Está en la página 1de 17

Redes de Bravais

En geometra y cristalografa las redes de Bravais son una disposicin infinita de puntos discretos cuya estructura es invariante bajo cierto grupo detraslaciones. En la mayora de casos tambin se da una invariancia bajo rotaciones o simetra rotacional. Estas propiedades hacen que desde todos los nodos de una red de Bravais se tenga la misma perspectiva de la red. Se dice entonces que los puntos de una red de Bravais son equivalentes. Mediante teora de grupos se ha demostrado que slo existe una nica red de Bravais unidimensional, 5 redes bidimensionales y 14 modelos distintos de redes tridimensionales. La red unidimensional es elemental siendo sta una simple secuencia de nodos equidistantes entre s. En dos o tres dimensiones las cosas se complican ms y la variabilidad de formas obliga a definir ciertas estructuras patrn para trabajar cmodamente con las redes. Para generar stas normalmente se usa el concepto de celda primitiva. Las celdas unitarias, son paralelogramos (2D) o paraleleppedos (3D) que constituyen la menor subdivisin de una red cristalina que conserva las caractersticas generales de toda la retcula, de modo que por simple traslacin de la misma, puede reconstruirse la red al completo en cualquier punto. Una red tpica R en tiene la forma:

donde {a1,..., an} es una base en el espacio R . Puede haber diferentes bases que generen la misma red pero el valor absoluto del determinante de losvectores ai vendr siempre determinado por la red por lo que se lo puede representar como d(R).

Caractersticas de las celdas unitarias y las celdas convencionales


Las celdas unitarias se pueden definir de forma muy simple a partir de dos vectores (2D) o tres vectores (3D). La construccin de la celda se realiza trazando las paralelas de estos vectores desde sus extremos hasta el punto en el que se cruzan. Existe un tipo de celda unitaria que se construye de un modo distinto y que presenta ciertas ventajas en la visualizacin de la red ya que posee la misma simetra que la red, es la celda de Wigner-Seitz. Una celda unitaria se caracteriza principalmente por contener un nico nodo de la red de ah el adjetivo de "unitaria". Si bien en muchos casos existen distintas formas para las celdas unitarias de una determinada red el volumen de toda celda unitaria es siempre el mismo. En ocasiones resulta ms sencillo construir otro tipo de celdas que sin ser unitarias describen mejor la estructura de la red que tratamos. Este tipo de celdas se denominan celdas convencionales. stas tienen, a su vez, sus propios parmetros de red y un volumen determinado. Todas estas celdas se consideran celdas primitivas ya que son capaces de cubrir todo el espacio mediante traslaciones sin que queden huecos ni solapamientos. Sus diferencias o caractersticas son las siguientes:

Empaquetamiento compacto: Esto es cuando los tomos de la celda estn en contacto unos con

otros. No siempre ser as y en muchos casos mediar una distancia mnima entre las nubes electrnicas de los diferentes tomos. Parmetro de red: Es la longitud de los lados de la celda unitaria. Puede haber tan solo uno, dos o hasta tres parmetros de red distintos dependiendo del tipo de red de bravais que tratemos. En las estructuras ms comunes se representa con la letra a y con la c en caso de haber dos. Nodos o tomos por celda: Tal y como dice el nombre es el nmero de nodos o tomos que posee cada celda. Una celda cuadrada, por ejemplo, poseer un nodo por celda ya que cada esquina la comparte con cuatro celdas ms. De hecho si una celda posee ms de un nodo de red es que no es unitaria, en cambio si posee ms de un tomo por celda pudiera ser que estuvisemos en una celda unitaria pero con una base atmica de ms de un tomo. Nmero de coordinacin: Es el nmero de puntos de la red ms cercanos, los primeros vecinos, de un nodo de la red. Si se trata de una estructura con empaquetamiento compacto el nmero de coordinacin ser el nmero de tomos en contacto con otro. El mximo es 12. Factor de empaquetamiento: Fraccin del espacio de la celda unitaria ocupada por los tomos, suponiendo que stos son esferas slidas.

