TEORIA ELEMENTAL DE LA PROBABILIDAD

ELABORADO POR; RUTH JESICA VILLCA HUALLPARA

1: DEFINICION CLASICA DE LA PROBABILIDAD
La probabilidad p de que suceda un evento S de un total de n casos posibles
igualmente probables es igual a la razón entre el número de ocurrencias h de
dicho evento (casos favorables) y el número total de casos posibles n. La
probabilidad es un número (valor) que varía entre 0 y 1.
EJEMPLO:
Vista la definición de la probabilidad clásica, a continuación, vamos a explicar
un ejemplo de cómo se calcula este tipo de probabilidad. Así entenderás mejor
el significado de la probabilidad clásica.
Calcula la probabilidad de ocurrencia del evento «obtener el número 5» al
lanzar un dado. Luego determina también cuál es la probabilidad de «obtener
un número menor que 4».
En este caso queremos analizar el experimento aleatorio del lanzamiento de un
dado, que tiene seis posibles resultados (1, 2, 3, 4, 5 y 6). Podemos considerar
que todos los eventos elementales del experimento son equiprobables, ya que
se supone que el dado no está trucado y está en buenas condiciones. Por lo
tanto, podemos usar la regla de Laplace para sacar las probabilidades clásicas.
En el evento «obtener el número 5» solo hay un único caso favorable, que del
dado saquemos la cara con el número 5. Sin embargo, hay seis posibles
resultados, por lo que la probabilidad clásica del evento será
1-6 : 0,167
2: DEFINICION DE LA PROBABILIDAD COMO FRECUENCIA RELATIVA
La frecuencia relativa es una medida estadística que se calcula como el
cociente de la frecuencia absoluta de algún valor de la población/muestra (fi)
entre el total de valores que componen la población/muestra (N).
Para calcular la frecuencia relativa antes es necesario calcular la frecuencia
absoluta. Sin ella no podríamos obtener la frecuencia relativa. La frecuencia
relativa se representa con las letras hi y su fórmula de cálculo es la siguiente:
hi = Frecuencia relativa de la observación
fi = Frecuencia absoluta de la observación
N = Número total de observaciones de la muestra

De la fórmula de cálculo de la frecuencia relativa se desprenden dos

conclusiones
La primera es que la frecuencia relativa va a estar acotada entre 0 y 1, debido a
que la frecuencia de los valores de la muestra, siempre va a ser menor al
tamaño de la muestra.
La segunda es que la suma de todas las frecuencias relativas va a ser 1 si se
mide en tanto por 1, o 100 si se mide en tanto por ciento.
Por consiguiente, la frecuencia relativa nos informa acerca de la proporción o el
peso que tiene algún valor u observación en la muestra. Esto la hace de
especial utilidad, dado que a diferencia de la frecuencia absoluta, la frecuencia
relativa nos va a permitir hacer comparaciones entre muestras de tamaños
distintos. Esta se puede expresar como un valor decimal, como fracción o como
porcentaje.
3: PROBABILIDAD CONDICIONAL

La probabilidad condicional es la probabilidad de que un evento dado ocurra

dado que otro evento ocurre. El operador de la probabilidad condicional es el
signo │.
Ejemplo.
El experimento es extraer aleatoriamente dos canicas de una caja que contiene
cinco canicas blancas y cinco canicas verdes.
Al extraer la primera canica, hay en la caja cinco canicas blancas de un total de
diez, por lo que la probabilidad
Al extraer la segunda canica hay en la caja cuatro canicas blancas de un total
de nueve, por lo que la probabilidad condicional de que la segunda sea blanca
dado que la primera fue también blanca es:
4:SUCESOS MUTUAMENTE EXCLUYENTES
La probabilidad mide la frecuencia con la que ocurre un resultado en un evento;
esta medida puede expresarse en porcentaje, fracción o en decimales. Pero
¿qué se entiende por evento?
Se entiende por evento lo que puede resultar cuando se lanza un dado, o una
moneda, o cuando se saca una esfera de una tómbola.
Un evento es uno o más de los posibles resultados de un experimento.
Por ejemplo, en una rifa, cuando compras algunos boletos, ¿qué probabilidad
tienes de ganar?
La probabilidad se acerca al 100 por ciento, quiere decir que es muy probable
que ocurra. Pero si se acerca al 0 por ciento, es poco probable que suceda.
Así que, entre más boletos compres es más seguro que ganes. Este ejemplo lo
desarrollarás más adelante.
De este modo sabrás si se hace bien comprar muchos boletos para la rifa.
Conocerás a qué se refieren cuando se habla de eventos mutuamente
excluyentes, y a qué con eventos independientes
EJEMPLO
Si se lanza una moneda y cae águila, ya no puedes obtener sol.
Por ese simple hecho, te puedes dar cuenta de que son eventos mutuamente
excluyentes, ya que cuando ocurre uno, elimina la posibilidad de obtener el
otro.
Si al lanzar un dado cae el número 2, ¿puede caer al mismo tiempo el número
6?
No, porque no puede ocurrir una y otra condición al mismo tiempo.
Esta condición lo refiere como un evento mutuamente excluyente.
Otro ejemplo es que, al lanzar un dado, cuando cae el número 2, está
eliminando la posibilidad de que caiga el número 6 al mismo tiempo.
Dos eventos son independientes cuando los resultados del primer evento no
afectan los resultados del segundo evento.
Pero ¿qué sucedería si al lanzar dos monedas al aire en ambas cayeran
águila?
El lanzar la primera moneda no afecta el resultado de lanzar la segunda
moneda, por lo que son eventos independientes.
Si al lanzar la primera moneda se desea obtener águila, sólo se obtiene un
resultado favorable entre 2 resultados posibles.
Lo mismo ocurre para el segundo lanzamiento de moneda: si se desea obtener
nuevamente águila, se aplica la misma condición porque sólo se obtiene 1
entre 2 resultados posibles.
Sin embargo, se destaca de nueva cuenta que se deben observar todas las
posibilidades para cada evento.
Analiza un nuevo evento.
¿Cuáles son las posibilidades que se tienen al lanzar ambas monedas?
Que en el primer lanzamiento caiga en una moneda sol y en la otra águila.
Que caiga en ambas monedas sol.
¿Existe alguna otra posibilidad?
Caso contrario, que en ambas monedas caiga el águila.
Y una más es que en una moneda te caiga águila y en la otra te caiga sol.
y entonces sí, ya serían todas las posibilidades.
Con lo anterior, se verifica si el dato que se encontró es el correcto.
Se menciona que, al lanzar las dos monedas se obtiene:

