Universidad nacional experimental de Guayana.
Coordinación de Ciencias fiscales.
Ciudad Bolívar-Estado Bolívar.
Estadística aplicada.
Probabilidad
Docente:
alumno:
Marina García Gabriel
Subero
28699652
2/7/2024
Índice
Introducción ……………………………………………….
………….pág 2
Desarrollo………………………………………………………...
pág 3 -19
Conclusión…………………………………………………..……..
pág 20
Bibliografía………………………………………………………
……pág 21
Introducción.
La probabilidad es un concepto fundamental en el mundo de la estadística
que nos permite resolver la incertidumbre y predecir resultados en muchos
contextos.
Una forma común de entender la probabilidad es a través de la noción de
frecuencia relativa, que se obtiene al realizar un experimento repetidas
veces y contar cuántas veces ocurre un evento en particular.
La probabilidad condicional es otro concepto importante que se refiere a la
probabilidad de que ocurra un evento dado que otro evento ya ha ocurrido.
Por ejemplo, la probabilidad de que llueva dado que las nubes están
presentes.
Los sucesos pueden ser independientes o dependientes entre sí. Dos
sucesos son independientes si la ocurrencia de uno no afecta la
probabilidad de que ocurra el otro, mientras que son dependientes si la
ocurrencia de uno influye en la probabilidad del otro.
Los sucesos mutuamente excluyentes son aquellos que no pueden ocurrir
simultáneamente. Por ejemplo, en el lanzamiento de una moneda, los
sucesos "obtener cara" y "obtener cruz" son mutuamente excluyentes.
Las distribuciones de probabilidad pueden ser continuas o discretas,
dependiendo de si los posibles valores son infinitos o finitos. La esperanza
matemática es una medida que representa el valor medio esperado de una
variable aleatoria.
La relación entre población, media, muestra y varianza es crucial para
realizar inferencias estadísticas precisas. El análisis combinatorio incluye
conceptos como permutaciones y combinaciones, que son técnicas para
contar el número de formas en las que se pueden organizar o seleccionar
elementos.
La probabilidad está estrechamente relacionada con la teoría de conjuntos,
ya que los sucesos pueden representarse como conjuntos y las operaciones
entre ellos reflejan las interacciones probabilísticas. Estos conceptos
forman un marco sólido para comprender y aplicar la probabilidad en
diversos contextos.
Probabilidad
La probabilidad es una medida de la certidumbre de que ocurra un evento.
Su valor es un número entre 0 y 1, donde un evento imposible corresponde
a cero y uno seguro corresponde a uno.
Una forma empírica de estimar la probabilidad consiste en obtener la
frecuencia con la que sucede un determinado acontecimiento mediante la
repetición de experimentos aleatorios, bajo condiciones suficientemente
estables. En algunos experimentos de los que se conocen todos los
resultados posibles, las probabilidades de estos sucesos pueden ser
calculadas de manera teórica, especialmente cuando todos los resultados
son igualmente probables.
Ejemplo:
1. Si lanzamos un dado justo de seis caras, la probabilidad de obtener un
número par (2, 4 o 6) es de 3/6 = 0.5 o 50%.
2. Si seleccionamos una carta al azar de una baraja estándar de 52 cartas, la
probabilidad de obtener un as es de 4/52 = 1/13 ≈ 0.077 o 7.7%.
3. Si elegimos un número al azar entre 1 y 10, la probabilidad de
seleccionar el número 7 es de 1/10 = 0.1 o 10%.
Frecuencia.
La frecuencia relativa es un tipo de frecuencia estadística que se utiliza en
la investigación para determinar el número de veces que se repite un valor
específico dentro de un conjunto total de valores.
La sumatoria de todas las frecuencias relativas de un conjunto de valores
siempre debe ser igual a 1, cuando es expresada en decimales, o igual al
100% cuando es expresada en porcentajes.
A su vez, la frecuencia relativa puede ser expresada como una fracción
(4/20), como un número decimal (0,20) o como un porcentaje (20%).Para
el cálculo de la frecuencia relativa se utiliza la siguiente fórmula:
En donde:
Fa = Frecuencia absoluta.
