RECONOCIMIENTO CONTENIDO DEL CURSO

PRESENTADO POR:
BERTA INES GONZALEZ GUIZAO
CODIGO: 1.063.362.485

GRUPO
100402_253

TUTORA
ZORAIDA MONSALVE

UNIVERSIDAD ABIERTA Y A DISTANCIA

CCAV DE SAHAGÚN-CÓRDOBA
2018
 INTRODUCCION

En nuestro diario vivir surgen 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 resultará cara y otro sello. Estos
fenómenos, denominados aleatorios, se ven afectados por la incertidumbre.

Por eso conocer y distinguir cada uno de los conceptos de la probabilidad y sus
aplicaciones son de vital importancia para aclarar todas las dudas y especulaciones que
se hagan frente un caso aleatorio.
 OBJETIVOS

Objetivo general

Conocer las diferentes tipos de variables continuas y discretas, manejo de tablas,

distribuciones multivalentes e identificar la distribución de probabilidad de funciones de
variables aleatorias por diferentes métodos.

Objetivos específicos

 Probar y aplicar correctamente los teoremas básicos de probabilidad.

 Entender el concepto de variable aleatoria.
 Conocer los diferentes tipos de variables, discretas y continuas, calculando la
esperanza y la varianza, para cada una de ellas
 Aplicar los conceptos de probabilidad y su importancia a nuestra vida cotidiana
 Determinista: un experimento que s i empre que
s e repita con las mismas condiciones i nicia l es s e
CLASES obti ene i gua l res ul ta do.
Aleatorio: cua ndo a l repetirs e con l a s mi s ma s
condi ciones inici a l es , no s e puede predeci r el
res ultado. (Ejemplo: l anzar un dado o extraer una
ca rta ).
Es el conjunto formado por todos l os res ul ta dos  Sucesos elementales Es tá n forma dos
P pos i bl es de un experi mento o fenómeno por un s ól o el emento del es pa ci o
ESPACIO
mues tral, por ejemplo, a l lanzar un dado
R , MUESTRAL a l eatorio. Lo denotamos con l a l etra . Ejempl o:
l a nza r una moneda , l a nza r dos da dos que ocurra el s uces o "s a ca r nº 3
O  Sucesos compuestos s on l os que e s tá n
forma dos por dos o má s s uces os
B Es ca da uno de l os s ubconjuntos del es pa ci o el ementa l es . Por ejempl o: "s a ca r
mues tra l . Pa ra des i gna r cua l qui er s uces o, número impar al lanzar un dado" {1, 3, 5}
SUCESOS
A tambi én l l a ma do s uces o a l ea tori o, de un  Suceso seguro es el que s e veri fi ca a l
experi mento a l ea tori o uti l i za remos l etra s rea lizar el experimento a l ea tori o. Es tá
B ma yús cul a s . forma do por todos l os res ul tados
pos ibles del experi mento y, por ta nto,
I coi nci de con el es pa ci o mues tra l .
 Suceso imposible es a quel s uces o que
L nunca se cumpl e cua ndo s e rea l i za el
I experi mento. Se repres enta por .

D Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro evento B puede
A n2 ma neras diferentes entonces, e l número total de forma s di ferentes en que a mbos eventos
pueden ocurri r en el orden i ndi ca do, es i gua l a n1 x n2.
D
 La técnica de la multiplicación
 La técni ca a di ti va
 La técni ca de l a s uma o Adi ci ón
 La técni ca de l a permuta ci ón
 La técni ca de l a combi na ci ón.
  Probabilidad Clásica: l a probabilidad clásica de un evento es la ra zón entre el número de ca sos
fa vora bles (suceso) y el número total de casos posibles (sucesos)
1
.𝑃 𝐴 =
𝑛

 Probabilidad Empírica o Frecuencia: es a quella que s e determina de forma experimental, al repetir un

experimento bajo las mismas condiciones
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑎𝑝𝑎𝑟𝑒𝑐𝑒 𝐴
𝑃𝑓 𝐴 =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎 𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜
P
R
 Probabilidad subjetiva: s e refiere a l a probabilidad de ocurrencia de un s uceso basado en la experiencia
O
previ a, l a opinión personal o l a intuición del individuo .
B
A
B
 Pa ra eventos mutuamente excluyentes
I 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵
L
 Regl a de l a Adi ci ón  Pa ra eventos que no son mutuamente excluyentes
I
𝑃 𝐴 ∪𝐵 = 𝑃 𝐴 + 𝑃 𝐵 −𝑃 𝐴∩ 𝐵
D
A
D

