Está en la página 1de 24

Presentado por: Gustavo Valle Tamayo. Cd.2090688 David Garca Coronado. Cd. 2090653 Jaime Castaeda Barbosa. Cd.

2093033

Presentado a: Docente. Luz Marina Rueda Rueda

Universidad Industrial de Santander 2013

TALLER INVESTIGATIVO DE ESTADISTICA

1. TCNICAS DE CONTEO
El principio fundamental en el proceso de contar ofrece un mtodo general para contar el nmero de posibles arreglos de objetos dentro de un solo conjunto o entre carios conjuntos. Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de cuantificar. Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro evento B puede n2 maneras diferentes entonces, el nmero total de formas diferentes en que ambos eventos pueden ocurrir en el orden indicado, es igual a n1 x n2. De cuntas maneras pueden repartirse 3 premios a un conjunto de 10 personas, suponiendo que cada persona no puede obtener ms de un premio? Aplicando el principio fundamental del conteo, tenemos 10 personas que pueden recibir el primer premio. Una vez que ste ha sido entregado, restan 9 personas para recibir el segundo, y posteriormente quedarn 8 personas para el tercer premio. De ah que el nmero de maneras distintas de repartir los tres premios. n 10 x 9 x 8 = 720 Cuntas placas de automvil se pueden hacer utilizando dos letras seguidas de tres cifras? No se admiten repeticiones. 26 x 25 x 10 x 9 x 8 = 468000 n un nmero entero positivo, el producto n (n-1) (n-2)...3 x 2 x 1 se llama factorial de n. El smbolo ! se lee factorial y es el producto resultante de todos los enteros positivos de 1 a n; es decir, sea n 5! = 5 x 4 x 3 x 2 x 1 = 120 Por definicin 0! = 1

Si el nmero de posibles resultados de un experimento es pequeo, es relativamente fcil listar y contar todos los posibles resultados. Al tirar un dado, por ejemplo, hay seis posibles resultados. Si, sin embargo, hay un gran nmero de posibles resultados tales como el nmero de nios y nias por familias con cinco hijos, sera tedioso listar y contar todas las posibilidades. Las posibilidades seran, 5 nios, 4 nios y 1 nia, 3 nios y 2 nias, 2 nios y 3 nias, etc. Para facilitar el conteo examinaremos tres tcnicas: * La tcnica de la multiplicacin * La tcnica aditiva * La tcnica de la suma o Adicin * La tcnica de la permutacin * La tcnica de la combinacin.

2. PRINCIPIO MULTIPLICATIVO O REGLA M-N


Si se desea realizar una actividad que consta de r pasos, en donde el primer paso de la actividad a realizar puede ser llevado a cabo de N1 maneras o formas, el segundo paso de N2 maneras o formas y el r-simo paso de Nr maneras o formas, entonces esta actividad puede ser llevada a efecto de. El principio multiplicativo implica que cada uno de los pasos de la actividad deben ser llevados a efecto, uno tras otro. Si un evento E1 puede suceder de n1 maneras diferentes, el evento E2 puede ocurrir de n2 maneras diferentes, y as sucesivamente hasta el evento Ep el cual puede ocurrir de np maneras diferentes, entonces el total de maneras distintas en que puede suceder el evento ocurren E1 y E2..y Ep es igual a producto. N1 x N2 x..........x Nr maneras o formas Ejemplo: Se dispone de 3 vas para viajar de C1 a C2 y de 4 vas para viajar de C2 a C1. De cuntas formas se puede organizar el viaje de ida y vuelta de C1 a C2.Respuesta: (3)(4)=12

