UNIVERSIDAD DE CARTAGENA

CENTRO TUTORIAL CERETE

ESTADISTICA DESCRIPTIVA

GENERALIDADES DE PROBABILIDAD

INTEGRANTES: PAMELA CORREA, MAYRA TOUS, ESTHER

ALTAMIRANDA, RICHARD RAMOS.

ADMINISTRACION FINANCIERA

2024-11-17
INTRODUCCION

La probabilidad es una rama de las matemáticas que estudia la incertidumbre y el azar.

Desde sus orígenes en los juegos de azar hasta su aplicación en la ciencia, la economía y la
ingeniería, la probabilidad proporciona una base teórica sólida para entender y modelar
fenómenos aleatorios. Este trabajo tiene como objetivo explorar las generalidades de las
probabilidades, abordando conceptos fundamentales como eventos, espacios muestrales, y
medidas de probabilidad. Además, se discutirá la importancia de la probabilidad en la toma
de decisiones bajo incertidumbre y su papel en el análisis estadístico. La comprensión de
estos conceptos básicos es crucial para avanzar en el estudio de la estadística y otras
disciplinas que dependen del análisis de datos y la predicción de eventos futuros.
OBJETIVOS

OBJETIVOS GENERAL

• Consolidar los conocimientos sobre Generalidades de Probabilidades

OBJETIVOS ESPECIFICOS

• Analizar y definir los conceptos básicos de la probabilidad, incluyendo eventos,

espacio muestral, y medidas de probabilidad, para establecer una base sólida en el
estudio de fenómenos aleatorios.
• Desarrollar la habilidad de aplicar métodos y técnicas probabilísticas a problemas
prácticos y teóricos, utilizando herramientas matemáticas para calcular
probabilidades, combinaciones y permutaciones.
ACTIVIDAD #4

Desarrolle el siguiente taller teniendo en cuenta los conocimientos

adquiridos.

RESOLVER:

1. Coloque tres ejemplos de:

a. Probabilidad clásica

b. Frecuencia relativa

c. Probabilidad subjetiva.

2. Coloque dos ejemplos de Eventos:

a. Mutuamente Excluyente

b. No Excluyente

c. Independiente

d. Dependiente

e. Colectivamente Exhaustivo y

f. Complementario

3. Realice Diagrama de Árbol de:

a. Evento Independiente

b. Evento Dependiente
EJEMPLOS DE PROBABILIDAD CLÁSICA

EJERCICIO 1

En una caja hay una pelota azul, una verde, una roja, una amarilla y una negra. ¿Cuál es la
probabilidad de que, al sacar con los ojos cerrados una pelota de la caja, esta sea amarilla?

SOLUCIÓN

El evento «E» es sacar una pelota de la caja con los ojos cerrados (si se hace con los ojos
abiertos la probabilidad es 1) y que esta sea amarilla. Solo hay un caso favorable, dado que
solo hay una pelota amarilla. Los casos posibles son 5, puesto que hay 5 pelotas en la caja.

Por lo tanto, la probabilidad del evento «E» es igual a P(E) = 1 / 5. Como se puede
observar, si el evento es sacar una pelota azul, verde, roja o negra, la probabilidad también
será igual a 1/5. Por lo tanto, este es un ejemplo de probabilidad clásica.

OBSERVACIÓN

Si en la caja hubiese habido 2 pelotas amarillas entonces P(E) = 2/6 = 1/3, mientras que la
probabilidad de sacar una pelota azul, verde, roja o negra hubiese sido igual a1/6. Como no
todos los eventos tienen la misma probabilidad, entonces este no es un ejemplo de
probabilidad clásica.

EJERCICIO 2:

¿Cuál es la probabilidad de que, al lanzar un dado, el resultado obtenido sea igual a5?

SOLUCIÓN

Un dado posee 6 caras, cada una con un número diferente (1,2,3,4,5,6). Por lo tanto, hay 6
casos posibles y solo un caso es favorable. Entonces, la probabilidad de que al lanzar el
dado se obtenga 5 es igual a 1/6. Nuevamente, la probabilidad de obtener cualquier otro
resultado del dado también es igual a 1/6.

EJERCICIO 3:

En un salón de clases hay 8 niños y 8 niñas. Si la maestra escoge al azar un estudiante de su

salón, ¿cuál es la probabilidad de que el estudiante escogido sea una niña?
SOLUCIÓN

El evento «E» es escoger un estudiante al azar. En total hay 16 estudiantes, pero como se
quiere escoger una niña, entonces hay 8 casos favorables. Por lo tanto, P(E)= 8/16 = 1/2.
También en este ejemplo, la probabilidad de escoger un niño es 8/16=1/2. Es decir, que es
tan probable que el estudiante escogido sea una niña como que sean niño.

