PERMUTACIONES Y COMBINACIONES Una permutacin de objetos implica orden mientras que una combinacin no toma el orden de los objetos

considerados. Definicin: Dado un conjunto que contiene n elementos distintos X = {x1, x2, .... xn} a) Una permutacin de X es una ordenacin de los n elementos x1, x2, .... xn b) Una permutacinr ( r-permutacin) de X donde r subconjunto de r elementos de X. n, es una ordenacin de un

c) El numero de permutaciones-r de un subconjunto de n elementos distintos se denota P(n, r) d) Una combinacin-r (r-combinacin) es una seleccin no ordenada de r elementos de X, es decir, un subconjunto de r elementos de X. e) El numero de combinaciones-r de un conjunto de n elementos distintos y se denota C(n, r) bien .

Ejemplo: Sea X = {a, b, c} Algunas permutaciones de X son: abc, acb, bac Algunas permutaciones-2 de X son: ab, ba, ca Algunas combinaciones-2 de X son: {a, b}, {a, c}, {b, c} Teorema: El nmero de permutaciones-r de un conjunto de n objetos distintos es P(n, r) =(n)(n -1)(n - 2)...(n - r +1) La demostracin es directa aplicando la regla b) del producto. Por este teorema el nmero de permutaciones-2 de X = {a, b, c} es 6, las cuales son: ab, ac, ba, bc, ca, cb Tambin por este Teorema el nmero de permutaciones en un conjunto de n elementos es P(n, n) = (n)(n -1)(n - 2)...(3)(2)(1) = n! Observese que P(n, r)(n - r)! = n!, por lo que

La interpretacin ms aceptada del teorema de Bayes, es que su estructura permite el calculo de probabilidades despus de haber sido realizado un experimento (probabilidades aposteriori), basndose en el conocimiento de la ocurrencia de ciertos eventos que dependan del evento estudiado, o sea, se parte de probabilidades conocidas antes de efectuar el experimento (probabilidades apriori), las cuales son afectadas por las probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento). Continuando nuestro anlisis sobre el teorema de Bayes, la probabilidad condicional deAi dado B, para cualquier i, es:

Aplicando en el numerador la Regla de Multiplicacin P(AiB) = P(Ai) P(B|Ai) y en el denominador el Teorema de Probabilidad Total P(B) = P(A1) P(B | A1) + P(A2) P(B | A2) + . . . + P(An) P(B | An), obtenemos la ecuacin que representa al: Teorema de Bayes

mplo 3. 13. A un congreso asisten 100 personas, de las cuales 65 son hombres y 35 son mujeres. Se sabe que el 10% de los hombres y el 6% de las mujeres son especialistas en computacin. Si se selecciona al azar a un especialista en computacin Cul es la probabilidad de que sea mujer? Solucin Definamos los eventos: H: Sea un hombre M: Sea una mujer E: La persona sea especialista en computacin Tenemos que:

Por lo tanto:

Funcin de probabilidad condicionada Ejemplo Imaginemos que en la experiencia de tirar un dado regular supiramos de antemano que se ha obtenido un nmero par. Es decir, que se ha verificado el suceso: B = nmero par. Pregunta: Cul es ahora la probabilidad de que se verifique el suceso mayor o igual a cuatro? Lgicamente, el resultado sera : 2/3 . Por lo tanto, la probabilidad del suceso A = mayor o igual a cuatro se ha modificado. Evidentemente, ha pasado de ser 1/2 ( cuando no tenemos ninguna informacin previa) a ser 2/3 (cuando sabemos que se ha verificado el suceso B). Cmo podemos anotar esta ltima probabilidad (2/3)? Muy sencillo. Anotaremos P(A/B), que se lee como probabilidad de A condicionada a B. As, en este ejemplo, P(A/B) = 2/3 P(A) = 1/2 En trminos generales, estamos en condiciones de poder definir la probabilidad condicionada, y lo hacemos como:

Podemos ahora visualizar de una manera prctica y divertida el ejemplo anterior. Siguiendo con la notacin utilizada, el suceso A ser lo que denominamos suceso de obtencin, mientras que el suceso B ser lo que denominamos suceso condicionado. La pantalla nos proporcionar los casos posibles para el condicionante elegido y los casos favorables, calculando mediante la regla de Laplace la probabilidad del suceso. La probabilidad condicionada se comporta, entonces, como una funcin de probabilidad. Es decir, verifica los tres axiomas siguientes: Axioma 1:

Axioma 2:

Axioma 3:

para sucesos Ai con interseccin vaca dos a dos.