Teoria Probabilidad

UNIVERSIDAD NACIONAL AUTNOMA DE MXICO FACULTAD DE INGENIERA DIVISIN DE CIENCIAS BSICAS COORDINACIN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADSTICA
FUNDAMENTOS DE LA TEORA DE LA PROBABILIDAD
AUTORES: MARCO ANTONIO GMEZ RAMREZ JORGE FEDERICO PANIAGUA BALLINAS

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas
Pgina 1
1. CONCEPTOS BSICOS
1.1 FENMENOS DETERMINSTICOS Y ALEATORIOS

1.1.1 MODELOS 1.1.2 FENMENOS 1.1.3 ESPACIO MUESTRAL 1.1.4 EVENTOS 1.1.5 OPERACIN DE EVENTOS 1.1.6 EVENTOS NOTABLES
1 1 1 2 3 3 4
1.2 TCNICAS DE CONTEO

1.2.1 1.2.2 1.2.3 1.2.4 1.2.5 1.2.6 1.2.7 1.2.8 1.2.9 1.2.10 1.2.11 1.2.12 FACTORIAL DE UN NMERO PRINCIPIO FUNDAMENTAL DEL CONTEO PERMUTACIONES PERMUTACIONES CON REPETICIN PERMUTACIONES CON GRUPOS DE OBJETOS IGUALES PERMUTACIONES CIRCULARES COMBINACIONES COMBINACIONES CON REPETICIN NMEROS COMBINATORIOS PROPIEDADES DE LOS NMEROS COMBINATORIOS ALGUNAS APLICACIONES DE LOS NMEROS COMBINATORIOS DIAGRAMA DE RBOL EJERCICIOS PROPUESTOS No. 1
5 5 6 6 8 9 10 11 12 12 12 14 16 18
2.
CONCEPTO DE PROBABILIDAD
20 20
2.1 DIFERENTES INTERPRETACIONES DE PROBABILIDAD

2.1.1 2.1.2 2.1.3 CLSICA FRECUENTISTA SUBJETIVA
20 21 22
2.2 DEFINICIN AXIOMTICA DE PROBABILIDAD

2.2.1 AXIOMAS DE PROBABILIDAD
23 23
Pgina 2
2.2.2
TEOREMAS DE PROBABILIDAD
24
2.3 PROBABILIDAD CONDICIONAL, MARGINAL Y CONJUNTA

2.3.1 2.3.2 2.3.2 2.3.4 2.3.5 PROBABILIDAD CONDICIONAL PROBABILIDAD CONJUNTA PROBABILIDAD MARGINAL PROBABILIDAD DE EVENTOS INDEPENDIENTES APLICACIN DEL CONCEPTO DE EVENTOS INDEPENDIENTES A LA TEORA DE SISTEMAS 2.3.6 PROBABILIDAD TOTAL 2.3.7 EL TEOREMA DE BAYES EJERCICIOS PROPUESTOS No. 2 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
29
29 30 32 33 34 39 39 46 48
Pgina 3
INTRODUCCION
El estudio de la Probabilidad data de hace ms de tres siglos, cuando los franceses asiduos a los juegos de azar queran saber sus posibilidades reales de ganar en sus apuestas y recurrieron a los ms prestigiados matemticos de la poca para encontrar al respecto explicaciones convincentes. A partir de ese entonces esta ciencia evolucion y tom un cuerpo matemticos ms formal con el enfoque axiomtico hasta la mitad del siglo XX. Las aplicaciones de la Probabilidad y, desde luego, la Estadstica que han evolucionado de manera paralela, se encuentran en mltiples manifestaciones en los campos de todas las reas de la Ingeniera, la Qumica, la Fsica, la Biologa, la Geografa, la Administracin, la Economa, la Educacin y los modernos sistemas Computacionales, slo por mencionar algunos de ellos. El presente trabajo tiene como propsito proporcionar al estudiante de ingeniera un apoyo para la comprensin y aplicacin de los conceptos, principios, axiomas, teoremas fundamentales de la Teora de la Probabilidad. El contenido corresponde esencialmente a los apartados que establece el tema II del programa de la asignatura Probabilidad y Estadstica contenida en todos los planes de estudio de las carreras que se imparten en la Facultad de Ingeniera de la UNAM. El tratado est dividido en dos partes, la primera explica los diferentes modelos de experimentacin que existen y la forma de determinar los espacios muestrales y cuentos principales de los mismos, as como el planteamiento de los mtodos de conteo, fundamentados en el anlisis combinatorio. La segunda parte, abarca lo fundamental de la Teora de la Probabilidad iniciando por la descripcin de los diferentes enfoques y escuelas que tiene esta disciplina; se sigue con la demostracin de los teoremas bsicos de la Probabilidad Axiomtica y se contina con apartados que definen e ilustran, con los ejemplos necesarios, a la Probabilidad de eventos independientes y condicionados. Se termina con lo correspondiente a la Probabilidad Total y el Teorema de Bayes. Es importante sealar que para el correcto aprovechamiento de lo que este trabajo presenta es necesario contar con los conocimientos del Algebra Elemental y del Algebra de Conjuntos; as como una abierta disposicin para considerar por un lado el orden y la sistematizacin del conocimiento y de manera simultnea, por otro lado, el anlisis profundo y razonado de cada concepto y ejercicio que el documento de mande realizar por parte del estudiante. En el campo de la Probabilidad se dice que un problema bien comprendido y planteado satisfactoriamente est, para fines prcticos, en un noventa por ciento o mas bien resuelto.
Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas Pgina 4
Es por ello que, al final de cada una de las dos partes de estos apuntes, se ofrecen un conjunto de ejercicios propuestos para que quien los estudia le sirvan de repaso, despejen dudas y refuercen lo aprendido sobre el tema en cuestin. Para coadyuvar a lo anterior se entregan las respuestas de algunos de ellos. Es propicia la oportunidad para agradecer al Ing. Salvador Garca Burgos y a la Maestra Alejandra Vargas, Coordinador de Ciencias Aplicadas y Jefa del Departamento de Probabilidad y Estadstica respectivamente, de la Divisin de Ciencias Bsicas, por su invaluable apoyo para la realizacin de este material didctico. As tambin, nuestro reconocimiento a Lina Garca Velasco y Esther Cruz Camargo por su colaboracin en la labor escribir por computadora el texto de esta primera versin.
MARCO ANTONIO GMEZ RAMREZ JORGE FEDERICO PANIAGUA BALLINAS
Pgina 5
1.
CONCEPTOS BSICOS
El propsito de este fascculo es desarrollar ideas bsicas para la comprensin de la probabilidad considerando sta como matemtica aplicada, en general se hace necesario el uso de conceptos de lgebra, Geometra y Clculo Diferencial e Integral y los relacionados con las tcnicas de conteo.
1.1
1.1.1
FENMENOS DETERMINISTICOS Y ALEATORIOS

MODELOS
Para resolver los problemas relevantes que se le presentan al ingeniero, se utilizan abstracciones a las que se les conoce como modelos, mediante los cuales se analiza el comportamiento de los fenmenos fsicos del mundo real, en las ciencias toman en general la forma de una ecuacin matemtica, por ejemplo, las leyes de Newton son modelos matemticos tiles para la ingeniera, por que a travs de ellos se pueden estudiar, analizar y cuantificar el comportamiento de varios fenmenos reales (sistemas fsicos), como el movimiento en diferentes formas de objetos o el comportamiento de una estructura sujeta a diversas fuerzas de tensin y/o comprensin, es decir, se puede predecir su respuesta ante diversos estmulos; otros ejemplos de modelos matemticos son las ecuaciones de transferencia de calor o las ecuaciones de equilibrio de reacciones qumicas.
1.1.2
a) b)
FENMENOS
FENMENO: Es toda manifestacin de orden material, social o cultural. EXPERIMENTO: Es todo aquel acto o accin que se realiza con el fin de observar el comportamiento de un fenmeno y obtener sus resultados cuantificados. Los analistas estadsticos utilizan la palabra experimento para describir cualquier proceso que genere un conjunto de datos. Los experimentos pueden clasificarse de acuerdo al tipo de resultados en determinsticos o probabilsticos (aleatorios).
Pgina 6
Para nuestro tema de estudio nos interesan los experimentos probabilsticos o aleatorios, pero debemos establecer claramente la diferencia con los determinsticos. c) DETERMINSTICO: Es aquel cuyos resultados se pueden predecir de antemano, debido al avance del conocimiento cientfico, por ejemplo, la ley de Ohm I = V/R, donde se establece que la intensidad de corriente elctrica I es directamente proporcional al voltaje V e inversamente proporcional a la resistencia R. Cuantas veces se repita el experimento, sin cambiar las condiciones, se obtendr prcticamente el mismo resultado. Esto es, los resultados son predecibles. A continuacin se muestra una parte de un sistema elctrico (fig. 1) con una fuente de Voltaje V y una resistencia R, que responde al modelo matemtico I = V/R. Si se dan valores a V = 10 volts y R = 3 ohms, la intensidad de corriente es: I = 10/3 = 3.333 amperes. R +
V
Figura 1 d) ALEATORIO: Es aquel en el cual no se puede predecir con certeza el resultado, pero s se conocen todos los posibles resultados; por ejemplo si se marca un nmero telefnico de un determinado amigo no se sabe con certeza que pasar; sin embargo se conoce que slo pueden haber dos respuestas: contesta o no contesta. Otro ejemplo es la vida til de un sistema de cmputo, la cual depende del trato del usuario, la calidad de componentes, etc., y debe medirse en unidades de tiempo desde cero o ms; as, al tratar de utilizarlo puede o no funcionar. Un gran nmero de problemas ingenieriles tienen un carcter aleatorio, por ello se apoyan en la probabilidad para estimar, con un alto nivel de confianza, los posibles resultados o respuestas de un sistema o el de los elementos que lo componen.
Pgina 7
1.1.3
ESPACIO MUESTRAL
Los experimentos aleatorios generan diversos resultados, que se agrupan en lo que se llama espacio muestral, es decir, es el conjunto de valores que pueden ser nmeros reales o representaciones no numricas que constituyen todos los posibles resultados en un experimento aleatorio, de modo completo y mutuamente excluyente. El espacio muestral se representa mediante (S). A cada posible resultado del espacio muestral se le llama elemento o evento simple. Los espacios muestrales se pueden clasificar de acuerdo con la cantidad de valores reales que pueden representar a los posibles resultados de un experimento, pueden ser discretos cuando solamente toman algunos valores reales dentro de un intervalo o valores no numricos y continuos cuando toman todos los valores reales de un intervalo. Ejemplo: En una esfera transparente se tienen una gran cantidad de chicles de dos colores: amarillos(a) y blancos (b). Si una persona introduce en la mquina una moneda de un peso, obtiene uno de estos chicles. Supngase que un nio introducir dos pesos, uno despus del otro, Cul es el espacio muestral para los diferentes arreglos de colores que puede esperar el nio del par de chicles que adquirir?. Para este experimento el espacio muestral es: S = {aa, ab, ba, bb} Ejemplo: Considrese el caso de arrojar un dado y observar el nmero de puntos que tienen la cara que queda hacia arriba, el espacio de eventos es S = {1, 2, 3, 4, 5, 6} en este caso se trata de un espacio discreto, ya que los posibles resultados son representados nicamente por los valores enteros que hay en el intervalo [1, 6]. Ejemplo: En un tribunal, el da de hoy se juzgarn tres casos de personas detenidas por diversos delitos. En este proceso slo pueden tenerse dos resultados, por cada caso, inocente (I) o culpable (C). Los posibles resultados del proceso son: S = {III, IIC, CII, ICI, ICC, CIC, CCI, CCC}, se contabilizan ocho y ntese que son valores no numricos. Ejemplo: En una banda transportadora, un tcnico revisa las piezas elaboradas y retira las que se consideran defectuosas, con base en los criterios de la empresa, l tiene la orden de parar el proceso cuando se acumulen ocho piezas defectuosas, para darle mantenimiento a la mquina, y adems debe rendir un informe de cuntas piezas fabricadas (n) se lograron hasta la suspensin, si sta se llega a dar. El espacio muestral de los posibles resultados que pueden aparecer en el reporte, sobre las piezas fabricadas hasta que representa la octava defectuosa, es el siguiente: S = {n | n = 8, 9, 10, 11, }. Ejemplo: Un misil es lanzado y en determinados tiempos, se observan las tres componentes de la velocidad del mismo en el espacio (vx, vy, vz). El espacio muestral que genera este experimento es continuo: S = {vx, vy, vz | vx, vy, vz }. Ejemplo: Ahora considrese el voltaje que se recibe en una casa-habitacin, que puede tener una magnitud de 120 a 127 volts, lo que implica que el voltaje que llega puede tomar cualquier valor real dentro del intervalo [120, 127] volts, por lo tanto el resultado puede ser entero o fraccionario, en este caso se dice que el espacio es continuo, porque el resultado puede ser cualquier valor real dentro del intervalo.
As mismo, debe analizarse otra caracterstica de los espacios muestrales, el tamao de ellos. Esto es, pueden ser finitos (numerables) o infinitos (numerables o no numerables). As, el primer, segundo y tercer ejemplos son discretos numerables, hay cuatro, seis y ocho resultados respectivamente; el cuarto es discreto no numerable y; el quinto y el sexto son espacios muestrales continuos (infinitos).
1.1.4
EVENTOS
De cualquier experimento nos pueden interesar especficamente determinados resultados que los podemos agrupar en lo que recibe el nombre de evento. Esto es, cualquier conjunto de resultados definido en el espacio muestral de un determinado experimento, que tienen entre s ciertas caractersticas especiales que slo ellos las poseen, el resto de los resultados no. De esta manera pueden considerarse al espacio muestral como un conjunto universal (U) y a los eventos como subconjuntos, contenidos dentro de l. Por lo tanto, la teora de eventos est sujeta a las operaciones y leyes del lgebra de conjuntos. En general los eventos se representan mediante letras maysculas, por ejemplo en el experimento de arrojar un dado puede interesar que el resultado cae un nmero primo, el evento A sera A = { 2, 3, 5}, un evento A ocurre si el resultado del experimento es un elemento de evento A, si cae el nmero 2 entonces A sucedi. Otro evento B en el mismo experimento podra ser cae un nmero mayor a 3, y este queda definido como B = {4, 5, 6,}.
1.1.5
OPERACIONES DE EVENTOS
El lgebra de Conjuntos es aplicable en las operaciones entre eventos. La unin e interseccin de eventos, son dos operaciones esenciales de la teora de conjuntos. As tambin el producto entre eventos es de suma utilidad en el presente estudio. a) UNIN: Se realiza con los elementos de dos ms eventos de un espacio muestral, que pueden estar en uno u otro o en ambos eventos. Se denota con el smbolo . Ejemplo: Al arrojar un dado, evento D cae un nmero par, D = {2, 4, 6} y evento F sale un nmero mltiplo de tres, F = {3, 6}, Cul es la unin de D y F?. Solucin: La unin de D y F se representa mediante D F es igual a los elementos que hay en D y F sin repetirse, por lo tanto D F = {2, 3, 4, 6}. Ejemplo: En un grupo de Ingls hay cuatro alumnos de nivel avanzado (G), 8 de nivel intermedio (H) y 12 de nivel bajo (I). Para regularizar lo ms posible el profesor impartir un curso preliminar slo a los que no alcancen el nivel avanzado (J). Qu alumnos asistirn? Solucin: Los que asistirn al curso son los 20 alumnos del nivel no avanzado que ser formado por las personas de los personas de los niveles intermedio y bajo; esto es: J = H I.
Pgina 9
b)
INTERSECCIN: Son los elementos comunes a dos o ms eventos diferentes en un mismo espacio, la interseccin de eventos se representa mediante Ejemplo: En el problema del lanzamiento del dado, cul es la interseccin de los eventos D y F? Solucin: D F = {6}. Ejemplo: En el ejemplo del grupo de Ingls los diferentes niveles tienen alumnos en comn? Solucin: G H I = . Por lo tanto no hay alumnos que pertenezcan a dos o ms niveles.
Ejemplo: Las actividades cotidianas preferentes de Juan son: jugar al ftbol, jugar ajedrez, estudiar ingeniera y realizar tareas altruistas y, las actividades de la misma ndole para Mara han sido siempre: ver el ftbol, jugar ajedrez, estudiar ingeniera y atender su negocio. Dnde existe compatibilidad entre estas dos personas? Solucin: nicamente hay coincidencia en jugar ajedrez y estudiar ingeniera. Lo que constituye una interseccin de orden cualitativo. Obsrvese que el ftbol es una actividad de inters comn; sin embargo, para uno es el jugarlo y para el otro es slo verlo. c) PRODUCTO: Si A y B son dos eventos, el conjunto de todos los posibles pares ordenados de elementos de la forma (a, b), donde a A y b B, se denomina producto cartesiano de A y B, que se denota por A B. Ejemplo: Sean los conjuntos de A = {1, 2, 3} y B = {7, 9}. Encontrar el producto A Solucin: A B = {(1, 7) (1, 9) (2, 7) (2, 9) (3, 7) (3, 9)} B
Este concepto de producto entre eventos se extiende a un nmero cualquiera de eventos. El evento producto de los eventos A1 A2 A3 . . . An, es el conjunto de valores ordenados: A1 A2 A3 . . . An = {(a1, a2, a3, a4, . . . an) ai Ai}, i = 1, 2, 3. . . .n
1.1.6
a)
EVENTOS NOTABLES
EVENTO SEGURO: Es aquel que considera todos lo posibles resultados de un espacio de eventos, se representa mediante la letra S, en el caso de arrojar un dado y observar el nmero de puntos en la cara superior, S = { 1, 2, 3, 4, 5, 6}. EVENTO VACO: Los autores dan dos acepciones; la primera, es aquella cuando carece de resultados, lo denominan Evento Nulo y; la segunda, cuando se espera la ocurrencia de algo que no puede ocurrir y lo llaman Evento Imposible. En ambos casos se representa mediante la letra ( ). Como ejemplo en el caso de arrojar un dado, sean los eventos A = {nmero primo}={2, 3, 5}, Q ={par igual o mayor que cuatro}={4, 6}, R = {menos tres}={-3}, T = {siete u ocho}={7, 8}. Ahora el evento A Q= es el Evento Nulo; y tanto el evento R como el evento T son Eventos Imposibles.
Pgina 10
b)
c)
EVENTOS EXCLUYENTES: Son aquellos que no tienen elementos comunes, su interseccin es el Evento Vaco. En el experimento de arrojar un dado definiremos otro evento, C cae un nmero menor que 3, C = {1, 2}, este evento es excluyente con el evento B cae un nmero mayor que 3, B = {4, 5, 6}, por lo tanto B C = . EVENTOS COMPLEMENTARIOS: Son dos eventos que adems de ser excluyentes, son exhaustivos, esto significa que la unin de ellos da por resultado el espacio S. En el experimento que venimos ejemplificando, definiremos el evento E = {sale un nmero impar}= {1, 3, 5}. Entonces D y E son eventos complementarios, ya que: D E = S.
d)
Ejemplo: Dado el siguiente diagrama de Venn (fig. 2), determinar cinco eventos notables, del conjunto de stos que ah se presentan.
A C X X X X X X
E X F
D X X B Figura 2 Solucin: A y B no son mutuamente excluyentes, A B y E son mutuamente excluyentes B E= B . Tienen un elemento comn. . No tienen elementos comunes. X X
C y F son eventos simples o elementos del espacio de eventos. D es un evento vaco, no contiene ningn elemento. F , y adems F es un subconjunto de E, F E.
E y F no son mutuamente excluyentes, E
Pgina 11
1.2
TCNICAS DE CONTEO
En algunos experimentos pueden aparecer un nmero muy grande de resultados que dificultan la contabilizacin directa de los mismos. En esta parte se presentan algunas tcnicas que se conocen como Anlisis Combinatorio para calcular el nmero de resultados posibles de un experimento de esta naturaleza. El Principio Fundamental de la Multiplicacin que es la base para desarrollar las Tcnicas de Conteo, requiere de un producto sucesivo de nmeros enteros positivos, en forma creciente o decreciente, denominado factorial de un nmero, que a continuacin se explica.
1.2.1
FACTORIAL DE UN NMERO:
La palabra factorial proviene de factor, que se refiere a los elementos de la multiplicacin. Factorial de un Nmero es el producto consecutivo de todos los nmeros enteros desde el uno al nmero dado inclusive, se presenta por n!, donde n debe ser real, entero y positivo, calculndose de la forma siguiente n! = 1 2 3 4 5 . . . . (n 2) (n 1) n, tomando en cuenta que el orden de los factores no altera el producto, se puede invertir el orden de stos: n! = n (n 1) (n 2) . . . . . 5 4 3 2 1.
Considerando la propiedad asociativa de la multiplicacin y la propia definicin de factorial, se puede llegar a la expresin siguiente; n! = n (n 1)!, llamada Frmula Fundamental del Factorial, esta frmula carece de sentido para n = 1 y para n = 0, debido a que la definicin de factorial no abarca el caso en que el nmero dado n sea uno o cero, sin embargo, para aplicar la definicin de factorial en forma general, se considera que el factorial de cero y de uno es igual a la unidad, es decir, 0! = 1 y 1! = 1. Demostracin: a) Considerando la expresin general del factorial 1! = 1 Con la asistencia de la frmula fundamental del factorial: n! = n (n 1)! si n = 1 1! = 1 ( 1 1)! Por lo tanto: 0! = 1 L.Q.Q.D.
b)
Ejemplo: Calcular el factorial del nmero 15 Solucin: 15! 15 14 13......... 2 1 1.30774 1012
Ejemplo: Obtener el valor de la siguiente expresin: Solucin:

