INSTITUTO TECNOLÓGICO DEL ISTMO

ESPECIALIDAD:
ING.GESTIÓN EMPRESARIAL

MATERIA:
PROBABILIDAD Y ESTADÍSTICA DESCRIPTIVA
ALUMNA:
ROMELIA GARCIA TORAL

ASESOR:
VALDIVIESO LUIS ROBERTO
NOMBRE DEL TEMA:
“LA INGENIERÍA ES EL ESTUDIO DEL DINERO A TRAVÉS DEL TIEMPO”

SEMESTRE: 3 GRUPO: ´´E´´

HEROICA CIUDAD DE JUCHITÁN DE ZARAGOZA, OAXACA

 Introducción.

La teoría de la probabilidad es la parte de las matemáticas que se encarga del estudio de

los fenómenos o experimentos aleatorios. Por experimento aleatorio entenderemos todo
aquel experimento que cuando se le repite bajo las mismas condiciones iniciales, el
resultado que se obtiene no siempre es el mismo. El ejemplo más sencillo y cotidiano de un
experimento aleatorio es el de lanzar una moneda o un dado, y aunque estos experimentos
pueden parecer muy sencillos, algunas personas los utilizan para tomar decisiones en sus
vidas. En principio no sabemos cuál sería el resultado del experimento aleatorio, así que
por lo menos conviene agrupar en un conjunto a todos los resultados posibles. El espacio
muestral (o espacio muestra) de un experimento aleatorio es el conjunto de todos los
posibles resultados del experimento, y se le denota generalmente por la letra

griega Ω (omega). En algunos textos se usa también la letra S para denotar al

espacio muestral. Esta letra proviene del término sampling space de la lengua inglesa
equivalente a espacio muestral. Llamaremos evento a cualquier subconjunto del espacio
muestral y denotaremos a los eventos por las primeras letras del

alfabeto en mayúsculas: A, B, C, E…
2.1.1 Teoría de conjuntos.

Rama de las matemáticas cuyo objeto son los conjuntos. El primer estudio formal sobre el
tema fue realizado por el matemático alemán Georg Cantor en el siglo XIX y más tarde
reformulada por Zermelo.

El concepto de conjunto es intuitivo y se podría definir como una "agrupación bien definida
de objetos no repetidos ni ordenados"; un conjunto está bien definido, cuando puede afirmar
si un determinado elemento pertenece o no al conjunto.

En el siglo XIX, según Frege, los elementos de un conjunto se definían sólo por tal o cual
propiedad. Actualmente la teoría de conjuntos está bien definida por el sistema ZFC. Sin
embargo, sigue siendo célebre la definición que publicó Cantor:

Se entiende por conjunto a la agrupación en un todo de objetos bien diferenciados de

nuestra intuición o nuestro pensamiento. Georg Cantor

El concepto de conjunto y conjunto de conjuntos juega un rol importante en la

fundamentación de la topología general y de la teoría de probabilidades, entre otras ramas.

2.1.1 DEFINICIÓN PROPIEDADES Y OPERACIONES BÁSICAS CON CONJUNTOS.

¡La Teoría de Conjuntos es una teoría matemática que estudia básicamente aun cierto tipo
de objetos llamados conjuntos y algunas veces! a otros objetos denominados no conjuntos!
así como a los problemas relacionados con estos. El concepto de conjunto es intuitivo y se
podría definir como una agrupación bien definida de objetos no repetidos y no ordenados
así! ¡se puede ‘hablar de un conjunto de personas! ciudades! a (así lapiceros o del conjunto
de objetos que 'ay en un momento dado encima de una mesa.
2.1.2 TÉCNICAS DE CONTEO.

Las Técnicas de conteo son utilizadas en Probabilidad y Estadística para determinar el

número total de resultados. En este artículo analizamos: Principio de multiplicación, regla
factorial, permutaciones, permutación circular y permutaciones con repeticiones.

Principio de multiplicación

Si un evento E puede ocurrir de m formas, e independiente de este evento un

evento F puede ocurrir de n formas, entonces los eventos juntos pueden ocurrir un total
de m x n formas.

Ejemplo: Menú en restaurant

Supongamos que un restaurant ofrece 4 entradas, 5 platos principales y 2 postres. ¿De

cuántas formas un cliente puede ordenar una comida?

Respuesta: Se aplica el principio de multiplicación, por lo tanto, hay 4 x 5 x 2 formas

diferentes de ordenar una comida: 40 formas.

2.1.3 REGLAS DE ADICIÓN.

La regla de la adición o regla de la suma establece que la probabilidad de ocurrencia de

cualquier evento en particular es igual a la suma de las probabilidades individuales, si es
que los eventos son mutuamente excluyentes, es decir, que dos no pueden ocurrir al mismo
tiempo.

