Bloque

La
N1

probabilidad
Probabilidad en la vida cotidiana

La vida cotidiana o la vida de cada da, es estudiada por las

ciencias sociales en tanto produccin y reproduccin de
sentidos y valoraciones acerca de lo experimentado. "La
naturalidad" con la que ella se despliega la vuelve ajena a toda
sospecha y amparada en su inofensivo transcurrir selecciona,
combina, ordena el universo de sentidos posibles que le
confieren a sus procedimientos y a su lgica el estatuto de
normalidad.

Qu sabes?
Nuestra vida cotidiana
est
llena
de
imponderables,
cosas
que nos suceden sin
que podamos predecir
los
resultados
con
exactitud. En la vida
cotidiana
son
ms
frecuentes
las
situaciones
que
podemos atribuir al
azar (eventos o sucesos
aleatorios) que las que
corresponden
al

Qu aprenders?
Recordars
conceptos
asocia-dos a la probabilidad y
sus funciones.
Representars
estadsticas
basadas en frmulas, grficas
del razonamiento lgico.
Reconocers
el
comportamiento en la vida
cotidiana
en
el
que
se
manifiestan
las
distintas
probabilidades.
Determinars las funciones

El Buen vivir
La
satisfaccin
de
las
necesidades, la consecucin de
una calidad de vida y muerte
digna, el amar y ser amado, el
florecimiento saludable de todos y
todas, en paz y armona con la
naturaleza y la prolongacin
indefinida
de
las
culturas
humanas.

Iniciemos
Activacin de conocimientos
previos
Hallar la probabilidad de que al
levantar unas fichas de domin
se obtenga un nmero de
puntos mayor que 9 o que sea
mltiplo de 4.

Objetivos educativos del mdulo

El objetivo fundamental de la probabilidad, es la de mostrar al alumno la
importancia y utilidad del Mtodo Estadstico en el mbito econmicoempresarial. 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.
Para ello se comienza afianzando los conocimientos que el alumno ya
posee de Estadstica Descriptiva, adems de algunos conceptos nuevos
relacionados con este tema.

Historia
La definicin de probabilidad surge debido al deseo delser humanopor conocer
con certeza los eventos que sucedern en el futuro. Es por eso que a travs de
lahistoriase han desarrollado diferentes enfoques para tener un concepto de la
probabilidad y determinar sus valores.
El diccionario de la Real Academia Espaola define azar como una casualidad, un
caso fortuito, y afirma que la expresin al azar significa sin orden.1 La idea de
Probabilidad est ntimamente ligada a la idea de azar y nos ayuda a comprender
nuestras posibilidades de ganar un juego de azar o analizar las encuestas. PierreSimon Laplace afirm: "Es notable que una ciencia que comenz con
consideraciones sobre juegos de azar haya llegado a ser el objeto ms importante
del conocimiento humano". Comprender y estudiar el azar es indispensable,
porque la probabilidad es un soporte necesario para tomar decisiones en cualquier
mbito.
Aparte de algunas consideraciones elementales hechas por Girolamo Cardano en el
siglo XVI, la doctrina de las probabilidades data de la correspondencia de Pierre de
Fermat y Blaise Pascal (1654). Christiaan Huygens (1657) le dio el tratamiento
cientfico conocido ms temprano al concepto. Ars Conjectandi (pstumo, 1713) de
Jakob Bernoulli y Doctrine of Chances (1718) de Abraham de Moivre trataron el
tema como una rama de las matemticas. Vase El surgimiento de la probabilidad
(The Emergence of Probability) de Ian Hacking para una historia de los inicios del
desarrollo del propio concepto de probabilidad matemtica.
La teora de errores puede trazarse atrs en el tiempo hasta Opera Miscellanea
(pstumo, 1722) de Roger Cotes, pero una memoria preparada por Thomas
Simpson en 1755 (impresa en 1756) aplic por primera vez la teora para la
discusin de errores de observacin. La reimpresin (1757) de esta memoria
expone los axiomas de que los errores positivos y negativos son igualmente
probables, y que hay ciertos lmites asignables dentro de los cuales se supone que
caen todos los errores; se discuten los errores continuos y se da una curva de la
probabilidad.
Pierre-Simon Laplace (1774) hizo el primer intento para deducir una regla para la
combinacin de observaciones a partir de los principios de la teora de las
probabilidades. Represent la ley de la probabilidad de error con una curva y =
\phi(x), siendo x cualquier error e y y su probabilidad, y expuso tres propiedades de
esta curva:

