Ingeniera en sistemas computacionales

Materia: Probabilidad y Estadstica

Profesor: Cesar Morales Ramrez Unidad 1 Tema: Tcnicas de Conteo

Gonzlez Medina Sal Javier Armando

Cancn Q.Roo,28 de Febrero del 2011

Introduccin El propsito de este trabajo es adentrarnos en lo que es la probabilidad y estadstica, aprendiendo un poco de sus orgenes quien la descubri y como para que sirve y que usos tiene en nuestra vida cotidiana pues parece que no pero le realidad es que esta y muchas otras ciencias se presentan a diario en nuestra vida cotidiana aprenderemos tambin que distintas ramas se desprenden del tema antes mencionado as como para que sirven y como se aplica cada una de ellas a medida que se adentre en la lectura ira conociendo los principios y bases de esta rama tan interesante de las matemticas.

La probabilidad es un concepto bsico que utilizamos todo los seres humanos mediante el razonamiento humano. Tcnicas de conteo hablaremos de las diferentes tcnicas que se deben utilizar para determinar el nmero de resultado posible, que se lleva a cabo mediante un experimento o evento. Tcnica es la forma que utilizamos para analizar combinaciones para obtener el resulta que se desea analizar.

ndice I-: Antecedentes de la probabilidad y estadstica4 II-: Probabilidad......5 III-: Estadstica....5 IV-: TCNICAS DE CONTEO...6 IV-:1.1 Principio de aditivo..7 IV-:1.2 Principio multiplicacin.....8 IV-:1.3 Notacin factorial.....9 IV-:1.4 Permutaciones...10 IV-:1.4.1 Permutaciones con repeticiones...11 IV-:1.5 Combinaciones.12-13 IV--:1.6 Diagrama de rbol .14 IV-:1.7 Teorema del binomio.15-19 VI-: Mapa Mental.20 VII-: Conclusin..21 VIII-:Fichas bibliogrficas22

Historia de la Probabilidad Y Estadistica La historia de la probabilidad comienza en el siglo XVII cuando Pierre Fermat y Blaise Pascal tratan de resolver algunos problemas relacionados con los juegos de azar. Aunque algunos marcan sus inicios cuando Cardano (jugador donde los haya) escribi sobre 1520 El Libro de los Juegos de Azar (aunque no fu publicado hasta ms de un siglo despus, sobre 1660) no es hasta dicha fecha que comienza a elaborarse una teora aceptable sobre los juegos. Christian Huygens conoci la correspondencia entre Blaise Pascal y Pierre Fermat suscitada por el caballero De Mr, se plante el debate de determinar la probabilidad de ganar una partida, y public (en 1657) el primer libro sobre probabilidad: De Ratiociniis in Ludo Aleae, (Calculating in Games of Chance), un tratado sobre juegos de azar.Se aceptaba como intuitivo el concepto de equiprobabilidad, se admita que la probabilidad de conseguir un acontecimiento fuese igual al cociente entre Durante el siglo XVIII, debido muy particularmente a la popularidad de los juegos de azar, el clculo de probabilidades tuvo un notable desarrollo sobre la base de la anterior definicin de probabilidad. Destacan en 1713 el teorema de Bernoulli y la distribucin binomial, y en 1738 el primer caso particular estudiado por De Moivre , del teorema central del lmite. En 1809 Gauss inici el estudio de la teora de errores y en 1810 Laplace, que haba considerado anteriormente el tema, complet el desarrollo de esta teora. En 1812 Pierre Laplace public Thorie analytique des probabilits en el que expone un anlisis matemtico sobre los juegos de azar. A mediados del siglo XIX, un fraile agustino austraco, Gregor Mendel, inici el estudio de la herencia, la gentica, con sus interesantes experimentos sobre el cruce de plantas de diferentes caractersticas. Su obra, La matemtica de la Herencia, fue una de las primeras aplicaciones importantes de la teora de probabilidad a las ciencias naturales Desde los orgenes la principal dificultad para poder considerar la probabilidad como una rama de la matemtica fue la elaboracin de una teora suficientemente precisa como para que fuese aceptada como una forma de matemtica. A principios del siglo XX el matemtico ruso Andrei Kolmogorov la defini de forma axiomtica y estableci las bases para la moderna teora de la probabilidad que en la actualidad es parte de una teora ms amplia como es la teora de la medida.

