UNIVERSIDAD DE LA COSTA

DEPARTAMENTO DE CIENCIAS BSICAS

REA DE LABORATORIO DE CONTROL DE LA CALIDAD

FACULTAD DE INGENIERA

TEORA DE LA PROBABILIDAD
Habib Azar, Andrs Londoo

Laboratorio de Control de la Calidad: CD

Resumen

Muchas de las tcnicas estadsticas nos ayudaron al desarrollo y conclusin que

mencionaremos durante el presente informe, la experiencia se realizo con
ayuda de objetos reales, tomando tres dados, entre ellos uno de color negro y
dos blancos, que nos sirvieron para la toma de datos; realizando 100 veces el
ensayo, recolectamos una muestra estadstica que nos sirve para determinar
los lanzamientos de los dados el cual pueden suceder diferentes eventos,
estadsticamente tomado los datos repetitivos y determinando que tan probable
son ciertos sucesos.

Palabras claves
Teora de la probabilidad, Axiomas de la probabilidad, Frecuencia Estadstica.

Abstract

Many of the statistical techniques helped us in the development and conclusion

that we will mention during the present report, the experience was realized with
the help of real objects, taking three dice, among them one of black color and
two white, that served us for the taking of data ; Performing a 100-fold trial, we
collect a statistical sample that serves to determine the throws of the dice
which can occur different events, statistically taken repetitive data and
determining how likely certain events are.

Keywords
Theory of probability, Axioms of probability, Statistical Frequency.

1. Introduccin una informacin aproximada se

Desde siempre el hombre a intentado
de mil formas saber que va a suceder
o por lo menos tener idea de que tan
cercano esta a que sucedan las cosas,
es decir conocer con certeza los
eventos futuros; curiosamente la
teora de la probabilidad se creo a
partir de los juegos de azar que
incluan juegos de cartas y juegos con
dados, se deseaba saber que tanta
oportunidad haba para que callera el
dado en cierto numero y al conocer
podan crear tcnicas de juego.
Con el tiempo los cientficos y
matemticos fueron profundizando en
esta nueva tcnica matemtica
probabilstica que ayudaba a saber
que tan cerca estn a que sucediera
un suceso o no. Entonces la
probabilidad es la caracterstica de
un evento, que hace que existan
razones para creer que ste se
realizar. Casualmente el
experimento desarrollado para este
informe de laboratorio coincide en
cierta parte en como se inicio los