Teora

es simtrica al eje y;
el eje
x es una asntota,
siendo
la probabilidad
del error
igual a 0;
La
probabilidad
constituye
un importante
parmetro
en\infty
la determinacin
de las
la
superficie
cerrada
es
1,
haciendo
cierta
la
existencia
de
un
error.
diversas casualidades obtenidas tras una serie de eventos esperados dentro de
un rango estadstico.
*https://es.wikipedia.org/wiki/Probabilidad
Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer
y la teora de la relatividad numrica, esta ltima con un alto grado de aceptacin
si se toma en cuenta que disminuye considerablemente las posibilidades hasta un
nivel mnimo ya que somete a todas las antiguas reglas a una simple ley de
relatividad.
La probabilidad de un evento se denota con la letra p y se expresa en trminos de
una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra
parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el valor
de p y se denota con la letra q
Los tres mtodos para calcular las probabilidades son la regla de la adicin, la
regla de la multiplicacin y la distribucin binomial:

*https://es.wikipedia.org/wiki/Probabilidad

Regla de la adicin
La regla de la adicin o regla de la suma establece que la
probabilidad de ocurrencia de cualquier evento en particular es igual
a la suma de las probabilidades individuales, si es que los eventos
son mutuamente excluyentes, es decir, que dos no pueden ocurrir al
mismo tiempo.

P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B

son mutuamente excluyente. P(A o B) = P(A)
+ P(B) P(A y B) si A y B son no excluyentes.
Siendo: P(A) = probabilidad de ocurrencia del evento A. P(B) =
probabilidad de ocurrencia del evento B. P(A y B) = probabilidad de
ocurrencia simultnea de los eventos A y B.
*https://es.wikipedia.org/wiki/Probabilidad

Regla de la multiplicacin

La regla de la adicin o regla de la suma establece que la

probabilidad de ocurrencia de cuLa regla de la multiplicacin
establece que la probabilidad de ocurrencia de dos o ms eventos
estadsticamente independientes es igual al producto de sus
probabilidades individuales.

P(A y B) = P(A B) = P(A)P(B) si A y B son

independientes.
Actividad
P(A Actividad
y
B) = P(A B) = P(A)P(B|A) si A y B son
Resuelta
Resuelta
Un
lote
contiene
objetos
Un lote contiene "100"
"100"
objetos de
de los
los cuales
cuales "20"
"20" son
son defectuosos.
defectuosos.
dependientes
.

Los
Los objetos
objetos son
son seleccionados
seleccionados uno
uno despus
despus del
del otro
otro para
para ver
ver si
si ellos
ellos
*https://es.wikipedia.org/wiki/Probabilidad
son
defectuosos.
Suponga
que
dos
objetos
son
seleccionados
son defectuosos. Suponga que dos objetos son seleccionados sin
sin
reemplazamiento
(significa
que
el
objeto
que
se
selecciona
al
azar
reemplazamiento (significa que el objeto que se selecciona al azar se
se
deja
deja por
por fuera
fuera del
del lote).
lote). Cual
Cual es
es la
la probabilidad
probabilidad de
de que
que los
los dos
dos
objetos
objetos seleccionados
seleccionados sean
sean defectuosos?
defectuosos?
Solucin:
Solucin:
Sea
Sea los
los eventos
eventos
A1
A1 =
= {primer
{primer objeto
objeto defectuoso},
defectuoso}, A2
A2 {segundo
{segundo objeto
objeto defectuoso}
defectuoso}
entonces
entonces dos
dos objetos
objetos seleccionados
seleccionados sern
sern defectuosos,
defectuosos, cuando
cuando
ocurre
ocurre el
el evento
evento A1
A1 A2
A2 que
que es
es la
la interseccin
interseccin entre
entre los
los eventos
eventos A1
A1
yy A2.
A2. De
De la
la informacin
informacin dada
dada se
se tiene
tiene que:
que:
P(A1)
P(A1) =
= 20/100
20/100 ;; P(A2/A1)
P(A2/A1) =
= 19/99
19/99

Regla de laplace
La regla de Laplace establece que:
La probabilidad de ocurrencia de un suceso imposible es 0.
La probabilidad de ocurrencia de un suceso seguro es 1, es decir,
P(A) = 1.
Para aplicar la regla de Laplace es necesario que los experimentos
den lugar a sucesos equiprobables, es decir, que todos tengan o
posean la misma probabilidad.

