
valores normales estndar z por medio de la frmula:

Haciendo posible el uso de la tabla de proporciones de rea y hace innecesario el

uso de la ecuacin de la funcin de densidad de cualquier distribucin normal dada.
Para aproximar las distribuciones discretas binomial y de Poisson se debe hacer:

Binomial

np

Poisson

Distribucin de probabilidad exponencial

Si en el contexto de un proceso de Poisson ocurren eventos o xitos en un espectro

continuo de tiempo y espacio. Entonces la longitud del espacio o tiempo entre eventos
sucesivos sigue una distribucin de probabilidad exponencial. Puesto que el tiempo y el
espacio son un espectro continuo, esta es una distribucin continua.
En caso de este tipo de distribucin no vale la pena preguntarse cul es la
probabilidad de que el primer pedido de servicio se haga exactamente de aqu a un
minuto? Ms bien debemos asignar un intervalo dentro del cual el evento puede ocurrir,
preguntndonos, cul es la probabilidad de que el primer pedido se produzca en el
prximo minuto?
Dado que el proceso de Poisson es estacionario, la distribucin exponencial se
aplica ya sea cuando estamos interesados en el tiempo (o espacio) hasta el primer
evento, el tiempo entre dos eventos sucesivos, o el tiempo hasta que ocurra el primer
evento despus de cualquier punto aleatoriamente seleccionado.
Donde es la cifra media de ocurrencias para el intervalo de inters, la probabilidad
exponencial de que el primer evento ocurra dentro del intervalo designado de tiempo o
espacio es.
P(T < t) = 1 - e -

De manera que la probabilidad exponencial de que el primer evento no ocurra

dentro del intervalo designado de tiempo o espacio es:
P(T > t) = e -

Ejemplo:

Un departamento de mantenimiento recibe un promedio de 5 llamadas por hora.

Comenzando en un momento aleatoriamente seleccionado, la probabilidad de que una
llamada llegue dentro de media hora es:
Promedio 5 por hora, como el intervalo es media hora tenemos que = 2,5/media hora.

P (T < 30 min.) = 1- e -5 = 1 - 0,08208 = 0,91792

Cuando un administrador debe tomar decisiones sobre un resultado que conoce, la
nica razn para que se cometa un error es que exista un error en el anlisis de parte
del decisor. La realidad casi nunca es totalmente predecible, siempre existen factores
que no se pueden controlar y que influyen para que los resultados sean imprevistos.
Siempre en las tomas de decisiones debemos tener presente la probabilidad de la
presencia de riesgos. La relacin directa de la probabilidad con la administracin se
centra en la toma de decisiones, debido a que asumir riesgo en cada alternativa que
debemos tomar como administradores. La toma de decisiones es el proceso de
seleccin de una alternativa entre un conjunto de dos o ms de estas, la teora de la
probabilidad permite conocer el riesgo de cada alternativa. Las buenas decisiones son
producto de la buena y oportuna informacin y conocimiento.
La toma de decisiones es la eleccin entre dos o ms alternativas, evaluando el
riesgo que implica cada una de ellas.

Bibliografa
es.slideshare.net/mrojas/teora-de-las-probalidades. (s.f.).
http://buscador.rincondelvago.com/probabilidades+estadisticas. (s.f.).
Modem, E. B. (2005). Elementos y Probabilidades Estadsticos Pgina 2. Bostn:
Revert, S.A., Espaa.

Universidad Mariano Glvez de Guatemala

Facultad Ciencias de la Administracin
Maestra en Administracin de Negocios
Modelos para la toma de decisiones
Tutora del curso Inga. Esmeralda Villela

TEORIA DE PROBABILIDADES

Maestrantes:
Rebeca Jeaneth Rivas Gonzlez.
Gilma Mabeli Quionez y Quionez.

Fecha: 13-02-2016.
Calificacin: