La teoría de la probabilidad es la parte de las matemáticas que estudia los fenómenos aleatorios estocásticos.

Estos deben contraponerse a los fenómenos determinísticos, los cuales son resultados únicos y/o previsibles de experimentos realizados bajo las mismas condiciones determinadas, por ejemplo, si se calienta agua a 100 grados Celsius a nivel del mar se obtendrá vapor. Los fenómenos aleatorios, por el contrario, son aquellos que se obtienen como resultado de experimentos realizados, otra vez, bajo las mismas condiciones determinadas pero como resultado posible poseen un conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de una moneda. La teoría de probabilidades se ocupa de asignar un cierto número a cada posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un suceso es más probable que otro. Muchos fenómenos naturales son aleatorios, pero existen algunos como el lanzamiento de un dado, donde el fenómeno no se repite en las mismas condiciones, debido a que la características del material hace que no exista una simetría del mismo, así las repeticiones no garantizan una probabilidad definida. En los procesos reales que se modelizan mediante distribuciones de probabilidad corresponden a modelos complejos donde no se conocen a priori todos los parámetros que intervienen; ésta es una de las razones por las cuales la estadística, que busca determinar estos parámetros, no se reduce inmediatamente a la teoría de la probabilidad en sí. En 1933, el matemático soviético Andréi Kolmogórov propuso un sistema de axiomas para la teoría de la probabilidad, basado en la teoría de conjuntos y en la teoría de la medida, desarrollada pocos años antes por Lebesgue, Borel y Frechet entre otros. Esta aproximación axiomática que generaliza el marco clásico de la probabilidad, la cual obedece a la regla de cálculo de casos favorables sobre casos posibles, permitió la rigorización de muchos argumentos ya utilizados, así como el estudio de problemas fuera de los marcos clásicos. Actualmente, la teoría de la probabilidad encuentra aplicación en las más variadas ramas del conocimiento, como puede ser la física (donde corresponde mencionar el desarrollo de las difusiones y el movimiento Browniano), o las finanzas (donde destaca el modelo de Black y Scholes para la valuación de acciones). Formula de Laplace para probabilidad La formula de Laplace es Probabilidad = Casos favorables / casos posibles Ejemplo 1 - Calcular la probabilidad que salga un 3 al lanzar un dado Tenemos 6 casos posibles (los numeros 1,2,3,4,5,6) los casos favorables son uno, el numero '3', la probabilidad será Probabilidad = Casos favorables(1) / casos posibles(6) = 1/6 = 0,1667 Ejemplo 2 - En una clase de 40 alumnos, hay 15 chicos y 25 chicas, cual es la probabilidad que un alumno escogido al azar sea chica: Casos posibles --> 40 alumnos Casos favorables --> 25 chicas Probabilidad = Casos favorables(25) / casos posibles(40) = 5/8 = 0.625

Así. Por ejemplo  La probabilidad de que salga cara en la primera tirada ---->  La probabilidad de que salga nuevamente cara en la segunda tirada ----> . Por ejemplo. será: Espacio Probabilistico Infinito Contable Aquel cuyo espacio muestral es discreto infinito contable. independientemente del resultado de la moneda. Es decir.Podemos diferenciar varios tipos de espacio probabilístico discreto: Espacio Probabilistico Discreto Equiprobable   Su espacio muestral es finito de tamaño n. La probabilidad de obtener un resultado particular corresponde a la multiplicación de sus probabilidades. cada uno de ellos con un nº finito de resultados posibles. Hay al menos 2 sucesos elementales que cumplen. de aquí se deduce que para todo suceso A la probabilidad es Espacio Probabilistico Finito   Su espacio muestral es discreto finito. la probabilidad de un suceso cualquiera es la suma de las probabilidades de los distintos resultados aislados posibles. la probabilidad de sacar siempre un resultado impar en los dados.Espacio muestral 3 ejemplos Espacio Probabilístico discreto Es aquel cuyo espacio muestral es discreto. La probabilidad de cualquier suceso elemental E es . imaginemos que se lanza una moneda y un dado de seis caras. Se representan con diagrama de árbol. la probabilidad de obtener «cara» y un tres será: Ahora bien. Procesos Estocasticos Finitos Y Diagramas de Árbol Un proceso estocástico es una sucesión finita de experimentos aleatorios.

