Está en la página 1de 42

Unidad -2 Introduccin a la probabilidad y valor esperado.

2.1 Teora de conjuntos.

Rama de las matemticas a las que el matemtico Georg Ferdinand Ludwing Philipp Cantor es el
padre de la Teora de Conjuntos, dio su primer tratamiento formal en 1870.
El concepto de conjunto es uno de los ms fundamentales en matemticas, incluso ms que la
operacin de contar, pues se puede encontrar implcita o explcitamente, en todas las ramas de las
matemticas puras y aplicadas.

La Teora de Conjuntos es una teora matemtica, que estudia bsicamente a un cierto tipo de
objetos llamados conjuntos y algunas veces, a otros objetos denominados no conjuntos, as como a
los problemas relacionados con estos.

El concepto de conjunto es intuitivo y se podra definir como una "agrupacin bien definida
de objetos no repetidos y no ordenados"; as, se puede hablar de un conjunto de personas,
ciudades, gafas, lapiceros o del conjunto de objetos que hay en un momento dado encima de
una mesa.

Un conjunto est bien definido si se sabe si un determinado elemento pertenece o no al


conjunto. El conjunto de los bolgrafos azules est bien definido, porque a la vista de un
bolgrafo se puede saber si es azul o no. El conjunto de las personas altas no est bien
definido, porque a la vista de una persona, no siempre se podr decir si es alta o no, o puede
haber distintas personas, que opinen si esa persona es alta o no lo es.

2.1.1 Definicin, propiedades y operaciones bsicas con conjuntos.

QUE ES UN CONJUNTO?
Un conjunto es la agrupacin, clase, o coleccin de objetos o en su defecto de elementos que
pertenecen y responden a la misma categora o grupo de cosas, por eso se los puede agrupar en el
mismo conjunto.

Esta relacin de pertenencia que se establece entre los objetos o elementos es absoluta y
posiblemente discernible y observable por cualquier persona. Entre los objetos o elementos
susceptibles de integrar o conformar un conjunto se cuentan por supuesto cosas fsicas, como
pueden ser las mesas, sillas y libros, pero tambin por entes abstractos como nmeros o letras.
Diagramas de Venn

Los diagramas de Venn son la representacin grfica de las relaciones entre los conjuntos, estos se
atribuyen al filsofo ingls John Venn (1834-1883).
La manera de representar el conjunto Universal es un rectngulo y lo denotamos por la letra U.

Como se puede observar en el diagrama anterior, se encuentra crculos denotados con maysculas,
stos representan los conjunto, A, B,C, los cuales se encuentran dentro del rectngulo, es decir,
adentro del Universo que se est estudiando.

Simbologa, uniones e intersecciones.

Se muestran a continuacin algunas de las simbologas empeladas para los temas:

A, B, 2
1
C conjuntos 0 no igual
2
2
a ,b ,c elementos de conjuntos 1 > mayor que
2
3
U unin de conjuntos 2 < menor que
2
4
interseccin de conjuntos 3 mayor o igual que
2
5
subconjunto (contiene) 4 menor o igual que
2 <
6
5 > diferente de
2 ..
7
^ se lee como "y" 6 . continua
2
8
v se lee como "o" 7 ~ negacion
2
9
A o Ac complemento de un conjunto 8 Conjunto nulo o vaco
1 2
0 entonces 9 R conjunto de los nmeros reales
3
11
Si y solo si 0 N conjunto de los nmeros naturales
1 3
2 /S universo 1 C conjunto de los nmeros complejos
1 3
3 existe 2 n! factorial de un numero entero positivo
1 3
4 | tal que 3 Q conjunto de los nmeros fraccionarios
1 / dado que 3 Conjunto nulo
5 4
1 3
6 \ diferencia 5 Q conjunto de los nmeros irracionales
1 3
7 pertenece 6 c subconjuntos
1 3
8 no pertenece 7 {} llaves, o conjuntos vacos
1 3
9 = igual 8 I conjunto de los nmeros irracionales

Conjuntos

Generalmente asociamos la palabra conjunto con la agrupacin de objetos. Por ejemplo:

Un conjunto es una coleccin de elementos distinguibles entre s, que tienen, por lo menos, una
caracterstica en comn.

En matemticas, los conjuntos son elaborados con la notacin de coleccin y agrupamiento de


objetos, esto es, simplemente utilizando elementos y pertenencia; sin embargo podemos decir que:

Un conjunto es una coleccin definida de elementos

Lo distintivo de los conjuntos es su delimitacin; es decir, que dado un objeto se determina si ste
pertenece o no al conjunto. Por ejemplo: en el conjunto de manzanas, la pia no pertenece al
conjunto.

Denotacin. Los conjuntos se denotan por letras maysculas: A, B, C,... por ejemplo: A={ a, c, b }
B={ lunes, martes, mircoles, jueves }
El smbolo , representa a un elemento perteneciente a un conjunto; sin embargo, en caso de ser lo
contrario, es decir, que el miembro o elemento no pertenezca a ste, se representa con una raya
inclinada / quedando el smbolo como . Por ejemplo: Sea B={ a, e, i, o, u }, a B y c . B
Elementos

Los componentes que conforman un conjunto reciben el nombre de miembros o elementos. Por
ejemplo el conjunto de las letras de alfabeto; a, b, c, ..., x, y, z. que se puede escribir as: { a, b, c, ...,
x, y, z}

El conjunto se debe de escribir entre llaves { }, y van separados por comas (,).El agrupar a todos los
elementos de un conjunto entre las llaves, se denomina forma tabular, extensin o enumeracin de
los elementos.

Subconjuntos

Sean los conjuntos A={ a, b, c, d, f } y B={ c, d, e }:

De acuerdo al grfico anterior, se denota que el conjunto B es un subconjunto de A, simplemente


porque pertenece, o bien se encuentra adentro de A; entonces, si A y B son dos conjuntos
cualesquiera, decimos que B es un subconjunto de A si todo elemento de B tambin es de A.

De acuerdo a lo anterior, si B es un subconjunto de A se escribe B A. Si B no es subconjunto de A


se indicar con una diagonal .
Observa que se utiliza solo para elementos de un conjunto y solo para conjuntos.