12! 4!
12! 4!
12 11 10......... 4 3 2 1 12 11 10.... 7 6 5 1.99584 10 7 4 3 2 1
1.2.2
PRINCIPIO FUNDAMENTAL DEL CONTEO.
Conocido tambin como Principio Fundamental de la Multiplicacin, dice lo siguiente: si un hecho puede realizarse de n1 formas diferentes y si para cada una de stas puede efectuarse un segundo acto de n2 formas distintas, entonces ambos actos pueden efectuarse de n1 x n2 formas distintas, lo anterior puede extenderse a ms eventos, entonces una secuencia de k hechos puede realizarse de n1 n2 n3 . . . nk 1 nk formas distintas. Ejemplo: Un ingeniero adquiri recientemente un terreno para realizar un proyecto inmobiliario, el permiso oficial para llevarlo a cabo requiere que el predio est a su nombre ante el Registro Pblico de la Propiedad. Para los trmites correspondientes de la escrituracin del terreno el ingeniero necesita los servicios profesionales de un abogado y un notario pblico. En la regin hay 7 abogados y 4 notarios pblicos. Cuntos pares abogado- notario, en ese orden, diferentes puede elegir el ingeniero para realizar la escrituracin? Solucin: Como puede apreciarse en el enunciado el ingeniero debe seleccionar primero a un abogado de los siete disponibles, y despus decidir por uno de los cuatro notarios pblicos que hay en la regin. Esto es, por cada uno de los siete abogados (n1 = 7), hay cuatro opciones de notarios pblicos (n2 = 4). Por lo tanto con base en el Principio Fundamental de la Multiplicacin; el tamao del espacio muestral n(S) para la eleccin del par de profesionales que deber hacer el ingeniero es: n(S) n1 n 2 7 4 28 , pares diferentes (abogado- notario pblico)
1.2.3
PERMUTACIONES
Se denominan permutaciones a los arreglos de n elementos considerados, tomados stos de r a la vez, ya sea agrupados todos o parte de ellos (r n). Arreglos con al menos un elemento diferente o con elementos iguales pero en diferente orden o con diferente nmero de elementos, se dice que son permutaciones diferentes. Para determinar el nmero de arreglos que se pueden formar al tomar r objetos de entre los n objetos dados, dividimos el problema en varios eventos: a) Escoger el primer objeto (orden = 1). Hay n maneras diferentes, puesto que los n objetos estn disponibles en n (orden 1) = n (1 1) = n. Escoger el segundo objeto (orden = 2). Hay n 1 maneras diferentes: n (orden 1) = n (2 1) = n 1 y as sucesivamente:
b)
Pgina 13
c)
Escoger el (r 1)simo objeto (orden = r 1). Hay n r + 2 maneras diferentes: n [(r 1) 1] = n (r 2) = n r + 2. Escoger el (r)simo objeto (orden = r). Hay n r + 1 maneras diferentes: n (r 1) = n r + 1.
d)
Las permutaciones las representamos mediante P n , donde n son los objetos disponibles y r (orden) r el nmero de objetos que se toma de los n, aplicando el principio fundamental del conteo tendramos: Pn= n r (n 1) (n 2)...[n (r 2)] [n (r 1)]; r factores
Considerando que factorial de n es: n! = n (n 1) (n 2)...[n (r 2)] [n (r 1)] 2 1 y que factorial de n r es: (n r)! = ( n r) [n (r + 1)] [n (r + 2)]...3 2 (n r) [n (r + 1)] [n - (r + 2)]...
el nmero de formas diferentes buscando se puede obtener dividiendo el factorial de n entre el factorial de n r, por lo tanto: Pn= r
n (n 1) (n n! = (n r)!
(n 1)
2)...[n (r 1)] (n r) [n (r 1)]... 3 2 1 (n r) [r (r 1)]... 3 2 1
simplificando: P n = n r
(n 2)...[n (r 2)] [n (r 1)] n! Por lo que la expresin: P n = nos indica el nmero de formas diferentes que se tienen al r (n r)! escoger r objetos de n disponibles. Las permutaciones de n objetos son las agrupaciones simples de n objetos tomados de orden n, es decir, r = n y se representan mediante P n . n
n Pn =
n! n! = ; (n n)! 0!
n como 0! = 1, tenemos que Pn = n!
Las permutaciones de n objetos es igual al factorial de nmero n de objetos dados.