o si son «Sucesos Simultáneos». entonces en este caso la probabilidad de que en un solo ensayo pueda ocurrir cualquiera de los dos eventos o producirse la intersección entre ambos eventos se expresa como P(A.. es decir. si son sucesos que no pueden ocurrir a la vez en una misma jugada porque la ocurrencia de alguno de ellos excluye la ocurrencia de otros. Si unsolo dado es lanzado al aire y el jugador puede ganar si obtiene el punto 1 o si obtiene el punto 6. y ambos sonmutuamente excluyentes entre sí. lo cual se expresa mediante la siguiente fórmula: P(A.calculo de sucesos excluyentes COMPRENSIÓN DE LOS SUCESOS MUTUAMENTE EXCLUYENTES Y LOS SUCESOS SIMULTÁNEOS: En muchos juegos de azar a veces un jugador puede estar interesado en calcular la probabilidad de ocurrencia de dos o más eventos diferentes frente a una misma jugada.B) = P(A)+P(B). porque en un solo lanzamiento del dado no pueden aparecer los dos .B). CÁLCULO DE LA PROBABILIDAD DE SUCESOS MUTUAMENTE EXCLUYENTES: Veamos algunos ejemplos simples del cálculo de la probabilidad frente a eventos mutuamente excluyentes.B)−P(A∩B) = P(A)+P(B)−P(A∩B). fórmula en la cual el símbolo matemático de la intersección (∩) indica que los eventos tienen una «probabilidad compuesta» y que por eso a la sumatoria de las probabilidades individuales de ambos eventos hay que restarles la probabilidad de ocurrencia de las intersecciones que se pueden formar entre los términos que ambos eventos tienen en común. si son sucesos que pueden presentarse a la vez en una misma jugada.B)−P(A∩B). entonces en tal caso estamos hablando de dos sucesos que son «mutuamente excluyentes entre sí». De este modo. si se considera que A es un evento y que B es otro evento totalmente diferente. Y si se considera que A es un evento y que B otro evento diferente. entonces la probabilidad de que cualquiera de los dos pueda ocurrir en una misma jugada excluyendo la ocurrencia del otro se expresa como P( A. fórmula que se resuelve mediante una simple sumatoria entre las probabilidades individuales de ocurrencia de cada evento analizado: P(A. que se lee como «la probabilidad de que A y B ocurran por separado o conjuntamente en un solo ensayo». caso en el cual es necesario determinar previamente si los eventos analizados son «Sucesos Mutuamente Excluyentes». que se lee como «la probabilidad de queA o B ocurran en un solo ensayo». y ambos son sucesos que pueden ocurrir de forma simultánea en una misma jugada. es decir.

