TRABAJO DE INVESTIGACION.

1 CONCEPTOS:
Eventos aleatorios
Un evento aleatorio es aquel acontecimiento de un hecho en proceso o que est por venir. Se dice que es aleatorio, si no es posible determinarlo con exactitud. En todo caso, ser posible predecirlo con un nivel dado de confianza. Al evento tambin se le denomina un suceso o un fenmeno. Generalmente, se simula el evento por un conjunto de variables relacionadas entre s. Por lo tanto, un evento est representado con una o ms variables vinculadas entre ellas. Si las variables (una o varias de stas) no son predecibles con exactitud se dice que el evento es aleatorio. Generalmente las variables representan atributos y propiedades de los entes que intervienen en el evento, y que pueden ser medidos. De esta manera se dice que las variables tienen una magnitud. Evento Aleatorio Evento aleatorio es aquel que bajo el mismo conjunto de Condiciones iniciales, puede presentar resultados diferentes es decir, no se puede predecir el resultado de cada experiencia particular.

Ejemplo #1
Sea S el experimento de la tirada de dos dados. Escriba el evento que sea el resultado de que los dos dados tengan el mismo valor. Entonces S={(x,y)|xDado#1yDado#2} en la tabla que esta abajo se pueden ver todos los puntos muestrales de este experimento. Dado #2 1 2 3 4 5 6

1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) 3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) 4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) 5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) 6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

Dado #1

El evento de que sean iguales seria el conjunto A={(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}

Dado #2 1 2 3 4 5 6

1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6) 2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6) 3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) 4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) 5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6) 6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

Dado #1

Ejemplo #2
Si alguien dispara a un blanco tres veces y slo nos interesa si cada disparo da o no en el blanco, describa un espacio muestral apropiado, los elementos del espacio muestral que constituyen al evento M que la persona acertar en el blanco tres veces seguidas, y los elementos del evento N que la persona acertar una vez y fallar en dos ocasiones. Si denotamos como 1 al hecho de que la persona dio en el blanco y como 0 al hecho de que la persona no dio en el blanco, el conjunto S vendra dado por S={(0,0,0),(0,0,1),(0,1,0),(0,1,1),(1,0,0),(1,0,1),(1,1,0),(1,1,1)} Podemos ver una representacin grafica de S

Ahora podemos definir los eventos M y N, N={(1,0,0),(0,1,0),(0,0,1)} M={(0,0,0)}

VARIABLE EN ESTUDIO Es una caracterstica que al ser medida en diferentes individuos es susceptible de adoptar diferentes valores. Existen diferentes tipos de variables:

Variables cualitativas
Son las variables que expresan distintas cualidades, caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o categora y la medicin consiste en una clasificacin de dichos atributos. Las variables cualitativas pueden ser dicotmicas cuando slo pueden tomar dos valores posibles como s y no, hombre y mujer o son politmicas cuando pueden adquirir tres o ms valores. Dentro de ellas podemos distinguir: Variable cualitativa ordinal o variable cuasi cuantitativa: La variable puede tomar distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que el intervalo entre mediciones sea uniforme, por ejemplo: leve, moderado, fuerte. Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un criterio de orden como por ejemplo los colores.

Variables cuantitativas
Son las variables que se expresan mediante cantidades numricas. Las variables cuantitativas adems pueden ser: Variable discreta : Es la variable que presenta separaciones o interrupciones en la escala de valores que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre los distintos valores especficos que la variable pueda asumir. Ejemplo: El nmero de hijos (1, 2, 3, 4, 5). Variable continua: Es la variable que puede adquirir cualquier valor dentro de un intervalo especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5 kg,...) o la altura (1,64 m, 1,65 m, 1,66 m,...), o el salario. Solamente se est limitado por la precisin del aparato medidor, en teora permiten que siempre exista un valor entre dos variables.

Ejemplos de variables estadsticas cuantitativas discretas Nmero de hermanos: pueden ser 1, 2, 3 , pero nunca podr ser 3,45. Nmero de hijos. Nmero de empleados de una fbrica. Nmero de goles marcados por un equipo de futbol en la liga.