CLASES DE CONJUNTOS

Conjunto Finito: Es el conjunto al que se le puede determinar su cardinalidad o puede llegar a


contar su ultimo elemento.
Ejemplo:
M= {*/x es divisor de 24}
M= {1,2,3,4,6,8,12,24}

Conjunto Infinito: Es el conjunto que, por tener muchsimos elementos, no se le puede llegar a
contar su ultimo elemento.
Ejemplo:
A= {*/x sea grano de sal}

Conjunto Vaco: Es el conjunto cuya cardinalidad es cero ya que carece de elementos. El smbolo
del conjunto vaco O o { }.
Ejemplo:
C={*/x sea habitantes del sol}

Conjunto Unitario: Es el conjunto que solo tiene un elemento. Su cardinalidad es uno (1).
Ejemplo:
D={*/x sea vocal de la palabra "pez"}

Propiedades:

1) AAB, BAB
ABA, ABB
2) A(BC) (= AB)C (propiedad asociativa de la unin)
A(BC) (= AB)C (propiedad asociativa de la interseccin)
3) A(BC) (= AB)(AC) (propiedad distributiva)
A(BC) (= AB)(AC) (propiedad distributiva)
4) (AB)c =Ac Bc (leyes de Morgan)
(AB)c =Ac Bc
5) AB=BA (conmutativa de la unin)
AB=BA (conmutativa de la interseccin)
6) AB=(AB) (\ AB)

Propiedad: Unin interseccin


Asociativa (A B) C=A (B C) (A B) C=A (B C)
Conmutativa A B=B A A B=B A
Idempotente A A=A A A =A
Absorcin A (B A) = A A (A B) = A
Distributiva A (B C) = (A B) (B A) A (B C) = (A B) (A C)
Neutralidad A =A A U=A
A U=U A =
Complementacin A Al = U A Al =
Ley de De Morgan (A B) l = A l Bl (A B) l = A l Bl
Adems se cumple:
(A l) l = A, A - B = A B l, A - (B C) = (A - B) (A - C), A - (B C) = (A - B) (A - C)
OPERACIONES CON CONJUNTOS
UNION DE CONJUNTOS:

La unin de los conjuntos A y B es el conjunto


formado por todos los elementos que
pertenecen a A o B o a ambos. Se denota: A
U B. La unin de conjuntos se define como:
A U B = {x / x A o x B}

EJEMPLOS:

Dados los conjuntos: A = { 0, 1, 2, 3, 4, 5 }, B = { 0, 2, 4 } y C = { 5, 6, 8 }

a) A U C
b) B U C
A = { 0, 1, 2, 3, 4, 5 } y C = { 5, 6, 8 }
A U C = { 0, 1, 2, 3, 4, , 6, 8 }

B = { 0, 2, 4 } y C = { 5, 6, 8 }
B U C = { 0, 2, 4, 5, 6, 8 }
B U C = {x/x N y x > 0 < 8 }

Unin. La unin de dos conjuntos A y B es el conjunto A B que contiene cada elemento


que est por lo menos en uno de ellos.

INTERSECCION DE CONJUNTOS:
La interseccin es el conjunto formado por los
elementos que son comunes entre dos o mas
conjuntos dados. Se denota por A B, que se
lee: A interseccin B. La interseccin de A y B
tambin se puede definir:
A B={x/xAyxB}

EJEMPLOS:

Dados los conjuntos: A = { 0, 1, 2, 3, 4, 5 }, B = { 3, 5, 7 } y C = { 2, 4 }

a) A C
b) B C
A = { 0, 1, 2, 3, 4, 5 } y C = { 2, 4 }
A C={2,4}

B = { 3, 5, 7 } y C = { 2, 4 }
BC={O}

Interseccin. La interseccin de dos conjuntos A y B es el conjunto A B que contiene todos


los elementos comunes de A y B.

DIFERENCIA DE CONJUNTOS:

Se denomina diferencia de dos conjuntos A y B al conjunto formado por todos los elementos
de A pero que no pertenecen a B.
La diferencia se denota por: A - B que
se lee: A diferencia B o A menos B. Se
define la diferencia de dos conjuntos
tambin como:
A - B = {x / x A y x B}

A-B

EJEMPLOS:

Dados los conjuntos: A = { a, b, c, d, e }, B = { a, e } y C = { d, f, g }

a) A - C
b) B - C

A = { a, b, c, d, e } y C = { d, f, g }
A - C = { a, b, c, e }

B = { a, e } y C = { d, f, g }
B - C = { a, e }

Diferencia. La diferencia entre dos conjuntos A y B es el conjunto A \ B que contiene todos los
elementos de A que no pertenecen a B.

DIFERENCIA SIMETRICA:

El conjunto diferencia simtrica de A y B universo que pertenecen a uno y


est formado por los elementos del solamente uno de ellos, es decir, que
pertenecen a A , o a B , pero no a
ambos:

EJEMPLO:

Sean:
U={p,r,s,t}
A={p,s}
B={r,s}
Entonces:

Diferencia simetrica. Es el conjunto que contiene a todos los elementos que se encuentran en el
conjunta A pero no estn el conunto B y tambin a los elementos del conjunto B que no estn en el A

Se denota AB = AUB - AnB

COMPLEMENTO DE CONJUNTOS:

Si un conjunto A es subconjunto de otro llama complemento de A con respecto a U.


conjunto universal U, al conjunto A' formado Simblicamente se expresa:
por todos los elementos de U pero no de A, se
A' = { x/x U y x A}
EJEMPLOS:

Sean U = { m, a, r, t, e } y A = { t, e }

Su complemento de A es: A' = { m, a, r }

Complemento. El complemento de un conjunto A es el conjunto A que contiene todos los


elementos (respecto de algn conjunto referencial) que no pertenecen a A.

2.1.2 Tcnicas de conteo.

Qu son las tcnicas de conteo?

Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de cuantificar.

La enumeracin de puntos muestrales en un espacio muestral, en ocasiones es difcil y laboriosa por


la cantidad de puntos a contar o enumerar, propiciando que se puedan cometer errores al emprender
esa tarea. En estos casos se recurre al anlisis combinatorio, que es una manera ms sofisticada de
contar.

Principio fundamental del conteo


Si un evento puede suceder o realizarse de n maneras diferentes y si, continuando el
procedimiento un segundo ejemplo puede realizarse de n1 maneras diferentes y as
sucesivamente, entonces el nmero de maneras en que los eventos pueden realizarse en el
orden indicado es el producto de n1*n2*n3

2.1.3 Reglas de adicin (regla de la suma).

Si una primera tarea puede realizarse de m formas y una segunda tarea puede realizarse de n
formas, y no es posible realizar ambas tareas de manera simultnea, entonces para realizar
cualquiera de ellas pueden utilizarse cualquiera de m + n formas.

Ejemplo:

1. Una biblioteca tiene 40 libros de historia y 50 de filosofa. Si un estudiante quiere aprender


acerca de alguno de estos dos temas, por la regla de la suma puede elegir entre 40 + 50 = 90
libros.

(Nota: el estudiante no quiere estudiar historia y filosofa, sino historia o filosofa.)

La regla puede ampliarse a ms de dos tareas, siempre que ningn par de ellas pueda ocurrir
simultneamente.

2.1.4 Reglas de multiplicacin (regla del producto)

Si los eventos A y B pueden ocurrir de m y n maneras distintas respectivamente, entonces el total de


maneras distintas en que ambos eventos pueden ocurrir en el orden indicado es m x n.

Esta regla puede extenderse a tantos eventos como se quiera. El nmero total de posibilidades es el
producto del nmero de posibilidades de cada evento. Por ejemplo, si los eventos A, B, C y D
pueden ocurrir de m, n, o y p maneras distintas respectivamente, entonces el total de formas
diferentes en que estos eventos pueden ocurrir en ese orden, es m x n x o x p.

Ejemplos

1. Una persona para vestirse tiene la posibilidad de escoger entre 2 pares de zapatos, 3
pantalones y 4 blusas. De cuntas maneras puede combinar las prendas?

Solucin:

Conocemos que hay 2 posibilidades de combinar los pares de zapatos (Z = 2), los pantalones de 3
maneras (P = 3) y las blusas de 4 (B = 4). Entonces:
Z x P x B = 2 x 3 x 4 = 24

Existen 24 posibilidades de combinar las prendas.

2. De cuntas maneras se pueden colocar 7 personas en una fila?

Solucin:

La primera posicin en la fila (P1), puede ser ocupada por cualquiera de las 7 personas (P1 = 7); la
segunda posicin por 6 (P2 = 6) y as, sucesivamente.

P1 x P2 x P3 x P4 x P5 x P6 x P7 = 7 x 6 x 5 x 4 x 3 x 2 x 1 = 7! = 5040

Existen 5040 maneras de colocar a 7 personas en una fila.

2.1.5 Diagrama de rbol.

Un diagrama de rbol es una representacin grfica que muestra los resultados posibles de una
serie de experimentos y sus respectivas probabilidades; consta de r pasos, donde cada uno de los
pasos tiene un nmero finito de maneras de ser llevado a cabo.

Para la construccin de un diagrama en rbol se partir poniendo una rama para cada una de las
posibilidades, acompaada de su probabilidad. En el final de cada rama parcial se constituye a su
vez, un nudo del cual parten nuevas ramas, segn las posibilidades del siguiente paso, salvo si el
nudo representa un posible final del experimento (nudo final).

Hay que tener en cuenta: que la suma de probabilidades de las ramas de cada nudo ha de dar 1
(100%).
El diagrama de rbol va de lo general a lo especifico, es decir, parte de un problema general (el
tronco) y continua con niveles subsecuentes o causas (las ramas).

Los diagramas en rbol son muy tiles para "fabricar" cualquier tipo de agrupacin, ya sean
variaciones, permutaciones o combinaciones.

2.1.6 Anlisis combinatorio.

Es la rama de la matemtica que estudia los diversos arreglos o selecciones que podemos formar
con los elementos de un conjunto dado, los cuales nos permite resolver muchos problemas
prcticos. Por ejemplo podemos averiguar cuntos nmeros diferentes de telfonos , placas o
loteras se pueden formar utilizando un conjunto dado de letras y dgitos.

Adems el estudio y comprensin del anlisis combinatorio no va ha servir de andamiaje para poder
resolver y comprender problemas sobre probabilidades

Principios fundamentales del Anlisis Combinatorio:


En la mayora de los problemas de anlisis combinatorio se observa que una operacin o actividad
aparece en forma repetitiva y es necesario conocer las formas o maneras que se puede realizar
dicha operacin. Para dichos casos es til conocer determinadas tcnicas o estrategias de conteo
que facilitarn el clculo sealado.

El anlisis combinatorio tambin se define como una manera prctica y abreviada de contar; las
operaciones o actividades que se presentan son designadas como eventos o sucesos.

Notacin factorial
Factorial

n n!
01
11
22
36
4 24
5 120
6 720
7 5.040
8 40.320
9 362.880
10 3.628.800
15 1.307.674.368.000
20 24.32.902.008.176.640.000
25 15.511.210.043.330.985.984.000.000
50 3,04140932 1064
70 1,19785717 10100
450 1,73336873 101.000
3.249 6,41233768 1010.000
25.206 1,205703438 10100.000
100.000 2,8242294079 10456.573

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.

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 Taylor). Se generalizan a los reales con la funcin gamma, de gran importancia
en el campo de la aritmtica.

2.2 Combinaciones y permutaciones.


Qu diferencia hay?

Normalmente se usa la palabra "combinacin" descuidadamente, sin pensar en si el orden de las


cosas es importante. En otras palabras:

"Una ensalada de frutas es una combinacin de manzanas, uvas y bananas": no importa en qu


orden pusiramos las frutas, podra ser "bananas, uvas y manzanas" o "uvas, manzanas y bananas",
es la misma ensalada.

"La combinacin de una cerradura es 472": ahora s importa el orden. "724" no funcionara, ni
"247". Tiene que ser exactamente 4-7-2.

As que en matemticas usamos un lenguaje ms preciso:

Si el orden no importa, es una combinacin.

Si el orden s importa es una permutacin.

Permutaciones

Una permutacin es una combinacin ordenada. ( "Permutacin... Posicin" )

Definicion:
Dada una coleccin de n objetos a 1, a2, . . . , an, llamaremos permutacin a cualquier ordenacin de
los mismos. Por tanto, dos permutaciones sern distintas si los objetos estn colocados en orden
diferente.

Hay dos tipos de permutaciones:

Se permite repetir: como la combinacin de una cerradura, podra ser "333".


Sin repeticin: por ejemplo, los tres primeros en una carrera. No puedes quedar primero y
segundo a la vez.

Las permutaciones de un numero n de objetos de un conjunto cualquiera de las diferentes maneras


de ubicar esos objetos en un orden definido.

Se utiliza el smbolo nPn o P(n) cuando se toman las permutaciones de igual numero n de
elementos u objetos del conjunto.

Si se desean ordenar n objetos diferentes en una lnea, el primero objeto se puede escoger de n
maneras, el segundo de n-1; y el tercero de n-2 y as, sucesivamente, hasta 1.

nPn = P(n) = (n) (n-1) (n-2) (1) = n!

P!=n!

Ejemplos
1. De cuntas maneras se pueden permutar los 3 dgitos del nmero 478?

Solucin:

3 P3 = P (3) = 3 x 2 x 1 = 3! = 6

n ! = 3 x 2 x 1 = 3! = 6

Las permutaciones son: 478, 487, 748, 784, 847 y 874.

Cuando las permutaciones se hacen de un tamao r menor al nmero n de elementos del conjunto,
se utilizan indistintamente los smbolos nPr o P(n,r).