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 simultánea de los eventos A y B.

EJEMPLO1: Supongamos que se extrae una carta de una baraja de 52 cartas. ¿Cuál es la
probabilidad de que la carta sea o un rey o una figura negra? (Evento no mutuamente
excluyente)

Solución: Hay 52 sucesos o eventos simples. Sean los sucesos o eventos

Hay 4 reyes. A = Que la carta sea un rey.
Hay 6 figuras negras B = Que la carta sea una figura negra

P (A U B) =P(A) + P (B) – P(A ∩ B)

P(A U B)= 4/52 + 6/52 – 2/52 = 8/52= 0.15

2.1.4 REGLAS DE MULTIPLICACIÓN

Si A y B son dos eventos independientes en un experimento de probabilidad, entonces la

probabilidad que ambos eventos ocurran simultáneamente es:

En caso de los eventos dependientes, la probabilidad que ambos eventos ocurran

simultáneamente es:

(La notación significa "la probabilidad de B, dado que A ha ocurrido".)

Ejemplo:

Suponga que saca dos cartas de un paquete de cartas una después de la otra, sin
reemplazar la primera carta. Cuál es la probabilidad de que la primera carta sea un as y la
segunda carta sea una de espadas.

Los dos eventos son eventos dependientes porque la primera carta no es reemplazada.
2.1.5 DIAGRAMA DE ÁRBOL.

Los espacios muestrales pueden describirse gráficamente en términos de un diagrama de

árbol. Un diagrama de árbol puede construirse en varios pasos o etapas, entonces cada
una de las maneras de completar el primer paso puede representarse como una rama del
árbol. Cada una de las maneras de completar el segundo paso puede representarse con el
número de ramas que comienzan donde terminan las ramas originales y así sucesivamente
dependiendo de qué tan grande sea el espacio muestral.

Ejemplo:

En un sistema de comunicación digital cada mensaje se clasifica según llega o no dentro

del tiempo establecido por el diseño del sistema. Si se clasifican tres mensajes, utilice un
diagrama de árbol para denotarlo y representar los resultados.

Entonces se dice que tenemos 8 posibles combinaciones multiplicando nuestras ramas

tenemos 2x2x2=8
entonces tenemos 8 posibles combinaciones diferentes.
2.1.6 ANÁLISIS COMBINATORIO.

Es la rama de la matemática que estudia los diversos arreglos o selecciones que podemos
formar con los elementos de un conjunto dado, los cuales nos permite resolver muchos
problemas prácticos. Por ejemplo, podemos averiguar cuántos números diferentes de
teléfonos, placas o loterías se pueden formar utilizando un conjunto dado de letras y dígitos.
Además, el estudio y comprensión del análisis combinatorio no va a servir de andamiaje
para poder resolver y comprender problemas sobre probabilidades

Principios fundamentales del Análisis Combinatorio:

En la mayoría de los problemas de análisis combinatorio se observa que una operación o

actividad aparece en forma repetitiva y es necesario conocer las formas o maneras que se
puede realizar dicha operación. Para dichos casos es útil conocer determinadas técnicas o
estrategias de conteo que facilitarán el cálculo señalado.

2.2 COMBINACIONES Y PERMUTACIONES

Permutaciones

Hay dos tipos de permutaciones:

1. Se permite repetir: como la cerradura de arriba, podría ser "333".

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

1. Permutaciones con repetición

Son las más fáciles de calcular. Si tienes n cosas para elegir y eliges r de ellas, las
permutaciones posibles son:

n × n × ... (r veces) = nr

(Porque hay n posibilidades para la primera elección, DESPUÉS hay n posibilidades para
la segunda elección, y así.)
Por ejemplo, en la cerradura de arriba, hay 10 números para elegir (0, 1,9) y eliges 3 de
ellos:

10 × 10 × ... (3 veces) = 103 = 1000 permutaciones

2. Permutaciones sin repetición

En este caso, se reduce el número de opciones en cada paso.

Por ejemplo, ¿cómo podrías ordenar 16 bolas de billar?

Después de elegir por ejemplo la "14" no puedes elegirla otra vez.

Así que tu primera elección tiene 16 posibilidades, y tu siguiente elección tiene 15

posibilidades, después 14, 13, etc. Y el total de permutaciones sería:

16 × 15 × 14 × 13 ... = 20,922,789,888,000

Pero a lo mejor no quieres elegirlas todas, sólo 3 de ellas, así que sería solamente:

16 × 15 × 14 = 3360

Es decir, hay 3,360 maneras diferentes de elegir 3 bolas de billar de entre 16.