Variables Continuas
Pueden tomar cualquier valor real (infinitos) dentro de un intervalo.

Ejemplos de variables estadsticas cuantitativas continuas Velocidad de un vehculo: puede ser 20; 54,2; 100 ; km/h. Temperaturas registradas en un observatorio cada hora. Peso en kg de los recin nacidos en un da en Espaa.

Cualitativas No se pueden medir numricamente. Ejemplos de variables estadsticas cualitativas Color de los ojos. Bondad de una persona. Profesin de una persona.

3 Espacio muestral
En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de una poblacin. Al elegir una muestra se espera conseguir que sus propiedades sean extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzaran si se realizase un estudio de toda la poblacin. Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de la poblacin sino estimar tambin los mrgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero s podemos actuar de manera que esta condicin se alcance con una probabilidad alta. En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de muestras que se pueden obtener de la poblacin se denomina espacio muestral. La variable que asocia a cada muestra su probabilidad de extraccin, sigue la llamada distribucin muestral.

EJEMPLOS DE TIPOS DE MUESTREO: Despus de leer el texto del fichero tema2.pdf y que se titula 2.- Tipos de muestreo aleatorio indica y justifica cul de los siguientes mtodos de muestreo se aplic en cada uno de estos casos:

- Muestreo aleatorio simple - Muestreo sistemtico - Muestreo estratificado con asignacin proporcional - Muestreo por conglomerados - Muestreo bietpico o en dos etapas - Muestreo no probabilstico 1) Un peridico obtiene una muestra de la opinin (a favor o en contra) sobre un tema de actualidad de 3000 internautas que quisieron responder a una encuesta publicada en su pgina web. 2) Se dispone de un directorio o lista de los 2000 bares y restaurantes de una gran ciudad, se elige uno al azar y a partir de este primer seleccionado y contando de 25 en 25 se ha ido seleccionando una muestra de 80 bares y restaurantes. 3) Para investigar el impacto de la crisis en las empresas valencianas, tenemos una lista numerada con los nombres de las 169.000 empresas de la provincia de Valencia. El ordenador elige de forma aleatoria una muestra de 100 de esas empresas. 4) Para seleccionar una muestra 100 de hogares que residen en municipios de menos de 1000 habitantes en la provincia de Valencia, se eligen al azar 10 municipos con menos de 1000 habitantes de la provincia de Valencia y en cada municipio seleccionado se selecciona una muestra aleatoria de 10 hogares. 5) En una encuesta durante las elecciones, se elige al azar 2 mesas electorales y se analizan todos los votos emitidos de las mesas seleccionadas. 6) Para analizar los hbitos de lectura de los estudiantes de la Universitat de Valncia, un equipo de socilogos dispone de una muestra de estudiantes seleccionados aleatoriamente en cada uno de sus 3 campus (Burjassot, Blasco Ibez y Tarongers) de

forma que, en cada campus el nmero de estudiantes seleccionados al azar para la muestra es proporcional al total de alumnos matriculados en dicho campus.

Poblacin Poblacin es la totalidad de los elementos del grupo particular que se estudia. Como por ejemplo, una empresa que est llevando a cabo un estudio a todos los 350 empleados de la empresa. Esto es poblacin ya que se estudiar cada elemento de la poblacin; en este caso la poblacin es todos los empleados de la empresa,sus 350 empleados. Muestra es una parte de la poblacin seleccionada de forma que puedan hacerse inferencias de ella con respecto a la poblacin completa. Por ejemplo, la empresa del ejemplo anterior escoger 100 empleados de los 350 para hacerles un estudio. Esto es una muestra ya que el total de empleados es 350, se escogi a 100 para hacerse inferencias del resto. Ejemplo de poblaciones: La poblacin Mundial de Seres humanos que representa el total de habitantes que existe en la Tierra. La poblacin flotante de la Ciudad de Mxico, esta poblacin esta formada por todas las personas que trabajan en esta ciudad pero que viven fuera de ella y solo la habitan durante el da. La poblacin de Tigres de bengala que hay en la India. La poblacin Latina que habita en los Estados Unidos. La gente que habita en el campo de un pas representa su poblacin rural. La poblacin de adultos mayores en la Comunidad Europea.
Eventos posibles Partiremos de la base de que los juegos de azar clsicos ofrecidos por los casinos (ruleta, craps, sicbo, blackjack, baccarat, bingo, pquer, chuck-a-luck, etc.) son experimentos fsicomecnicos imperfectos, ante los cuales el jugador casi siempre permanece en total estado de Incertidumbre para tomar decisiones acertadas porque desconoce el exacto valor matemtico de todas las complejas condiciones y variables involucradas en su marcha, las cuales al interactuar de manera incontrolada e independiente siempre provocan que en cada ocasin se produzca un resultado final diferente que es Impredecible a la luz del estado actual del juego.