PROBABILIDAD La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La teora de la probabilidad se usa extensamente en reas como la estadstica, la fsica, la matemtica, la ciencia y la filosofa para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecnica subyacente de sistemas complejos. ESTADISTICA La estadstica es una ciencia que estudia la recoleccin, anlisis e interpretacin de datos, ya sea para ayudar en la resolucin de la toma de decisiones o para explicar condiciones regulares o irregulares de algn fenmeno o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo estadstica es ms que eso, en otras palabras es el vehculo que permite llevar a cabo el proceso relacionado con la investigacin cientfica. La estadstica se divide en dos grandes reas:

La estadstica descriptiva, se dedica a los mtodos de recoleccin, descripcin, visualizacin y resumen de datos originados a partir de los fenmenos de estudio. Los datos pueden ser resumidos numrica o grficamente. Ejemplos bsicos de parmetros estadsticos son: la media y la desviacin estndar. Algunos ejemplos grficos son: histograma, pirmide poblacional, clsters, entre otros. La estadstica inferencial, se dedica a la generacin de los modelos, inferencias y predicciones asociadas a los fenmenos en cuestin teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la poblacin bajo estudio. Estas inferencias pueden tomar la forma de respuestas a preguntas si/no (prueba de hiptesis), estimaciones de caractersticas numricas (estimacin), pronsticos de futuras observaciones, descripciones de asociacin (correlacin) o modelamiento de relaciones entre variables (anlisis de regresin). Otras tcnicas de modelamiento incluyen anova, series de tiempo y minera de datos.

Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. Hay tambin una disciplina llamada estadstica matemtica, a la que se refiere a las bases tericas de la materia. La palabra estadsticas tambin se refiere al resultado de aplicar un algoritmo estadstico a un conjunto de datos, como en estadsticas econmicas, estadsticas criminales, entre otros.

INFERENCIA ESTADISTICA MODERNA A partir de mediados del siglo XX, tras la implantacin de la denominada inferencia clsica, surgen investigadores que intentan reforzar nuevas formas, tratando de implementar aplicaciones dirigidas hacia las ciencias sociales y mbito econmico. La moderna inferencia tiene dos pilares fundamentales: la teora de la decisin y los mtodos bayesianos. A mediados de 1.800 ya se distinguen aspectos como utilidad marginal y utilidad total, renovndose el primitivo concepto de Bernouilli. Con posterioridad Von Neumann y Oscar Morgenstern, hacia 1.945, desarrollan la moderna teora probabilstica de la utilidad, definiendo una axiomtica comn para la probabilidad y para la utilidad. En 1.954 aparece la obra de Savage, iniciador de la lnea bayesiana, en el marco de la teora de la utilidad. En los ltimos aos el empleo de la teora ha sido predictivo, aplicado en muchas ocasiones a las ciencias sociales y econmicas, destacando la utilidad colectiva de Arrow (problema de bienestar social) y hace poco tiempo Black y Rethenberg. Recientemente trabajos de McCrimmon (1.968) han contrastado la axiomtica de Savage, empleando experimentacin adecuada, obteniendo interesantes resultados. Fundamentalmente la inferencia estadstica moderna sigue dos sentidos que, aunque convergentes, tienen enfoque diferenciado: Teora bayesiana. Admite conocimientos a priori, as como observaciones nuevas. Las a priori son modificadas por las verosimilitudes. Teora de la decisin. Punto de partida en los trabajos de Wald (1.950). Pretende establecer una teora, unas reglas de accin en situacin de incertidumbre o riesgo. El valor de cualquier decisin es medido por su prdida. La inferencia estadstica o estadstica inferencial es una parte de la Estadstica que comprende los mtodos y procedimientos para deducir propiedades (hacer inferencias) de una poblacin, a partir de una pequea parte de la misma (muestra).