N = Número total de valores o eventos.
Ejemplo:
Una consultora decide realizar una investigación acerca de la
cantidad de hijos que poseen los empleados de una oficina.
Luego de realizar esta pregunta a 20 empleados, las respuestas
son las siguientes: 0, 2, 2, 0, 3, 1, 1, 2, 3, 1, 0, 2, 3, 4, 3, 4, 2, 0, 1, 2.
Calculemos la frecuencia relativa:
Frecuenc Frecuenc
ia ia
Frecuenc
Número relativa relativa
ia
de hijos en en
absoluta
decimale porcenta
s je
0 4 0,2 20%
1 4 0,2 20%
2 6 0,3 30%
3 4 0,2 20%
4 2 0,1 10%
Sumator
20 1 100%
ia ∑
Probabilidad condicionada.
Es una forma de medir la probabilidad de que ocurra algo (evento A)
después de que ya ha sucedido otra cosa específica (esto sería el evento B).
Por ejemplo, imagina que tienes una bolsa de canicas con algunas rojas y otras
azules, y quieres saber la probabilidad de sacar una canica roja después de
haber sacado una azul.
Al hacer eso estás calculando una probabilidad condicional.
Si tenemos un evento, que denominamos A, condicionado a otro evento, al cual
denominamos B, la notación sería P(A|B) y la fórmula sería la siguiente:
P(A|B)=P(A ∩ B)/P(B)
La fórmula se lee que la probabilidad de que suceda A, dado que ha acontecido
B, es igual a la probabilidad de que ocurra A y B, al mismo tiempo, entre la
probabilidad de B.
Ejemplo:
Supongamos que tenemos un aula con 30 alumnos, siendo el 50 % de
14 años y el otro 50% de 15 años. Además, sabemos que 12 integrantes del
salón tienen 14 años y usan resaltador en sus libros ¿Cuál es la probabilidad
de que un estudiante del salón use resaltador si tiene 14 años?
Siguiendo la fórmula mostrada líneas arriba, primero, sabemos que la
probabilidad de que el estudiante tenga 14 años es 50%(P(B)). Asimismo,
la probabilidad que de que un estudiante tenga 14 años y use resaltador es
12/30=40%.
Por lo tanto, la probabilidad de que un estudiante use resaltador si tiene 14
años se calcularía de la siguiente forma:
P(A|B)=P(A ∩ B)/P(B)=0,4/0,5=0,8=80%
Es decir, existe un 80% de probabilidad de que un estudiante use resaltador
si tiene 14 años.
Suceso independiente.
Dos sucesos (𝐴 y 𝐵) son independientes si el hecho de que 𝐴 haya
ocurrido no afecta a la probabilidad de que 𝐵 ocurra, y viceversa.
Por ejemplo, al lanzar una moneda dos veces, el resultado del primer
suceso no afecta a la probabilidad del segundo. La probabilidad de obtener
cara la primera vez es 12, y la probabilidad de obtener cara la segunda vez
también es 12.
Cuando dos sucesos son independientes, se puede utilizar la siguiente regla
de multiplicación:
𝑃(𝐴∩𝐵)=𝑃(𝐴)·𝑃(𝐵)
Donde el símbolo ∩ indica que tratamos con la intersección entre el
conjunto 𝐴 y el conjunto 𝐵; es decir, los eventos que pertenecen a 𝐴 y a 𝐵 a
la vez.
Esta regla puede leerse como que la probabilidad de que 𝐴 y 𝐵 ocurran
juntos es igual a la probabilidad de 𝐴 por la probabilidad de 𝐵.
Ejemplo:
Hay tres sorteos diferentes, cada uno con un total de 50 números. Si
compras 1 boleto para la rifa 1, 5 boletos para la rifa 2 y 10 boletos para la
rifa 3. ¿Cuál es la probabilidad de que ganes las tres rifas?
