Rama de las matemticas a las que el matemtico Georg Ferdinand Ludwing Philipp Cantor es el
padre de la Teora de Conjuntos, dio su primer tratamiento formal en 1870.
El concepto de conjunto es uno de los ms fundamentales en matemticas, incluso ms que la
operacin de contar, pues se puede encontrar implcita o explcitamente, en todas las ramas de las
matemticas puras y aplicadas.
La Teora de Conjuntos es una teora matemtica, que estudia bsicamente a un cierto tipo de
objetos llamados conjuntos y algunas veces, a otros objetos denominados no conjuntos, as como a
los problemas relacionados con estos.
El concepto de conjunto es intuitivo y se podra definir como una "agrupacin bien definida
de objetos no repetidos y no ordenados"; as, se puede hablar de un conjunto de personas,
ciudades, gafas, lapiceros o del conjunto de objetos que hay en un momento dado encima de
una mesa.
QUE ES UN CONJUNTO?
Un conjunto es la agrupacin, clase, o coleccin de objetos o en su defecto de elementos que
pertenecen y responden a la misma categora o grupo de cosas, por eso se los puede agrupar en el
mismo conjunto.
Esta relacin de pertenencia que se establece entre los objetos o elementos es absoluta y
posiblemente discernible y observable por cualquier persona. Entre los objetos o elementos
susceptibles de integrar o conformar un conjunto se cuentan por supuesto cosas fsicas, como
pueden ser las mesas, sillas y libros, pero tambin por entes abstractos como nmeros o letras.
Diagramas de Venn
Los diagramas de Venn son la representacin grfica de las relaciones entre los conjuntos, estos se
atribuyen al filsofo ingls John Venn (1834-1883).
La manera de representar el conjunto Universal es un rectngulo y lo denotamos por la letra U.
Como se puede observar en el diagrama anterior, se encuentra crculos denotados con maysculas,
stos representan los conjunto, A, B,C, los cuales se encuentran dentro del rectngulo, es decir,
adentro del Universo que se est estudiando.
A, B, 2
1
C conjuntos 0 no igual
2
2
a ,b ,c elementos de conjuntos 1 > mayor que
2
3
U unin de conjuntos 2 < menor que
2
4
interseccin de conjuntos 3 mayor o igual que
2
5
subconjunto (contiene) 4 menor o igual que
2 <
6
5 > diferente de
2 ..
7
^ se lee como "y" 6 . continua
2
8
v se lee como "o" 7 ~ negacion
2
9
A o Ac complemento de un conjunto 8 Conjunto nulo o vaco
1 2
0 entonces 9 R conjunto de los nmeros reales
3
11
Si y solo si 0 N conjunto de los nmeros naturales
1 3
2 /S universo 1 C conjunto de los nmeros complejos
1 3
3 existe 2 n! factorial de un numero entero positivo
1 3
4 | tal que 3 Q conjunto de los nmeros fraccionarios
1 / dado que 3 Conjunto nulo
5 4
1 3
6 \ diferencia 5 Q conjunto de los nmeros irracionales
1 3
7 pertenece 6 c subconjuntos
1 3
8 no pertenece 7 {} llaves, o conjuntos vacos
1 3
9 = igual 8 I conjunto de los nmeros irracionales
Conjuntos
Un conjunto es una coleccin de elementos distinguibles entre s, que tienen, por lo menos, una
caracterstica en comn.
Lo distintivo de los conjuntos es su delimitacin; es decir, que dado un objeto se determina si ste
pertenece o no al conjunto. Por ejemplo: en el conjunto de manzanas, la pia no pertenece al
conjunto.
Denotacin. Los conjuntos se denotan por letras maysculas: A, B, C,... por ejemplo: A={ a, c, b }
B={ lunes, martes, mircoles, jueves }
El smbolo , representa a un elemento perteneciente a un conjunto; sin embargo, en caso de ser lo
contrario, es decir, que el miembro o elemento no pertenezca a ste, se representa con una raya
inclinada / quedando el smbolo como . Por ejemplo: Sea B={ a, e, i, o, u }, a B y c . B
Elementos
Los componentes que conforman un conjunto reciben el nombre de miembros o elementos. Por
ejemplo el conjunto de las letras de alfabeto; a, b, c, ..., x, y, z. que se puede escribir as: { a, b, c, ...,
x, y, z}
El conjunto se debe de escribir entre llaves { }, y van separados por comas (,).El agrupar a todos los
elementos de un conjunto entre las llaves, se denomina forma tabular, extensin o enumeracin de
los elementos.
