Historia de La Probabilidad

HISTORIA
DE LA PROBABILIDAD
La probabilidad es el estudio de experimentos aleatorios o libres de determinacin,

histricamente la teora de la probabilidad comenz con el estudio de los juegos de
azar tales como la ruleta y las cartas. La probabilidad se manifest en ciertas prcticas
similares a los seguros modernos, ya bien conocidos en la antigedad. El desarrollo de
la probabilidad se dio por el continuo aportamiento de conocimientos y estos fueron por
Sir Thomas Gresham con el objeto de restablecer el crdito ingles que haba cado,
estableci en 1552 restricciones tanto en el cambio y venta de monedas extranjeras en
Amberes, como en el comercio. No es sino hasta el renacimiento que el concepto de
probabilidad empieza a tomar una forma explcita. Durante los siglos 16 y 17 la mayor
parte de la aristocracia europea se dedicaba a los juegos de azar.
En siglo 16 los nobles italianos atrajeron la atencin de Galileo (1564-1642) hacia un
problema de dados. Esta es la primera noticia que se tiene de que un problema
relacionado con un fenmeno aleatorio haya sido resuelto con mtodos matemticos.
Este concepto fue manejado explcitamente por Huygens, quien en su tratado enuncia
catorce preposiciones para un juego de dados una caracterstica interesante del
desarrollo de la probabilidad en esta poca es el hecho de que comenz a ser cultivada
con una base ideolgica aparentemente distinta en Inglaterra y Holanda desde finales
del siglo 17 hasta mediados del siglo 18 se tuvo uno de los fenmenos ms fuertes en
la teora de las matemticas puras. Muchos de los avances fundamentales se deben a
Bernoulli en su obra Ars conjectandi le sigui Monmart y despus Moivre.
Sin embargo el que sintetiza todo es Laplace que en su clebre tratado teora analtica
de las probabilidades, define la probabilidad de un evento A como el nmero de casos
favorables para la ocurrencia de dicho evento entre el total de casos posibles de
experimentos en cuestin.
P(A)= numero de resultados favorables de A
Nmero total de resultados de experimentos
Desde la segunda mitad del siglo 19 hasta aproximadamente los primeros aos del
siglo 20 el desarrollo de la teora de la probabilidad est asociado en gran medida a los
matemticos Rusos, el papel jugado por la teora de la probabilidad en la ciencia
moderna a cobrado cada vez mayor importancia al grado de que por ejemplo, el uso de
la misma en los campos estudiados por ciencias como la gentica, qumica es
inevitable.
CAROLINA ANGUIANNO MARTINEZ
Diagrama de Venn Euler

Los conjuntos y sus operaciones pueden representarse por medio de Venn Euler
mediante la representacin de los elementos del conjunto en crculos y semicrculos.
U
Conjunto A
U
U= UNION
Conjunto A
A y B= A n B
U
A B
Elementos del conjunto A que
No estn en el conjunto B
U
A n B n C n=A y B y C
n= interseccin
A y B pero no C= A n B pero C no
U
A o C pero B no = A u C pero no B
A los elementos del universo que no

Ejemplo:
pertenecen al conjunto A.
1. De 120 estudiantes, 60 estudian francs, 50 estudian espaol, y 20 estudian

francs y espaol. Elabore un diagrama de Venn
U= 120
F=60
Fy
E= 50
E= 20
40
30
20
60-20= 40
30
50-20=30
120-90=30
F Y E = 20
2. Una muestra de 250 votantes revelo la siguiente informacin concerniente a 3

candidatos de cierto partido. 28 votaron a favor de cierto de Y y de X pero no de
Z, 14 votaron a favor de X y Z pero no de Y, 64 votaron a favor de Z pero no de
X o Y, 42 votaron a favor de Y pero no de X o Z, 16 votaron a favor de Y y Z pero
no de X, 56 votaron a favor de X pero no de Y o Z.
Determine:
a) Diagrama de ven
b) Cuntas personas votaron por los 3 candidatos? 30
c) Cuntas personas votaron por x o y pero no x y z? 126
d) Cuntas personas votaron por dos de los candidatos? 58
U
42
56
250-220= 30 interseccin
56+28+42=126 X u Y pero no Z
14
30
16
28+14+16= 58 interseccin de 2 conjuntos
3. En una investigacin que se realizo con el afn de conocer que peridicos

acostumbraban leer las personas se entrevista a 1000 personas con los
siguientes resultados:
450 compran Exclsior
310 compran novedades
380 compran universal
210 personas compran Exclsior y novedades
120 compran universal y novedades
60 compran Exclsior y universal
35 compran los tres peridicos
Determine:
a) El diagrama de Ven
b) Cuntas personas no compran estos peridicos? 215
c) Cuntas personas compran solo universal? 235
d) Cuntas personas compran Exclsior? 215
e) Cuntas personas compran Exclsior y novedades? 210
f) Cuntas personas compran solamente Exclsior y novedades? 175
g) Cuntas personas compran Exclsior o universal pero no novedades? 475
U=1000
b) 1000- 785= 215
15
215
c) 235
175
25
35
d) 215
85
e) 175+35= 210
f) 175
235
215
g) 475
4. Una encuesta realizada a 500 estudiantes de las siguientes asignaturas algebra,

fsica y estadsticas durante 1 semestre revelo la siguiente informacin:
329 estudiaban algebra