De un grupo n de objetos, deseamos ordenar r objetos en una lnea. El primero objeto se puede
escoger de n maneras; el segundo de n-1 y as, sucesivamente, de manera que el ltimo de ellos
ser n (r-1) = n r + 1.

n!
nPr = P(n, r) = (n) (n-1)(n-2) (n-r+1) =
( nr ) !

2. Cuntas permutaciones de 2 letras se puede formar a partir de las 5 vocales?

Solucin:

n! 5! 5!
nPr = 5P2 = = = = 20
( nr ) ! (52 ) ! 2!

Las permutaciones son:

ae, ai, ao, au, ea, ei, eo, eu, ia, ie, io, iu, oa, oe, oi, ou, ua, ue, ui y uo.

3. De cuntas maneras pueden sentarse 12 personas en una banca que slo tiene capacidad
para 7?

Solucin:

n! 12 ! 12 !
nPr = 12P7 = = = = 3,991,680
( nr ) ! (127 ) ! 5!
4. Cuntas representaciones diferentes sern posibles formar, si se desea que consten de
Presidente, Secretario, Tesorero, Primer Vocal y Segundo Vocal?, s esta representacin
puede ser formada de entre 25 miembros del sindicato de una pequea empresa.

Solucin:

Por principio multiplicativo:

25 x 24 x 23 x 22 x 21 = 6, 375,600 maneras de formar una representacin de ese sindicato que


conste de presidente, secretario, etc.

Por Frmula:

nPr = 25P5 = 25!/(25 5)! = 25!/20! = (25 x 24 x 23 x 22 x 21 x....x 1)/(20 x 19 x 18 x ... x 1) =


6,375,600 maneras de formar la representacin.

Combinaciones

Una combinacin es cualquier seleccin de objetos en la que no importa el orden, a diferencia de


una permutacin, donde el orden si es importante. Por ejemplo, ABC, ACB y BAC son
permutaciones distintas; mientras que, por contener los mismos elementos, se pueden considerar
como una misma combinacin. Por lo tanto, hay ms permutaciones que combinaciones de un
nmero n de objetos, tomados de tamao r en r.

Las combinaciones de n objetos, tomados en r en r, se representa por (n r ) , nCr, C(n,r) o Cn,r y se


obtiene mediante las operaciones:

n ( n1 ) ( n2 ) ( nr + 1) n! nPr
(n r ) = nCr = C(n,r) = Cn,r = = =
r! r ! ( nr ) ! r!

El nmero de combinaciones nCr est relacionado con los subconjuntos de un conjunto. Por ejemplo,
el nmero de subconjuntos de 2 elementos del conjunto A que tiene 5 elementos es:

A = {a, e, i, o, u}
5! 5! 120
(5 2) = 5C2 = C(5,2) = C5,2 = = = = 10
2 ! ( 52 ) ! 2!3! 12

Los 10 subconjuntos de 2 elementos son: ae, ai, ao, au, ei, eo, eu, io, iu, ou.
Ejemplos

1. Cuntos subconjuntos de 6, 8 y 10 elementos tiene el conjunto Q?

Q = {a, b, c, d, e, f, g, h, i, j, k, l, m, n, o}

Solucin:

Para 6 elementos:
15 ! 15 !
(15 6) = 15C6 = = = 5,005 subconjuntos.
6 ! (156 ) ! 6 ! 9!

Para 8 elementos:
15 ! 15 !
(15 8) = 15C8 = = = 6,435 subconjuntos.
8! (158 ) ! 8!7 !

Para 10 elementos:
15! 15 !
(15 10) = 15C10 = = = 3,003 subconjuntos.
10 ! ( 1510 ) ! 10 ! 5 !

2. De cuntas maneras puede salir una mano de pker (5 cartas) si se juega con una baraja
espaola (40 cartas) o con una baraja inglesa (52 cartas)?

Solucin:

40 !
(40 5) = 40C5 = = 658008 en la baraja espaola.
5 ! ( 405 ) !
52!
(525) = 52C5 = = 2598960 en la baraja inglesa.
5 ! ( 525 ) !

3. Si se cuenta con 14 alumnos que desean colaborar en una campaa pro limpieza del Tec.
Cuntos grupos de limpieza podrn formarse si se desea que consten de 5 alumnos cada
uno de ellos?.

Solucin:

n = 14, r = 5

14 C5 = 14!/(14 5 )! 5! = 14!/ 9!5!

= 14 x 13 x 12 x 11 x 10 x 9!/ 9!5! = 2,002 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.
4. Para contestar un examen un alumno debe contestar 9 de 12 preguntas, Cuntas maneras
tiene el alumno de seleccionar las 9 preguntas?.

Solucin:

n = 12, r = 9

12 C9 = 12!/(12 9)! 9!

= 12! / 3!9! = 12 x 11 x 10 / 3! = 220 maneras de seleccionar las nueve preguntas o dicho de otra
manera, el alumno puede seleccionar cualquiera de 220 grupos de 9 preguntas para contestar el
examen.
http://probabilidadcecyte.blogspot.mx/2009/01/analisis-combinatorio.html

2.3 Introduccin a la probabilidad.

Aplicaciones de la Probabilidad

La probabilidad constituye un importante parmetro en la determinacin de las diversas causalidades


obtenidas tras una serie de eventos esperados dentro de un rango estadstico.
Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer y la teora de la
relatividad numrica, esta ltima con un alto grado de aceptacin si se toma en cuenta que
disminuye considerablemente las posibilidades hasta un nivel mnimo ya que somete a todas las
antiguas reglas a una simple ley de relatividad. As mismo es la parte de lae.
Dos aplicaciones principales de la teora de la probabilidad en el da a da son en el anlisis de
riesgo y en el comercio de los mercados de materias primas.
Los gobiernos normalmente aplican mtodos probabilsticos en regulacin ambiental donde se les
llama "anlisis de vas de dispersin", y a menudo miden el bienestar usando mtodos que son
estocsticos por naturaleza, y escogen qu proyectos emprender basndose en anlisis estadsticos
de su probable efecto en la poblacin como un conjunto. No es correcto decir que la estadstica est
incluida en el propio modelado, ya que tpicamente los anlisis de riesgo son para una nica vez y
por lo tanto requieren ms modelos de probabilidad fundamentales, por ej. "la probabilidad de otro
11-S". Una ley de nmeros pequeos tiende a aplicarse a todas aquellas elecciones y percepciones
del efecto de estas elecciones, lo que hace de las medidas probabilsticas un tema poltico.

Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto generalizado sobre


los precios del petrleo en Oriente Medio - que producen un efecto domin en la economa en
conjunto. Un clculo por un mercado de materias primas en que la guerra es ms probable en contra
de menos probable probablemente enva los precios hacia arriba o hacia abajo e indica a otros
comerciantes esa opinin. Por consiguiente, las probabilidades no se calculan independientemente y
tampoco son necesariamente muy racionales. La teora de las finanzas conductuales surgi para
describir el efecto de este pensamiento de grupo en el precio, en la poltica, y en la paz y en los
conflictos.

Se puede decir razonablemente que el descubrimiento de mtodos rigurosos para calcular y


combinar los clculos de probabilidad ha tenido un profundo efecto en la sociedad moderna. Por
consiguiente, puede ser de alguna importancia para la mayora de los ciudadanos entender cmo se
clculan los pronsticos y las probabilidades, y cmo contribuyen a la reputacin y a las decisiones,
especialmente en una democracia.

Otra aplicacin significativa de la teora de la probabilidad en el da a da es en la fiabilidad. Muchos


bienes de consumo, como los automviles y la electrnica de consumo, utilizan la teora de la
fiabilidad en el diseo del producto para reducir la probabilidad de avera. La probabilidad de avera
tambin est estrechamente relacionada con la garanta del producto.

Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la
probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra
ignorancia dada una situacin. Por consiguiente, puede haber una probabilidad de 1 entre 52 de que
la primera carta en un baraja de cartas es la J de diamantes. Sin embargo, si uno mira la primera
carta y la reemplaza, entonces la probabilidad es o bien 100% o 0%, y la eleccin correcta puede ser
hecha con precisin por el que ve la carta. La fsica moderna proporciona ejemplos importantes de
situaciones determinsticas donde slo la descripcin probabilstica es factible debido a informacin
incompleta y la complejidad de un sistema as como ejemplos de fenmenos realmente aleatorios.

En un universo determinista, basado en los conceptos newtonianos, no hay probabilidad si se


conocen todas las condiciones. En el caso de una ruleta, si la fuerza de la mano y el periodo de esta
fuerza es conocido, entonces el nmero donde la bola parar ser seguro. Naturalmente, esto
tambin supone el conocimiento de la inercia y la friccin de la ruleta, el peso, lisura y redondez de la
bola, las variaciones en la velocidad de la mano durante el movimiento y as sucesivamente. Una
descripcin probabilstica puede entonces ser ms prctica que la mecnica newtoniana para
analizar el modelo de las salidas de lanzamientos repetidos de la ruleta. Los fsicos se encuentran
con la misma situacin en la teora cintica de los gases, donde el sistema determinstico en
principio, es tan complejo (con el nmero de molculas tpicamente del orden de magnitud de la
constante de Avogadro ) que slo la descripcin estadstica de sus propiedades es viable.

La mecnica cuntica, debido al principio de indeterminacin de Heisenberg, slo puede ser descrita
actualmente a travs de distribuciones de probabilidad, lo que le da una gran importancia a las
descripciones probabilsticas. Algunos cientficos hablan de la expulsin del paraso. Otros no se
conforman con la prdida del determinismo. Albert Einstein coment estupendamente en una carta a
Max Born: Jedenfalls bin ich berzeugt, da der Alte nicht wrfelt. (Estoy convencido de que Dios no
tira el dado). No obstante hoy en da no existe un medio mejor para describir la fsica cuntica si no
es a travs de la teora de la probabilidad. Mucha gente hoy en da confunde el hecho de que la
mecnica cuntica se describe a travs de distribuciones de probabilidad con la suposicin de que
es por ello un proceso aleatorio, cuando la mecnica cuntica es probabilstica no por el hecho de
que siga procesos aleatorios sino por el hecho de no poder determinar con precisin sus parmetros
fundamentales, lo que imposibilita la creacin de un sistema de ecuaciones determinista.

2.3.1 Definicin y expresin.

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 matemtica, la ciencia y la filosofa para sacar conclusiones sobre la
probabilidad de sucesos potenciales y la mecnica subyacente de sistemas complejos.

La palabra probabilidad no tiene una definicin consistente. De hecho hay dos amplias categoras de
interpretaciones de la probabilidad: los frecuentistas hablan de probabilidades slo cuando se trata
de experimentos aleatorios bien definidos. La frecuencia relativa de ocurrencia del resultado de un
experimento, cuando se repite el experimento, es una medida de la probabilidad de ese suceso
aleatorio. Los bayesianos, no obstante, asignan las probabilidades a cualquier declaracin, incluso
cuando no implica un proceso aleatorio, como una manera de representar su verosimilitud subjetiva.
El estudio cientfico de la probabilidad es un desarrollo moderno. Los juegos de azar muestran que
ha habido un inters en cuantificar las ideas de la probabilidad durante milenios, pero las
descripciones matemticas exactas de utilidad en estos problemas slo surgieron mucho despus.
Segn Richard Jeffrey, "Antes de la mitad del siglo XVII, el trmino 'probable' (en latn probable)
significaba aprobable, y se aplicaba en ese sentido, unvocamente, a la opinin y a la accin. Una
accin u opinin probable era una que las personas sensatas emprenderan o mantendran, en las
circunstancias."

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 cientfico conocido ms temprano al
concepto. Ars Conjectandi (pstumo, 1713) de Jakob Bernoulli y Doctrine of Chances (1718) de
Abraham de Moivre trataron el tema como una rama de las matemticas. Vase 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 matemtica.
La teora de errores puede trazarse atrs en el tiempo hasta Opera Miscellanea (pstumo, 1722) de
Roger Cotes, pero una memoria preparada por Thomas Simpson en 1755 (impresa en 1756) aplic
por primera vez la teora para la discusin de errores de observacin. La reimpresin (1757) de esta
memoria expone los axiomas de que los errores positivos y negativos son igualmente probables, y
que hay ciertos lmites 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.

Concepto clsico de Probabilidad


La probabilidad de un suceso es un nmero, comprendido entre 0 y 1, que indica las posibilidades
que tiene de verificarse cuando se realiza un experimento aleatorio.
"...una fraccin en la que el numerador es igual al nmero de apariciones del suceso y el
denominador es igual al nmero total de casos en los que es suceso pueda o no pueda ocurrir. Tal
fraccin expresa la probabilidad de que ocurra el suceso".
El enfoque clsico de la probabilidad est basado en la suposicin de que todos los resultados del
experimento son igualmente posibles.
La probabilidad se calcula de la siguiente manera: Probabilidad = nmero de posibles resultados del
evento/nmero total de resultados posibles del experimento.

Experimentos deterministas
Son los experimentos de los que podemos predecir el resultado antes de que se realicen.
Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la piedra
bajar. Si la arrojamos hacia arriba, sabemos que subir durante un determinado intervalo de
tiempo; pero despus bajar.
Experimentos aleatorios
Son aquellos en los que no se puede predecir el resultado, ya que ste depende del azar.

