Trabajo Prob

Probabilidad
Instituto Tecnologico de
Campeche
Alumno: Adrian Montero Rangel

Ingeniería industrial
Probabilidad
Prof. Ramón Bocos Patrón
Trabajo: Conseptos de fundamentos de probabilidad
II semestre
Fecha de entrega ________
Trabajo Núm._______
Instituto Tecnoló gico de Campeche pá gina 1

Probabilidad
Índice
Definición de conjunto………………………………………………………………………………………3
Notación de conjuntos……………………………………………………………………………………………3
Conjuntos explícitos e implícitos……………………………………………………………………………4
Conjuntos finitos e infinitos………………………………………………………………………………….4
El conjunto universal……………………………………………………………………………………………..4
Conjuntos vacio…………………………………………………………………………………………………….4
Subconjunto…………………………………………………………………………………………………………4
Diagrama de ven…………………………………………………………………………………………………..5
Operaciones con conjuntos……………………………………………………………………………………5
-Unión …………………………………………………………………………………………………………………..6
-Intersección………………………………………………………………………………………………………….6
-Diferencia…………………………………………………………………………………………………………….6
-Complemento……………………………………………………………………………………………………..6
Leyes o propiedades de las operaciones con conjuntos…………………………………………7
Cardinal de un conjunto……………………………………………………………………………………….7
-Propiedades………………………………………………………………………………………………………..7
Propociciones……………………………………………………………………………………………………….8
Necesidada de contar……………………………………………………………………………………………8
Metodos para realizar un conteo………………………………………………………………………….9
a)diagramas de Venn …………………………………………………………………………………………..9
b)Diagramas de árbol……………………………………………………………………………………………9
c)Caja o rayitas…………………………………………………………………………………………………….10
d)Atraves de formulas o reglas de conteo…………………………………………………………….11
-k eventos en n intentos……………………………………………………………………………………….11
-Para K,..kn eventos………………………………………………………………………………………………11

Probabilidad
-N objetos tomados todos a la vez……………………………………………………………………………12
-Permutaciones…………………………………………………………………………………………………………12
-Combinaciones………………………………………………………………………………………………………..12
Introducción a la probabilidad…………………………………………………………………………………..13
Conceptos básicos de probabilidad…………………………………………………………………………….14
-Experimento aleatorio……………………………………………………………………………………………….15
-Espacio muestral…………………………………………………………………………………………………………15
Definiciones de probabilidad……………………………………………………………………………………….16
-Enfoque clásico………………………………………………………………………………………………………….16
-Enfoque empírico……………………………………………………………………………………………………….17
-Axiomas básicos………………………………………………………………………………………………………….17
-Probabilidad subjetiva…………………………………………………………………………………………………18
Tipos de eventos……………………………………………………………………………………………………..…..18
Calculo de probabilidades…………………………………………………………………………………………….19
-Tablas de contingencia…………………………………………………………………………………………………20
-Probabilidad simple……………………………………………………………………………………………………..21
-Probabilidad conjunta………………………………………………………………………………………………….21
--Regla de la adición……………………………………………………………………………………………………….21
-Probabilidad condicional………………………………………………………………………………………………22
-Regla de la multiplicación ……………………………………………………………………………………………23
Teorema de bayes………………………………………………………………………………………………………….24
Bibliografia……………………………………………………………………………………………………………………..25

Probabilidad
Introducción
En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son
diferentes aunque las condiciones iniciales en las que se produce la experiencia sean las
mismas. Por ejemplo, al lanzar una moneda unas veces resultará cara y otras cruz.. Estos
fenómenos, denominados aleatorios, se ven afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable que...", "hay
muchas posibilidades de que..." hacen referencia a esta incertidumbre.
La teoría de la probabilidad pretende ser una herramienta para modelizar y tratar con
situaciones de este tipo; Por otra parte, cuando aplicamos las técnicas estadísticas a la
recogida, análisis e interpretación de los datos, la teoría de la probabilidad proporciona una
base para evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias realizadas.
Debido al importante papel desempeñado por la probabilidad dentro de la estadística, es
necesario familiarizarse con sus elementos básicos, lo que constituye el objetivo del
presente tema.
Comenzamos con una motivación sobre la incertidumbre y los distintos grados de

incertidumbre, relacionándolos de manera intuitiva con los enfoques más tradicionales para
asignar probabilidades.

