Teora de Probabilidades

En la vida cotidiana aparecen muchas situaciones en las que los resultados observados
son diferentes aunque las condiciones iniciales en las que se produce la experiencia sean las
mismas. Por ejemplo, al lanzar una moneda unas veces resultar cara y otra cruz. Estos
fenmenos, denominados aleatorios, se ven afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable que...", "hay
muchas posibilidades de que..." hacen referencia a esta incertidumbre.
La teora de la probabilidad pretende ser una herramienta para modelizar y tratar con
situaciones de este tipo. Por otra parte, cuando aplicamos las tcnicas estadsticas a la
recogida, anlisis e interpretacin de los datos, la teora de la probabilidad proporciona una
base para evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias realizadas.
El objetivo del Clculo de Probabilidades es el estudio de mtodos de anlisis del
comportamiento de fenmenos aleatorios. (Introduccin al Calculo de las Probabilidades)
En la actividad diaria nos encontramos con ciertos tipos de fenmenos que se pueden
reproducir un gran nmero de veces, en condiciones similares dando lugar a un conjunto de
dos o ms posibles resultados.
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los
eventos futuros. Es por ello que el estudio de probabilidades surge como una herramienta
utilizada por los nobles para ganar en los juegos y pasatiempos de la poca. El desarrollo de
estas herramientas fue asignado a los matemticos de la corte. (Herrera)
Concepto de Probabilidad
Se define como clculo de probabilidad al conjunto de reglas que permiten determinar si
un fenmeno ha de producirse, fundando la suposicin en el clculo, las estadsticas o la
teora. El objetivo de esta prctica es realizar varios experimentos de probabilidad, anotar
los resultados y posteriormente compararlos con los resultados tericos. (Herrera)
Objetivos de las Probabilidades

Medir la certidumbre (o incertidumbre) de que ocurran determinados sucesos.

Analizar conjuntos de datos para describir caractersticas de los mismos.

Estudiar las distribuciones de probabilidades para entender y asociar dichas

distribuciones a cosas del mundo real, tales como tasa de llegada de clientes.

Aplicar los elementos bsicos de la teora de probabilidad a fenmenos que

obedecen modelos no determinsticos.

Realizar pruebas de hiptesis e intervalos de confianza para medir la validez de

algunas afirmaciones sobre fenmenos.

Historia de la Probabilidad
El mundo se rige por mltiples situaciones en las que se involucra el azar. Los eventos
que involucran al ser humano o a los fenmenos naturales que caracterizan al mundo actual
y a su dinmica social, no pueden ser predeterminados; es decir, no se puede saber de
antemano qu resultado dentro de los posibles va a suceder.
Desde la antigedad, los juegos de azar han interesado al hombre; se sabe que el uso de
las tabas es tan antiguo como la humanidad y parece ser el antecesor de los dados y de la
ruleta. El clculo de probabilidades inici muy lentamente a formar parte del campo de las
matemticas.
El primer documento conocido donde se analizan los juegos de azar en forma
sistemtica fue escrito por Gerolamo Cardano Liber de ludo aleae, alrededor de 1521.
Galileo Galilei, se interes por lo juegos de azar y escribi un folleto titulado Sopra le
scopere dei dadi publicado en 1718. Pero la Probabilidad como teora, se origina en la
mitad del siglo XVII, asociando los trabajos de Christian Hygens, Blasie Pascal, Pierre y
James Bernoulli. Hygens se destaca por su obra: De Ratiocinitis in ludo aleae, primer
trabajo publicado sobre juegos de azar. Posteriormente aplic su teora a la esperanza de
vida humana.
Algunos de los trabajos ms importantes de James Beroulli fueron publicados
pstumamente en 1713 en al obra Ars Conjectandi que, entre otros tpicos, contiene su
teora de las permutaciones y combinaciones, y sus escritos sobre probabilidades. Esta obra
es considerada como el comienzo de la teora de las probabilidades.
Desde la mitad del siglo XIX hasta la segunda dcada del siglo pasado, esta teora fue
impulsada por el trabajo de cientficos rusos, entre ellos Andrei Nikolaevich Kolmogorov.
Los precursores de esta escuela fueron Tchebyshev, Andri Andrievich Markov y
Aleksandr Mikhailovich Lyapunov, pero fue Kolmogorov el mximo exponente de este

movimiento, ste evalu en su primer trabajo, los estudios sobre probabilidades efectuados
entre los siglos XV y XVI, apoyndose en los trabajos de Thomas Bayes.
En 1927, una vez completas sus investigaciones sobre suficiencia y condiciones necesarias
de la ley de los grandes nmeros, iniciada por James Bernoulli. En 1930 se hace eco de la
Ley Fuerte de los grandes nmeros de Cantelli y trabaja para mejorarla y generalizarla. En
1950 finaliza uno de los trabajos ms importantes en Estadstica.
Los principales exponentes de la escuela estadounidense especializada en esta rama son
William Feller, quien se destac por sus numerosos estudios acerca del teorema central del
lmite, de igual manera sobresale Nortber Wiener, quien desarroll una medida de las
probabilidades para conjuntos de trayectorias que son diferenciables en ningn punto,
asociando una probabilidad a cada conjunto de trayectorias. (Bernab)
Distribucin de Probabilidades
Una distribucin de probabilidad indica toda la gama de valores que pueden
representarse como resultado de un experimento si ste se llevase a cabo. Es decir, describe
la probabilidad de que un evento se realice en el futuro, constituye una herramienta
fundamental para la prospectiva, puesto que se puede disear un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos fenmenos
naturales. (S.N.)
Toda distribucin de probabilidad es generada por una variable (porque puede tomar
diferentes valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de
dos tipos:

Variable aleatoria discreta (x):

Porque solo puede tomar valores enteros y un nmero finito de ellos. Por ejemplo:
X Variable que nos define el nmero de alumnos aprobados en la materia de
probabilidad en un grupo de 40 alumnos (1, 2 ,3 los 40).

