SOLUCION TALLER 2



DEFINA LAS SIGUIENTES PALABRAS CLAVES DE CON SUS PROPIAS PALABRAS
Y POR FAVOR UN EJEMPLO EN CADA CASO.

1. EVENTO: Es uno o más de los posibles resultados de hacer algo.

EJEMPLO

Simplemente como ejemplo colocamos el lanzamiento de una moneda si cae cara es un

evento y si cae sello es otro evento.

2. EVENTO CONJUNTO: un evento conjunto es aquel evento que tiene varias

características en común.

EJEMPLO

En el lanzamiento de dos monedas al aire si ambas monedas caen cara tenemos o

podemos evidenciar un evento conjunto.

3. EVENTO IMPOSIBLE: un evento imposible es aquel evento que tiene la posibilidad de

0 ya que no tiene oportunidad de que ocurra.

EJEMPLO

En una carrea entre dos caballos y el ganador es una vaca a esto lo denominamos evento
imposible.

4. EVENTO SEGURO: un evento seguro es aquel evento que tiene una probabilidad de 1
ya que este evento ocurriría con toda seguridad.

EJEMPLO

Al continuar con la carrea de los dos caballos un evento seguro es que uno va a correr
más que otro.

5. EVENTO SIMPLE: simplemente decimos que un evento simple se describe o se

identifica por sus características singulares.

EJEMPLO

Si seguimos con el lanzamiento de la moneda al aire como ejemplo entonces

sencillamente decimos que un evento simple es los dos posibles resultados que se van a
obtener que son cara y sello.
6. PERMUTACIÓN: es un arreglo de un conjunto de objetos en un orden definido o de
igual forma se conoce como un evento de tipo multiplicativo.

EJEMPLO

¿De cuantas maneras diferentes se puede ordenar las letras de la palabra EXPERIMENTO?
RT/: Hacemos el conteo de las letras el cual tenemos 11 letras ósea que vamos a tener 11
posibilidades de tomar la primera letra para hacer nuestro arreglo, cunado usemos una letras
ya va disminuyendo las posibilidades nos quedarían 10, si escogemos otras sigue
disminuyendo las posibilidades u nos quedaría 9 y así seguimos hasta agotar el total de letras
que tenemos. 11 – 10 – 9 – 8 – 7 - 6 – 5 – 4 – 3 – 2 – 1 = 39916800

7. COMBINACIÓN: la podemos definir con un arreglo de elementos en donde no nos

interesa el lugar o la posición que ocupan los mismos dentro del arreglo, de igual forma
en una combinación lo que se busca es la formación de grupos y de igual forma el
contenido de los mismos.

EJEMPLO

Para determinar el número de combinaciones se puede emplear la siguiente formula:

Respecto del grupo de tres piezas electrónicas que se van a montar en cualquier orden
¿de cuantas formas se pueden montar?

SOLUCION:

3!
𝐶33 =
(3 − 3)!

3∗2∗1
𝐶33 =
(0)!

6
𝐶33 = =6
1!

8. ESPACIO MUESTRAL: El espacio muestral lo podemos denotar con la letra S y se

define como el conjunto de cada uno de los resultados que sean posibles de un
experimento que realicemos. El cual se clasifica en espacio muestral discreto y espacio
muestral continuo.
 EJEMPLO

El ejemplo más sencillo es los resultados posibles en el lanzamiento de una moneda.

Que son cara o sello.

9. EVENTOS EXHAUSTIVAMENTE COLECTIVOS: lo definimos como la lista de cada

uno de los eventos que hace la representación de todos los resultados posibles de un
experimento.

EJEMPLO

El lanzamiento de un dado que es catalogado como experimento es un evento

exhaustivamente colectivo ya que uno de los eventos debe ocurrir.

10. EVENTOS MUTUAMENTE EXCLUYENTES: sencillamente se pude definir como el

evento que no se puede presentar juntos.

EJEMPLO

Sacar una carta de corazones y una carta de espadas. Son eventos mutuamente excluyentes,
las cartas o son de corazones o son de espadas.

11. EXPERIMENTO: lo definimos como cualquier proceso que hace la proporción de unos
datos ya sean numéricos o no numéricos.

EJEMPLO

El seleccionar un árbol de un vivero y observar si tiene alguna enfermedad, ósea si es sana o

enferma.

12. FRECUENCIA RELATIVA DE PRESENTACIÓN: se conoce que a lo largo de un

experimento se da una fracción de veces que un evento se puede presentar cuando las
condiciones son estables y eso se conoce como frecuencia relativa de presentación, esta
nos ayuda a identificar que se ha tenido algún dato que haya ocurrido anteriormente para
con esto predecir la probabilidad del evento en el futuro.
13. INDEPENDENCIA ESTADÍSTICA: aquellos eventos que al hacer la presentación de
uno de ellos, los demás eventos no se van a ver afectados, hay 3 tipos de probabilidad
que se puede hacer la presentación de la independencia estadística y se conocen como
marginal, conjunta y condicional.

EJEMPLO

Si lanzamos un dado podemos observar la independencia estadística ya que cada lanzamiento

sus resultados son estadísticamente independientes.

14. DEPENDENCIA ESTADÍSTICA: es lo viceversa del anterior punto ya que esta se da

cuando la probabilidad de la presentación de algún evento depende o tienen relación de
algún otro evento.

EJEMPLO

Como ejemplo mostramos en un matrimonio, el consumo de cigarrillo del esposo y el

consumo de cigarrillo de la esposa de influyen mutuamente.

15. DIAGRAMA DE VENN: son conocidos como esquemas que muestran colecciones de
cosas por medio de líneas cerradas.

EJEMPLO

Cuando los círculos se superponen, indican la existencia de subconjuntos con algunas

características en común.

16. ÁRBOL DE PROBABILIDADES: es la representación gráfica que se le hace a una seria

de experimentos y este nos muestra los resultados posibles.

EJEMPLO

Una clase costa de seis niñas y 10 niños. Si se escoge un comité de tres al azar como nos
queda el árbol de probabilidades.
17. PROBABILIDAD: es una medida numérica de la posibilidad de que ocurra un evento
por lo tanto las probabilidades son una medida del grado de incertidumbre asociado con
cada uno de los eventos previamente enunciados.

EJEMPLO

En el lanzamiento de un dado queremos saber la probabilidad de sacar 4 que su resultado

es 1/6 ahí dejamos claro lo que es probabilidad

18. PROBABILIDAD CLÁSICA A PRIORI: es la probabilidad que se basa en el nivel de

información actual.

EJEMPLO

Suponga que 6% de la población de Bello, un país ficticio del tercer mundo, tiene una
enfermedad propia del país. Sea A1 el evento “padece la enfermedad” y A2 el evento “no
padece la enfermedad”. Por tanto, si selecciona al azar a una persona de Bello, la probabilidad
de que el individuo elegido padezca la enfermedad es de 0.06 o P(A1) = 0.06. Esta
probabilidad, P (A1) = P (padece la enfermedad) = 0.06, recibe el nombre de probabilidad
CLASICA A PRIORI. Se le da este nombre, porque la probabilidad se asigna antes de
obtener los datos empíricos.
Por ende, la probabilidad a priori de que una persona no padezca la enfermedad es de 0.95,
o P(A2) = 0.95, que se calcula restando 1 – 0.05.

19. PROBABILIDAD CLÁSICA EMPÍRICA: Es el concepto de probabilidad asentado en

la experiencia previa, el cual su determinación es de forma empírica.

EJEMPLO

Son la proporción de individuos en el escenario "Uso de la estadística" que realmente

compren la televisión, la proporción de votantes registrados que optan por un determinado
candidato político, o la proporción de alumnos que tienen un empleo de medio tiempo. Por
ejemplo, si usted realiza una encuesta a alumnos, y el 60% de ellos afirman que tienen un
trabajo de medio tiempo, entonces hay una probabilidad de 0.60 de que un alumno en
particular tenga un trabajo de medio tiempo.

