PROBABILIDAD

La probabilidad es simplemente qué tan posible es que ocurra un evento determinado.

Cuando no estamos seguros del resultado de un evento, podemos hablar de la probabilidad

de ciertos resultados: qué tan común es que ocurran. Al análisis de los eventos gobernados
por la probabilidad se le llama estadística (Academy, 2015).

El mejor ejemplo para entender la probabilidad es echar un volado:

Hay dos posibles resultados: águila o sol.

¿Cuál es la probabilidad de que caiga águila? La podemos encontrar al usar la

ecuación P(A) = ?P(A)=?P, left parenthesis, A, right parenthesis, equals, question mark, y
tal vez, intuitivamente, sepas que la probabilidad es mitad y mitad, o sea 50%. ¿Pero cómo
podemos resolver eso? Probabilidad = (Academy, 2015).

La fórmula para calcular la probabilidad de ciertos resultados de un evento

En este caso:

La probabilidad de echar un volado y que caiga águila

Probabilidad de un evento = (# de maneras en las que puede suceder) / (número total

de resultados)

P(A) = (# de maneras en las que A puede suceder) / (número total de resultados)

Experimentos deterministas

Son los experimentos de los que podemos predecir el resultado antes de que se realicen.
Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la piedra
bajará. Si la arrojamos hacia arriba, sabemos que subirá durante un determinado intervalo
de tiempo; pero después bajará (Academy, 2015).
 PROPIEDADES DE LA PROBABILIDAD BINOMIAL

Para que una variable aleatoria se considere que sigue una distribución binomial, tiene que
cumplir las siguientes propiedades (Sanjuán, 2019):
 En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o
fracaso) (Sanjuán, 2019).
 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 es constate (Sanjuán, 2019).
 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 (Sanjuán, 2019).
 El resultado obtenido en cada experimento es independiente del anterior. Por lo
tanto, lo que ocurra en cada experimento no afecta a los siguientes (Sanjuán, 2019).
 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 (Sanjuán, 2019).
 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 (Sanjuán, 2019).
 La variable aleatoria que sigue una distribución binomial se suele representar como
X~(n,p). n representa el número de ensayos o experimentos y p la probabilidad de
éxito (Sanjuán, 2019).
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 (Sanjuán, 2019):
 DISTRIBUCIÓN DE LA PROBABILIDAD EXPONENCIAL

Mientras que la distribución de Poisson describe las llegadas por unidad de tiempo, la
distribución exponencial estudia el tiempo entre cada una de estas llegadas. Si las llegadas
son de Poisson el tiempo entre estas llegadas es exponencial. Mientras que la distribución
de Poisson es discreta la distribución exponencial es continua porque el tiempo entre
llegadas no tiene que ser un número entero. Esta distribución se utiliza mucho para describir
el tiempo entre eventos. Más específicamente la variable aleatoria que representa al tiempo
necesario para servir a la llegada (Quiñones, 2010).

Ejemplos típicos de esta situación son el tiempo que un medico dedica a una exploración,
el tiempo de servir una medicina en una farmacia, o el tiempo de atender a una urgencia
(Quiñones, 2010).

El uso de la distribución exponencial supone que los tiempos de servicio son aleatorios, es
decir, que un tiempo de servicio determinado no depende de otro servicio realizado
anteriormente ni de la posible cola que pueda estar formándose. Otra característica de este
tipo de distribución es que no tienen "edad" o en otras palabras, "memoria" (Quiñones,
2010).

Por ejemplo. Supongamos que el tiempo de atención de un paciente en una sala quirúrgica
sigue una distribución exponencial. Si el paciente ya lleva 5 horas siendo operado, la
probabilidad de que esté una hora más es la misma que si hubiera estado 2 horas, o 10
horas o las que sea. Esto es debido a que la distribución exponencial supone que los
tiempos de servicio tienen una gran variabilidad. A lo mejor el próximo paciente operado
tarda 1 hora porque su cirugía era mucho más simple que la anterior (Quiñones, 2010).

Ejemplos prácticos sobre la distribución exponencial:

EJEMPLO 1.-El tiempo durante el cual cierta marca de batería trabaja en forma efectiva
hasta que falle (tiempo de falla) se distribuye según el modelo exponencial con un tiempo
promedio de fallas igual a 360 días (Quiñones, 2010).

a) ¿qué probabilidad hay que el tiempo de falla sea mayor que 400 días?.

b) Si una de estas baterías ha trabajado ya 400 días, ¿qué probabilidad hay que trabaja
más de 200 días más?
c) Si se están usando 5 de tales baterías calcular la probabilidad de que más de dos de
ellas continúen trabajando después de 360 días (Quiñones, 2010).

Solución

Sea X=el tiempo que trabaja la batería hasta que falle. El tiempo promedio de falla es de
360 días. Entonces, X ~Exp (ß=1/360) y su función de densidad es (Quiñones, 2010):

PUNTO MUESTRAL

Al analizar un experimento es importante definir sus resultados, a fin de

posteriormente definir su espacio muestral, puesto que los conjuntos de todos los
resultados se convierten en el Espacio Muestral. Cualquier resultado experimental
se conoce como Punto Muestral (Lopez, 2004).

Existen dos requisitos que deben cumplirse alasignar la probabilidad a un resultado

muestral.Sea «Ri» el resultado del i-ésimo experimento, y seaP(Ri) su probabilidad
de ocurrencia. Entonces (Lopez, 2004):

Un evento es un punto muestral o un conjunto de puntos muestrales (resultados

experimentales). La probabilidad de un evento será igual a la suma de las
probabilidades de los puntos muestrales en dicho evento (Lopez, 2004).
 ESPACIO MUESTRAL

El espacio muestral está formado por todos los posibles resultados de un

experimento aleatorio. Es decir, se compone de todos y cada uno de los sucesos
elementales (López, 2019).

El espacio muestral es una parte del espacio probabilístico. Como su propio nombre
indica, está formado por los elementos de la muestra. Al contrario, el espacio
probabilístico engloba todos los elementos. Incluso aunque no salgan recogidos en
la muestra (López, 2019).

Símbolo del espacio muestral

El espacio muestral se denota con la letra griega Ω (Omega). Está compuesto por
todos los sucesos elementales y/o compuestos de la muestra y, por tanto, coincide
con el suceso seguro. Es decir, aquel suceso que siempre va a ocurrir (López,
2019).

Un ejemplo de espacio muestral en el lanzamiento de una moneda sería:

Ω = {C, X}

Dónde C es cara y X es cruz. Esto es, los posibles resultados son cara o cruz.

Ejemplo de espacio muestral

Supongamos el caso de un dado con 4 caras. Enumeradas del 1 al 4 ¿Cuál sería el

espacio muestral del experimento lanzar un dado una sola vez? (López, 2019).

Ω = {1, 2, 3, 4}

¿Y si el experimento consiste en lanzar el dado dos veces? Diferenciamos entre un

dado rojo y un dado verde.

Ω = {1 y 1, 1 y 2, 1 y 3, 1 y 4, 2 y 1, 2 y 2, 2 y 3, 2 y 4 … 4 y 4 }

Es decir, que en el dado rojo salga un 1 y que en el dado verde salga un 1, sería el
primer suceso elemental. El segundo suceso elemental consistiría en que en el dado
rojo salga un 1 y en el verde un 2. Así hasta un total de 16 sucesos elementales.