Ejemplo: la probabilidad de que al tirar una moneda salga cara (suceso B). condicionada a que previamente se haya dado el suceso B. condicionada a que previamente se haya dado el suceso A. que la probabilidad de que se de el suceso conjunto A y B es exactamente igual a la probabilidad del suceso A multiplicada por la probabilidsad del suceso B. que la probabilidad de que se de el suceso B. es igual a la propia probabilidad del suceso A. En consecuencia. si se asume que el evento A es la extracción de cualquier as (A) con una probabilidad de ocurrencia de 4/52. caso en el cual ambos sucesos también son mutuamente excluyentes entre sí porque la carta extraída o tiene un valor o tiene el otro pero no puede tenerlos ambos. entonces la probabilidad de ganar obteniendo un as o un rey en un solo ensayo es de: P(A. Por consiguiente. el jugador para ganar tiene 8 eventos favorables (cuatro ases y cuatro reyes) sobre 52 cartas disponibles en el mazo.B) = P(A)+P(B) = 4/52+4/52 = 8/52. ni viceversa. P (A ^ B) = P (A) * P (B) es decir. o cae 6. y por lo tanto la probabilidad de ganar se calcula mediante la sumatoria ya indicada: P(A. o cae cualquier otro resultado del dado). Para que dos sucesos sean independientes tienen que verificar al menos una de las siguientes condiciones: P (B/A) = P (B) es decir. es exactamente igual a la probabilidad de B. condicionada a que haga buen tiempo (suceso A). supongamos que un mazo normal de 52 cartas es mezclado y que un jugador puede ganar un premio si en la primera carta extraída del mazo aparece un as (A) o un rey (K). si el jugador quiere calcular la probabilidad de ganar en el lanzamiento del dado puede asumir que el evento A es la aparición del punto 1 del dado que tiene una probabilidad de ocurrencia de 1/6. y el evento B es la extracción de cualquier rey (K) que tiene una probabilidad de ocurrencia de 4/52. si la ocurrencia de uno de ellos no afecta para nada el que pueda producirse el otro: Ejemplo: el suceso estatura de los alumnos de una clase y el color del pelo son independientes: el que un alumno sea más o menos alto no va a influir en el color de su cabello. es exactamente igual a la probabilidad de A. condicionada a que al tirar una moneda salga cara (suceso B). el jugador para ganar en el lanzamiento del dado tiene 2 eventos a su favor sobre 6 eventos posibles: En otro ejemplo.B) = P(A)+P(B) = 1/6+1/6 = 2/6. que la probabilidad de que se de el suceso A. Ejemplo: la probabilidad de que haga buen tiempo (suceso A) y salga cara al tirar una moneda (suceso B). mientras que el evento B es la aparición del punto 6 del dado que tiene una probabilidad de ocurrencia de 1/6. o lo que es lo mismo. Ejemplo: la probabilidad de que haga buen tiempo (suceso A). es igual a la propia probabilidad del suceso B.eventos al mismo tiempo (o cae 1. sucesos independiente Dos sucesos son independientes entre sí. o lo que es lo mismo. es igual a la probabilidad del suceso A multiplicada por la probabilidad del suceso B . P (A/B) = P (A) es decir.

4 (igual que P (A)) P (A ^ B) = 0.4 = 0.5 Suceso intersección: la probabilidad de que haga buen tiempo y que salga cara es 0.2 / 0.6 = 0.4 Suceso B: la probabilidad de tener un accidente es del 0. Se extraen 2 fichas sin reemplazo.2 (que no es igual a P (B)) P (A/B) = P (A ^ B) / P (B) = 0. estos dos sucesos sí son independientes . Sucesos depedientes sin remplazo La P(E ∩ F) es la probabilidad de P(E y F) que se define como: P(E y F) = P(E) * P(F | E) que se lee "la probabilidad de E y F es igual a la probabilidad de E multiplicada por la probabilidad de F habiendo ocurrido E". Ejemplo 2º: analicemos dos sucesos: Suceso A: la probabilidad de que haga buen tiempo es del 0.6 = 0.Si el suceso A es independiente del suceso B.1 Suceso intersección: la probabilidad de que haga buen tiempo y tener un accidente es del 0.5 (igual que P (B)) P (A/B) = P (A ^ B) / P (B) = 0. entonces el suceso B también es independiente del suceso A. . no se cumple ninguna de las tres condiciones señaladas por lo que estos dos sucesos no son independientes.2 Veamos si se cumple alguna de las condiciones señaladas: P (B/A) = P (A ^ B) / P (A) = 0.08 Veamos si se cumple alguna de las condiciones señaladas: P (B/A) = P (A ^ B) / P (A) = 0. Ejemplo 1º: analicemos dos sucesos: Suceso A: la probabilidad de que haga buen tiempo es del 0.08 (que no es igual a P (A) multiplicado por P (B)) Por lo tanto. Ejemplo: Hay 9 fichas de dominó numeradas del 1 al 9.4 Suceso B: la probabilidad de salir cara al lanzar una moneda es del 0.4 = 0.08 / 0. sino que existe algún grado de dependencia entre ellos.2 (igual a P (A) multiplicado por P (B)) Por lo tanto.133 (que no es igual a P (A)) P (A ^ B) = 0.2 / 0.08 / 0.

