Consultar ensayos de calidad


Leyes de probabilidad - probabilidad - punto muestral punto muestral



Probabilidad

Es una medida numérica de la posibilidad de que ocurra un evento. Las medidas de la probabilidad siempre se asignan de 0 a 1.
Una probabilidad cerca a 0 indica que es poco probable que ocurra un evento y una probabilidad cerca de 1 indica que es casi seguro de que ocurra el evento.

EXPERIMENTO

Cualquier proceso que genere resultados bien definidos.


ESPACIO MUESTRAL
Conjunto de todos los puntos muestrales.
Es decir el conjunto de todos los resultados posibles para el mismo.

PUNTO MUESTRAL PUNTO MUESTRAL
Es un resultado experimental y también un elemento del espacio muestral.

Teoría de la probabilidad
La probabilidad constituye un importante parametro en la determinación de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadístico.


Existen diversas formas como método abstracto, como la teoría Dempster-Shafer y la teoría de la relatividad numérica, esta última con un alto grado de aceptación si se toma en cuenta que disminuye considerablemente las posibilidades hasta un nivel mínimo ya que somete a todas las antiguas reglas a una simple ley de relatividad.[cita requerida]
La probabilidad de un evento se denota con la letra p y se expresa en términos de una fracción y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra parte, la probabilidad de que un evento 'no ocurra' equivale a 1 menos el valor de p y se denota con la letra q

Los tres métodos paracalcular las probabilidades son la regla de la adición, la regla de la multiplicación y la distribución binomial.

Regla de la adición
La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia de cualquier evento en particular es igual a la suma de las probabilidades individuales, si es que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo tiempo.
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.
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.
Regla de la multiplicación
La regla de la multiplicación establece que la probabilidad de ocurrencia de dos o mas eventos estadísticamente independientes es igual al producto de sus probabilidades individuales.
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
Regla de Laplace
La regla de Laplace establece que:
La probabilidad de ocurrencia de un suceso imposible es 0.
La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A) = 1.
Para aplicar la regla de Laplace es necesario que los experimentos den lugar a sucesos equiprobables, es decir, que todos tengan o posean la misma probabilidad.
La probabilidad de que ocurra un suceso se calcula así
P(A) = Nº decasos favorables / Nº de resultados posibles
Esto significa que: la probabilidad del evento A es igual al cociente del número de casos favorables (los casos dónde sucede A) sobre el total de casos posibles.

