República Bolivariana de Venezuela

Ministerio del Poder Popular Para Educación Superior

Instituto Universitario Politécnico Santiago Mariño

Cabimas-Zulia

Posibilidad Estadística

Grupo numero 8

Integrantes:

Br. Alejandro contreras 27419511

Br. Oscar guerra 26318586

Cabimas, Julio 2021

 Introducción

“Un hombre muerto es una desgracia. Un millón de muertos es una

estadística.” — Stalin

La influencia de la estadística en nuestra sociedad no es percibida por el

común, pero sus efectos en como diseñamos unas ciudades; como
consumimos, que compramos, que vemos y que hacemos con nuestro
dinero; como el mercado de valores, las grandes comporaciones y los
gobiernos son capaces de predecir y reaccionar ante las acciones de todos
sus integrantes son ejemplo de la fuerza que ejerce la estadística en nuestro
día a día.

En el caso de la probabilidad, más específicamente, aunque no paresca

somos beneficiarios y en algunos casos perjudicados por el mal uso de la
misma; durante la época de las posmodernidad actuar, los gigantes de las
tecnológicas como google, Amazon y Facebook recolectan grandes
cantidades de nuestras acciones en las redes como: el que vemos, que nos
gusta, que deseamos e incluso por cual de persona no sentimos atraídos ,
son datos almacenados y estudiados. Dichos datos son utilizados con fines
benévolos para mejorar el servicio o para simplificarlo, pero tanbien para
fines impropio de personas de recta morar, cuyo único objetivo es en
económico; un ejemplo de estos es al realizar una serie de búsquedas que
le permiten al sistema conocer una personalidad, para luego predecir
nuestras acciones y gustos con el fin de influenciar nuestras decisiones y
elecciones a la hora de comprar.

No solo hay casos negativos ya que el uso de las ciencias estadísticas nos
permite ver en cierto grado los problemas por venir, prepararnos y reaccionar
de la mejor manera y evitar pérdidas lamentables.
1.- Fórmulas de conteo.

1.1 Permutaciones

La permutación de un conjunto X es una función biyectiva de dicho

conjunto en sí mismo. También se podía decir que están son en cambiar
el orden de un conjunto, y poder determinar cuantas posibilidades de ver
distinta forma ordenado el conjunto existen, por ejemplo; sea M = {m1, m2,
m3, m4, . . ., mn} un conjunto de n elementos, entonces las posibilidades
que tengo para ordenar cada espacio será: en la primera posición puedo
colocar cualquiera de los n elementos, en la segunda puedo colocar
cualquiera de los que me quedan (que son n − 1), en la tercera posición
puedo colocar solo n − 2 elementos y así voy quedándome con un
elemento menos a medida que se avanza en los espacios, hasta que me
queda solo con un elemento en la última posición; De manera que cuando
se tenga un conjunto de n elementos la cantidad de permutaciones que
puedo hacer sobre este. Dicho numero se puede nombrar como factorial
de n, lo simbolizamos como n!, por lo tanto las permutaciones que puedo
hacer sobre un conjunto de n elementos.

Ejemplo:

En una fila de 8 butacas de un cine, ¿cuántas formas diferentes de

sentarse 8 personas existen?

Primero verificamos que estamos ante una Permutación:

Se toman todos los elementos del grupo (se sientan en cada butaca cada
una de las 8 personas) → correcto

No se repiten elementos (no puede haber la misma persona repetida en

varios asientos) → correcto
 El orden importa (no es lo mismo que una persona se siente en un asiento
que en otro) → correcto

Después de comprobar que efectivamente se trata de una permutación,

calculamos el número de formas diferentes en las que se pueden sentar:

n = 8 personas

P8 = 8! = 8 · 7 · 6 · 5 · 4 · 3 · 2 · 1 = 40.320 permutaciones

1.2 Permutaciones con todos los elementos

1.3 Arreglo circular.

Los arreglos circulares son diferentes tipos de agrupaciones de todos los

elementos de un conjunto, cuando estos han de ordenarse en círculos. En
este tipo de permutación importa el orden y no se repiten los elementos.
Por ejemplo, suponga que se desea conocer el número de arreglos
distintos de los dígitos del uno al cuatro, ubicando cada número en uno de
los vértices de un rombo. Las permutaciones circulares se aplican a
conjuntos que se ordenan de forma circular, ya que no tienen ni principio
ni final, o sea que no hay primer ni último término, por encontrarse todos
los elementos en una línea cerrada.