Ante esta realidad cientfica de los juegos de azar, muchas veces los nicos datos iniciales que un jugador puede conocer sobre un juego de azar es que ste puede producir un determinado nmero de posibles resultados, y que respecto de esos resultados es viable apostarle a la ocurrencia de uno, algunos o varios resultados, con la esperanza de acertar. Justamente, el Clculo de Probabilidades se utiliza de manera Esttica (como lo haca Cardano, Galileo, Pascal o Fermat) cuando un jugador simplemente pretende establecer cules son las razones matemticas existentes a favor o en contra de la ocurrencia de un determinado resultado en un juego de azar que puede producir distintos resultados posibles, clculo que le sirve para adoptar decisiones racionales de apuesta frente a la escasa informacin disponible. Ejemplos: Internet en la educacin Sin duda el centro educativo y su entorno alumnos, padres y profesores encontrarn en la jornada muchas razones para desarrollar actividades de todo tipo, talleres, encuentros, conferencias y debates. En las escuelas, los nios participaran en un concurso de pintura sobre, por ejemplo, Cmo ves Internet? Uno de los objetivos del proyecto es poder llegar a la casa del alumno desde el centro, para ello debe pensarse en propuestas imaginativas que permitan esta posibilidad. Demostraciones tecnolgicas Mostrar las tecnologas al servicio de la sociedad. El objetivo es que las empresas privadas participen en un proyecto para el fomento de la cultura, de las artes y de las tradiciones, de la excelencia empresarial, y la contribucin de las TIC a los discapacitados. Se pretende responder a las preguntas de los usuarios y mostrar cmo funciona la Red, favoreciendo al mismo tiempo el contacto directo entre los profesionales y el pblico, en un espacio solidario y creativo.

El espacio muestral

(denotado E, S, o U) consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio. Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un evento o suceso es cualquier subconjunto del espacio muestral, llamndose a los sucesos que contengan un nico elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estara formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}. Para algunos tipos de experimento puede haber dos o ms espacios de muestreo posibles. Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas, una posibilidad del espacio de muestreo podra ser el nmero (del as al rey), mientras que otra posibilidad sera el palo (diamantes, trboles, corazones y picas). Una descripcin completa de los resultados, sin embargo, especificara ambos valores, nmero y palo, y se podra construir un espacio de muestreo que describiese cada carta individual como el producto cartesiano de los dos espacios de muestreo descritos. Los espacios de muestreo aparecen de forma natural en una aproximacin elemental a la probabilidad, pero son tambin importantes en espacios de probabilidad. Un espacio de probabilidad (,F, P) incorpora un espacio de muestreo de resultados, , pero define un conjunto de sucesos de inters, la -lgebra F, por la cul se define la medida de probabilidad P.

EJEMPLOS:
EJEMPLO 1
Tenemos una moneda si en el primer lanzamiento cae sello, entonces se lanza otra vez la moneda, dando lugar a las siguientes posibilidades: ss, sa; pero si en el primer lanzamiento ocurre cara, se lanza un dado, dando lugar a: Puntos Muestrales: a1, a2, a3, a4, a5, a6. Entonces el Espacio Muestral es S={ss, sa, a1, a2, a3, a4, a5, a6} A veces, los espacios muestrales tienen un nmero grande o infinito de elementos. En este caso es mejor usar una regla o descripcin antes que enumerar(*) sus elementos. Si los resultados posibles de un experimento son el conjunto de individuos en el mundo con ms de 1.60 m de estatura que asisten a una universidad, el espacio muestral se escribe as: S = {x|x es un terrcola con ms de 1.60 m de estatura que asiste a una universidad} (*) Como ocurre con los conjuntos.