Solución:
A = ganar la rifa 1
B = ganar la rifa 2
C = ganar la rifa 3
Los tres sucesos son independientes, ya que la ocurrencia de cada suceso no
afecta a la probabilidad de ninguno de los otros sucesos. Por lo tanto,
podemos utilizar la fórmula de la regla de multiplicación expandida de la
siguiente manera:
𝑃(𝐴∩𝐵∩𝐶)=𝑃(𝐴)·𝑃(𝐵)·𝑃(𝐶)
𝑃(𝐴∩𝐵∩𝐶)=150·250·1050=0,00016=0,016
La probabilidad de ganar las tres rifas es del 0,016.
Suceso dependiente.
Dos sucesos (𝐴 y 𝐵) son dependientes si el hecho de que 𝐴 haya
ocurrido afecta a la probabilidad de que 𝐵 ocurra, y viceversa. A esta
probabilidad se le llama probabilidad condicionada.
Por ejemplo, Si eliges dos cartas de una baraja de póker, sin devolver la
carta después de elegirla, la probabilidad de obtener un as en el primer
suceso es 4/52. Sin embargo, la probabilidad de obtener un as en la segunda
carta cambiará, en función de lo que haya ocurrido en el primer suceso:
Si la primera carta era un as, entonces la probabilidad de obtener otro as
será 3/51; porque ya se ha elegido un as y tenemos una carta menos en la
baraja.
Si la primera carta no era un as, entonces la probabilidad de obtener un as
en el segundo suceso es 4/51.
La regla de multiplicación de los sucesos dependientes es la siguiente:
𝑃(𝐴∩𝐵)=𝑃(𝐴)·𝑃(𝐴|𝐵)
Esta regla puede leerse como que la probabilidad de que 𝐴 y 𝐵 ocurran
juntos es igual a la probabilidad de 𝐴 por la probabilidad de 𝐵, después de
que ocurra 𝐴. Vamos a hacer unos ejemplos de esto.
Sucesos dependientes ejemplos
Volviendo al ejemplo anterior, la probabilidad de obtener dos ases de una
baraja, sin reemplazar cartas es la siguiente:
A= obtener un as en el primer evento
B= obtener un as en el segundo evento
𝑃(𝐴∩𝐵)=𝑃(𝐴)·𝑃(𝐵|𝐴)
𝑃(𝐴∩𝐵)=4/52·3/51=12/2652=0,004=0,4
Ejemplo:
Tres amigos van a la heladería. Pueden elegir entre 12 sabores diferentes.
¿Cuál es la probabilidad de que los tres amigos pidan un helado de distinto
sabor?
Solución:
Si pensamos en el escenario planteado, podemos observar que:
El primer amigo podrá elegir entre los 12 sabores.
El segundo amigo podrá elegir entre 11 sabores, de modo que sea diferente
a la primera elección.
Y el tercer amigo podrá elegir entre 10 sabores.
Por lo tanto, la ocurrencia de un evento afecta la probabilidad del siguiente,
por lo que los eventos son dependientes.
A = El primer amigo pide un sabor de helado.
B = El segundo amigo pide un sabor de helado diferente al primero.
C = El tercer amigo pide un sabor de helado diferente al del primero y al
del segundo.
𝑃(𝐴∩𝐵∩𝐶)=𝑃(𝐴)·𝑃(𝐵|𝐴)·𝑃(𝐶|𝐴∩𝐵)
𝑃(𝐴∩𝐵∩𝐶)=12/12·11/12·10/12=1320/1728=0,7638=76,38
La probabilidad de que los tres amigos pidan sabores diferentes es
del 76,38.
Sucesos mutuamente excluyente.
Simplificando, son dos sucesos incompatibles que es imposible que se
produzcan ambos a la vez.
Por ejemplo, que esté lloviendo y que la carretera que está al aire libre esté
seca son eventos mutuamente excluyente. Igualmente, si tiras una moneda,
podrá salir cara o cruz, pero no los dos a la vez.
En estadística se estudian las probabilidades de determinados eventos o
sucesos para realizar predicciones, extraer conclusiones o conocer más en
profundidad el comportamiento de ciertas variables.
Dentro del amplio grupo de eventos que se pueden dar en el mundo que nos
rodea, existe un tipo conocido como eventos mutuamente excluyentes,
sobre el cual estamos justamente tratando en este artículo.
