Beruflich Dokumente
Kultur Dokumente
coherencia y divergencia para que cualquier persona que lo lea, sepa entender, e interpretar lo que
est leyendo.
OBJETIVO: Comprender los conceptos bsicos de la probabilidad y los diferentes temas que la
componen
TEMARIO:
Teorema de Bayes
PROBABILIDAD:
CONCEPTOS
GENERALES,
EXPERIMENTOS,
ESPACIO
Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. Calcular:
1. el espacio muestral.
E = {(b, b, b); (b, b, n); (b, n, b); (n, b, b); (b, n, n); (n, b, n); (n, n, b); (n, n, n)}
TECNICAS DE CONTEO:
Cuando el nmero de posibles resultados de un experimento es finito, su espacio muestral es
finito y su cardinal es un nmero natural (Fundamentos de La probabilidad: Tecnicas de Conteo,
2011, pg. 1)
Las tcnicas de conteo facilitan manejar cantidades muy grandes de resultados para un
experimento es decir nos permite obtener la cantidad de resultados que saldrn del experimento.
El principio es el siguiente:
Sea un experimento con S etapas distintas, donde cada una de ellas puede hacerse en (n) maneras
distintas por lo tanto el experimento ser:
Ejemplo: Las formas de hacer un viaje a un sitio determinado al cual viajan 3 empresas de buses,
el tren y 4 compaas de aviacin son por lo tanto 3 + 1 + 4 = 8 maneras diferentes para realizar
el viaje. (Henry Mendoza Rivera, Gloria Baustista M, 2001, pg. 11 cap. 2)
Permutaciones:
Se llaman permutaciones de (n) objetos a las diferentes maneras en que se pueden ordenar esos
(n) objetos; todas las permutaciones constan de los mismos (n) elementos, pero se consideran
diferentes, por el orden en que se colocan stos. Notacin: Pn (Fundamentos de La probabilidad:
Tecnicas de Conteo, 2011, pg. 7)
Para calcular el nmero de permutaciones que se pueden formar con los n objetos, se hacen las
siguientes consideraciones: la eleccin del primer objeto se puede hacer de n maneras diferentes;
la eleccin del segundo objeto se puede hacer de (n - 1) maneras diferentes,..., y la eleccin del
ensimo objeto slo se puede hacer de una manera. Ahora, invocando el principio fundamental
del conteo se tiene: Pn = n(n-1) (n-2) que nos conduce a la definicin de factorial:
Pn = n!
4. Ejemplo: Si en el librero de tu casa hay 15 diferentes libros, 6 de los cuales son de
matemticas, 4 son de qumica y 5 son de fsica, a) De cuntas maneras diferentes
puedes acomodarlos en el librero? Pn= 15! = 1.307.674.368.000 Maneras de acomodar los
libros
b) De cuntas maneras diferentes puedes acomodarlos en tu librero, si los d cada materia deben
quedar juntos? El considerar que los libros de cada materia deben quedar juntos implica
distinguirlas 3 materias como 3 objetos que se pueden permutar: el primer objeto es el grupo de
6. Ejemplo: Como ejemplo del uso de la regla de conteo para combinaciones, considere un
procedimiento de control de calidad en el que un inspector selecciona al azar dos de cinco
piezas para probar que no tengan defectos. En un conjunto de cinco partes, cuntas
combinaciones de dos partes pueden seleccionarse? De acuerdo con la regla de conteo de
la ecuacin (4.1) es claro que con N =5 y n = 2 se tiene:
C= (5/2)= (5!)/ (2)! (5-2)!=120/12= 10 combinaciones posibles
RELACIN DE LA PROBABILIDAD CON LA TEORIA DE CONJUNTOS
La probabilidad requiere de una comunicacin exacta para la resolucin de los problemas
planteados, por ello el simple lenguaje verbal no es suficiente para la resolucin de dichos
problemas, para ello la probabilidad utiliza el lenguaje de la teora de conjuntos, la cual es
sencilla y permite llevar a cabo las operaciones probabilsticas (Larson, 1992, pg. 13)
La teora de conjuntos a su vez permite realizar operaciones con los diferentes eventos de los
espacios muestrales, esto quiere decir que los espacios muestrales para ser operados se deben
mostrarse como conjuntos al igual que eventos dentro del espacio muestral
Unin de Conjuntos (U)
Dado un Conjunto A Con (N) elementos y un conjunto B con (N1) elementos la unin entre
ambos juntos da como resultado un conjunto C el cual tiene los elementos de A y los elementos
de B. Se Expresa: AUB=C
Imagen 2. Unin de Conjuntos
Interseccin De Conjuntos ()
Dado un conjunto A con N elementos y un conjunto B con N1 elementos su interseccin ser un
nuevo conjunto C que tienen en comn los elementos de ambos conjuntos. Se expresa: AB=C
Imagen 3. Interseccin de Conjuntos
Hallar:
P (d) = 1
Generalizando:
Teoremas
TEOREMA 1. Si es un evento nulo o vaco, entonces la probabilidad de que ocurra debe ser
cero.
TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, P (Ac)= 1 P (A)
TEOREMA 3. Si un evento A B, entonces la p (A) p (B).
TEOREMA 4. La P (A \ B) = P (A) P (A B)
TEOREMA 5. Para dos eventos A y B, P (AB) = P (A) + P (B) P (AB)
REGLAS BSICAS DE PROBABILIDAD
EVENTOS INDEPENDIENTES: Se dice que dos sucesos son Independientes cuando su
resultado no influye entre los dos escenarios.
Ejemplo 2.
Cuando se sacan 2 cartas, una despus de la otra, de una baraja ordinaria, con reemplazo. Los
eventos se definen como:
a) La primera carta es una as.
b) La segunda carta es una espada.
Como la primera carta se reemplaza, nuestro espacio muestral para la primera y segunda cartas
consta de 52 cartas, que contienen a ases y 13 espadas.
Es decir, P (B/A)= P (B). Cuando esto es cierto, se dice que los eventos A y B
son
independientes.
PROBABILIDAD CONJUNTA
Probabilidad Marginal:
Es el comportamiento de una variable sin considerar otro escenario.
Permite obtener probabilidades totales
Son casos favores por casos posibles
Sea (x, y) un vector aleatoria discreto con funcin de probabilidad f (x, y)
PROBABILIDAD CONDICIONAL:
Se denomina que ocurra un evento A cuando ya ocurri el evento B y se denota P (B/A).
Por lo que general se lee como probabilidad de que ocurra B, dado que ocurri A, o simplemente
la probabilidad de B, dado A.
b)
CONCLUSIONES
Se puede concluir que las frmulas dadas para cada caso, concepto, teora, o teorema son
aplicadas no solo en entornos de estudio, sino de trabajo y en la vida cotidiana.
Este trabajo no solo permite hacer una investigacin exhaustiva, sino tener un libro para
cuando se quiera consultar rpidamente temas de probabilidad y estadstica.
BIBLIOGRAFA
Alfaro, I. P. (2013). Universidad Nacional Autonoma De Mexico. Recuperado el 7 de Abril de
2014, de Universidad Nacional Autonoma De Mexico:
www.dcb.unam.mx/profesores/irene/Notas/Tema_2-1_pantcompl.pdf
Anderson, S. W. (2008). Estadistica Para Administracion y Economia (10 ed., Vol. 1). Reino
Unido, Londres, Inglaterra: Cengate Learning.
Anonimo. (8 de Agosto de 2011). Universidad Nacional Autonoma De Mexico. Recuperado el 7
de Abril de 2014, de Universidad Nacional Autonoma De Mexico:
www.dcb.unam.mx/users/gustavorb/Probabilidad/PE13.pdf
Henry Mendoza Rivera, Gloria Baustista M. (5 de Junio de 2001). Direccion Nacional de
Innovacion Academica. (Universidad Nacional De Colombia Sede Bogot) Recuperado el
7 de Abril de 2014, de Probabilidad y Estadistica:
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/cont_211_53.html
Larson, H. J. (1992). Introduccin a la teora de probabilidades e inferencia estadstica (Octava
Edicin ed., Vol. 1). (G. N. Editores, Ed., & S. F. Everest, Trad.) Mexico: Limusa.
ANEXOS:
39
65
1521
2535
43
75
1849
3225
21
52
441
1092
64
82
4096
5248
57
92
3249
5244
43
80
1849
3440
38
73
1444
2774
75
98
5625
7350
34
56
1156
1094
10
52
75
2704
3900
466
100
80
60
Series1
40
Lineal (Series1)
20
0
0
20
40
60
80
Regresin Logartmica
100
y = 36,391ln(x) - 62,993
R = 0,8219
80
60
Series1
40
Logartmica (Series1)
20
0
0
20
40
Ttulo del eje
60
80
Regresin Polinmica
100
80
60
Series1
40
Polinmica (Series1)
20
0
0
20
40
Ttulo del eje
60
80