Subconjuntos
CLASES DE CONJUNTOS
Conjunto Infinito: Es el conjunto que, por tener muchsimos elementos, no se le puede llegar a
contar su ultimo elemento.
Ejemplo:
A= {*/x sea grano de sal}
Conjunto Vaco: Es el conjunto cuya cardinalidad es cero ya que carece de elementos. El smbolo
del conjunto vaco O o { }.
Ejemplo:
C={*/x sea habitantes del sol}
Conjunto Unitario: Es el conjunto que solo tiene un elemento. Su cardinalidad es uno (1).
Ejemplo:
D={*/x sea vocal de la palabra "pez"}
Propiedades:
1) AAB, BAB
ABA, ABB
2) A(BC) (= AB)C (propiedad asociativa de la unin)
A(BC) (= AB)C (propiedad asociativa de la interseccin)
3) A(BC) (= AB)(AC) (propiedad distributiva)
A(BC) (= AB)(AC) (propiedad distributiva)
4) (AB)c =Ac Bc (leyes de Morgan)
(AB)c =Ac Bc
5) AB=BA (conmutativa de la unin)
AB=BA (conmutativa de la interseccin)
6) AB=(AB) (\ AB)
EJEMPLOS:
a) A U C
b) B U C
A = { 0, 1, 2, 3, 4, 5 } y C = { 5, 6, 8 }
A U C = { 0, 1, 2, 3, 4, , 6, 8 }
B = { 0, 2, 4 } y C = { 5, 6, 8 }
B U C = { 0, 2, 4, 5, 6, 8 }
B U C = {x/x N y x > 0 < 8 }
INTERSECCION DE CONJUNTOS:
La interseccin es el conjunto formado por los
elementos que son comunes entre dos o mas
conjuntos dados. Se denota por A B, que se
lee: A interseccin B. La interseccin de A y B
tambin se puede definir:
A B={x/xAyxB}
EJEMPLOS:
a) A C
b) B C
A = { 0, 1, 2, 3, 4, 5 } y C = { 2, 4 }
A C={2,4}
B = { 3, 5, 7 } y C = { 2, 4 }
BC={O}
DIFERENCIA DE CONJUNTOS:
Se denomina diferencia de dos conjuntos A y B al conjunto formado por todos los elementos
de A pero que no pertenecen a B.
La diferencia se denota por: A - B que
se lee: A diferencia B o A menos B. Se
define la diferencia de dos conjuntos
tambin como:
A - B = {x / x A y x B}
A-B
EJEMPLOS:
a) A - C
b) B - C
A = { a, b, c, d, e } y C = { d, f, g }
A - C = { a, b, c, e }
B = { a, e } y C = { d, f, g }
B - C = { a, e }
Diferencia. La diferencia entre dos conjuntos A y B es el conjunto A \ B que contiene todos los
elementos de A que no pertenecen a B.
DIFERENCIA SIMETRICA:
EJEMPLO:
Sean:
U={p,r,s,t}
A={p,s}
B={r,s}
Entonces:
Diferencia simetrica. Es el conjunto que contiene a todos los elementos que se encuentran en el
conjunta A pero no estn el conunto B y tambin a los elementos del conjunto B que no estn en el A
COMPLEMENTO DE CONJUNTOS:
Sean U = { m, a, r, t, e } y A = { t, e }
Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de cuantificar.
Si una primera tarea puede realizarse de m formas y una segunda tarea puede realizarse de n
formas, y no es posible realizar ambas tareas de manera simultnea, entonces para realizar
cualquiera de ellas pueden utilizarse cualquiera de m + n formas.
