Professional Documents
Culture Documents
NDICE
1. INTRODUCCIN
2. HISTORIA DE LA PROBABILIDAD
2.1. Los primeros juegos de azar
2.1.1 Las Tabas
2.1.2 Los Dados
2.2. Precursores de la teora de la probabilidad
2.2.1 Luca Paciolli
2.2.2 Girolamo Cardano
2.2.3 Niccolo Tartaglia
2.2.4 Galileo Galilei
2.3. Nacimiento de la teora de la probabilidad
2.3.1. Blaise Pascal y Pierre de Fermat
2.3.2. Christiaan Huygens
2.4. Desarrollo de la teora de la probabilidad
2.4.1. Primeras investigaciones en demografa
2.4.2. Primeras definiciones de la probabilidad
2.4.3. Formalizacin de teoremas bsicos de la probabilidad
2.4.3.1. Teorema de la suma.
2.4.3.2. Teorema de la multiplicacin.
2.4.3.3. Teorema de Bayes.
2.4.4. Los teoremas del lmite
2.4.4.1. La Ley de los Grandes Nmeros.
2.4.4.2. Teorema Central del Lmite.
2.4.5. El problema de la ruina del jugador
2.4.6. La paradoja de San Petersburgo
2.5. La probabilidad moderna
2.5.1. La teora de la medida de errores
2.5.2. La formacin del concepto de variable aleatoria
2.5.3. Interpretaciones y aplicaciones de la probabilidad
3.1.1.2. Combinatoria.
3.2. Aproximacin al concepto de probabilidad
3.2.1. Introduccin
3.2.2. Definiciones diversas
3.2.2.1. Definicin del Diccionario de la lengua castellana.
3.2.2.2. Definicin clsica de probabilidad
3.2.2.3. Definicin de Laplace.
3.2.2.4. Definicin axiomtica de probabilidad
5- Referencias
Objectius
-Definici probabilitat
- Historia (estudis, teories, etc)
- Com calcular probabilitats
-Probabilitats de guanyar en cada joc datzar (poker, BJ,
ruleta,etc)
-Fer la conclusi de si val la pena o no jugar en els diferents
Motivaci
personal
ndex
Fonts
dinformaci
Metodologi
a
Planificaci
jocs.
Com hi ha un munt de gent que juga en aquests jocs i es deixa
els diners, magradaria veure si hi ha una nfima possibilitat de
guanyar en aquests jocs amb lajuda de les mates.
-Definici probabilitat
-Historia
-Diferents teories, estudis
-Com calcular probabilitats
-Estudi que he fet amb cada joc
-Conclusions
-Llibre: Slanskys Theory of Poker
-http://estudiosestadisticos.ucm.es/data/cont/docs/12-201302-06-CT01_2011.pdf
La meva manera daprendre i de fer aquest treball ser amb
lajuda duna amiga meva que es a la universitat i
sespecialitza en aix, amb estudis ja fets, llibres i informaci
que trobi via Internet.
1Quinzena
2Quinzena
Maig
Buscar
Preparaci del pla de
informaci del
treball
tema
Juny
Estudiar i
Estudiar i aprendre
aprendre clcul
ms a fons sobre el
de probabilitats
clcul de probabilitats
bsic
Juliol
Introduir
Extreure les dades
aquests
obtingudes, fer un
coneixements
estudi i una conclusi
als jocs datzar
Agost
Comenar el
Continuar amb el
treball escrit
treball escrit
Setembre
Acabar el treball
escrit
Octubre
Ensenyar-li el
treball a la
meva amiga i
em doni uns
consells per
millorar el
treball escrit i
fer lexposici
oral
Acabar la
presentaci
Novembre
Desembre
Aprendre el que
Fer la presentaci
entendible per a tots
els pblics
Revisar per ltima
tot el que he de
dir en la
exposici oral i
fer-me un
guionet
part that we know and apply. On the other hand, I decided to do a practical part,
which would allow me to apply many of the concepts that would be learning at
the theoretical level.
1. Introduccin
Lo primero que hice fue estructurar mi trabajo de investigacin en tres bloques
o partes, como se prefiera. Los dos primeros bloques, contendran informacin
ms bien terica, en cambio el ltimo abrazara las prcticas que yo quera
llevar a cabo. Decid afrontar el conjunto del trabajo desde tres puntos de vista
muy diferentes, correspondientes a cada uno de los bloques. Por un lado
plante la historia de la probabilidad. En un segundo bloque, expuse algunos
de los conceptos bsicos de la teora de la probabilidad actual. Y el ltimo
quise dedicarlo a la prctica.
