TALLER NO.

RUBN DARO GARCA MOLINA

UNIVERSIDAD INDUSTRIAL DE SANTANDER FACULTAD FISICOQUIMICAS INGENIERIA DE PETROLEOS PROBABILIDAD BUCARAMANGA

1 1.1

Conceptualizar: Tcnicas de conteo: Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de cuantificar. Se les denomina tcnicas de conteo a: las combinaciones, permutaciones y diagrama de rbol, stas proporcionan la informacin de todas las maneras posibles en que ocurre un evento determinado. Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de cuantificar.

1.2

Principio Multiplicativo o Regla M-N: Si los eventos A y B pueden ocurrir de m y n maneras distintas respectivamente, entonces el total de maneras distintas en que ambos eventos pueden ocurrir en el orden indicado es m x n. 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. Ejemplo: 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). Las blusas de 4 (B = 4). Entonces: Z x P x B = 2 x 3 x 4 = 24 Existen 24 posibilidades de combinar las prendas.

1.3

Principio Aditivo: 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 Una biblioteca tiene 40 libros de historia y 50 de filosofa. Si un estudiante quiere aprender acerca de alguno de estos dos temas, por la regla de la suma puede elegir entre 40 + 50 = 90 libros. (Nota: el estudiante no quiere estudiar historia y filosofa, sino historia o filosofa.) La regla puede ampliarse a ms de dos tareas, siempre que ningn par de ellas pueda ocurrir simultneamente.

1.4

Permutacin: Una permutacin de un conjunto de elementos, es un ordenamiento especfico de todos o algunos elementos del conjunto, facilita el recuento de las ordenaciones diferentes que pueden hacerse con los elementos del conjunto. Nota: En una permutacin el orden en que se disponen los elementos del conjunto es importante. Permutaciones de n elementos Por el principio fundamental del conteo podemos enunciar que el nmero de permutaciones de n objetos distintos tomados de n en n, es: nPn =n! Se quiere conocer el conjunto de todas las disposiciones posibles de tres personas colocadas en hilera para tomar una fotografa. 3P3 = 3! = 6

Cinco personas desean nombrar un Comit Directivo compuesto de un presidente, un vicepresidente, un secretario, un tesorero y un vocal. Cuntas maneras hay de constituir el comit? 5P5 = 5! = 120 Hay seis banderas de distintos colores. Cuntas seales diferentes se pueden enviar usando las seis banderas al mismo tiempo? 6P6 =6!=720 Permutaciones de n elementos en diferentes grupos de r elementos. Podemos calcular el nmero de permutaciones nPr, de n elementos, tomados en grupos o subconjuntos de r elementos.

Si de un estante tomamos 2 de 3 libros Cuntas permutaciones pueden realizarse?

Permutaciones donde no todos los elementos son diferentes. Si los elementos de un conjunto no son todos diferentes entre s, es decir, algunos de los elementos son idnticos, la frmula de las permutaciones presenta un nuevo aspecto.

El nmero de permutaciones que se pueden formar en el caso de n elementos, cuando hay n1 elementos idnticos, n2 elementos de otro tipo idnticos, etctera, es:

Cuntas palabras diferentes de cuatro letras pueden formarse con las letras LULU?

S = {LLUU, LULU, UULL, ULUL, LUUL, ULLU} Permutaciones Circulares: Cuando los elementos se encuentran dispuestos en forma circular tenemos: n Pc = (n 1)! De cuntas maneras podemos ordenar 5 llaves en un llavero? 5 Pc = (5 1)! = 4! = 24 1.5 Combinaciones: Una combinacin es cualquier seleccin de objetos en la que no importa el orden, a diferencia de una permutacin, donde el orden si es importante. Por ejemplo, ABC, ACB y BAC son permutaciones distintas; mientras que, por contener los mismos elementos, se pueden considerar como una misma combinacin. Por lo tanto, hay ms permutaciones que combinaciones de un nmero n de objetos, tomados de tamao r en r. Las combinaciones de n objetos, tomados en r en r, se representa por C(n,r) o Cn,r y se obtiene mediante las operaciones: , nCr,