Para hallar el número de permutaciones circulares que se pueden formar

con «n» objetos diferentes de un conjunto, es necesario considerar fija la
posición de un elemento, Los n – 1 restantes podrán cambiar de lugar de
(n – 1)! maneras distintas tomando así todas las posiciones sobre la
circunferencia relativa al primer punto.
 Ejemplo:

¿De cuántas formas distintas pueden sentarse ocho personas alrededor

de una mesa redonda?

PC8 = (8-1)! = 7! = 7 .6 .5. 4.3.2.1 = 5040

1.4 1.4 Permutaciones con elementos repetidos.

Una permutación con repetición consiste en una permutación de m

elementos, de los cuales hay varios que son iguales entre sí. Y por tanto,
a la hora de calcular las distintas formas de ordenar los m elementos hay
diferencias con respecto a si no hubiese elementos iguales.

Para calcular el número de permutaciones tomando en cuenta los

elementos repetidos, usamos la fórmula siguiente:

EJEMPLO:

Con las cifras 2, 2, 2, 3, 3, 3, 3, 4, 4

¿Cuántos números de nueve cifras se pueden formar?

m=9 a=3 b=4 c=2 a+b+c=9

PR93,4,2 = 9! /3! . 4! . 2! = 1260

1.5 Combinaciones.

Las combinaciones son muy parecidas a los arreglos, con la diferencia en

que en los conjuntos que se forman no importa el orden de manera que
{α, β, γ} = {β, γ, α}. El numero de combinaciones de a n elementos que
 puedo hacer de un total de m elementos sera:

Ejemplo:

Javier, Gonzalo, Manuel, Pamela y Paola se han postulado a la directiva

de su curso, pero solo 3 de ellos pueden quedar, ¿cuantas directivas
posibles hay?

En este caso se trata de formar combinaciones entre los postulantes, pues

si por ejemplo: se elige a Javier, Gonzalo y Paola es lo mismo que se elija
a Paola, Gonzalo y a Javier, lo que corresponde a una combinacion de 3
elementos de un total de 5, por lo tanto:

C 5 3 = 5! /3!(5 − 3)!

= 5 · 4 · 3! /3! · 2!

= 5 · 4 /2 = 10

1.6 Ejercicios.

2.- Experimento estadístico

Un experimento que tiene las siguientes características es llamado

experimento aleatorio o estadístico. Todos los posibles resultados del
experimento son conocidos antes de hacer una realización del experimento.
El resultado exacto en cualquier ejecución del experimento no es predecible,
implicando aleatoriedad; puede ser repetido bajo identicas condiciones, dentro
de lo posible, también debe de haber un patrón predictible a lo largo de muchas
ejecuciones, que se conoce como regularidad estadística.

El Experimento puede ser determinístico cuando no hay incertidumbre acerca

del resultado que ocurrirá, estos deben éstos son repetidos varias veces; y el
experimento puede ser Aleatorio al no poderse anticipar el resultado que
ocurrirá, pero si se tiene una completa idea acerca de todos los resultados
posibles del experimento cuando éste es ejecutado.

Unos ejemplos de dichos experimentos serian:

Una bombilla manufacturada en una planta es expuesta a una pueba de vida

y el tiempo de duración de una bombilla es registrado. En este caso no se
conoce cual será el tiempo de duración de la bombilla seleccionada, pero
claramente se puede conocer de antemano que será un valor entre 0 y infinitas
horas.

Seleccionar una planta de una parcela y observar si padece alguna

enfermedad, es decir es sana o enferma.

3.- Espacio muestral

Es el conjunto de posibles resultados de un experimento aleatorio.

Representaremos el espacio muestral S y cada elemento de él es llamado un
punto muestral.