Características de los eventos mutuamente excluyentes
A continuación te explicamos las principales características de los eventos
mutuamente excluyentes:
Son eventos incompatibles entre sí, nunca podrán darse a la vez.
La probabilidad de su intercepción de sucesos es la siguiente:
La probabilidad de la unión de sucesos es la siguiente:
Ejemplos:
Una persona que está en México no puede estar a su vez en Colombia.
Si hace calor, no puede hacer frío.
Tiramos un dado, el resultado no puede ser 3 y 6 a la vez, será uno u otro.
No podemos estar cargando el teléfono móvil y que a su vez se descargue
la batería (si te ocurre esto, tu teléfono móvil necesita una revisión técnica).
Enviar un email y no tener conexión a Internet.
Ir en automóvil y viajar a 500 kilómetros por hora.
El ejemplo que hemos mencionado previamente, tirar una moneda y que
salga cara y cruz.
Distribuciones de la probabilidad.
La distribución de probabilidad es una herramienta fundamental para la
prospectiva, puesto que con ella es posible diseñar un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos
fenómenos.
Las características más importantes a considerar en una distribución de
probabilidad son:
La probabilidad de un resultado específico está entre cero y uno.
La suma de las probabilidades de todos los resultados mutuamente
excluyentes es 1.
Toda distribución de probabilidad se genera por una variable (debido a que
puede tomar diferentes valores) aleatoria x (porque el valor que se toma es
completamente al azar), y puede ser de dos tipos:
1. Variable aleatoria discreta (x)
Solo puede tomar valores representados por números enteros y un número
finito de ellos. Por ejemplo:
X variable que nos define el número de alumnos aprobados en el curso de
historia universal en un grupo de 30 alumnos (1, 2 ,3 y así sucesivamente ó
los 30).
2. Propiedades de una variable aleatoria discreta (X)
Las probabilidades que se relacionan con cada uno de los valores que toma
x deben ser mayores o iguales a cero y menores o iguales a 1:
P (xi) < 1
La sumatoria de las probabilidades asociadas a cada uno de los valores que
toma x debe ser igual a 1:
E p (xi) = 1
Ejemplo de variable aleatoria discreta: Al lanzar una moneda se puede
obtener solo dos resultados: cara (50%) o sello (50%).
En la siguiente tabla vemos los posibles resultados de lanzar dos veces una
moneda:
Si realizamos la tabla de distribución del número posible de caras que se
obtiene al lanzar una moneda dos veces, obtendremos:
Probabilidad continua y discreta.
Probabilidad continua:
Una distribución continua describe las probabilidades de los posibles
valores de una variable aleatoria continua. Una variable aleatoria continua
es una variable aleatoria con un conjunto de valores posibles (conocido
como el rango) que es infinito y no se puede contar.
Las probabilidades de las variables aleatorias continuas (X) se definen
como el área por debajo de la curva de su PDF. Por lo tanto, solo los rangos
de valores pueden tener una probabilidad diferente de cero. La probabilidad
de que una variable aleatoria continua equivalga a algún valor siempre es
cero.
Ejemplo de la distribución de pesos
La distribución normal continua puede describir la distribución del peso de
hombres adultos. Por ejemplo, usted puede calcular la probabilidad de que
un hombre pese entre 160 y 170 libras.
Gráfica de distribución del peso de hombres adultos
El área sombreada debajo de la curva en este ejemplo representa el rango de 160 a
170 libras. El área de este rango es 0.136; por lo tanto, la probabilidad de que un
hombre seleccionado aleatoriamente pese entre 160 y 170 libras es de 13.6%. Toda el
área por debajo de la curva equivale a 1.0.
Sin embargo, la probabilidad de que X sea exactamente igual a algún valor
siempre es cero, porque el área por debajo de la curva en un punto
individual, que no tiene anchura, es cero. Por ejemplo, la probabilidad de
que un hombre pese exactamente 190 libras es cero. Podría calcular una
probabilidad diferente de cero de que un hombre pese más de 190 libras,
menos de 190 libras o entre 189.9 y 190.1 libras, pero la probabilidad de
que pese exactamente 190 libras es cero.