186 fsicas
295 estudiaban estadstica
83 estudiaban algebra y fsica
217 estudiaban algebra y estadstica
63 estudiaban fsica y estadstica
53 estudiaban las 3 materias
a) Diagrama
b) Cuntas personas estudiaban 2 de las asignaturas? 204
c) Cuntas personas estudiaban algebra o estadstica pero no fsica? 314
U=500
93
82
164
82+164+68= 314
30
53
10
30+10+164= 204
G67643646
68
466644444
ENFOQUES DE PROBABILIDAD
Histricamente se han desarrollado tres diferentes enfoques conceptuales para
definir la probabilidad y para determinar los valores
P(A)= a/ a+b
a) Enfoque clsico: si hay 2 probabilidades de resultados favorables a la

ocurrencia de u evento A y B posibles resultados favorables a la ocurrencia
de A y de todos los resultados son igualmente positivos y mutuamente
excluyentes de que ocurra la probabilidad de A.
A= nmero de posibles favorables

B= nmero de posibles desfavorables
b) Enfoque relativo: a travs del enfoque relativo de frecuencia se determina la

probabilidad con base en la proporcin de veces que ocurra un resultado
favorable en un determinado nmero de ensayos debido a que los valores de
probabilidad se requiere de la observacin y recopilacin de datos a este
enfoque se le denomina emprico.
P(A)= n/s
N= numero de resultados posibles
S= numero de observacin en el experimento
C) enfoque subjetivo: la probabilidad es particularmente apropiada cuando

solo existe una probabilidad de que el evento ocurra, es el grado de
confianza que una persona tiene de que un evento ocurra en base a la
evidencia que tiene disponible. Debido a que la probabilidad es un juicio
personal tambin se le denomina personalista.
EJEMPLOS:
Se lanzan 4 monedas al aire:
a) Determina la probabilidad de que caigan 2 guilas
b) Determina la probabilidad de que no caigan 2 guilas
(A, A, A, A) (S, S, A, S)
(A, A, A, S) (S, S, A, A)
P (A) n/s= 6/16= 0.375%
(A, A, S, A) (S, A, S, S)
(A, A, S, S) (S, A, S, A)
(A, S, A, A) (S, S, S, S) (A, S, S, A)
(S, S, S, A) (A, S, A, S) (A, S, S, S)
S
S
A
$
S
A
A
S
A
A
S
A
S
S
A
S
A
A
S
A
S
A
S
A
S
A
S
A
S
S
1. El equipo de ftbol est prximo a realizar tres juegos, el entrenador parte del
supuesto de ganar o perder.
a) Cuntas oportunidades tiene el equipo de ganar por lo menos tres juegos?
b) Encuentre los resultados posibles utilizando el diagrama de rbol
(G, G, G)
(G, G, P)
(G, P, G)
8 posibilidades
4/8= 50% 4 posibilidades
(G, P, P)
(P, G, G) (P, P, G)
(P, G, P) (P, P, P)
G
P
G
P
G
P
G
P
G
P
G
2. Un estudiante desea desayunar en la cafetera y observo el men, se tienen 3

tipos de platillos diferentes 4 bebidas y 2 postres Cuntas maneras diferentes
tiene de pedir si se considera el men?
D1. CHILAQUILES
P1. NIEVE
B1. AGUA B2. SODA
D2. OMELETTE
P2. PAY DE QUESO
B3. LECHE B4. CAFE
D3. TACOS DE BIRRIA
(D1, B1, P1) (D1, B2, P2) (D1, B4, P1)

(D1, B1 P2) (D1, B3, P1) (D1, B4, P2)
(D1, B2, P1) (D1, B3, P2)
B
1
B
2
B
3
B
4
D
1
P1
P2
P1
P2
P1 D2
P2
P1
P2
B1
D3
B2
B3
B4
B1
B2
B3
B4
P1
P2
P1
P2
P1
P2
P1
P2
(D2, B1, P1)
(D3, B1, P1)
(D2, B1, P2)
(D3, B1, P2)
(D2, B2, P1)
(D3, B2, P1)
(D2, B2, P2)
(D3, B2, P2)
(D2, B3, P1)
(D3, B3, P1)
(D2, B3, P2)
(D3, B3, P2)
(D2, B4, P1)
(D3, B4, P1)
(D2, B4, P2)
(D3, B4, P2)
P1
P2
P1
P2
P1
P2
P1
P2
3. Se lanzan 2 dados uno rojo y uno azul :
A) defina el espacio muestral utilizando un cuadro de posibilidades, o diagrama

B) sea el evento A la suma de ambos sea 7
C) sea el evento B ambos caigan igual
D) sea el evento C la suma de ambos igual o menor que nueve
B) 6 posibilidades
C) 6/36= 16.66%
D) 30/36=83.33%
30 posibilidades
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,2)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
1
2
AZUL: C= iguales ROJO B=7 ROSAl: D= 9
BARAJA ESPAOLA9
CORAZON
ES 13
DIAMANT
ES 13
BARAJA
TREBOL
13
ESPADAS
13
a) determina la probabilidad de una baraja el obtener un AS de corazn dentro

de la primera secuencia: 1/52 P(A)= 1/ 1+51= 1/52= 1.92%
b) b) determina la probabilidad de cualesquiera de los ases: 4/52= 7.69%
c) determina la probabilidad de una figura trbol: 13/52= 25%
d) 26/52=50% = una carta roja 13+13+26 corazones y diamantes
TIPO DE EVENTOS
Evento imposible: si al hacer un experimento se sabe que cierta situacin no puede
presentar el resultado esperado se le llama evento imposible.
Eventos o suceso: es un subconjunto de resultados posibles de un
experimento es una coleccin especfica de puntos.
Diagrama de rbol: es el dibujo o grafica que se utiliza para enumerar todos los
resultados posibles de un experimento
DIAGRAMA DE VENN
Determina la probabilidad y el nmero total de puntos mustrales al lanzar una
dado 2 veces de manera sucesiva
a) nmeros que sumados entre si te den 11: 2/36= 5.5%