Ejemplo:
La regla puede ampliarse a ms de dos tareas, siempre que ningn par de ellas pueda ocurrir
simultneamente.
Esta regla puede extenderse a tantos eventos como se quiera. El nmero total de posibilidades es el
producto del nmero de posibilidades de cada evento. Por ejemplo, si los eventos A, B, C y D
pueden ocurrir de m, n, o y p maneras distintas respectivamente, entonces el total de formas
diferentes en que estos eventos pueden ocurrir en ese orden, es m x n x o x p.
Ejemplos
1. Una persona para vestirse tiene la posibilidad de escoger entre 2 pares de zapatos, 3
pantalones y 4 blusas. De cuntas maneras puede combinar las prendas?
Solucin:
Conocemos que hay 2 posibilidades de combinar los pares de zapatos (Z = 2), los pantalones de 3
maneras (P = 3) y las blusas de 4 (B = 4). Entonces:
Z x P x B = 2 x 3 x 4 = 24
Solucin:
La primera posicin en la fila (P1), puede ser ocupada por cualquiera de las 7 personas (P1 = 7); la
segunda posicin por 6 (P2 = 6) y as, sucesivamente.
P1 x P2 x P3 x P4 x P5 x P6 x P7 = 7 x 6 x 5 x 4 x 3 x 2 x 1 = 7! = 5040
Un diagrama de rbol es una representacin grfica que muestra los resultados posibles de una
serie de experimentos y sus respectivas probabilidades; consta de r pasos, donde cada uno de los
pasos tiene un nmero finito de maneras de ser llevado a cabo.
Para la construccin de un diagrama en rbol se partir poniendo una rama para cada una de las
posibilidades, acompaada de su probabilidad. En el final de cada rama parcial se constituye a su
vez, un nudo del cual parten nuevas ramas, segn las posibilidades del siguiente paso, salvo si el
nudo representa un posible final del experimento (nudo final).
Hay que tener en cuenta: que la suma de probabilidades de las ramas de cada nudo ha de dar 1
(100%).
El diagrama de rbol va de lo general a lo especifico, es decir, parte de un problema general (el
tronco) y continua con niveles subsecuentes o causas (las ramas).
Los diagramas en rbol son muy tiles para "fabricar" cualquier tipo de agrupacin, ya sean
variaciones, permutaciones o combinaciones.
Es la rama de la matemtica que estudia los diversos arreglos o selecciones que podemos formar
con los elementos de un conjunto dado, los cuales nos permite resolver muchos problemas
prcticos. Por ejemplo podemos averiguar cuntos nmeros diferentes de telfonos , placas o
loteras se pueden formar utilizando un conjunto dado de letras y dgitos.
Adems el estudio y comprensin del anlisis combinatorio no va ha servir de andamiaje para poder
resolver y comprender problemas sobre probabilidades
El anlisis combinatorio tambin se define como una manera prctica y abreviada de contar; las
operaciones o actividades que se presentan son designadas como eventos o sucesos.
Notacin factorial
Factorial
n n!
01
11
22
36
4 24
5 120
6 720
7 5.040
8 40.320
9 362.880
10 3.628.800
15 1.307.674.368.000
20 24.32.902.008.176.640.000
25 15.511.210.043.330.985.984.000.000
50 3,04140932 1064
70 1,19785717 10100
450 1,73336873 101.000
3.249 6,41233768 1010.000
25.206 1,205703438 10100.000
100.000 2,8242294079 10456.573
Para todo nmero natural n, se llama n factorial o factorial de n al producto de todos los naturales
desde 1 hasta n:
Los factoriales se usan mucho en la rama de la matemtica llamada combinatoria, a travs del
binomio de Newton, que da los coeficientes de la forma desarrollada de (a + b)n:
(a + b)n = an + n an 1 b + Cn, 2 an 2 b2 + + n a bn 1 + bn con:
"La combinacin de una cerradura es 472": ahora s importa el orden. "724" no funcionara, ni
"247". Tiene que ser exactamente 4-7-2.