Variable aleatoria continua (x):

Porque puede tomar tanto valores enteros como fraccionarios y un nmero infinito
de ellos dentro de un mismo intervalo. Por ejemplo: x es la Variable que nos define
la concentracin en gramos de plata de algunas muestras de mineral (14.8 gr, 12.1,
10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, , n).

Distribucin Normal
La distribucin normal es tambin un caso particular de probabilidad de variable
aleatoria continua, fue reconocida por primera vez por el francs Abraham de Moivre
(1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elabor desarrollos ms
profundos y formul la ecuacin de la curva; de ah que tambin se le conozca, ms
comnmente, como la "campana de Gauss". La distribucin de una variable normal est
completamente determinada por dos parmetros, su media () y su desviacin estndar.
(S.N.)
Distribucin Binomial
La distribucin Binomial es un caso particular de probabilidad de variable aleatoria
discreta, y por sus aplicaciones, es posiblemente la ms importante. Esta distribucin
corresponde a la realizacin de un experimento aleatorio que cumple con las siguientes
condiciones:

Al realizar el experimento slo son posible dos resultados: el suceso A, llamado

xito, y el suceso B, llamado fracaso.

Al repetir el experimento, el resultado obtenido es independiente de los resultados

obtenidos anteriormente.

La probabilidad del suceso A es constante, es decir, no vara de una prueba del

experimento a otra.

En cada experimento se realizan n pruebas idnticas.

Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la
distribucin Binomial o distribucin de Bernoulli. (S.N.)
Distribucin de Poisson
En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de
probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado nmero de eventos durante cierto perodo de
tiempo. Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeas, o sucesos "raros". (Distribucin de Poisson)
La distribucin de Poisson debe su nombre a Simon Denis Poisson (1781-1840), un
francs que la desarroll a partir de los estudios que realiz durante la ltima etapa de su

vida. Es til cuando tratamos con cantidades de ocurrencia de un evento a lo largo de un

intervalo de tiempo o espacio especificado.
Distribucin t de Student
En probabilidad y estadstica, la distribucin t es una distribucin de probabilidad que
surge del problema de estimar la media de una poblacin normalmente distribuida cuando
el tamao de la muestra es pequeo. (Distribucin t de Student)
Las Probabilidades en la Toma de Decisiones
La probabilidad se deriva del verbo probar lo que significa "averiguar" lo que no es tan
fcil de obtener o entender. El concepto de probabilidad ocupa un lugar muy importante en
el proceso de toma de decisiones, ya sea que el problema es enfrentado en una compaa,
en el gobierno, en las ciencias sociales, o simplemente en nuestra vida diaria; En muy pocas
situaciones de toma de decisiones existen informacin perfectamente disponible, porque la
mayora de las decisiones son hechas de cara a la incertidumbre.
Los modelos probabilisticos estn ampliamente basados en aplicaciones estadsticas para
la evaluacin de eventos incontrolables (o factores), as como tambin la evaluacin de
riesgo de sus decisiones. La evaluacin de riesgo cuantifica la brecha de informacin entre
lo que es conocido y lo que se necesita saber para tomar una decisin ptima. En los
modelos probabilisticos, el riesgo significa incertidumbre para la cual la distribucin de
probabilidad es conocida. Por lo tanto, la evaluacin de riesgo significa un estudio para
determinar los resultados de las decisiones junto a sus probabilidades.
Toma de decisiones bajo condiciones de incertidumbre
La toma de decisiones bajo incertidumbre se presenta cuando no puede predecirse
fcilmente el futuro sobre la base de experiencias pasadas. A menudo se presentan muchas
variables incontrolables. Algunas veces es posible consolidar los efectos de esas variables
no controlables en trminos de su distribucin de probabilidad. La toma de decisiones bajo
incertidumbre implica que no se conoce la probabilidad de que prevalezca uno u otro de los
estados de resultado. Frecuentemente sin embargo, quienes toman decisiones cuentan con
informacin acerca de la probabilidad de que ocurra cada estado de resultado, aun cuando
no sepan con certeza el estado del resultado real.

Bibliografa
Bernab, G. (s.f.). Blog de Gerardo Bernab Mate V. Recuperado el 2008, de
http://gbbbprobyest.blogspot.com/2012/11/breve-historia-de-laprobabilidad.html
Distribucin de Poisson. (s.f.). Obtenido de Wikipedia.com:
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
Distribucin t de Student. (s.f.). Obtenido de Wikipedia.com:
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_t_de_Student
Herrera, R. (s.f.). Monografias. Obtenido de
http://www.monografias.com/trabajos32/teoria-probabilidades/teoriaprobabilidades.shtml#intro
Introduccin al Calculo de las Probabilidades. (s.f.). Obtenido de Universidad de
Granada:
http://www.ugr.es/~eues/webgrupo/Docencia/MonteroAlonso/estadisticaII
/tema1.pdf
S.N. (s.f.). Galeon.com. Obtenido de:
http://metodoscuantitativo2.galeon.com/enlaces2218784.html