b) numero que divididos entre si te den 1 : 6/36=16.6%
c) nmeros que multiplicados entre si te den 15: 2/36= 5.5%
d) numero que divididos entre si te den un numero fraccional: 22/36=
61.11%
e) nmeros que restados entre si te den 0: 6/36= 16.66%
1
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
(3,2) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
TEORIA DE CONJUNTOS
En una encuesta aplicada a 1600 personas sobre marcas de automviles se
tienen los siguientes resultados:
846 Ford
812 Datsun
671 Volkswagen
100 no tiene estas marcas (fuera)
278 poseen las 3 marcas
100 personas tienen nicamente 2 autos, f y vw
153 tienen nicamente Ford y Datsun
273 poseen nicamente un Volkswagen
Determina:
a) el diagrama de ven eule
b) nmeros de personas que posen 2 autos
c) nmero de personas que poseen 1 auto

d) nmero de personas que posen 1 Datsun y un Volkswagen pero no un Ford
U=1600
36
315
100
153
278
20
153+100+20=273
315+361+273=949
361+20+273=654
G67643646466
644444
DIAGRAMA DE ARBOL
Supongamos que se desea sentar a 4 personas en una banca en cuantas
posiciones diferentes pueden colocarse: en 20 posiciones
p3
p4
p2
p4
p4
p3
p4
p2
p3
p1
p4
p1
p3
p1
p3
p4
p1
p2
p4
p1
p4
p2
p2
p1
pp3
p1
p2
p3
p1
p3
p1
p4
p1
p3
p4
pp3
p2
p1
p1
p4
p2
p4
p1
p2
p1
p3
p3
p2
p2
p1
p3
p4
p3
p2
p4
p1
ba
nc
a
p4
p3
p2
p1
p3
p4
p2
p1
(p1, p2, p3, p4)
(p1, p3, p4, p2) ............
(p1, lp2, p4, p3)

(P1, p3, p2, p4)
(p1, p4, p3, p2)
(p1, p4, p2, p3)
Se planea realizar un viaje que consistir en visitar 3 ciudades Guadalajara,

sonora y Sinaloa cuantos recorridos son posibles: 6 recorridos
g
g
sin
so
n
g
sin
sin
so
n
g
so
n
sin
so
n
(G, g, g)
g
sin
so
n
g
sin
so
n
g
sin
so
n
g
sin
so
n
g
sin
so
n
g
sin
so
n
g
sin
so
n
g
sin
so
n
g
sin
so
n
(G, son, g) (g, sin, g)
(G, g, sin) (G, son, sin) (g, sin, sin)

(G, g, son) (G, son, son) (g, sin, son)
Notacin factorial
El producto de los enteros positivos desde uno asta n se emplea con mucha
frecuencia en probabilidad para determinar resultados posibles en un experimento (n) y
tomando ciertos resultados posibles r de n.
N!= n(n-1)(n-2)(m-3)
Ejemplos:
a) 10!= 3628800
28
b) 27!= 1.08x 10
10
c) 13!3!= 3.73x 10
d) 12!/8!5!= 1425600
e) 8!7!= 203212800
35
f) 36!/10!= 1.02x 10
g) 8!/6!= 56
Permutacin
Una ordenacin de un conjunto de n objetos en un orden dados se llama una
permutacin de los objetos tomados todos a la vez LE INTERESA EL ORDEN EN
QUE VAN DANDO LOS ARREGLOS.
nPr= n !/(nr)!
n= numero de arreglos posibles

r= numero de arreglos parciales tomados
Ejemplos:
1. Se tiene 5 letras (a,b,c,d,e) y se desea formar palabras con dos letras. Cuantas
podran formar si el orden es importante.
a) Principio de multiplicacin
b) Permutaciones
c) Notacin factorial
d) Diagrama de rbol
n1
n
a)
x 2
5 x 4=20 posibilidades
b) N=5 r=2
5P2=
5!
( 52 ) ! =
5!
3 ! =5x4= 20 posibilidades
c) N!=n(n-1)
=5(5-1)
=5(4)
=20 posibilidades
d) A
4
posibilidades
e
+
4= 20
2. Una librera tiene una coleccin de 15 libros de probabilidad todos diferentes,

desea poner una exivicion, nicamente 5. Cuantas maneras diferentes tiene que
hacerlo:
N=15
15P5=360360
R=5
3. Un negocio de computadoras cuenta con 6 ingenieros en programcacion, 8

tecnicos en mantenimiento. Cuantas posibilidades tiene de mandar 2 ingenieros
y 3 tecnicos a un curso de capacitacin en EU.
Ing. 6P2= 30
30x336= 10080
Tec. 8P3= 336

4. Cuantas palabras pueden formarse con 4 letras a partir de la palabra cuadro,
sin usar mas de una vez cada una de las letras.
6P4=360
Tcnicas de conteo
Si en un experimento, un evento se realiza de
experimento se realiza de
n3
n2
n1
resultados posibles, un segundo
maneras diferentes, un tercer evento se realiza de
maneras diferentes y as sucesivamente, el numero de resultados favorables
totales en que el experimento pueda ocurrir ser el producto de cada uno de los
eventos que intervienen en el experimento.
Este procedimiento se llama principio de multiplicacin y se utiliza para todas aquellos