EJEMPLO 2
Se tiene el siguiente experimento: suma de puntos obtenidos al lanzar dos dados. Si escribimos el espacio muestral como: = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} los puntos muestrales no son equiprobables. Para que el espacio muestral tenga los puntos equiprobables, es necesario escribirlo como: = {(1, 1),(1, 2), (2, 1),(1, 3), (2, 2), (3, 1),(1, 4), (2, 3), (3, 2), (4, 1),(1, 5), (2, 4), (3, 3), (4, 2), (5, 1),(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1),(2, 6), (3, 5), (4, 4), (5, 3), (6, 2),(3, 6), (4, 5), (5, 4), (6, 3),(4, 6), (5, 5), (6, 4),(5, 6), (6, 5),(6, 6)} En clase hay 50 alumnos. Se hace un examen y se observa cuantos alumnos aprueban. Obsrvese que: 8 es un punto muestral si el examen es aprobado por 8 alumnos. Si ningn alumno aprueba el examen, el punto muestral correspondiente es cero. El espacio muestral en este caso es el conjunto: S={ 0,1,2,,50}

Que es una tecnica de conteo? Una tecnica de conteo nos sirve para enumerar los elementos de un conjunto, teniendo especial cuidado en no olvidar contar algun elemento contarlo mas de una vez. * contar cajas

DIAGRAMA DE ARBOL. Un diagrama de rbol es una representacin grfica de un experimento que consta de r pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo.

Si contamos todas las ramas terminales, nos damos cuenta que el nmero de clasificaciones son 2 x 4 x 3 = 24 mismas que podemos enumerar; MAN, MAA, MAB, MBN, MBA, MBB, etc, etc.

1) Dos equipos denominados A y B se disputan la final de un partido de baloncesto, aquel equipo que gane dos juegos seguidos o complete un total de tres juegos ganados ser el que gane el torneo. Mediante un diagrama de rbol diga de cuantas maneras puede ser ganado este torneo,

Solucin:

A = gana el equipo A B = gana el equipo B

En este diagrama se muestran que hay solo diez maneras de que se gane el torneo, que se obtienen contando las ramas terminales de este diagrama de rbol, las que es posible enumerar; AA, ABB, ABAA, ABABA, ABABB, etc, etc.

2) Un hombre tiene tiempo de jugar ruleta cinco veces como mximo, l empieza a jugar con un dlar, apuesta cada vez un dlar y puede ganar o perder en cada juego un dlar, l se va a retirar de jugar si pierde todo su dinero, si gana tres dlares (esto es si completa un total de cuatro dlares) o si completa los cinco juegos, mediante un diagrama de rbol, diga cuntas maneras hay de que se efectu el juego de este hombre. Solucin:

Si contamos las ramas terminales nos daremos cuenta que hay 11 maneras de que este hombre lleve a cabo sus apuestas, en este diagrama se han representado los cinco juegos o apuestas que este hombre tiene tiempo de jugar.
PRINCIPIO DE MULTIPLICACION Definicin.- Si un suceso Pl ocurre de n1 maneras diferentes y otro suceso P2 ocurre de n2 maneras diferentes entonces el suceso Pl Y P2 ocurren de n1 por n2 maneras diferentes. Esto se conoce como principio de multiplicacin o principio fundamental de] anlisis combinatorio. Problema 1.- Juan el alumno ms inteligente del saln se saca un premio al final del ao, el premio consiste en vacaciones todo pagado a cualquiera de 3 posibles lugares que le gustaria ir, usando cualquiera de los 2 medios de transporte disponibles, y acompaado de uno de los 3 familiares que lo pueden acompaar, cuantas posibilidades diferentes se le presentan a Juan ? LUGARES Cancn Acapulco Vallarta n= 3 MEDIOS avin auto n= 2 FAMILIARES hermano mam papa n= 3