Teora de probabilidades
La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que
pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un
suceso es ms probable que otro. Con este fin, introduciremos algunas definiciones:

Suceso

Es cada uno de los resultados posibles de una experiencia aleatoria.

Suceso elemental

Suceso elemental es cada uno de los elementos que forman parte del espacio muestral.
Ejemplo: Tirando un dado un suceso elemental es sacar 5.

Suceso compuesto

Suceso compuesto es cualquier subconjunto del espacio muestral.


Ejemplo: Tirando un dado un suceso sera que saliera par, otro, obtener mltiplo de 3.

Suceso seguro

E, est formado por todos los posibles resultados (es decir, por el espacio muestral).
Ejemplo: Tirando un dado obtener una puntuacin que sea menor que 7.

Suceso imposible

Conjunto vacio, es el que no tiene ningn elemento.


Ejemplo: Tirando un dado obtener una puntuacin igual a 7.
Sucesos compatibles

Dos sucesos, A y B, son compatibles cuando tienen algn suceso elemental comn.
Ejemplo: Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 3, A y B son
compatibles porque el 6 es un suceso elemental comn.

Sucesos incompatibles

Dos sucesos, A y B, son incompatibles cuando no tienen ningn elemento en comn.


Ejemplo:Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 5, A y B son
incompatibles.

Sucesos independientes

Dos sucesos, A y B, son independientes cuando la probabilidad de que suceda A no se ve afectada


porque haya sucedido o no B.
Ejemplo:Al lazar dos dados los resultados son independientes.

Sucesos dependientes

Dos sucesos, A y B, son dependientes cuando la probabilidad de que suceda A se ve afectada


porque haya sucedido o no B.
Ejemplo:Extraer dos cartas de una baraja, sin reposicin, son sucesos dependientes.

Suceso contrario

El suceso contrario a A es otro suceso que se realiza cuando no se realiza A. Se denota por suceso
contrario.
Ejemplo: Son sucesos contrarios sacar par e impar al lanzar un dado.

Axiomas de 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
(Propiedades 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.

Los axiomas de la formulacin moderna de la teora de la probabilidad constituyen una base para
deducir a partir de ellas un amplio nmero de resultados.

La letra P se utiliza para designar la probabilidad de un evento, siendo P(A) la probabilidad de


ocurrencia de un evento A en un experimento.

Axioma 1
Si A es un evento de S, entonces la probabilidad del evento A es:

0 P(A) 1

Como no podemos obtener menos de cero xitos ni ms de n xitos en n experimentos,


la probabilidad de cualquier evento A, se representa mediante un valor que puede variar de 0 a 1.

La probabilidad de cualquier evento E es un nmero real no negativo.

Axioma 2.
La probabilidad del espacio muestral S es igual a 1, denotado simblicamente

Axioma 3.
Si dos eventos son mutuamente excluyentes, la probabilidad de obtener A o B es igual a la
probabilidad de obtener A ms la probabilidad de obtener B.
P(A B) = P(A) + P(B)

Excluirse mutuamente quiere decir que A y B no pueden ocurrir simultneamente en el mismo


experimento. As, la probabilidad de obtener guila o sol en la misma tirada de una moneda ser

P(A B) = P(A) + P(B)


P(A B) = 1/2 + 1/2 = 1.

En general podemos decir que la suma de las probabilidades de todos los posibles eventos
mutuamente excluyentes es igual a 1:

P(A1) + P(A2) + P(A3) + ... + P(An) = 1

Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas
mutuamente excluyentes sumando las probabilidades de sus componentes.
Teoremas de Probabilidad

Teorema 1

Probabilidad del suceso imposible es cero.

Sea el conjunto vaco, entonces


Si es un evento nulo o vaco, entonces la probabilidad de que ocurra debe ser cero.

La probabilidad se expresa como un nmero entre 1.00 y 0.0, donde un valor de 1.00 es una certeza
de que suceda un evento, y un valor de 0 es una certeza de que no suceder.

P()= 0

DEMOSTRACIN:

Si sumamos a un evento A cualquiera, como y A son dos eventos mutuamente excluyentes,


entonces:

P(AU) = P(A) +P() = P(A)

Teorema 2

La suma de las probabilidades de un suceso y su contrario vale 1 (100%), por tanto la probabilidad
del suceso contrario es:
P(Ac)= 1 - P(A)

Si A es cualquier evento en el espacio de eventos S. La probabilidad del complemento de A, Ac debe


ser: Si P(A) es la probabilidad de que suceda un evento A, entonces la probabilidad de que no
suceda Ac es:
P(Ac)= 1 - P(A) / P(A)= 1 - P(Ac)

DEMOSTRACIN:

Si el espacio muestral S, se divide en dos eventos mutuamente exclusivos, A y Ac luego S=AUAc,


por tanto P(S) = P(A) + P(Ac) y como en el axioma dos se afirma que P(S)=1, por tanto,
P(Ac) = 1- P(A).
TEOREMA 3

La probabilidad de la unin de dos sucesos es la suma de sus probabilidades restndole la


probabilidad de su interseccin.

Para dos eventos A y B, P(AB) = P(A) + P(B) P(AB).

P(AB) = P(A) + P(B) P(AB)


Adems: .
P(ABc) = P(A) + P(Bc) P(ABc) .
P(AcB) = P(Ac) + P(B) P(AcB) .

DEMOSTRACIN:

Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes,


por lo que P(A B) = P(A \ B) + P(B) y del teorema anterior tomamos que P(A \ B) = P(A)
P(AB),
por tanto, P(AB) = P(A) + P(B) P(AB).

Para tres eventos A, B y C,

P(ABC) = P(A) + P(B) + P(C) P(AB) P(AC) P(BC) + P(ABC).


TEOREMA 4

Si un suceso est incluido en otro, su probabilidad es menor o igual a la de ste.

Si un evento A B, entonces la P(A) P(B)


Si A y B son dos eventos cualesquiera del mismo espacio muestral S, tales que AB(A contenido en B),
entonces:

P(A) P(B) ---- ( P(B)=P(A)+P(A\B))


(P(A\B)=P(A)-P(B))

DEMOSTRACIN:

Si separamos el evento B en dos eventos mutuamente excluyentes, A y B\A (B menos A),


por tanto, B = A(B\A) y P(B) = P(A) + P(B\A), luego entonces si P(B\A) 0 entonces se cumple
que P(A) P(B).