¿Pero cómo lo escribimos matemáticamente? Respuesta: usamos la "function factorial"

Así que si quieres elegir todas las bolas de billar las permutaciones serían:

16! = 20,922,789,888,000

Pero si sólo quieres elegir 3, tienes que dejar de multiplicar después de 14. ¿Como lo
escribimos? Hay un buen truco... dividimos entre 13!...

16 × 15 × 14 × 13 × 12 ...
= 16 × 15 × 14 = 3360
13 × 12 ...

¿Lo ves? 16! / 13! = 16 × 15 × 14

Combinaciones

También hay dos tipos de combinaciones (recuerda que ahora el orden no importa):
  Se puede repetir: como monedas en tu bolsillo (5,5,5,10,10)

 Sin repetición: como números de lotería (2,14,15,27,30,33)

1. Combinaciones con repetición

En realidad, son las más difíciles de explicar, así que las dejamos para luego.

2. Combinaciones sin repetición

Así funciona la lotería. Los números se eligen de uno en uno, y si tienes los números de la
suerte (da igual el orden) ¡entonces has ganado!

La manera más fácil de explicarlo es:

 imaginemos que el orden sí importa (permutaciones),

 después lo cambiamos para que el orden no importe.

Volviendo a las bolas de billar, digamos que queremos saber qué 3 bolas se eligieron, no
el orden.

Ya sabemos que 3 de 16 dan 3360 permutaciones.

Pero muchas de ellas son iguales para nosotros, porque no nos importa el orden.

Por ejemplo, digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades son:

El orden importa El orden no importa

1 2 3
1 3 2
2 1 3
123
2 3 1
3 1 2
321

Así que las permutaciones son 6 veces más posibilidades.

De hecho hay una manera fácil de saber de cuántas maneras "1 2 3" se pueden ordenar, y
ya la sabemos. La respuesta es:

3! = 3 × 2 × 1 = 6
(Otro ejemplo: 4 cosas se pueden ordenar de 4! = 4 × 3 × 2 × 1 = 24 maneras distintas,
¡prueba tú mismo!)

Así que sólo tenemos que ajustar nuestra fórmula de permutaciones para reducir por las
maneras de ordenar los objetos elegidos (porque no nos interesa ordenarlos):

Esta fórmula es tan importante que normalmente se la escribe con grandes paréntesis, así:

donde n es el número de cosas que

puedes elegir, y eliges r de ellas
(No se puede repetir, el orden no
importa)

Y se la llama "coeficiente binomial".

2.3 Introducción a la probabilidad.

¿Qué es la probabilidad?

La probabilidad es un método por el cual se obtiene frecuencia de un acontecimiento

determinado mediante la realización de experimentos aleatorios que se conocen todos los
resultados posibles.

Se usa extensamente en áreas como la estadística, la física, la matemática, la ciencia,

etc….

2.3.1 Definición y expresión.

La probabilidad es un evento o un suceso que puede ser improbable, probable o seguro.

Se encuentra en el latín, y más exactamente en la palabra probabilitas. Formada por la

unión del verbo probare que se traduce como “comprobar” el sufijo-bilis que equivale a
“posibilidad” y el sufijo-tat-que es “calidad”.
Significa que se encarga en evaluar y permitir la medición de la frecuencia con la que es
posible obtener un cierto resultado.

2.4 Eventos mutuamente excluyentes y no excluyentes

Los eventos mutuamente excluyentes son aquellos en los que si un evento sucede significa
que el oro no puede ocurrir. Si bien suelen usarse en teorías científicas, también son parte
de las leyes y los negocios. Como resultado, entender los eventos mutuamente excluyentes
puede ser importante para una variedad de disciplinas.

La fórmula matemática para determinar la probabilidad de los eventos mutuamente

excluyentes es P (A U B) = P(A) + P(B). Dicho en voz, la fórmula es “Si A y B son evento
mutuamente excluyente, entonces la probabilidad de que A o B suceda es equivalente a la
probabilidad del evento A más la probabilidad del evento B”.

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

*Sacar una carta numerada y una carta de letras. Son eventos mutuamente excluyentes,
las cartas o son numeradas o son cartas con letras.

*Sacar una carta de tréboles roja. Son eventos mutuamente excluyentes pues las cartas de
tréboles son exclusivamente negras.

No es posible encontrar una sola carta que haga posible que los eventos sucedan a la vez.

Dos o más eventos son no excluyentes, o conjuntos, cuando es posible que ocurran ambos.
Esto no indica que necesariamente deban ocurrir estos eventos en forma simultanea.
Siendo: P(A) = probabilidad de ocurrencia del evento AP(B) = probabilidad de ocurrencia
del evento BP (A y B) = probabilidad de ocurrencia simultanea de los eventos A y B…

*Sacar un 5 y una carta de espadas. Son eventos no excluyentes pues podemos tomar un
5 de espadas.