2. Historia de la probabilidad
Los historiadores estn en completo desacuerdo sobre cul fue el inicio de la
teora de la probabilidad, algunos creen que fueron Luca Pacioli, Tartaglia y
Cardano, pero ellos no definieron la teora de la probabilidad solo resolvieron
problemas de juegos de azar que luego dieron lugar a ella. La idea
comnmente aceptada es que la teora de la probabilidad fue creada en el siglo
XVII por Blaise Pascal y Pierre Fermat.
Nombre con el cual se denominaba a cada una de las caras del hueso
En sus inicios en la poca griega la taba se usaba como un mtodo
adivinatorio, al cual le pusieron el nombre de astragalomancia. Se usaba para
prever el tiempo y tambin en algunos rituales de carcter religioso.
Los romanos tambin jugaban a las tabas, las llamaban alea. Los nios
romanos se divertan con el juego pero los adultos, a diferencia de los griegos,
la usaban para apostar.
El juego de la taba tiene muchas modalidades, de las cuales se distinguen las
que son de habilidad y las que son de azar. La modalidad de habilidad consista
en lanzar una taba al aire y antes de tocar el suelo se deban colocar otras
cuatro en sus distintas posiciones, tal como se ve en la imagen (imagen 1).
Una de las modalidades que son de azar consiste en tirar la taba varias veces y
ganaba quien sumaba la puntuacin ms alta. Como se puede apreciar en la
imagen (imagen 1), el hueso de la taba tiene 4 caras desiguales, a las que se
daba puntaciones de: 1, 3, 4, 6.
10
Luca Pacioli
El segundo precursor que cabe destacar es Luca Pacioli (14451517), fue
un fraile franciscano que en 1487 abordo uno de los problemas ms
importantes del reparto de las apuestas, es decir, la distribucin de las
ganancias a los jugadores cuando la partida se interrumpa antes de terminar.
Para ello propuso un problema en particular:
Un juego de pelota en el cual se necesitan 60 puntos para ganar. El premio a
repartir
es de 22 ducados. Por algn motivo el juego se interrumpe y un jugador se queda
con 50 puntos y el otro con 30. Que particin del premio le pertenece a cada uno?
11
rn/tn-r
Para medir la probabilidad de ganar un juego.
t son los casos iguales posibles
r son los casos favorables
n son las veces en que se repite un juego
Cardano, al igual que Pacioli, tambin se ocupo del problema del reparto de
apuestas y llego a la conclusin que Pacioli estaba equivocado.
Girolamo afirmo que Pacioli estaba equivocado porque solo contaba el nmero
de juegos ganados por los dos participantes y no contaba el nmero de juegos
que tenan que ganar. La solucin que propuso fue esta:
Parte de equipo 1 / Parte de equipo 2 = 1+2+...+(n-b) / 1+2+...+(n-a)
12
P es el premio total
a son los puntos del jugador que va ganando
b puntos del jugador que va perdiendo
n puntos necesarios para ganar
Segn si el jugador va ganando o va perdiendo
La idea de Tartaglia se ve claro con el ejemplo de Pacioli:
(P/2)P ((a-b) / n) = (22/2)22((50-30) / 60) = 18,33 / 3,66
Por lo tanto el jugador A recibe 18,33 ducados y el jugador B recibe 3,66.
Tartaglia se basaba en la ventaja que ejerca un jugador frente al otro en el
momento en que se interrumpa un juego. Tartaglia no quedo muy convencido
de su solucin y dej claro que desde el punto de vista matemtico la solucin
no era exacta porque las soluciones podan dar resultados con decimales
peridicos, pero para repartir equitativamente las apuestas, era buena.
13
Galileo Galilei (1564-1642) fue uno de los principales cientficos del siglo XVII,
de hecho se lo considera uno de los padres de la fsica y la astronoma
modernas, teniendo en cuenta las grandes aportaciones que hizo en estos
campos cientficos como tambin en las matemticas.
Galileo tambin se ocup de encontrar soluciones coherentes en los problemas
propuestos por sus precursores respecto al reparto de apuestas y las
querencias de dados. As, en uno de sus libros titulado Sobre las
puntuaciones en lanzamiento de dados, Galileo aborda, por ejemplo, como
calcular el nmero de resultados posibles al lanzar tres dados. A pesar de ya
era conocido el resultado (216 resultados diferentes), Galilei fue el primero al
llegar al resultado con el simple clculo de 63=216. Tambin propuso maneras
diversas de saber qu combinaciones de dados eran ms probables y cuntas
formas diferentes de adquirirlas existan.