Permutaciones
Definicion:
Dada una coleccin de n objetos a 1, a2, . . . , an, llamaremos permutacin a cualquier ordenacin de
los mismos. Por tanto, dos permutaciones sern distintas si los objetos estn colocados en orden
diferente.
Se utiliza el smbolo nPn o P(n) cuando se toman las permutaciones de igual numero n de
elementos u objetos del conjunto.
Si se desean ordenar n objetos diferentes en una lnea, el primero objeto se puede escoger de n
maneras, el segundo de n-1; y el tercero de n-2 y as, sucesivamente, hasta 1.
P!=n!
Ejemplos
1. De cuntas maneras se pueden permutar los 3 dgitos del nmero 478?
Solucin:
3 P3 = P (3) = 3 x 2 x 1 = 3! = 6
n ! = 3 x 2 x 1 = 3! = 6
Cuando las permutaciones se hacen de un tamao r menor al nmero n de elementos del conjunto,
se utilizan indistintamente los smbolos nPr o P(n,r).
De un grupo n de objetos, deseamos ordenar r objetos en una lnea. El primero objeto se puede
escoger de n maneras; el segundo de n-1 y as, sucesivamente, de manera que el ltimo de ellos
ser n (r-1) = n r + 1.
n!
nPr = P(n, r) = (n) (n-1)(n-2) (n-r+1) =
( nr ) !
Solucin:
n! 5! 5!
nPr = 5P2 = = = = 20
( nr ) ! (52 ) ! 2!
ae, ai, ao, au, ea, ei, eo, eu, ia, ie, io, iu, oa, oe, oi, ou, ua, ue, ui y uo.
3. De cuntas maneras pueden sentarse 12 personas en una banca que slo tiene capacidad
para 7?
Solucin:
n! 12 ! 12 !
nPr = 12P7 = = = = 3,991,680
( nr ) ! (127 ) ! 5!
4. Cuntas representaciones diferentes sern posibles formar, si se desea que consten de
Presidente, Secretario, Tesorero, Primer Vocal y Segundo Vocal?, s esta representacin
puede ser formada de entre 25 miembros del sindicato de una pequea empresa.
Solucin:
Por Frmula:
Combinaciones
n ( n1 ) ( n2 ) ( nr + 1) n! nPr
(n r ) = nCr = C(n,r) = Cn,r = = =
r! r ! ( nr ) ! r!
El nmero de combinaciones nCr est relacionado con los subconjuntos de un conjunto. Por ejemplo,
el nmero de subconjuntos de 2 elementos del conjunto A que tiene 5 elementos es:
A = {a, e, i, o, u}
5! 5! 120
(5 2) = 5C2 = C(5,2) = C5,2 = = = = 10
2 ! ( 52 ) ! 2!3! 12
Los 10 subconjuntos de 2 elementos son: ae, ai, ao, au, ei, eo, eu, io, iu, ou.
Ejemplos
Q = {a, b, c, d, e, f, g, h, i, j, k, l, m, n, o}
Solucin:
Para 6 elementos:
15 ! 15 !
(15 6) = 15C6 = = = 5,005 subconjuntos.
6 ! (156 ) ! 6 ! 9!
Para 8 elementos:
15 ! 15 !
(15 8) = 15C8 = = = 6,435 subconjuntos.
8! (158 ) ! 8!7 !
Para 10 elementos:
15! 15 !
(15 10) = 15C10 = = = 3,003 subconjuntos.
10 ! ( 1510 ) ! 10 ! 5 !
2. De cuntas maneras puede salir una mano de pker (5 cartas) si se juega con una baraja
espaola (40 cartas) o con una baraja inglesa (52 cartas)?
Solucin:
40 !
(40 5) = 40C5 = = 658008 en la baraja espaola.
5 ! ( 405 ) !
52!
(525) = 52C5 = = 2598960 en la baraja inglesa.
5 ! ( 525 ) !
3. Si se cuenta con 14 alumnos que desean colaborar en una campaa pro limpieza del Tec.
Cuntos grupos de limpieza podrn formarse si se desea que consten de 5 alumnos cada
uno de ellos?.