20. PROBABILIDAD CONDICIONAL: esta probabilidad se conoce cuando un evento B

ocurra cuando se sabe que ya ocurrió un evento A, el cual se pude denotar mediante la
fórmula P(B/A)

EJEMPLO

Considere el caso de las promociones de los agentes de policía de una determinada

ciudad. La fuerza policiaca consta de 1200 agentes, 960 hombres y 240 mujeres.
De éstos, en los últimos dos años, fueron promovidos 340. El cual se muestra como
quedan promovidos en la siguiente tabla.

21. PROBABILIDAD CONJUNTA: esta hace referencia a la probabilidad de ocurrencia que

hace la implicación de dos o más eventos.

EJEMPLO

Un ejemplo muy sencillo de esta probabilidad es con el lanzamiento de la moneda al aire

y se evidencia que es probabilidad conjunta cuando se tiene la probabilidad de que se
obtenga sello al lanzar por primera vez la moneda al aire y sello al lanzar por segunda
vez la moneda.
22. PROBABILIDAD MARGINAL: hace referencia a la probabilidad de ocurrencia de un
evento simple, de igual forma la probabilidad marginal de un evento consiste en un
conjunto de probabilidades conjuntas.

EJEMPLO

si B consiste en dos eventos, B1 y B2, entonces P(A), la probabilidad del evento A, consiste
en la probabilidad conjunta de que el evento A ocurra con el evento B1 y la probabilidad
conjunta de que el evento A ocurra con el evento B2. Para esto usamos la ecuación de
probabilidad marginal.

23. PROBABILIDAD SIMPLE: hace referencia a la probabilidad de que se presente un

evento en particular y en si se le llama probabilidad marginal, ya que la probabilidad
marginal o condicional es la probabilidad simple de presentación de un evento.

EJEMPLO

Hay 66 bolas en una bolsa de las cuales 50 son amarillas, si se escoge una ¿Cuál es la
posibilidad de que esta sea amarilla?

Solución: primero dividimos la cantidad de forma de elegir una bola amarilla (50) por la
cantidad total de bolas (66)
50 / 66 = 0,7575 al redondear la precisión deseada nos queda 0,75 sería la posibilidad de
que la bola sea amarilla.

24. PROBABILIDAD SUBJETIVA: esta es la posibilidad de que suceda un evento con base
en cualquier información disponible ya sea presentimientos, opiniones personales,
opiniones de otros, rumores entre otros.

EJEMPLO

Un ejemplo es el cálculo de la posibilidad de que usted contraiga matrimonio antes de los

30 años.

25. REGLA DE MULTIPLICACIÓN PARA EVENTOS INDEPENDIENTES: dos eventos

son independientes si la ocurrencia de cualquiera de ellos no afecta la probabilidad de
que ocurra el otro. Y la regla de la multiplicación para eventos independientes la podemos
denotar de la siguiente manera
 P= Pa *Pb

EJEMPLO

Calcular la probabilidad de obtener un par el tirar un dado y de obtener sello al tirar una
moneda.

Pa= (1, 2, 3, 4, 5, 6) Pb= cara (sello)

Pa = 3/6 Pb= ½

P= (3/6) * (1/2)
P= 1/4

26. REGLA GENERAL DE LA ADICIÓN: es la probabilidad de A o B es igual a la

probabilidad de A más la probabilidad de B menos la probabilidad de A Y B, esta regla
nos permite encontrar la probabilidad del evento A o B y considera la ocurrencia de
cualquiera de los eventos.

27. REGLA GENERAL DE LA MULTIPLICACIÓN: sirve para determinar la probabilidad

conjunta de dos eventos cuando éstos no son independientes.

EJEMPLO

Cuando el evento B ocurre después del evento A, y A influye en la probabilidad de que el

evento B suceda, entonces A y B no son independientes.

28. TEOREMA DE BAYES: es un método que consiste en revisar una probabilidad, dado
que se obtenga información adicional. En el caso de dos eventos mutuamente excluyentes
y colectivamente exhaustivos. Su fórmula es:

PREGUNTAS Y/O PROBLEMAS

29. ¿CUÁLES SON LAS DIFERENCIAS ENTRE LA PROBABILIDAD CLÁSICA A

PRIORI, LA PROBABILIDAD CLÁSICA EMPÍRICA Y LA PROBABILIDAD
SUBJETIVA?