De acuerdo a la naturaleza de los elementos que conforman un espacio

muestral, este se puede clasificar en:

Discreto: Se dice que un espacio muestral S es discreto si al enumerar sus

elementos, estos números pueden ponerse en una correspondencia uno a uno
con el conjunto de los enteros positivos o cuando contiene un número contable
de elementos.

Contínuo: Se dice que un espacio muestra es continuo si sus resultados

consisten de todos los puntos de un intervalo de números reales, o todos los
puntos de un plano, o en general algún rectángulo en el k-dim encinal.

4.- Eventos

Un Evento es un resultado particular de un experimento aleatorio. En términos

de conjuntos, un evento es un subconjunto del espacio muestral. Los eventos
usualmente son descritos usando una característica común de los resultados.
Por lo general se le representa por las primeras letras del alfabeto. Cuando
lanzamos muchas veces un dado de 6 lados, no debemos esperar que un
resultado ocurra más frecuentemente que otro. Los resultados en esta
situación se dice que son igualmente probables. Es muy importante reconocer
cuándo los resultados son igualmente probables cuando calculamos
probabilidades. Ejemplo:

A: Que salga un número para lanzar un dado.

E: Que haya que esperar más de 10 minutos para ser atendidos.

Evento Nulo: Es aquél que no tiene elementos elementos. Se representa

representa por φ. Evento Seguro: Es el espacio muestral que puede ser
considerado como un evento.

Un evento simple; es un evento con un solo resultado. Sacar un 1 sería un

evento simple, porque existe sólo un resultado que funciona: 1. Sacar más que
5 también sería un evento simple, porque el evento incluye sólo al 6 como un
resultado válido.
Un evento compuesto es un evento con más de un resultado. Por ejemplo,
lanzar un dado de 6 lados y sacar un número par: 2, 4, y 6.

La probabilidad de un evento es la frecuencia con que se espera que ocurra.

Cuando todos los resultados posibles de un experimento son igualmente
probables, la probabilidad es la relación entre el tamaño del espacio de
eventos, los resultados en el evento, y el espacio muestral, todos los posibles
resultados del experimento. La probabilidad de un evento E normalmente se
escribe P(E).

5.- Sigma-álgebra

Al tener un experimento al azar con diferentes resultados que forman el

espacio muestral, en el que se mira con interés en ciertos patrones, llamados
eventos. Sigma-álgebras (o sigma-campos) se componen de eventos, tales
que la probabilidad de medida pueden ser asignados. Ciertas propiedades se
cumplen, incluidos el de la inclusión del conjunto null y">y la de todo el espacio
muestral y un álgebra que describe uniones e intersecciones con los
diagramas de Venn.

Es simplemente una definición de que los conjuntos pueden ser considerados

como eventos. Elementos no simplemente no tiene definida la probabilidad de
medir. Básicamente, σ-álgebras es el "parche" que nos permite evitar algunas
conductas patológicas de las matemáticas, es decir, que no se pueden medir
conjuntos.

- álgebra A ,es una colección no vacia de subconjuntos de Ω tales que:

Es de notar que:

 (iv) se sigue de (ii) y (iii)

 Con todo espacio muestral se asocia una sigma -álgebra A.
 La probabilidad se asigna solamente a eventos (conjunto de A)

Ejemplo

Supongamos que el experimento consiste en lanzar una moneda.

El espacio muestral es omega = (C,S) y una álgebra sobre Omega

sería:
6.- Probabilidad de eventos.

La probabilidad del evento es la probabilidad de que ocurra un resultado o

evento específico. También se le conoce como probabilidad pronosticada; esta
estima la probabilidad de que ocurra un evento, como sacar un as de un mazo
de cartas o producir una pieza no conforme, pudiendo variar matemáticamente
de 0 (imposible) a 1 (seguro).

Cada ejecución en un experimento se denomina ensayo. Por ejemplo, si

lanzan una moneda al aire 10 veces y registra el número de caras, realiza 10
ensayos del experimento. Si los ensayos son independientes e igual de
probables, usted puede estimar la probabilidad del evento dividiendo el
número de eventos entre el número total de ensayos.