Probabilidad
Fundamentos de probabilidad
Definición de conjuntos
En matemáticas el concepto de conjunto es considerado primitivo y no se da una definición
de este, por lo tanto la palabra CONJUNTO debe aceptarse lógicamente como un término
no definido.
Un conjunto se puede entender como una colección o agrupación bien definida de objetos
de cualquier clase. Los objetos que forman un conjunto son llamados miembros o
elementos del conjunto.
Notacion de conjuntos
Todo conjunto se escribe entre llaves { } y se le denota mediante letras mayúsculas A, B,
C, ...,sus elementos se separan mediante punto y coma.
Ejemplo:
El conjunto de las letras del alfabeto; a, b, c, ..., x, y, z. se puede escribir así:
L={ a; b; c; ...; x; y; z}
En teoría de conjuntos no se acostumbra repetir los elementos por ejemplo:
El conjunto {x; x; x; y; y; z } simplemente será { x; y; z }.
Al número de elementos que tiene un conjunto Q se le llama CARDINAL DEL

CONJUNTO y se le representa por n(Q).
Ejemplo:
A= {a;b;c;d;e} su cardinal n(A)=5
B= {x;x;x;y;y;z} su cardinal n(B)= 8

Probabilidad
Conjuntos finitos e infinitos
Conjunto finito: Es el conjunto con limitado número de elementos.
Conjunto infinito: Es el conjunto con ilimitado número de elementos.
Conjunto universal
Es un conjunto referencial que contiene a todos los elementos de una situación particular,
generalmente se le representa por la letra U
Conjunto vacio
Es un conjunto que no tiene elementos, también se le llama conjunto nulo. Generalmente se
le representa por los símbolos: o { }
Ejemplo
A= o A = { } se lee: “A es el conjunto vacío” o “A es el conjunto nulo “
M = { números mayores que 9 y menores que 5 }
P={x/ }
Subconjunto
Conjunto que forma parte de otro conjunto dado.
Por ejemplo, el conjunto de los números c, {1, 2, 3, 4, ...}, es un subconjunto de los enteros
I, {..., -3, -2, -1, 0, 1, 2, 3, ...}, y se escribe como c I.

Probabilidad
Diagrama de ven-el concepto grafico de conjuntos
Los diagramas de Venn son ilustraciones usadas en la rama de las matemáticas conocida
como teoría de conjuntos.
Estos diagramas se usan para mostrar gráficamente la relación matemática o lógica entre
diferentes grupos de cosas (conjuntos), representando cada conjunto mediante un óvalo o
círculo.
La forma en que esos círculos se sobreponen entre sí muestra todas las posibles relaciones
lógicas entre los conjuntos que representan. Por ejemplo, cuando los círculos se
superponen, indican la existencia de subconjuntos con algunas características comunes.
Operaciones con conjuntos
Sean A y B dos subconjuntos de un conjunto universal U. Definimos las siguientes operaciones

entre conjuntos:

Probabilidad
Propiedades de la unión de conjuntos
1. Propiedad idempotente. Puede exponerse mediante la siguiente expresión, que por ser
tan lógica, no necesita más explicación:
 VA => A = A
2. Propiedad conmutativa. Es también evidente:
 AUB = BUA
3. Propiedad asociativa. Dados tres conjuntos A, B y C se verifica que:
 (AUB)UC = AU(BUC) = AUBUC
Se puede demostrar mediante un ejemplo sencillo. Sean: A = {m, n, p}, B ={j, k, l}, C = {r,
p, l}.
El nuevo conjunto y éste unido con el conjunto C, dará como resultado el conjunto:
(AUB)UC = {m, n, p,j,k,l,r}
ahora bien, si hacemos antes la unión de B con C tendremos: BUC = {j,k,l,r,p} que unido
con el conjunto A nos da: AU(BUC) = {m, n, p, j,k,l,r,p}
Luego, los conjuntos (AUB)UC y AU(BUC) son iguales por estar formados por los mismos
elementos.

Probabilidad
Cardinal de un conjunto
El cardinal indica el número o cantidad de elementos de un conjunto, sea esta cantidad finita o
infinita. Los números cardinales constituyen una generalización interesante del concepto de número
natural, permitiendo comparar la cantidad de elementos de conjuntos infinito.
Propiedades
Los conjuntos pueden no ser divididos en clases de equivalencia definidas en función de la

relación de equivalencia que incluye a un par de conjuntos si y sólo si entre éstos existe una
biyección. Cardinalidad de un conjunto sería la clase de equivalencia a la cual éste
pertenece. Tener dos conjuntos A,B con la misma cardinalidad (o sea, que pertenezcan al
mismo cardinal) se denota:
La existencia de una función inyectiva entre dos conjuntos también define una relación de
orden entre sus cardinales; es decir:
La relación excluye la posibilidad que los cardinales sean iguales.