3. PRINCIPIO ADITIVO
Si se desea llevar a efecto una actividad, la cual tiene formas alternativas para ser realizada, donde la primera de esas alternativas puede ser realizada de M maneras o formas, la segunda alternativa puede realizarse de N maneras o formas..... Y la ltima de las alternativas puede ser realizada de W maneras o formas, entonces esa actividad puede ser llevada a cabo de, M + N +.........+ W maneras o formas Ejemplos: 1) Una persona desea comprar una lavadora de ropa, para lo cual ha pensado que puede seleccionar de entre las marcas Whirpool, Easy y General Electric, cuando acude a hacer la compra se encuentra que la lavadora de la marca W se presenta en dos tipos de carga ( 8 u 11 kilogramos), en cuatro colores diferentes y puede ser automtica o semiautomtica, mientras que la lavadora de la marca E, se presenta en tres tipos de carga (8, 11 o 15 kilogramos), en dos colores diferentes y puede ser automtica o semiautomtica y la lavadora de la marca GE, se presenta en solo un tipo de carga, que es de 11 kilogramos, dos colores diferentes y solo hay semiautomtica. Cuntas maneras tiene esta persona de comprar una lavadora? Solucin: M = Nmero de maneras de seleccionar una lavadora Whirpool N = Nmero de maneras de seleccionar una lavadora de la marca Easy W = Nmero de maneras de seleccionar una lavadora de la marca General Electric

M = 2 x 4 x 2 = 16 maneras N = 3 x 2 x 2 = 12 maneras W = 1 x 2 x 1 = 2 maneras M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora

4. PERMUTACIN :
ORDENADAS

PERMUTACIONES

CON

REPETICIN,

PRUEBAS

A diferencia de la frmula de la multiplicacin, se la utiliza para determinar el nmero de posibles arreglos cuando solo hay un solo grupo de objetos. Permutacin: un arreglos o posicin de r objetos seleccionados de un solo grupo de n objetos posibles. Si nos damos cuenta los arreglos a, b, c y b, a, c son permutaciones diferentes, la frmula que se utiliza para contar el nmero total de permutaciones distintas es: FRMULA: n P r = n! (n - r) Ejemplo: Cmo se puede designar los cuatro primeros lugares de un concurso, donde existen 15 participantes? Aplicando la frmula de la permutacin tenemos:

n P r = n! (n - r)! = 15! = 15*14*13*12 *11*10*9*8*7*6*5*4*3*2*1 (15-4)! 11*10*9*8*7*6*5*4*3*2*1 = 32760 Dnde: n= nmero total de objetos; r= nmero de objetos seleccionados;!= factorial, producto de los nmeros naturales entre 1 y n. NOTA: se puede cancelar nmeros cuando se tiene las mismas cifras en numerador y denominador.

4.1. PERMUTACIONES CON REPETICIN


En los casos anteriores se han obtenido permutaciones en donde todos los elementos utilizados para hacer los arreglos son diferentes. A continuacin se obtendr una frmula que nos permite obtener las permutaciones de n objetos, cuando entre esos objetos hay algunos que son iguales. Ejemplo: Obtenga todas las permutaciones posibles a obtener con las letras de la palabra OSO. Solucin: Para obtener la frmula, es necesario primero suponer que todas las letras de la palabra OSO son diferentes y para diferenciarlas pondremos subndices a

las letras O, por lo que quedara, O1SO2, y las permutaciones a obtener seran: 3P3 = 3! = 6 Definiendo las permutaciones tenemos que estas seran, O1SO2, O2SO1, SO1O2, SO2O1, O1O2S, O2O1S Pero realmente podemos hacer diferentes a las letras O?, eso no es posible, luego entonces cuntos arreglos reales se tienen? Como: O1SO2 = O2SO1 SO1O2 = SO2O1 O1O2S= O2O1S Arreglos reales OSO SOO OOS

Entonces se observa que en realidad slo es posible obtener tres permutaciones con las letras de la palabra OSO debido a que las letras O son idnticas, pero qu es lo que nos hizo pensar en seis arreglos en lugar de tres?, el cambio que hicimos entre las letras O cuando las consideramos diferentes, cuando en realidad son iguales. Para obtener los arreglos reales es necesario partir de la siguiente expresin:

El nmero de arreglos reales = 3! / 2! = 3 x 2! / 2! = 3 Por tanto la frmula a utilizar sera;

Dnde: nPx1,x2,......, xk = Nmero total de permutaciones que es posible obtener con n objetos, entre los que hay una cantidad x1 de objetos de cierto tipo, una

cantidad x2 de objetos de un segundo tipo,...... y una cantidad xk de objetos del tipo k. n = x1 + x2 +...... + xk Ejemplos: 1) Obtenga todas las seales posibles que se pueden disear con seis banderines, dos de los cuales son rojos, tres son verdes y uno morado. Solucin: n = 6 banderines x1 = 2 banderines rojos x2 = 3 banderines verdes x3 = 1 bandern morado 6P2,3,1 = 6! / 2!3!1! = 60 seales diferentes

4.2. PERMUTACIONES CON REPETICIN


Se le llama prueba ordenada al hecho de seleccionar r objetos de entre n objetos contenidos en una urna uno tras otro. Una prueba ordenada puede ser llevada a efecto de dos maneras: 1) Con sustitucin (con reemplazo).- En este caso se procede a seleccionar el primer objeto de entre los n que hay, se observa de qu tipo es y se procede a regresarlo a la urna, luego se selecciona el siguiente objeto, lo anterior se repite hasta que se han extrado los r objetos de la prueba, por tanto el nmero de pruebas ordenadas de con sustitucin se obtiene: Nmero total de pruebas ordenadas con sustitucin = n x n x n x .........x n = nr Hay n maneras de seleccionar el primer objeto, luego al seleccionar el segundo objeto, dado que se ha regresado a la urna el primer objeto, tambin se tendrn n objetos y as sucesivamente. 2) Sin sustitucin (sin reemplazo).- En este caso se procede a seleccionar el primer objeto, el cual no es regresado a la urna, luego se selecciona el segundo objeto, lo anterior se repite hasta completar los r objetos de la prueba, por lo que el nmero total de pruebas ordenadas sin sustitucin se obtiene:

Nmero total de pruebas ordenadas sin sustitucin = n(n-1)(n-2).........(n-r +1) = nPr Hay n maneras de seleccionar el primer objeto, luego al seleccionar el segundo objeto, hay n 1 maneras, dado que el primer objeto no se regresa a la urna, luego cuando se extrae el r-simo objeto, hay (n r +1) de que sea seleccionado. Ejemplos: 1) Cuntas maneras hay de que se asignen tres premios de un sorteo en donde el primer premio es una departamento, el segundo premio es un auto y el tercer premio es un centro de cmputo, si los participantes en este sorteo son 120 personas, a.s la asignacin se puede hacer con sustitucin, b.s la asignacin se puede hacer sin sustitucin. Solucin: a. Por principio multiplicativo: 120 x 120 x 120 = 1,728,000 maneras de asignar los premios Por frmula: n =120, r = 120

nr = 1203 = 1,728,000 maneras de asignar los tres premios Hay que considerar que en este caso, al regresar cada boleto que es extrado de la urna, las personas que participan en el sorteo tienen la posibilidad de no ganar uno solo de los premios, de ganar un premio, dos de los premios o los tres premios. Cosa que generalmente no ocurre. b. Por principio multiplicativo: 120 x 119 x 118 = 1,685,040 maneras de asignar los premios Por frmula: n = 120, r=3

120P3 = 120! / (120 3)! = 120! / 117! = 120 x 119 x 118 = 1,685,040 maneras de asignar los premios Hay que hacer notar que en este caso, como los boletos que son seleccionados ya no regresan a la urna de donde fueron extrados, los participantes solo pueden recibir un premio en caso de que fueran de los afortunados. Esta es la forma en que generalmente se efecta un sorteo.