No obstante, la aportacin ms importante de Galileo Galilei a la
fundamentacin de las primeras teoras probabilsticas fue el que l mismo
denomin la teora de la medida de errores.
Galileo postul que los errores de medida sueo inevitables y clasific estos
errores en dos tipos: los errores sistemticos (fruto de la imprecisin del
mtodo o los enseres de medida) y los errores aleatorios. Esta clasificacin, de
hecho, sigue vigente en la actualidad. Tambin observ que los errores
pequeos son ms probables que los grandes y que la mayora de las medidas
dan valores cercanos a la certeza.
14
Con estos y otros muchos estudios, Galileo contribuy a las primeras teoras de
la probabilidad, y tambin fij los pilares de la estadstica moderna.
15
Veamos como ejemplo el ltimo de los problemas histricos que propuso Mer y que
resolvieron Pascal y Fermat: El juego consista al lanzar 24 veces un par de dados y
el problema era decidir si se el mismo apostar a favor o en contra de la aparicin de al
menos un seis doble.
Solucin:
A= {No sacar un seis doble en una querencia de dos dados}, P(A)=35/36
P(A y A y A24 veces.y A)= (35/36)24
Este nmero equivale a 05086 y por lo tanto la probabilidad del suceso contrario
es 1- P(A y A y A.......24 veces.y A)= 1- 05086 = 0491.
16
17
18
John Graunt
Abraham de Moivre
Jakob Bernoulli
19
Thomas Bayes
Pierre-Simon Laplace
20
James Stirling
21
22
23
A. Markov
A. Legendre
S. Poisson
24
P. Chebyshev
T. Brahe
T. Simpson
A. Liapunov
25
26
Representacin permutativa
27
28
29
30
cierta realidad que se encuentra fuera del espacio muestral y que, por tan, no
tiene ninguna posibilidad de ocurrir.
-Suceso probable. Es aquel que su probabilidad de ocurrir es ms grande que
la probabilidad que no ocurra.
-Suceso improbable. Es el opuesto al anterior, aquel que tiene ms opciones
de no ocurrir que no de hacerlo.
-Suceso equiprobable. Dos sucesos o ms son equiprobables cuando tienen
las mismas probabilidades de suceder. Cmo veremos ms adelante, estos
sucesos forman parte de una de las frmulas ms til e importando de la
probabilidad.
3.3.2.3. Relacin entre sucesos
Los sucesos se relacionan de forma inevitable entre ellos, ya sea porque
representan realidades cercanas, opuestas, semblantes o simplemente porque
unos representan realidades que se engloban en otros de mayores.
No obstante, existen varios tipos de relacin que unen y excluyen los diversos
sucesos que se proponen.
Algunas de estas formas de interrelacin se plantean a continuacin:
-Sucesos iguales. Dos sucesos A y B son iguales si siempre que se verifica A
tambin se verifica B y al revs. A y B, pues, tienen los mismos puntos
muestrales. Por el hecho de ser iguales, a menudo estos sucesos representan
la misma realidad.
-Sucesos complementarios o contrarios. (fig.1) Se llama que el suceso A es
complementario de B si A contiene todos los elementos de que no
pertenecen a B. Es decir, A abraza una parte de la realidad total (universo) y B
abraza el resto de esta misma realidad.
-Inclusin de sucesos. (fig.2) Decimos que A est contenido en B si siempre
que se verifica A tambin se verifica B. De todos modos, se diferencian de los
sucesos iguales porque en este caso no siempre que se verifica B se verifica
necesariamente A.
-Sucesos incompatibles o disjuntos o mutuamente excluyentes. (fig.3)
Dados los sucesos A y B, se consideran incompatibles si no contienen ningn
punto muestral en comn.
Por el contrario, sern compatibles si comparten una parte del espacio
muestral.