Es posible demostrar que si
y esto implica que
El cardinal del conjunto vacío se denota convencionalmente como 0 (cero) y contiene al

único conjunto vacío.
El primer cardinal infinito (en el sentido de que sus representantes son conjuntos infinitos)
es el cardinal de los naturales, y se denota usualmente por ω. Se puede también demostrar
que existe una función biyectiva entre los ordinales y los cardinales de conjuntos infinitos,
tal que preserva el orden en ambos conjuntos (el orden de los ordinales y el -orden en

Probabilidad
los cardinales). Esta función, llamada , induce un buen orden en los cardinales, y de aquí
proviene la notación para el primer cardinal infinito, para el siguiente, etc.
Los números cardinales de algunos conjuntos se representan con símbolos especiales:
 El cardinal de los números reales: ;

 El cardinal de los números naturales: (Alef-0).
 El cardinal inmediatamente superior a :
Usando los axiomas de Zermelo-Fraenkel (ZF) puede comprobarse que los tres cardinales
anteriores cumplen . La hipótesis del continuo afirma que de hecho
. Gödel probó en 1938 que esta hipótesis es consistente con los axiomas ZF, y por tanto
puede ser tomado como un axioma nuevo para la teoría de conjuntos. Sin embargo, en 1963
Paul Cohen probó que la negación de la hipótesis del continuo también es consistente con
los axiomas ZF, lo cual prueba que dicha hipótesis es totalmente independiente de los
axiomas ZF. Es decir, pueden construirse tanto "teorías de conjuntos cantorianas" en las
que la hipótesis del continuo es una afirmación cierta, como "teorías de conjuntos no
cantorianas" en las que la hipótesis del continuo sea falsa. Esta situación es similar a la de
las geometrías no euclídeas.
Necesidad de contar
se comenzó a formar, desde que el hombre vio la necesidad de contar objetos, esta
necesidad lo llevó a la creación de sistemas de numeración que inicialmente se componían
con la utilización de los dedos, piernas, o piedras. De nuevo, por la necesidad, se hizo
forzosa la implementación de sistemas más avanzados y que pudieran resolver la mayoría
de los problemas que se presentaban con continuidad.
Métodos para realizar un conteo

Probabilidad
Diagrama de árbol
Un diagrama de árbol es una representación gráfica que muestra los resultados posibles de
una serie de experimentos y sus respectivas probabilidades.
Construcción Del Diagrama De Árbol
Sean: A={2,6,0} y B={3,7}
a) Fijar un nodo inicial (Un punto situado a la izquierda, representa la raíz del árbol);
b) Abrir a partir del mismo, tantas ramas como elementos tenga el conjunto A;
c) Abrir a partir de cada una de estas, tantas ramas como elementos tenga el conjunto B;
d) Leer el conjunto ordenado resultante sobre cada secuencia de ramas.

Probabilidad
Diagrama de caja
Un diagrama de caja es un gráfico, basado en cuartiles, mediante el cual se visualiza un

conjunto de datos. Está compuesto por un rectángulo, la "caja", y dos brazos, los "bigotes".
Es un gráfico que suministra información sobre los valores mínimo y máximo, los cuartiles
Q1, Q2 o mediana y Q3, y sobre la existencia de valores atípicos y la simetría de la
distribución.
Ordenar los datos y obtener el valor mínimo, el máximo, los cuartiles Q1, Q2 y Q3 y el
intervalo intercuartil (IQR)
Dibujar un rectángulo con Q1 y Q3 como extremos e indicar la posición de la mediana (Q2)

mediante una línea.
Para dibujar los bigotes, las líneas que se extienden desde la caja, hay que calcular los
límites superior e inferior, Li y Ls, que identifiquen a los valores atípicos.
Para ello se calcula cuándo se consideran atípicos los valores. Son aquellos inferiores a Q1-
1.5*IQR o superiores a Q3+1.5*IQR.
Ahora se buscan los últimos valores que NO son atípicos, que serán los extremos de los
bigotes.
Marcar como atípicos todos los datos que están fuera del intervalo (Li, Ls).
Además, se pueden considerar valores extremadamente atípicos aquellos que exceden Q1-
3*IQR o Q3+3*IQR.

Probabilidad
“k” eventos en “n” intento
Se define como la posibilidad repetida N veces por lo tanto es P=K elevado a la n
Para K……kn
Se consideran como P=K*K*K*K..n
N objetos tomados todos ala vez
Se define como P=N!
Permutaciones
Las permutaciones son también conocidas como ordenaciones, y de hecho toman este
nombre porque son ordenaciones de r objetos de n dados. En este curso las representaremos
como ORnr ó nORr.
En general, si se toman r objetos de n, la cantidad de permutaciones u ordenaciones con

repetición obtenidas son:
ORnr = nORr = n
A diferencia del anterior, se realizan ordenaciones de r objetos de n dados atendiendo a la

situación de cada objeto en la ordenación. Su representación será Pnr ó nPr.
En general, si se toman r objetos de un total de n, la cantidad de permutaciones
Pnr = nPr =