5 Ejemplo: Considerese las 5 vocales {a, e , i, o, u}, obtener: P 1 , P 5 y P 5 3 2
Solucin:
a)
5 P1 =
5! 5! = =5 (5 1)! 4!
a, e, i, o u.
Pgina 14
b)
P5 = 2 ae, ea, ia, oa, ua,
5! 5! = =5 (5 2)! 3!
ai, ei, ie, oe, ue, ao, eo, io, oi, ui, au eu iu ou uo
4 = 20
c)
P5 = 3 aei, aie, aoe, aue, oae, oea, oia, oua,
5! 5! = =5 (5 3)! 2!
aeo, aio, aoi, aui, oai, oei, oie, oue, aeu, aiu., aou, auo, oau, oeu, oiu, oui,
3 = 60 eai, eia, eoa, eua, uae, uea, uia, uoa, eao, eio, eoi, eue, uai, uei uie, uoe, eau, eiu, eou, eui, uao, ueo, uio, uoi. iae, iea, ioa, iua, iao, ieo, ioe, iue, iau, ieu, iou, iuo,
Ejemplo: De cuntas formas distintas se pueden acomodar en una fila 5 libros de fsica distintos? Solucin: P 5 = 5! = 120 5 Esto es porque los libros son distinguibles, uno a uno. Presentan diferencias en el tamao, color de las pastas, grueso, contenido, etc.
1.2.4
PERMUTACIONES CON REPETICIN
Son aquellas en donde se permite la repeticin de objetos, por lo que puede suceder que r > n. Para establecer la forma de determinar el nmero de permutaciones con repeticin, consideremos las Permutaciones Simples y el Principio Fundamental del Conteo. a) b) Para escoger el primer objeto se tienen n posibilidades de hacerlo. Para escoger el segundo objeto, se tendrn las mismas n posibilidades de hacerlo, ya que se pueden repetir los objetos, y as sucesivamente. Si se requiere escoger el r-simo objeto se tendrn n posibilidades de hacerlo, por lo tanto, si representamos el nmero de permutaciones con repeticin mediante PR n , tendremos r que: PR n = n r n n...n n, r igual al nmero de factores; finalmente PR n = nr, las r
c)
Pgina 15
permutaciones con repeticin de n objetos tomados de orden r es igual a n elevado a la potencia r. Ejemplo: Los juegos de placas de automvil en el Distrito Federal (D.F.) constan de 3 dgitos y 3 letras, si se disponen de los dgitos del 0 al 9 y de las 26 letras del alfabeto y adems el primer dgito no puede ser cero y la primera letra de las placas debe ser de la A a la W. De cuntas formas diferentes se pueden obtener los arreglos de dgitos y letras para las placas en el D.F.? Solucin: Para el primer dgito se tienen n1 = 9 formas diferentes de escogerlo, para el segundo y el tercero se tienen n2 = PR10 = 102 = 100 formas diferentes de escogerlos, para la primera letra 2 n3 = 22 y para las otras dos n4 = PR 26 = 262 = 676 2 Aplicando el Principio Fundamental del Conteo, se tiene: n1 n2 n3 n4 = 9 100 22 676 = 13, 384, 800 juegos de placas.
1.2.5
PERMUTACIONES CON GRUPOS DE OBJETOS IGUALES (NO DISTINGUIBLES)
Consideremos un conjunto de n objetos disponibles donde hay un subconjunto de m objetos iguales (no se pueden diferenciar entre si). Para determinar el nmero de permutaciones diferentes que se pueden formar con los n objetos disponibles, supngase que ya estn formadas todas las permutaciones con grupos de objetos iguales, distintas entre si, con los n objetos y que su nmero es X, en cada una de las X permutaciones formadas sustityanse los m objetos iguales y permtense
n entre si, Pm = m!, por lo que se tendrn m! formas diferentes, si multiplicamos X m! = n!, de donde X es el nmero de permutaciones de n objetos dentro de los cuales hay m que son iguales, n! n n este nmero lo representaremos por Pm , despejndolo tenemos Pm = , esta expresin se puede m! extender a un conjunto de n objetos disponibles donde existan dos o ms subconjuntos de objetos iguales, generalizando podemos llegar a:
n Pm1, m2...mk =
n! m 1 ! m 2 !.....m k
Ejemplo: De cuntas formas diferentes se pueden colocar diez libros en una fila de un librero, si tres son de Fsica iguales, dos de Matemticas iguales y otros cinco de otras diferentes reas de la ciencia 10 10 Solucin: P3,2 = = 302,400 32
Pgina 16
1.2.6
PERMUTACIONES CIRCULARES
El problema se plantea para obtener el nmero de arreglos diferentes en que pueden colocarse n objetos alrededor de un crculo, sin que importe la posicin absoluta de los objetos en crculo, lo que importa es la posicin relativa entre los objetos, es decir, dos permutaciones circulares sern iguales si la posicin relativa entre los n objetos es la misma, aunque la posicin absoluta entre ellos sea diferente. negro
negro
amarillo
o rojo azul azul rojo
amarillo
NEGRO AZUL AMARILLO ROJO, NEGRO
negro
AZUL AMARILLO ROJO
Permutaciones circulares iguales Figura 3 Las permutaciones circulares de la figura 3 son iguales, ya que tomando como base el color negro en crculo de acuerdo al giro de las manecillas del reloj llegamos al azul, despus al amarillo, enseguida al rojo y por ltimo regreso al negro: amarillo amarillo
rojo
negro
rojo azul
azul Permutaciones circulares diferentes Figura 4
negro
Las permutaciones circulares de la figura 4 son diferentes, considerando el giro de las manecillas del reloj y partiendo del color negro: NEGRO AZUL ROJO AMARILLO, NEGRO AZUL AMARILLO ROJO Para determinar el nmero de permutaciones circulares que pueden formarse con n objetos, se considera las permutaciones simples de n objetos A1 A2 A3...An-1 An si lleva el ltimo objeto al principio tenemos An A1 A2 A3...An-1, si repetimos el procedimiento n veces se tendr n permutaciones simples, si las llevamos alrededor de un crculo, como ya se dijo, como permutaciones circulares se trata de la misma permutacin, lo que implica que una permutacin
circular genera n permutaciones simples, por lo tanto, a partir del nmero de permutaciones simples Pnn puede obtenerse el nmero de las permutaciones circulares de n objetos disponibles, que representaremos por PCn, como cada permutacin circular genera n permutaciones simples, las permutaciones simples de n objetos es igual a n por el nmero de permutaciones circulares de los n Pnn n! n objetos disponibles: Pn = n PCn, de donde: PCn = = , aplicando la frmula fundamental del n n factorial n! = n (n 1)! , se tiene que: PCn = (n 1)! Ejemplo: De cuntas maneras diferentes pueden sentarse alrededor de una mesa una familia compuesta por los padres y dos hijos? P h2 h1 P h1 M h2 M h2 Figura 5 Solucin: PC4 = (4 1)! = 3! = 6 M h1 h2 P h1 M h1 P M h2 M P h2 P h1
1.2.7
COMBINACIONES
Las combinaciones se forman tambin de r elementos de un conjunto disponible de n de ellos. Se diferencian de las permutaciones en virtud de que en las combinaciones interesa solamente la seleccin de los elementos y no el orden de ellos. Para determinar el nmero de combinaciones de n objetos de orden r, que se representan mediante C n n n C r considerando que estn formadas las combinaciones C n , si a cada una se les r r r permuta sus r objetos, tenemos r! maneras distintas de hacerlo, el producto r! C n nos da el total de r n permutaciones de n objetos disponibles tomados de orden r, por lo tanto: r! C r = Prn . Pn n! Despejando: C n = r = r r! r!(n r)! Ejemplo: Un comandante de la polica federal tiene a su disposicin cinco personas (Daniel, Ernesto, Fernando, Vctor y Jos), requiere para el turno vespertino elegir dos de ellas para formar una pareja que realice, en cierta zona, el patrullaje correspondiente en uno de los vehculos con que
cuenta la delegacin a su cargo. De cuntas maneras diferentes el comandante puede formar la mencionada pareja?. Solucin: Las diez posibles parejas para realizar el patrullaje son: Daniel y Ernesto Daniel y Fernando Daniel y Vctor Daniel y Jos Ernesto y Fernando Ernesto y Vctor Ernesto y Jos Fernando y Vctor Fernando y Jos Vctor y Jos
As la pareja: Ernesto y Daniel no es otra combinacin, ya que ellos fueron la primera pareja enlistada. Como puede apreciarse cuando solamente importa a quienes se selecciona es una combinacin y es intrascendente el orden que se haya realizado. Daniel y Ernesto o Ernesto y Daniel son la misma combinacin y, al mismo tiempo, visto desde otra ptica son diferentes permutaciones. Otra forma de resolverlo: 5! 5! 5 4 3! C5 = = = = 10 formas diferentes 2 2! (5 2)! 2! 3! 2!3! Ejemplo: De cuntas formas diferentes un director tcnico puede formar el equipo titular de bsquetbol (cinco personas)?, si el equipo completo dispone de diez jugadores. Solucin: C10 = 5
10! 10! 10 9 8 7 6 = = = 252 formas diferentes 5! (10 5)! 5! 5! 120
1.2.8
COMBINACIONES CON REPETICIN
En este tipo de combinaciones se permite la repeticin de objetos en una misma combinacin por lo que el orden puede ser mayor que el nmero de objetos r > n. La expresin que nos da el nmero de combinaciones con repeticin CR n , que se pueden formar con n objetos de orden r, se puede r demostrar utilizando el mtodo de induccin matemtica y es igual al nmero de combinaciones simples que se pueden formar con n + r 1 objetos de orden r, es decir:
CR n = C n r r
r 1
(n r 1)! r!(n 1)!
Demostracin: Si n = 1
C1 r
r 1
(1 r 1)! r!(1 1)!
r! r!(0)!
r! 1 r!
(1)
Pgina 19
Si n = 2
C2 r
r 1
(2 r 1)! r!(2 1)!
(r 1)! r!(1)!
(r 1)r! r!
r 1
(2)
Si n = k
Ck r
r 1
(k r 1)! ; r!(k 1)! (k r 1 1)! r!(k r 1 1 r)! (k r )! k! r!
(3)
C (k r
r 1) 1
(3)
Si n = k+1
C (k r
1) r 1
(k 1 r 1)! r!(k 1 r 1 r)!
(k r )! k! r!
(4)
Como (4) es igual a (3), queda demostrado Ejemplo: Una planilla sindical debe estar formada por diez miembros. Cuntas planillas diferentes se pueden formar, con respecto a su composicin de hombre (H) y de mujeres (M)? 11! 11! 2 2 Solucin: CR 10 = C10 10 1 = C11 = = =11 10 10! (2 1)! 10! 1! HHHHHHHHHH HHHHHHHHHM HHHHHHHHMM HHHHHHHMMM HHHHHHMMMM HHHHHMMMMM HHHHMMMMMM HHHMMMMMMM HHMMMMMMMM HMMMMMMMMM MMMMMMMMMM
1.2.9
NMEROS COMBINATORIOS
n r
En matemticas son muy importantes los nmeros combinatorio, que se representan mediante combinaciones simples C n , que se pueden formar con n objetos de orden r. r
donde: n = numerador y r = orden. La expresin que nos da el nmero combinatorio es la de
n = r
n! r! (n r)!
1.2.10 PROPIEDADES DE LOS NMEROS COMBINATORIOS