 Proba bilidades bajo condiciones de independencia

 Reglas de Multiplicación es tadística
𝑃 𝐴 ∩𝐵 = 𝑃 𝐴 ∗ 𝑃 𝐵

 Proba bilidades bajo condiciones de dependencia

es tadística
𝐵 𝐴
𝑃 𝐵∩𝐴 =𝑃 ∗𝑃 𝐴 Ó 𝑃 𝐵∩𝐴 =𝑃 ∗𝑃 𝐵
𝐴 𝐵
 Es l a suma exhaustiva de las probabilidades de todos l os casos mutuamente excluyentes que
conducen a dicho evento,
P PROBABILIDAD 𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐴1 + 𝑃 𝐵 ∩ 𝐴2 + ⋯ + 𝑃 𝐵 ∩ 𝐴𝑛
R TOTAL
O 𝐵 𝐵 𝐵
𝑃 𝐵 =𝑃 ∗ 𝑃 𝐴1 + 𝑃 ∗ 𝑃 𝐴2 + ⋯ + 𝑃 ∗ 𝑃 𝐴𝑛
B 𝐴1 𝐴2 𝐴𝑛
A
B
I
L
I
D Nos expresa la posibilidad que ocurra un suceso determinado, condicionado a que el s uceso
A ya ha ocurri do
D TEOREMA DE 𝐵
𝑃 𝐴𝑖 ∗ 𝑃 𝐴
BAYES 𝐴𝑖 𝑖
𝑃 =
𝐵 𝐵 𝐵 𝐵
𝑃 𝐴1 ∗ 𝑃 𝐴 + 𝑃 𝐴2 ∗ 𝑃 𝐴 + ⋯ + 𝑃 𝐴𝑛 ∗ 𝑃 𝐴
1 2 𝑛
 Resumen de la unidad 1
Nociones elementales de probabilidad

El concepto de probabilidad puede ser interpretado como algo indefinible, un grado de

creencia que uno tiene de las ocurrencias de un suceso, con base en la experiencia que
se tenga. Son pronósticos que hacemos con la esperanza de que sucedan.

Los juegos de azar se remontan al siglo XVII cuando Antoine Gombauld, quien pensó
haber descubierto una táctica infalible de jugar los dados, pero no fue así al ver la
situación de pérdidas se obligó a consultar a Blas Pascal y a Pierre de Fernat iniciándose
así poco a poco una ciencia bien fundamentada.

En la actualidad las probabilidades guardan una estrecha relación con la teoría de

conjuntos, debido a la incertidumbre que siempre se tiene en la toma de decisiones, el
uso de las predicciones es de gran utilidad cuando se realizan investigaciones por
muestreo.
Las probabilidades conjuntamente con la estadística tienen infinidad de aplicaciones a
problemas de economía y ciencias sociales, se habla de posibilidades y probabilidades, la
comparación entre el número de resultados favorables con los desfavorables, en el
segundo es el cociente entre el numero favorable sobre el total de casos posibles.

Método axiomático: el cual concibe la probabilidad de ocurrencia de un suceso

comprendido entre 0 y 1 esta relacionado con la noción de frecuencia donde 0<h<1.

Supongamos que se lanza 100 veces una moneda anotamos el número de veces que
sale cara y las veces que sale sello
Frecuencia absoluta cara 56 sello 44
Frecuencia relativa 56/100 44/100
Probabilidad p = 56% p = 44%

Escala de valores de y 0 la probabilidad igual a uno corresponde al límite superior certeza

absoluta. El otro extremo igual a 0 se considera imposibilidad absoluta
Si la probabilidad fuera 0 o 1 no habría problema.

 Si la probabilidad es igual a 0,5 será un hecho dudoso

 Hecho inverosímil es menor que 0,5 y mayor que 0
 Hecho imposible es cuando no existe posibilidad alguna de favorecer.
Método empírico: cuando se aproxima cada vez más la frecuencia relativa de la
ocurrencia de un exceso este concepto tiene algo que ver con el experimento quetelet.

Probabilidad empírica se determina mediante una serie de experimentos la probabilidad

del éxito de una operación quirúrgica
La probabilidad teórica se aplica a algo que no existe en la práctica.
Método Clásico: considera la probabilidad como un cociente de dividir al número de
casos favorables por el total de casos posibles y que anteriormente se definía como
empírico.

Probabilidad de priori: es aquella que se puede determinar de antemano sin necesidad de

realizar el experimento.

Probabilidad Objetiva o Subjetiva: son las obtenidas mediante el método empírico y

método clásico comúnmente se denominan como probabilidades objetivas ya que se toma
de la experiencia es decir de las repeticiones de los hechos.

Probabilidad con base en las frecuencias relativas: es otro concepto probabilístico que
consiste en la observación que nos determina n el momento que ocurrieron eventos
semejantes el pasado que permiten establecer que ocurran en el futuro.

Resumen de la unidad 2

Concepto de variable aleatoria

Una variable aleatoria es pues, una función que asigna un número real a
cada resultado en el espacio muestral de un experimento aleatorio. Ellas
se denotan con una letra mayúscula, tal como X.

Se dice que X es aleatoria porque involucra la probabilidad de los

resultados del espacio muestral, y se define X como una función porque
transforma todos los posibles resultados del espacio muestral en cantidades
numéricas reales.

Ejemplo 1.

Considere el lanzamiento de una moneda. El espacio muestral de este

experimento aleatorio está constituido por dos resultados: cara y sello.

Si se define X(cara)=0 y X(sello)=1, se transforman los dos posibles

resultados del espacio muestral en cantidades numéricas reales.