Sol y águila
Sol y sol
Águila y águila
Águila y sol

Es decir, que, para el evento, la probabilidad es uno de cuatro resultados

posibles.
Se toma en cuenta que la probabilidad de que un evento ocurra es igual al
número de posibilidades favorables entre el número total de posibilidades.
¿A cuánto equivale en porcentaje la fracción “un cuarto”?
Para sacar un porcentaje se divide el numerador entre el denominador; para
este caso es dividir 1 entre cuatro. Se obtiene 0.25 y al multiplicar por 100 se
obtiene que es igual a 25 por ciento.
A continuación, se presentan diferentes situaciones sobre eventos mutuamente
excluyentes.
Situación 1:
Se tienen los siguientes eventos; determinar la probabilidad en cada uno de
ellos.
Se tienen 6 libros de distintas asignaturas: Historia, Lengua Materna, Biología,
Matemáticas, Física e Inglés.
Si se toma uno de los libros, ¿cuál es la probabilidad de que sea un título de
Biología o de Historia?
Para este caso, se toma en consideración que son seis libros en total, y que el
evento es mutuamente excluyente.
5: DISTRIBUCION DE PROBABILIDAD DISCRETA
Una distribución discreta describe la probabilidad de ocurrencia de cada valor
de una variable aleatoria discreta. Una variable aleatoria discreta es una
variable aleatoria que tiene valores contables, tales como una lista de enteros
no negativos.
Con una distribución de probabilidad discreta, cada valor posible de la variable
aleatoria discreta puede estar asociado con una probabilidad distinta de cero.
Por lo tanto, una distribución de probabilidad discreta suele representarse en
forma tabular.
EJEMPLO
una distribución discreta describe la probabilidad de que las unidades familiares
de California tengan 0, 1, 2, 3 o 4 automóviles. La Dirección de Vehículos
Automotores pudiera utilizar esta información para determinar la probabilidad
de que cada unidad familiar tenga 2 o menos vehículos. La distribución discreta
se utiliza comúnmente en la configuración de calidad del servicio en algunos
lugares, tales como centros de atención al cliente, hospitales e instituciones
financieras.
Una distribución discreta es una lista de los diferentes valores numéricos de la
variable de interés y sus probabilidades asociadas. Las probabilidades deben
sumar 1. Para el ejemplo de los automóviles, las probabilidades de números
específicos de vehículos se muestran a continuación.
N DE AUTOMOBILES POR FAMILIA
0:0.3
1:0,13 2:0.70 3:0.10 4;0.04
En Minitab, los valores en una distribución discreta deben ser numéricos. Sin
embargo, usted puede utilizar valores numéricos para representar las variables
categóricas. Por ejemplo, una compañía de emisión de tarjetas de crédito
desea comprender los tipos de llamadas de los clientes. Usted podría usar
Minitab para crear una distribución discreta codificando los tipos de llamadas: 1
= la tasa de porcentaje anual es demasiado alta, 2 = preguntas sobre
incentivos (millas de aerolíneas) y así sucesivamente.
Utilice la distribución discreta para datos discretos cuando ninguna de las otras
distribuciones discretas (de Bernoulli, binomial, hipergeométrica, de enteros y
de Poisson) sea apropiada.
6; DISTRIBUCION DE PROBABILIDAD CONTINUA
Una distribución continua describe las probabilidades de los posibles valores de
una variable aleatoria continua. Una variable aleatoria continua es una variable
aleatoria con un conjunto de valores posibles (conocido como el rango) que es
infinito y no se puede contar.
Las probabilidades de las variables aleatorias continuas (X) se definen como el
área por debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores
pueden tener una probabilidad diferente de cero. La probabilidad de que una
variable aleatoria continua equivalga a algún valor siempre es cero
EJEMPL0
La distribución normal continua puede describir la distribución del peso de
hombres adultos. Por ejemplo, usted puede calcular la probabilidad de que un
hombre pese entre 160 y 170 libras.
Gráfica de distribución del peso de hombres adultos
El área sombreada debajo de la curva en este ejemplo representa el rango de
160 a 170 libras. El área de este rango es 0.136; por lo tanto, la probabilidad de
que un hombre seleccionado aleatoriamente pese entre 160 y 170 libras es de
13.6%. Toda el área por debajo de la curva equivale a 1.0.
Sin embargo, la probabilidad de que X sea exactamente igual a algún valor
siempre es cero, porque el área por debajo de la curva en un punto individual,
que no tiene anchura, es cero. Por ejemplo, la probabilidad de que un hombre
pese exactamente 190 libras es cero. Podría calcular una probabilidad diferente
de cero de que un hombre pese más de 190 libras, menos de 190 libras o entre
189.9 y 190.1 libras, pero la probabilidad de que pese exactamente 190 libras
es cero.