= nCr = C(n,r) = Cn,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}

= 5C2 = C(5,2) = C5,2 =

= 10

Los 10 subconjuntos de 2 elementos son: ae, ai, ao, au, ei, eo, eu, io, iu, ou. Ejemplo Cuntos subconjuntos de 6, 8 y 10 elementos tiene el conjunto Q? Q = {a, b, c, d, e, f, g, h, i, j, k, l, m, n, o} Solucin: Para 6 elementos: = 15C6 = Para 8 elementos: = 15C8 = Para 10 elementos: = 15C10 = 1.6 Diagramas de rbol: Los diagramas de rbol son ordenaciones empleadas para enumerar todas las posibilidades lgicas de una secuencia de eventos, donde cada evento puede ocurrir en un nmero finito. Proporcionan un mtodo sistemtico de enumeracin objetiva de los resultados. = = 3003 subconjuntos. = = 6435 subconjuntos. = = 5005 subconjuntos.

Ejemplo: Se tienen en un estante 3 libros uno de lgebra, otro de Contabilidad y otro de Biologa. De cuntas formas distintas se pueden ordenar los libros?

1.7

Operaciones bsicas con eventos aleatorios: Ya que los eventos son subconjuntos del espacio muestral S, se pueden aplicar las conocidas operaciones con conjuntos, a los eventos, como son la unin, la interseccin y la diferencia de eventos. Operacin Unin Interseccin Complemento Expresin AUB AB AC = S - A Descripcin Unin de eventos originales: es el evento que sucede si y solo si A sucede o B sucede o ambos suceden Interseccin de los eventos originales, es el evento que sucede si y slo si A y B suceden simultneamente. El complemento de un conjunto son todos aquellos elementos de S que no pertenecen al conjunto A.

Unin (A U B) El evento formado por todos los elementos de A y todos los elementos de B. La probabilidad de la unin de dos eventos es igual a la suma de las probabilidades individuales de los dos eventos que se unen, menos la probabilidad del suceso interseccin. Ejemplo: Al lanzar un dado al aire y analizar los siguientes dos eventos. Evento A: que salga nmero par. Evento B: que salga nmero impar. {6}. La unin se forma por los puntos muestrales {1}, {2}, {3}, {4}, {5} y

Cuya probabilidad es P(A) = 3 / 6 = 0.50 P(B) = 3 / 6 = 0.50 P (A U B) = 0 / 6 = 0.00 Por lo tanto (A U B) = (0.50 + 0.50) 0.00 = 1.00

Interseccin (A B) Es el evento formado por todos los elementos que son, a la vez, de A y de B. Es aquel evento compuesto por los elementos comunes de los dos o ms sucesos que se intersectan. La probabilidad ser igual a la probabilidad de los elementos

comunes. Ejemplo: Al lanzar un dado al aire y analizar los siguientes dos eventos. Evento A: que salga nmero par. Evento B: que sea mayor que 3. La interseccin de estos dos eventos tiene los puntos muestrales {4} y {6}. Su probabilidad ser por tanto P(A B) = 2 / 6 = 0.33

Complemento (AC) La probabilidad de un suceso complementario (A) es igual a 1 - P(A). Ejemplo: Si se lanza un dado al aire y se analiza el evento que salga un nmero impar su complementario, suceso (AC), es que obtengamos un nmero par. De esta manera, la probabilidad de cada suceso es: P(A) = 3 / 6 = 0.50 AC= 1 - P(A) = 1 0.50 = 0.50 La unin de dos eventos complementarios es igual a 1.