TEOREMA 5. (Probabilidad de una diferencia)

La probabilidad de una diferencia se aplica cuando se quiere obtener la probabilidad de que un


suceso determinado ocurra y que simultneamente otro suceso, tambin determinado, no ocurra:
Si A y B son dos eventos cualesquiera del mismo espacio muestral S, entonces:

P(A \ B) = P(A) P(AB)

A esta relacin se le conoce como ley general de sustraccin de probabilidad. Tambin se utilizan las
Relaciones:
P(A \ B) = P(A) P(AB)

P(A \ B) = P(AcB) - P(BAc)

P(Ac)- P(AcB)= P(AcBc)= P(AcB)

P(B \ A) = P(B) P(BA) = P(BcA) = P(ABc)

P(Ac \ B) = P(Ac) P(AcB) c = P((Ac) cB) = P(AB)

P(Ac \ B) = P(AB)

P(A \ Bc) = P(A) P(AB) c = P(AcBc) = P(BcAc)

DEMOSTRACIN:

Si A y B son dos eventos cualquiera, entonces el evento A se puede separar en dos eventos
mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \ B)(AB), luego P(A)=P(A \ B) +
P(AB),
entonces, P(A \ B) = P(A) p(AB).
Regla de Laplace

La probabilidad de un seceso es el nmero al que tiende a aproximarse la frecuencia relativa de un


suceso, cuando repetimos el experimento infinitas veces.

La regla de Laplace dice que en un espacio muestral formado por sucesos equiprobables (todos
tienen la misma probabilidad), la probabilidad de un suceso A es el nmero de casos posibles
dividido por el nmero de casos probables.

Ejemplo: Si lanzamos una moneda muchsimas veces y dividimos el nmero de caras obtenidas
entre el nmero de lanzamientos. obtendremos un nmero que ser ms cercano a 0.5 cuantas ms
veces lancemos la moneda. Por eso decimos que la probabilidad de obtener cara al lanzar una
moneda es 0.5

En el lanzamiento de un dado, consideramos el suceso salir nmero par, entonces:

Ejemplo: Hallar la probabilidad de que al lanzar dos monedas al aire salgan dos caras.
Casos posibles: {cc, cx, xc, xx}.

Casos favorables: 1.

Calcular la probabilidad de que al echar un dado al aire, salga:

1 Un nmero par.

Casos posibles: {1, 2, 3, 4, 5, 6}.

Casos favorables: {2, 4, 6}.

2.4 Eventos mutuamente excluyentes y no excluyentes.

EVENTOS MUTUAMENTE EXCLUYENTES O DISJUNTOS


Un evento mutuamente excluyente es uno en el que la aceptacin de una alternativa
automticamente excluye otras posibles alternativas.
Son sucesos en lo que en un mismo experimento aleatorio no es posible que ocurran
simultneamente, la interseccin de los conjuntos que los representan es el conjunto vaco.
En sucesos mutuamente excluyentes se tiene que la ocurrencia de uno de ellos elimina
automticamente la posibilidad de que ocurra el otro.
La frmula matemtica para determinar la probabilidad de los eventos mutuamente excluyentes es:
Si A y B son evento mutuamente excluyentes, entonces la probabilidad de que A o B suceda es
equivalente a la probabilidad del evento A ms la probabilidad del evento B.

Un ejemplo comn de esto es lanzar una moneda, la moneda caer de cara o cruz?, la cara
significa un 50% de probabilidad que esta salga o si cae en cruz representa al otro 50% de
probabilidad de que esta salga; lanzar una moneda es un evento mutuamente excluyente, ya que es
una variable o alternativa donde el dato a escoger o elegir no pueden ser ambos, es decir, si son
sucesos que no pueden ocurrir a la vez en una misma jugada es porque la ocurrencia de alguno de
ellos excluye la ocurrencia de otros.

EVENTOS MUTUAMENTE NO EXCLUYENTES ENTRE SI


Un evento mutuamente no excluyente, son aquellos que a la hora de que suceda no se descarta la
posibilidad de otro, es decir pueden suceder 2 eventos en el mismo acto.
Son aquellos sucesos que se presenta en un mismo experimento aleatorio y en los que la posibilidad
de que ocurra un de ellos no impide que el otro suceso ocurra, es decir, pueden ocurrir
conjuntamente.
La frmula matemtica para determinar la probabilidad de los eventos mutuamente no excluyentes
es:
La interseccin de los conjuntos que representan es diferente al conjunto vaco.

Ejemplo: si se lanzan 2 dados al aire existe la posibilidad de que salga 6 en cualquiera de los 2
dados lanzados, lo cual tiene una probabilidad de ocurrencia de 11/36 ya que hay 11 combinaciones
de los puntos de los dados, que cumplen con esta condicin: 1-6, 6-1 2-6,6-2 3-6,6-3 4-6,6-4 4-5,6
6-5 6-6 . Y si ocurre el suceso B, los puntos que ambos dados suman un puntaje igual a 8 puntos, lo
cual tiene una probabilidad de ocurrencia 5/36, ya que hay 5 combinaciones que cumplen con esta
condicin. Otros ejemplos pueden ser los siguientes:

Sacar un 5 y una carta de espadas, es un evento no excluyente pues podemos tomar una
carta 5 de espadas.
Sacar una carta roja y una carta de corazones, es un evento no excluyente pues las cartas de
corazones son uno de los palos rojos.
Sacar un 9 y una carta negra. es un evento no excluyente pues podemos tomar el 9 de
espadas o el 9 de trboles.

EVENTOS MUTUAMENTE EVENTOS MUTUAMENTE NO


EXCLUYENTES EXCLUYENTES

Se dice que dos eventos son mutuamente Se dice que dos eventos son mutuamente no
excluyentes cuando solo uno de esos dos excluyentes cuando dos eventos suceden en
eventos sucede, es decir en un evento no el mismo tiempo.
pueden suceder dos eventos al mismo tiempo.
Sean A y B dos eventos mutuamente Sean A y B dos eventos mutuamente no
excluyentes entonces: excluyentes entonces:

2.5 Eventos independientes, dependientes y probabilidad condicional.

PROBABILIDAD CONDICIONAL

Probabilidad condicionada es la probabilidad de que ocurra un evento A, sabiendo que tambin


sucede otro evento B. La probabilidad condicional se escribe P (AIB), 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.

Sea B un evento arbitrario de un espacio muestral S con P(B) > 0. La probabilidad de que un evento
A suceda una vez que B haya sucedido o, en otras palabras, la probabilidad condicional A dado B,
escrito P(A\B), se define como sigue:
P(A\E)= P(AB)
P(B)

La P(A\E) en cierto sentido mide la probabilidad relativa de A con relacin al espacio reducido E.