PRINCIPIO MULTIPLICATIVO. 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 N 1 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; N1 x N2 x ..........x Nr maneras o formas El principio multiplicativo implica que cada uno de los pasos de la actividad debe ser llevados a efecto, uno tras otro. Ejemplos: 1) Una persona desea construir su casa, para lo cual considera que puede construir los cimientos de su casa de cualquiera de dos maneras (concreto o block de cemento), mientras que las paredes las puede hacer de adobe, adobn o ladrillo, el techo puede ser de concreto o lmina galvanizada y por ltimo los acabados los puede realizar de una sola manera cuntas maneras tiene esta persona de construir su casa? Solucin: Considerando que r = 4 pasos N1= maneras de hacer cimientos = 2 N2= maneras de construir paredes = 3 N3= maneras de hacer techos = 2 N4= maneras de hacer acabados = 1 N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa El principio multiplicativo, el aditivo y las tcnicas de conteo que posteriormente se tratarn nos proporcionan todas las maneras o formas posibles de como se puede llevar a cabo una actividad cualquiera. 2) Cuntas placas para automvil pueden ser diseadas si deben constar de tres letras seguidas de cuatro nmeros, si las letras deben ser tomadas del abecedario y los nmeros de entre los dgitos del 0 al 9?, a. Si es posible repetir letras y nmeros, b. No es posible repetir letras y nmeros, c. Cuntas de las placas diseadas en el inciso b empiezan por la letra D y empiezan por el cero, d. Cuantas de las placas diseadas en el inciso b empiezan por la letra D seguida de la G.

Solucin: a. a. Considerando 26 letras del abecedario y los dgitos del 0 al 9

26 x 26 x 26 x 10 x 10 x 10 x 10 = 75,760,000 placas para automvil que es posible disear b. b. 26 x 25 x 24 x 10 x 9 x 8 x 7 = 78,624,000 placas para automvil c. c. d. d. 1 x 25 x 24 x 1 x 9 x 8 x 7 = 302,400 placas para automvil 1 x 1 x 24 x 10 x 9 x 8 x 7 = 120,960 placas para automvil

3) Cuntos nmeros telefnicos es posible disear, los que deben constar de seis dgitos tomados del 0 al 9?, a. Considere que el cero no puede ir al inicio de los nmeros y es posible repetir dgitos, b. El cero no debe ir en la primera posicin y no es posible repetir dgitos, c. Cuntos de los nmeros telefnicos del inciso b empiezan por el nmero siete?, d. Cuntos de los nmeros telefnicos del inciso b forman un nmero impar?. Solucin: e. a. f. b. g. c. h. d. 9 x 10 x 10 x 10 x 10 x 10 = 900,000 nmeros telefnicos 9 x 9 x 8 x 7 x 6 x 5 = 136,080 nmeros telefnicos 1 x 9 x 8 x 7 x 6 x 5 = 15,120 nmeros telefnicos 8 x 8 x 7 x 6 x 5 x 5 = 67,200 nmeros telefnicos

NOTACION FACTORIAL Para todo nmero natural n, se llama n factorial o factorial de n al producto de todos los naturales desde 1 hasta n:

Que de un modo resumido, se puede expresar como:

Se define 0! = 1, para que la relacin n! = n (n 1)! sea tambin vlida para n = 1. Esta relacin permite definir los factoriales por recursividad. La notacin n! fue popularizada por el matemtico francs Christian Kramp.

Los factoriales se usan mucho en la rama de la matemtica llamada combinatoria, a travs del binomio de Newton, que da los coeficientes de la forma desarrollada de (a + b)n: (a + b)n = an + n an 1 b + Cn, 2 an 2 b2 + ... + n a bn 1 + bn

con: Por medio de la combinatoria, los factoriales intervienen en el clculo de las probabilidades. Intervienen tambin en el mbito del anlisis, en particular a travs del desarrollo polinomial de las funciones (frmula de Tynril). Se generalizan a los reales con la funcin gamma, de gran importancia en el campo de la aritmtica. Para valores grandes de n, existe una expresin aproximada para el factorial de n, dado por la frmula de Stirling:

La ventaja de esta frmula es que no precisa induccin y, por lo tanto, permite evaluar n! ms rpidamente cuando mayor sea n.

