El documento aborda la teoría de la probabilidad y su aplicación en la toma de decisiones, enfatizando su utilidad en diversas disciplinas como la estadística y la investigación científica. Se presentan diferentes tipos de probabilidades y técnicas de muestreo, destacando la importancia de calcular probabilidades para analizar fenómenos y realizar inferencias sobre poblaciones. En conclusión, comprender y aplicar la probabilidad y el muestreo es esencial para obtener resultados precisos en investigaciones.

1. Profesor: Alirio Aranguren
UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS
LLANOS OCCIDENTALES “EZEQUIEL ZAMORA”
VICE RECTORADO DE PRODUCCION AGRICOLA
UNELLEZ GUANARE PORTUGUESA
PROGRAMA “CIENCIAS SOCIALES”
SUB PROYECTO; LEGISLACION MERCANTIL
Bachilleres:
Johana Perez 26.453.218
Nathaly Salgado 26.705.086
Norimar Duran 27. 220. 867
Diana Ramos 27. 055. 938
Guanare, marzo 2017

2. INTRODUCCIÒN
 En nuestra vida cotidiana tenemos un lenguaje que en algunos
caso se nos presentan dichas frases como "probablemente...", "es
poco probable que...", "hay muchas posibilidades de que..." hacen
referencia a incertidumbre. La teoría de probabilidad es una
herramienta de ayuda para la toma de decisiones porque
proporciona una forma de medir, expresar y analizar las
incertidumbres asociadas con eventos futuros. Por otra parte el
muestreo nos ayuda para la investigación científica, para así
obtener una o más muestras de una población

3. La noción de probabilidad mide la frecuencia y posibilidad con la
que puede suceder un resultado ya sea en un experimento aleatorio,
del que se conocen todos los resultados posibles, bajo condiciones
suficientemente estables; O en tu vida diaria donde tienes que
tomar distintas decisiones donde puedes suponer los resultados y
haya la probabilidad de que algo en especifico suceda.
La teoría de la probabilidad se usa
extensamente en materias como la
estadística, la física, la matemática, las
ciencias y la filosofía para sacar conclusiones
sobre la probabilidad discreta de sucesos
potenciales y la mecánica subyacente de
sistemas complejos.

4. Si un suceso puede ocurrir
de N maneras mutuamente
excluyentes e
igualmente probables, y m
de ellas poseen una
característica A
Ejemplos
P(de que salgan dos
caras al tirar dos
monedas)
P(de que salga una
cara al tirar dos
monedas)
Una de las características de un experimento aleatorio es que no se sabe qué
resultado particular se obtendrá al realizarlo. Es decir, si A es un suceso asociado con
un experimento aleatorio, no podemos indicar con certeza si A ocurrirá o no en una
prueba en particular. Por lo tanto, puede ser importante tratar de asociar un número
al suceso A que mida la probabilidad de que el suceso ocurra. Este número es el que
llamaremos P(A).
Tipos de probabilidades

5. Si efectuamos una serie de n repeticiones del experimento E, intentando mantener
constantes las condiciones pertinentes. Sea f el número de repeticiones en las que se
presenta el suceso A, de forma que en las restantes n – f no se presentará. Obtendremos
así una serie de frecuencias relativas para n1, n2 ….
La aplicación de esta definición está relacionada con un
experimento aleatorio que puede ser repetido varias
veces en condiciones uniformes. Naturalmente, la
repetición real será en ocasiones difícil o incluso
imposible de realizar, por ejemplo, debido a los costos
prohibitivos de experimentación, pero bastará con que
sea concebible una repetición en condiciones uniformes.
Ejemplo. Si colocamos un vaso en cierta
distancia y puedes lanzar una pelota de ping
pong 30 veces , de esas hay la probabilidad de
meter 20.

6. Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia
previa, la opinión personal o la intuición del individuo. En este caso después de
estudiar la información disponible, se asigna un valor de probabilidad a los
sucesos basado en el grado de creencia de que el suceso pueda ocurrir. Es decir
que la probabilidad subjetiva no se basa en razones concluyentes sino que se
completa el desconocimiento con la intuición.
1-La probabilidad de que pases un examen.
Ejemplos
2- La probabilidad de encestar un
balón en un juego de básquet.

7. .
LA PROBABILIDAD CLASICA: Supone que todos los
sucesos tienen la misma probabilidad de ocurrir, esta
es la correlación de números de sucesos señalados
respecto al total de sucesos posibles.
Ejemplo: Si en una caja hay 200 mangos y 50
naranjas la probabilidad de que al tomar una fruta
esta sea naranja.
CLASIFICACION DE LAS PROBABILIDADES
LA PROBABILIDAD OBJETIVA: Define a la probabilidad como la correlación
entre el número de sucesos favorables obtenidos respecto al total de intentos.
Ejemplo: si en una caja que contiene
mangos y naranjas se han tomado 80
frutas y de estas 15 han sido mangos se
deduce que al sacar una fruta de la caja la
probabilidad va a ser de que sean mangos
P(M)= 15/80= 0.99=90%

8. ARBOL DE PROBABILIDADES: UN ARBOL DE probabilidad es una gráfica que
presenta los resultados posibles ( opciones de un suceso), así como la probabilidad
de cada uno de ellos.
Ejemplo:

9. Uno de los usos más frecuentes de probabilidad es
en el pronóstico del tiempo, en esta aplicación se
intenta predecir cuál será la condición climática
en un día, una semana, meses, y hasta de un año.
Utilidad de la probabilidad
Otro de los usos en la vida diaria de la
probabilidad es en los juegos de azar,
especialmente en los casinos. Por ejemplo,
en los diferentes juegos de cartas como el
póquer y veintiuna.
Parte de las decisiones que se toman
dentro de una empresa se hacen
basadas en probabilidades.

10. si estudias tienes mas probabilidad
de pasar la evaluación;
Si manejas a una velocidad moderada es menos
probable que tengas un accidente y si tienes un
accidente es menos probable que sufras heridas
graves si utilizas el cinturón de seguridad;
Es decir, si bien nuestra vida no es completamente previsible, tampoco nos
dejemos sorprender demasiado y busquemos la manera de mejorar nuestra
situación respecto a esto.
si no fumas es menos probable que tengas cáncer de pulmón;

11. Es la técnica para la selección de una muestra a partir de
una población. En el muestreo, si el tamaño de la
muestra es más pequeño que el tamaño de la población,
se puede extraer dos o más muestras de la misma
población. El espacio de donde se obtiene la muestra de
dicha población se le denomina (muestral).
Cabe destacar que el muestreo
es una herramienta de la
investigación científica y su
función básica es determinar
que parte de una realidad en
estudio (población o universo)
debe examinarse con la
finalidad de hacer inferencias
sobre dicha población
MUESTREO
muestra

12. Muestreo probabilístico:
En este tipo de muestreo forman parte todos
los métodos que puede calcularse la
probabilidad de extracción de cualquiera de
las muestras posibles, este método es el más
aconsejable pero en ocasiones no es posible
optar por él.
Muestreo estratificado: Es una división
previa de la población de estudio en grupos
o clases respecto a la característica a
estudiar, a estos extractos se le asignaría una
cuota que determinaría el número de
miembros del mismo que compondrán la
muestra
TECNICAS DE MUESTREO

13. Muestreo por conglomerados: Cuando la
población se encuentra dividida, de manera
natural, en grupos que se suponen que contienen
toda la variabilidad de la población, pueden
seleccionarse sólo algunos de estos grupos o
conglomerados para la realización del estudio.
Muestreo sistemático: Es la elección de
una muestra a partir de los elementos de una
lista según un orden determinado, o
recorriendo la lista a partir de un número
aleatorio determinado.
Muestreo errático: También se llama sin
norma. La muestra se realiza de cualquier
forma, valorando únicamente la comodidad
o la oportunidad en términos de costes,
tiempo u otro factor no estadístico.