P.M.=> 3*2*3 = 18

DIAGRAMA DE ARBOL
Mam Avin Cancn pap (Cancn, avin, mam) (Cancn, avin, pap) (Cancn, avin, hermano)

hermano Mama Auto pap

(Cancn, auto, mam) (Cancn, auto, pap) (Cancn, auto, hermano)

Hermano

---Mam Avin pap (Acapulco, avin, mam) (Acapulco, avin, pap)

Acapulco

hermano Mam

(Acapulco, avin, hermano)

(Acapulco, auto, mam) (Acapulco, auto, pap ) (Acapulco, auto, hermano)

Auto

papa

Hermano

---Mam Avin vallarta pap (Vallarta, avin, mam) (Vallarta, avin, pap) (vallarta, avin, hermano

hermano mam

(vallarta, auto, mam) (vallarta, auto, pap ) (vallarta, auto, hermano)

auto

pap

hermano

NOTA INTERESANTE: Si se quiere saber CUANTOS = usar el Principio de Multiplicacin Si se quiere saber CUALES = construir el Diagrama de Arbol Recordar que para simbolizar conjuntos, si el conjunto esta dado por extensin ejemplo vocales {a,e,i,o,u} se usan sus elementos, pero si el conjunto esta dado por comprensin puedes usar subindices y primera letra, ejemplo: Hombres del Saln x Problema 2.- Carmen alumna del saln quiere ir al baile de graduacin, para dicha fiesta ella puede usar uno cualquiera de sus 4 vestidos, uno cualquiera de sus 3 pares de zapatos y una de sus 2 bolsas. Decuantas maneras diferentes puede asistir al baile y cuales son ellas? n1 =4 n2 = 3 n3 =2 **P.M.=4*3*2= 24** Problema 3.- Ya en el baile Carmen se junta con sus amigas Maria, Ana y Josefina cada una de ellas puede bailar con cualquier de los 5 jovenes que estn disponibles en la fiesta, cuantas parejas diferentes es posible formar y cuales son estas ? AMIGAS {Maria, Ana, Josefina, Carmen} n= 4 P.M. = 4*5 = 20

JOVENES {Jl, J2, J3, J4, J5} n= 5 RECORDAR QUE **CUALES** ES EL DIAGRAMA DE ARBOL Y DE TAREA CONSTRUIRLO A ESTE PROBLEMA. Problema 4.- Cuantos posibles telfonos hay en Tijuana
IER DIGITO 2,3 4,8 2DIGITO 0,1,2 3,4,5,6 3,4,5,6 7,8,9 n= 4 n= 10 7,8,9 n= 10 3DIGITO 4DIGITO 5DIGITO 6DIGITO

0,1,2,

0,1,2 3,4,5,6

0,1,2 0,1,2 3,4,5,6 3,4,5,6

7,8,9 n= 10

7,8,9 n= 10

7,8,9 n= 10

P.M. = 4* 10* 10* 10* 10* 10 = 400,000 posibles telfonos. Problema 5.- Cuantos posibles carros hay en Baja California
1digito 0,1,2 1,2,3 3,4,5,6 7,8,9 n= 10 n= 9 2digito 0,1,2 3digito 0,1,2 1letra 2letra n,r,c 3letra 4digito

3,4,5,6 7,8,9 n= 10

3,4,5,6 7,8,9 n= 10

n q,s n= 1

d,z,b 8,9 n= 8 n= 26

a...z

4,5,6,7

P.M. = 10* 10* 10* 1*8*26*9 = 1,872,000 posibles carros. Problema 6.- Cuantas palabras de 3 letras con y sin sentido se pueden formar usando las letras de la palabra Contabilidad. contabilidad contabilidad contabilidad n= 12 n= 12 n= 12 P.M. = 12* 12* 12 = 1,728

Permutaciones
Una permutacin es una combinacin en donde el orden es importante. La notacin para permutaciones es P(n,r) que es la cantidad de permutaciones de n elementos si solamente se seleccionan r. Ejemplo: Si nueve estudiantes toman un examen y todos obtienen diferente calificacin, cualquier alumno podra alcanzar la calificacin ms alta. La segunda calificacin ms alta podra ser obtenida por uno de los 8 restantes. La tercera calificacin podra ser obtenida por uno de los 7 restantes. La cantidad de permutaciones posibles sera: P(9,3) = 9*8*7 = 504 combinaciones posibles de las tres calificaciones ms altas.