a) Cuando los nmeros combinatorios son de orden cero, toman el valor de uno. Demostracin:
Pgina 20
n! n! n = = 0 0! (n 0)! 0! n!
b)
como 0! = 1
n 0
n! =1 n!
Si el numerador y el orden de los nmeros combinatorios es n, tambin toman el valor de uno. Demostracin:
n = n
c)
n! n! (n n)!
n! n! 0!
como 0! = 1
n = n! = 1 n n!
Los nmeros combinatorios de orden uno son iguales a n. Demostracin:
n! n(n - 1)! n = = 1 (n 1)!1! (n 1)!

d)
Si n es el numerador de dos nmeros combinatorios, con un orden, de cada uno de ellos, que al sumarse complementan dicho numerador; son condicionantes ambos, necesarios y suficientes, para que los mencionados nmeros combinatorios sean iguales entre s.
n = n n r r
Demostracin: n! n! n n n r = (n r)! [n (n r)]! = (n r)! r! = r e)
L.Q.Q.D.
Si dos nmeros combinatorios, con igual numerador n, pero uno con orden r y el otro con orden r + 1, se suman; siempre se tiene otro nmero combinatorio con numerador n + 1 y de orden r + 1.
n + n = n 1 r r 1 r 1
Demostracin:
n + n r r 1
n! n! + r! (n r)! (r 1)! (n r 1)!
aplicando la frmula del factorial a los denominadores:
Pgina 21
n + n r r 1
n! n! + r! (r 1)(n r 1)! r! (n r 1)! (n r)
Completando los denominadores para tenerlos iguales, sin alterar los sumandos.
n + n r r 1
n! (r 1) n! (n r) + r! (r 1)(n r 1)! (n r) r! (r 1)(n r 1)! (n r)
Efectuando operaciones:
n + n r r 1
n! (r 1) n! (n r) n! (n 1) = r! (r 1)(n r 1)! (n r) r! (r 1)(n r 1)! (n r)
Aplicando la frmula del factorial en numerador y denominador, tenemos:
(n 1)! n + n = r r 1 (r 1)! (n r)!

Por otra parte desarrollando el nmero combinatorio: (n 1)! (n 1)! n 1 = = L.Q.Q.D. r 1 (r 1)! [(n 1) (r 1)]! (r 1)! (n r)!
1.2.11 ALGUNAS APLICACIONES DE LOS NMEROS COMBINATORIOS.

a) Teorema del binomio. Establece que la suma de dos nmeros elevada a un exponente entero y positivo (a + b)n es igual a la suma, trmino a trmino, desde r igual a cero hasta n, del producto del nmero combinatorio n (coeficiente), el primer trmino del binomio r elevado a la potencia (n r) y el segundo trmino elevado a la potencia r; es decir:
(a b)n
r 0
n a (n - r) b r r
Ejemplo: (a + b)4 = 4 a4 b0 + 4 a3b + 4 a2b2 + 4 ab3 + 4 a0b4 0 1 2 3 4 aplicando las propiedades de los nmeros combinatorios tenemos que: (a + b)4 = a4 + 4a3b + 6a2b2 + 4ab3 + b4 b) Tringulo de Pascal. Donde los nmeros combinatorios forman un arreglo triangular que corresponden a los coeficientes de un desarrollo binomial.
Pgina 22
0 0
1 0
1 1
2 0
2 1
2 2
3 0
3 1
3 2
3 3
4 0
4 1
4 2
4 3
4 4
Figura 6 Ejemplo: Considerando el ejemplo anterior de (a + b)4, observe que los coeficientes del desarrollo binomial corresponden a los nmeros combinatorios de la base del Tringulo de Pascal (figura 6). c) Contabilizar el nmero de subconjuntos de un determinado conjunto. Se sabe en lgebra de conjuntos que existen 2n subconjuntos de un conjunto de n elementos, incluyendo el denominado conjunto vaco (o carente de elementos). Sea un conjunto con n elementos. Partiendo de la definicin de combinacin que establece dos combinaciones son distintas si se tiene cuando menos un elemento distinto. As, si se toman un subconjunto con todos los elementos (r = n) es evidente que slo existe uno
n! n = =1 n n! (n n)!
si se requiere el nmero de subconjuntos con n 1 elementos (r = n 1):
n! n(n 1)! n = = =n n 1 (n 1)! [n (n 1)]! (n 1)! (1)!

si es necesario conocer el nmero de subconjuntos con n 2 elementos (r = n 2):
Pgina 23
n! n(n 1)! n n 2 = (n 2)! [n (n 2)]! = 2!

y as sucesivamente hasta el nmero de subconjuntos con un solo elemento:
n! n 1 = 1! (n 1)! = n De los resultados anteriores se puede concluir, que el nmero de subconjuntos de un conjunto es:
n + n + n 2 + - - - -+ n n n 1
n 1 + (conjunto vaco) =
n r 0
n 1
= 2n
Para comprobar lo anterior basta desarrollar 2n como el binomio (1 +1)n: 2n = (1 + 1)n= n 0
n (1)n0 (1)0+ 1
(1)n1 (1)1+ n (1)n-2 (1)2+..... 2 (1)0(1)n

n
+ n (1)1 (1)n-1 n n n 1
n 2n = n + 1 + n +.....+ n + n n 0 2 n 1
=
r 0
n r
L.Q.Q.D.
Ejemplo: Una persona tiene cuatro monedas de diferente denominacin. Cuntas cantidades diferentes de dinero puede formar con una o ms de ellas? Solucin: Primer mtodo:
4 + 4
4 3 +
4 + 2
4 1 = 1 + 4 + 6 + 4 =15 cantidades
Segundo mtodo: El nmero de subconjuntos que se pueden formar con las cuatro monedas de 24 = 16 menos el subconjunto que no contiene ninguna moneda (conjunto vaco), lo que da por resultado 15 cantidades diferentes.
Pgina 24
1.2.12 DIAGRAMA DE RBOL

Es otra tcnica de conteo que nos permite numerar grficamente los posibles resultados de un experimento. El Diagrama de rbol consta de nodos que representan puntos de partida, en el espacio o el tiempo, donde se toman decisiones y las ramas representan las acciones posibles que se pueden realizar. El diagrama inicia por un nodo y sus posibles opciones a seguir (ramas iniciales). Cada conjunto de ramas a su vez forma puntos nodales donde se pueden tomar decisiones lo que permite que aparezcan nuevas generaciones de ramas. Ejemplo: En una urna se tienen dos pelotas blancas, tres pelotas verdes y cuatro pelotas rojas, se sacan dos en forma consecutiva, determinar los arreglos diferentes en cuanto al color que se pueden sacar. Solucin: Se consideran dos eventos, (1ero) sacar la primera pelota, (2do) sacar la segunda pelota; para el primero hay tres posibles colores y para el segundo hay tambin tres colores posibles, el diagrama de rbol para este problema queda de la siguiente forma: EVENTOS RESULTADOS
BB B 2do V R B B 1ero V 2do V R R B 2do V R RR RR RV VR RB VV BR VB BV
Figura 7 Por lo tanto hay nueve arreglos diferentes en cuanto al color de las pelotas que se sacan de la urna. Obsrvese que este problema gener tres puntos de toma de decisiones (nodos) y dos generaciones de ramas.
Pgina 25
Aplicando el Principio Fundamental de la Multiplicacin se tiene: n1 n2 = 3 3 = 9, lo que verifica el resultado obtenido
EJERCICIOS PROPUESTOS No. 1