Donde f es el factor de empaquetamiento o fraccin de volumen ocupado, n el nmero de tomos por celda, v el volumen del tomo y Vc el volumen de la celda. Normalmente se suele dar el factor de empaquetamiento compacto para las diferentes celdas como indicador de la densidad de tomos que posee cada estructura cristalina. En este caso los tomos se tratan como esferas rgidas en contacto con sus vecinos ms cercanos. Densidad: A partir de las caractersticas de la red, puede obtenerse la densidad terica del material que conforma la red mediante la siguiente expresin.

Donde es la densidad, NA el nmero de Avogadro y m la masa atmica. Volumen de la celda unitaria primitiva: Toda celda unitaria tiene el mismo volumen representado por la siguiente frmula. Donde a son los vectores de la base de la red.

Redes bidimensionales
Segn los ngulos y la distancia entre los nodos se distinguen 5 redes distintas.

Redes tridimensionales
En funcin de los parmetros de la celda unitaria, longitudes de sus lados y ngulos que forman, se distinguen 7 sistemas cristalinos. Ahora bien, para determinar completamente la estructura cristalina elemental de un slido, adems de definir la forma geomtrica de la red, es necesario establecer las posiciones en la celda de los tomos o molculas que forman el slido cristalino; lo que se denominan puntos reticulares. Las alternativas son las siguientes: P: Celda primitiva o simple en la que los puntos reticulares son slo los vrtices del paraleleppedo. F: Celda centrada en las caras, que tiene puntos reticulares en las caras, adems de en los vrtices. Si slo tienen puntos reticulares en las bases, se designan con las letras A, B o C segn sean las caras que tienen los dos puntos reticulares.

I: Celda centrada en el cuerpo que tiene un punto reticular en el centro de la celda, adems de los vrtices. C: Primitiva con ejes iguales y ngulos iguales hexagonal doblemente centrada en el cuerpo, adems de los vrtices.

Combinando los 7 sistemas cristalinos con las disposiciones de los puntos de red mencionados, se obtendran 28 redes cristalinas posibles. En realidad, como puede demostrarse, slo existen 14 configuraciones bsicas, pudindose el resto obtener a partir de ellas. Estas estructuras se denominan redes de Bravais.

Sistema cristalino

Redes de Bravais

triclnico

monoclnico

ortorrmbico

tetragonal

rombodrico (trigonal)

hexagonal

cbico

Base atmica
el caso ms sencillo, a cada punto de red le corresponder un tomo, pero en estructuras ms complicadas, como materiales cermicos y compuestos, cientos de tomos pueden estar asociados a cada punto de red formando celdas unitarias extremadamente complejas. La distribucin de estos tomos o molculas adicionales se denomina base atmica y esta nos da su distribucin dentro de la celda unitaria. Existen dos casos tpicos de bases atmicas. La estructura del diamante y la hexagonal compacta. Para redes bidimensionales un caso ejemplar sera el grafito cuya estructura sigue un patrn de red en panal. Estructura a (r) Cbica simple (CS) Nmero de Factor de coordinacin empaquetamiento 6 0,52 Po Ejemplos

a=2

Cbica centrada en a = el cuerpo 4r/3 (CC) Cbica centrada en a = las caras 4r/2 (CCC) Hexagonal compacta (HC) a= 2r c/a = 1,633

0,68

Fe, Ti, W, Mo, Nb, Ta, K, Na, V,Cr, Zr

12

0,74

Cu, Al, Au, Ag, Pb, Ni, Pt

12

0,74

Ti, Mg, Zn, Be, Co, Zr, Cd

A pesar de la existencia de la nomenclatura espaola, la inglesa est mucho ms extendida. Los acrnimos ingleses son los siguientes. sc: cbica simple bcc: cbica centrada en el cuerpo fcc: cbica centrada en las caras hcp: hexagonal compacta