La probabilidad de que ocurra un suceso se

calcula as:
P(A) = N de casos favorables / N de
resultados posibles

Esto significa que: la probabilidad del evento A es igual al cociente

del
nmero de casosbinonial
favorables (los casos dnde sucede A) sobre el
Distribucin
total de casos posibles.
*https://es.wikipedia.org/wiki/Regla_de_sucesi%C3%B3n

La probabilidad de ocurrencia de una combinacin especfica de

eventos independientes y mutuamente excluyentes se determina
con la distribucin binomial, que es aquella donde hay solo dos
posibilidades, tales como masculino/femenino o si/no.
Hay dos resultados posibles mutuamente excluyentes en cada
ensayo u observacin.
La serie de ensayos u observaciones constituyen eventos
independientes.
La probabilidad de xito permanece constante de ensayo a ensayo,
es decir el proceso es estacionario.
Para aplicar esta distribucin al clculo de la probabilidad de
Bermnoulli, se requieren tres valores: el nmero designado de xitos
(m), el nmero de ensayos y observaciones (n); y la probabilidad de
xito en cada ensayo (p).
Entonces la probabilidad de que ocurran m xitos en un experimento
de n ensayos es:
P (x = m) = (nCm)(Pm)(1P)nm
Siendo: nCm el nmero total de combinaciones posibles de m
elementos en un conjunto de n elementos.
En otras palabras P(x = m) = [n!/(m!(nm)!)](pm)(1p)nm
*https://es.wikipedia.org/wiki/Probabilidad

Distribucin binonial

Actividad
Actividad
1:.
probabilidad
1:. La
LaResuelta
probabilidad de
de que
que un
un alumno
alumno apruebe
apruebe la
la asignatura
asignatura Clculo
Clculo
Resuelta
de
Probabilidades
es
de
0,15.
Si
en
un
semestre
intensivo
de Probabilidades es de 0,15. Si en un semestre intensivo se
se