Probabilidad
Combinaciones
Es una selección de r objetos de n dados sin atender a la ordenación de los mismos. Es

decir, es la obtención de subcojuntos, de r elementos cada uno, a partir de un
conjuntOinicial de n elementos. La denotaremos con
Cnr, nCr ó .
En general, si de n objetos dados se hacen combinaciones de r objetos cada una, el número

de combinaciones obtenidas son:
Cnr = nCr =
o, que es lo mismo,
Cnr = nCr =

Probabilidad
Introducción a la probabilidad
El estudio científico de la probabilidad es un desarrollo moderno. Los juegos de azar
muestran que ha habido un interés en cuantificar las ideas de la probabilidad durante
milenios, pero las descripciones matemáticas exactas de utilidad en estos problemas sólo
surgieron mucho después.
Aparte de algunas consideraciones elementales hechas por Girolamo Cardano en el siglo

XVI, la doctrina de las probabilidades data de la correspondencia de Pierre de Fermat y
Blaise Pascal (1654). Christiaan Huygens (1657) le dio el tratamiento científico conocido
más temprano al concepto. Ars Conjectandi (póstumo, 1713) de Jakob Bernoulli y Doctrine
of Chances (1718) de Abraham de Moivre trataron el tema como una rama de las
matemáticas. Véase El surgimiento de la probabilidad (The Emergence of Probability) de
Ian Hacking para una historia de los inicios del desarrollo del propio concepto de
probabilidad matemática.
La teoría de errores puede trazarse atrás en el tiempo hasta Opera Miscellanea (póstumo,
1722) de Roger Cotes, pero una memoria preparada por Thomas Simpson en 1755 (impresa
en 1756) aplicó por primera vez la teoría para la discusión de errores de observación. La
reimpresión (1757) de esta memoria expone los axiomas de que los errores positivos y
negativos son igualmente probables, y que hay ciertos límites asignables dentro de los
cuales se supone que caen todos los errores; se discuten los errores continuos y se da una
curva de la probabilidad.Dos aplicaciones principales de la teoría de la probabilidad en el
día a día son en el análisis de riesgo y en el comercio de los mercados de materias primas.
Los gobiernos normalmente aplican métodos probabilísticos en regulación ambiental donde
se les llama "análisis de vías de dispersión", y a menudo miden el bienestar usando métodos
que son estocásticos por naturaleza, y escogen qué proyectos emprender basándose en
análisis estadísticos de su probable efecto en la población como un conjunto. No es correcto
decir que la estadística está incluida en el propio modelado, ya que típicamente los análisis
de riesgo son para una única vez y por lo tanto requieren más modelos de probabilidad
fundamentales, por ej. "la probabilidad de otro 11-S". Una ley de números pequeños tiende
a aplicarse a todas aquellas elecciones y percepciones del efecto de estas elecciones, lo que
hace de las medidas probabilísticas un tema político.
Se puede decir razonablemente que el descubrimiento de métodos rigurosos para calcular y

combinar los cálculos de probabilidad ha tenido un profundo efecto en la sociedad
moderna. Por consiguiente, puede ser de alguna importancia para la mayoría de los
ciudadanos entender cómo se cálculan los pronósticos y las probabilidades, y cómo
contribuyen a la reputación y a las decisiones, especialmente en una democracia.

Probabilidad
Conceptos básicos de probabilidad

Experimento aleatorio: conjunto de pruebas cuyos resultados están determinados
únicamente por el azar.
Espacio muestral: conjunto de todos los resultados posibles de un experimento aleatorio
Punto muestral o suceso elemental: el resultado de una sola prueba de un experimento

muestral
Suceso o evento: cualquier subconjunto de puntos muestrales
Sucesos mutuamente excluyentes: sucesos o eventos que no pueden ocurrir

simultaneamente .
Sucesos complementarios: dos sucesos o eventos mutuamente excluyentes cuya unión es

el espacio muestral
Sucesos independientes: sucesos o eventos que no tienen relación entre sí; la ocurrencia de
uno no afecta la ocurrencia del otro
Sucesos dependientes: sucesos o eventos que sí tienen relación entre sí; la ocurrencia de
uno sí afecta la ocurrencia del otro.
Experimento aleatorio: conjunto de pruebas cuyos resultados están determinados

únicamente por el azar.
Espacio muestral: conjunto de todos los resultados posibles de un experimento aleatorio
Punto muestral o suceso elemental: el resultado de una sola prueba de un experimento

muestral
Suceso o evento: cualquier subconjunto de puntos muestrales
Sucesos mutuamente excluyentes: sucesos o eventos que no pueden ocurrir

simultaneamente .
Sucesos complementarios: dos sucesos o eventos mutuamente excluyentes cuya unión es

el espacio muestral
Sucesos independientes: sucesos o eventos que no tienen relación entre sí; la ocurrencia de
uno no afecta la ocurrencia del otro
Sucesos dependientes: sucesos o eventos que sí tienen relación entre sí; la ocurrencia de
uno sí afecta la ocurrencia del otro.