Distribución binomial
La probabilidad de ocurrencia de una combinación específica de eventos independientes y mutuamente excluyentes se determina con la distribución binomial, que es aquella donde hay solo dos posibilidades, tales como masculino/femenino o si/no
1. Hay dos resultados posibles mutuamente excluyentes en cada ensayo u observación.
2. La serie de ensayos u observaciones constituyen eventos independientes.
3. La probabilidad de éxito permanece constante de ensayo a ensayo, es decir el proceso es estacionario.
Para aplicar esta distribución al calculo de la probabilidad de obtener un número dado de éxitos en una serie de experimentos en un proceso de Bermnoulli, se requieren tres valores: el número designado de éxitos (m), el número de ensayos y observaciones (n); y la probabilidad de éxito en cada ensayo (p).
Entonces la probabilidad de que ocurran m éxitos en un experimento de n ensayos es
P (x = m) = (nCm)(Pm)(1−P)n−m
Siendo: nCm el número total de combinaciones posibles de m elementos en un conjunto de n elementos.
En otras palabras P(x = m) = [n (m!(n−m)!)](pm)(1−p)n−m
Ejemplo. La probabilidad de que un alumno apruebe la asignatura Calculo de Probabilidades es de 0 . Si en un semestre intensivo se inscriben 15 alumnos¿Cual es la probabilidad de que aprueben 10 de ellos?
P(x = 10) = 15C10(0,15)10(0,85)5 = 10!/(10!(15−10)!)(0,15)10(0,85)5 = 7,68 * 10−6 Generalmente existe un interés en la probabilidad acumulada de 'm o mas ' éxitos o 'm o menos' éxitos en n ensayos. En tal caso debemos tomar en cuenta que:
P(x < m) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) +.+ P(x = m − 1)
P(x > m) = P(x = m+ 1) + P(x = m+ 2) + P(x = m+3) +.+ P(x = n)
P(x ≤ m) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) +.+ P(x = m)
P(x ≥ m) = P(x = m) + P(x = m+1) + P(x = m+2) +.+ P(x = n)
Supongamos que del ejemplo anterior se desea saber la probabilidad de que aprueben:
a.− al menos 5
b.− mas de 12
a.− la probabilidad de que aprueben al menos 5 es:
P(x ≥ 5) es decir, que:
1 - P(x < 5) = 1 - [P(x = 0)+P(x = 1)+P(x = 2)+P(x = 3)+P(x = 4)] =
1 - [0,0874 + 0,2312 + 0,2856 + 0,2184 + 0,1156] = 0,0618
Nota: Al menos, a lo menos y por lo menos son locuciones adverbiales sinónimas.
Ejemplo: La entrada al cine por lo menos tendra un costo de 10 soles (como mínimo podría costar 10 soles o mas).
b.− la probabilidad de que aprueben mas de 12 es P(x > 12) es decir, que:
P(x > 12) = P(x = 13)+P(x = 14)+P(x = 15)
P(x > 12) = 1,47 *10−9 +3,722 *10−11 +4,38 *10−13 = 1,507 *10−9
La esperanza matematica en una distribución binomial puede expresarse como:
E(x) = np = 15(0,15)=2,25
Y la varianza del número esperado de éxitos se puede calcular directamente:
Var(x) = np(1−p)=15(0,15)(1-0,15)=1,9125 Estadísticas y probabilidades, con sus diferentes diagramaciones como: diagrama de barras. diagrama de línea. y diagrama de círculos que se aplican de acuerdo al tipo de estadísticas y probabilidades matematicas.
Aplicaciones
Dos aplicaciones principales de la teoría de la probabilidad en el día a día son en el analisis de riesgo y en el comercio de los mercados de materias primas.
Los gobiernos normalmente aplican métodos probabilísticos en regulación ambiental donde se les llama 'analisis de vías de dispersión', y a menudo miden el bienestar usando métodos que son estocasticos por naturaleza, y escogen qué proyectos emprender basandose en analisis estadísticos de su probable efecto en la población como un conjunto. No es correcto decir que la estadística esta incluida en el propio modelado, ya que típicamente los analisis de riesgo son para una única vez y por lo tanto requieren mas modelos de probabilidad fundamentales, por ej. 'la probabilidad de otro 11-S'. Una ley de números pequeños tiende a aplicarse a todas aquellas elecciones y percepciones del efecto de estas elecciones, lo que hace de las medidas probabilísticas un tema político.
Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto generalizado sobre los precios del petróleo en Oriente Medio - que producen un efecto dominó en la economía en conjunto. Un calculo por un mercado de materias primas en que la guerra es mas probable en contra de menosprobable probablemente envía los precios hacia arriba o hacia abajo e indica a otros comerciantes esa opinión. Por consiguiente, las probabilidades no se calculan independientemente y tampoco son necesariamente muy racionales. La teoría de las finanzas conductuales surgió para describir el efecto de este pensamiento de grupo en el precio, en la política, y en la paz y en los conflictos.
Se puede decir razonablemente que el descubrimiento de métodos rigurosos para calcular y combinar los calculos de probabilidad ha tenido un profundo efecto en la sociedad moderna. Por consiguiente, puede ser de alguna importancia para la mayoría de los ciudadanos entender cómo se calculan los pronósticos y las probabilidades, y cómo contribuyen a la reputación y a las decisiones, especialmente en una democracia.
Otra aplicación significativa de la teoría de la probabilidad en el día a día es en la fiabilidad. Muchos bienes de consumo, como los automóviles y la electrónica de consumo, utilizan la teoría de la fiabilidad en el diseño del producto para reducir la probabilidad de avería. La probabilidad de avería también esta estrechamente relacionada con la garantía del producto.
Se puede decir que no existe una cosa llamada probabilidad. También se puede decir que la probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra ignorancia dada una situación. Por consiguiente, puede haber una probabilidad de 1 entre 52 de que la primera carta en unabaraja sea la J de diamantes. Sin embargo, si uno mira la primera carta y la reemplaza, entonces la probabilidad es o bien 100% ó 0%, y la elección correcta puede ser hecha con precisión por el que ve la carta. La física moderna proporciona ejemplos importantes de situaciones deterministas donde sólo la descripción probabilística es factible debido a información incompleta y la complejidad de un sistema así como ejemplos de fenómenos realmente aleatorios.
En un universo determinista, basado en los conceptos newtonianos, no hay probabilidad si se conocen todas las condiciones. En el caso de una ruleta, si la fuerza de la mano y el periodo de esta fuerza es conocido, entonces el número donde la bola parara sera seguro. Naturalmente, esto también supone el conocimiento de la inercia y la fricción de la ruleta, el peso, lisura y redondez de la bola, las variaciones en la velocidad de la mano durante el movimiento y así sucesivamente. Una descripción probabilística puede entonces ser mas practica que la mecanica newtoniana para analizar el modelo de las salidas de lanzamientos repetidos de la ruleta. Los físicos se encuentran con la misma situación en la teoría cinética de los gases, donde el sistema determinístico en principio, es tan complejo (con el número de moléculas típicamente del orden de magnitud de la constante de Avogadro ) que sólo la descripción estadística de sus propiedades es viable.
La mecanica cuantica, debido al principio deindeterminación de Heisenberg, sólo puede ser descrita actualmente a través de distribuciones de probabilidad, lo que le da una gran importancia a las descripciones probabilísticas. Algunos científicos hablan de la expulsión del paraíso cita requerida] Otros no se conforman con la pérdida del determinismo. Albert Einstein comentó estupendamente en una carta a Max Born: Jedenfalls bin ich überzeugt, daß der Alte nicht würfelt. (Estoy convencido de que Dios no tira el dado). No obstante hoy en día no existe un medio mejor para describir la física cuantica si no es a través de la teoría de la probabilidad. Mucha gente hoy en día confunde el hecho de que la mecanica cuantica se describe a través de distribuciones de probabilidad con la suposición de que es por ello un proceso aleatorio, cuando la mecanica cuantica es probabilística no por el hecho de que siga procesos aleatorios sino por el hecho de no poder determinar con precisión sus parametros fundamentales, lo que imposibilita la creación de un sistema de ecuaciones determinista.