1.1 Supngase que el conjunto universal est formado por los 10 primeros dgitos. Sean A = {2, 4, 5}, B = {4, 5, 6}, C = {6, 7, 9}. Identifique los elementos de los siguientes conjuntos: a) Ac
B
b) Ac
c) ( Ac
B c )c
d) [ A
Bc
A]c
e) [ A
C c ]c
1.2 Apoyndose en los diagramas de Venn Euler, esquematice las siguientes relaciones: a) A c) A
B, luego A A B
b) A
B, luego B B )c Bc
A (A
(B Bc )
Ac ) (B Ac ) (A B )c
d) ( A
1.3 En una junta del Consejo Directivo de una empresa, asiste el presidente, 2 vicepresidentas, 4 socios, 2 socias y una secretaria. a) De cuntas maneras diferentes se pueden sentar alrededor de una mesa redonda para sesionar, s el presidente siempre ocupa el mismo lugar flanqueado por las dos vicepresidentas? b) De cuantas maneras pueden salir de la sala, si siempre salen primero las dos vicepresidentas seguidas por el presidente y luego el resto? c) De cuntas maneras pueden salir de la sala si primero salen las mujeres y luego los hombres encabezados por el presidente? 1.4 Una empresa acaba de terminar una votacin secreta para elegir al Director de Comercializacin de la misma, la caja de votos contiene cuatro papeletas con votos para el candidato A y tres para el B. Supongamos que estas papeletas se sacan de la caja una por una para conocer el resultado de la votacin: a) Elaborar una lista de los resultados posibles y contabilizarlos. b) Para qu resultados, A siempre se sostuvo adelante de B? c) Para qu resultados se decide la votacin en la extraccin de la sexta papeleta? 1.5 En una avenida hay dos bancos, con cajeros automticos que funcionan las 24 horas, uno frente a otro. El banco A tiene 4 cajeros automticos y el banco B tiene 5 cajeros automticos: a) Plantee el espacio muestral y su tamao, de los cajeros automticos ocupados simultneamente en los dos bancos. b) Establezca el evento: El banco A tiene ms cajeros ocupados que el banco B. c) La suma de los cajeros automticos ocupados en ambos bancos es 5, Cuntos casos pueden presentarse bajo esta condicin?
Pgina 26
1.6 Un transportador de carga tiene capacidad de espacio para dos cajas de cierto tipo, independientemente del peso que contengan. Una bodega maneja para sus productos cajas de este tipo y pesan: 10, 20, 30 y as sucesivamente hasta 100 kg. Supngase que el transportador slo se utiliza cuando se completan las dos cajas de carga. Se elijen dos cajas al azar de la bodega para ponerlas en el transportador. Considrese x el peso de la primera caja y y el peso de la segunda caja; de tal forma que el par ordenado (x, y) representa el resultado para este experimento. Utilizando un plano cartesiano grafique: a) Espacio muestral. b) Evento B = {la segunda caja pesa el doble de la primera} c) Evento C = {las dos cajas pesan lo mismo} d) Evento D = {la primera caja pesa 20 kg menos que la segunda} e) Plantee los eventos, de los anteriores incisos, de manera analtica. 1.7 Un estudiante tiene que contestar bien al menos ocho de diez preguntas en un examen para aprobar: a) Cuntas maneras de aprobar tiene? b) Cuntas maneras de aprobar tiene si las tres primeras preguntas son obligatorias de contestar bien? c) Cuntas formas de aprobar tiene si debe contestar bien cuatro de las cinco primeras preguntas? 1.8 De un grupo de cuatro hombres y cinco mujeres, Cuntos comits de 3 miembros son posibles? a) Sin restricciones. b) Con un hombre y dos mujeres c) Con una mujer y dos hombres, de stos ltimos uno siempre debe estar en el comit. 1.9 Un pequeo banco tiene disponibles tres analistas, cinco cajeros y dos administradores. De cuntas maneras el gerente puede escoger un grupo de trabajo de seis personas, si ste debe de contar con: a) Dos analistas, tres cajeros y un administrador, b) Un analista, as como tres cajeros y dos administradores, c) Uno o dos analistas, no menos de tres cajeros y el resto administradores; pero al menos el grupo de trabajo debe tener un empleado de cada especialidad?
Pgina 27
2.
CONCEPTO DE PROBABILIDAD
En la vida comn usamos continuamente el clculo de probabilidades, si el da est nublado se opina que es probable que llueva y los individuos generalmente modificamos nuestra conducta de acuerdo a esa probabilidad. As tambin si alguien compra un nmero de la Lotera Nacional siempre lo hace bajo el supuesto de obtener un premio monetario; la ilusin y la esperanza de este propsito, al menos, dura hasta que se efecta el sorteo. En mayor o menor medida, la idea de probabilidad de un evento se utiliza frecuentemente en nuestra vida cotidiana. El desarrollo inicial de la probabilidad, segn los estudiosos de este campo, responde a las inquietudes de los apostadores franceses del siglo XVII, quienes queran conocer lo que podan ganar o perder en determinados juegos de azar, que promovan en aquella poca casas dedicadas a ese negocio. Los apostadores, con el fin de proteger sus intereses, se asociaron con destacados matemticos, lo que permiti el inicio del estudio formal de la Probabilidad. En un principio hubo indiferencia y desconfianza de parte de la comunidad cientfica por el escaso soporte matemtico que amparaba el novedoso campo de la Probabilidad; no obstante, se dice que en el comienzo, y en especial en los aos treinta, del siglo pasado se intensific el uso de los principios de la Probabilidad en algunos campos del saber humano, como la Biologa, la Fsica, la Qumica y otros; condicin que permite la aparicin de un mayor rigor de la estructura Matemtica de la Probabilidad. Los autores contemporneos plantean diversas interpretaciones de la Probabilidad, por ejemplo George Canavos dice que: La Probabilidad es un mecanismo por medio del cual pueden estudiarse procesos aleatorios, cuando estos se comparan con los Fenmenos Determinsticos; por otro lado Seymour Lipschutz afirma que: La Probabilidad es el estudio de experimentos aleatorios o libres de la determinacin; por su parte Whilliams Hines seala que: El trmino Probabilidad ha alcanzado un amplio uso en la vida diaria para cuantificar el grado de confianza en un evento de inters; as tambin Jay Devore indica: El trmino Probabilidad se refiere al estudio de la aleatoriedad y la incertidumbre. En resumen puede decirse que la Probabilidad es una rama de las matemticas que trata del estudio de la cuantificacin de la incertidumbre en los fenmenos de orden aleatorio. Lo que puede suceder pero en su exacta proporcin de posibilidades es lo que mide la probabilidad: Del latn probabilitas, verosimilitud (verus: verdadero y similis: semejante), fundada apariencia de verdad, calidad de probable, que puede suceder.
2.1
DIFERENTES INTERPRETACIONES DE PROBABILIDAD
2.1.1 CLSICA
Si un experimento aleatorio puede resultar de n(S) formas igualmente posibles y mutuamente excluyentes y si n(A) de esos resultados tienen un atributo (caracterstica especfica) A, la probabilidad de evento A es la proporcin de n(A) con respecto a n(S) en otras palabras, la probabilidad de que ocurra un evento A, es el cociente del nmero de elementos en A, entre el nmero de elementos que hay en el espacio muestral S.
Pgina 28
P(A) =
n ( A) n( S )
n(A) = nmero de elementos en A n(S) = nmero de elementos en S Ejemplo: Al arrojar un dado, se pueden tener los siguientes resultados S= {1, 2, 3, 4, 5, 6}, n(S) = 6, se hace notar que se trata de un espacio de valores discretos, ya que los resultados nicamente son los enteros del 1 al 6. Se definen los eventos siguientes: A = { cae uno } B = { cae dos } C = { cae par } D = { cae impar } E = { cae menor a tres } F = { cae mayor o igual a tres } A = {1} B = {2} C = {2, 4, 6} D = {1, 3, 5} E = {1, 2} F = {3, 4, 5, 6} N(A) = 1 N(B) = 1 N(C) = 3 N(D) = 3 N(E) = 2 N(F) = 4
Calcular la probabilidad de esos eventos. Solucin: El resultado se puede presentar en forma decimal o porcentual. Probabilidad de evento P(A) = P(B) = P(C) = P(D) = P(E) = P(F) = Decimal 0.1666 0.1666 0.5 0.5 0.3333 0.6666 Porcentual (%) 16.66 16.66 50.00 50.00 33.33 66.66
nA 1 nS 6 nB 1 nS 6 n (C) 3 1 n ( S) 6 2 n ( D) 3 1 n ( S) 6 2 n(E) 2 1 n (S) 6 3 n ( F) 4 2 n (S) 6 3
2.1.2 FRECUENTISTA
Si un experimento se repite n veces bajo las mismas condiciones y n(A) de los resultados son n( A) favorables a un atributo A, el lmite del cociente conforme n se vuelve grande, se define como
la probabilidad del atributo A:

Pgina 29
P(A) = lim n
n (A) n
donde n(A) es el nmero de veces que se observa que sucede el evento A en n repeticiones del experimento. Una forma comn de calcular la probabilidad de un evento E desde el punto de vista frecuentista es dividiendo el nmero de veces que se presenta E, n(E); entre el nmero total de experimentos efectuados n(S) n(E) P(E) = n (S) Ejemplo: Sea E el conjunto de mujeres en un grupo de probabilidad y S el total de alumnos en ese grupo. Si en el grupo hay 45 alumnos de los cules 15 son mujeres, cul es la probabilidad de que al escoger al azar un alumno, este sea mujer? Solucin: 15 1 0.3333 P(E) = 45 3 Ejemplo: En una fbrica de resistencias para planchas se hace un muestreo peridico con el propsito de determinar el porcentaje promedio de defectos en la produccin, los resultados que se n obtuvieron obedecen a la siguiente expresin : n 10000 Nmero de planchas muestreadas 20 40 70 95 Solucin: Tomando lmite a la expresin
n n
10000
Porcentaje de defecto 0.00199 0.00398 0.00695 0.00941
, tenemos
lmn
n n
10000
indeterminado
n 1 1 n Solucin: = = , ahora tomamos el lmite n 10000 10000 n 10000 1 n n n n 1 1 1 lmn = = =1; por lo tanto el porcentaje de defectos tiende al 1%. 10000 10000 1 0 1 1 n
Pgina 30
2.1.3 SUBJETIVA
De acuerdo con esta interpretacin, la probabilidad de un evento es el grado de certidumbre que tiene una persona, o grupo de personas, acerca de la ocurrencia de un evento, puede ser que se sustente en la experiencia o en cierta informacin que se tenga. Una probabilidad igual a cero indica una certeza absoluta de que el evento no ocurrir y una probabilidad igual a uno (100%) indica una certeza absoluta de que el evento ocurrir. Es importante reconocer que por la enorme cantidad de variables a considerar en determinados problemas, la utilizacin de modelos matemticos se vuelve una situacin compleja e imprctica y este enfoque, de acudir a la experiencia y visin de expertos en determinados campos de la actividad humana resulta ms apropiado. Preguntas como las siguientes tendran respuestas con alto grado de certidumbre al consultar con expertos: En que periodo de tiempo se construir la presa de La Parota?, Qu candidato de los actuales ser el que gane las elecciones?, Cunto ser el tiempo til de una determinada mquina?, slo por poner algunos ejemplos. Como puede observarse, los cuestionamientos anteriores corresponden a problemas que no tienen su fundamento en la frecuencia relativa; esto es, son casos que generalmente son nicos y no pueden repetirse. Por ello, en muy pocas ocasiones se pueden presentar diagnsticos apoyados en la probabilidad subjetiva, cuando los fenmenos estudiados sean producto de experimentos repetitivos. Una ltima consideracin sobre este enfoque, es que la probabilidad representa un grado de creencia sobre el suceso de una afirmacin, en el mbito de un juicio personal, que lleva una enorme carga de intuicin, experiencia y sentimiento. Son posibles ciertas variaciones, en mayor o menor grado, al consultar a dos o ms expertos sobre un mismo problema. No obstante, en campos como la alta gerencia, la mercadotecnia, la milicia, la innovacin tecnolgica, planeacin econmica, la poltica, la medicina, la educacin, entre otros; acuden los niveles directivos a la consulta de expertos para la bsqueda de las soluciones ms acertadas y oportunas a problemas generales y especficos que surgen en sus diferentes competencias. Ejemplo: De acuerdo a las condiciones climticas que percibo, casi estoy seguro (90%) de que llover hoy. Ejemplo: Considerando la recaudacin hacendara, la produccin industrial y de servicios del pas, el incremento previsto de sus exportaciones, el control de la deuda externa, el ambiente de inseguridad interna y el problema de la crisis econmica internacional; existe en los analistas del sector financiero mexicano una estimacin optimista mayor al 80%, de que la paridad peso dlar no sobrepasar la relacin 20: 1, durante el periodo 2009 2011.
2.2
DEFINICIN AXIOMTICA DE PROBABILIDAD
La probabilidad se formaliza a travs de un conjunto de axiomas y teoremas, sobre conceptos bsicos de la teora de conjuntos.
2.2.1 AXIOMAS DE PROBABILIDAD.

Axioma 1: P(A) > 0 La probabilidad del evento A siempre es positiva.
Pgina 31
Axioma 2: P(S) = 1 La probabilidad del evento seguro es igual a uno. La posibilidad de que suceda cualquier resultado del espacio de eventos es igual a la unidad. Ejemplo: En el experimento de arrojar un dado, el espacio muestral es: S = {1, 2, 3, 4, 5, 6} la probabilidad de que el resultado est dentro del intervalo [1, 6] es uno; P (S) = 1 A partir de estos axiomas se deriva la siguiente conclusin, si A es un evento cualquiera del espacio muestral de un experimento incluyendo el evento vacio y el evento seguro, la probabilidad de A se encuentra en el intervalo [0, 1]. 0 P(A) 1
Esto es, la probabilidad de un evento cualquiera, no puede tomar un valor menor de cero ni mayor a uno. Ejemplo: Evento A cae nmero primo, en el experimento de arrojar un dado. S = {1, 2, 3, 4, 5, 6}, Axioma 3: A = {2, 3, 5}, P(A) =
3 6
0.50
Si A y B son dos eventos mutuamente excluyentes, entonces: S A B
P(A B) = P(A) + P(B)
A B= Figura 8 Generalizando, para cualquier nmero finito K de eventos mutuamente excluyentes: P(A1 A2 ..... AK) = P(
K i 1
K
A i) =
i 1
P( Ai)
As tambin, para un nmero infinito de eventos, en las mismas condiciones, que son excluyentes uno a uno: P(A1, A2, ..... AK . . . . .) = P(
i 1
A i) =
i 1
P( Ai)
Ejemplo: Se lanza un dado legal, sea A = {nmeros pares} y B = {nmeros nones menores o iguales a tres}. Obtener la probabilidad de A B: Solucin: Eventos A = {2, 4, 6} ; B = {1, 3} 3 2 5 P(A B) = P(A) + P(B) = 6 6 6
A 2 4 6
B 1 3
Figura 9
Pgina 32
Obsrvese que: P(A
B)c = P(5) =
y P[(A
B)
(A
B)c] = P(S) = 1
2.2.2 TEOREMAS DE LA PROBABILIDAD

Teorema 1: La probabilidad del evento vaco (o imposible) es igual a cero: P ( ) = 0 Demostracin: Para cualquier evento A: A = A As tambin: A y son mutuamente excluyentes, pues no tienen elementos en comn. Ahora, si se considerea el Axioma 3: P(A) = P (A ) = P(A) + P( ) P( ) = 0 L.Q.Q.D Teorema 2: Si Ac es el evento complemento de A, entonces: P(Ac) = 1 P(A) Demostracin: Del diagrama de Venn S = (A Ac) A y Ac son eventos excluyentes y colectivamente exhaustivos. Considerando los axiomas 2 y 3 P(S) = P(A) + P(Ac) = 1 P(Ac) = 1 P(A) L.Q.Q.D.
S
A A
c
Figura 10 La expresin demostrada anteriormente es muy til, se le conoce tambin como probabilidad del complemento. Ejemplo: En el experimento de arrojar un dado se definen los eventos siguientes: Evento A cae par A = {2, 4, 6} y evento B cae impar B = {1, 3. 5}. Calcular P(A B) Solucin: A B = yA B=S 3 3 P(A B) = P(A) + P(B) = 1 6 6 Ejemplo: En un almacn hay diez llantas de determinada medida para camin, cuatro de ellas tienen defectos, que no se aprecian a simple vista, un conductor de un camin entra al almacn para tomar al azar cuatro de ellas, Qu probabilidad hay de que al menos (como mnimo), tome una defectuosa?
10 210 formas diferentes de tomar las Solucin: Partiendo de que el chofer puede tener n(s) = C 4 cuatro llantas de las diez disponibles; el evento de este problema se puede enunciar: A = {Toma una o toma dos o toma tres o toma cuatro llantas defectuosas} A1 = {Toma una llanta defectuosa y tres en buen estado} A2 = {Toma dos llantas defectuosas y dos en buen estado} A3 = {Toma tres llantas defectuosas y una en buen estado} A4 = {Toma cuatro llantas defectuosas y ninguna en buen estado}
Pgina 33
Entonces: P( A) P A1 A2 A3 A4 Tomando en cuenta el Axioma 3, en virtud de que A1, A2, A3 y A4 son mutuamente excluyentes P( A) P( A1 ) P( A2 ) P( A3 ) P( A4 ) entre s:
P( A)
4 6 C1 C3 10 C4 4 6 C2 C2 10 C4 4 6 C3 C1 10 C4 4 6 C 4 C0 10 C4
80 210
90 210
24 210
1 210
195 210
0.9286
Ahora, si se considera el Teorema 2 de la probabilidad de complemento, entonces: Ac = {Toma cero llantas defectuosas y cuatro en buen estado} Por lo tanto: 4 6 C0 C 4 15 P( A c ) 0.07142 10 210 C4 Finalmente P(A) = 1 P Ac 15 195 P(A) 1 0.9286 210 210 Que es el mismo resultado, pero se obtiene con un menor nmero de operaciones. Teorema 3: Si A y B son dos eventos no mutuamente excluyentes, esto es A P(A B) = P(A) + P(B) P(A B)
A B
B S A
, entonces:
Figura 11 Figura 11
Anteriormente se defini la unin de dos eventos, como los elementos que hay en ambos sin repetirse (excluyentes), ahora habr de tratarse el caso cuando en A y B hay elementos comunes (no excluyentes) esto es n(A B) = n(A) + n(B) n(A B), donde n(A B) es el nmero de elementos de la unin de A y B, n (A) el nmero de elementos de A, n(B) el nmero de el elemento de B, por ltimo n(A B)el nmero de elementos de la interseccin de A y B, si a ambos miembros de la igualdad los dividimos entre n(S) (nmero de elementos del espacio de eventos) y aplicamos el n(E) concepto de probabilidad P(E) tenemos lo que se conoce como Ley de adicin de n(S) probabilidades: P(A B) = P(A) + P(B) P(A B)
Demostracin: Considerando un diagrama de Venn.

