Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad
1
INTRODUCCION
Ejemplos:
- Tirar dardos en un blanco determinado
- Lanzar un par de dados
- Obtener una carta de una baraja
- Lanzar una moneda
- que al nacer un bebe, ste sea nia
- que una persona de 20 aos, sobreviva 15 aos ms
Espacio Muestral
Definicin
Es el conjunto de todos los posibles resultados de inters de un
experimento dado, y se le denota normalmente mediante la letra
S.
Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral = total de formas en como puede caer la
moneda, o sea dos formas de inters, que caiga cara o que
caiga numero. (Si cae de canto no es de inters y se repite el
lanzamiento).
S = { c, n }
n (m n)!n!
distintas de n elementos que se pueden
hacer de entre un conjunto de m
elementos. En otras palabras, es el
numero de subconjuntos de n elementos
que tiene un conjunto de m elementos.
Ejemplo .
Encontrar el numero combinatorio de 3 sobre 2:
3 3! 6
3
2 (3 2)!2! 1.2
8
Propiedades de los nmeros
combinatorios
m m m
1) 1 m N 5) mN
0 n m n
m m m 1
m 6) mN
2) 1 mN
n 1 n n
m
m
3) m mN
1
m
4) m mN
m 1
9
Ejemplos: Verificar los propiedades
anteriores
10
Como una aplicacin de las propiedades de los nmeros
combinatorios podemos escribir el siguiente triangulo aritmtico
conocido como el triangulo de Tartaglia o de Pascal
11
Caracterstica del Triangulo
12
BINOMIO DE NEWTON
Los nmeros combinatorios aparecen como
coeficientes del binomio de Newton:
n n n n 1 n n 2 2 n n
(a b) a a b a b ... b
n
0 1 2 n
n
n nk k
a b
k 0 k
Utilizando la anterior expresin se puede
probar inmediatamente:
n
n
1) 2
k 0 k
n
n
n
2) ( 1) 0
k
k 0 k
Tcnicas de Conteo
INTRODUCCION
Cuando se trata de contar las posibilidades en una
moneda....fcil, pero y si es algo ms complicado que
una moneda..... ?
Alguno dir : Cambie de restaurante ! (tiene razn)... y otros observarn todas las
posibles variaciones que se pueden generar an siendo tan pequeo el men,
slo enunciamos 5 de 36 posibilidades para el almuerzo de hoy. Por lo tanto, no
es fcil hacer el conteo para todas esas variaciones y ms si se hace una por una.
Por ello existen tcnicas que sin duda facilitan notablemente los conteos de todas
las posibilidades existentes.
DEFINICON: TECNICAS DE CONTEO
Las tcnicas de conteo son aquellas que son
usadas para enumerar eventos difciles de
cuantificar.
Se les denomina tcnicas de conteo a las combinaciones,
permutaciones y diagrama de rbol, hay que destacar que
stas nos proporcionan la informacin de todas las
maneras posibles en que ocurre un evento determinado.
Terminologa conjuntista:
|A U B| = |A| + |B|
Ejemplo:
Un estudiante debe elegir un ejercicio para entregar. En una lista de
ejercicios hay 15, en otra 20 y en otra 10. Cuntos ejercicios tiene el
estudiante para elegir?
18
Principio de inclusin-exclusin: Si un proceso
de seleccin se puede realizar de dos formas de modo
que la primera admite n opciones, la segunda admite m
opciones y hay r opciones comunes a ambas, entonces
el nmero total de selecciones posibles es n+m-r.
Terminologa conjuntista:
|A U B| = |A| + |B| - |A B|
19
Ejemplo: sean los dos siguientes conjuntos de enteros positivos:
Cuntas maneras hay de elegir un entero desde los conjuntos A y B. Ntese que
los dos conjuntos no son disjuntos. Que modificacin podemos hacerle al
principio aditivo para este caso? Trate de escribir esa modificacin.
Solucin:
Para elegir un nmero del conjunto A tenemos 6 maneras y para elegir un nmero
del conjunto B tenemos 6 maneras, pero como tenemos un nmero en comn
slo tenemos 5. Luego para elegir un nmero entre A y B tenemos 11 maneras.
Y tendramos que modificar el principio aditivo restando la cantidad de elementos
repetidos.
