UNIVERSIDAD NACIONAL EXPERIMENTAL

DE LOS LLANOS OCCIDENTALES

“EZEQUIEL ZAMORA”

VICERRECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL

PROGRAMA: ESTUDIOS AVANZADOS.

SUBPROGRAMA: CIENCIAS SOCIALES Y ECONOMICAS.

SUBPROYECTO: METODOS ESTADISTICOS.

LA TEORIA DE LAS PROBABILIDADES.

MAESTRANTE

Msc.: Emilio Camacho. LIC. Deilyn Zamora.

C.I 18225934

ING. Camacho Aura

C.I 23549646

LIC. Rodríguez Aura

C.I 25054476
LIC Pantoja Neemy
CI. 19280018.

BARINAS JULIO 2024.

 Introducción.

La importancia de la distribución binomial radica en su amplia aplicación en diversos

campos, entre los que se destacan:

1. Análisis de datos en ciencias biológicas y médicas:

- La distribución binomial se utiliza para modelar fenómenos como la presencia o

ausencia de una enfermedad, la efectividad de un tratamiento, etc.

- Permite calcular probabilidades de eventos como el número de pacientes que responden

positivamente a un tratamiento.

2. Gestión de riesgos y control de calidad:

- En la industria, la distribución binomial se emplea para evaluar la probabilidad de

defectos o fallas en los procesos de producción.

- Ayuda a tomar decisiones sobre la aceptación o rechazo de lotes de productos,

basándose en el número de unidades defectuosas.

3. Estudios de muestreo y encuestas:

- La distribución binomial se utiliza para determinar el tamaño de muestra y la precisión

de las estimaciones en encuestas y estudios de población.

- Permite calcular la probabilidad de obtener cierto número de respuestas positivas en una

muestra.

4. Teoría de la confiabilidad y mantenimiento:

- En el análisis de confiabilidad de sistemas, la distribución binomial modela la

probabilidad de falla o éxito de un componente o sistema.

- Ayuda a planificar y optimizar las estrategias de mantenimiento preventivo.

5. Genética y biología molecular:

- La distribución binomial se utiliza para estudiar la herencia de rasgos genéticos y la

segregación de alelos.

- Permite calcular probabilidades de obtener cierto número de individuos con una

característica particular en una población.

En resumen, la distribución binomial es fundamental en diversas áreas científicas y

técnicas, donde se requiere modelar y analizar fenómenos que pueden ser descritos como
éxitos o fracasos en una serie de pruebas independientes.

PLANTEAMIENTO DEL PROBLEMA.

Probabilidades de éxitos o fracasos de un restaurant de comida Española del Estado

Barinas.

Objetivo.

Llevar a cabo el proyecto y consolidar una propuesta de negocio que es brindarles a los
venezolanos un pedacito de España en Barinas donde las especialidades de la casa son
platos españoles.

Métodos aplicables: la teoría biominal, en el programa de SPSS.

Interpretación del método aplicado para dar solución al problema: La distribución

binomial describe la probabilidad que ocurra un numero especifico de éxito en un número
fijo de ensayo independientes, cuando la probabilidad de éxito en cada ensayo es constante
y tiene diversas aplicaciones en áreas como la biología, la medicina, la sociología, la
psicología y los negocios algunos ejemplos comunes de fenómenos que se pueden modelar
con esta teoría son el número de éxitos en un número determinado de pruebas médicas, el
número de acierto en un examen de opción múltiples o el número de clientes que compran
un producto en una tienda.
 TEORIA DE LAS PROBABILIDADES
1. Teoría clásica de la probabilidad:

- Definida por Pierre de Fermat y Blaise Pascal en el siglo XVII.

- Asume que todos los resultados posibles de un evento aleatorio son igualmente
probables.

- La probabilidad de un evento se calcula como el número de resultados favorables

dividido entre el número total de resultados posibles.

2. Teoría frecuentista:

- Desarrollada por estadísticos como John Venn y Richard von Mises.

- Define la probabilidad como el límite de la frecuencia relativa de un evento cuando el

número de experimentos tiende a infinito.

- La probabilidad se calcula como la proporción de veces que ocurre un evento en un gran

número de repeticiones.

3. Teoría subjetiva de la probabilidad:

- Propuesta por Frank Ramsey y Bruno de Finetti.

- Define la probabilidad como un grado de creencia o confianza personal en la ocurrencia

de un evento.