inscriben
inscriben 15
15 alumnos
alumnos Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que aprueben
aprueben 10
10
de
de ellos?
ellos?
P(x
P(x =
= 10)
10) =
= 15C10(0,15)10(0,85)5
15C10(0,15)10(0,85)5 =
= 15!/(10!(1510)!)
15!/(10!(1510)!)
(0,15)10(0,85)5
(0,15)10(0,85)5 =
= 7,68
7,68 ** 106
106 Generalmente
Generalmente existe
existe un
un inters
inters en
en la
la
probabilidad
acumulada
de
"m
o
ms
"
xitos
o
"m
o
menos"
xitos
probabilidad acumulada de "m o ms " xitos o "m o menos" xitos
en
en nn ensayos.
ensayos. En
En tal
tal caso
caso debemos
debemos tomar
tomar en
en cuenta
cuenta que:
que: P(x
P(x <
< m)
m) =
=
P(x
P(x =
= 0)
0) +
+ P(x
P(x =
= 1)
1) +
+ P(x
P(x =
= 2)
2) +
+ P(x
P(x =
= 3)
3) +....+
+....+ P(x
P(x =
=m
m
1)
1)
P(x
P(x >
> m)
m) =
= P(x
P(x =
= m+
m+ 1)
1) +
+ P(x
P(x =
= m+
m+ 2)
2) +
+ P(x
P(x =
= m+3)
m+3) +....+
+....+ P(x
P(x =
= n)
n)
P(x
P(x
m)
m) =
= P(x
P(x =
= 0)
0) +
+ P(x
P(x =
= 1)
1) +
+ P(x
P(x =
= 2)
2) +
+ P(x
P(x =
= 3)
3) +....+
+....+ P(x
P(x =
= m)
m)
P(x
P(x
m)
m) =
= P(x
P(x =
= m)
m) +
+ P(x
P(x =
= m+1)
m+1) +
+ P(x
P(x =
= m+2)
m+2) +....+
+....+ P(x
P(x =
= n)
n)
Supongamos
Supongamos que
que del
del ejemplo
ejemplo anterior
anterior se
se desea
desea saber
saber la
la probabilidad
probabilidad
de
de que
que aprueben:
aprueben:
a.
al
menos
a. al menos 55
b.
b. ms
ms de
de 12
12
a.
la
probabilidad
a. la probabilidad de
de que
que aprueben
aprueben al
al menos
menos 55 es:
es:
P(x
P(x
5)
5) es
es decir,
decir, que:
que:
11 -- P(x
P(x <
< 5)
5) =
= 11 -- [P(x
[P(x =
= 0)+P(x
0)+P(x =
= 1)+P(x
1)+P(x =
= 2)+P(x
2)+P(x =
= 3)+P(x
3)+P(x =
= 4)]
4)] =
=
11 -- [0,0874
+
0,2312
+
0,2856
+
0,2184
+
0,1156]
=
0,0618
[0,0874 + 0,2312 + 0,2856 + 0,2184 + 0,1156] = 0,0618
2:.
2:. La
La entrada
entrada al
al cine
cine por
por lo
lo menos
menos tendr
tendr un
un costo
costo de
de 10
10 soles
soles
(como
mnimo
podra
costar
10
soles
o
ms).
(como mnimo podra costar 10 soles o ms).
b.
b. la
la probabilidad
probabilidad de
de que
que aprueben
aprueben ms
ms de
de 12
12 es
es P(x
P(x >
> 12)
12) es
es decir,
decir,
que:
que:
P(x
P(x >
> 12)
12) =
= P(x
P(x =
= 13)+P(x
13)+P(x =
= 14)+P(x
14)+P(x =
= 15)
15)
P(x
P(x >
> 12)
12) =
= 1,47
1,47 *109
*109 +3,722
+3,722 *1011
*1011 +4,38
+4,38 *1013
*1013 =
= 1,507
1,507
*109
*109
La
La esperanza
esperanza matemtica
matemtica en
en una
una distribucin
distribucin binomial
binomial puede
puede
expresarse
expresarse como:
como:
E(x)
E(x) =
= np
np =
= 15(0,15)=2,25
15(0,15)=2,25
YY la
la varianza
varianza del
del nmero
nmero esperado
esperado de
de xitos
xitos se
se puede
puede calcular
calcular
directamente:
directamente:
Var(x)
Var(x) =
= np(1p)=
np(1p)= 15(0,15)(1-0,15)=1,9125
15(0,15)(1-0,15)=1,9125 Estadsticas
Estadsticas yy
probabilidades,
probabilidades, con
con sus
sus diferentes
diferentes diagramaciones
diagramaciones como:
como: diagrama
diagrama
de
barras.
diagrama
de
lnea.
y
diagrama
de
crculos
que
se
de barras. diagrama de lnea. y diagrama de crculos que se aplican
aplican
de
de acuerdo
acuerdo al
al tipo
tipo de
de estadsticas
estadsticas yy probabilidades
probabilidades matemticas.
matemticas.

Probabilidades en
la
vida cotidiana

El azar est presente en la vida cotidiana en muchos contextos

en los que aparecen nociones de incertidumbre, riesgo y
probabilidad, por ejemplo, el pronstico del tiempo, diagnstico
mdico, estudio de la posibilidad de tomar un seguro de vida o
efectuar una inversin, etc.
No slo los profesionales, sino cualquier persona ha de
reaccionar a mensajes en que aparecen estos elementos, tomar
decisiones que le pueden afectar, emitir juicios sobre relacin
entre sucesos o efectuar inferencias y predicciones (Gigerenzer,
2002). En estas situaciones la probabilidad no es una propiedad
fsica tangible por tanto objetiva de los sucesos que nos afectan
(como sera el peso, color, superficie, temperatura) sino una
percepcin o grado de creencia en la verosimilitud de la
persona que asigna la probabilidad sobre la plausibilidad de
ocurrencia del suceso.

Un buen ejemplo de su aplicabilidad cotidiana lo constituyen los

anlisis del comercio de las commodities (materias primas) en las
relaciones internacionales actuales. Dado que gran parte de los
factores involucrados en la estimacin de la produccin son azarosos
(vientos, humedad ambiental, exposicin solar, mano de obra real,
condiciones econmicas y financieras locales, avatares polticos
regionales, entre otros), la teora de la probabilidad resulta de gran
importancia, ya que intenta ajustar en conceptos matemticos cual
ser el devenir de los acontecimientos para calcular, por ejemplo, la
produccin final de cereales, combustibles fsiles y otros recursos de
un rea geogrfica.
Por lo tanto, la probabilidad es una herramienta fundamental en la
planificacin estratgica de los movimientos sociales, econmicos y
laborales de toda la comunidad.
*http://www.importancia.org/probabilidad.php.