5. COMBINACIN
Es un arreglo de elementos en donde no nos interesa el lugar o posicin que ocupan los mismos dentro del arreglo. En una combinacin nos interesa formar grupos y el contenido de los mismos. La frmula para determinar el nmero de combinaciones es: ( )

nCr = Combinaciones de r objetos tomados de entre n objetos Donde se observa que,

La expresin anterior nos explica como las combinaciones de r objetos tomados de entre n objetos pueden ser obtenidas a partir de las permutaciones de r objetos tomados de entre n objetos, esto se debe a que como en las combinaciones no nos importa el orden de los objetos, entonces si tenemos las permutaciones de esos objetos al dividirlas entre r!, les estamos quitando el orden y por tanto transformndolas en combinaciones, de otra forma, tambin si deseamos calcular permutaciones y tenemos las combinaciones, simplemente con multiplicar estas por el r! obtendremos las permutaciones requeridas. COMENTARIO: Es el nmero de conjuntos diferentes, con elementos cada uno que puede formarse de un conjunto de nmeros de elementos y en esta importa mucho el orden.

5.1. PARTICIN ORDENADA


Se le llama particin ordenada al hecho de repartir n objetos en clulas de una cantidad de x1 objetos, x2 objetos,......y xk objetos. Para deducir la frmula de particiones ordenadas partiremos de un ejemplo. Cuntas maneras hay de repartir 10 libros diferentes entre tres alumnos, si al primero le daremos 2, al segundo 3 y el resto al tercer alumno? Ejemplos de esta particin seran las siguientes si se numeran los libros del 1 al 10;

Solucin: Lo primero que debemos hacer es seleccionar 2 libros de los 10 que se tienen para el primer alumno, esto es;
10C2

= 10! / (10 2)!2! = 10! / 8!2! = 45 maneras de seleccionar los libros

Luego se seleccionan 3 libros de los 8 que quedan para el segundo alumno;


8C3

= 8! / (8 3)!3! = 8! / 5!3! = 56 maneras

Y por ltimo se proceder a seleccionar cinco libros de los cinco que quedan para el tercer alumno, lo que se muestra a continuacin;
5C5

= 5! / (5 5)!5! = 5! / 0!5! = 1 manera

Por tanto el nmero total de particiones ordenadas en clulas de 2, 3 y 5 elementos se determina:


10C2*8C3*5C5

= (10! / (10 2)!2!)*(8! / (8 3)!3!)*(5! / (5 5)!5!) = 10! /2!3!5!

La expresin anterior nos recuerda a la frmula utilizada para encontrar las permutaciones de n objetos, entre los cuales hay algunos objetos que son iguales, por lo que usaremos la misma frmula para encontrar las particiones ordenadas.

Por tanto la frmula para las particiones ordenadas sera:

Esta frmula slo puede ser utilizada cuando se reparten todos los objetos, no parte de ellos, en ese caso se usarn combinaciones. Dnde: nPx1,x2,.....,xk = Total de particiones ordenadas o reparticiones que es posible hacer cuando los n objetos son repartidos en grupos de x1 objetos, x2 objetos y xk objetos. n = x1 + x2 +......+ xk

Ejemplos: 1) Cuntas maneras hay de repartir 9 juguetes entre tres nios, si se desea que al primer nio le toquen 4 juguetes, al segundo 2 y al tercero 3 juguetes? Solucin: Por combinaciones,
9C4*5C2*3C3

= 126*10*1= 1260 maneras de repartir los juguetes

Por frmula, n=9 x1 = 4 x2 = 2 x3 =3


9P4,2,3

= 9! / 4!2!3! = 1,260 maneras de repartir los juguetes

6. DIAGRAMA DE RBOL
Un diagrama de rbol es una representacin grfica de un experimento que consta de r pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo. Ejemplos: 1. Un mdico general clasifica a sus pacientes de acuerdo a: su sexo (masculino o femenino), tipo de sangre (A, B, AB u O) y en cuanto a la presin sangunea (Normal, Alta o Baja). Mediante un diagrama de rbol diga en cuantas clasificaciones, pueden estar los pacientes de este mdico?