El factorial de n es generalizado para cualquier nmero real n por la Funcin gamma de manera que

PERMUTACIONES. Para entender lo que son las permutaciones es necesario definir lo que es una combinacin y lo que es una permutacin para establecer su diferencia y de esta manera entender claramente cuando es posible utilizar una combinacin y cuando utilizar una permutacin al momento de querer cuantificar los elementos de algn evento. COMBINACIN Y PERMUTACION. COMBINACIN: Es todo arreglo de elementos en donde no nos interesa el lugar o posicin que ocupa cada uno de los elementos que constituyen dicho arreglo. PERMUTACIN: Es todo arreglo de elementos en donde nos interesa el lugar o posicin que ocupa cada uno de los elementos que constituyen dicho arreglo. Para ver de una manera objetiva la diferencia entre una combinacin y una permutacin, plantearemos cierta situacin. Suponga que un saln de clase est constituido por 35 alumnos. a) El maestro desea que tres de los alumnos lo ayuden en actividades tales como mantener el aula limpia o entregar material a los alumnos cuando as sea necesario. b) El maestro desea que se nombre a los representantes del saln (Presidente, Secretario y Tesorero). Solucin: a) a) Suponga que por unanimidad se ha elegido a Daniel, Arturo y a Rafael para limpiar el aula o entregar material, (aunque pudieron haberse seleccionado a Rafael, Daniel y a Enrique, o pudo haberse formado cualquier grupo de tres personas para realizar las actividades mencionadas anteriormente). Es importante el orden como se selecciona a los elementos que forma el grupo de tres personas?

Reflexionando al respecto nos damos cuenta de que el orden en este caso no tiene importancia, ya que lo nico que nos interesara es el contenido de cada grupo, dicho de otra forma, quines estn en el grupo? Por tanto, este ejemplo es una combinacin, quiere decir esto que las combinaciones nos permiten formar grupos o muestras de elementos en donde lo nico que nos interesa es el contenido de los mismos. b) b) Suponga que se han nombrado como representantes del saln a Daniel como Presidente, a Arturo como secretario y a Rafael como tesorero, pero resulta que a alguien se le ocurre hacer algunos cambios, los que se muestran a continuacin: CAMBIOS PRESIDENTE: Daniel Arturo Rafael Daniel SECRETARIO: Arturo TESORERO: Rafael Daniel Rafael Daniel Arturo Rafael Arturo

Ahora tenemos cuatro arreglos, se trata de la misma representacin? Creo que la respuesta sera no, ya que el cambio de funcin que se hace a los integrantes de la representacin original hace que definitivamente cada una de las representaciones trabaje de manera diferente, importa el orden de los elementos en los arreglos?. La respuesta definitivamente sera s, luego entonces las representaciones antes definidas son diferentes ya que el orden o la forma en que se asignan las funciones s importa, por lo tanto es este caso estamos tratando con permutaciones. A continuacin obtendremos las frmulas de permutaciones y de combinaciones, pero antes hay que definir lo que es n! (ene factorial), ya que est involucrado en las frmulas que se obtendrn y usarn para la resolucin de problemas. n!= al producto desde la unidad hasta el valor que ostenta n. n!= 1 x 2 x 3 x 4 x...........x n Ejem. 10!=1 x 2 x 3 x 4 x.........x 10=3,628,800 8!= 1 x 2 x 3 x 4 x.........x 8=40,320 6!=1 x 2 x 3 x 4 x..........x 6=720, etc., etc.

COMBINACIONES.

Como ya se mencion anteriormente, una 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:

Cr

n! ( n r )! r!

nCr

= Combinaciones de r objetos tomados de entre n objetos

Donde se observa que,

n Cr n

pr r!