ACTIVID
ADES

PROPUES
TAS

En este juego , tu y yo jugamos con

un nico dado.
Si yo saco un 5, gano ,si no , tiras tu;
si tu sacas un 4 ganas , si no , vuelvo
a tirar yo y as hasta que uno gane.
El dado es un dado normal siendo
equiprobables los 6 resultados
posibles.
Si empiezo yo , Cual es la
probabilidad de que gane?

Otras aplicaciones de la probabilidad

Investigacin biomdica
La mayora de las investigaciones biomdicas utilizan muestras de
probabilidad, es decir, aquellas que el investigador pueda
especificar la probabilidad de cualquier elemento en la poblacin
que investiga. Las muestras de probabilidad permiten usar
estadsticas inferenciales, aquellas que permiten hacer inferencias
a partir de datos. Por otra parte, las muestras no probabilsticas
solo permiten usarse estadsticas descriptivas, aquellas que solo
permiten describir, organizar y resumir datos. Se utilizan cuatro
tipos de muestras probabilsticas: muestras aleatorias simples,
muestras aleatorias estratificadas, muestra por conglomerados y
muestras sistemticas.

Mecnica cuntica

*https://es.wikipedia.org/wiki/Probabilidad

La mecnica cuntica, debido al principio de indeterminacin de

Heisenberg, slo puede ser descrita actualmente a travs de
distribuciones de probabilidad, lo que le da una gran importancia a
las descripciones probabilsticas. Algunos cientficos hablan de la
expulsin del paraso.[cita requerida] Otros no se conforman con
la prdida del determinismo. Albert Einstein coment
estupendamente en una carta a Max Born: Jedenfalls bin ich
berzeugt, da der Alte nicht wrfelt. (Estoy convencido de que
Dios no tira el dado). No obstante hoy en da no existe un medio
mejor para describir la fsica cuntica si no es a travs de la teora
de la probabilidad. Mucha gente hoy en da confunde el hecho de
que la mecnica cuntica se describe a travs de distribuciones
de probabilidad con la suposicin de que es por ello un proceso
aleatorio, cuando la mecnica cuntica es probabilstica no por el
hecho de que siga procesos aleatorios sino por el hecho de no
poder determinar con precisin sus parmetros fundamentales, lo
que imposibilita la creacin de un sistema de ecuaciones
Juegos de azar
determinista.

*https://es.wikipedia.org/wiki/Probabilidad
En
el caso de una ruleta, si la fuerza de la mano y el periodo de
esta fuerza es conocido, entonces el nmero donde la bola parar
ser seguro. Naturalmente, esto tambin supone el conocimiento
de la inercia y la friccin de la ruleta, el peso, lisura y redondez de
la bola, las variaciones en la velocidad de la mano durante el
movimiento y as sucesivamente. Una descripcin probabilstica
puede entonces ser ms prctica que la mecnica newtoniana
para analizar el modelo de las salidas de lanzamientos repetidos
de la ruleta. Los fsicos se encuentran con la misma situacin en la
teora cintica de los gases, donde el sistema determinstico en
principio, es tan complejo (con el nmero de molculas
tpicamente del orden de magnitud de la constante de Avogadro
6\cdot 10^{23}) que slo la descripcin estadstica de sus
propiedades es viable.
*https://es.wikipedia.org/wiki/Probabilidad

ACERTIJO
S

LGICO
S

1. De un mazo me quedo con los corazones, del 1 al 13.

Barajo y vuelco sobre la mesa tres cartas, una tras otra.
Cul es la probabilidad de que las tres salgan en orden
creciente?

R// Uno en 6. Explicacin: slo cabe tomar en cuenta las

3 cartas exhibidas. Hay 3 x 2 x 1 = 6 permutaciones
posibles, y slo una est en orden creciente
*http://www.taringa.net/post/info/4825595/45-Acertijos-y-Ejerciciosde-Inteligencia-Instantanea.html

2. Dos hermanos salen de casa. El primero mata un

promedio de 2 piezas cada 5 disparos y el segundo una
pieza cada 2 disparos. Si los dos disparan al mismo
tiempo a una misma pieza, cul es la probabilidad de
que la maten?