Solucin:
n = 14, r = 5
Entre los 2002 grupos de limpieza hay grupos que contienen solo hombres, grupos que contienen
solo mujeres y grupos mixtos, con hombres y mujeres.
4. Para contestar un examen un alumno debe contestar 9 de 12 preguntas, Cuntas maneras
tiene el alumno de seleccionar las 9 preguntas?.
Solucin:
n = 12, r = 9
12 C9 = 12!/(12 9)! 9!
= 12! / 3!9! = 12 x 11 x 10 / 3! = 220 maneras de seleccionar las nueve preguntas o dicho de otra
manera, el alumno puede seleccionar cualquiera de 220 grupos de 9 preguntas para contestar el
examen.
http://probabilidadcecyte.blogspot.mx/2009/01/analisis-combinatorio.html
Aplicaciones de la Probabilidad
Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la
probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra
ignorancia dada una situacin. Por consiguiente, puede haber una probabilidad de 1 entre 52 de que
la primera carta en un baraja de cartas es la J de diamantes. Sin embargo, si uno mira la primera
carta y la reemplaza, entonces la probabilidad es o bien 100% o 0%, y la eleccin correcta puede ser
hecha con precisin por el que ve la carta. La fsica moderna proporciona ejemplos importantes de
situaciones determinsticas donde slo la descripcin probabilstica es factible debido a informacin
incompleta y la complejidad de un sistema as como ejemplos de fenmenos realmente aleatorios.
La mecnica cuntica, debido al principio de indeterminacin de Heisenberg, slo puede ser descrita
actualmente a travs de distribuciones de probabilidad, lo que le da una gran importancia a las
descripciones probabilsticas. Algunos cientficos hablan de la expulsin del paraso. Otros no se
conforman con la prdida del determinismo. Albert Einstein coment estupendamente en una carta a
Max Born: Jedenfalls bin ich berzeugt, da der Alte nicht wrfelt. (Estoy convencido de que Dios no
tira el dado). No obstante hoy en da no existe un medio mejor para describir la fsica cuntica si no
es a travs de la teora de la probabilidad. Mucha gente hoy en da confunde el hecho de que la
mecnica cuntica se describe a travs de distribuciones de probabilidad con la suposicin de que
es por ello un proceso aleatorio, cuando la mecnica cuntica es probabilstica no por el hecho de
que siga procesos aleatorios sino por el hecho de no poder determinar con precisin sus parmetros
fundamentales, lo que imposibilita la creacin de un sistema de ecuaciones determinista.
Probabilidad
La palabra probabilidad no tiene una definicin consistente. De hecho hay dos amplias categoras de
interpretaciones de la probabilidad: los frecuentistas hablan de probabilidades slo cuando se trata
de experimentos aleatorios bien definidos. La frecuencia relativa de ocurrencia del resultado de un
experimento, cuando se repite el experimento, es una medida de la probabilidad de ese suceso
aleatorio. Los bayesianos, no obstante, asignan las probabilidades a cualquier declaracin, incluso
cuando no implica un proceso aleatorio, como una manera de representar su verosimilitud subjetiva.
El estudio cientfico de la probabilidad es un desarrollo moderno. Los juegos de azar muestran que
ha habido un inters en cuantificar las ideas de la probabilidad durante milenios, pero las
descripciones matemticas exactas de utilidad en estos problemas slo surgieron mucho despus.
Segn Richard Jeffrey, "Antes de la mitad del siglo XVII, el trmino 'probable' (en latn probable)
significaba aprobable, y se aplicaba en ese sentido, unvocamente, a la opinin y a la accin. Una
accin u opinin probable era una que las personas sensatas emprenderan o mantendran, en las
circunstancias."
Aparte de algunas consideraciones elementales hechas por Girolamo Cardano en el siglo XVI, la
doctrina de las probabilidades data de la correspondencia de Pierre de Fermat y Blaise Pascal
(1654). Christiaan Huygens (1657) le dio el tratamiento cientfico conocido ms temprano al
concepto. Ars Conjectandi (pstumo, 1713) de Jakob Bernoulli y Doctrine of Chances (1718) de
Abraham de Moivre trataron el tema como una rama de las matemticas. Vase El surgimiento de la
probabilidad (The Emergence of Probability) de Ian Hacking para una historia de los inicios del
desarrollo del propio concepto de probabilidad matemtica.