Permutaciones sin repeticin de n elementos (de orden n), son los distintos grupos de n elementos distintos que se pueden hacer, de forma que dos grupos se diferencian nicamente en el orden de colocacin de los elementos. Se representa por Pn. Ejemplo. Si con los elementos del conjunto A={1,2,3,4} construimos las permutaciones sin repeticin de orden cuatro: tenemos que formar grupos de cuatro elementos. los grupos (1,2,3,4) y (3,1,4,2) son distintos, aunque tienen los mismos elementos, estn colocados en distinto orden. el grupo (1,1,2,3) no es vlido porque tiene elementos repetidos.

Permutaciones con repeticin de n elementos en las que el primer elemento se repite n1 veces, el segundo se repite n2 veces ... y el ltimo se repite nkveces, son los distintos grupos de n elementos que se pueden hacer de forma que en cada grupo, cada elemento aparezca el nmero de veces indicado y que dos grupos se diferencian nicamente en el orden de colocacin de los elementos. Se representa por PRnn1,n2,...,nk. Ejemplo. Si construimos las permutaciones sin repeticin de cinco elementos en las que el nmero 1 se repite dos veces y el nmero 2 se repite tres veces: tenemos que formar grupos de cinco elementos utilizando exactamente dos veces el 1 y tres veces el 2.

Combinaciones DEFINICIN: Dados n elementos, el nmero de conjuntos que se pueden formar con ellos, tomados de r en r, se llaman combinaciones. Por ejemplo, sean cuatro elementos . Los conjunt { } a,b,c,d os, tomados de tres en tres, que se pueden Formar con esos cuatro elementos son: {a,b,c}, , y {a,b,d} {a,c,d} {b,c,d} es decir, en total hay 4 conjuntos diferentes formados con tres elementos. Se dice entonces que existen 4 combinaciones posibles. Es importante notar la diferencia que existe entre una permutacin y una combinacin. En la permutacin lo que importa es el lugar que ocupa cada elemento, mientras que en la combinacin no, sino solamente "los integrantes" del conjunto. Hay que recordar que en un conjunto no importa el orden de los elementos. Por ejemplo, los siguientes conjuntos son iguales por tener los mismos elementos, aunque sehayan escrito en diferente orden: {b,c,d c,b,d }= { }
Tambin 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 repeticin: como nmeros de lotera (2,14,15,27,30,33)

1. Combinaciones con repeticin

En realidad son las ms difciles de explicar, as que las dejamos para luego.

2. Combinaciones sin repeticin

As funciona la lotera. Los nmeros se eligen de uno en uno, y si tienes los nmeros de la suerte (da igual el orden) entonces has ganado! La manera ms fcil de explicarlo es:

imaginemos que el orden s importa (permutaciones), despus lo cambiamos para que el orden no importe. Volviendo a las bolas de billar, digamos que queremos saber qu 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. Ejemplo 1 Digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades son: El orden importa 1 1 2 2 3 3 2 3 1 3 1 2 3 2 3 1 2 1 El orden no importa

123

As que las permutaciones son 6 veces ms posibilidades. De hecho hay una manera fcil de saber de cuntas 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 t mismo!) As que slo tenemos que ajustar nuestra frmula de permutaciones para reducir por las maneras de ordenar los objetos elegidos (porque no nos interesa ordenarlos):

Esta frmula es tan importante que normalmente se la escribe con grandes parntesis, as:

donde n es el nmero de cosas que puedes elegir, y eliges r de ellas (No se puede repetir, el orden no importa)

Y se la llama "coeficiente binomial".

Ejemplo 2
1. En una clase de 35 alumnos se quiere elegir un comit formado por tres
alumnos. Cuntos comits diferentes se pueden formar?

No entran todos los elementos.

No importa el orden: Juan, Ana.

No se repiten los elementos.

Ejemplo 3

2. De cuntas formas pueden mezclarse los siete colores del arco iris
tomndolos de tres en tres?

No entran todos los elementos.