R//

*http://www.vitutor.com/pro/2/b_16.html

3. Los estudiantes A y B tienen respectivamente

probabilidades 1/2 y 1/5 de suspender un examen. La
probabilidad de que suspendan el examen
simultneamente es de 1/10. Determinar la probabilidad
de que al menos uno de los dos estudiantes suspenda el
examen.
R//

*http://www.vitutor.com/pro/2/b_15.html

4. Una clase consta de 10 hombres y 20 mujeres; la

mitad de los hombres y la mitad de las mujeres tienen
los ojos castaos. Determinar la probabilidad de que una
persona elegida al azar sea un hombre o tenga los ojos
castaos.

R//

EVENTOS INDEPENDIENTES
Dos o ms eventos son independientes
cuando la ocurrencia o no-ocurrencia de
un evento no tiene efecto sobre la
probabilidad de ocurrencia del otro
evento (o eventos). Un caso tpico de
eventos independiente es el muestreo
con reposicin, es decir, una vez tomada
la muestra se regresa de nuevo a la
poblacin donde se obtuvo.
Los eventos independientes ocurren ya
sea cuando:

el proceso que genera el elemento

aleatorio no elimina ningn posible
resultado o
el proceso que s elimina un posible
resultado, pero el resultado es
sustituido antes de que suceda una
segunda accin. (A esto se le llama
sacar un reemplazo.)

*http://www.montereyinstitute.org/courses/
Algebra1/COURSE_TEXT_RESOURCE/U12_L2_
T2_text_final_es.html

EVENTOS DEPENDIENTES
Dos eventos son dependientes si el
resultado del primer evento afecta
el resultado del segundo evento as
que la probabilidad es cambiada.
Cuando
tenemos
este
caso,
empleamos entonces, el concepto
de probabilidad condicional para
denominar la probabilidad del
evento relacionado. La probabilidad
de que ambos eventos ocurran es
el producto de las probabilidades de
los eventos individuales:
P(A y B) = P(A) P(B)
*http://hotmath.com/hotmath_help/spa

nish/topics/independent-dependentevents.html

Distribucin de probabilidad normal

Es una distribucin de probabilidad continua que es

tanto simtrica como mesocrtica. 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:
- Se sabe que las medidas producidas en muchos
procesos aleatorios siguen esta distribucin.
- Las probabilidades normales pueden utilizarse
generalmente para aproximar otras distribuciones de
probabilidad, tales como las distribuciones binomial y de
Poisson.
- 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 formula:

http://www.monografias.com/trabajos32/teoria-probabilidades/teoriaprobabilidades.shtml#objet#ixzz3jR6eFrbo

12

Distribucin de probabilidad exponencial

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?. Mas 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 -
Actividad
Actividad
Resuelta
Resuelta
Un
de
Un departamento
departamento
de mantenimiento
mantenimiento recibe
recibe un
un promedio
promedio de
de 55
llamadas
llamadas por
por hora.
hora. Comenzando
Comenzando en
en un
un momento
momento aleatoriamente
aleatoriamente
seleccionado,
seleccionado, la
la probabilidad
probabilidad de
de que
que una
una llamada
llamada llegue
llegue dentro
dentro de
de
media
hora
es:
media hora es:
Promedio
Promedio 55 por
por hora,
hora, como
como el
el intervalo
intervalo es
es media
media hora
hora tenemos
tenemos que
que

=
= 2,5/media
2,5/media hora.
hora.
PP (T
(T <
< 30
30 min.)
min.) =
= 11- ee -5
-5 =
= 11 -- 0,08208
0,08208 =
= 0,91792
0,91792

1
3

Deportes
Cuando tu equipo tiene un
sorteo antes del juego, tienes
un 50/50 de oportunidad de
ganarlo: cara o cruz. Un
jugador de baloncesto da
pasos hasta la lnea de tiros
libres y tiene una buena idea,
sobre
la
base
de
los
resultados anteriores, ya que
va a hacer el tiro. Un equipo
de ftbol intenta un gol de
campo cuando piensan que
la distancia a la meta esta lo
suficientemente cerca que lo
ms probable es que lo
logren.

Decisiones mdicas
Si te dicen que necesitas una
ciruga, querrs que conocer la
tasa de xito de la operacin. Con
base en las estadsticas, puedes
tomar una decisin informada si
es o no es una buena opcin para
ti. Puedes decidir si deseas o no
iniciar
un
tratamiento
de
medicamentos, con base en los
resultados positivos de otros
pacientes o efectos secundarios.