Número de eventos ÷ Número de ensayos = 6 ÷ 10 = 0.6

Una probabilidad de evento acumulada estima la probabilidad de que ocurra

un conjunto de eventos; por ejemplo, la probabilidad de obtener 4 o menos al
lanzar un dado, lo cual representa la suma de la probabilidad de obtener 1, 2,
3 y 4.

6.2 Probabilidad de eventos simples.

Sea 𝐴 un subconjunto de un espacio muestral Ω de cardinalidad finita. Se

define la formula como:

probabilidad clásica del evento 𝐴 como el cociente:

En donde el símbolo #𝐴 denota la cardinalidad o número de elementos del
conjunto 𝐴. Claramente, esta definición es sólo válida para espacios
muestrales finitos, pues forzosamente necesitamos suponer que el número de
elementos en Ω es finito. Además, el espacio debe ser equiprobable, pues
para calcular la probabilidad de un evento 𝐴, únicamente necesitamos contar
cuantos elementos tiene 𝐴 respecto del total, sin importar exactamente qué
elementos particulares sean.

Por lo tanto, esta definición de probabilidad presupone que todos los

elementos de Ω son igualmente probables o tienen el mismo peso. Este es el
caso, por ejemplo de un dado equilibrado.

Ejemplo: Para este experimento el espacio muestral es el conjunto Ω = {1, 2,3,

4, 5,6}, y si deseamos calcular la probabilidad (clásica) del evento 𝐴
correspondiente a obtener un número par, es decir, la probabilidad de 𝐴 = {2,
4,6}, entonces:

6.2 Probabilidad Subjetiva:

En este caso, la probabilidad de un evento depende del observador, es decir,

según lo que el observador conoce del fenómeno en estudio. Puede parecer
un tanto informal y poco seria esta definición de la probabilidad de un evento,
sin embargo, en muchas situaciones es necesario recurrir a un experto para
tener por lo menos, una idea vaga de cómo se comporta el fenómeno de
nuestro interés y saber si la probabilidad de un evento es alta o baja.

Por ejemplo: ¿Cuál es la probabilidad de que un cierto equipo de fútbol gane

en su próximo partido? Ciertas circunstancias internas del equipo, las
condiciones del equipo rival o cualquier otra condición externa, son elementos
que sólo algunas personas conocen y que podrían darnos una idea más exacta
de esta probabilidad.

7.- Axiomas de probabilidad de eventos.

En la definición axiomática de la probabilidad, no se establece la forma

explícita de calcular las probabilidades, sino únicamente se proponen las
reglas que el cálculo de probabilidades debe satisfacer. Los siguientes tres
postulados o axiomas fueron establecidos en 1933 por el matemático ruso A.N.
Kolmogorov; son los siguientes:

1. Para cualquier evento 𝐴, 𝑃(𝐴) ≥ 0

La probabilidad mide, en cierta manera, lo difícil que es que ocurra un
suceso.
A: como menor sea la probabilidad, más difícil es que ocurra.
2. 𝑃(Ω) = 1
Así pues, la probabilidad siempre es mayor que y menor que :
probabilidad cero quiere decir que no hay ninguna posibilidad de que
pase (es un suceso imposible), y probabilidad 1, que siempre pasa (es
un suceso seguro).
3. La probabilidad de la unión de un conjunto cualquiera de sucesos
incompatibles dos a dos es la suma de las probabilidades de los
sucesos. Si 𝐴1 ,𝐴2 ,𝐴3 ,… es un conjunto de eventos mutuamente
excluyentes, entonces:

Estos postulados han sido tomados directamente del análisis cuidadoso y

reflexivo de las definiciones de probabilidad mencionadas anteriormente. En
particular, observe que el tercer axioma es válido, no sólo para dos eventos
ajenos sino para cualquier colección finita de eventos ajenos dos a dos. A
cualquier función 𝑃 que satisfaga los tres axiomas de Kolmogorov se le llama
medida de probabilidad, o simplemente probabilidad. A partir de estos
postulados, es posible demostrar que la probabilidad cumple con una serie de
propiedades interesantes

8.- Propiedades de la probabilidad de eventos:

 (∅) = 0, donde ∅ es el evento nulo.