- La probabilidad refleja el juicio y la información del individuo sobre la incertidumbre

de un evento.

4. Teoría axiomática de la probabilidad:

- Formalizada por Andrei Kolmogórov en 1933.

- Define la probabilidad a través de tres axiomas básicos que deben cumplirse.

- Permite construir una teoría matemática rigurosa de la probabilidad.

5. Teoría de la probabilidad bayesiana:

- Desarrollada por Thomas Bayes y Pierre-Simon Laplace.

- Utiliza la teoría de la probabilidad para actualizar la creencia o conocimiento previo

sobre un evento a la luz de nueva información.

- Se basa en el teorema de Bayes para calcular probabilidades condicionales.

Estas son algunas de las principales teorías que describen y formalizan el concepto de
probabilidad desde diferentes perspectivas. Cada una tiene sus propias características y
aplicaciones en diversos campos.

Teoría de Poisson.
La teoría de Poisson, desarrollada por el matemático francés Siméon Denis Poisson, es
un modelo probabilístico que describe fenómenos aleatorios que ocurren de manera
independiente y con una tasa de ocurrencia constante en un intervalo de tiempo o espacio
determinado. Esta teoría ha encontrado numerosas aplicaciones en diversos campos, como
la biología, la física, la ingeniería y la economía. La principal característica de la teoría de
Poisson es que el número de eventos que ocurren en un intervalo de tiempo o espacio sigue
una distribución de Poisson. Esta distribución se caracteriza por tener una media y una
varianza iguales, lo que significa que la probabilidad de que ocurra un evento determinado
es independiente del número de eventos que han ocurrido anteriormente.

Uno de los supuestos clave de la teoría de Poisson es que los eventos ocurren de manera
aleatoria y sin influencia mutua. Esto implica que la probabilidad de que ocurra un evento
en un intervalo de tiempo o espacio determinado es proporcional a la longitud de dicho
intervalo, y que la probabilidad de que ocurran varios eventos en intervalos diferentes es el
producto de las probabilidades individuales.La teoría de Poisson ha sido ampliamente
utilizada en el estudio de fenómenos como la llegada de clientes a un servicio, la ocurrencia
de accidentes de tráfico, la aparición de defectos en productos industriales y la propagación
de enfermedades infecciosas. Además, ha sido fundamental en el desarrollo de modelos
matemáticos y algoritmos utilizados en diversas aplicaciones, como la teoría de colas, el
control de calidad y el análisis de riesgos. En pocas palabras, la teoría de Poisson es una
herramienta matemática importante que permite modelar y predecir fenómenos aleatorios
con aplicaciones en múltiples áreas del conocimiento.

Distribución de Poisson y Distribución Binomial

La distribución de Poisson y la distribución binomial son dos modelos probabilísticos

ampliamente utilizados en diversos campos, como la estadística, la economía y la
ingeniería. Ambas distribuciones tienen características y aplicaciones específicas, pero
comparten algunas similitudes fundamentales. La distribución de Poisson es un modelo de
probabilidad discreto que describe el número de eventos que ocurren en un intervalo de
tiempo o espacio fijo, siempre que estos eventos sean independientes y ocurran a una tasa
constante. Esta distribución es particularmente útil para modelar fenómenos como el
número de llamadas recibidas en un centro de atención al cliente, el número de defectos en
un producto manufacturado o el número de accidentes de tráfico en una carretera. Por otro
lado, la distribución binomial es un modelo de probabilidad discreto que describe el número
de éxitos en una serie de n ensayos independientes, donde cada ensayo tiene solo dos
posibles resultados (éxito o fracaso) y la probabilidad de éxito es constante.

Esta distribución se utiliza comúnmente para modelar situaciones como el número de

caras obtenidas al lanzar una moneda n veces, el número de aprobados en un examen o el
número de piezas defectuosas en una muestra. Ambas distribuciones comparten la
propiedad de ser modelos de probabilidad discretos, lo que significa que las variables
aleatorias que describen pueden tomar solo valores enteros. Además, ambas distribuciones
dependen de parámetros específicos, como la tasa media de ocurrencia de eventos (para la
distribución de Poisson) o la probabilidad de éxito en cada ensayo (para la distribución
binomial). Es decir, la distribución de Poisson y la distribución binomial son herramientas
estadísticas valiosas para modelar y analizar una amplia gama de fenómenos en diversos
campos de estudio. Su comprensión y aplicación adecuada son fundamentales para la toma
de decisiones informadas y la resolución de problemas.
 Chi Cuadrado