Si contamos todas las ramas terminales, nos damos cuenta que el nmero de clasificaciones son 2 x 4 x 3 = 24 mismas que podemos enumerar; MAN, MAA, MAB, MBN, MBA, MBB, etc, etc.

7. UNIN DE EVENTOS
La unin entre dos conjuntos A y B, de define como los elementos que estn en A, o estn en B, se representa por (AUB).

8. INTERSECCIN DE EVENTOS
Dados dos sucesos A y B, el suceso interseccin, A B, est formado por todos los sucesos elementales comunes a A y a B. Si dos sucesos A y B no

tienen ningn suceso elemental comn, es decir, A B = , entonces los sucesos A y B son incompatibles. Si dos suceso A y B tienen algn suceso elemental en comn, A B , entonces los sucesos Ay B son compatibles. Ejemplo: Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par" y B = "sacar mltiplo de 3". Calcular A interseccin B. A = {2, 4, 6} B = {3, 6} Interseccin = {6}

9. COMPLEMENTO DE EVENTOS
El complemento en estadstica est dado en funcin de un evento (o probabilidad), digamos el evento (probabilidad) A, entonces el complemento A (o el complemento de la probabilidad de A), se entendera como "los elementos que NO estn en A" ("la probabilidad de no estar en A"), adems debe cumplir que: evento A UNION complemento de A es igual a todo el espacio muestral (A u A = U), en trminos de probabilidad sera: Prob (A) + Prob (A) = 1 Ejemplo: Si nuestro evento es ganar un parcial, el complemento seria no ganar el parcial

10.

EVENTOS MUTUAMENTE EXCLUSIVOS :

Un evento mutuamente excluyente es uno en el que la aceptacin de una alternativa automticamente excluye otras posibles alternativas. Un ejemplo comn de esto es lanzar una moneda. La moneda caer de cara o cruz. Debido a que la moneda que caiga de cara significa que no caer de cruz, lanzar una moneda es un evento mutuamente excluyente. Es o de un lado o del otro, no pueden ser ambos.

11.

PROBABILIDAD DE UN EVENTO SIMPLE

La probabilidad de un evento es una razn que compara el nmero de resultados favorables con el nmero de resultados posibles. El resultado siempre ser de 0 a 1 ya que 1 siempre ser el caso de mayor probabilidad ( )

12.

PROBABILIDAD DE UN EVENTO COMPUESTO

Se llaman eventos compuestos los que se forman combinando varios eventos simples. ej. al tirar un dado cual es la probabilidad de obtener un nmero par o un nmero mayor que 4. En general, si A y B son eventos incompatibles, la probabilidad del evento A o B se calcula mediante la suma de sus probabilidades. Se supone que puede ocurrir A o puede ocurrir B, pero la interseccin es vaca, pues no hay elementos compatibles. Por tanto: P(A U B) = P(A) + P(B)

13. PROBABILIDAD DE UN COMPLEMENTO DE EVENTOS


Si P(A) es la probabilidad de que ocurra un evento A, entonces la probabilidad de que NO ocurra A es ( ) Ejemplo: Probabilidad de A es sacar un trbol, al extraer una carta de un naipe de 52 cartas P(A) = 13/52 = 1/4P( A' ) Probabilidad de no sacar un trbol = 1 - P(A) = 1 - 13/52 = 1 - 1/4 = ( )

14. PROBABILIDAD EXCLUSIVOS.

DE

LA

UNIN

DE

EVENTOS

MUTUAMENTE

Si se considera que A es un evento y que B es otro evento totalmente diferente, y ambos son mutuamente excluyentes entre s, 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,B), que se lee como la probabilidad de que A o B ocurran en un solo ensayo, frmula que se resuelve mediante una simple sumatoria entre las probabilidades individuales de ocurrencia de cada evento analizado: P(A,B) = P(A)+P(B). Ejemplo: Si un solo dado es lanzado al aire y el jugador puede ganar si obtiene el punto 1 o si obtiene el punto 6, entonces en tal caso estamos hablando de dos sucesos que son mutuamente excluyentes entre s, porque en un solo lanzamiento del dado no pueden aparecer los dos eventos al mismo tiempo (o cae 1, o cae 6, o