20
Principio de la Multiplicacin
21
Ejemplo: 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:
22
Principio multiplicativo y aditivo
Cmo podemos distinguir cuando hacer uso del principio multiplicativo y
cuando del aditivo?
23
PERMUTACIONES
Una ordenacin de un conjunto de n objetos en un orden dado se
llama permutacin de los objetos (tomados todos a la vez).
Una ordenacin de un numero r de dichos objetos r<=n en
un orden dado se llama una permutacin r o permutacin de
n objetos tomados r a la vez
n!
n Pr P(n, r )
(n r )!
P: nmero de permutaciones
n: nmero total de objetos
r: nmero de objetos que se dispondr
PERMUTACIONES
Ejemplos:
s {a, b, c, d }
4! 4 * 3!
P ( 4,1) 4
( 4 1)! 3!
4! 4 * 3 * 2!
P ( 4,2) 12
( 4 2)! 2!
4! 4 * 3 * 2 *1!
P ( 4,3) 24
( 4 3)! 1!
25
Ejemplo 2: Un msico desea escribir una partitura
basada solamente en cinco notas (la, si, do, re y mi).
Sin embargo, solo tres notas de las cinco se utilizarn
en sucesin, como do, la y mi. No se permitirn
repeticiones como la, la y mi.
1) Cuantas permutaciones de las cinco notas, tomadas
tres cada vez, son posibles?
5*4*3 = 60 (principio de multiplicacin)
2) Utilizando la formula para permutaciones, Cuntas
permutaciones son posibles?
5!
P(5,3) 60
(5 3)!
26
Si el numero de elecciones es igual al total de datos, es decir :
r n, entonces
n! n!
n Pr P(n, r ) n!
0! 1
27
d) Pero como E1 = E2, el nmero de permutaciones reales de la palabra ESE,
son: ESE, EES, y SEE.
e) Entonces para tener arreglos reales es necesario partir de la siguiente
expresin:
No.de permutaciones considerando que todos los objetos son diferentes
No.de arreglos
los cambios entre objetos iguales
P
3 3
por tanto, la frmula sera: No.de arreglos reales 3
2!
n!
Px1 , x 2 ,...x k
n , donde, nPx 1 , x 2 ,...xk
x1!, x2 !,...xk !
es el nmero de permutaciones que es posible obtener de n objetos, ente los
que existen una cantidad x1 de objetos iguales, x2, todos iguales y xk iguales
tambin.
28
Ejemplos
- De cuntas formas pueden 14!
ordenarse en una estantera 5 libros Sol: 14 P 5, 3, 6
5!3!6!
,
de lomo blanco, 3 de lomo azul y 6
de lomo rojo?
- Cuntas palabras de 6 letras con 6!
o sin sentido se pueden formas con Sol: 6 P 3,1, 2
3!1!2!
,
las letras de AMASAS ?
- En una carrera por equipos
participan 4 espaoles, 5 franceses y
3 marroques. Si lo nico reseable 12!
Sol: 12 P 4 , 5, 3
4!5!3!
,
de cada corredor es su nacionalidad,
de cuntas formas posibles
podran terminar la carrera?
29
Cuando se elige un elemento despus de otro en un conjunto S, por ejemplo,
r veces, a la eleccin de la muestra se le llama eleccin de la muestra
ordenada de tamao r . Esta eleccin se puede realizar de 2 formas:
n1 n2 n3 ...nr n r
10 x 9 x 8 x 7 = 5040
31
Permutaciones Circulares
A una disposicin de cosas en cadena cerrada o anillo se le llama permutacin
circular o cclica. Esto es, cuando se ordenan objetos en una
curva cerrada (por ejemplo, en una mesa redonda, en un llavero, la rueda de
la fortuna, etc.). Generalmente se usa PCn para representar el nmero de
permutaciones circulares de n objetos tomados todos a la vez, y se calcula con la
frmula: PC (n 1)!
n
Nota: esta frmula se obtiene siempre que se fije cualquiera de los n objetos en
el arreglo circular, los restantes n -1 objetos se consideran como una
permutacin lineal, la cual es posible hacer de (n-1)! maneras.
Ejemplo: de cuntas maneras pueden sentarse 6 ejecutivos en una mesa
redonda, si slo importan las posiciones relativas entre ellos y adems 2 de
los ejecutivos tiene que hacerlo juntos.