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. nPr = nCr r! Y si deseamos r = n entonces; nCn = n! / (n n)!n! = n! / 0!n! = 1 Qu nos indica lo anterior? Que cuando se desea formar grupos con la misma cantidad de elementos con que se cuenta solo es posible formar un grupo.

Ejemplos: 1) 1) a. Si se cuenta con 14 alumnos que desean colaborar en una campaa pero limpieza del Tec, cuantos grupos de limpieza podrn formarse si se desea que consten de 5 alumnos cada uno de ellos, b.si entre los 14 alumnos hay 8 mujeres, cuantos de los grupos de limpieza tendrn a 3 mujeres?, c.cuntos de los grupos de limpieza contarn con 4 hombres por lo menos?

Solucin: a. n = 14, r = 5
14C5 =

14! / (14 5 )!5! = 14! / 9!5! = 14 x 13 x 12 x 11 x 10 x 9!/ 9!5! = 2002 grupos

Entre los 2002 grupos de limpieza hay grupos que contienen solo hombres, grupos que contienen solo mujeres y grupos mixtos, con hombres y mujeres. b. n = 14 (8 mujeres y 6 hombres), r=5 3 mujeres y 2

En este caso nos interesan aquellos grupos que contengan hombres

8C3*6C2

= (8! / (8 3)!3!)*(6! / (6 2)!2!) = (8! / 5!3!)*(6! / 4!2!) = 8 x7 x 6 x 5 /2! = 840 grupos con 3 mujeres y 2 hombres, puesto que cada grupo debe constar de 5 personas c. En este caso nos interesan grupos en donde haya 4 hombres o ms Los grupos de inters son = grupos con 4 hombres + grupos con 5 hombres = 6C4*8C1 + 6C5*8C0 = 15 x 8 + 6 x 1 = 120 + 6 = 126

DIAGRAMA DE ARBOL. 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?

Solucin: A B M AB O

N A B N A B N A B

A F B AB O B A B N A B

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.

TEOREMA DEL BINOMIO Teorema del binomio es un resultado que proporciona el desarrollo de la potencia de una suma. Este teorema establece: Usando la frmula para calcular el valor de

(que tambin es representado ocasionalmente como C(n,k) o una tercera representacin:

) se obtiene

El coeficiente de xkyn k en el desarrollo de (x + y)n es

Donde recibe el nombre de coeficiente binomial y representa el nmero de formas de escoger k elementos a partir de un conjunto con n elementos. Usualmente el teorema del binomio se expresa en la siguiente variante:

Como ejemplo, para n=2, n=3, n=4:

(2) Para obtener la expansin de las potencias de una resta, basta con tomar -y en lugar de y en el caso anterior. La expresin (2) queda de la siguiente forma:

EXPERIMENTO Un experimento es un procedimiento mediante el cual se trata de comprobar (confirmar, verificar o inventar) una o varias hiptesis relacionadas con un determinado fenmeno, mediante la manipulacin de una o ms variables que presumiblemente son su causa. La experimentacin constituye uno de los elementos claves del de simplificacin del polinomio mtodo cientfico y es fundamental para ofrecer explicaciones causales.

En un experimento se consideran todas las variables relevantes que intervienen en el fenmeno, mediante la manipulacin de las que presumiblemente son su causa, el control de las variables extraas y la aleatorizacin de las restantes. Estos procedimientos pueden variar mucho segn las disciplinas (no es igual en Fsica que en Psicologa, por ejemplo), pero persiguen el mismo objetivo: excluir explicaciones alternativas (diferentes a la variable manipulada) en la explicacin de los resultados. Este aspecto se conoce como validez interna del experimento, la cual aumenta cuando el experimento es replicado por otros investigadores y se obtienen los mismos resultados. Cada repeticin del experimento se llama prueba o ensayo. Las distintas formas de realizar un experimento, son conocidas como diseos experimentales. Evento Evento se refiere a cualquier acontecimiento, circunstancia, suceso o caso posible. As, se dice eventualmente o ante todo evento en previsin de algo que, conjetural o previsiblemente, pudiera ocurrir en una circunstancia determinada y es generalmente un hecho imprevisto. EVENTO ESTADSTICO En estadstica, un evento o suceso es un subconjunto de un espacio muestral, es decir, un conjunto de posibles resultados que se pueden dar en un experimento aleatorio. Formalmente, sea un espacio muestra, entonces un evento es un subconjunto , donde (w1,w2,...) son una serie de posibles resultados. Se dice que un evento A ocurre, si el resultado del experimento aleatorio es un elemento de A.