experimentos en que sean con o sin repeticin.
Ejemplos:
1. Determinar el numero de arrglos alfa numricos que se pueden formar con 2
letras y 3 numeros de registro vehicular. Aplicando el principio con y sin
repeticin.
26x26X10X10X10= 67600
=468000
2. L compaa de telfonos desea expander sus redes telefnicas, el numero de
lneas esta apunto de saturarse y la compaa desea incrementar el numero de
lnea agregando un digito mas, actualmente una liena cosnta de 6 digitos.
n1
n
n xn
n5
n6
x 2 x 3 4 x
x
10 x 10 x 10 x 10 x 10 x 10 =10000000
n1
n2
n3 x n 4
n5
n6
n7
10 x 9 x 8 x 7 x 6 x 5 x4= 604800
3. Jose luis es un jugadosr de cartas, el juego que le gusta es el poker. Cuantas
manos diferentes tiene para escoger de una baraja de 52 caras.
a) Si regresa la carte
b) Si no regresa la carta
n1
n
n xn
n5
a)
x 2 x 3 4 x
52 x 52 x 52 x 52 x 52=380204032
b)
n1
n2
n3 x n 4
n5
52 x 51 x 50 x 49 x 48=311875200
Combinaciones
Una combinacin es un arreglo de elementos en donde de un total de n elementos se
extrae un grupo de r elemnetos sin que tenga un orden especficos.
n!
nCr= ( nr ) ! r !
Ejemplos:
1. De un grupo de 10 personas debe elegirse un comit formado por 5. Calcular
el numero de comits diferentes que pueden elegirse, si :
a) Las personas se eligen libremente
b) Dos de las personas elegibles no pueden aparecer juntas en el comit
a) 10C5=252
b) 8C3=56
2. En una clase de estadstica hay 30 estudiantes, 34 hombres y 6 mujeres. De
cuentas maneras distintas pude seleccionarse un comit de 4 estudiantes.
30C4=27405
3. Un estudiante tiene que resolver un examen de 8 preguntas, si le dan a
escoger entre 10 respuestas, cuantas firmas de escoger tiene.
10C8=45
4. Cuatro gallinas seleccionadas aleatoriamente dentro de 10, han recibido una
hormona que incrementa la produccin de huevo, cuentas posibilidades de
elegir hubo:
10C4=210
5. En el concurso de Mr. Prepa se eligen primero 15 semifinalistas y despus 5
finalistas
Determine:
a) Cuantas maneras hay de elegir a las 5 finalistas
b) Ya electas las 5, de cuantas formas puede asignarse el primero y segundo
lugar.
a) 15C5= 3003
b) 5P2= 20
Combinaciones compuestas (ejemplo)

Una empresa se compone de 7 oficinas principales, 5 auxiliares, se desea hecer
arreglos en oficinas principales y auxiliares. De cuantas maneras o formas pueden
arreglarse si estuvieran compuestas de la siguiente manera:
a)
b)
c)
d)
e)
Cuatro oficinas sin importar la categora.

4 oficinas principales
3 principales y una auxiliar
Dos principales y 2 auxiliares
3 auxiliares y 4 principales
a) 12C4= 495
b) 7C4= 35
c) 7C3X5C1= 175
d) 7C2X5C2=210
e) 5C3X7C4= 350
EJEMPLOS:
1. UNA GALERIA EXIVIRA 9 CUADROS DE Diego rivera. Determinar el numero
posible que tendra 6 de sus cuadros en la galera.
9P6= 60480
2. Cinco matemticos y 7 fsicos hay que constituir un gripo de 2 matemticos y
tres fsicos. De cuantas formas podr hacer, (no interesa el orden):
5C2=10
5C2X7C3= 350
7C3= 35
3. Una compaa va a seleccionar al consejo directivo para el primer semestre,
seleccionara a 8 personas de entre 15:
a) De cuantas formas puede seleccionarse los miembros del consejo
b) Ya electo el consejo, de cuantas formas puede seleccionarse presidente,
secretario y tesorero:
15C8= 6435
8P3= 336
UNIDAD III
ESPERANZA MATEMATICA EN LA TOMA DE DESICIONES
EL PROCESO DE LA TOMA DE DECISIONES

Todos los problemas requieren tomar decisiones tiene ciertos elementos primordiales:
1. Hay diferentes maneras de resolver un problema
2. Debe haber metas u objetivos que trata de alcanzar el que toma las decisiones
3. Debe haber un proceso de anlisis mediante el cual las alternativas se evalan
en funcin de las metas.
La persona encargada de tomar las decisiones puede escoger la alternativa que
mejor conduce a sus metas. Hay que notar que, en el proceso de anlisis se utiliza
un modelo o representacin artificial de la realidad. Estos modelos han sido
utilizados, durante mucho tiempo, en el anlisis cientfico.
Los ingenieros, por ejemplo, construyen replicas de aeronaves y las prueban en
tneles de viento; los arquitectos desarrollan un proyecto en maquetas antes de
llevarlo a cabo; y asi podramos mencionar un sin nmero de modelos que
representan en forma artificial la realidad, aun cuando en el sentido estricto de la
palabra estos modelos tambin son reales.
En situaciones normales, cuando se toma una decisin sencilla se usa un modelo
intuitivo; al tomar decisiones mas importantes se utilizan modelos ms formales,
que especifican en detalle las variables importantes ya relaciones existentes entre
ellas.
CERTIDUMBRE E INCERTIDUMBRE
Hay decisiones en las que se conocen de antemano todos los factores importantes;
es decir, no existe incertidumbre con respecto a costos o utilidades futuras; el
problema de decisin, en estos casos, es seleccionar la mejor de las alternativas
conocidas. Como ejemplo, supongamos que una empresa tiene varias plantas de
produccin,, desde donde surten sus productos a los almacenes de distribucin, las
fabricas y los almacenes estn esparcidos geogrficamente por todo el pas;
adems, se conocen con exactitud los costos del embarque de cada fabrica a cada
almacn, la capacidad de produccin de cada fabrica y la capacidad de
almacenamiento en los depsitos.
A pesar de conocer con exactitud toda esta informacin, para determinar la
programacin optima de los despachos no es un problema trivial y frecuentemente
requiere que se utilicen tcnicas matemticas complejas. En este caso, la toma de
decisiones es una condicin de incertidumbre.
Un problema que contrasta con al anterior es el que se le presenta al encargado del
departamento de compras de un comercio. A el le corresponde adquirir, con
anticipacin suficiente, la mercanca que se necesitara su tienda para una estacin