) EJEMPLOS DE FRECUENCIA RELATIVA1) EJEMPLO DE FRECUENCIA

RELATIVA (HI) PARA UNAVARIABLE DISCRETA

Supongamos que las notas de 20 alumnos de primer curso de economía son

lassiguientes:1,2,8,5,8,3,8,5,6,10,5,7,9,4,10,2,7,6,5,10. Por tanto, tenemos: Xi = Variable
aleatoria estadística, nota del examen de primer curso de economía. N = 20fi = Frecuencia
relativa (número de veces que se repite el suceso, en este caso la nota del examen).

Como resultado vemos que la frecuencia relativa nos da un resultado más visual al
relativizar la variable y nos permite juzgar si 4 personas de 20 es mucho o poco. Hay que
tener en cuenta, que, para una muestra de un tamaño tan pequeño, la anterior afirmación
puede parecer obvia, pero para muestras de tamaños muy grandes, esto podría no ser tan
obvio.
2)EJEMPLO DE FRECUENCIA RELATIVA (HI) PARA UNA
VARIABLECONTINUA

Supongamos que la altura de 15 personas que se presentan a las oposiciones del cuerpo de
policía nacional son las siguientes:1,82, 1,97, 1,86, 2,01, 2,05, 1,75, 1,84, 1,78, 1,91, 2,03,
1,81, 1,75, 1,77, 1,95, 1,73.

Para elaborar la tabla de frecuencias, los valores se ordenan de menor a mayor, pero en este
caso dado que la variable es continua y podría tomar cualquier valor de un espacio continuo
infinitesimal, hay que agrupar las variables por intervalos.

Por tanto, tenemos: Xi = Variable aleatoria estadística, altura de los opositores al cuerpo de
policía nacional.

N = 15fi = Frecuencia absoluta (número de veces que se repite el suceso en este caso, las
alturas que se encuentran dentro de un determinado intervalo).

hi = Frecuencia relativa (proporción que representa el valor i-ésimo en la muestra).

Frecuencia Relativa

Imagina que tienes un conjunto de datos, como las calificaciones de un grupo de

estudiantes en un examen. La frecuencia relativa nos indica qué proporción o porcentaje de
ese conjunto de datos corresponde a cada valor. Es decir, nos dice qué tan común es cada
calificación dentro del grupo.
Ejemplo:

Supongamos que tenemos las siguientes calificaciones de 20 estudiantes en un examen:

5, 7, 6, 8, 9, 7, 6, 5, 8, 7, 9, 10, 8, 7, 6, 5, 8, 9, 7, 6

Para calcular la frecuencia relativa, seguimos estos pasos:

Contar las repeticiones de cada calificación:

5: 4 veces

6: 5 veces

7: 6 veces

8: 4 veces

9: 3 veces

10: 1 vez

Interpretación:

El 20% de los estudiantes sacó 5.

El 25% de los estudiantes sacó 6.

El 30% de los estudiantes sacó 7.

Y así sucesivamente.

EJEMPLOS DE PROBABILIDAD SUBJETIVA

La probabilidad subjetiva está basada en una creencia, presentimiento o en una corazonada

de un suceso que no hay nada concreto que asegure que este va a ocurrir, pero aun así hay
algo en la persona que le hace inclinarse por un suceso en concreto, esto pueden ser
experiencias pasadas o simplemente un presentimiento. La probabilidad subjetiva no se
basa en números, estadísticas ni nada que requiera algún proceso o cálculo matemático.

Ejemplo 1:

Probabilidad de lluvia:

Un anciano de 70 años dice que es muy probable que llueva simplemente observando
algunos comportamientos de la naturaleza, a pesar de que el día no parezca nublado el
anciano está convencido que lloverá, aspectos como el comportamiento de las aves volando
hacia algún lado o el sonido inusual de algunos anfibios le convencen de que hoy lloverá.

Ejemplo 2

¿Es niño o niña?:

La abuela de un bebe que está por nacer asegura que el futuro bebé será una niña y no un
niño, la abuela se basa en los antojos de la madre, la forma del estómago de la madre y
otras características que ella ha podido observar durante el embarazo.

Ejemplo 3:

Probabilidad de ser contratado:

Un joven creyente fue a una entrevistade trabajo donde se encontró que había otras 30
personas aplicando al mismo puesto, a simple vista la probabilidad de ser contratado es
muy baja, pero el joven con confianza piensa que el trabajo será suyo.
Coloque dos ejemplos de Eventos:

a. Mutuamente Excluyentes:

Sacar una carta roja y una carta negra en una sola extracción de un mazo de cartas: No
puedes sacar ambas a la vez, son eventos que se excluyen mutuamente.

Lanzar un dado y obtener un número par y un número impar simultáneamente: Es

imposible que un mismo lanzamiento resulte en ambos números.

b. No Excluyentes:

Sacar una carta de corazones y una carta figura (rey, reina o jota) en una sola extracción:
Puedes sacar una carta que sea tanto de corazones como figura.