De esta manera P(X=0) representa la probabilidad de que el resultado al

lanzar la moneda es cara.
Variable aleatoria discreta

Definición Se dice que una variable aleatoria es discreta si toma un número finito o a lo
más numerable de valores:

En este caso la ley de la variable aleatoria es la ley de probabilidad sobre el conjunto

de los valores posibles de que asocia la probabilidad al singleton

.
En la práctica el conjunto de los valores que puede tomar es o una parte de .

Determinar la ley de una variable aleatoria discreta es:

1. Determinar el conjunto de los valores que puede tomar .

2. Calcular para cada uno de estos valores .

Lección 18: variable aleatoria continua

En el tema anterior se presentó el concepto de variable aleatoria como una

función de valor que asigna un número real finito (o infinito contable) a
cada resultado en el espacio muestral de un experimento aleatorio;
variables aleatorias que han sido denominadas discretas. En este tema,
donde las variables aleatorias pueden tomar valores en una escala
continua, el procedimiento es casi el mismo.

Se dice que una variable aleatoria X es continua si el número de

valores que puede tomar están contenidos en un intervalo (finito o infinito)
de números reales.
 Dichos valores pueden asociarse a mediciones en una escala continua, de
manera que no haya huecos o interrupciones.

En algunos casos, la variable aleatoria considerada continua en realidad es

discreta, pero como el rango de todos los valores posibles es muy grande,
resulta más conveniente utilizar un modelo basado en una variable aleatoria
continua.

La distribución de probabilidad de una variable aleatoria continua X está

caracterizada por una función f(x) que recibe el nombre de función de
densidad de probabilidad. Esta función f(x) no es la misma función de
probabilidad de una variable aleatoria discreta.

La gráfica de la función f(x) es una curva que se obtiene para un

número muy grande de observaciones y para una amplitud de intervalo
muy pequeña. Recuerde que la gráfica de una función de probabilidad de
una variable aleatoria discreta es escalonada, dando la sensación de
peldaños en ascendencia (ver figura 1.1. (a)).

Esta función de densidad de probabilidad f(x) permite calcular el área bajo la

curva que representa la probabilidad de que la variable aleatoria
continua X tome un valor entre el intervalo donde se define la función.

Valor esperado y varianza de una variable aleatoria

El valor esperado o esperanza de una variable aleatoria tiene su origen en los juegos de
azar, debido a que los jugadores deseaban saber cual era su esperanza de ganar o
perder con un juego determinado. Como a cada resultado particular del juego le
corresponde una probabilidad determinada, esto equivale a una función de probabilidad
de una variable aleatoria y el conjunto de todos los resultados posibles del juego estará
representado por la distribución de probabilidad de la variable aleatoria. El valor esperado
o esperanza es muy importante, ya que es uno de los parámetros que describen una
variable aleatoria.
Sea X una variable aleatoria discreta con función de probabilidades f(x). Entonces, el valor
esperado de la variable aleatoria X, el cual se representa por E(X), está definido por:
E(X) = å xi f(xi)

Lo anterior significa, que para calcular E(X) se multiplica cada valor que puede tomar la
variable aleatoria por la probabilidad que le corresponde y después se suman esos
productos.

Variables aleatorias discretas y continuas

RESUMEN CIPAS

(CIPAS) Círculos de Interacción y Participación Académica y Social

Son grupos de estudio que se conforman entre estudiantes y orientados por un docente,
estos se conforman para contribuir y mejorar el aprendizaje en temas académicos,
también para establecer vínculos sociales y afectivos en búsqueda del crecimiento
personal y colectivo.
Los CIPAS se registran en el centro para programar el acompañamiento de mediadores.

El papel de los monitores en estos grupos es motivar y dar inducción a la creación de los
CIPAS, dar apoyo a manejos de herramientas recursos tecnológicos.

El rol del docente es orientar a los estudiantes para el desarrollo de procesos de

aprendizaje, hacer seguimiento y evaluación de los procesos de los CIPAS.
 CONCLUSION

Nos encontramos en un mundo altamente probabilístico, por lo tanto se necesita que

nosotros como jóvenes tengamos conocimiento de probabilidades desde muy temprana
edad, ya que la utilizaremos a cada instante de nuestras vidas. Además, actualmente la
aplicación de la probabilidad es tan amplia que abarca múltiples campos científicos,
siendo de gran ayuda en la resolución de problemas en la Economía, Biología, Psicología,
Ingeniería, entre otras.
 REFERENCIAS BIBLIOGRAFICAS

Martínez, C. (2011). Estadística Básica Aplicada. Ecoe, 4a edición. Recuperado

de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=199&docID=1056035
5&tm=1489689688328

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 241 a 278. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=1101376
7&tm=1470693471527

M. Pliego López, R. M. Pérez, Estadística I (2004) 2nd ed., pp. 27-94. Madrid:
Paraninfo. Recuperado
de http://bibliotecavirtual.unad.edu.co:2081/ps/i.do?id=GALE%7CCX4052400006&v=2.1&u=unad
&it=r&p=GVRL&sw=w&asid=b039aa4c3b2b62b99f8129c3bb3ab609