Solucin:
1) Suponga que los 2 ejecutivos son W y X,
2) El arreglo puede ser WX o XW (2 formas)
3) Quitando el arreglo WX, quedan 5 objetos para permutar
4) Por tanto, PCn = 2PC5 = 2 (5-1)! = 48
Combinaciones
C
n
r ( n,r ) nCr C r
c
a) n = 20 , r = 3,
20!
20 C3 1140
3! ( 20 3 )! )
b) n = 20 ; r = 3
20!
20 P3 6840
( 20 3 )! )
34
Diferencias entre permutacin y
combinacin
PERMUTACIN: COMBINACIN:
Es todo arreglo de elementos en Es todo arreglo de elementos
donde nos interesa el lugar o en donde no nos interesa el
posicin que ocupa cada uno de lugar o posicin que ocupa
los elementos que constituyen cada uno de los elementos
dicho arreglo. que constituyen dicho
arreglo.
36
DIAGRAMA DE ARBOL
Definicin: 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.
Construccin Del Diagrama De rbol (Usando conjuntos)
Sean: A y B dos conjuntos
a) Fijar un nodo inicial (Un punto situado a la izquierda, representa la raz del
rbol);
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.
37
Ejemplo : Cuando se seleccionan tres artculos de forma aleatoria de
un proceso de fabricacin y se clasifican como defectuosos (D) y no
defectuosos (N):
A s tal que s A
c
Ejemplo:
Experimento: Se lanza una moneda tres veces.
Espacio Muestral:
Evento simple:
B:Que salgan tres CARAS; B ={ (C,C,C) } , N(B) = 1
Evento compuesto:
E: Que salgan al menos dos CARAS;
E = { (C,C,C), (C,C,N), (C,N,C), (N,C,C) }, N(E) = 4
Evento imposible: (conjunto vacio). N() = 0
Operaciones Bsicas con Eventos Aleatorios
Ya que los eventos aleatorios son subconjuntos del conjunto , espacio
muestral, se pueden aplicar las conocidas operaciones con conjuntos, a
los eventos, como son la unin, la interseccin y la diferencia de eventos.
S
S
A B
A B
2 6
C
A B = { 1, 3, 5 } { 3, 4 } = {1,3,4,5}, N(A B) = 4
A C = { 1, 3, 5 } { 2,4,6 } = {1,2,3,4,5,6}=S, N(A C) = N(S) = 6
B C = { 3, 4 } { 2, 4, 6 } = {2,3,4,6}, N(B C) = 4
A B C = { 1, 3, 5 } { 3, 4 } { 2,4,6 }= {1,2,3,4,5,6}=S,
N(A B C) = 6
A B={ 1, 3, 5 } { 3, 4 } = {3}, N(AB) = 1
A C={ 1, 3, 5 } { 2,4,6 } = {}, N(A C) = N{) = 0
B C={ 3, 4 } { 2, 4, 6 } = {4}, N(B C) = 1
(A B) C = ({ 1, 3, 5 } { 3, 4 }) { 2,4,6 }= {3} { 2,4,6 }={},
N((A B) C) = N{) = 0
A (B C) = { 1, 3, 5 } ({ 3, 4 } { 2,4,6 })= { 1, 3, 5 } { 4 }={},
N(A (B C)) = N{) = 0
A B = ={ 1, 3, 5 } - { 3, 4 } = { 1, 5 }, N(A B) = 2
A C = { 1, 3, 5 } - { 2,4,6 } = { 1,3,5 } = A, N( A C) = N(A) = 3
B C = { 3, 4 } - { 2,4,6 } = { 3 }, N(B-C) = 1
Ac = { 2, 4, 6} = C N(Ac ) = N( C )= 3
Bc = {1, 2, 5, 6 } N(Bc ) = 4
Cc = {1, 3, 5 } = A N(Cc ) = N(A) = 3
PROBABILIDAD
Probabilidad clsica.-
Sea S un espacio muestral cualquiera y A un evento de
ese espacio. Se define la probabilidad P del evento
A, como:
NCF
P( A)
donde NCT
NCF - nmero de casos favorables
NCT - nmero de casos totales
PROBABILIDAD
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga
numero.