Elegir una persona al azar y que sea hombre y que use gafas: Una persona puede ser
hombre y usar gafas al mismo tiempo.

c. Independientes:

Lanzar una moneda dos veces y obtener cara en el primer lanzamiento y cruz en el
segundo: El resultado del primer lanzamiento no afecta al segundo.

Sacar una bola roja de una urna y luego, sin reposición, sacar una bola blanca de otra urna:
El resultado de la primera extracción no influye en la segunda, ya que las urnas son
diferentes.

d. Dependientes:

Sacar dos cartas de un mazo sin reposición y que ambas sean ases: La probabilidad de sacar
el segundo as depende de si sacaste el primero o no.
Elegir dos personas al azar de un grupo y que ambas sean mayores de 60 años: La
probabilidad de que la segunda persona sea mayor de 60 depende de si la primera lo era.

e. Colectivamente Exhaustivos:

Al lanzar un dado, obtener un número del 1 al 6: Los posibles resultados cubren todas las
opciones posibles.

Clasificar a un grupo de personas por su color de ojos (azules, verdes, marrones, otros):
Todas las personas caerán en alguna de estas categorías.

f. Complementarios:

Sacar cara o cruz al lanzar una moneda: Estos son los únicos dos resultados posibles, por lo
que son complementarios.

Aprobar o reprobar un examen: Solo hay dos opciones, aprobar o no aprobar.

Resumen de conceptos:

Mutuamente Excluyentes: Dos eventos no pueden ocurrir al mismo tiempo.

No Excluyentes: Dos eventos pueden ocurrir simultáneamente.

Independientes: La ocurrencia de un evento no afecta la probabilidad de ocurrencia del

otro.

Dependientes: La ocurrencia de un evento sí afecta la probabilidad de ocurrencia del otro.

Colectivamente Exhaustivos: El conjunto de eventos cubre todas las posibles ocurrencias.

Complementarios: Dos eventos son complementarios si uno es el complemento del otro.

3. Realice Diagrama de Árbol de:

a. Evento Independiente

b. Evento Dependiente

ejemplo: una bolsa contiene 3 canicas rojas, 1 canica negra y 1 canica azul. Vamos a
extraer dos canicas de la bolsa sin reemplazo.

Diagrama de Árbol

1. Primer Evento (Extracción de la primera canica):

• Roja (R): Probabilidad P(R)=35P(R)=53

• Negra (N): Probabilidad P(N)=15P(N)=51

• Azul (A): Probabilidad P(A)=15P(A)=51

2. Segundo Evento (Extracción de la segunda canica):

• Si se extrajo una Roja primero:

• Roja: Probabilidad P(R∣R) =24=12P(R∣R) =42=21

• Negra: Probabilidad P(N∣R) =14P(N∣R) =41

• Azul: Probabilidad P(A∣R) =14P(A∣R) =41

• Si se extrajo una Negra primero:

• Roja: Probabilidad P(R∣N) =34P(R∣N) =43

 • Negra: Probabilidad P(N∣N) =0P(N∣N) =0 (no hay más negras)

• Azul: Probabilidad P(A∣N) =14P(A∣N) =41

• Si se extrajo una Azul primero:

• Roja: Probabilidad P(R∣A) =34P(R∣A) =43

• Negra: Probabilidad P(N∣A) =14P(N∣A) =41

• Azul: Probabilidad P(A∣A) =0P(A∣A) =0 (no hay más azules)

Extracción 1

/ | \

R N A

/| | /|

RN R RN

| | | | |

R N A A A

Cálculo de Probabilidades

• Probabilidad de que las dos canicas extraídas sean rojas:

• P(RR)=P(R)⋅P(R∣R) =35⋅24=310P(RR)=P(R)⋅P(R∣R) =53⋅42=103

• Probabilidad de que la primera canica sea negra y la segunda roja:

• P(NR)=P(N)⋅P(R∣N) =15⋅34=320P(NR)=P(N)⋅P(R∣N) =51⋅43=203

CONCLUSION

En definitiva, la probabilidad es una herramienta matemática básica que nos permite

gestionar y comprender la incertidumbre en diferentes contextos. Al explorar sus conceptos
centrales, como eventos, espacios muestrales y medidas de probabilidad, hemos visto cómo
la disciplina proporciona un marco estructurado para cuantificar y analizar fenómenos
estocásticos. La aplicación de métodos probabilísticos no sólo ayuda a resolver problemas
teóricos, sino que también es fundamental para la toma de decisiones en diversos campos
como la ciencia, la economía y la ingeniería. Comprender la universalidad de la
probabilidad nos brinda una base sólida para el análisis estadístico y la predicción de
eventos futuros, mejorando así nuestras habilidades analíticas y de razonamiento. En última
instancia, aprender estos principios nos permite responder de manera más efectiva a los
desafíos que crea la incertidumbre en nuestra vida diaria y profesional.