INTRODUCCION A LA TEORIA DE PROBABILIDADES El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos

futuros. Es por ello que el estudio de probabilidades surge como una herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la poca. El desarrollo de estas herramientas fue asignado a los matemticos de la corte. Con el tiempo estas tcnicas matemticas se perfeccionaron y encontraron otros usos muy diferentes para la que fueron creadas. Actualmente se contino con el estudio de nuevas metodologas que permitan maximizar el uso de la computacin en el estudio de las probabilidades disminuyendo, de este modo, los mrgenes de error en los clculos. A travs de la historia se han desarrollado tres enfoques conceptuales diferentes para definir la probabilidad y determinar los valores de probabilidad: El enfoque clsico Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles resultados desfavorables a la ocurrencia de A, y todos los resultados son igualmente posibles y mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo), entonces la probabilidad de que ocurra A es: El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea igualmente posible. Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse) calcular el valor de probabilidad antes de observar cualquier evento de muestra. Ejemplo: Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una piedra roja en un intento es: El enfoque de frecuencia relativa

Tambin llamado Enfoque Emprico, determina la probabilidad sobre la base de la proporcin de veces que ocurre un evento favorable en un nmero de observaciones. En este enfoque no ese utiliza la suposicin previa de aleatoriedad. Porque la determinacin de los valores de probabilidad se basa en la observacin y recopilacin de datos. En la teora de probabilidades se llama espacio muestral o espacio de muestreo al conjunto de todos los posibles resultados individuales de un experimento aleatorio. Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un evento o suceso es cualquier subconjunto del espacio muestral, llamndose a los sucesos que contengan un nico elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estara formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}. Para algunos tipos de experimento puede haber dos o ms espacios de muestreo posibles. Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas, una posibilidad del espacio de muestreo podra ser el nmero (del as al rey), mientras que otra posibilidad sera el palo (diamantes, trboles, corazones y picas). Una descripcin completa de los resultados, sin embargo, especificara ambos valores, nmero y palo, y se podra construir un espacio de muestreo que describiese cada carta individual como el producto cartesiano de los dos espacios de muestreo descritos. Los espacios de muestreo aparecen de forma natural en una aproximacin elemental a la probabilidad, pero son tambin importantes en espacios de probabilidad. Un espacio de probabilidad (, F, P) incorpora un espacio de muestreo de resultados, , pero define un conjunto de sucesos de inters, la lgebra F, por la cul se define la medida de probabilidad P VARIABLE ALEATORIA DISCRETA: Se dice que una Variable aleatoria Discreta o Discontinua X, tiene un conjunto definido de valores posibles x1,x2,x3,..xn con probabilidades respectivas

p1,p2,p3,..pn., Es decir que slo puede tomar ciertos valores dentro de un campo de variacin dado. Como X ha de tomar uno de los valores de este conjunto, entonces p1 + p2 ++ pn=1. En general, una variable aleatoria discreta X representa los resultados de un espacio muestral en forma tal que por P(X = x)se entender la probabilidad de que X tome el valor de x. De esta forma, al considerar los valores de una variable aleatoria es posible desarrollar una funcin matemtica que asigne una probabilidad a cada realizacin x de la variable aleatoria X. Esta funcin recibe el nombre de funcin de la probabilidad. Ejemplo.- Sea el experimento aleatorio consistente en lanzar una moneda al aire. Los sucesos elementales Del experimento, que salga cara, que salga cruz, no vienen representados por los nmeros, por lo que cara suceso elemental se le hace corresponder un nmero real. As al suceso elemental que salga cara se le hace corresponder el nmero 1 y al suceso elemental que salga cruz se le hace corresponder el nmero 2. La variable aleatoria ser: X = (1,2). Se trata de una variable aleatoria discontinua o discreta, ya que nicamente puede adoptar los valores 1 y 2. Variable aleatoria contina Una variable aleatoria continua es una funcin X que asigna a cada resultado posible de un experimento un nmero real. Si X puede asumir cualquier valor en algun intervalo I (el intervalo puede ser acotado o desacotado), se llama una variable aleatoria continua. Si puede asumir solo varios valores distintos, se llama una variable aleatoria discreta. Si X es una variable aleatoria, estamos frecuentemente interesado en la probabilidad de que X asume un valor en cualquier rango. Por ejemplo, si X el ltimo precio cotizado del las acciones de Conglomerado Colosal, y observamos que el precio est entre $10 y $20 60% del tiempo, diramos