Ley de la unión.

La probabilidad de una unión de eventos, la cual la podremos calcular de la siguiente manera
Propiedad 1. Si A y B son dos eventos, la probabilidad de que ocurra A o B es igual a la suma de las probabilidades de ocurrencia de A y de B, menos la probabilidad de que ocurran A y B simultaneamente. Es decir,


P(A u B) = P(A) + P(B) - P(A n B)


Ahora, si el caso es que los eventos sean mutuamente excluyentes setiene:

Si dos eventos, A y B, son mutuamente excluyentes entonces la probabilidad de que ocurra A o B es igual a la suma de las probabilidades de ocurrencia de A y de B. Es decir


P(A u B) = P(A) + P(B)


Ley de la probabilidad contraria o del complemento
Otra propiedad que se deriva de las anteriores es cuando se busca la probabilidad del complemento de un evento E, que denotaremos como ~E:
Si E es un evento y ~E su complemento, entonces


P(~E) = 1 - P(E)


Ley de la dependencia de los eventos.
La probabilidad de que ocurra un evento A dado que ocurrió el evento B (el evento A depende del evento B), denotado P(A|B), es:

P(A|B) = P (A n B) / P (B)


Esta propiedad no es conmutativa, situación que sí ocurre con la probabilidad de unión o la intersección de eventos, por lo que no hay que confundir P(A|B) y P(B|A).


Ley de la independencia de eventos

Dos eventos A y B son independientes si y sólo si


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

o, que es lo mismo:

P(A n B) = P(A) · P(B)
















INTRODUCCIÓN

El objetivo de esta investigación es conocer lo que son las leyes de la probabilidad y sus aplicaciones.
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 época. El desarrollo de estas herramientas fueasignado a los matematicos de la corte.
Con el tiempo estas técnicas matematicas se perfeccionaron y encontraron otros usos muy diferentes para la que fueron creadas. Actualmente se continúo con el estudio de nuevas metodologías que permitan maximizar el uso de la computación en el estudio de las probabilidades disminuyendo, de este modo, los margenes de error en los calculos.
A través de la historia se han desarrollado tres enfoques conceptuales diferentes para definir la probabilidad y determinar los valores de probabilidad.














CONCLUSIÓN

La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La teoría de la probabilidad se usa extensamente en areas como la estadística, la física, la matematica, la ciencia y la filosofía para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecanica subyacente de sistemas complejos.

La probabilidad constituye un importante parametro en la determinación de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadístico.











Política de privacidad