RESPUESTA: para mí la clara diferencia que hay entre estas tres probabilidades es en
los resultados ya que en la primera sus resultados son basado en el conocimiento previo
 en la segunda sus resultados son basados en los que ha observado y en la tercera sus
resultados son basados en las creencias personales.
30. ¿CUÁL ES LA DIFERENCIA ENTRE UN EVENTO SIMPLE Y UN EVENTO
CONJUNTO?

RESPUESTA: el evento simple es aquel evento que su resultado ya no tiene más

subconjuntos o no se puede dividir más, y en el evento conjunto sus resultados pueden
tener dos o más resultados.

31. ¿CUÁL ES LA DIFERENCIA ENTRE UNA PERMUTACIÓN Y UNA

COMBINACIÓN?

RESPUESTA: la diferencia más evidente de estas dos es el orden ya que mientras la

permutación sí importa el orden al momento que se va desarrollando el ejercicio y las
posibilidades se van disminuyendo en la combinación no tiene ninguna importancia el
orden.

32. SEAN DOS EVENTOS A Y B. ENCUENTRE UNA EXPRESIÓN Y DIBUJE UN

DIAGRAMA DE VENN PARA EL EVENTO EN EL QUE OCURRE: A) A PERO NO
B; B) A O B, PERO NO AMBOS.

RESPUESTA:
A) A PERO NO B: su expresión seria (A intercesión B complemento)

B) A O B, PERO NO AMBOS: Su expresión seria

U
33. UNA MONEDA ESTÁ CARGADA DE TAL MANERA QUE LA CARA SALEN EL
DOBLE DE VECES QUE EL SELLO. ENCUENTRE PROBABILIDAD (SELLO) Y
PROBABILIDAD (CARA).

RESPUESTA:
P(S) + P(C) = 1

HALLAMOS P(S)
P(S)+2P(C) = 1
3P = 1
1
P=3

1 1 2
SI P(S) = 3 P(C) = 3 ∗ 2 = 3

34. ELABORE UNA LISTA COLECTIVAMENTE EXHAUSTIVA DE LOS

RESULTADOS POSIBLES AL LANZAR DOS DADOS.

RESPUESTA: 2-3-4-5-6-7-8-9-10-11-12 Esta vendría siendo la lista exhaustiva de los

resultados posibles al lanzar dos dados.

35. SI SE LANZA AL AIRE UNA MONEDA OCHO VECES, ¿CUÁNTOS

RESULTADOS DIFERENTES SON POSIBLES? Y SI SE LANZA UN DADO OCHO
VECES, ¿CUÁNTOS RESULTADOS DIFERENTES SON POSIBLES?,
ARGUMENTE SUS RESPUESTAS EN LOS DOS EVENTOS.

RESPUESTA:
Para la moneda seria 28 = 256 posibles resultados

Para el dado seria 68 = 1.679.616 posibles resultados

36. ENCUENTRE EL NÚMERO DE PERMUTACIONES DIFERENTES QUE SE

PUEDEN FORMAR CON LAS LETRAS DE CADA PALABRA:

A. GATO:

4! = 4 * 3 * 2 * 1 = 24 P. diferentes

B. CASA:
𝑛! 4! 4∗3∗2∗1 24
= 2! = = = 12 P. diferentes
𝑘! 2∗1 2
 C. RADAR:

𝑛! 5! 5∗4∗3∗2∗1 120
= 2! = = = 60 P. diferentes
𝑘! 2∗1 2

D. ELEVÉIS:

𝑛! 7! 7∗6∗5∗4∗3∗2∗1 5040
= 3! = = = 840 P. diferentes
𝑘! 3∗2∗1 6

E. EMINENTEMENTE:

𝑛! 13! 13∗12∗11∗10∗9∗8∗7∗6∗5∗4∗3∗2∗1
= 12! = = 13 P. diferentes
𝑘! 12∗11∗10∗9∗8∗7∗6∗5∗4∗3∗2∗1

37. ¿DE CUÁNTAS MANERAS PUEDE UN GRUPO DE SIETE PERSONAS

ORDENARSE:
A. EN UNA FILA DE SIETE SILLAS.