Probabilidad discreta:
Una distribución discreta describe la probabilidad de ocurrencia de cada
valor de una variable aleatoria discreta. Una variable aleatoria discreta es
una variable aleatoria que tiene valores contables, tales como una lista de
enteros no negativos.
Con una distribución de probabilidad discreta, cada valor posible de la
variable aleatoria discreta puede estar asociado con una probabilidad
distinta de cero. Por lo tanto, una distribución de probabilidad discreta
suele representarse en forma tabular.
Ejemplo del número de quejas de clientes
Con una distribución discreta, a diferencia de una distribución continua,
usted puede calcular la probabilidad de que X sea exactamente igual a
algún valor. Por ejemplo, puede utilizar la distribución discreta de Poisson
para describir el número de quejas de clientes en un día. Supongamos que
el número promedio de quejas por día es 10 y usted desea saber la
probabilidad de recibir 5, 10 y 15 quejas de clientes en un día.
x P (X = x)
5 0.037833
10 0.12511
15 0.034718
Usted también puede visualizar una distribución discreta en una gráfica de
distribución para ver las probabilidades entre los rangos.
Esperanza matemática:
El valor esperado de una variable aleatoria X es el promedio ponderado
de todos los valores posibles.
La esperanza matemática o valor esperado de una variable aleatoria se
origina en los juegos de azar, debido a que los apostadores deseaban saber
su esperanza de ganar repetidamente un juego. Por lo tanto, el valor
esperado representa la cantidad de dinero promedio que el jugador está
dispuesto a ganar o perder después de un número grande de apuestas.
Relación entre población media, muestra y varianza.
En estadística, la población se refiere al conjunto completo de todos los
elementos que estamos estudiando, mientras que una muestra es un
subconjunto representativo de la población que se utiliza para hacer
inferencias sobre la población en su conjunto.
La media de una población se denota como μ (mu) y representa el
promedio de todos los valores en la población. La media de una muestra se
denota como x (x barra) y representa el promedio de los valores en la
muestra.
La varianza de una población se denota como σ² (sigma al cuadrado) y
representa la dispersión de los valores con respecto a la media en la
población. La varianza de una muestra se denota como s² y representa la
dispersión de los valores con respecto a la media en la muestra.
La relación entre la población y la muestra en términos de media y varianza
está dada por dos conceptos importantes:
1. Sesgo: La media de una muestra tiende a ser un estimador insesgado de
la media de la población, lo que significa que en promedio, la media de la
muestra es igual a la media de la población. Sin embargo, la varianza de
una muestra tiende a subestimar la varianza de la población. Para corregir
este sesgo, se utiliza el factor de corrección de Bessel (n-1) en la fórmula
de la varianza muestral.
2. Distribución: La distribución de las medias muestrales tiende a seguir
una distribución normal, independientemente de la distribución de la
población, siempre y cuando el tamaño de la muestra sea lo
suficientemente grande (teorema del límite central). Esto permite hacer
inferencias sobre la media y varianza de la población basadas en las
muestras.
Análisis combinatorio.
Éste resuelve problemas estadísticos haciendo uso de las fórmulas para
las permutaciones, combinaciones y ordenaciones, las cuales son útiles en
las diversas áreas de conocimiento en las que se aplique el análisis de
datos.
Permutaciones.
La permutación es una técnica de conteo que permite calcular las
posibles ordenaciones de los elementos de un conjunto o número de
elementos del espacio muestral de un experimento aleatorio. En esta
técnica de conteo se considera que existe el orden en la muestra, pero no es
posible repetir ningún elemento de la población en su conformación.
Dado un experimento aleatorio con una población N y una muestra n, si en
la muestra existe orden pero no repetición, el número de elementos del
espacio muestral corresponde a la permutación de n en N, la cual se
simboliza NPn y se define como:
Donde, n! = n x (n - 1) x (n - 2) x ... x 2 x 1, y 0!=1
Ejemplo.
Dana, Camilo y Natalie van a formar un comité para administrar una
empresa. Los cargos que habrá en el comité son: presidente, vicepresidente
y secretario. ¿De cuantas formas se puede constituir el comité?