determinad. El costo y el dinero de la mercanca pueden conocerse. Si ordena una
cantidad excesiva posiblemente tenga que vender a precios de oferta reduciendo
asi las utilidades; por otra parte, si la orden es pequea pude perderse ventas y por
tanto, se perder la oportunidad de obtener utilidades adicionales. Para tomar esta
decisin, el responsable de hacer las compras debe estimar cual ser la demanda
de mercanca. Generalmente, no la puede conocer de antemano; existe
incertidumbre ya que la demanda se materializa en funcin de lo atractivo de los
productos, de las tendencias de la moda, de las condiciones econmicas y otros
factores semejantes, en este caso, la decisin de hacer la compra es en
condiciones de incertidumbre.
INDICE DE COMPUESTOS
Los ndices compuestos, a diferencia de los smpeles, toman en consideracin un
conjunto de productos, determinan una relacin para bloques, los que generalmente
estn integrados por productos con caractersticas similares, desde el punto de
vistas de la investigacin que se desea llevar a cabo. Asi se tiene por ejemplo el
ndice de precios del consumidor el cual incluye los productos bsicos alimenticios,
por ejemplo: el trigo, arroz y maz. Con esto debe quedar claro que la unidad de
medida no necesariamente ser la misma para cada producto en un ndice, aunque
si representativa del consumo o produccin del mismo los nmeros ndices
compuestos pueden calcularse ya sea de los datos originales o de los relativos
simples hay nmeros formulas desarrolladas para el clculo. Las formulas
representadas mas adelante son las fundamentales y ESTAN BASADAS YA SEA
EN EL PERIODAO BASE O EN EL DE REFERENCIA.
INDICE DE LASPEYRES O METODO DE PERIODO DE BASE
Considera el periodo base para realizar su ponderacin, ya que los valores no
cambian de un periodo a otro, por tanto se realizan comparaciones mas objetivas
del poder adquisitivo a travs del tiempo.
INDICE DE PAASCHE O METOTO DE PERIODO DE REFERENCIA
Utiliza el periodo de refencia para realizar su ponderacin, por la cual le resta
importancia a los bienes cuyos precios varan de uno a otro.
INDICE IDEAL DE FISHER
Es un promedio geomtrico entre el ndice de Laspeyre y Paasche, a pesar de ser
un valor promedio no da un ndice uniforme para una serie indeciada de tiempo
(lista de nmeros ndice para dos o ms periodos en donde cada ndice utiliza el
mismo periodo base). Esto es, como el caso del ndice de Paasche, de Fisher lo
mantiene constante la cantidad medida, como lo que hace el ndice de Lapeyres.
Por lo que el ndice de Laspeyres o alguna variante de este es el ms usado por la
estadstica y por los economistas en el campo de los negocios, cuando se decide
usar un ndice como este y por razones prcticas se excluyen los otros.
Definir cul de los ndices presenta la mejor opcin para un anlisis especfico
implica, como aspecto bsico la disponibilidad de los datos, adems de la
consideracin de situaciones y momentos econmicos crticos del tiempo.
NOMENCLATURA
Ip= ndice de precios
Iq= ndice de cantidad
Po= precio en el periodo base
Pn= precio en el periodo de referencia
Qo= cantidad en el precio base
Qn= cantidad en el precio de referencia
FORMULAS
Laspeyres
Ip=
( Pn x qo)
( Po x qo)
Iq=
( Po x qn)
( Po x qo)
Paasche
Ip=
(Pn x qn)
(Po x qn)
Iq=
( Pn x qn)
( Pn xqo)
Fischer
2
Ip= ( IpLaspeyres ) x( IpPaasc h e)

Iq=2 ( IqLaspeyres ) x( IqPasc h e)
Ejemplo 1
La siguiente tabla indica el precio y las cantidades consumidas en kilogramos de
marzo a abril del 1994 de un grupo.
Fuente: servicio nacional de informacin de mercados.

Determina la variacin en el consumo de este grupo de pescados por medio del ndice
de Fisher.
Primer paso:
Determine el periodo de base. Los precios y la cantidades varian de marzo a abril por lo
que la base ser marzo ( el periodo antiguo)
Po= precio base marzo
Qo= cantidad base de marzo
Pn= precio de referencia de abril
Qn= cantidad de referencia de abril
Segundo paso:
Se pide determinar la variacin del precio en el consumo por lo que se busca un ndice
de cantidad.
Tercer paso:
El mtodo es por medio del ndice de Fisher
2
Iq= ( IqLaspeyres ) x( IqPasc h e)
Laspeyres
Iq=
( Po x qn)
( Po x qo)
Paasche
Iq=
( Pn x qn)
( Pn xqo)
Iq=
( 22.8 )( 575 ) + ( 24.5 )( 650 ) + ( 14.5 ) (6750)

=1.1648 x 100100=16.48
( 22.8 )( 400 ) + ( 24.5 ) (738 )+ (14.5 ) (5638)
Iq=
( 25.1 )( 575 ) + ( 27.5 ) ( 650 ) + ( 16.8 ) (6750)