7! 7∗6∗5∗4∗3∗2∗1 5040 5040 5040

RESPUESTA: 7C7 = = (7∗6∗5∗4∗3∗2∗1)∗(0)! = (5040)∗(0)!= = = 5040
7!∗(7−7)! 0! 1!

B. ALREDEDOR DE UNA MESA REDONDA.

RESPUESTA: C7 = C7-1 = (7-1)! = 6!= 6 * 5 * 4 * 3 * 2 * 1 = 720 MANERAS

37. ¿DE CUÁNTAS MANERAS SE PUEDE ESCOGER UN COMITÉ QUE CONSTE DE

TRES HOMBRES Y DOS MUJERES ENTRE SIETE HOMBRES Y CINCO
MUJERES?

RESPUESTA: MULTIPLICACION
7∗6∗5 5∗4 210 20
𝑪𝟕𝟑 ∗ 𝑪𝟓𝟐 = 1∗2∗3 ∗ = ∗ = 35 ∗ 10 = 350 maneras
1∗2 6 2
38. EN LA UDISTRITAL, EL 25% DE LOS ESTUDIANTES PIERDEN MATEMÁTICA,
EL 15% PIERDE FÍSICA, Y EL 10% PIERDEN TANTO MATEMÁTICAS COMO
FÍSICA. CUANDO SE SELECCIONA UN ESTUDIANTE ALEATORIAMENTE.

P(M) = O,25
P(F) = 0,15

P((M  F) = 0,10

A. SI PERDIÓ FÍSICA, ¿CUÁL ES LA PROBABILIDAD DE QUE PERDIERA

MATEMÁTICA?
RESPUESTA
P( ) = (M F)
𝑀
𝐹
P(F)

𝑀 0,10 2
P( 𝐹 ) = =
0.15 3
La probabilidad de que el estudiante perdiera matemáticas, dado que haya perdido física es
2
de 3

B. SI PERDIÓ MATEMÁTICA, ¿CUÁL ES LA PROBABILIDAD DE QUE PERDIERA

FÍSICA?
RESPUESTA
P(𝑀) = (M F)
𝐹

P(F)

𝐹 0,10 2
P(𝑀) = =
0.25 5

La probabilidad de que el estudiante perdiera física, dado que haya perdido matemáticas es
2
de 5

C. ¿CUÁL ES LA PROBABILIDAD DE QUE PERDIERA MATEMÁTICA O FÍSICA?

RESPUESTA:
P(M U F) = P(M) + P(F) - P((M F)

P(M U F) = O,25 + O,15 – 0,10

 3
P(M U F) =
10

3
La probabilidad de que el estudiante perdiera matemáticas o física es de
10

MARQUE CON UN CÍRCULO LA RESPUESTA CORRECTA. (VERDADERO / FALSO)

39. LA PROBABILIDAD CLÁSICA SUPONE QUE PARA CADA UNO DE LOS

RESULTADOS POSIBLES DE UN EXPERIMENTO ES IGUALMENTE
PROBABLE.

RESPUESTA VERDADERA

40. EL TEOREMA DE BAYES ES LA FÓRMULA PARA CALCULAR LA

PROBABILIDAD CONDICIONAL EN CONDICIONES DE DEPENDENCIA
ESTADÍSTICA.

RESPUESTA VERDADERA

41. EN LA TEORÍA DE LA PROBABILIDAD, EL RESULTADO DE ALGÚN

EXPERIMENTO SE CONOCE COMO ACTIVIDAD.

RESPUESTA FALSA

42. UNA PROBABILIDAD SUBJETIVA NO ES OTRA COSA QUE UNA PREDICCIÓN

ESTUDIADA.

RESPUESTA FALSA

44. LA PROBABILIDAD DE DOS O MÁS EVENTOS ESTADÍSTICAMENTE

INDEPENDIENTES SE PRESENTEN DE MANERA SIMULTÁNEA O
CONSECUTIVAMENTE ES IGUAL A LA SUMA DE SUS PROBABILIDADES
MARGINALES.

RESPUESTA FALSA