Solución:
En este caso se considera que hay un orden jerárquico: presidente,
vicepresidente y secretario. Además, una persona no puede ocupar dos
cargos, luego, no es posible la repetición.
Como es un ejemplo sencillo, con pocos elementos en el espacio muestral,
se puede organizar una tabla donde se puedan apreciar las formas de
constituir el comité:
PRESIDE VICEPRESID SECRETA
NTE ENTE RIO
1 Dana Camilo Natalie
2 Dana Natalie Camilo
3 Camilo Dana Natalie
4 Camilo Natalie Dana
5 Natalie Dana Camilo
6 Natalie Camilo Dana
Como ven existen seis formas distintas de constituir el comité.
En este caso N=3 y n=3, ya que la población consta de tres elementos
(personas), y en cada muestra se toman los tres. Aplicando la fórmula se
corrobora el resultado anterior:
Combinaciones.
Es una disposición de elementos sin un orden en particular.
Considera un sándwich con salame, jamón y pavo. El orden en que se
ubican los fiambres no importa mientras estén en un sándwich.
Sólo existe una forma de apilar la carne en el sándwich cuando el orden no
importa. Sin embargo, si el orden importara, hay 3 opciones para la primera
carne, 2 para la segunda y una para la última opción: 3⋅2⋅1=6.
Una combinación de 𝑛 elementos tomando 𝑘 se expresa como as 𝑛𝐶𝑘 .
𝑛𝐶𝑘=𝑛!/𝑘!(𝑛−𝑘)!=(𝑛𝑘)
Esto se lee como “𝑛 tomando 𝑘.”
Ejemplo A
¿De cuántas formas se pueden escoger 8 estudiantes de una clase con 21
alumnos?
Solución:
No importa cómo se escogen a los ocho estudiantes. Utiliza la fórmula
para las combinaciones en vez de la fórmula para las permutaciones.
=21!/8!(21−8)!=203,490
Existen 203.490 formas diferentes de escoger a ocho estudiantes de
una clase de con 21.
Relación de la probabilidad con la teoría de conjunto.
La teoría de conjunto, permite en los cálculos de probabilidad, realizar
operaciones entre los eventos como unir, intersectar o encontrar el
complemento.
Es importante recordar que un evento es un suceso dentro de un
experimento. Es una condición que cumplen varios elementos del Espacio
Muestral. Cada evento se puede representar como un conjunto, que esta
relacionado con el espacio muestral, porque es un subconjunto de este. Por
lo tanto se puede hablar que la Teoría de Conjuntos es aplicable a
la probabilidad, porque los eventos al ser representado como conjuntos
pueden cumplir con la teoría. En los casos de los eventos, «UNIR» implica
que los elementos de un evento «A» y del otro «B» formaran un conjunto,
este representa que el evento «A» ocurra o que el evento «B» ocurra. La
«INTERSECCIÓN» de dos eventos será un conjunto cuyos elementos
están en el evento «A» y en el evento «B», es decir, ocurre «A» y ocurre
«B».
El «COMPLEMENTO» de un evento será un conjunto formado por los
elementos que no pertenecen al evento y si pertenecen al espacio muestral.
Ejercicios.
Determinar o estimar la probabilidad de los siguientes sucesos:
Una tirada de un dado resulte par.
Al menos una cara en 2 tiradas de una moneda
Un as, el 10 de diamante o el 2 de picas aparezca al sacar una ola carta de
una baraja francesa de 52 naipes
La suma de 2 dados sea 7
Que aparezca una cruz en la próxima tirada de una moneda si han salido 56
caras de 100 tiradas previas.
Resultados:
1. Una tirada de un dado resulte par:
Un dado tiene 6 caras, de las cuales 3 son pares (2, 4, 6). Por lo tanto, la
probabilidad de que salga un número par al lanzar un dado es 3/6 = 1/2 =
0.5.
2. Al menos una cara en 2 tiradas de una moneda:
En una moneda, hay dos posibles resultados: cara o cruz. La probabilidad
de que no salga cara en una tirada es 1/2. Por lo tanto, la probabilidad de
que no salga cara en dos tiradas consecutivas es (1/2) * (1/2) = 1/4. La
probabilidad de que al menos una vez salga cara en dos tiradas es
complementaria, es decir, 1 - 1/4 = 3/4 = 0.75.