Teora de la probabilidad
La teora de la probabilidad es la parte de las matemticas que estudia los fenmenos aleatorios estocsticos. Estos deben contraponerse a los fenmenos determinsticos, los cuales son resultados nicos y/o previsibles de experimentos realizados bajo las mismas condiciones determinadas, por ejemplo, si se calienta agua a 100 grados Celsius a nivel del mar se obtendr vapor. Los fenmenos aleatorios, por el contrario, son aquellos que se obtienen como resultado de experimentos realizados, otra vez, bajo las mismas condiciones determinadas pero como resultado posible poseen un conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de una moneda. Muchos fenmenos naturales son aleatorios, pero existen algunos como el lanzamiento de un dado, donde el fenmeno no se repite en las mismas condiciones, debido a que la caractersticas del material hace que no exista una simetra del mismo, as las repeticiones no garantizan una probabilidad definida. En los procesos reales que se modelizan mediante distribuciones de probabilidad corresponden a modelos complejos donde no se conocen a priori todos los parmetros que intervienen; sta es una de las razones por las cuales la estadstica, que busca determinar estos parmetros, no se reduce inmediatamente a la teora de la probabilidad en s. En 1933, el matemtico sovitico Andri Kolmogrov propuso un sistema de axiomas para la teora de la probabilidad, basado en la teora de conjuntosy en la teora de la medida, desarrollada pocos aos antes por Lebesgue, Borel y Frechet entre otros. Esta aproximacin axiomtica que generaliza el marco clsico de la probabilidad, la cual obedece a la regla de clculo de casos favorables sobre casos posibles, permiti la rigorizacin de muchos argumentos ya utilizados, as como el estudio de problemas fuera de los marcos clsicos. Actualmente, la teora de la probabilidad encuentra aplicacin en las ms variadas ramas del conocimiento, como puede ser la fsica (donde corresponde mencionar el desarrollo de las difusiones y el movimiento Browniano), o las finanzas (donde destaca el modelo de Black y Scholes para la valuacin de acciones).

Definicin segn la frecuencia relativa y definicin axiomtica


La autodefinicin axiomtica de la probabilidad se define con base a s misma (igualmente factible es sinnimo de igualmente autoprobable) se define la probabilidad estimada u honrica basada en la frecuencia relativa de aparicin de un suceso S cuando es muy grande. La probabilidad de un suceso es una medida que se escribe como , y mide con qu frecuencia ocurre algn suceso si se hace algn experimento indefinidamente. La definicin anterior es complicada de representar matemticamente ya que debiera ser infinito. Otra manera de definir la probabilidad es de forma axiomtica esto estableciendo las relaciones o propiedades que existen entre los conceptos y operaciones que la componen.

Definicin clsica de probabilidad


La probabilidad es la caracterstica de un evento, que hace que existan razones para creer que ste se realizar.

La probabilidad p de que suceda un evento S de un total de n casos posibles igualmente probables es igual a la razn entre el nmero de ocurrenciash de dicho evento (casos favorables) y el nmero total de casos posibles n.

La probabilidad es un nmero (valor) que varia entre 0 y 1. Cuando el evento es imposible se dice que su probabilidad es 0, si el evento es cierto y siempre tiene que ocurrir su probabilidad es 1. La probabilidad de no ocurrencia de un evento est dada por q, donde:

Sabemos que p es la probabilidad de que ocurra un evento y q es la probabilidad de que no ocurra, entonces p + q = 1 Simblicamente el espacio de resultados, que normalmente se denota por , es el espacio que consiste en todos los resultados que son posibles. Los resultados, que se denota por , etctera, son elementos del espacio . Aplicacin en la ingeniera industrial