Esto quiere decir, la probabilidad del suceso imposible es 0, puesto que,
como sabemos que el suceso contrario al suceso imposible es el
suceso seguro, entonces podemos sustituir esto en la igualdad de la
propiedad,

 Para cualquier evento 𝐴, 𝑃(𝐴 ′ ) = 1 − 𝑃(𝐴)

Esto es, las probabilidades de los sucesos complementarios suman 1.
Muchas veces utilizaremos esta propiedad para calcular probabilidad
del complementario.

 para cualquier evento 𝐴, 𝑃(𝐴) ≤ 1  Para dos eventos cualquiera 𝐴 y 𝐵,

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵), si 𝐴 y 𝐵 son mutuamente excluyentes
entonces 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
La notación "si " quiere decir "si el suceso está incluido en el suceso ",
es decir, si todos los resultados posibles que A cumplen también
cumplen B.
Esta propiedad es bastante lógica; si al tirar un dado, queremos
comparar la probabilidad de A "sacar un 2 " con B "sacar un número
par", entonces, la probabilidad de A tiene que ser más pequeña o igual
que la de B,
  Para dos eventos cualesquiera 𝐴 y 𝐵, 𝑃(𝐴 − 𝐵) = 𝑃(𝐴 ∩ 𝐵 ′ ) = 𝑃(𝐴) +
𝑃(𝐴 ∩ 𝐵)
Este resultado, que es muy importante recordar, es consecuencia de
una propiedad en la Teoría de conjuntos: dados dos conjuntos, A y B ,
puedes expresar su unión como que 𝐴 y 𝐵, 𝑃(𝐴 − 𝐵) = 𝑃(𝐴 ∩ 𝐵 ′ ) = 𝑃(𝐴)
+ 𝑃(𝐴 ∩ 𝐵) son incompatibles dos a dos.

 Para tres eventos 𝐴, 𝐵 y 𝐶 se tiene 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) −

𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴 ∩ 𝐶) − 𝑃(𝐵 ∩ 𝐶) + 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶)Si 𝐴, 𝐵 y 𝐶 son mutuamente
excluyentes, entonces 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶)

8.1 Demostraciones basadas axiomas de probabilidad.

1) En la producción de clavos de acere se dice que la probabilidad de que un

clavo se demasiado corto es de 0,02 y que este sea demasiado largo es de
0,03; en este caso se aplica el tercer axioma de eventos excluyentes.

Asi que:

P(clavo corto o largo) = P(clavo corte) + P(clavo largo)

= 0,02 + 0,03 = 0,05 = 5%

El objetivo de una competición de tiro consiste en un blanco rodeado por dos

círculos concéntricos. Se dispara un proyectil; la probabilidad de impactar en
el blanco es de 0,10 la de atinar al anillo interior es de 0,25 y con el anillo
exterior es de 0,45

¿Cual es la probabilidad de impactar el objetivo?

P(C)= P(blanco)+ P(anillo interior)+ P(anillo exterior)

=0,10+ 0,25 + 0,45= 0,80 = 80%

P(no impactar en objetivo)=1-P(anillo exterior)

= 1-0,80 = 0,20= 20%

8.2 ejercicios

1) En el último trimestre, se ha realizado la siguiente clasificación de pacientes

de una clínica en función de tener o no artrosis.

la probabilidad de que un paciente tenga artrosis

es: P(A)=100/145,P(A)=100/145, y de que no la tenga es P(A)=1−(100/145)

La probabilidad de que un paciente tenga artrosis o sea una mujer es:

Probabilidad de que un paciente sea hombre y no tenga artrosis:

9.- Probabilidad condicional

En la incertidumbre asociada a los experimentos aleatorios puede existir un

cierto dinamismo, ya que la información adicional que vayamos obteniendo
sobre un proceso puede modificar las probabilidades de los sucesos. La
expresión alude a la probabilidad existente de que suceda un evento A,
conociendo que además ocurre otro evento B.

Es importante tener en cuenta que no es necesario que exista una relación

temporal o causal entre A y B. Esto quiere decir que A puede producirse antes
que B, después o al mismo tiempo, y que A puede ser el origen o la
consecuencia de B o no tener un vínculo de causalidad. Se calcula partiendo
de dos sucesos o eventos (A y B) en un espacio probabilístico, indicando la
probabilidad de que ocurra A dado que ha ocurrido B. Se escribe P (A/B),
leyéndose como “probabilidad de A dado B”.