cae cualquier otro resultado del dado). Por consiguiente, si el jugador quiere calcular la probabilidad de ganar en el lanzamiento del dado puede asumir que el evento A es la aparicin del punto 1 del dado que tiene una probabilidad de ocurrencia de 1/6, mientras que el evento B es la aparicin del punto 6 del dado que tiene una probabilidad de ocurrencia de 1/6, y por lo tanto la probabilidad de ganar se calcula mediante la sumatoria ya indicada: P(A,B) = P(A)+P(B) = 1/6+1/6 = 2/6, o lo que es lo mismo, el jugador para ganar en el lanzamiento del dado tiene 2 eventos a su favor sobre 6 eventos posibles.

15. PROBABILIDAD DE LA UNIN DE EVENTOS QUE NO SON MUTUAMENTE EXCLUSIVOS.


Dos sucesos que no son mutuamente excluyentes, se pueden representar en la ptica conjuntista como:

Para el caso de sucesos No incompatibles o NO mutuamente excluyentes, la probabilidad de que ocurra uno de los dos sucesos es el sema de las probabilidades de ocurrencia de cada uno de los sucesos en cuestin MENOS la probabilidad de la interseccin (de que ocurran ambos).

16. ESPACIOS FINITOS DE PROBABILIDAD.


Sea del espacio muestra, que contiene n elementos {a1, a2, a3,.....,an}, si a cada uno de los elementos de d le asignamos una probabilidad pi 0, entonces estamos transformando este espacio muestra en un espacio finito de probabilidad; el que debe cumplir con las siguientes caractersticas: 1) Las probabilidades asociadas a cada uno de los elementos de d deben ser mayores o iguales a cero, pi0.

2) La sumatoria de las probabilidades asociadas a cada uno de los elementos de d debe de ser igual a 1. Spi = 1 En caso de que no se cumpla con las caractersticas antes mencionadas, entonces no se trata de un espacio finito de probabilidad. Ejemplos: 1. Se lanza al aire un dado normal, si la probabilidad de que aparezca una de sus caras es proporcional al nmero que ostenta, a) cul es la probabilidad de que aparezca un nmero par?, b) cul es la probabilidad de que aparezca un nmero primo? Solucin: d = {1, 2, 3, 4, 5, 6} En este caso asignaremos las probabilidades como sigue; p (aparezca el nmero 1) = p, p(aparezca el nmero 2) = 2p, ....., p (aparezca el nmero 5) = 5p, p(aparezca el nmero 6) = 6p Y por ser d un espacio finito de probabilidad, entonces, p (d) = p + 2p + 3p + 4p + 5p + 6p =1 Por tanto, 21p = 1, luego, p = 1/21 a. Luego;

A = evento de que aparezca un nmero par = {2, 4, 6} P (A) =p (2) +p (4) + p (6) = 2p + 4p + 6p = 12p = 12(1/21) = 12/21= 0.5714 b. B = es el evento de que aparezca un nmero primo = {1, 2, 3, 5}

p (B)=p(1) + p(2) + p(3) + p(5) = p + 2p + 3p + 5p = 11p = 11(1/21) = 11/21 = 0.5238.