=1.1652 x 100100=16.52
( 25.1 ) ( 400 )+ (27.5 )( 738 ) + ( 16.8 ) (5638)
6.52
( 116.48 )
2
Iq=
Ejemplo 2
La siguiente tabla muestra las cantidades en miles de toneladas y los precios en miles
de pesos por tonelada, de un grupo de aceites refinados comestibles de octubre de
1989 a octubre de 1990.
Tipo
Octubre 89
Octubre 90
Octubre 89
Octubre 90
Maz
0.603
1.088
0.392
1.063
Coco
0.333
1.322
2.257
1.925
Crtamo
0.495
0.922
14.956
21.516
soya
0.368
0.777
12.538
11.388
A) Variacin en el poder adquisitivo de este grupo de aceites por medio del ndice de
Laspeyres.
B) Variacin en la produccin de este grupo de aceites por medio del ndice de Paashe.
a) lp
( Pn qo )
( Po qo )
oct 90 precio cant . oct 89

oct 89 precio cant . otc 89
lp
.392+ ( 1.322 )( 2.257 )
( .922 )( 14.956 )+ ( .977 )( 12.538 ) + ( 1.088 )
b) Pq
( Pn qn )
( Pn qo )
29.449308
13.005161
oct 90 precio cant . oct 90

oct 90 precio cant . otc 89
Pq
( 1.088 )( 1.063 ) + ( 1.322 ) (1.925 )+ (.922 ) ( 21.516 ) + ( , 977 )(11.388)

( 1.088 ) ( .392 )+ (1.392 ) ( 2.257 ) + ( 0.922 ) ( 14.956 ) + ( .977 ) (12.538)
Marzo
Tipo
2.26
34.665222
29.449308
1.17
Abril
Precio $
Cantidad Kg
Precio $
Cantidad Kg
Mojarra
35.90
500
39.8
675
Curvina
50
838
65
650
Tilapia
25.50
6000
29.5
7750
Laspeyres
Laspeyres
( Marzoprecio ) ( Abrilkg)
( Marzoprecio )( Marzokg)
Paashe
( Precioabril ) ( Abrilkg)
( Precioabril ) ( Marzokg)
(35.90 )( 675 )+ ( 50 )( 650 ) + ( 25.50 ) (7750)

( 35.90 )( 675 ) + ( 50 ) ( 838 ) + ( 25.50 ) ( 6000)
Paashe
24232.5+ 38530+ 197625

17950+ 41960+15300
( 39.80 )( 675 ) + ( 65 )( 650 ) + ( 29.50 ) (7750)

( 39.8 )( 500 ) + ( 65 ) ( 838 ) + ( 29.50 ) ( 6000)
19.50%
26865+ 42250+228625
19900+54470+177000
18.44
(19.5 )( 18.44 )
Tipo
= 8.96%
Precio $
Cantidad Kg
Precio $
Cantidad Kg
Maz
26.8
509
39.80
600
Frijol
39.9
738
50
409
Arroz
60.7
5900
93
6000
Trigo
29.6
1000
35.30
1200
Laspeyres
( 26.80 )( 600 ) + ( 39.90 ) ( 409 )+ ( 60.70 )( 6000 ) + ( 29.60 )(1200)

( 26.80 ) (509 )+ (39.90 )( 738 ) + ( 60.70 ) ( 5900 ) + ( 29.60 ) (1000)
16080+16319.1+364200+35520
13641.2+29446.2+358130+29600
Paashe
432119.1
430817.4
1.003
( 39.80 ) (600 )( 50 ) ( 409 )+ ( 93 )( 6000 )+ ( 35.30 ) (1200)

( 39.80 )( 509 ) + ( 50 ) ( 738 ) + ( 93 ) ( 5900 ) + ( 35.30 ) (1000)
23880+20450+55800+ 42360
20258.2+36900+548700+35300
(1.003 ) (1.055)
Frijol
644690
641150.2
1.055%
1.028
Precio $
Cantidad Kg
Precio $
Cantidad Kg
Peruano
26.8
509
39.80
690
Pinto
39.9
738
50
780
Flor de mayo
60.7
5900
93
7008
Mayo coba
29.6
1000
35
1500
Laspeyres
( 26.80 ) ( 690 ) +39.90

( 780 ) + ( 60.70 ) (7008 )+ ( 29.60 ) (1500)
( 26.80 )( 509 )+ (39.90 )( 738 ) + ( 60.90 ) ( 5900 ) + ( 29.60 ) (1000)
18492+31122+ 425385.6+44400
13641.2+29446.2+359310+29600
Paashe
.
Tipo
519.399 .6
430817.4
20.56%
( 39.80 )( 690 ) + ( 50 ) ( 780 ) + ( 93 ) ( 7008 ) + ( 35 ) ( 1500 )

(39.80 )( 509 ) + ( 50 ) ( 738 ) + ( 93 ) ( 5900 ) + ( 35 ) ( 1000 )
27462+39000+651744+ 52950
20258.2+56900+548700+35300
( 20.56 )( 20.27 )
20.27
20.41
Precio Oct.93
Precio Oct.94
Oct.93 Cant.
Oct.94 Cant.
Peruano
0.979
1.039
.730
1.193
Pinto
0.543
1.950
2.893
1.98
Flor de mayo
0.679
0.539
16.7
22.910
0.2
1.020
12.5
12.5
Mayo coba
Laspeyres Ip =
Ip =
Paashe Ip =
( 1.039 )( .730 ) + ( 1.950 ) ( 2.893 ) + ( .539 )( 16.7 )+ ( 1.020 ) (12.5)

(.979 )( .730 ) + ( .543 ) ( 2.833 ) + ( .679 ) (16.7 )+ ( .2 ) (12.5)
.75847+ 5.64135+ 9.0013+12.75

=
.71467+1.538319+11.3393+2.5
Ip =
28.15112
16.092289
= 1.7493% = 74.93%
( 1.039 )( 1.193 ) + ( 1.950 ) ( 1.930 )+ ( .539 )( 22.910 )+ ( 1.020 )( 12.5)