Probabilidad
Experimento aleatorio.
Cuando en un experimento no se puede predecir el resultado final, hablamos de

experimento aleatorio. Este es el caso cuando lanzamos un dado y observamos su
resultado.
En los experimentos aleatorios se observa que cuando el número de experimentos aumenta,

las frecuencias relativas con las que ocurre cierto suceso e, fn(e),
tiende a converger hacia cierta cantidad que denominamos probabilidad de e.
Espacio muestral
En estadística se llama espacio muestral al conjunto de todos los posibles resultados

individuales de un experimento aleatorio. Se suele representar por Ω.
Sus elementos se representan por letras minúsculas (w1,w2,...) y se denominan eventos o

sucesos elementales. Los subconjuntos de Ω se designan por medio de letras mayúsculas
(A,B,C,D,...) y se denominan eventos o sucesos. Los sucesos representan los posibles
resultados del experimento aleatorio.
Podemos diferenciar entre dos tipos de espacios muestrales:
 Discretos --> Aquellos espacios donde el nº de sucesos elementales es finito o infinito

contable(numerable).
 Continuos --> Aquellos espacios donde el nº de sucesos elementales es infinito incontable.
Evento
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 Ω un espacio muestral, entonces un evento es un subconjunto

, donde (w1,w2,...) son una serie de posibles resultados.

Probabilidad
Se dice que un evento A ocurre, si el resultado del experimento aleatorio es un elemento de

A.
Ejemplos de espacios muestrales y sucesos elementales:
 Si se trata de contar objetos y el espacio muestral S = {0, 1, 2, 3, ...} (los números

naturales), entonces los sucesos elementales son cada uno de los conjuntos {k}, donde k ∈
N.
 Si se lanza una moneda dos veces, S = {cc, cs, sc, ss}, donde (c representa "sale cara" y s,
"sale cruz"), los sucesos elementales son {cc}, {cs}, {sc} y {ss}.
 Si X es una variable aleatoria normalmente distribuida, S = (-∞, +∞), los números reales, los
sucesos elementales son todos los conjuntos {x}, donde x ∈ .
Los sucesos elementales pueden tener probabilidades que son estrictamente mayores que
cero, cero, no definidas o cualquier combinación de estas. Por ejemplo, la probabilidad de
cualquier variable aleatoria discreta está determinada por las probabilidades asignadas a los
sucesos elementales del experimento que determina la variable. Por otra parte, cualquier
suceso elemental tiene probabilidad cero en cualquier variable aleatoria continua. Existen
distribuciones mixtas que no son completamente continuas, ni completamente discretas,
entre las que pueden darse ambas situaciones.
Definiciones de probabilidad
a)Enfoque clasico
Probabilidad Clásica y Probabilidad Subjetiva.La probabilidad clásica es aquella que se
toma demanera objetiva y que puede considerarse de dos maneras: a priori y a posteriori.
Probabilidad a Priori. La probabilidad de un evento A,P(A), es la medida del chance de que

ese evento ocurra.
En este caso los resultados del experimento son igualmente probables. Este método fue
desarrollado por Laplace.
# de maneras que A puede ocurrir

P(A) = -------------------------------------------------
# total de resultados posibles
A (eventos que corresponden a A )

P(A) = ----------------------------------------------------------
S (eventos totales en el espacio muestral S )

Probabilidad
Ejemplo. Se lanzan dos monedas al aire, ¿cuál es la probabilidad de que ambas sean cara
(H)?
S = { HH, HT, TH, TT } P ( HH ) = _
b) Enfoque empírico o frecuencial

Probabilidad a posteriori. En el caso que los eventos noposeen igual posibilidad de
ocurrencia, el problema deasignar las probabilidades ocurre a posteriori.El concepto de
probabilidad a posteriori lo desarrolla Richard Von Mises y está basado en el principio
siguiente:
Si un experimento se realiza un número grande de veces, N por ejemplo, y sea n el número
de veces que ocurre un evento E. Entonces, se observa experimentalmente el hecho de que
a medida N aumenta la relación n / M tiende a un valor estable p.Ese valor p se llama la
probabilidad de E y se escribe p(E).
Axiomas basicos.
Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que
una función definida sobre un conjunto de sucesos determine consistentemente sus
probabilidades.
Para el cálculo de probabilidades hay que tomar en cuenta los Axiomas que a continuación
se enumeran.