1.8

Eventos mutuamente excluyentes y eventos no excluyentes: Dos o ms eventos son mutumente excluyentes o disjuntos, si no pueden ocurrir simultnemente. Es decir, l ocurrenci de un evento impide utomticmente l ocurrenci del otro evento (o eventos). Ejemplo: Al lnzr un moned solo puede ocurrir que slg cr o sello pero no los dos l vez, esto quiere decir que estos eventos son excluyentes. Dos o ms eventos son no excluyentes, o conjuntos, cundo es posible que ocurrn mbos. Esto no indic que necesrimente debn ocurrir estos eventos en form simultne.

1.9

Evento simple, siendo aquel que tiene un solo punto muestral.

1.10 Evento compuesto, siendo aquel que tiene dos o ms puntos muestrales. Donde el punto muestral es cada uno de los resultados posibles de un experimento aleatorio. Representndose al nmero de puntos muestrales por #S. Ejemplo: El lanzamiento de una moneda. Evento simple: A: que salgan tres sellos. A = {(S,S,S)} #A = 1 Evento compuesto: B: Que salgan al menos dos sellos.

B = {(S,S,S), (S,S,A), (S,A,S), (A,S,S)} #B = 4 1.11 Probabilidad de un evento compuesto Se llmn eventos compuestos los que se formn combinndo vrios eventos simples. Ejemplo: Al tirar un dado cual es la probabilidad de obtener un nmero par o un nmero mayor que 4. espacio muestral-1,2,3,4,5,6 P=3/6 Pb=2/6 Pc= 3/6+2/6 1.12 Probabilidad del Complemento de un Suceso Probabilidad del Complemento de un Suceso: Si P(A) es la probabilidad de que ocurra un evento A, entonces la probabilidad de que NO ocurra A es P(A' ) = 1 - P(A) Ejemplo: Probabilidad de A: sacar un trbol, al extraer una carta de un naipe de 52 cartas: P(A) = 13/52 = P( A' ) = Probabilidad de no sacar un trbol = 1 - P(A) = 1 - 13/52 = 1 - 1/4 = 1.13 Espacios finitos de probabilidad. Sea d el espacio muestral, que contiene n elementos {a1, a2, a3,.....,an}, si a cada uno de los elementos de d le asignamos una probabilidad pi 0, entonces estamos transformando este espacio muestral en un espacio finito de probabilidad; el que debe cumplir con las siguientes caractersticas:

Las probabilidades asociadas a cada uno de los elementos de d deben ser mayores o iguales a cero, pi0. La sumatoria de las probabilidades asociadas a cada uno de los elementos de d debe de ser igual a 1. Spi = 1 En caso de que no se cumpla con las caractersticas antes mencionadas, entonces no se trata de un espacio finito de probabilidad. 1.14 Probabilidad condicional La probabilidad de que un evento ocurra cuando se sabe que ya ocurrio un

evento se llama probabilidad condicional y se denota por que por lo general se lee como probabilidad de que "ocurra B dado que ocurri A". Esta probabilidad se define como:

1.15 Eventos independientes Cuando A y B son dos eventos con probabilidades positivas, hemos visto que en general la probabilidad condicional del evento B dado el evento A es diferente de la probabilidad del evento B. Sin embargo, cuando se tiene la igualdad: P(B/A) = P(B) es de especial importancia porque esto quiere decir que el evento B no depende o es independiente del evento A. Es decir, no importa si ocurri o no el evento A puesto que la ocurrencia o no de A no afecta al evento B. 1.16 Eventos dependientes

Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso, empleamos entonces, el concepto de probabilidad condicional para denominar la probabilidad del evento relacionado. La expresin P(AB) indica la probabilidad de ocurrencia del evento A s el evento B ya ocurri. Se debe tener claro que AB no es una fraccin. P(AB) = P(A y B)/P(B) o P(BA) = P(A y B)/P(A) 1.17 Independencia (probabilidad) En teora de probabilidades, se dice que dos sucesos aleatorios son independientes entre s cuando la probabilidad de cada uno de ellos no est influida porque el otro suceso ocurra o no, es decir, cuando ambos sucesos no estn relacionados. Definicin formal Dos sucesos son independientes si la probabilidad de que ocurran ambos simultneamente es igual al producto de las probabilidades de que ocurra cada uno de ellos, es decir, si

Propiedades La independencia de sucesos es algo muy importante para la estadstica y es condicin necesaria en multitud de teoremas. Por ejemplo, una de las primeras propiedades que se deriva de la definicin de sucesos independientes es que si dos sucesos son independientes entre s, la probabilidad de la interseccin es igual al producto de las probabilidades.