La teora de errores puede trazarse atrs en el tiempo hasta Opera Miscellanea (pstumo, 1722) de
Roger Cotes, pero una memoria preparada por Thomas Simpson en 1755 (impresa en 1756) aplic
por primera vez la teora para la discusin de errores de observacin. La reimpresin (1757) de esta
memoria expone los axiomas de que los errores positivos y negativos son igualmente probables, y
que hay ciertos lmites asignables dentro de los cuales se supone que caen todos los errores; se
discuten los errores continuos y se da una curva de la probabilidad.
Experimentos deterministas
Son los experimentos de los que podemos predecir el resultado antes de que se realicen.
Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la piedra
bajar. Si la arrojamos hacia arriba, sabemos que subir durante un determinado intervalo de
tiempo; pero despus bajar.
Experimentos aleatorios
Son aquellos en los que no se puede predecir el resultado, ya que ste depende del azar.
Teora de probabilidades
La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible resultado que
pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un
suceso es ms probable que otro. Con este fin, introduciremos algunas definiciones:
Suceso
Suceso elemental
Suceso elemental es cada uno de los elementos que forman parte del espacio muestral.
Ejemplo: Tirando un dado un suceso elemental es sacar 5.
Suceso compuesto
Suceso seguro
E, est formado por todos los posibles resultados (es decir, por el espacio muestral).
Ejemplo: Tirando un dado obtener una puntuacin que sea menor que 7.
Suceso imposible
Dos sucesos, A y B, son compatibles cuando tienen algn suceso elemental comn.
Ejemplo: Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 3, A y B son
compatibles porque el 6 es un suceso elemental comn.
Sucesos incompatibles
Sucesos independientes
Sucesos dependientes
Suceso contrario
El suceso contrario a A es otro suceso que se realiza cuando no se realiza A. Se denota por suceso
contrario.
Ejemplo: Son sucesos contrarios sacar par e impar al lanzar un dado.
Axiomas de probabilidad
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una
funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades.
Fueron formulados por Kolmogrov en 1933.
Axiomas de Kolmogrov
(Propiedades de la Probabilidad)
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una
funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades.
Fueron formulados por Kolmogrov en 1933.
Los axiomas de la formulacin moderna de la teora de la probabilidad constituyen una base para
deducir a partir de ellas un amplio nmero de resultados.
Axioma 1
Si A es un evento de S, entonces la probabilidad del evento A es:
0 P(A) 1
Axioma 2.
La probabilidad del espacio muestral S es igual a 1, denotado simblicamente
Axioma 3.
Si dos eventos son mutuamente excluyentes, la probabilidad de obtener A o B es igual a la
probabilidad de obtener A ms la probabilidad de obtener B.
P(A B) = P(A) + P(B)
En general podemos decir que la suma de las probabilidades de todos los posibles eventos
mutuamente excluyentes es igual a 1:
Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas
mutuamente excluyentes sumando las probabilidades de sus componentes.
Teoremas de Probabilidad
Teorema 1
La probabilidad se expresa como un nmero entre 1.00 y 0.0, donde un valor de 1.00 es una certeza
de que suceda un evento, y un valor de 0 es una certeza de que no suceder.
P()= 0
DEMOSTRACIN:
Teorema 2
La suma de las probabilidades de un suceso y su contrario vale 1 (100%), por tanto la probabilidad
del suceso contrario es:
P(Ac)= 1 - P(A)
DEMOSTRACIN:
DEMOSTRACIN:
DEMOSTRACIN:
A esta relacin se le conoce como ley general de sustraccin de probabilidad. Tambin se utilizan las
Relaciones:
P(A \ B) = P(A) P(AB)
P(Ac \ B) = P(AB)
DEMOSTRACIN:
Si A y B son dos eventos cualquiera, entonces el evento A se puede separar en dos eventos
mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \ B)(AB), luego P(A)=P(A \ B) +
P(AB),
entonces, P(A \ B) = P(A) p(AB).