9.1 Ejercicios.

Dentro de una clínica una paciente joven, durante su consulta habitual, le

pregunta a su doctor cual es la probabilidad de que padezca artrosis durante
su vejes; se bede de usar el siguiente cuadro para dar la respuesta.

Esto se escribe P(A∣M)P(A∣M) y se calcula como siempre, como casos

favorables entre posibles (55 mujeres con artrosis, entre 70 mujeres).

P(A∣M) = 55/ 70 =0,78

A partir de la tabla, podemos ver que la probabilidad del suceso intersección

es

=0,37

y que la probabilidad de ser mujer es de

Se ve rápidamente la relación:

donde se supone que la probabilidad del suceso BB} no puede ser cero.

De esta definición se deduce la forma general de calcular la probabilidad de

una intersección:

2-En un grupo de 100 estudiantes, 35 jóvenes juegan al fútbol y al baloncesto,

mientras que 80 de los miembros practican fútbol. ¿Cuál es la probabilidad de
que uno de los estudiantes que juega al fútbol, también juegue al baloncesto
o básquet?

Como se puede advertir, en este caso conocemos dos datos: los estudiantes
que juegan al fútbol y al baloncesto (35) y los estudiantes que juegan al fútbol
(80).

Evento A: Que un estudiante juegue al baloncesto (x)

Evento B: Que un estudiante juegue al fútbol (80)

Evento A y B: Que un estudiante juegue al fútbol y al baloncesto (35)

P (A / B) = P (A∩B) / P (B)
P (A / B) = 35 / 80

P (A / B) = 0,4375

P (A / B) = 43,75%

10.- Eventos independientes.

Cuando los eventos no se afectan entre sí, se les conoce como eventos
independientes. Los eventos independientes pueden incluir la repetición de
una acción como lanzar un dado más de una vez, o usar dos elementos
aleatorios diferentes, como lanzar una moneda y girar una ruleta. Muchas otras
situaciones también pueden incluir eventos independientes. Para calcular
correctamente las probabilidades, necesitamos saber si un evento influye en
el resultado de otros eventos.

La principal característica de una situación con eventos independientes es que

el estado original de la situación no cambia cuando ocurre un evento. Existen
dos maneras de que esto suceda. Los eventos independientes ocurren ya sea
cuando:

 el proceso que genera el elemento aleatorio no elimina ningún posible

resultado o

 el proceso que sí elimina un posible resultado, pero el resultado es

sustituido antes de que suceda una segunda acción. (A esto se le
llama sacar un reemplazo.)

Dos sucesos son independientes si la ocurrencia de uno de ellos no modifica

la probabilidad del otro, matemáticamente eso se traduce como P(A∣B) =
P(A)P(A∣B) = P(A) y P(B∣A) = P(B) P(B∣A) = P(B).
En consecuencia, si dos sucesos son independientes

Ejemplo:

Con la tabla de clasificación de osteoporosis y menopausia ¿son

independientes los sucesos “Menopausia” y “Osteoporosis”?

Podemos comprobar que la probabilidad de la intersección no coincide con

el producto de las probabilidades.

Mientras que:

11.- Regla multiplicativa de la probabilidad.

También se le conoce como regla del producto a la fórmula que establece la

probabilidad de la intersección de, en general, n sucesos:
Consiste en que la probabilidad de la intersección de n sucesos se calcula
multiplicando las probabilidades sucesivas, pero condicionando cada suceso
a que ocurran todos los inmediatamente anteriores.

Si los sucesos son independientes, la ocurrencia de cualquier suceso no

influye en la probabilidad de ocurrencia del resto de sucesos, de manera que
la fórmula es mucho más facil de recordar:

11.1 Ejercicios.

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?