1.18 Probabilidad de la interseccin de sucesos dependientes p(A B) = p(A) p(B/A) 1.19 Teorema de Bayes: Mediante el teorema de Bayes podemos calcular la probabilidad de que ocurra un determinado evento, cuando no tenemos datos inmediatos del mismo mediante la informacin que tenemos de otros eventos. Cuando existen dos eventos posibles A y B, la probabilidad de que ocurra Z se describe mediante el teorem de probbilidd totl el cual es:

P( Z ) P A PZ APB PZ B
Mediante el teorema anterior se deduce el teorema de Bayes:

P A Z

P A PZ A P A PZ APB PZ B

Ejemplo 9: En cierta universidad 20% de los hombres y 1% de las mujeres miden ms de 1.80m de altura. Asimismo 40% de los estudiantes son mujeres. Si se selecciona un estudiante al azar y se observa que mide ms de 1.80m Cual es la probabilidad de que sea mujer?

Z > 1.80 m A = Hombre B = Mujer P (A) = .60 P (B) = .40 P (Z/A) = .20 P (Z/B) = .01

HOMBRE .80

MUJER .99

< 1.80 > 1.80

.20

.01

=Z

Para encontrar la probabilidad de que sea mujer dado que mide ms de 1.80, Utilizando el teorema de Bayes:

P B Z

PB PZ B P A PZ APB PZ B

P(B/Z) = (.4 x .01)/ (.6 x .20 +.4 x .01) = .032. Podemos visualizar P(B/Z) en el siguiente diagrama:

Hombre

Mujer

Z > .80

P(A/Z)

P(B/Z) = .032

Por lo tanto la probabilidad de que sea mujer dado que mide ms de 1.80 es .032 = 3.2 % 2 2.1 Desarrollar los siguientes problemas: Problema 1: 5P5 = 5*4*3*2*1 = 5! = 120 Rta/: de 120 diferentes maneras es posible ordenar los cinco hombres. 2.2 Problema 2: 8P(4,3,1) = 8!/(4!*3!*18P(4,3,1) = 8!/(4!*3!) /: hay 80 diferentes seales. P!) = 280 Rta/: hay 280 diferentes seales. 2.3 Problema 3: con sustitucin: 52*52*52= 140608

Rta/:se pueden escoger tres cartas sucesivas de 14068 maneras. sin sustitucin: 52*51*50= 132600 Rta/:se pueden escoger tres cartas sucesivas de 132600 maneras.

2.4

Problema 4: 11P11 = 11!= 11*10*9*8*7*6*5*4*3*2*1 = 39916800 Rta/: se pueden realizar 132600 permutaciones con la palabra estadstica

2.5

Problema 5:

Rta/: hay 700 formas de conformar el grupo de trabajo 2.6 Problema 6: Letra-letra- #-## hay 24 letras y 10 nmeros pero nos piden que el primer numero no este el cero entonces para ese primer digito tomamos solo 9 nmeros 24*24*9*10*10=518400 Rta/: se pueden realizar 518400 placas. 2.7 Problema 7: (M M M M M) (F F F) (Q Q Q Q Q Q Q) Matemticas 5, P5= 5! Fsica 3, P3=3! Qumica 7, P7=7! P3=3!, por que son tres grupos individuales, entonces: P5*P3*P7*P3= 5!*3!*7!*3!= 21772800 Rta/: serian posibles 21772800 diferentes arreglos. 2.8 Problema 8: Hay 4 destinos y 3 formas de viajar entonces: 4*3=12 Rta/: hay 12 planes que puede ofrecer la agencia 2.9 Problema 9:

Como necesitamos que sea mltiplo de 5 entonces 5 siempre estar al final, y nos quedan 4 nmeros pero estos no se pueden repetir, entonces: __-__-__-__- 5 4*3*2*1=4!=24 Rta/: se pueden realizar 24 nmeros de 5 cifras que sean mltiplos de 5. 2.10 Problema 10: S={(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,2), (2,3), (2,4), (2,5), (2,6), (3,3), (3,4), (3,5), (3,6), (4,4), (4,5), (4,6), (5,5), (5,6), (6,6)} Total= 21 Evento A: La suma es 7. S={(1,6), (2,5), (3,4)} PA=3/21=1/7 Evento B: Ambos dados muestran nmeros impares. S={(1,1), (1,3), (1,5), (3,3), (3,5), (5,5)} PB=6/21=2/7 Evento C: Un dado muestra numero impar. S={(1,2), (1,4), (1,6), (2,3), (2,5), (3,4), (3,6), (4,5), (5,6)} PC=9/21 Eventos A B C A 1/7 2/7 7/21

AB 0/21

AUB 1/7 *2/7=3/7

B y C son mutuamente exclusivos ya que el grupo B no tiene coincidencias con el grupo C. 2.11 Problema 11: S={(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,2), (2,3), (2,4), (2,5), (2,6), (3,3), (3,4), (3,5), (3,6), (4,4), (4,5), (4,6), (5,5), (5,6), (6,6)} Total= 21 Que sean igual a 7: S={(1,6), (2,5), (3,4)} P=3/21=(1/7)*100=14,28% Que sean igual a 11: S={ (5,6)} P=1/21=(1/21)*100=4,76% Que sean igual a 11: S={ (5,6)} P=1/21=(1/21)*100=4,76% Que sean igual a 12: S={ (6,6)} P=1/21=(1/21)*100=4,76%

2.12 Problema 12: Problemas en las rodillas (A) 0,07 2.13 Problema 13: tabla de contingencia Aos Estudiantes 2do ao 3er ao Ultimo ano Totales Tabla de probabilidades: Aos Estudiantes 2do ao (D) 3er ao (E) Ultimo ao (F) Totales 16 A 0,229 0,045 0,010 0,285 17 B 0,076 0,219 0,076 0,372 18 C 0,035 0,117 0,188 0,341 Totales 0,341 0,382 0,275 1 16 17 18 Totales 45 9 2 56 15 43 15 73 7 23 37 67 67 75 54 196 Daos en el hombro (B) 0,03 AB 0,01

P(EB)=0,219 Rta/: La probabilidad que el estudiante sea de tercer ao de 17 aos de edad es de 21,9%. P(16)+P(18)=0,285+0,341=0,626 Rta/: La probabilidad que el estudiante de 16 o 18 aos de edad es de 62,6% P(DB)+ P(DC)= 0,076+0,035=0,111 Rta/: La probabilidad que el estudiante sea de segundo ao que sea de 17 o 18 aos de edad es de 11,1%. 2.14 Problema 14: 2.15 Problema 15: Sin reemplazamiento: P(ficha roja)=1/10=0,1 P(ficha roja)=1/9=0,111 P(ficha blanca)=1/8=0,125 P= P(ficha roja)+P(ficha roja)+P(ficha blanca) P=0,1+0,111+0,125=0,336*100=33,6% Rta/: la probabilidad de que las dos primeras fichas sean rojas y la tercera sea blanca es del 33,6%. 2.16 Problema 16: P1=1/12 P2=1/11 P3=1/10 P(estn buenos)= P1+P2+P3=(1/12)+(1/11)+(1/10)=0,274*100=27,4% Rta/: la probabilidad de tomar todos los artculos buenos es del 27,4%