Teorema
de Bayes
El teorema de Bayes, en la teora de la probabilidad, es una
proposicin planteada por el filsofo ingls Thomas Bayes
( 1702-1761)1 en 1763,2 que expresa la probabilidad
condicional de un evento aleatorio A dado B en trminos de
la distribucin de probabilidad condicional del evento B
dado A y la distribucin de probabilidad marginal de slo A.
En trminos ms generales y menos matemticos, el
teorema de Bayes es de enorme relevancia puesto que
vincula la probabilidad de A dado B con la probabilidad de B
dado A. Es decir que sabiendo la probabilidad de tener un
dolor de cabeza dado que se tiene gripe, se podra saber (si
se tiene algn dato ms), la probabilidad de tener gripe si
se tiene un dolor de cabeza, muestra este sencillo ejemplo
la alta relevancia del teorema en cuestin para la ciencia en
todas sus ramas, puesto que tiene vinculacin ntima con la
comprensin de la probabilidad de aspectos causales dados
Sea \{A_1,
A_2, ..., A_i, ..., A_n\} un conjunto de
los efectos
observados.
sucesos mutuamente excluyentes y exhaustivos, y tales
que la probabilidad de cada uno de ellos es distinta de
cero (0). Sea B un suceso cualquiera del que se conocen
las probabilidades condicionales P(B | A_i). Entonces, la
probabilidad P(A_i | B) viene dada por la expresin:

donde:
P(A_i) son las probabilidades a priori.
P(B|A_i) es la probabilidad de B en la hiptesis A_i.
P(A_i|B) son las probabilidades a posteriori.

mtodo
*Cualitativos: utilizan el juicio de experto en los pronsticos. Las
tcnicas cualitativas se usan cuando los datos son escasos. Estas
tcnicas usan el criterio de la persona y ciertas relaciones para
transformar informacin cualitativa en estimados cuantitativos.
Son tiles cuando no se espera que el patrn histrico de la serie
de tiempo continu hacia el futuro.
*Cuantitativos: hay informacin de la variable que se esta
estudiando, se puede cuantificar, se presupone que se respetara
los comportamientos pasados de las variables.
El procedimiento de pronstico se conoce como mtodo de serie
de tiempo. Con ellos se busca en los datos histricos un patrn y
luego extrapolarlo hacia el futuro.

Actividad
Actividad
Resuelta
Resuelta
Se
Se extrae
extrae una
una bola
bola de
de una
una urna
urna que
que contiene
contiene 44 bolas
bolas rojas,
rojas, 55 blancas
blancas
yy 66 negras,
cul
es
la
probabilidad
de
que
la
bola
sea
roja
o
blanca?
negras, cul es la probabilidad de que la bola sea roja o blanca?
Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que no
no sea
sea blanca?
blanca?

-http://www.vitutor.net/1/52.htm
-http://www.vitutor.net/1/52.htm

Un
Un grupo
grupo de
de 10
10 personas
personas se
se sienta
sienta en
en un
un banco.
banco. Cul
Cul es
es la
la
probabilidad
de
que
dos
personas
fijadas
de
antemano
se
sienten
probabilidad de que dos personas fijadas de antemano se sienten
juntas.
juntas.

1
7

Cybergrafa

https://es.wikipedia.org/wiki/Probabilidad

http://www.monografias.com/trabajos105/probabilidadaplicada-juegos-azar/probabilidad-aplicada-juegosazar.shtml#probabilia

http://www.importancia.org/probabilidad.php.

http://www.vitutor.com/pro/2/b_16.html

http://www.vitutor.com/pro/2/b_15.html

https://es.wikipedia.org/wiki/Regla_de_sucesi%C3%B3n

http://www.montereyinstitute.org/courses/Algebra1/COURS
E_TEXT_RESOURCE/U12_L2_T2_text_final_es.html

http://hotmath.com/hotmath_help/spanish/topics/independ
ent-dependent-events.html

http://www.monografias.com/trabajos32/teoriaprobabilidades/teoriaprobabilidades.shtml#objet#ixzz3jR6eFrbo

https://es.wikipedia.org/wiki/Teorema_de_Bayes

http://www.vitutor.net/1/52.html

http://www.vitutor.com/pro/2/a_10.html