No importa el orden.

No se repiten los elementos.

LA PROBABILIDAD CONDICIONAL

ES UNA MEDIDA QUE ESTABLECE UNA CPRRESPONDENCIA ENTRE LOS EVENTOS Y LOS NUMEROS REALES POSITIVOS.

Probabilidad condicionada es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro evento B. La probabilidad condicional se escribe PARA P(A|B), y se lee la QUE probabilidad de A dado B.

SIRVE

La denominada Probabilidad Condicional justamente sirve para calcular los chances de ocurrencia de un evento D2 dada la ocurrencia de un evento D1, teniendo en cuenta si los eventos en cuestin son dependientes o independientes entre s, y generalmente este tipo de probabilidad se expresa mediante la frmula P(D2\D1) en la que se usa el smbolo matemtico back slash (\) para separar los eventos analizados, expresin que se lee como la probabilidad de ocurrencia de D2 dada la ocurrencia de D1.

Ejemplo 1: Una persona lanza una moneda 3 veces, Cul es la probabilidad de obtener 3 guilas dado que sali por lo menos un guila? Solucin: El espacio muestra del experimento de lanzar una moneda 3 veces es S = {aaa, aas, asa, ass, saa, sas, ssa, sss} El evento A de que por lo menos hay un guila en los tres lanzamientos es: A = {aaa, aas, asa, ass, saa, sas, ssa} El evento B de que obtenga 3 guilas es B = {aaa} Por lo tanto, A B ={aaa} y

De donde Ntese que es la probabilidad de una ocurrencia en las siete que son posibles en A; es decir, calcular la probabilidad condicional de B dado A es como calcular la probabilidad de B con relacin al conjunto A, como si ste fuera un nuevo espacio muestra S* = A.

Proposicin 3.5: Para dos eventos A y B cualesquiera del espacio muestra S,

Demostracin: Para cualquier evento B,

Como los eventos (B A) y (B AC) son mutuamente exclusivos y su unin es B, entonces por el axioma 3, tenemos: [3.3]

Despejando P(A B) de la definicin de probabilidad condicional, tenemos P(A B) = P(A) P(B/A) y P(AC B) = P(AC) P (B/AC) Sustituyendo en [3.3] se tiene P(B) = P(A) P(B/A) + P(AC) P (B/AC). Obsrvese que en un diagrama de rbol si se multiplica

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

PROBABILIDAD INDEOENDIENTEEventos Independientes Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos). Un caso tpico de eventos independiente es el muestreo con reposicin, es decir, una vez tomada la muestra se regresa de nuevo a la poblacin 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 definicin, A es independiente de B si y slo si:A y B, son independientes si la ocurrencia de uno no tiene que ver con la ocurrencia de otro. Por definicin, A es independiente de B si y slo si:A es independiente de B si y slo si: (PnA)=P(A)P(B)

Ejemplo 30: En una escuela el 20% de los alumnos tiene problemas visuales, el 8% tiene problemas auditivos y el 4% tienen tanto problemas visuales como auditivos, Sean: V los que tienen problemas visuales y VC los que no lo tienen. A los que tienen problemas auditivos y AC los que no los tienen. a. Son los dos eventos de tener problemas visuales y auditivos, eventos independientes? b. Cul es la probabilidad de que un nio tenga problemas auditivos si sabemos que tiene problemas visuales? c. Complete la siguiente tabla d.
V VC Total

A AC Total

0.04

0.08

0.20

1.00

e. Cul es la probabilidad de que un nio no tenga problemas auditivos si tiene problemas visuales? Solucin: a. P(V)P(A) = (0.2)(0.08) = 0.016 y P(V A) = 0.04. Como P(V A) P(V)P(A), se concluye que V y A no son independientes. b. c. Por diferencias podemos completar la tabla, ya que P(VC) = 1 0.20 = 0.80 y P(AC) = 1 0.08 = 0.92, por lo tanto d.
V A AC Total 0.04 0.16 0.20 VC 0.04 0.76 0.80 Total 0.08 0.92 1.00

e.

Miguel ngel Cruz Miranda.. G:5 Procesos Industriales. ESTADISTICA