P(primera carta un Ace)= 4/52

P(segunda carta de corazón negro, primera carta un Ace ) = 13/51

P(primero un ace, después un carta de corazón negro)

= P(primera carta un ace) x P(segunda carta de corazón negro, primera carta

un Ace )

= 4/52 x 13/51 = 1/ 51

Durante una fiesta un grupo de jóvenes se reúnen para jugar el peligroso juego
de la ruleta Rusa ;cada uno de los jugadores, desde el primero al último en
disparar, tiene asignado un número del 1 al 6. Cuando se introduce la bala en
la recámara del revólver y se hace girar el tambor, la bala queda colocada en
la posición 1,2,3,4,5 o 6. Como se va a ir disparando sucesivamente (hasta
que salga la bala), el jugador cuya posición coincida con la posición de la bala
va a ser el que reciba el disparo. ¿calcular la posibilidad de muerte de de los
jugadores?

Llamemos Mi=el jugador en posición ii recibe el disparo (muere) y Ai=la bala

sale en el disparo ii.

De igual manera se calculan las otras probabilidades, y todas son iguales a

1/6.

12.- Probabilidad total

La probabilidad total es un método que se usa en estadística que sirve para

encontrar la probabilidad de un suceso del cual no se conoce los casos
favorables ni nada en general a este suceso, sino que se da como un
complemento de otros sucesos, por lo tanto, lo que se tiene acerca del suceso
que se quiere encontrar es que la probabilidad está repartida en 2 o más
partes. Permite calcular la probabilidad de un suceso a partir de probabilidades
condicionadas; es decir, la probabilidad de que ocurra el suceso es igual a la
suma de multiplicar cada una de las probabilidades condicionadas de este
suceso con los diferentes sucesos A por la probabilidad de cada suceso A.

“Matemáticamente se podría expresar como; Sean los

sucesos A1,A2,…,An una partición del espacio muestral Ω, y sea B un suceso
cualquiera. Se cumple que la probabilidad del suceso B puede expresarse en
función de los sucesos Ai de la siguiente manera.”
(fuente:https://bookdown.org/aquintela/EBE/teorema-de-la-probabilidad-total-
laplace.html)

12.1 Ejercicios

La tienda online favorita del 33 por ciento de los socios de un foro de internet,
un 8% prefiere Medianamart, el 2 por ciento prefiere Evoy y el resto prefieren
comprar en Amazonas. La probabilidad de que el pedido se pierda y no llegue
al destinatario, según la casa que lo envíe, es 0.8, 0.9, 0.7 y 0.6
respectivamente. Pepe, participante del foro desde el 2003, ha pedido el último
modelo de linterna. Si acaba de entrar al foro y el primer hilo que abre ya es
para insultar, ¿crees que este enejado porque no ha recibido el envío?

A1=“pedido al foro”,

A2=”pedido a Medianamart”,

A3=”pedido a Evoy” ,

A4=”pedido a Amazonas”,

BB=“el pedido no llega a tiempo”

Como vemos, los sucesos A1,A2,A3, y A4 son incompatibles y sus

probabilidades suman 1, por lo que cumplen las hipótesis del teorema de las
probabilidades totales.

Por el teorema de las probabilidades totales, la probabilidad de que el pedido

no se ha recibido es P(B)=
La probabilidad de que Pepe no haya recibido el envío es más alta qué la
probabilidad de que sí lo haya recibido, por lo tanto comprendemos su
enfado.

13.- Teorema Bayes.

El teorema de Bayes es un método que se usa en probabilidad el cual es útil

para encontrar una probabilidad condicionada, esto quiere decir que se calcula
la probabilidad de un suceso cuando ya ha ocurrido otro suceso que afecta la
probabilidad del primer suceso. Una herramienta que se usa para poder
entender mejor las relaciones que hay entre sucesos son los diagramas de
árbol.

En el año 1774, Laplace desarrolló, de forma independiente de Bayes, este

teorema, que en todos los textos aparece como teorema de Bayes, en honor
a Thomas Bayes. En base a este teorema, Laplace llegaría a concluir que un
dato bien contrastado el de que nacen más niños que niñas tenía que emanar,
casi con toda certeza, de una ley natural. En la gran mayoría de textos de
enseñanza de la estadística, se llama a este teorema el teorema de Bayes,
aunque en realidad sea de Laplace.