1)La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.

0 £ p(A) ³ 1

2)La probabilidad de que ocurra el espacio muestral d debe de ser 1.

p(d) = 1

3)Si A y B son eventos mutuamente excluyentes, entonces la p(AÈB) = p(A) + p(B)
Generalizando:

Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces;

p(A1ÈA2È.........ÈAn) = p(A1) + p(A2) + .......+ p(An)
En términos más formales, una probabilidad es una medida sobre una σ-álgebra de
subconjuntos del espacio muestral, siendo los subconjuntos miembros de la σ-álgebra los

Probabilidad
sucesos y definida de tal manera que la medida del total sea 1. Tal medida, gracias a su
definición matemática, verifica igualmente los tres axiomas de Kolmogórov. A la terna
formada por el espacio muestral, la σ-álgebra y la función de probabilidad se la denomina
Espacio probabilístico, esto es, un "espacio de sucesos" (el espacio muestral) en el que se
han definido los posibles sucesos a considerar (la σ-álgebra) y la probabilidad de cada
suceso (la función de probabilidad).
Probabilidad subjetiva
depende del
La probabilidad subjetiva de un evento se la asigna la persona que hace el estudio, y
conocimiento que esta persona tenga sobre el tema. Precisamente por su carácter de
subjetividad no se considera con validez científica, aunque en la vida diaria es de las más
comúnes que se utilizan al no apoyarse más que en el sentido común y los conocimientos
previos, y no en resultados estadísticos.
Ejemplos de la probabilidad subjetiva son estimar la probabilidad de que los Salgado de

Salta ganen la Lotería el próximo año y estimar la probabilidad de que ocurra un terremoto
en Los Angeles este año.
Tipos de eventos
Evento elemental o simple: consiste de un único resultado individual.
Evento compuesto: consiste de más de un evento elemental.
Eventos complementarios. seda en los que cuando dos eventos y su unión da el espacio
muestral y su intersección es vacía. La suma de las probabilidades de dos eventos
complementarios es igual a 1.
Exhaustivos.- Se dice que dos o más eventos son exhaustivos si se consideran todos los
posibles resultados.
No exhaustivos.- Se dice que dos o más eventos son no exhaustivos si no agotan todos los
posibles resultados.
Mutuamente exclusivos.- Eventos que no pueden ocurrir en forma simultánea.
No mutuamente exclusivos.- Eventos que pueden ocurrir en forma simultánea.

Probabilidad
Calculo de contingencia
Tabla de contingencia
Las tablas de contingencia se emplean para registrar y analizar la relación entre dos o más
variables, habitualmente de naturaleza cualitativa (nominales u ordinales).
Las cifras en la columna de la derecha y en la fila inferior reciben el nombre de frecuencias

marginales y la cifra situada en la esquina inferior derecha es el gran total.
La tabla nos permite ver de un vistazo que la proporción de hombres diestros es

aproximadamente igual a la proporción de mujeres diestras. Sin embargo, ambas
proporciones no son idénticas y la significación estadística de la diferencia entre ellas
puede ser evaluada con la prueba χ² de Pearson, supuesto que las cifras de la tabla son una
muestra aleatoria de una población. Si la proporción de individuos en cada columna varía
entre las diversas filas y viceversa, se dice que existe asociación entre las dos variables. Si
no existe asociación se dice que ambas variables son independientes.

Probabilidad
Probabilidad simple
Si quisiéramos saber cuál es la probabilidad de sacar un dos o un cinco al tirar un dado,

estamos hablando de sucesos mutuamente excluyentes; pues sólo al tirar el dado puedes
sacar uno de ellos dos, es decir, un evento (sacar dos) imposibilita el otro (sacar un cinco)
ya que no puedes sacar los dos al mismo tiempo.
Para sacar la probabilidad total de dos o más sucesos mutuamente excluyentes se suman las
probabilidades de cada uno de los sucesos.
Primero calculemos la probabilidad de obtener una vela. 150 invitados es el número de

casos posibles, mientras que 50 es el número de casos favorables pues son 50 velas.
La probabilidad de obtener un centro de mesa es exactamente la misma pues hay el mismo

número de centros de mesa.
La probabilidad total será la suma de cada una de las probabilidades obtenidas, es decir:

Probabilidad
Probabilidad conjunta
Si quisiéramos conocer cuál es la probabilidad de sacar 5 al tirar dos veces un dado,

estamos hablando de sucesos independientes; pues los tiros son distintos.
Para estos casos la probabilidad de ocurrencia de ambos sucesos simultáneamente será

igual al producto de las probabilidades individuales.
Nota: Aplicamos la misma fórmula para eventos dependientes siempre y cuando estemos
buscando la probabilidad simultánea de los sucesos. Por ejemplo al buscar la probabilidad
de sacar dos reinas en una baraja de 52 cartas sin devolver la primera carta, se tomará en
cuenta para la segunda extracción que ya hay 51 cartas y sólo 3 reinas. Es decir:
Regla general de adicion.
Si A y B son dos eventos que no son mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente fórmula:
P(A o B) = P(A) + P(B) - P(A y B)

La Regla de la Adición expresa que: la probabilidad de ocurrencia de al menos dos sucesos A y B

es igual a: P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente P(A o B) =
P(A) + P(B) - P(A y B) si A y B son no excluyentes Siendo: P(A) = probabilidad de ocurrencia del
evento A P(B) = probabilidad de ocurrencia del evento B P(A y B) = probabilidad de ocurrencia
simultanea de los eventos A y B –

Probabilidad
Probabilidad condicional e independencia estadística
Sea d un espacio muestral en donde se ha definido un evento E, donde p(E)>0, si deseamos

determinar la probabilidad de que ocurra un evento A (el que también es definido en el
mismo espacio muestral), dado que E ya ocurrió, entonces deseamos determinar una
probabilidad de tipo condicional, la que se determina como se muestra;

p( A  E )
p( A | E ) 
p( E )

Donde:

p(A½ E) = probabilidad de que ocurra A dado que E ya ocurrió
p(AÇ E) = probabilidad de que ocurra A y E a un mismo tiempo
p(E) = probabilidad de que ocurra E

Luego;

A  E
P( A  E ) 
 

E
P( E ) 
 

Por tanto:

A  E
P( A | E ) 
E

Donde:

½ AÇ E½= número de elementos comunes a los eventos A y E
½E½= número de elementos del evento E
Luego entonces podemos usar cualquiera de las dos fórmulas para calcular la
probabilidad condicional de A dado que E ya ocurrió.

Probabilidad
En teoría de probabilidades, se dice que dos sucesos aleatorios son independientes entre sí
cuando la probabilidad de cada uno de ellos no está influida por que el otro suceso ocurra o
no, es decir, cuando ambos sucesos no están correlacionados.
Dos sucesos son independientes si la probabilidad de que ocurran ambos simultáneamente

es igual al producto de las probabilidades de que ocurra cada uno de ellos, es decir, si A y B
son dos sucesos, y P(A) y P(B) son las probabilidades de que ocurran respectivamente
entonces:
A y B son independientes si y solo si
Sean A y B dos sucesos tales que P(B) > 0, 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 definición de probabilidad condicionada:
se deduce que y dado que

deducimos trivialmente que .
Si el suceso A es independiente del suceso B, automáticamente el suceso B es independiente

de A.
Regla de la multiplicación e independencia de la estadística

Un frecuente objeto de estudio en la estadística es si los diferentes sucesos son
dependientes o independientes uno del otro, es decir si favorece a la realización de un
suceso a través de otro. Se analizan ejemplos en la investigación de mercados, si influyen el
estatus y la educación de un consumidor la compra de un determinado periódico.

Probabilidad
Teorema de Bayes
El teorema de Bayes, enunciado por Thomas Bayes, en la teoría de la probabilidad, es el

resultado que da la distribución de probabilidad condicional de un evento aleatorio A dado
B en términos de la distribución de probabilidad condicional del evento B dado A y la
distribución de probabilidad marginal de sólo A.
Sea {A1,A3,...,Ai,...,An} un conjunto de sucesos mutuamente excluyentes y exhaustivos, y

tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B un suceso
cualquiera del que se conocen las probabilidades condicionales P(B | Ai). Entonces, la
probabilidad P(Ai | B) viene dada por la expresión:
donde:
 P(Ai) son las probabilidades a priori.

 P(B | Ai) es la probabilidad de B en la hipótesis Ai.
 P(Ai | B) son las probabilidades a posteriori.
Esto se cumple
Aplicaciones
El teorema de Bayes es válido en todas las aplicaciones de la teoría de la probabilidad. Sin

embargo, hay una controversia sobre el tipo de probabilidades que emplea. En esencia, los
seguidores de la estadística tradicional sólo admiten probabilidades basadas en
experimentos repetibles y que tengan una confirmación empírica mientras que los llamados
estadísticos bayesianos permiten probabilidades subjetivas. El teorema puede servir
entonces para indicar cómo debemos modificar nuestras probabilidades subjetivas cuando
recibimos información adicional de un experimento. La estadística bayesiana está
demostrando su utilidad en ciertas estimaciones basadas en el conocimiento subjetivo a
priori y el hecho de permitir revisar esas estimaciones en función de la evidencia empírica
es lo que está abriendo nuevas formas de hacer conocimiento. Una aplicación 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.
Como observación, se tiene y su demostración resulta trivial.