El estadístico ji-cuadrado (o chi cuadrado), que tiene distribución de probabilidad del

mismo nombre, sirve para someter a prueba hipótesis referidas a distribuciones de
frecuencias. En términos generales, esta prueba contrasta frecuencias observadas con las
frecuencias esperadas de acuerdo con la hipótesis nula. En este artículo se describe el uso
del estadístico ji-cuadrado para probar la asociación entre dos variables utilizando una
situación hipotética y datos simulados. Luego se describe su uso para evaluar cuán buena
puede resultar una distribución teórica, cuando pretende representar la distribución real de
los datos de una muestra determinada. A esto se le llama evaluar la bondad de un ajuste.
Probar la bondad de un ajuste es ver en qué medida se ajustan los datos observados a una
distribución teórica o esperada. Para esto, se utiliza una segunda situación hipotética y
datos simulados.

Del mismo modo que los estadísticos “z”, con su distribución normal y “t”, con su
distribución t de Student, nos han servido para someter a prueba hipótesis que involucran a
promedios y porcentajes, el estadístico ji-cuadrado (o chi cuadrado), que tiene distribución
de probabilidad del mismo nombre, nos servirá para someter a prueba hipótesis referidas a
distribuciones de frecuencias. En primer lugar usaremos el estadístico ji-cuadrado para
probar la asociación entre dos variables, y luego lo usaremos para evaluar en qué medida se
ajusta la distribución de frecuencias obtenida con los datos de una muestra, a una
distribución teórica o esperada. En términos generales, esta prueba contrasta frecuencias
observadas con las frecuencias esperadas de acuerdo con la hipótesis nula. Al igual que en
el caso de las pruebas anteriormente presentadas, ilustraremos con ejemplos.

.
 Conclusión.

En la presente investigación obtuvimos la importancia que es aplicar métodos de

probabilidades a la hora de ejecutar un proyecto, tanto en los negocios como en la vida
cotidiana y la importancia de la distribución binominal, radica en su amplia explicación en
diversos campos, entre los que se destacan:

1. Toma de decisiones informadas:

- Comprender los conceptos básicos de probabilidad permite tomar decisiones más

fundamentadas en situaciones de incertidumbre, como inversiones, planificación de viajes,
elección de seguros, entre otros.

2. Evaluación de riesgos:

- Aplicar los principios probabilísticos ayuda a evaluar y gestionar los riesgos en

actividades diarias, como conducir, realizar deportes o tomar decisiones médicas.

3. Interpretación de información estadística:

- La habilidad de entender e interpretar correctamente la información estadística y

probabilística presentada en noticias, informes y estudios es crucial para tomar decisiones
informadas como consumidor o ciudadano.

4. Mejora de la planificación y organización:

- Utilizar conceptos de probabilidad puede mejorar la planificación y organización de

actividades, como programar eventos, estimar tiempos de entrega o proyectar presupuestos.

5. Juegos y apuestas:

- Comprender las probabilidades involucradas en juegos de azar, apuestas y sorteos puede

ayudar a tomar decisiones más racionales y evitar caer en errores comunes, como la falacia
del apostador.

6. Salud y bienestar:
 - Aplicar principios probabilísticos puede mejorar la toma de decisiones relacionadas con
la salud, como evaluar los riesgos de enfermedades, la eficacia de tratamientos o la
efectividad de programas de prevención.

7. Pensamiento crítico y resolución de problemas:

- El desarrollo de habilidades probabilísticas fomenta el pensamiento crítico y la

capacidad de resolver problemas de manera más sistemática y objetiva en diversos ámbitos
de la vida. La aplicación de los métodos de probabilidad en la vida cotidiana puede
mejorar la toma de decisiones, la gestión de riesgos, la interpretación de información y el
pensamiento crítico, lo que se traduce en una mejor calidad de vida y un mayor bienestar
personal y social.
 Referencias.

Popper, K (1959), “The propensity interpretation of probability”, British Journal for the
Philosophy of Science.

Rodo P (2020) https://economipedia.com/definiciones/distribucion-de-poisson.html

Manzano v (2014) https://asignatura.us.es/dadpsico/apuntes/ChiCuadrado.pdf

Quevedo f (2011) https://www.medwave.cl/series/MBE04/5266.html