1
 UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BSICAS
REA DE LABORATORIO DE CONTROL DE LA CALIDAD
FACULTAD DE INGENIERA
estudios probabilsticos, ya que
tendremos un lanzamiento de tres
dado e iremos desarrollando a lo largo
del trabajo lo que probablemente
sucedera al lanzar tres dados.
Despus del gran desarrollo y estudio
que se le han dado a todos los temas
probabilsticos, se conoce como uno
de los objetivos de la probabilidad el
estimar lo que podra pasar, si
tenemos datos histricos que nos
ayuden a determinar datos promedios
futuros.
2. Fundamentos Tericos
[2.1] Teora de la probabilidad.
La teora de la probabilidad es la parte
de las matemticas que estudia los
fenmenos aleatorios.
Estos deben contraponerse a los
fenmenos determinsticos, los cuales
son resultados nicos y/o previsibles
de experimentos realizados bajo las
mismas condiciones determinadas.
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 un
dardo.
Los procesos reales que se modelizan
como procesos aleatorios pueden no
serlo realmente; cmo tirar una
moneda o un dado no son procesos de
aleacin en sentido estricto, ya que no
se reproducen exactamente las
mismas condiciones iniciales que lo
determinan, sino slo unas pocas. 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
2
inmediatamente a la teora de la
probabilidad en s.
[2.2] Axiomas de la probabilidad.
La probabilidad es positiva y
menor o igual que 1.
0 p(A) 1.
La probabilidad del suceso
seguro es 1.
p(E) = 1
Si A y B son incompatibles, es
decir A B = entonces:
p(AB) = p(A) + p(B)
[2.3] Frecuencia estadstica.
Se llama frecuencia a la cantidad de
veces que se repite un determinado
valor de la variable. Se suelen
representar con histogramas y con
diagramas de Pareto.
[2.4] Tipos de Frecuencia.
Frecuencia absoluta: La frecuencia
absoluta de una variable estadstica
es el nmero de veces que aparece en
la muestra dicho valor de la variable,
la representaremos por ni.
[2.5] Frecuencia relativa: La
frecuencia absoluta, es una medida
que est influida por el tamao de la
muestra, al aumentar el tamao de la
muestra aumentar tambin el
tamao de la frecuencia absoluta.
Esto hace que no sea una medida til
para poder comparar. Para esto es
necesario introducir el concepto de
frecuencia relativa, que es el cociente
entre la frecuencia absoluta y el
tamao de la muestra. La
denotaremos por fi
Donde N = Tamao de la muestra.
 UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BSICAS
REA DE LABORATORIO DE CONTROL DE LA CALIDAD
FACULTAD DE INGENIERA
[2.6] Porcentaje: La frecuencia
relativa es un tanto por uno, sin
embargo, hoy da es bastante
frecuente hablar siempre en trminos
de tantos por ciento o porcentajes,
por lo que esta medida resulta de
multiplicar la frecuencia relativa por
100. La denotaremos por pi.
[2.7] Frecuencia Absoluta
Acumulada: Para poder calcular este
tipo de frecuencias hay que tener en
cuenta que la variable estadstica ha
de ser cuantitativa o cualitativa
ordenable. En otro caso no tiene
mucho sentido el clculo de esta
frecuencia. La frecuencia absoluta
acumulada de un valor de la variable,
es el nmero de veces que ha
aparecido en la muestra un valor
menor o igual que el de la variable y
lo representaremos por Ni.
[2.8] Frecuencia Relativa
Acumulada:
Al igual que en el caso anterior la
frecuencia relativa acumulada es la
frecuencia absoluta acumulada
dividido por el tamao de la muestra,
y la denotaremos por Fi
[2.9] Porcentaje Acumulado:
Anlogamente se define el Porcentaje
Acumulado y lo vamos a denotar por
Pi como la frecuencia relativa
acumulada por 100.
3. Desarrollo experimental
El experimento sobre leyes de
probabilidad consiste en el
lanzamiento de tres dados (2 de color
blanco y 1 de color diferente) los
cuales estn dentro de un
3
vaso/agitador para ser lanzados cien
veces (100) y as obtener una serie de
resultados los cuales sern anotados
en las tablas de la siguiente manera:
[3.1] En la tabla No.1
Se anot los puntos obtenidos por el
dado de color diferente. Al lanzar los
tres dados se sumaron el total de
puntos obtenidos, esto se debe
realizar cien veces (100).
[3.2] En la tabla No.2
Se anot la frecuencia de los puntos
obtenidos por el dado de color
diferente y el puntaje total por cada
grupo del curso. Esto nos permiti
hallar la probabilidad del experimento,
adems se hall la probabilidad