En particular, si S es un espacio finito equiprobable y |A| denota el nmero de elementos de un


evento A, entonces

P(AB)= |AB| P(E)= |B| y as P(A\B)= P(AB) = |AB|


|S| |S| P(B) |B|
Esto es,

Sea S un espacio finito equiprobable con eventos A y E. Entonces:

P(A\B)= nmero de elementos de AB


Nmero de elementos de B

P(A\B)= nmero de maneras en que A y B pueden suceder


Nmero de maneras en que B puede suceder

Para la probabilidad condicional (ley multiplicativa) es necesario revisar si los eventos involucrados
son independientes o dependientes

EVENTOS INDEPENDIENTES

Dos eventos son independientes si el resultado del segundo evento no es afectado por el resultado
del primer evento. Si A y B son eventos independientes, la probabilidad de que ambos eventos
ocurran es el producto de las probabilidades de los eventos individuales.
P(A y B) = P(A) P(B)
Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es eliminada de
la caja y luego reemplazada. Otra canica se saca de la caja. Cul es la probabilidad de que la
primera canica sea azul y la segunda canica sea verde? Ya que la primera canica es reemplazada, el
tamao del espacio muestral (9) no cambia de la primera sacada a la segunda as los eventos son
independientes.
P(azul luego verde) = P(azul) P(verde)
EVENTOS DEPENDIENTES

Dos o ms eventos sern dependientes si el resultado del primer evento afecta el resultado del
segundo evento as que la probabilidad es cambiada, La probabilidad de que ambos eventos ocurran
es el producto de las probabilidades de los eventos individuales, y para ello se ocupa, la expresin P
(A|B) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri. Se debe tener claro
que A|B no es una fraccin.
P (A|B) = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)

Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es eliminada de
la caja y no es reemplazada. Otra canica se saca de la caja. Cul es la probabilidad de que la
primera canica sea azul y la segunda canica sea verde? Ya que la primera canica no es
reemplazada, el tamao del espacio muestral para la primera canica (9) es cambiado para la
segunda canica (8) as los eventos son dependientes.
P(azul luego verde) = P(azul) P(verde)

EVENTOS DEPENDIENTES EVENTOS INDEPENDIENTES

Sean A y B dos eventos estadsticos Se define como la probabilidad de que 2 o mas


dependientes, entonces, la probabilidad eventos se presenten juntos o en sucesin, es
condicional de A dado B, denotado por decir la P(AyB) y la probabilidad de que dos o
P(A/B), es la probabilidad de que suceda A mas eventos independientes se presenten
dado que se sabe que el evento B ocurri. juntos o en sucesin es el producto de sus
probabilidades marginales.
2.6 Teorema de Bayes.

Probabilidad total

entonces, la probabilidad del evento B, llamada probabilidad total, se calcula empleando la siguiente
frmula:

Teorema de Bayes

El teorema de Bayes se utiliza para revisar probabilidades previamente calculadas cuando se posee
nueva informacin. Desarrollado por el reverendo Thomas Bayes en el siglo XVII, el teorema de
Bayes es una extensin de lo que ha aprendido hasta ahora acerca de la probabilidad condicional.
Supngase que A1, A2., An es una particin de S y que B es cualquier evento. Entonces para
cualquier i

Est frmula se llama tambin frmula para la probabilidad de la hiptesis despus de la prueba

Comnmente se inicia un anlisis de probabilidades con una asignacin inicial, probabilidad a priori.
Cuando se tiene alguna informacin adicional se procede a calcular las probabilidades revisadas o a
posteriori. El teorema de Bayes permite calcular las probabilidades a posteriori y es:

Ejemplo:

1) Una compaa de transporte pblico tiene tres lneas en una ciudad, de forma que el 45% de los
autobuses cubre el servicio de la lnea 1, el 25% cubre la lnea 2 y el 30% cubre el servicio de la
lnea 3. Se sabe que la probabilidad de que, diariamente, un autobs se avere es del 2%, 3% y 1%
respectivamente, para cada lnea.

a) Calcular la probabilidad de que, en un da, un autobs sufra una avera

b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera

c) De qu lnea de transporte es ms probable que un autobs sufra una avera?

Solucin:
a) Calcular la probabilidad de que, en un da, un autobs sufra una avera

Empleando la frmula de probabilidad total se obtiene:

b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera

Empleando la frmula de probabilidad total se obtiene:

c) De qu lnea de transporte es ms probable que un autobs sufra una avera?

Se debe calcular las tres probabilidades a posteriori empleando el Teorema de Bayes

La probabilidad de que sea de la lnea 1, sabiendo que sufre una avera es:
La probabilidad de que sea de la lnea 2, sabiendo que sufre una avera es:

La probabilidad de que sea de la lnea 3, sabiendo que sufre una avera es:

Entonces, sabiendo que el autobs sufre una avera, lo ms probable es que sea de la lnea 1, ya
que esta probabilidad

, es la mayor.

2.7 Valor esperado o esperanza matemtica.

La esperanza matemtica o valor esperado de una variable aleatoria discreta es la suma del producto de la
probabilidad de cada suceso por el valor de dicho suceso.

Los nombre de esperanza matemtica y valor esperado tienen su origen en los juegos de azar y hacen
referencia a la ganancia promedio esperada por un jugador cuando hace un gran nmero de apuestas.

Si la esperanza matemtica es cero, E(x) = 0, el juego es equitativo, es decir, no existe ventaja ni para el
jugador ni para la banca.

Ejemplo 1

Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000 un segundo premio de
2000 con probabilidades de: 0.001 y 0.003. Cul sera el precio justo a pagar por la papeleta?

E(x) = 5000 0.001 + 2000 0.003 = 11


Un jugador lanza dos monedas. Gana 1 2 si aparecen una o dos caras. Por otra parte pierde 5 si no
aparece cara. Determinar la esperanza matemtica del juego y si ste es favorable.

E = {(c,c);(c,x);(x,c);(x,x)}

p(+1) = 2/4

p(+2) = 1/4

p(5) = 1/4

E(x)= 1 2/4 + 2 1/4 - 5 1/4 = 1/4. Es desfavorable

Ejemplo 2

3En una ciudad, la temperatura mxima durante el mes de junio est distribuida normalmente con una media
de 26 y una desviacin tpica de 4.
Calcular el nmero de das que se "espera", tengan temperatura mxima comprendida entre 22 y 28.

Como se trata de una distribucin Normal, tipificamos (estandarizamos) los valores 22 y 28:
z1= (22 26) / 4 = -1
z2 = (28 26) / 4 = 0, 5
Entonces la probabilidad de que en un da de junio la temperatura mxima est entre 22 y 28 es:
p( 22< x < 28) = p( -1 < z < 0,5 ) = 0, 5328
Y el nmero esperado (esperanza) de das es:
E(x) = n * p = 30 * 0, 5328 16 das