Regla de Laplace
La regla de Laplace dice que en un espacio muestral formado por sucesos equiprobables (todos
tienen la misma probabilidad), la probabilidad de un suceso A es el nmero de casos posibles
dividido por el nmero de casos probables.
Ejemplo: Si lanzamos una moneda muchsimas veces y dividimos el nmero de caras obtenidas
entre el nmero de lanzamientos. obtendremos un nmero que ser ms cercano a 0.5 cuantas ms
veces lancemos la moneda. Por eso decimos que la probabilidad de obtener cara al lanzar una
moneda es 0.5
Ejemplo: Hallar la probabilidad de que al lanzar dos monedas al aire salgan dos caras.
Casos posibles: {cc, cx, xc, xx}.
Casos favorables: 1.
1 Un nmero par.
Un ejemplo comn de esto es lanzar una moneda, la moneda caer de cara o cruz?, la cara
significa un 50% de probabilidad que esta salga o si cae en cruz representa al otro 50% de
probabilidad de que esta salga; lanzar una moneda es un evento mutuamente excluyente, ya que es
una variable o alternativa donde el dato a escoger o elegir no pueden ser ambos, es decir, si son
sucesos que no pueden ocurrir a la vez en una misma jugada es porque la ocurrencia de alguno de
ellos excluye la ocurrencia de otros.
Ejemplo: si se lanzan 2 dados al aire existe la posibilidad de que salga 6 en cualquiera de los 2
dados lanzados, lo cual tiene una probabilidad de ocurrencia de 11/36 ya que hay 11 combinaciones
de los puntos de los dados, que cumplen con esta condicin: 1-6, 6-1 2-6,6-2 3-6,6-3 4-6,6-4 4-5,6
6-5 6-6 . Y si ocurre el suceso B, los puntos que ambos dados suman un puntaje igual a 8 puntos, lo
cual tiene una probabilidad de ocurrencia 5/36, ya que hay 5 combinaciones que cumplen con esta
condicin. Otros ejemplos pueden ser los siguientes:
Sacar un 5 y una carta de espadas, es un evento no excluyente pues podemos tomar una
carta 5 de espadas.
Sacar una carta roja y una carta de corazones, es un evento no excluyente pues las cartas de
corazones son uno de los palos rojos.
Sacar un 9 y una carta negra. es un evento no excluyente pues podemos tomar el 9 de
espadas o el 9 de trboles.
Se dice que dos eventos son mutuamente Se dice que dos eventos son mutuamente no
excluyentes cuando solo uno de esos dos excluyentes cuando dos eventos suceden en
eventos sucede, es decir en un evento no el mismo tiempo.
pueden suceder dos eventos al mismo tiempo.
Sean A y B dos eventos mutuamente Sean A y B dos eventos mutuamente no
excluyentes entonces: excluyentes entonces:
PROBABILIDAD CONDICIONAL
Sea B un evento arbitrario de un espacio muestral S con P(B) > 0. La probabilidad de que un evento
A suceda una vez que B haya sucedido o, en otras palabras, la probabilidad condicional A dado B,
escrito P(A\B), se define como sigue:
P(A\E)= P(AB)
P(B)
La P(A\E) en cierto sentido mide la probabilidad relativa de A con relacin al espacio reducido E.
Para la probabilidad condicional (ley multiplicativa) es necesario revisar si los eventos involucrados
son independientes o dependientes
EVENTOS INDEPENDIENTES
Dos eventos son independientes si el resultado del segundo evento no es afectado por el resultado
del primer evento. Si A y B son eventos independientes, la probabilidad de que ambos eventos
ocurran es el producto de las probabilidades de los eventos individuales.
P(A y B) = P(A) P(B)
Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es eliminada de
la caja y luego reemplazada. Otra canica se saca de la caja. Cul es la probabilidad de que la
primera canica sea azul y la segunda canica sea verde? Ya que la primera canica es reemplazada, el
tamao del espacio muestral (9) no cambia de la primera sacada a la segunda as los eventos son
independientes.