Probabilidad
Bibliografía
http://www.monografias.com/trabajos54/resumen-estadistica/resumen-estadistica2.shtml
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://nutriserver.com/Cursos/Bioestadistica/Probabilidad.html
http://www.fisterra.com/mbe/investiga/probabilidades/probabilidades.asp
http://es.wikipedia.org/wiki/Probabilidad
http://www.eumed.net/cursecon/libreria/drm/1p.htm

Trabajo Prob

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Prob

Cargado por

Copyright:

Formatos disponibles

Probabilidad

Alumno: Adrian Montero Rangel

Instituto Tecnoló gico de Campeche pá gina 1

Conjuntos explícitos e implícitos……………………………………………………………………………4

Conjuntos finitos e infinitos………………………………………………………………………………….4

Operaciones con conjuntos……………………………………………………………………………………5

Leyes o propiedades de las operaciones con conjuntos…………………………………………7

Metodos para realizar un conteo………………………………………………………………………….9

a)diagramas de Venn …………………………………………………………………………………………..9

d)Atraves de formulas o reglas de conteo…………………………………………………………….11

-Para K,..kn eventos………………………………………………………………………………………………11

Instituto Tecnoló gico de Campeche pá gina 2

-N objetos tomados todos a la vez……………………………………………………………………………12

Conceptos básicos de probabilidad…………………………………………………………………………….14

-Regla de la multiplicación ……………………………………………………………………………………………23

Instituto Tecnoló gico de Campeche pá gina 3

Comenzamos con una motivación sobre la incertidumbre y los distintos grados de

Instituto Tecnoló gico de Campeche pá gina 4

El conjunto de las letras del alfabeto; a, b, c, ..., x, y, z. se puede escribir así:

En teoría de conjuntos no se acostumbra repetir los elementos por ejemplo:

El conjunto {x; x; x; y; y; z } simplemente será { x; y; z }.

Al número de elementos que tiene un conjunto Q se le llama CARDINAL DEL

A= {a;b;c;d;e} su cardinal n(A)=5

B= {x;x;x;y;y;z} su cardinal n(B)= 8

Instituto Tecnoló gico de Campeche pá gina 5

Conjuntos finitos e infinitos

Conjunto finito: Es el conjunto con limitado número de elementos.

Conjunto infinito: Es el conjunto con ilimitado número de elementos.

A= o A = { } se lee: “A es el conjunto vacío” o “A es el conjunto nulo “

M = { números mayores que 9 y menores que 5 }

Instituto Tecnoló gico de Campeche pá gina 6

Diagrama de ven-el concepto grafico de conjuntos

Operaciones con conjuntos

Sean A y B dos subconjuntos de un conjunto universal U. Definimos las siguientes operaciones

Instituto Tecnoló gico de Campeche pá gina 7

Propiedades de la unión de conjuntos

2. Propiedad conmutativa. Es también evidente:

3. Propiedad asociativa. Dados tres conjuntos A, B y C se verifica que:

 (AUB)UC = AU(BUC) = AUBUC

Instituto Tecnoló gico de Campeche pá gina 8

Los conjuntos pueden no ser divididos en clases de equivalencia definidas en función de la

La relación excluye la posibilidad que los cardinales sean iguales.

y esto implica que

El cardinal del conjunto vacío se denota convencionalmente como 0 (cero) y contiene al

Instituto Tecnoló gico de Campeche pá gina 9

Los números cardinales de algunos conjuntos se representan con símbolos especiales:

 El cardinal de los números reales: ;

Métodos para realizar un conteo

Construcción Del Diagrama De Árbol

Sean: A={2,6,0} y B={3,7}

d) Leer el conjunto ordenado resultante sobre cada secuencia de ramas.

Instituto Tecnoló gico de Campeche pá gina 11

Un diagrama de caja es un gráfico, basado en cuartiles, mediante el cual se visualiza un

Dibujar un rectángulo con Q1 y Q3 como extremos e indicar la posición de la mediana (Q2)

Instituto Tecnoló gico de Campeche pá gina 12

“k” eventos en “n” intento

Se define como la posibilidad repetida N veces por lo tanto es P=K elevado a la n

Se consideran como P=K*K*K*K..n

N objetos tomados todos ala vez

Se define como P=N!

En general, si se toman r objetos de n, la cantidad de permutaciones u ordenaciones con

A diferencia del anterior, se realizan ordenaciones de r objetos de n dados atendiendo a la

En general, si se toman r objetos de un total de n, la cantidad de permutaciones

Se consideran como P=KKK*K..n