“Disponemos de una partición A1,A2,…,An y de las probabilidades P(Ai),

conocidas como probabilidades a priori. El objetivo es calcular en qué medida
el conocimiento de un suceso BB modifica las probabilidades a priori, dando
lugar a las probabilidades a posteriori P(Ai∣B). Reciben este nombre porque se
calculan una vez obtenida la evidencia empírica BB. Sean los
sucesos A1,A2,…,AnA1,A2,…,An una partición de ΩΩ, y sea BB un suceso
cualquiera (las mismas hipótesis del teorema de la probabilidad total).”
(Fuente: https://bookdown.org/aquintela/EBE/teorema-de-bayes-version-de-
laplace.html)

13.1 Ejercicios.

1- En una clase el 70% de los alumnos son mujeres. De ellas, el 10% son
fans de Pitingo. De los varones, son fans de Pitingo el 20%. ¿Qué
porcentaje de fans de Pitingo hay en total?

Ahora se elije a un alumno/a al azar y va escuchando a Pitingo.

¿Probabilidad de que sea un hombre?
2- Un estudiante, después de una semana terrible de exámenes, noches
sin dormir, cafés, red-bull, alguna que otra sustancia no muy legal y
muchos whatsapps de antiguos amantes, se encuentra con graves
desvaríos mentales. Decide ir a un psiquiatra, quien, por sus síntomas,
cree que puede tener esquizofrenia, a pesar de no tener ningún
antecedente familiar de tal enfermedad. Para comprobarlo, decide
aplicarle un nuevo test con una alta eficacia: si una persona es
esquizofrénica, lo detecta con probabilidad 0.99. Si no lo es, lo dice con
probabilidad 0.98. El psiquiatra realiza el test y da positivo. Sabiendo
que la prevalencia de la enfermedad en la población es del uno por
ciento, ¿debería el estudiante preocuparse o no preocuparse
demasiado?
E=“ser esquizofrénico”.
la proporción de esquizofrénicos en la población es del 1 por ciento, es
decir, P(E)=0.01P(E)=0.01.
Por otro lado, el test realizado verifica que:
P(+∣E)=0.99,P(+∣E)=0.99, y P(−∣¯E)=0.98
Por el teorema de Bayes:

y el denominador lo calculamos mediante el teorema de la probabilidad

total:P(+)=P(+∣E)⋅P(E)+P(+∣¯E)⋅P(¯E)P(+)=P(+∣E)⋅P(E)+P(+∣E¯)⋅P(E¯)

Entonces (usamos que P(+∣¯E)=1−P(−∣¯E)P(+∣E¯)=1−P(−∣E¯))

Como vemos, en realidad, la probabilidad de que tenga esquizofrenia,
aún habiendo dado positivo en el test, es solo de 0.33. lo tanto, es
mucho más probable que no la tenga (1-0.33). Esto se debe a que la
probabilidad a priori (en este caso es la prevalencia de la enfermedad)
es muy baja.
 VIDEO
https://youtu.be/_P0oS4y5T0Q
Eventos Estadísticos
 Conclusión

En el presente trabajo investigativo de realizo un búsqueda de información

acerca de la posibilidad estadística, se realizaron una serie de definiciones
que permitieron conocer en mayor profundidad en tema estudiado e
inclusive se tiene en cuenta una serie de ejemplo que nos permiten conocer
de forma práctica como estos fenómenos estadísticos no afectan en nuetra
vida diaria.

Los efectos de las posibilidad estadísticas son medidas por los distintos
métodos que permiten la mayor precisión posible, muchos de estos métodos
fueron presentados en el presente trabajo.
 Bibliografía

 https://www.matematicas10.net/2017/06/ejemplos-de-
permutaciones.htm

 https://bookdown.org/aquintela/EBE/

 https://www.matematicas10.net/2017/06/ejemplos-de-
permutaciones.htm
 http://www.virtual.unal.edu.co/cursos/ciencias/2001065/. Licencia:

Creative Commons BY-NC-ND (Mendoza, H, Bautista, G. (2002).

Probabilidad y Estadística. Universidad Nacional de Colombia)

 https://bookdown.org/aquintela/EBE/independencia-

desucesos.html#:~:text=Llamemos,.