( 1.039 ) ( .730 ) + ( 1.950 ) ( 2.893 ) + ( .539 )( 16.7 )+ (1.020 ) (12.5)
.
1.239527+ 3.7635+ 12.34849+ 12.75
.75847+5.64135+ 9.0013+12.75
Tipo
30.199017
28.115112
= 1.0727% = 7.27%
Precio Oct.93
Precio Oct.94
Oct.93 Cant.
Oct.94 Cant.
Cebada
0.63
1.93
0.69
1.204
Trigo
0.59
1.876
2.96
1.89
Arroz
0.433
0.599
16
23
Frijol
0.193
1.966
10
11.8
IP =
1.930
( .690 ) + ( 1.876 ) ( 2.960 )+ ( .599 )( 16 )+ (1.966 ) (10)

=
( .630 )( .690 )+ (590 )( 2.960 ) + ( .433 ) ( 16 ) + ( .193 ) (10)
1.3317+ 5.55296+9.584+19.66
.4347+1.7464+6.928+1.93
Ip =
= 227.25%
( 1.930 )( 1.204 )+ (1.876 )( 1.890 ) + ( .599 ) ( 23 ) + ( 1.966 ) (11.8)

( 1.930 ) ( .690 ) + ( 1.876 ) ( 2.960 ) + ( .599 )( 16 )+ ( 1.966 ) (10)
2.32372+3.54564 +13.777+23.2988
1.3317+5.55296+ 9.584+19.66
Tipo
36.12866
11.0391
42.84516
36.12866
= 18.59%
Precio Oct.94
Precio Oct.95
Oct.94 Cant.
Oct.95 Cant.
Queso
0.879
1.69
0.49
1.2
Crema
0.67
1.875
2.9
1.98
Leche
0.79
0.639
16.8
22.4
Yogurt
0.3
1.2
12.5
12.5
Ip =
( 1.690 )( .490 ) + ( 1.875 ) ( 2.9 ) + ( .639 )( 16.8 )+ (1.2 ) (12.5)

( 879 ) ( .490 ) + ( .670 ) ( 2.9 ) + ( .790 ) (16.8 )+ (.3 ) (12.5)
8281+5.4375+10.7352+15
.43071+1.943+13.272+3.75
32.0008
19.39571
= 64.98%
Ip =
( 1.69 )( 1.2 ) + ( 1.875 ) (1.98 )( .639 ) + ( 22.4 )+ ( 1.2 )(12.5)

(1.69 )( .49 ) + ( 1.875 ) ( 2.9 ) + ( .639 ) (16.8 )+ (1.2 ) (12.5)
2.028+ 3.7125+ 14.3136+15

.8281+ 5.4375+ 10.7352+15
35.0541
32.0008
= 9.54%
Probabilidad condicional
Eventos independientes y dependientes
Eventos independientes: son cuando la ocurrencia o no ocurrencia de uno no tiene
ningn efecto sobre la probabilidad de ocurrencia del otro.
Eventos dependientes: cuando la ocurrencia o no ocurrencia de uno si afecta la
probabilidad de ocurrencia del otro evento.
Cuando 2 eventos son dependientes se utiliza el concepto de probabilidad condicional
para designar la probabilidad de ocurrencia de un evento relacionado.
Concepto de probabilidad condicional
Si la probabilidad de B no es igual a 0 entonces la probabilidad condicional de A en
relacin con B es probabilidad de A interseccin con B sobre probabilidad de B.
P(
P( A Y B)
A
=
B
P( B)
Formulas que permiten determinar independencia o dependencia del evento.

A
Dependientes = P ( B
no es igual a P(A)
Los registros de la polica muestran que en cierta ciudad la probabilidad es .35 de que
se capture a un ladrn y .14 de que se capture y condene al ladrn. Cul es la
probabilidad que un ladrn si es capturado ser condenado?
0.35 capturar a un ladrn
P=(
a
.14
=
=.4
b
.35
0.14 capturar y condenar

Se estima que la probabilidad de que las ventas de automviles del siguiente mes es
de .40 se estima de que la probabilidad de que aumenten las refacciones es de .50. La
probabilidad de que ambas industrias experimenten un aumento de ventas es de .10.
Cul es la probabilidad de que hayan aumentado las ventas de automviles durante el
mes dado que existe informacin de que han aumentado las ventas de refacciones?
P(A) .40 venta de autos
P (B) .50 venta de refacciones
P( AyB)
A
P = ( B = P (B)
.10
=.2=20
.50
P(A y B) .10 ambas

Suponga que una organizacin investigadora en pro del consumidor ha estudiado el
servicio que brindan los 150 tcnicos de reparacin de aparatos domsticos de cierta
ciudad y que sus hallazgos se resumen en la siguiente tabla:
Buen servicio
Servicio
deficiente
Total
Capacitado
en fabrica
48
16
.64
No
capacitado en
fabrica
24
62
62
Total
72
78
78
A) Encuentra la probabilidad de que un tcnico preste un servicio deficiente dado que

se sabe fue capacitado en la grafica.
B) Encuentra la probabilidad de que un tcnico escogido aleatoriamente haya realizado
un buen servicio dado que se sabe no fue capacitado en la fabrica.
A)
16.5
=.106=10.6
150
B)
24
150
= .16 = 16%
Teorema de Bayes
Es su forma algebraica ms simple el teorema de Bayes se refiere al clculo de la
probabilidad condicional del evento A dado que ha ocurrido el evento B la formula
general de Bayes:
b
p(a)
(
a)
a
( b )= p b p ( a )+ p b p (a)
(a ) ( a)
p
Esta formula es simplemente una expresin general para la probabilidad condicional sin
embargo, la importancia del teorema de Bayes consiste en que se aplica en el contexto
de eventos secuenciales y adems en que la versin del calculo de la formula
proporciona la base para determinar la probabilidad condicional de un evento que ha
ocurrido en la primera posicin secuencial, dado que se ha observado un evento
especifico en la segunda posicin secuencial.
Ejemplo1:
Supngase que existen 2 tmbolas la urna 1 y la 2. La 1 tiene 8 bolitas rojas y 2 bolitas

verdes en tanto que la urna 2 tiene 4 bolitas rojas y 6 verdes si se elije una urna al zar y
despus se selecciona al azar una bola de esa urna (pueden representarse en proceso
secuencial y las probabilidades mediante el diagrama de rbol).
U1 {
v (.5 )( .2 )=.1
r (.5 )( .8 ) =.4
=.5
U2 {
v (.5 )( .6 )=.3=.5
r ( .5 ) (.4 )=.2
Supngase que se observa una bolita verde en la 2 determine la probabilidad de sacar

bola verde dado que se sabe que proviene de la urna 2.
( .5 ) (.6)
U2
=
=.75 o 75
v
( .5 )( .2 ) + ( .5 ) (.6)
( )
En una enlatadora las lneas de ensamble 1,2, y 3 representan respectivamente 37%,