Casi toda decisin que un hombre de negocios e Ingeniero tiene que tomar, de una u otra manera, presenta algn elemento de incertidumbre, es decir, en el momento en que la decisin es tomada no se tiene la certeza absoluta de cual ser la consecuencia de la decisin tomada. Algunas veces, los efectos de la incertidumbre son tan pequeos que su influencia en la decisin tomada puede despreciarse y por tanto se trata a la situacin que se presenta como que no tiene incertidumbre y se toma la decisin con entera confianza. Pero en no pocas ocasiones se enfrentan situaciones donde la incertidumbre es importante y no puede ser ignorada y en esas situaciones, las probabilidades y la estadstica son herramientaseficaces para tomar las decisiones. En la vida cotidiana se presentan situaciones que de modo general pudieran llamarse fenmenos, los cuales pueden agruparse en dos tipos: - aquellos que conociendo las condiciones en las cuales se desarrollan se puede predecir el resultado del mismo. Al referirse a ellos se seala que la influencia de la incertidumbre es despreciable y entre ellos se pueden relacionar un nmero de fenmenos ya estudiados en la fsica, qumica, etc., tales como: 1-Ley del movimiento uniforme. 2-Ebullicin del agua a TPN, etc. - aquellos que conociendo las condiciones en las cuales se desarrollan no se puede predecir el resultado del mismo. En ellos la influencia de la incertidumbre es importante y hay que considerarla. Entre ellos se puede citar la presencia de defectos en los artculos producidos; la ocurrencia de fallos en el funcionamiento de uno equipo, etc.

En los primeros predominan las leyes dinmicas y en los segundos predominan las leyes denominadas estocsticas, a los cuales llamaremos fenmenos aleatorios y constituyen el objeto de estudio de la teora de las probabilidades y de la estadstica. En este material, se aborda de forma sinttica aspectos relacionados con la "teora de las probabilidades.

Teora de conjuntos
La teora de conjuntos es una rama de las matemticas que estudia las propiedades de los conjuntos. Los conjuntos son colecciones abstractas de objetos, consideradas como objetos en s mismas, y son una herramienta bsica en la formulacin de cualquier teora matemtica. Ms an, la teora de los conjuntos es lo suficientemente rica como para construir el resto de objetos y estructuras de inters en matemticas: nmeros, funciones, figuras geomtricas, ...; y junto con la lgica permite estudiar los fundamentos de esta. En la actualidad se acepta que el conjunto de axiomas de la teora de Zermelo-Fraenkel es suficiente para desarrollar toda la matemtica. La propia teora de conjuntos es objeto de estudio per se, no slo como herramienta auxiliar, en particular las propiedades y relaciones de los conjuntos infinitos. En esta disciplina es habitual que se presenten casos de propiedades indemostrables ocontradictorias, como la hiptesis del continuo o la existencia de un cardinal inaccesible. Por esta razn, los razonamientos y tcnicas de la teora de conjuntos se apoyan en gran medida en la lgica matemtica. El desarrollo histrico de la teora de conjuntos se atribuye a Georg Cantor, que comenz a investigar cuestiones conjuntistas "puras" en la segunda mitad del siglo XIX, precedido por algunas ideas de Bernhard Bolzano e influenciado por Richard Dedekind. El descubrimiento de las paradojas de la teora cantoriana de conjuntos propici los trabajos de Bertrand Russell, Ernst Zermelo, Abraham Fraenkel y otros a principios del siglo XX. TECNICAS DE CONTEO

Tcnicas de Conteo 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 de la permutacin, y la tcnica de la combinacin.

La Tcnica de la Multiplicacin La tcnica de la multiplicacin: Si hay m formas de hacer una cosa y hay n formas de hacer otra cosa, hay m x n formas da hacer ambas cosas En trminos de frmula Nmero total de arreglos = m x n Esto puede ser extendido a ms de dos eventos. Para tres eventos, m, n, y o: Nmero total de arreglos = m x n x o Ejemplo: Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estndar. Cuntos diferentes arreglos de autos y rines puede ofrecer el vendedor? Para solucionar el problema podemos emplear la tcnica de la multiplicacin, (donde m es nmero de modelos y n es el nmero de tipos de rin). Nmero total de arreglos = 3 x 2 No fue difcil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sera tedioso hacer un dibujo con todas las posibilidades. Aplicando la tcnica de la multiplicacin fcilmente realizamos el clculo: Nmero total de arreglos = m x n = 8 x 6 = 48 La Tcnica de la Permutacin Como vimos anteriormente la tcnica de la multiplicacin es aplicada para encontrar el nmero posible de arreglos para dos o ms grupos. La tcnica de la permutacin es aplicada para encontrar el nmero posible de arreglos donde hay solo u grupo de objetos. Como ilustracin analizaremos el siguiente problema: Tres componentes electrnicos - un transistor, un capacitor, y un diodo - sern ensamblados en una tablilla de una televisin. Los componentes pueden ser