La probabilidad de que X tome un valor entre $10 y $20 es 0.6. Escribimos esta declaracin matemticamente como sigue: P(10X20)=6 La probabilidad condicional es fundamental en las aplicaciones de la Estadstica, Porque permite incorporar cambios en nuestro grado de creencia sobre los sucesos Aleatorios a medida que adquirimos nueva informacin. Es tambin un concepto terico bsico requerido en la construccin del espacio muestral producto. Por ello, su correcta comprensin y el razonamiento sobre la misma son requisitos en el estudio de la inferencia estadstica, tanto clsica como bayesiana, as como en el estudio de la asociacin entre variables, la regresin y los modelos lineales. En el terreno profesional e incluso en la vida cotidiana, la toma de decisiones acertadas en situaciones de incertidumbre se basa en gran medida en el razonamiento condicional. La probabilidad condicional puede definirse con diversos grados de formalizacin. Intuitivamente podemos decir que la probabilidad condicional P(A/B) de un suceso A dado otro suceso B es simplemente la probabilidad de que ocurra A sabiendo que B se ha verificado. Desde un punto de vista ms formal se define mediante la expresin P (A/B) = P (AB)/P(B), siempre que P(B) >0. TEOREMA DE BAYES: Al explicar la probabilidad condicional indicamos que una fase importante del anlisis de probabilidades es una actualizacin cuando se adquiere informacin adicional. Con frecuencia comenzamos nuestro anlisis con estimaciones de probabilidad a priori o iniciales para eventos especficos de inters. Entonces, con bases en fuentes como una muestra un informe especial o la prueba de un

producto, obtenemos cierta informacin adicional sobre los eventos. Con esa nueva informacin modificamos los valores de las probabilidades a priori median el calculo de probabilidades actualizadas a las que llamamos probabilidades a posteriori. El teorema de Bayer proporciona un mtodo para calcular esas probabilidades. dentro de la teora probabilstica, proporciona la distribucin de probabilidad condicional de un evento "A" dado otro evento "B" (probabilidad posteriori), en funcin de la distribucin de probabilidad condicional del evento "B" dado "A" y de la distribucin de probabilidad marginal del evento "A" (probabilidad simple o a priori). Bayes se puede representar tambin utilizando el diagrama de rbol. La toma de decisiones se define como la seleccin de un curso de acciones entre alternativas, es decir que existe un plan un compromiso de recursos de direccin o reputacin. En ocasiones los ingenieros consideran la toma de decisiones como su trabajo principal ya que tienen que seleccionar constantemente qu se hace, quien lo hace y cuando, dnde e incluso como se har. Sin embargo la toma de decisiones es slo un paso de la planeacin ya que forma la parte esencial de los procesos que se siguen para elaboracin de los objetivos o metas trazadas a seguir. Rara vez se puede juzgar slo un curso de accin, porque prcticamente cada decisin tiene que estar engranada con otros planes. En todos los aspectos de la vida nos tenemos que enfrentar todos los das a una toma de decisiones ya sean grandes o pequeos problemas que tengamos que solucionar. La toma de decisiones se da muy significativo dentro de la vida empresarial y por este factor se distinguen a las personas sobresalientes de las que no lo son tanto Para que se de una toma de decisiones en los sistemas es necesario tener unos objetivos como son: Decisiones Acertadas

Basarse en la objetividad de los datos ms que en los deseos y esperanzas para darles una interpretacin adecuada Objetividad de los Datos: El sistema de gestin de calidad mejora la informacin, a corto plazo, que se obtiene y mejora los orgenes para su obtencin, se pueden hacer estudios y anlisis de futuro. Los resultados deben ser en hechos reales. Se debe intentar mejorar los resultados para conseguir las metas y los objetivos marcados en el plan de la organizacin. Todo se da con el intercambio de informacin ya sea negativa o positivamente debe fluir por la organizacin. La toma de decisiones mediante los hechos nos conducen a aplicar el principio de aproximacin que se basa en los datos e informacin asegurando de que estos sean precisos y confiables, ya que con unos datos precisos, es posible aplicar unos mtodos de evaluacin adecuados para tomar decisiones adecuadas. Componentes de la matriz de decisin: Las alternativas. Los estados de la naturaleza. Las probabilidades de ocurrencia de los estados de la naturaleza. Los resultados llamados tambin consecuencias. Los criterios de decisin.