terica que el puntaje total fuera
mayor que quince (15) y se compara
con el resultado obtenido.
[3.3] En la tabla No.3
Se anot el nmero de veces que
salieron unos (1) y el nmero de veces
que salieron seis (6) en el dado de
color diferentes y se hall las
respectivas probabilidades para cada
grupo, anotando y comparando los
resultados obtenidos por los otros
grupos.
[3.4] En la tabla No.4
Se anot los datos obtenidos por el
dado de color diferente, es decir
cuntas veces salieron los nmeros
1,2,3,4,5,6. Las frecuencias esperadas
para cada resultado, las
probabilidades tericas y
experimentales de cada uno de los
resultados para los cuatro (4) grupos,
analizando los resultados.
El experimento se realiz 100 veces
teniendo en cuenta los siguientes
eventos (Por cada lanzamiento, se
anot el evento en la correspondiente
columna de la tabla No. 1):
- Ocurrencia de 1 (El nmero de
dados en que ocurre.
 UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BSICAS
REA DE LABORATORIO DE CONTROL DE LA CALIDAD
FACULTAD DE INGENIERA
- Ocurrencia de 6 (El nmero de
dados en que ocurre.
- El puntaje del dado de color.
- El puntaje total de los tres dados.
4. Materiales a Usar:
3 dados, uno de ellos de color. En
nuestro caso
tenamos un dado rojo y 2 de color
blanco.
Agitador.
Tablas suministradas por el profe
sor para la toma de datos.
4. Clculos y anlisis de
resultados
5. Preguntas
1. Por qu utilizar el agitador?
Se debe utilizar un agitador ya que
se necesita tener un mecanismo
en el que los dados estn
sometidos a las mismas
condiciones, es decir, que no
hallan alteraciones en la fuerza en
la que se lanzan o la superficie a
las que es expuesto.
2. Qu sucedera si se utilizase
dados cargados?
Se obtendran valores fuera de lo
comn y fuera de las
probabilidades reales a lascuales
deben estar sometidos los dados,
puestos que los dados deben tener
lasmismas dimensiones ya que los
exteriores de los dados acumulan
fuerza y estoafecta el resultado
del mismo
3. Si son evidentes las diferencias
entre los resultados tericos
esperados y los resultados
4
experimentales, a qu
obedecen estas?
Los datos observados son muy
evidentes las diferencias que
tienen los resultadosreales del
experimento con los que se
obtienen con los clculos de los
mismos yaque a pesar de ser una
aproximacin a la realidad estos
no son prueba suficientede que el
resultado esperado va a ser el
mismo.
4. La probabilidad de que al
lanzar 3 dados y el resultado
de la suma de un nmero
mayor que 10 y menos que 15
es:
P(10 < X < 15) = P(X = 11) +
P(X=12) + P(X = 13) + P(X=14) +
P(10< X < 15) = 0.125 + 0.115 +
0.097 + 0.069 P(10 < X < 15) =
0.406
5. Qu conclusiones y
recomendaciones se pueden
hacer de la experiencia.
Por medio de los ensayos se
pueden obtener resultados reales
cuando se quiere estudiar la
frecuencia de un suceso y las
probabilidades que se den, todo
esto nos dio las herramientas
necesarias para entender estas
situaciones y llenarnos de
experiencia.
6. Conclusiones
En este laboratorio se hizo vivencia de
la teora estadstica de probabilidad
en una serie de los experimentos
aleatorios discretos dando por
ganancia la posibilidad de ver como la
frecuencia con la que estos se dan en
la naturaleza est en un orden
previamente establecido. No solo por
las diferentes tablas, sus grficos, las
preguntas, es que se puede pensar
que esta vivencia es fue muy
 UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BSICAS
REA DE LABORATORIO DE CONTROL DE LA CALIDAD

FACULTAD DE INGENIERA

productiva para comprobar el ajuste o
acoplamiento de la realidad con los
conceptos tericos, propiamente es
claro que su demostracin ms all de
un simple lanzamiento de dados, es el
anlisis ingenieril el que en verdad
fundamenta esta teora.
[3] Jeffrey, R.C., Probability and the
Art of Judgment, Cambridge University
Press. (1992). pp. 54-55. ISBN 0-521-
39459-7
[4] Historia de la Probabilidad.
Estadstica para todos.es. Consultado
el 12 de enero de 2011.

Bibliografa

[1] MONTGOMERY, DOUGLAS C.

PROBABILIDAD Y ESTADISTICA
APLICADA A LA INGENIERIA. RODOLFO
PIA GARCIA (TRAD); GRISELDA
ZATINA, ALMA ROSA (Rev.) MEXICO.
LIMUSA WILEY, 2004. 920P.
[2] WALPOLE, Ronald E. Probabilidad y
estadstica para ingeniera y ciencias.
Enrquez Brito, Javier (Trad.); Flores,
Victoria augusta (Trad.) 8va Edicin.
Mxico. Person Educacin, 2007.
816p.