ensamblados en cualquier orden. De cuantas diferentes maneras pueden ser ensamblados los tres componentes? Las diferentes maneras de ensamblar los componentes son llamadas permutaciones, y son las siguientes: TDCDTCCDT TCDDCTCTD Permutacin: Todos los arreglos de r objetos seleccionados de n objetos posibles La frmula empleada para contar el nmero total de diferentes permutaciones es: n P r = n! (n r )! Donde: nPr es el nmero de permutaciones posible n es el nmero total de objetos r es el nmero de objetos utilizados en un mismo momento n P r = n! = 3! = 3 x 2 = 6 (n r )! Ejemplo: Suponga que hay ocho tipos de computadora pero solo tres espacios disponibles para exhibirlas en la tienda de computadoras. De cuantas maneras diferentes pueden ser arregladas las 8 mquinas en los tres espacios disponibles? n P r = n! = 8! = 8! = 336 (n r )!

( 3 3 )!

( 8 3 )!

5!

En el anlisis anterior los arreglos no presentan repeticiones, es decir, no hay dos espacios disponibles con el mismo tipo de computadora. Si en los arreglos se permite la repeticin, la frmula de permutaciones es la siguiente: n Pr = nr

Para ilustrar el punto, queremos saber cuntas series de 2 letras se pueden formar con las letras A, B, C, si se permite la repeticin? Las permutaciones son las siguientes: AA, AB, AC, BA, CA, BB, BC, CB, CC Usando la frmula: n Pr = nr = 3P2 = 32 = 9 La Tcnica de la Combinacin En una permutacin, el orden de los objetos de cada posible resultado es diferente. Si el orden de los objetos no es importante, cada uno de estos resultados se denomina combinacin. Por ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes, entonces si importa el orden, los resultados sern permutaciones. Por el contrario si en el equipo no hay funciones definidas, entonces no importa el orden y los resultados sern combinaciones. Los resultados en ambos casos son los siguientes: Permutaciones: AB, AC, BA, CA, BC, CB Combinaciones: AB, AC, BC Combinaciones: Es el nmero de formas de seleccionar r objetos de un grupo de n objetos sin importar el orden. La frmula de combinaciones es: n C r = n! r! (n r )! Ejemplo: En una compaa se quiere establecer un cdigo de colores para identificar cada una de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes, de tal suerte que cada una tenga una combinacin de 3 colores diferentes. Ser adecuado este cdigo de colores para identificar las 42 partes del producto?

Usando la frmula de combinaciones: n C r = n! = 7! = 7! = 35 r! (n r )!

3! ( 7 3 )!

3! 4!

El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes del producto.

ESPACIO MUESTRAS Y EVENTOS Espacio muestral y eventos El uso de conjuntos representados por diagramas de Venn, facilita la compresin de espacio muestral y evento, ya que el espacio muestral S, se puede equiparar con el conjunto universo, debido a que S contiene la totalidad de los resultados posibles de un experimento, mientras que los eventos E contienen solo un conjunto de resultados posibles del experimento, mientras que los puntos muestrales se equiparan con los elementos. Vamos a suponer que el experimento que se realiza es el lanzamiento de un dado y queremos conocer cul es la probabilidad de que caiga un 3 o un 5? Si S contiene la totalidad de los resultados posibles, entonces S = {1, 2, 3, 4, 5, 6} puesto que el dado tiene 6 caras y si buscamos la probabilidad P de que caiga 3 o 5, esto constituye un evento entonces, E = {3, 5}. El espacio muestral S, est representado por un rectngulo, este contiene eventos E representados a travs de crculos y puntos muestrales. Dado que en E existen dos elementos y en S seis, la probabilidad P de que ocurra E es 2 de 6 y se obtiene al dividir el nmero de elementos en E sobre el nmero de elementos en S. Espacio Muestral.- Se llama espacio muestral (E) asociado a un experimento aleatorio, el conjunto de todos los resultados posibles de dicho experimento. Al lanzar una moneda, el espacio muestral es E = {sale cara, sale sello} E = {c, s}. Al lanzar un dado de seis caras, el espacio muestral es E = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6} E = {1, 2, 3, 4, 5, 6} Al lanzar dos monedas, el espacio muestral es E = (c,c), (c,s), (s,c), (s,s). Al lanzar tres monedas, el espacio muestral es E = (c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c), (s,s,s) Evento o Suceso: Se llama evento o suceso a todo

