PROBABILIDAD Valor entre cero y uno, inclusive, que describe la posibilidad relativa

(oportunidad o casualidad) de un evento.

EXPERIMENTO Proceso que induce a que ocurra una y solo una de varias posibles
observaciones.
RESULTADO Ocurrencia particular de un experimento
EVENTO Conjunto de uno o más resultados de un experimento
PROBABILIDAD CLASICA La probabilidad clásica parte del supuesto de que los
resultados de un experimento son igualmente posibles.

MUTUAMENTE EXCLUYENTE El hecho de que un evento se presente significa que

ninguno de los demás puede ocurrir al mismo tiempo.
COLECTIVAMENTE EXHAUSTIVO Por lo menos uno de los eventos debe ocurrir cuando
se lleva a cabo un experimento.
PROBABILIDAD EMPIRICA La probabilidad de un evento representa una fracción de los
sucesos similares en el pasado.

LEY DE LOS GRANDES NUMEROS En una gran cantidad de intentos, la probabilidad

empíri- ca de un evento se aproximará a su probabilidad real.
PROBABILIDAD SUBJETIVA Posibilidad (probabilidad) de un evento en particular que
asigna un individuo a partir de cualquier información disponible.

REGLA ESPECIAL DE LA ADICION regla especial de la adición, los eventos deben ser
mutuamente excluyentes (recuerde que esto significa que cuando un evento ocurre,
ninguno de los demás eventos puede ocurrir al mismo tiempo).
REGLA DEL COMPLEMENTO se emplea para determinar la probabilidad de que un
evento ocurra restando de 1 la probabilidad de un evento que no ha ocurrido.
PROBABILIDAD CONJUNTA Posibilidad de que dos o mas eventos sucedan
simultáneamente

REGLA ESPECIAL DE LA MULTIPLICACION Esta regla requiere que dos eventos, A y

B, sean independientes, y lo son si el hecho de que uno ocurra no altera la probabilidad
de que el otro suceda.
INDEPENDENCIA Si un evento ocurre, no tiene ningún efecto sobre la probabilidad de
que otro evento acontezca.

PROBABILIDAD CONDICIONAL Probabilidad de que un evento en particular ocurra,

dado que otro evento haya acontecido.

TABLAS DE CONTINGENCIA
Se utiliza para clasificar observaciones de una muestra de acuer- do con dos o más
características identificables.
DIAGRAMAS DE ARBOL
es una gráfica útil para organizar y calcular probabilidades para problemas similares al
ejemplo previo.

PROBABILIDAD A PRIORI La que está basada en el nivel de información actual.

PROBABILIDAD APOSTERIORI La que se revisa a partir de información adicional.
FORMULA DE LA MULTIPLICACION Si hay m formas de hacer una cosa y n formas
de hacer otra, hay m 3 n formas de hacer ambas.

PERMUTACION cualquier distribución de r objetos seleccionados de un solo grupo de

n posi- bles objetos.
n representa el total de objetos;
r representa el total de objetos seleccionados.

COMBINACION Si el orden de los objetos seleccionados no es importante

DISTRIBUCION DE PROBABILIDAD Lista de todos los resultados de un experimento y
la probabilidad asociada a cada uno de ellos.
CARACTERISTICAS DE UNA DISTRIBUCION DE PROBABILIDAD
1. La probabilidad de un resultado en particular se encuentra entre 0 y 1, inclusive.
2. Los resultados son eventos mutuamente excluyentes.
3. La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de los diversos
eventos es igual a 1.
VARIABLE ALEATORIA Cantidad que resulta de un experimento que, por azar, puede
adoptar diferentes valores.
VARIABLE ALEATORIA DISCRETA Variable aleatoria que solo adopta va- lores
claramente separados.
VARIABLE ALEATORIA CONTINUA Si se mide algo, como el ancho de una recámara,
la estatura de una persona o la presión de la llanta de un automóvil, se trata de una va-
riable aleatoria continua.
MEDIA Se trata de un promedio ponderado en el que los posibles valores de una
variable aleatoria se ponderan con sus correspondientes proba- bilidades de ocurrir.

VARIANZA

DISTRIBUCION DE PROBABILIDAD BINOMIAL La distribución de probabilidad

binomial es de probabilidad discreta, y se presenta con mucha frecuencia. Hay cuatro
requisitos para describir los resultados experimentales con una distribución binomial. El
primero es que solo haya dos posibles resultados en determinado ensayo del experi-
mento. He aquí dos ejemplos: en una prueba, el enunciado en una pregunta de cierto o
falso solo se puede responder de dos maneras; por otro lado, en un resort, la
supervisora de ama de llaves revisa el trabajo de un empleado y lo evalúa como
aceptable o inaceptable. Una característica clave de ambos resultados es que son
mutuamente excluyentes. Esto significa que la respuesta a una pregunta como la del
primer ejemplo debe ser ya sea cierto o falso, pero no puede ser cierta y falsa a la vez.
Otro ejemplo es el resultado de una llamada de ventas; el cliente compra el producto o
no, pero la venta no puede arrojar ambos resultados. Con frecuencia los dos posibles
resultados se clasifican como “éxito” y “fracaso”. Sin embargo, esta distinción no
implica que un resultado sea bueno y el otro sea malo, solo que son dos resultados
mutuamente excluyentes.

C es el símbolo de combinación;
n es el número de ensayos;
x es la variable aleatoria definida como el número de éxitos; p es la probabilidad de
éxito en cada ensayo.

Recuerde que uno de los criterios relacionados con la distribución binomial estriba en
que la probabilidad de éxito debe permanecer igual en todos los ensayos. Como la
probabilidad de éxito no es la misma en todos estos cuando se realiza un muestreo sin
reemplazo en una población rela- tivamente pequeña, no debe aplicarse la distribución
binomial. En lugar de esta se aplica la distri- bución hipergeométrica.

N representa el tamaño de la población;

S es el número de éxitos en la población;
x es el número de éxitos en la muestra; este puede asumir los valores 0, 1, 2, 3...; n es el tamaño de la muestra o el número de
ensayos;
C es el símbolo de combinación.

DISTRIBUCION DE PROBABILIDAD DE POISSON describe el número de veces que

se presenta un evento durante un intervalo específico; el cual puede ser de tiempo,
distancia, área o volumen.