Calcular la probabilidad de A:
S = { C, N}, N() = 2
A = { N}, N(A) = 1
N ( A) 1
P( A) .5
N () 2
PROBABILIDAD
Leyes De La Probabilidad
Las relaciones que se dan entre los
eventos al ser aplicadas las
operaciones que se presentaron, se
facilitan y comprenden mejor haciendo
uso de los axiomas y teoremas de
probabilidad (Leyes de Probabilidad).
Axioma.- es una verdad evidente que no
requiere demostracin.
Teorema.- Es una verdad que requiere
ser demostrada.
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado
Si A =, es decir si el evento A coincide o es igual al
espacio muestral, entonces.
N ( A) N (S )
P( A) 1
N () N ()
PROBABILIDAD
Teorema 1.- Si es el conjunto vaco,
entonces la probabilidad de es igual a 0
N ()
P() 0
N ()
Ejemplos:
Una persona que quiere ganar la lotera nacional,
pero no compra boleto.
Que aparezca un siete al lanzar un dado
Que una persona viva 250 aos
En estos casos los eventos son vacos
PROBABILIDAD
Axioma 3.- Sea un espacio muestral
cualquiera y sean A y B dos eventos tales que
A , B y A B = , es decir, dos
eventos mutuamente exclusivos, entonces
P(A B) = P(A) + P(B).
A B
A B
PROBABILIDAD
Ejemplo:
Experimento: Se lanzan dos monedas
= { CC, NN,CN,NC}
N() = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos caras exactamente
B: el evento de que al lanzar un par de monedas caiga una
cara exactamente.
Los elementos de A y B son
A = { CC }
B = {CN, NC}
Se puede ver que A B = , no hay elementos en comn,
por lo que los eventos son mutuamente exclusivos o
disjuntos, por tanto
P(A B) = P(A) + P(B)
PROBABILIDAD
N ( A) 1
P( A)
N ( ) 4
N ( B) 2
P( B)
N ( ) 4
1 2 3
P( A B) P( A) P( B)
4 4 4
PROBABILIDAD
Axioma 4.-
Sean A1, A2, A3, A4, ..., An eventos mutuamente
exclusivos:
P(A1 A2 A3 A4, ... An) =
P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)
Este axioma dice que la probabilidad de varios eventos
mutuamente exclusivos (que no tienen elementos en
comn), es igual a la suma de sus probabilidades.
Si los eventos no son mutuamente excluyentes entonces
para n eventos seria:
P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
n n
P( A
i j
i Aj ) P( Ai
i j k
Aj Ak ) ... P( A1 A2 ... Ak )
PROBABILIDAD
Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un nmero
mayor a 4
Evento C: que salga el 1 o 3
A B
PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
= {1c, 2c, 3c, 4c, 5c, 6c, 1n, 2n, 3n, 4n, 5n, 6n }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con cara.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con cara.
A = { 2c, 3c }, N(A) = 2
B = { 2c, 4c, 6c } N(B) = 3
A B = { 2c } N(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 1/12 = 4/12 = 1/3
PROBABILIDAD
P(Ac) = 1 P(A)
PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
= {1c, 2c, 3c, 4c, 5c, 6c, 1n, 2n, 3n, 4n, 5n, 6n }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con cara.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con cara.
A = { 2c, 3c }, N(A) = 2
B = { 2c, 4c, 6c } N(B) = 3
Ac = { 1c, 4c, 5c, 6c, 1n, 2n, 3n, 4n, 5n, 6n }
P(Ac) = 1 P(A) = 1 2/12 = 10/12
Bc = { 1c, 3c, 5c, 1n, 2n, 3n, 4n, 5n, 6n }
P(Bc) = 1 P(B) = 1 3/12 = 9/12
PROBABILIDAD
Probabilidad Condicional.
Sea A un evento arbitrario de un espacio
muestral , con P(B) > 0. La probabilidad
de que un evento A suceda una vez que B
ha sucedido o en otras palabras, la
probabilidad condicional de A dado B, se
define como:
P( A B)
P( A / B)
P( B)
PROBABILIDAD
Eventos Independientes:
P( A / B) P( A)
P( B / A) P( B)
P( A B) P( A) P( B)
Si no se cumplen, se dice que los eventos son
dependientes.