42%, 21% de la produccin total. Si el .6% de las latas de la lnea de ensamblaje 1 son
selladas en forma inadecuada mientras que los porcentajes correspondientes de la
lnea de ensamblaje 2 y 3 son .4% y 1.2%. Cul es la probabilidad de que una lata
celadla en forma inadecuada provino de la lnea de ensamblaje 3?
P (III) =
21(1.2)
21 ( 1.2 ) +42 ( .4 ) +37 (.6)
I = 37% .6%
II = 42% .4%
III = 21% 1.2%
Determine la probabilidad de que el cellado inadecuado provenga de la maquina 1 y 2.
Esperanza matemtica o valor esperado

Para una variable aleatoria discreta x, que puede tener los valores desde x1 a xn la
esperanza de x se define como el promedio ponderado de todos los valores numricos

posibles de una variable.
E(x)= x1 p(x1) + x2 p(x2) ++ xn p (xn)
Ejemplo 1
Cul es nuestra esperanza matemtica o promedio si recibiremos 20 dlls si solo si una
moneda cae guila?
E(x)= (20) (1/2)=10
Cul es el promedio si compramos uno de 2000 boletos de una rifa emitidos para un
televisor que vale 540 dlls?
(540)(1/2000)= 27
Cul es nuestra esperanza matemtica si ganamos 6 dlls cuando caiga en 1 o en 2 y
perdemos 3 dlls cuando caigan 3, 4, 5, 6?
(2/6)(6)+ (4/6) (3)=4
Un boleto de una rifa ofrece 2 premios uno de 5000 de 2000 con probabilidades de .
001 y .003. Cul seria el precio justo a pagar por el boleto?
(5000)(.001)+ (2000) (.003)= $11
Si llueve un vendedor de paraguas vende 30 dlls al da y si no llueve pierde 6 dlls al da
Cul es la esperanza matemtica si la probabilidad de lluvia es de .3?
(30)(.3)-(6) (.7)=4.8|

Historia de La Probabilidad

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Historia de La Probabilidad

Hochgeladen von

Copyright:

Verfügbare Formate

HISTORIA

La probabilidad es el estudio de experimentos aleatorios o libres de determinacin,

CAROLINA ANGUIANNO MARTINEZ

Diagrama de Venn Euler

CAROLINA ANGUIANNO MARTINEZ

CAROLINA ANGUIANNO MARTINEZ

A los elementos del universo que no

CAROLINA ANGUIANNO MARTINEZ

1. De 120 estudiantes, 60 estudian francs, 50 estudian espaol, y 20 estudian

2. Una muestra de 250 votantes revelo la siguiente informacin concerniente a 3

28+14+16= 58 interseccin de 2 conjuntos

CAROLINA ANGUIANNO MARTINEZ

3. En una investigacin que se realizo con el afn de conocer que peridicos

4. Una encuesta realizada a 500 estudiantes de las siguientes asignaturas algebra,

CAROLINA ANGUIANNO MARTINEZ

329 estudiaban algebra

CAROLINA ANGUIANNO MARTINEZ

a) Enfoque clsico: si hay 2 probabilidades de resultados favorables a la

A= nmero de posibles favorables

b) Enfoque relativo: a travs del enfoque relativo de frecuencia se determina la

C) enfoque subjetivo: la probabilidad es particularmente apropiada cuando

CAROLINA ANGUIANNO MARTINEZ

P (A) n/s= 6/16= 0.375%

CAROLINA ANGUIANNO MARTINEZ

4/8= 50% 4 posibilidades

2. Un estudiante desea desayunar en la cafetera y observo el men, se tienen 3

B1. AGUA B2. SODA

P2. PAY DE QUESO

B3. LECHE B4. CAFE

D3. TACOS DE BIRRIA

(D1, B1, P1) (D1, B2, P2) (D1, B4, P1)

CAROLINA ANGUIANNO MARTINEZ

(D2, B1, P1)

(D3, B1, P1)

(D2, B1, P2)

(D3, B1, P2)

(D2, B2, P1)

(D3, B2, P1)

(D2, B2, P2)

(D3, B2, P2)

(D2, B3, P1)

(D3, B3, P1)

(D2, B3, P2)

(D3, B3, P2)

(D2, B4, P1)

(D3, B4, P1)

(D2, B4, P2)

(D3, B4, P2)

CAROLINA ANGUIANNO MARTINEZ

3. Se lanzan 2 dados uno rojo y uno azul :

A) defina el espacio muestral utilizando un cuadro de posibilidades, o diagrama

AZUL: C= iguales ROJO B=7 ROSAl: D= 9

CAROLINA ANGUIANNO MARTINEZ

a) determina la probabilidad de una baraja el obtener un AS de corazn dentro

CAROLINA ANGUIANNO MARTINEZ

a) nmeros que sumados entre si te den 11: 2/36= 5.5%

(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)

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

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

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

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

CAROLINA ANGUIANNO MARTINEZ

c) nmero de personas que poseen 1 auto