3. Un as, el 10 de diamante o el 2 de picas aparezca al sacar una sola carta
de una baraja francesa de 52 naipes:
En una baraja francesa hay 4 ases, 1 diez de diamantes y 1 dos de picas, en
total 6 cartas favorables. La probabilidad de sacar una de esas cartas es
6/52 = 3/26 ≈ 0.1154.
4. La suma de dos dados sea 7:
La suma de dos dados puede ser cualquiera de los valores del 2 al 12. Para
obtener una suma de 7, hay 6 combinaciones posibles: (1,6), (2,5), (3,4),
(4,3), (5,2), (6,1). Como hay un total de 36 posibles resultados al lanzar dos
dados (6 caras en el primer dado y 6 caras en el segundo dado), la
probabilidad de obtener una suma de 7 es 6/36 = 1/6 ≈ 0.1667.
5. Que aparezca una cruz en la próxima tirada de una moneda si han salido
56 caras de 100 tiradas previas:
Dado que en las 100 tiradas previas han salido 56 caras, significa que han
salido 44 cruces. La probabilidad de que aparezca una cruz en la próxima
tirada es la misma que la probabilidad de que aparezca cara en una moneda
justa, es decir, 1/2 = 0.5.
Estas son las probabilidades estimadas para los sucesos mencionados.
Conclusión.
En conclusión, la probabilidad es un concepto fundamental en matemáticas
y estadística que nos permite cuantificar la incertidumbre y predecir
resultados en diversos contextos. Desde su definición básica como la
medida de la posibilidad de que un evento ocurra, hasta su aplicación en la
definición como frecuencia relativa, probabilidad condicional, sucesos
independientes y dependientes, y sucesos mutuamente excluyentes, la
probabilidad nos brinda herramientas poderosas para comprender y
predecir eventos aleatorios.
Además, las distribuciones de probabilidad, tanto continuas como discretas,
y la esperanza matemática nos permiten modelar y comprender el
comportamiento de variables aleatorias. La relación entre población, media,
muestra y varianza es crucial para realizar inferencias estadísticas precisas,
mientras que el análisis combinatorio, incluyendo permutaciones y
combinaciones, nos brinda técnicas para contar y organizar elementos.
Por último, la probabilidad está estrechamente relacionada con la teoría de
conjuntos, ya que los sucesos pueden representarse como conjuntos y las
operaciones entre ellos reflejan las interacciones probabilísticas. En
conjunto, estos temas forman un marco sólido para comprender y aplicar la
probabilidad en una amplia gama de contextos.
Bibliografía.
https://economipedia.com/definiciones/probabilidad.html
https://www.studysmarter.es/resumenes/matematicas/estadistica-y-
probabilidad/sucesos-dependientes-e-independientes/
https://economipedia.com/definiciones/eventos-mutuamente-
excluyentes.html
https://support.minitab.com/es-mx/minitab/help-and-how-to/probability-
distributions-random-data-and-resampling-analyses/supporting-topics/
basics/continuous-and-discrete-probability-distributions/
https://uapa.cuaieed.unam.mx/node/897
https://laprofematematica.com/blog/probabilidad-y-teoria-de-conjunto/
https://flexbooks.ck12.org/cbook/ck-12-conceptos-de-%C3%A1lgebra-
nivel-b%C3%A1sico-en-espa%C3%B1ol/section/7.9/primary/lesson/
probabilidad-y-combinaciones-%3A%3Aof%3A%3A-probabilidad-y-
combinaciones-%3A%3Aof%3A%3A-ck-12-conceptos-b%C3%A1sicos-
de-%C3%A1lgebra-bsc-alg-spn/
https://danacaweb.com/permutaciones.html#:~:text=La%20permutaci
%C3%B3n%20es%20una%20t%C3%A9cnica,muestral%20de%20un
%20experimento%20aleatorio.
https://www.esan.edu.pe/conexion-esan/conoce-las-principales-
distribuciones-de-probabilidad
