PRESENTACIN

Nombre:
Jersson Ronny Martinez Valdez

Matricula:
12-SIST-1-052

Seccin:
0716

Materia:
Estadistica II

Profesor:
Francisco F. de Asis Nova.

Tema:
Teoria de Probabilidades

Fechas:
domingo, 16 de noviembre de 2014

Teora de la probabilidad
La teora de la probabilidad es la parte de las matemticas que estudia los
fenmenos aleatorios estocsticos. Estos deben contraponerse a los fenmenos
determinsticos, los cuales son resultados nicos y/o previsibles de experimentos
realizados bajo las mismas condiciones determinadas, por ejemplo, si se calienta agua
a 100 grados Celsius a nivel del mar se obtendr vapor. 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 una
moneda. La teora de probabilidades se ocupa de asignar un cierto nmero a cada
posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de
cuantificar dichos resultados y saber si un suceso es ms probable que otro.

Muchos fenmenos naturales son aleatorios, pero existen algunos como el

lanzamiento de un dado, donde el fenmeno no se repite en las mismas condiciones,
debido a que la caractersticas del material hace que no exista una simetra del mismo,
as las repeticiones no garantizan una probabilidad definida. 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 inmediatamente a la teora de la probabilidad en s.

En 1933, el matemtico sovitico Andri Kolmogrov propuso un sistema de

axiomas para la teora de la probabilidad, basado en la teora de conjuntos y en la
teora de la medida, desarrollada pocos aos antes por Lebesgue, Borel y Frechet entre
otros.

Esta aproximacin axiomtica que generaliza el marco clsico de la

probabilidad, la cual obedece a la regla de clculo de casos favorables sobre casos
posibles, permiti la rigorizacin de muchos argumentos ya utilizados, as como el
estudio de problemas fuera de los marcos clsicos. Actualmente, la teora de la
probabilidad encuentra aplicacin en las ms variadas ramas del conocimiento, como
puede ser la fsica (donde corresponde mencionar el desarrollo de las difusiones y el
movimiento Browniano), o las finanzas (donde destaca el modelo de Black y Scholes
para la valuacin de acciones).

La teora de la probabilidad se desarroll originalmente a partir de ciertos

problemas planteados en el contexto de juegos de azar. Inicialmente, no exista una
teora axiomtica bien definida y las definiciones iniciales de probabilidad se basaron
en la idea intuitiva de un cociente de ocurrencias:

Donde A es un suceso cualquiera y:

Es el nmero de veces que se ha repetido una accin u observacin

cuyo resultado puede dar el suceso A o no-A.
Es el nmero de veces que observa A en todas las observaciones.

Enfoques de la teora de probabilidades

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 clsico de la probabilidad se basa en la suposicin de que cada
resultado sea igualmente posible.
Este enfoque es llamado enfoque a priori porque permite, (en caso de que
pueda aplicarse) calcular el valor de probabilidad antes de observar cualquier evento
de muestra.
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 numero 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.

Eventos mutuamente excluyentes y eventos no excluyentes

Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden
ocurrir simultneamente. Es decir, la ocurrencia de un evento impide
automticamente la ocurrencia del otro evento (o eventos).
Ejemplo:
Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos
a la vez, esto quiere decir que estos eventos son excluyentes.
Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que
ocurran ambos. Esto no indica que necesariamente deban ocurrir estos eventos en
forma simultnea.
Ejemplo:
Si consideramos en un juego de domino sacar al menos un blanco y un seis,
estos eventos son no excluyentes porque puede ocurrir que salga el seis blanco.

Reglas de la Adicin
La Regla de la Adicin expresa que: la probabilidad de ocurrencia de al menos
dos sucesos A y B es igual a:
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

Reglas de Multiplicacin
Se relacionan con la determinacin de la ocurrencia de conjunta de dos o ms
eventos. Es decir la interseccin entre los conjuntos de los posibles valores de A y los
valores de B, esto quiere decir que la probabilidad de que ocurran conjuntamente los
eventos A y B es:
P(A y B) = P(A B) = P(A)P(B)

si A y B son independientes

P(A y B) = P(A B) = P(A)P(B|A)

si A y B son dependientes

P(A y B) = P(A B) = P(B)P(A|B)

si A y B son dependientes

Siendo:
P(A) = probabilidad de ocurrencia del evento A
P(B) = probabilidad de ocurrencia del evento B
P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B

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.
Eventos dependientes: Dos o ms eventos sern dependientes cuando la
ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del
otro (o otros). Cuando tenemos este caso, empleamos entonces, el concepto de
probabilidad condicional para denominar la probabilidad del evento relacionado. La
expresin P(A|B) indica la probabilidad de ocurrencia del evento A s el evento B ya
ocurri.

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.

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.
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.

Nota: En teora de probabilidad y estadstica, la distribucin de Poisson es una

distribucin de probabilidad discreta se especializa en la probabilidad de ocurrencia de
sucesos con probabilidades muy pequeas, o sucesos "raros".