subconjunto de un espacio muestral. Por ejemplo en el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos: 1. Obtener un nmero primo A = {2, 3, 5} 2. Obtener un nmero primo y par B = {2} 3. Obtener un nmero mayor o igual a 5 C = {5, 6} AXIOMAS DE LA PROBABILIDAD
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades. Fueron formulados por Kolmogrov en 1933.

Axiomas de Kolmogrov
Dado un conjunto de sucesos elementales, , sobre el que se ha definida una -lgebra (lase sigma-lgebra) de subconjuntos de y una funcin P que asigna valores reales a los miembros de , a los que denominamos "sucesos", se dice que P es una probabilidad sobre ( ,) si se cumplen los siguientes tres axiomas.

Primer axioma
La probabilidad de un suceso es un nmero real mayor o igual que 0.

Segundo axioma
La probabilidad del total, , es igual a 1, es decir,

Tercer axioma
Si son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de interseccin vaca dos a dos), entonces: . Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas mutuamente excluyentes sumando las probabilidades de sus componentes. En trminos ms formales, una probabilidad es una medida sobre una -lgebra de subconjuntos del espacio muestral, siendo los subconjuntos miembros de la -lgebra los sucesos y definida de tal manera que la medida del total sea 1. Tal medida, gracias a su definicin matemtica, verifica igualmente los tres axiomas de Kolmogrov. A la terna formada por el espacio muestral, la -lgebra y la funcin de probabilidad se la denominaEspacio probabilstico, esto es, un "espacio de sucesos" (el espacio muestral) en el que se han definido los posibles sucesos a considerar (la -lgebra) y la probabilidad de cada suceso (la funcin de probabilidad).

Propiedades que se deducen de los axiomas


De los axiomas anteriores se deducen otras propiedades de la probabilidad: 1. imposible 2. Para cualquier suceso 3. 4. Si 5. entonces donde el conjunto vaco representa en probabilidad el suceso

Ejemplos
Como ejemplo se puede tomar como espacio muestral a los posibles resultados al arrojar un dado corriente , tomaremos como -lgebra todos los subconjuntos posibles ) y como funcin de probabilidad de (que en matemticas se denota por

donde

representa el nmero de elementos del conjunto

Es fcil comprobar que esta funcin verifica los tres axiomas de Kolmogrov y, por tanto, consituye una probabilidad sobre este conjunto.

1.

, puesto que es el cociente de dos nmeros positivos

2. 3. Si que

de tal manera entonces

con lo que

PROBABILIDAD INDEPENDIENTE
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 por que el otro suceso ocurra o no, es decir, cuando ambos sucesos no estn correlacionados. 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 que deducimos trivialmente .

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 necesaria 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 lainterseccin es igual al producto de las probabilidades.

EVENTOS MUTUAMENTE EXCLUYENTES

Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden ocurrir simultneamente. Es decir, la ocurrencia de un evento impide automticamente la ocurrencia del otro evento (o eventos). Ejemplo: Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a la vez, esto quiere decir que estos eventos son excluyentes. Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que ocurran ambos. Esto no indica que necesariamente deban ocurrir estos eventos en forma simultnea. Ejemplo:

Si consideramos en un juego de domino sacar al menos un blanco y un seis, estos eventos son no excluyentes porque puede ocurrir que salga el seis blanco.