17. PROBABILIDAD CONDICIONAL.


Es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro evento B. La probabilidad condicional se escribe P (A|B), y se lee la probabilidad de A dado B. No tiene por qu haber una relacin causal o temporal entre A y B. A puede preceder en el tiempo a B, sucederlo o pueden ocurrir

simultneamente. A puede causar B, viceversa o pueden no tener relacin causal. Las relaciones causales o temporales son nociones que no pertenecen al mbito de la probabilidad. Pueden desempear un papel o no dependiendo de la interpretacin que se le d a los eventos. DEFINICION. Dado un espacio de probabilidad , la y dos eventos (o

sucesos) con de A dado B est definida como:

probabilidad

condicional

INTERPRETACION. Se puede interpretar como, tomando los mundos en los que B se cumple, la fraccin en los que tambin se cumple A. Si el evento B es, por ejemplo, tener la gripe, y el evento A es tener dolor de cabeza, sera la probabilidad de tener dolor de cabeza cuando se est enfermo de gripe. Grficamente, si se interpreta el espacio de la ilustracin como el espacio de todos los mundos posibles, A seran los mundos en los que se tiene dolor de cabeza y B el espacio en el que se tiene gripe. La zona verde de la interseccin representara los mundos en los que se tiene gripe y dolor de cabeza . En este caso , es decir, la probabilidad de que alguien tenga dolor de cabeza sabiendo que tiene gripe, sera la proporcin de mundos con gripe y dolor de cabeza (color verde) de todos los mundos con gripe: El rea verde dividida por el rea de B. Como el rea verde

representa que:

y el rea de B representa a

, formalmente se tiene

PROPIEDADES.

Es decir, si todos los que tienen gripe siempre tienen dolor de cabeza, entonces la probabilidad de tener dolor de cabeza dado que tengo gripe es 1. .

18. EVENTOS INDEPENDIENTES.


Cuando A y B son dos eventos con probabilidades positivas, hemos visto que en general la probabilidad condicional del evento B dado el evento A es diferente de la probabilidad del evento B. Sin embargo, cuando se tiene la igualdad: P (B/A) = P (B) es de especial importancia porque esto quiere decir que el evento B no depende o es independiente del evento A. Es decir, no importa si ocurri o no el evento A puesto que la ocurrencia o no de A no afecta al evento B. Proposicin: Si B es independiente de A, entonces A es independiente de B. Demostracin: De la definicin de probabilidad condicional se tiene

y Despejando [3.3]

Como B es independiente de A, se tiene: P (B/A) = P (B) y sustituyendo en [3.3] nos conduce a la expresin Por lo tanto, que A es independiente de B. , de donde , lo que nos indica

Proposicin 3.7: A y B son independientes si y slo si Demostracin: Si A y B son independientes, entonces P (B/A) = P (B) y P(A/B) = P(A) [3.4] De la definicin de probabilidad condicional se deriv la ecuacin [3.5] [3.5] Sustituyendo [3.4] en [3.5] se tiene:

Por otra parte, si

, entonces

Y De donde A es independiente de B y B es independiente de A. Ejemplo: En una escuela el 20% de los alumnos tiene problemas visuales, el 8% tiene problemas auditivos y el 4% tienen tanto problemas visuales como auditivos, Sean: V los que tienen problemas visuales y VC los que no lo tienen. A los que tienen problemas auditivos y AC los que no los tienen. a. Son los dos eventos de tener problemas visuales y auditivos, eventos independientes? b. Cul es la probabilidad de que un nio tenga problemas auditivos si sabemos que tiene problemas visuales? c. Complete la siguiente tabla

d. Cul es la probabilidad de que un nio no tenga problemas auditivos si tiene problemas visuales? Solucin: a. P (V) P(A) = (0.2)(0.08) = 0.016 y P(V A) = 0.04. Como P (V A) P (V) P(A), se concluye que V y A no son independientes. b. c. Por diferencias podemos completar la tabla, ya que P (VC) = 1 0.20 = 0.80 y P(AC) = 1 0.08 = 0.92, por lo tanto.

d.

e.