*Sacar una carta roja y una carta de corazones. Son eventos no excluyentes pues las cartas
de corazones son uno de los palos rojos.

*Sacar un 9 y una carta negra. Son eventos no excluyentes pues podemos tomar el 9 de
espadas o el 9 de tréboles.
La fórmula es P (A o B) = P(A) + P(B) + P (A y B).

2.5 Eventos independientes, dependientes y probabilidad condicional.

Independientes

Dos o más eventos son independientes cuando la ocurrencia o no ocurrencia de un evento

no tiene efecto sobre la probabilidad de ocurrencia del otro evento. Un caso típico de
eventos independiente es el muestreo con reposición, es decir, una vez tomada la muestra
se regresa de nuevo a la población donde se obtuvo.

Dos eventos, A y B, son independientes si la ocurrencia de uno no tiene que ver con la
ocurrencia de otro.

Por definición, A es independiente de B si y solo si A y B, son independientes si la ocurrencia

de uno tiene que ver con la ocurrencia de otro.

Por definición, A es independiente de B si y solo si A es independiente de B.

Dependientes

Dos o más eventos serán dependientes cuando la ocurrencia o no ocurrencia de uno de

ellos afecta la probabilidad de ocurrencia del otro. Cuando tenemos este caso, empleamos
entonces, el concepto de probabilidad condicional para denominar la probabilidad del
evento relacionado. La expresión P(A/B) indica la probabilidad de ocurrencia del evento A
si el evento B ya ocurrió.

Se debe tener claro que A/B no es una farccion.

P(A/B) = P (A y B) / P(B) o P(B/A) = P (A y B) / P(A)

Probabilidad condicional

Si A y B son dos eventos en S, la probabilidad de que ocurra A dado que ocurrió el evento
B es la probabilidad condicional de A dado B, y se denota A y B son dos eventos en S, la
probabilidad de que ocurra A dado que ocurrió el evento B es la probabilidad condicional
de A dado B y se denota: P(A/B).

2.6 Teorema de Bayes.

El teorema de Bayes es utilizado para calcular la probabilidad de un suceso, teniendo

información de antemano sobre ese suceso.
Podemos calcular la probabilidad de un suceso A, sabiendo además que ese A cumple
cierta característica que condiciona su probabilidad. El teorema de Bayes entiende la
probabilidad de forma inversa al teorema de la probabilidad total. El teorema de la
probabilidad total hace inferencia sobre un suceso B, a partir de los resultados de los
sucesos A. Por su parte, Bayes calcula la probabilidad de A condicionado a B.

Para calcular la probabilidad tal como la definió Bayes en este tipo de sucesos, necesitamos
una fórmula. La formula se define matemáticamente como:

Donde B es el suceso sobre el que tenemos información previa y A(n) son los distintos
sucesos condicionados. En la parte del numerador tenemos la probabilidad condicionada,
y en la parte de abajo la probabilidad total. En cualquier caso, aunque la fórmula parezca
un poco abstracta, es muy sencilla. Para demostrarlo, utilizaremos un ejemplo en el que en
lugar de A (1), A (2) y A (3), utilizaremos directamente A, B y C.

2.7 Valor esperado o esperanza matemática.

La esperanza matemática 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 nombres de esperanza matemática 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 número de apuestas.

Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no existe

ventaja ni para el jugador ni para la banca.
 Conclusión:

Al terminar este trabajo prendimos a utilizar las herramientas básicas de cálculo de

probabilidades. La estadista dística es el conjunto de diversos métodos matemáticos que
tienen como objetivo obtener, presentar y analizar datos ¿ya sean números o cualidades?

Nos permite realizar estudios reales con poblaciones exactas; a mejorar nuestro trabajo

Con todo lo aprendido, podemos concluir que el trabajo es una rama de la matemática que
esta no ser encuentra muy visible en lo cotidiano pero que en realidad es de mucha utilidad
para interpretar y ver desde un punto de vista muy general datos que se obtienen. A través
de sus gráficas, medidas de tendencias centrales y de dispersión podemos ver más claros
y concreto un conjunto de datos.

Fuentes bibliográficas

https://prezi.com/t3r17jug8dkt/probabilidad-dependientes-independientes-y-condicionales/

https://nikobosk2017.wixsite.com/misitio/post/eventos-mutuamente-excluyentes-no-
excluyentes-dependientes-e-
independientes.#:~:text=Los%20eventos%20mutuamente%20excluyentes%20son,las%20
leyes%20y%20los%20negocios.

https://www.-permutaciones.htmdisfrutalasmatematicas.com/combinatoria/combinacionesl