P(azul luego verde) = P(azul) P(verde)
EVENTOS DEPENDIENTES
Dos o ms eventos sern dependientes si el resultado del primer evento afecta el resultado del
segundo evento as que la probabilidad es cambiada, La probabilidad de que ambos eventos ocurran
es el producto de las probabilidades de los eventos individuales, y para ello se ocupa, la expresin P
(A|B) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri. Se debe tener claro
que A|B no es una fraccin.
P (A|B) = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)
Ejemplo:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es eliminada de
la caja y no es reemplazada. Otra canica se saca de la caja. Cul es la probabilidad de que la
primera canica sea azul y la segunda canica sea verde? Ya que la primera canica no es
reemplazada, el tamao del espacio muestral para la primera canica (9) es cambiado para la
segunda canica (8) as los eventos son dependientes.
P(azul luego verde) = P(azul) P(verde)
Probabilidad total
entonces, la probabilidad del evento B, llamada probabilidad total, se calcula empleando la siguiente
frmula:
Teorema de Bayes
El teorema de Bayes se utiliza para revisar probabilidades previamente calculadas cuando se posee
nueva informacin. Desarrollado por el reverendo Thomas Bayes en el siglo XVII, el teorema de
Bayes es una extensin de lo que ha aprendido hasta ahora acerca de la probabilidad condicional.
Supngase que A1, A2., An es una particin de S y que B es cualquier evento. Entonces para
cualquier i
Est frmula se llama tambin frmula para la probabilidad de la hiptesis despus de la prueba
Comnmente se inicia un anlisis de probabilidades con una asignacin inicial, probabilidad a priori.
Cuando se tiene alguna informacin adicional se procede a calcular las probabilidades revisadas o a
posteriori. El teorema de Bayes permite calcular las probabilidades a posteriori y es:
Ejemplo:
1) Una compaa de transporte pblico tiene tres lneas en una ciudad, de forma que el 45% de los
autobuses cubre el servicio de la lnea 1, el 25% cubre la lnea 2 y el 30% cubre el servicio de la
lnea 3. Se sabe que la probabilidad de que, diariamente, un autobs se avere es del 2%, 3% y 1%
respectivamente, para cada lnea.
Solucin:
a) Calcular la probabilidad de que, en un da, un autobs sufra una avera
La probabilidad de que sea de la lnea 1, sabiendo que sufre una avera es:
La probabilidad de que sea de la lnea 2, sabiendo que sufre una avera es:
La probabilidad de que sea de la lnea 3, sabiendo que sufre una avera es:
Entonces, sabiendo que el autobs sufre una avera, lo ms probable es que sea de la lnea 1, ya
que esta probabilidad
, es la mayor.
La esperanza matemtica 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 nombre de esperanza matemtica 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 nmero de apuestas.
Si la esperanza matemtica es cero, E(x) = 0, el juego es equitativo, es decir, no existe ventaja ni para el
jugador ni para la banca.
Ejemplo 1
Si una persona compra una papeleta en una rifa, en la que puede ganar de 5.000 un segundo premio de
2000 con probabilidades de: 0.001 y 0.003. Cul sera el precio justo a pagar por la papeleta?
E = {(c,c);(c,x);(x,c);(x,x)}
p(+1) = 2/4
p(+2) = 1/4
p(5) = 1/4
Ejemplo 2
3En una ciudad, la temperatura mxima durante el mes de junio est distribuida normalmente con una media
de 26 y una desviacin tpica de 4.
Calcular el nmero de das que se "espera", tengan temperatura mxima comprendida entre 22 y 28.
Como se trata de una distribucin Normal, tipificamos (estandarizamos) los valores 22 y 28:
z1= (22 26) / 4 = -1
z2 = (28 26) / 4 = 0, 5
Entonces la probabilidad de que en un da de junio la temperatura mxima est entre 22 y 28 es:
p( 22< x < 28) = p( -1 < z < 0,5 ) = 0, 5328
Y el nmero esperado (esperanza) de das es:
E(x) = n * p = 30 * 0, 5328 16 das