Universidad de San Carlos de Guatemala

Universidad de San Carlos de Guatemala
Centro Universitario del Norte

Contaduría Pública y Auditoria
Ronaldo Alexander Cú
PROBABILIDADES Y DISTRIBUCIÓN DE PROBABILIDADES

La probabilidad es un método por el cual se obtiene la frecuencia de un acontecimiento
determinado mediante la realización de un experimento aleatorio, del que se conocen todos
los resultados posibles, bajo condiciones suficientemente estables.
La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la

matemática, las ciencias y la filosofía para sacar conclusiones sobre la probabilidad discreta
de sucesos potenciales y la mecánica subyacente discreta de sistemas complejos, por lo
tanto es la rama de las matemáticas que estudia, mide o determina a los experimentos o
fenómenos aleatorios.
LA PROBABILIDAD EN LA INVESTIGACIÓN
PROBABILIDAD DE UN EVENTO
La probabilidad del evento es la probabilidad de que ocurra un resultado o evento
específico. Lo opuesto de un evento es un no evento. La probabilidad del evento también se
conoce como probabilidad pronosticada. La probabilidad del evento estima la probabilidad
de que ocurra un evento, como sacar un as de un mazo de cartas o producir una pieza no
conforme. La probabilidad de un evento varía de 0 (imposible) a 1 (seguro).
Cada ejecución en un experimento se denomina ensayo. Por ejemplo, si lanza una moneda
al aire 10 veces y registra el número de caras, realiza 10 ensayos del experimento. Si los
ensayos son independientes e igual de probables, usted puede estimar la probabilidad del
evento dividiendo el número de eventos entre el número total de ensayos. Por ejemplo, si
obtiene 6 caras en 10 lanzamientos de moneda, la probabilidad estimada del evento
(obtener caras) es:
Número de eventos ÷ Número de ensayos = 6 ÷ 10 = 0.6
Una probabilidad de evento acumulada estima la probabilidad de que ocurra un conjunto de

eventos (por ejemplo, la probabilidad de obtener 4 o menos al lanzar un dado, lo cual
representa la suma de la probabilidad de obtener 1, 2, 3 y 4).
SISTEMA COMPLETO DE EVENTOS

En cualquier espacio muestral se pueden observar múltiples sucesos. Sin embargo, es
extraordinariamente importante poder considerar en el conjunto total del espacio una
determinada disposición de sucesos sencillos de manera que no se solapen unos con otros y
tal que la unión de ellos cubran totalmente y sin ambigüedad a todo el espacio muestral. En
este sentido, si por ejemplo pensamos en el espacio muestral de los resultados posibles del
lanzamiento de un dado, los sucesos elementales: {1} , {2}, {3}, {4}, {5} y {6} cumplen
las condiciones anteriores, pero no serían los únicos. Otras formas de "dividir" el espacio
muestral con estas premisas podrían ser:
{salir par} , {salir impar}
{salir menor de 3}, {salir mayor o igual de 3}
{salir primo}, {no salir primo}
¿Qué descomposición utilizar?, obviamente dependerá de lo que se pregunte en cada
problema, pero como veremos más adelante, la disposición de esta manera del espacio
muestral será primordial desde un punto de vista práctico.
Cuando un conjunto de sucesos cubren totalmente un experimento aleatorio y además estos
sucesos no tienen ningún elemento en común, estamos hablando de un sistema completo de
sucesos. En el lenguaje matemático, se dice que los sucesos A1 , A2 , A3 , .....An ,
constituyen un sistema completo de sucesos para un determinado experimento aleatorio si
y solo si la unión de todos ellos es igual a todo el espacio muestral y además son
incompatibles dos a dos; esto es: la intersección de cualquier pareja de los mismos es vacía.
Si se tiene un sistema completo de sucesos, en base a él, cualquier otro suceso se puede
descomponer en sucesos independientes, para ello basta intersecar este suceso con cada uno
de los del sistema completo.
En la imagen anterior podemos observar cómo se ha realizado una partición del suceso en
cuatro sucesos independientes y consecuentemente la probabilidad de ese suceso se puede
obtener como la suma de las probabilidades de cada uno de ellos:
REGLAS DE PROBABILIDAD
Probabilidad total
Sean A y B dos sucesos definidos en el experimento E, cada uno de los cuales puede
presentarse o no cada vez que se realiza el experimento. Plantee estos dos sucesos en cada
uno de los experimentos dados.
Nos interesa considerar el suceso aparición de “al menos uno de ellos”
Es decir, el suceso se cumplirá si aparece A, si lo hace B o si lo hacen ambos.
Para calcular esta probabilidad se pueden presentar dos casos:

Se puede obtener para tres sucesos y luego generalizar más.

Probabilidad condicional
Hay situaciones en las que interesa calcular la probabilidad de sucesos que tienen cierta
información con respecto a un experimento. Dicha información reduce el espacio muestra
original a uno de sus subconjuntos. De esta forma la probabilidad de un suceso será
diferente si se tiene o no información adicional. Así por ejemplo, un animal elegido de
aquellos que están vacunados tendrá una probabilidad mayor de no contraer la enfermedad
que aquel seleccionado entre el conjunto total de animales. Este tipo de probabilidad se
denomina probabilidad condicional y se expresa:
P(A / B) que se lee: probabilidad de que habiendo ocurrido B ocurra A, o probabilidad de A
habiendo ocurrido B.

Probabilidad compuesta o conjunta
La probabilidad condicional estudiada nos conduce a observar reglas de probabilidad para

sucesos conjuntos, es decir, la probabilidad de que dos o más sucesos aparezcan al mismo
tiempo.
Dado que:

Se debe introducir en este momento un concepto nuevo: el de sucesos independientes.
Dos sucesos se dicen independientes si la probabilidad de ocurrencia de uno no es afectada

por la ocurrencia del otro. Luego
DISTRIBUCIÓN BINOMIAL
Una distribución binomial es una distribución de probabilidad discreta que describe el
número de éxitos al realizar n experimentos independientes entre sí, acerca de una variable
aleatoria.
Existen una gran diversidad de experimentos o sucesos que pueden ser caracterizados bajo
esta distribución de probabilidad. Imaginemos el lanzamiento de una moneda en el que
definimos el suceso “sacar cara” como el éxito. Si lanzamos 5 veces la moneda y contamos
los éxitos (sacar cara) que obtenemos, nuestra distribución de probabilidades se ajustaría a
una distribución binomial.
Por lo tanto, la distribución binomial se entiende como una serie de pruebas o ensayos en la
que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra variable
aleatoria.
Propiedades de la distribución binomial

Para que una variable aleatoria se considere que sigue una distribución binomial, tiene que
cumplir las siguientes propiedades:
En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o fracaso).
La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra p. La
probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es constante dado que la
moneda no cambia en cada experimento y las probabilidades de sacar cara son constantes.
La probabilidad de fracaso ha de ser también constate. Esta se representa mediante la letra q
= 1-p. Es importante fijarse que mediante esa ecuación, sabiendo p o sabiendo q, podemos
obtener la que nos falte.
El resultado obtenido en cada experimento es independiente del anterior. Por lo tanto, lo

que ocurra en cada experimento no afecta a los siguientes.
Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar una moneda salga
cara y cruz al mismo tiempo.
Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de ocurrir.
Si no se es hombre, se es mujer y, si se lanza una moneda, si no sale cara ha de salir cruz.
La variable aleatoria que sigue una distribución binomial se suele representar como
X~(n,p), donde n representa el número de ensayos o experimentos y p la probabilidad de
éxito.
Formula de la distribución binomial
La fórmula para calcular la distribución normal es:

Donde:
n = Número de ensayos/experimentos
x = Número de éxitos
p = Probabilidad de éxito
q = Probabilidad de fracaso (1-p)
Es importante resaltar que la expresión entre corchetes no es una expresión matricial, sino
que es un resultado de una combinatoria sin repetición. Este se obtiene con la siguiente
formula:
El signo de exclamación en la expresión anterior representa el símbolo de factorial.
DISTRIBUCIÓN NORMAL
La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el valor
de una variable aleatoria a una situación ideal.
En otras palabras, la distribución normal adapta una variable aleatoria a una función que
depende de la media y la desviación típica. Es decir, la función y la variable aleatoria
tendrán la misma representación pero con ligeras diferencias.
Una variable aleatoria continua puede tomar cualquier número real. Por ejemplo, las
rentabilidades de las acciones, los resultados de un examen, el coeficiente de inteligencia
IQ y los errores estándar son variables aleatorias continuas.
Una variable aleatoria discreta toma valores naturales. Por ejemplo, el número de
estudiantes en una universidad.
La distribución normal es la base de otras distribuciones como la distribución t de Student,

distribución ji-cuadrada, distribución F de Fisher y otras distribuciones.
Fórmula de la distribución normal

Dada una variable aleatoria X, decimos que la frecuencia de sus observaciones puede
aproximarse satisfactoriamente a una distribución normal tal que:
Variable aleatoria X aproximada a una distribución normal.

Donde los parámetros de la distribución son la media o valor central y la desviación típica:
Parámetros de una distribución normal.
En otras palabras, estamos diciendo que la frecuencia de una variable aleatoria X puede
representarse mediante una distribución normal.
Representación
Función de densidad de probabilidad de una variable aleatoria que sigue una distribución
normal.
Función de densidad de una distribución normal.

Propiedades
Es una distribución simétrica. El valor de la media, la mediana y la moda coinciden.
Matemáticamente,
Media = Mediana = Moda
Distribución unimodal. Los valores que son más frecuentes o que tienen más probabilidad
de aparecer están alrededor de la media. En otras palabras, cuando nos alejamos de la
media, la probabilidad de aparición de los valores y su frecuencia descienden.
¿Qué necesitamos para representar una distribución normal?
Una variable aleatoria.
Calcular la media.
Calcular la desviación típica.
Decidir la función que queremos representar: función de densidad de probabilidad o
función de distribución.

Universidad de San Carlos de Guatemala

Cargado por

Copyright:

Formatos disponibles

Universidad de San Carlos de Guatemala

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Universidad de San Carlos de Guatemala

Cargado por

Copyright:

Formatos disponibles

Universidad de San Carlos de Guatemala

Centro Universitario del Norte

PROBABILIDADES Y DISTRIBUCIÓN DE PROBABILIDADES

La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la

Número de eventos ÷ Número de ensayos = 6 ÷ 10 = 0.6

Una probabilidad de evento acumulada estima la probabilidad de que ocurra un conjunto de

SISTEMA COMPLETO DE EVENTOS

Nos interesa considerar el suceso aparición de “al menos uno de ellos”

Es decir, el suceso se cumplirá si aparece A, si lo hace B o si lo hacen ambos.

Para calcular esta probabilidad se pueden presentar dos casos:

La probabilidad condicional estudiada nos conduce a observar reglas de probabilidad para

Se debe introducir en este momento un concepto nuevo: el de sucesos independientes.

Dos sucesos se dicen independientes si la probabilidad de ocurrencia de uno no es afectada

Propiedades de la distribución binomial

El resultado obtenido en cada experimento es independiente del anterior. Por lo tanto, lo

La fórmula para calcular la distribución normal es:

El signo de exclamación en la expresión anterior representa el símbolo de factorial.

La distribución normal es la base de otras distribuciones como la distribución t de Student,

Fórmula de la distribución normal

Variable aleatoria X aproximada a una distribución normal.

Función de densidad de una distribución normal.

También podría gustarte