Podemos diferenciar entre dos tipos de espacios mustrales: discretos y continuos. Discretos Son aquellos espacios donde el nmero de sucesos elementales es finito o infinito numerable. Espacio Probabilstico discreto Es aquel cuyo espacio muestra es discreto. Podemos diferenciar varios tipos de espacio probabilstico discreto: Espacio Probabilstico Discreto Equiprobable

Su espacio muestra es finito de tamao n. La probabilidad de cualquier suceso elemental E es

, de aqu se deduce que para todo suceso A la probabilidad es

Espacio Probabilstico Finito

Su espacio muestral es discreto finito. Hay al menos 2 sucesos elementales que cumplen.

Procesos Estocsticos Finitos Y Diagramas de rbol Un proceso estocstico es una sucesin finita de experimentos aleatorios, cada uno de ellos con un n finito de resultados posibles. Se representan con diagrama de rbol. Ejemplo Imaginemos que se lanzan una moneda y un dado

La probabilidad de un camino es la multiplicacin de sus probabilidades.

La probabilidad de sacar una cara y un tres ser ---->

La probabilidad de un suceso cualquiera es la suma de las probabilidades de los caminos La probabilidad de sacar impar ser ---->

Espacio Probabilstico Infinito Contable Aquel cuyo espacio muestra es discreto infinito contable. Por ejemplo

La probabilidad de que salga cara en la primera tirada ---->

La probabilidad de que salga cara en la segunda tirada ---->

La probabilidad de que salga cara en la tercera tirada ---->

Continuos Son aquellos espacios donde el nmero de sucesos elementales es infinito incontable. Espacio probabilstico continuo

Espacio muestral infinito no numerable. -No es posible observar puntos concretos del espacio. Tiene sentido hablar de intervalos observados. - No es posible asignar probabilidad a un punto concreto, se asignan intervalos. Por tanto la funcin P est definida sobre intervalos -----> P(Ki < Exp > Ke)

-Habitualmente cuando trabajamos con magnitudes fsicas.

Particiones Es posible definir particiones sobre el espacio muestral. Formalmente hablando, una particin sobre se define como un conjunto numerable: Tal que: 1. 2. 3. Ejemplos Por ejemplo, en el caso del experimento aleatorio "lanzar un dado", el espacio muestral del experimento sera: ={1,2,3,4,5,6}. Por otro lado, si cambiamos ligeramente la experiencia pensando en el nmero resultante de la suma de 2 dados, entonces tenemos 2 espacios mustrales:

={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),...(6,6)} = {1,2,3,4,5,6}x{1,2,3,4,5,6} '={2,3,4,...,12}

La eleccin del espacio muestral es un factor determinante para realizar el clculo de la probabilidad de un suceso.

Conclusin Los conceptos antes mencionados han sido analizados e investigados de tal manera de hacer ms fcil su comprensin y entendimientos ya que la probabilidad y estadstica es la ciencia que trata de entender, organizar y tomar decisiones que estn de acuerdo con los anlisis efectuados.

Referencias bibliogrficas

TITULO DE LIBRO: probabilidad y estadstica (segunda edicin AUTOR Murray r. spiegel EDITORIAL: Mc Graw Hill TITULO DE LIBRO: Manual de Estadstica AUTOR: David Ruiz Muoz EDITORIAL: eumednet 2004 ISBN: 84-688-6153-7 TITULO DE LIBRO:. Anderson, D.; Sweeney D.; Williams, T. AUTOR: Estadstica para Administracin y EDITORIAL: Economa.10. Edicin. Cengage Learning Editores, Mxico. 2008.