19. EVENTOS DEPENDIENTES.


Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso, empleamos entonces, el concepto de probabilidad condicional para denominar la probabilidad del evento relacionado. La expresin P (AB) indica la probabilidad de ocurrencia del evento A si el evento B ya ocurri. Se debe tener claro que AB no es una fraccin. P (AB) = P(A y B)/P(B) o P(BA) = P(A y B)/P(A). Ejemplo: Suponga que tenemos 5 canicas azules y 5 canicas rojas en una bolsa. Sacamos una canica, que puede ser azul o roja. Ahora quedan 9 en la bolsa. Cul es la probabilidad de que la segunda canica ser roja? Depende. Si la primera canica fue roja, entonces en la bolsa quedan 4 canicas rojas de 9 as que la probabilidad de sacar una canica roja en la segunda oportunidad es de 4/9. Pero si la primera canica que sacamos es azul, entonces todava hay 5 canicas rojas en la bolsa y la probabilidad de sacar una canica roja de la bolsa es de 5/9. La segunda oportunidad es un evento dependiente. Depende de lo que paso en la primera oportunidad.

20. PROBABILIDAD DE LA INTERSECCIN DE EVENTOS INDEPENDIENTES.


En teora de probabilidades, se dice que dos sucesos aleatorios son independientes entre s cuando la probabilidad de cada uno de ellos no est influida porque el otro suceso ocurra o no, es decir, cuando ambos sucesos no estn relacionados. DEFINICION. Dos sucesos son independientes si la probabilidad de que ocurran ambos simultneamente es igual al producto de las probabilidades de que ocurra cada uno de ellos, es decir, si

MOTIVACIN DE LA DEFINICIN.
Sean y dos sucesos tales que , intuitivamente A es independiente de B si la probabilidad de A condicionada por B es igual a la probabilidad de A. Es decir si:

De la propia definicin de probabilidad condicionada:

Se deduce que que deducimos trivialmente que

y dado .

Si el suceso A es independiente del suceso B, automticamente el suceso B es independiente de A.

PROPIEDADES. La independencia de sucesos es algo muy importante para la estadstica y es condicin en multitud de teoremas. Por ejemplo, una de las primeras propiedades que se deriva de la definicin de sucesos independientes es que si dos sucesos son independientes entre s, la probabilidad de la interseccin es igual al producto de las probabilidades.

21. PROBABILIDAD DE LA INTERSECCIN DE EVENTOS DEPENDIENTES.

p(A

B) = p(A) p(B/A)

22. TEOREMA DE BAYES


El teorema de Bayes es un resultado enunciado por Thomas Bayes en 17631 que expresa la probabilidad condicional de un evento aleatorio A dado B en trminos de la distribucin de probabilidad condicional del evento B dado A y la distribucin de probabilidad marginal de slo A. En trminos ms generales y menos matemticos, el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe, se podra saber (si se tiene algn dato ms), la probabilidad de tener gripe si se tiene un dolor de cabeza, muestra este sencillo ejemplo la alta relevancia del teorema en cuestin para la ciencia en todas sus ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad de aspectos causales dados los efectos observados.

El teorema de Bayes es vlido en todas las aplicaciones de la teora de la probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten probabilidades basadas en experimentos repetibles y que tengan una confirmacin emprica mientras que los llamados estadsticos bayesianos permiten probabilidades subjetivas. El teorema puede servir entonces para indicar cmo debemos modificar nuestras probabilidades subjetivas cuando recibimos informacin adicional de un experimento. La estadstica bayesiana est demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento. Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente usados en implementaciones de filtros de correo basura o spam, que se adaptan con el uso.

WEBGRAFA

http://www.monografias.com/trabajos93/tecnicas-conteo/tecnicas-conteo.shtml http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/09Digramas%20de%2 0arbol.htm http://gergiomax.blogspot.com/2008/09/combinacion.html http://www.fic.umich.mx/~lcastro/combinaciones.pdf http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/08Particiones%20orde nadas.htm http://www.itch.edu.mx/academic/industrial/sabaticorita/amarillo.htm http://es.wikipedia.org/wiki/Permutaci%C3%B3n http://html.rincondelvago.com/probabilidad_10.html http://frecuenciaestadistica.blogspot.com/2009/04/probabilidad-operacion-sobreeventos.html