33.... eso implica que los primeros miembros también los son. el que queden 3 fichas pares..16666. Para calcular la probabilidad de sacar una manzana los casos favorables (f) son 10 puesto que existen sólo 10 manzanas. la probabilidad de P ₁ (o sea que la primera sea par) es de: P(P₁) = Casos favorables / Casos posibles P(P₁) = 4 / 9 = 0. la probabilidad de sacar una segunda ficha par. lo que es lo mismo. habiendo sacado una par previamente es: P(P₂ | P₁) = 3 / 8 = 0. para la extracción de la segunda ficha. entonces está dada por: P (P₁ y P₂) = P(P₁) * P(P₂ | P₁) P (P₁ y P₂) = 4/9 * 3/8 = 1/6 = 0.. DEPENDE de haber sacado una ficha par en la primera extracción.¿cual es la probabilidad de que las 2 fichas sean pares? Lo que queremos averiguar es por lo tanto: P (P₁ y P₂) = P(P₁) * P(P₂ | P₁) En fichas del 1 al 9. Por lo tanto: (o.. Expresión 1 pero P(F y E) = P(F) * P(E|F) ..4444 Ahora.. nos quedan 3 fichas pares sobre un total de 8 fichas. miembro P(E ∩ F) = P(F) * P(E|F) .... 4. por eso los eventos SON DEPENDIENTES. De esta forma. hay 4 fichas pares (2. ¿Qué fruta es más probable que saque al azar de la canasta? Para este ejemplo tenemos que 30 es el total de frutas en la canasta. por lo tanto: P(E ∩ F) = P(F y E) Elabore 5 ejm de calculo de probabilidades e) Probabilidad de elegir tal o cual fruta. Si en una canasta hay 20 peras y 10 manzanas... 6 y 8). Fijate que la fórmula que vos das es: P(E|F) = P(E ∩ F) / P(F) ==> .375 La probabilidad CONJUNTA [(P₁ ∩ P₂) = (P₁ y P₂)] de sacar dos fichas pares. Expresión 2 Si los segundos miembros son iguales en las Expresiones 1 y 2..3 %) . hacemos un pasaje de términos del denominador en el 2do. De esta manera.. es decir los casos posibles (n).. como las extracciones son SIN REEMPLAZO..

¿Qué fruta es más probable que saque al azar de la canasta? Para este ejemplo tenemos que 30 es el total de frutas en la canasta. el cuatro o el seis). Si en una canasta hay 20 peras y 10 manzanas.6%) e) Probabilidad de elegir tal o cual fruta.7 %) b) Probabilidad de que al lanzar un dado salga un número par: en este caso los casos favorables (f) son tres (que salga el dos.000 casos posibles (n). Por lo tanto: (o. lo que es lo mismo.001%) . lo que es lo mismo.000 númerosnos: tan sólo un caso favorable (f). el tres o el cuatro). 66. 16. 66. el número que jugamos. Por lo tanto: (o lo que es lo mismo. Para calcular la probabilidad de sacar una manzana los casos favorables (f) son 10 puesto que existen sólo 10 manzanas. lo que es lo mismo. frente a los seis casos posibles.3 %) (o. es decir los casos posibles (n). 33. mientras que los casos posibles (n) siguen siendo seis. 50%) c) Probabilidad de que al lanzar un dado salga un número menor que 5: en este caso tenemos cuatro casos favorables (f) (que salga el uno. Por lo tanto: (o lo que es lo mismo.7 %) (o lo que es lo mismo. el dos. 0.6%) d) Probabilidad de ganarse el premio mayor de una lotería en la que juegan 100. Por lo tanto: (o lo que es lo mismo. frente a los 100. 66.(o.

Sucesos compatible Sucesos compatibles e incompatibles En un experimento aleatorio hay sucesos que pueden ocurrir a la vez y sucesos que no. pero dos sucesos incompatibles no siempre son contrarios. pueden ocurrir a la vez.   Dos sucesos se dicen compatibles si tienen algún suceso elemental común. en este casoA∩B=Ø y no pueden ocurrir a la vez Un suceso y su contrario son siempre incompatibles. como se puede comprobar en los ejemplos de la escena. . En este caso A∩B≠Ø. Dos sucesos se dicen incompatibles si no tienen ningún suceso elemental común.