14. Al realizar un muestreo en una población podemos hablar de muestreos
probabilísticas y no probabilísticas, entre estas técnicas o procedimientos están:
Muestreo simple: Toma solamente una muestra de una
población dada para el propósito de inferencia estadística, ya
que solamente una muestra es tomada, cabe destacar que el
tamaño de muestra debe ser lo suficientemente grande para
extraer una conclusión.
Muestreo aleatorio simple: Es aquella que sus elementos
son seleccionados mediante el muestreo aleatorio simple,
valga la redundancia, considerando que cada elemento de la
población tiene la misma probabilidad de ser seleccionada
para integrar la muestra.
Muestreo doble: Consiste en que cuando el resultado del estudio de la primera
muestra no es decisivo, una segunda muestra es extraida de la misma población, las
dos muestras son combinadas para analizar los resultados. De otro modo, si la
primera muestra arroja un resultado definitivo, la segunda muestra no es necesaria.
Muestreo múltiple: Este procedimiento es similar al muestreo doble, excepto que el
número de muestras es requerido para llegar a una decisión de más de dos muestras

15. Los elementos de una muestra pueden ser seleccionados
de dos maneras diferentes:
Muestreo con reemplazo: consiste
en que un elemento puede ser
seleccionado, lo observan y lo
devuelven a dicha población, por
lo que de esta forma se puede
hacer varias extracciones.
Muestreo sin reemplazo: En
este tipo de muestra no se
devuelve los elementos
extraídos de la población hasta
que no se hallan extraídos todos
los elementos necesarios

16. Escala Nominal:
La escala de medida nominal es considera la escala
de nivel más bajo, esta consiste en agrupar objetos
en clases de manera que todos los que pertenezcan
a la misma sean equivalentes respecto del atributo
o propiedad en estudio después de lo cual se
asignan nombres a tales clases, y el hecho de que a
veces, en lugar de denominaciones, se le atribuyan
números, puede ser una de las razones por las
cuales se le conoce como "medidas nominales".
Escala Ordinal:
La medida ordinal es la indicada,
puesto que entonces puede recurrirse
a la propiedad de "orden" de los
números asignándolo a los objetos en
estudio de manera que si la cifra
asignada al objeto X es mayor que la
de Y, puede inferirse que X posee un
mayor grado de atributo que Y.
Escalas de intervalos iguales:
Se caracteriza por una unidad de medida
común y constante que asigna un número
igual al número de unidades equivalentes a la
de la magnitud que posee. Así mismo la escala
puede poseer las características de la escala
ordinal así que la asignación de los números a
los elemento es tan precisa que podemos
determinar la magnitud de los intervalos
(distancia) entre todos los elementos
observado.
Escala de coeficientes o
Razones:
El nivel de medida más elevado es
el de cocientes o razones, y se
diferencia de las escalas de
intervalos iguales únicamente por
poseer un punto cero propio
como origen; es decir que el valor
cero de esta escala significa
ausencia de la magnitud que

17. Es el proceso de encontrar
una aproximación sobre la
medida. También consiste
en usar el valor de una
estadística derivada de
una muestra para estimar
el valor de un parámetro
correspondiente a la
población, la información
que establece la muestra
puede ser proyectada a
través de diversos factores,
formal o informalmente.
Cuando la estimación
resulta ser incorrecta se
denomina “overestimate”

18. Conclusión
 Para concluir es importante tomar en cuenta la definición
de la probabilidad ya que nos ayuda mediante recursos
matemáticos a medir o determinar la certeza o duda de un
suceso dado o no. Saber calcular probabilidades, te permite
analizar y predecir sucesos y fenómenos y un determinado
grado de acierto
 Asimismo el muestre es de gran ayuda para obtener
probabilidades bajas o altas a través de una investigación
dentro de una población. Por otra parte, las muestras
aleatorias pueden proporcionar resultados más precisos y
se prestan para una serie de análisis estadísticos.