Figura 1
Figura 2
Figura 3
31
Figura 4
Figura 5
2-Conmutativa
AA=AiA A=A
BA
3- Asociativa
B=BAiAB=
4- Distributiva
B) C = A (B C)
(A C)
(A
(A B) C = A (B C)
C)
5. De los elementos neutros y universales.
(B C) = (A B)
A (B
C) = (A B) (A
32
= A; A = A; A = ; A =
7- De la complementacin
A
= ; A = ; A = A
6- Leyes de Morgan
33
34
Figura 6
35
36
1
2
3
4
5
6
2
2
2
2
2
2
4
2
3
1
0
2
Taula 1
Cara del
dado
Veces que se
tendra que
repetir el
resultado en 12
tiradas
Veces que se
repite el
resultado en 12
tiradas
Veces que se
tendra que
repetir el
resultado en 48
tiradas
1
2
3
4
5
6
2
2
2
2
2
2
4
2
3
1
0
2
8
8
8
8
8
8
Veces que se
repite el
resultado en 48
tiradas
9
7
10
7
6
9
Taula 2
37
38
39
Figura 1
Figura 2
Figura 3
40
Pasos
Verificacin
Lanzamientos
Anlisis
Conclusin
41
10
Resultad
o
Frec.
absoluta
Frec.
relativa
Prob.
terica
0,3
1/6
0,1
1/6
0,2
1/6
0,3
1/6
1/6
0,1
1/6
Total=1
0,34
Total=1
1/6
0,08
1/6
0,08
1/6
0,14
1/6
0,12
1/6
12
0,24
1/6
Total=50
22
Total=1
0,22
Total=1
1/6
10
0,1
1/6
19
0,19
1/6
11
0,11
1/6
28
0,28
1/6
12
0,12
1/6
Total=100
Total=1
Total=1
Total=10
17
50
100
Media
Terica:
1,6
Desv.
de frec.
rel.
+0,14
-0,066
+0,033
+0,14
Relativa
al valor:
1/4
-1,166
-0,066
8,3
-0,086
-0,026
Relativa
al valor:
1
-0,046
+0,08
Desv. total=0,504
+0,054
Terica:
-0,066
16,6
+0,024
-0,056
Relativa
al valor:
1
+0,11
-0,04
Desv. total=0,340
42
10
Resultad
o
Frec.
absoluta
Frec.
relativa
Prob.
terica
0,4
1/6
0,2
1/6
0,2
1/6
1/6
0,1
1/6
0,1
1/6
Total=1
0,18
Total=1
1/6
12
0,24
1/6
10
0,2
1/6
0,16
1/6
0,1
1/6
0,12
1/6
Total=50
13
Total=1
0,13
Total=1
1/6
10
0,1
1/6
20
0,2
1/6
18
0,18
1/6
22
0,22
1/6
17
0,17
1/6
Total=100
Total=1
Total=1
Total=10
9
50
100
Media
Terica:
1,6
Desv.
de frec.
rel.
+0,23
+0,033
+0,033
-0,166
Relativa
al valor:
1
-0,066
-0,066
8,3
+0,033
-0,003
Relativa
al valor:
2
-0,066
-0,046
Desv. total=0,261
-0,036
Terica:
-0,066
16,6
+0,033
+0,013
Relativa
al valor:
5
+0,05
+0,01
Desv. total=0,208
43
10
Resultad
o
Frec.
absoluta
Frec.
relativa
Prob.
terica
0,2
1/6
0,1
1/6
0,1
1/6
0,2
1/6
0,2
1/6
0,2
1/6
Total=1
0,08
Total=1
1/6
10
0,2
1/6
13
0,26
1/6
0,12
1/6
0,18
1/6
0,16
1/6
Total=50
14
Total=1
0,14
Total=1
1/6
22
0,22
1/6
18
0,18
1/6
0,09
1/6
20
0,2
1/6
17
0,17
1/6
Total=100
Total=1
Total=1
Total=10
4
50
100
Media
Terica:
1,6
Desv.
de frec.
rel.
+0,033
-0,066
-0,066
+0,033
Relativa
al valor:
+0,033
+0,033
8,3
+0,1
-0,04
Relativa
al valor:
+0,02
-0,006
Desv. total=0,285
-0,02
Terica:
+0,06
16,6
+0,02
-0,07
Relativa
al valor:
+0,033
+0,01
Desv. total=0,213
44
45
5- Referencias
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://www.vitutor.net/1/52.html
http://www.cimat.mx/ciencia_para_jovenes/otra_cara/Juegos_de_Azar_y_Proba
bilidad.pdf
http://www.estadisticaparatodos.es/historia/histo_proba.html
http://estudiosestadisticos.ucm.es/data/cont/docs/12-2013-02-06CT01_2011.pdf
Llibre: Slanskys Theory of Poker