PROBABILIDAD
Probabilidad Condicional.
P( A E )
P( A / E )
P( E )
P( B A)
P( B / A)
P( A)
P( A B) P( A / B) P( B)
P( B/A ) P( A )
PROBABILIDAD
Probabilidad Condicional.
Si A y B son independientes:
P( A B) P( A / B) P( B) P( A) P( B)
P( B/A ) P( A ) P(B)P(A)
P( A B) P( A) P( B)
P( A / B) P( A)
P( B) P( B)
P( B A) P( B) P( A)
P( B / A) P( B)
P( A) P( A)
PROBABILIDAD
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
B: que al lanzar un dado salga un impar
B Bc Total
A AB ABc A
Ac AcB AcBc Ac
Total B Bc
Tabla de nmero de elementos de A, B y sus
complementos Ac, Bc
B Bc Total
B Bc Total
Probabilidades condicionales:
Ejemplo.-
En cierta ciudad, las mujeres representan el 50%
de la poblacin y los hombres el otro 50%. Se
sabe que el 20% de las mujeres y el 5% de
hombres estn sin trabajo. Un economista
estudia la situacin de empleo, elige al azar una
persona desempleada. Si la poblacin total es
de 8000 personas,
Cul es la probabilidad de que la persona
escogida sea ?:
PROBABILIDAD
a).- Mujer
b).- Hombre
c).- Mujer dado que est empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer
D E Total
M 800/8000 = .1 3200/8000= .4 4000/8000= .5
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875 = .4571
P(D/H) = P(DH)/P(H) = .025/.5 = .05
P(E/M) = P(ME)/P(M) = .40/.5 = .8
P(M/D) = P(MD)/P(D) = .10/.125 = .8
P(H/D) = P(HD)/P(D) = .025/.125 = .2
PROBABILIDAD
INDEPENDENCIA DE n EVENTOS
P( A1 A2 A3 ... Ak ) P( A1 ) P( A2 ) P( A3 )...P( Ak )
PROBABILIDAD
Probabilidad total.-
Sean A1, A2, A3..., An eventos disjuntos
(mutuamente excluyentes), que forman una
particin de . Esto es Ai Aj = para
toda i y toda j, y adems
= A1 A2 A3 An
A2
A5
A3
A1 A4
A6
An
PROBABILIDAD
A2
A5
A3
A1 A4
B
A6
An
B
PROBABILIDAD
Entonces
B = B = (A1 A2 A3 An) B
= (A1 B) (A2 B) (A3 B)
(An B)
P(D/M2)=.04
P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
PROBABILIDAD
P( Ai ) P( B / Ai )
P( Ai / B)
P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) P( An ) P( B / An )
PROBABILIDAD
P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND
P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
PROBABILIDAD
Por teorema de Bayes se tiene:
P(M 1 )P(D / M 1 )
P(M 1 / D)
P(M 1 )P(D / M 1 ) P(M 2 )P(D / M 2 ) P(M 3 )P(D / M 3 )
P(M 1 )P(D / M 1 ) (.5 0)(.0 3)
.4 0 5 4
P(D) .0 3 7
A1
A2
A3 A4 Suceso
seguro
A3
A4
Divide y vencers
Todo suceso B, puede ser
A1 A2 descompuesto en componentes de
dicho sistema.
B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )
B
A1 B
A2 B
A3 A4 Suceso
seguro
A3 B
A4 B
Nos permite descomponer el problema B en
subproblemas ms simples.
Teorema de la probabilidad total
Si conocemos la probabilidad de B en cada uno de los
A1 A2 componentes de un sistema exhaustivo y excluyente
de sucesos, entonces
P(B|A1)
B A1 B
P(A1)
P(B|A2)
A2 B
Suceso P(A2)
A3 A4 seguro P(B|A3)
P(A3)
A3 B
P(A4) P(B|A4)
P(B) = P(BA1) + P(BA2 ) + P( BA3 ) + P( BA4 ) A4 B
P( A i B)
PB ( A i ) P( A i / B)
P( B)
A3 A4
0,2
P( H F ) P( H ) P( F | H ) 0,3 Fuma
P( H | F ) Hombre
P( F ) P( F )
0,3 0,2
0,46 0,8
0,13 No fuma