N A B S S A B S A B
=
=
B B
(A
B c)
(A
B)
(B
A c)
Figura 12
A B = (A Bc) (A B) (B Ac) Recordando que: Ac es complemento de A y Bc es complemento de B, del diagrama tenemos: n(A B) = n(A Bc) + n(A B) + n(B Ac)
tambin del diagrama se puede observar que: n(A Bc) = n(A) n(A B) y n(B Ac) = n(B) n(A B)
sustituyendo en la anterior expresin tenemos que: n(A B) = n(A) n(A B) + n(A B) + n(B) n(A B) = n(A) + n(B) n(A B)
dividiendo entre n(S) y aplicando el concepto de probabilidad nos queda: P(A B) = P(A) + P(B) P(A B) L.Q.Q.D.
Ejemplo: En el experimento de arrojar un dado se definen los eventos: A cae nmero primo A={2, 3, 5}, B cae nmero par B={2, 4,6} y C cae nmero mayor o igual a cinco C={5,6} Solucin: n(S) = 6, n(A) = 3, n(B) =3, n(C) = 2 3 3 1 5 P(A B) = 0.8333 83.33% 6 6 6 6 P(A C) =
3 6
3 6
2 6
2 6
1 6
1 6
4 6
4 6
0.6666
66.66%
P(B
C) =
0.6666
66.66%
Ejemplo: En un grupo de probabilidad hay 35 hombres de los cuales 5 estn becados y 15 mujeres entre ellas 2 tienen beca. Si el profesor elige a un alumno al azar, de la lista de clase, para que pase al pizarrn. Obtener la probabilidad de que: a) Sea hombre S b) Sea mujer y est becada A B c) Sea mujer no becada d) Sea mujer u hombre, pero becado ste ltimo
13 2 5
Solucin: Eventos: A = {mujer} ; Ac = {hombre} ; B = {con beca} 15 7 Datos: P(A) = ; P(B) = 50 50 a) Del Teorema 2:
30
Figura 13
Pgina 35
P(Ac)= 1 P(A) = 1 b) P( A c) P ( A d) P ( A
15 35 = 50 50 n( A B) 2 B) = n(S ) 50
c
n( A B c ) B )= n(S )
( Ac
13 50
B) =
15 5 20 + = 50 50 50
B)) = P(A) + P(Ac
Otra forma, aplicando el Teorema.: P(A B) = P(A) + P(B) P(A B) =

15 7 2 20 + = 50 50 50 50
Asimismo, si se tienen los eventos A, B y C no mutuamente excluyentes (figura 14), el Teorema 3, se expresa: P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C)
Demostracin: A
Figura 14 Considerando (A B) como un solo evento tenemos que n[(A B) C] = n(A B) + n(C) - n [(A B) C] desarrollando el sustraendo n[(A B) C] y dentro de el n[(A B). n[(A B) C] = n(A) + n(B) n(A B) + n(C) n[(A B) (B C)] n[(A B) C] = n(A) + n(B) + n(C) n(A B) [n(A B) + n(B C) n(A B) (B C)] n[(A B) C] = n(A) + n(B) + n(C) n(A B) n(A C) n(B C) + n(A Aplicando probabilidad tenemos: P(A B C) = P(A) + P(B) + P(C) P(A
C)
B) P(A
C) P(B
C) + P(A
C)
Pgina 36
Ejemplo: En el experimento de arrojar un dado se definen los eventos siguientes: A cae par A = {2, 4, 6}, B cae impar B = {1, 3, 5} y C cae nmero primo C = {2, 3, 5}. Demostrar que: P ( A B C) = 1 Solucin: 3 3 3 P(A) = , P(B) = , P(C) = , P(A B) = 0, 6 6 6 P (A P (A
C) =
B
1 , 6
C) =
P (B
3 6 3 6
C) =
2 6 1 6
y P (A
2 6
A
C) = 0
3 6
0 6
0 6
9 6
3 6
6 6
6 1 4 2 3 5
Figura 15 De manera general:

k k
P(A1
A2
A3
...
A k) =
i 1
P ( Ai )
i j 2
k-1
P ( Ai
Aj )
P Ai
Ak)
Aj
At
i j t 3
... + (-1) P(A1 Teorema 4: Si A B, entonces: P(A) < P(B) Demostracin: del diagrama de Venn B = A (B Ac)
A2
A3
...
Por el axioma 3: P(B) = P(A) + P(B Ac ) Ac) > 0 L.Q.Q.D. B Ac Figura 16
Por el axioma 1: P(B P(B) > (P(A)
Pgina 37
2.2.3 ESPACIOS EQUIPROBABLES Y NO EQUIPROBABLES

Cuando en un experimento existe la misma probabilidad de que pueda ocurrir cualquiera de los resultados posibles se le conoce como Espacio Equiprobable y cuando los resultados pueden suceder con diferente probabilidad se les denomina Espacio No Equiprobable, siendo stos ltimos los ms comunes. Ejemplo: En un grupo hay seis nios; tres de ojos claros y tres de ojos oscuros. Si se selecciona al azar uno de ellos por el profesor para realizar cierta actividad, Qu probabilidad hay de que el elegido tenga los ojos claros? Solucin: Como hay tres nios de ojos claros de seis posibles, entonces la probabilidad de que el elegido tenga esta caracterstica es: 3 1 P(nio de ojos claros) 0.50 6 2 O visto de otra manera, existe la misma probabilidad (Espacio Equiprobable) de elegir en este experimento aleatoriamente un nio de ojos de cualquiera de los dos colores. Ejemplo: Por registros estadsticos de un supermercado, el 20 % de los consumidores pagan sus compras de bienes con tarjeta de crdito, el 70 % lo hace con dinero en efectivo y el resto, con vales de despensa de alguna institucin. En la fila de una caja estn formadas las siguientes dos personas que pagarn sus compras, una despus de la otra, Qu probabilidad hay de que las dos paguen con dinero en efectivo? Solucin: Se trata de un espacio No Equiprobable, pues hay mayor probabilidad de que los compradores paguen con dinero en efectivo, que con tarjeta de crdito o vales de despensa. Considerando esta condicin y aplicando el Teorema de la Multiplicacin: P(los siguientes dos consumidores paguen con dinero en efectivo) 0.70 0.70 0.49
2.3
PROBABILIDAD CONDICIONAL, MARGINAL Y CONJUNTA
2.3.1 PROBABILIDAD CONDICIONAL

Como su nombre lo indica se trata de determinar la probabilidad de que ocurra un evento A (evento aposteriori) dado que ya aconteci un evento B (evento apriori), y se representa mediante P (A B), se lee: probabilidad de A dado B o probabilidad de A condicionada a B.
S A B A B S
B: Evento Apriori o espacio muestral reducido Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas
Figura 17
A B: nica posibilidad que el evento A ocurra.
Pgina 38
En la probabilidad condicional, consideramos que de un espacio de evento S se conoce nicamente el evento B, que viene a constituir un espacio muestral reducido, y se desea saber la posibilidad de que exista el evento A, como nicamente conocemos el evento B, la probabilidad de que exista A esta dada por la posible interseccin del evento A con el evento B, por lo tanto P (A B) = n( A B ) donde n(A B) es el nmero de elementos en la interseccin de los eventos A y B, n (B) n( B ) es el nmero de elementos en el evento B. Si el numerador y denominador se dividen en n(S) que es el nmero de elementos del espacio de eventos y aplicamos el concepto de probabilidad: n ( A B) / n ( S ) P (A B) = n ( A) / n ( S ) P( A B ) P (A B) = P( B ) P(B), es la probabilidad del evento condicin. De manera similar, se puede solicitar la probabilidad del evento B dado que ya ocurri el evento A. P (B A) =
P( A B ) P( A)
Ahora el evento condicin es A y la probabilidad de ste es el denominador del anterior cociente. Ejemplo: Se lanzan un par de dados, uno despus del otro. Si la suma de los dos nmeros que aparecen es seis, qu probabilidad existe de que al menos en el par de valores salga una vez el nmero dos? Solucin: S = {(1,1) (1,2) (1,3) (1,4) (1,5) (1,6) (2,1) - - - - - (6,6)} n(S) =36 Evento Aposteriori: A = {sale el dos al menos una vez} Evento Apriori: B = {La suma de los nmeros que aparecen es seis} A = {(1,2) (2,1) (2,2) (2,3) (3,2) (2,4) (4,2) (2,5) (5,2) (2,6) (6,2)} B = {(1,5) (2,4) (3,3) (4,2) (5,1)} (A B ) = {(2,4) (4,2)} n(A B) = 2 n(A) = 11 n(B) = 5
P(A B ) =
P( A B ) P( B )
2 36 5 36
2 5
0.40,
o bien 40%
Pgina 39
2.3.2 PROBABILIDAD CONJUNTA

Es la probabilidad de ocurrencia de dos o ms eventos simultneamente. De la expresin de probabilidad condicional se puede despejar P(A B) y presentarse de la forma siguiente: P(A B) = P (A) P(B A) o bien P(A B ) = P (B) P(A B)
Llamada Ley de multiplicacin condicional de probabilidades. P(A B) recibe el nombre de Probabilidad Conjunta y corresponde a la probabilidad de que se presenten resultados comunes a dos eventos. Ejemplo: Una caja contiene 5 cubos rojos y 3 blancos, en una segunda caja se tienen 4 cubos rojos y 2 blancos. De la primera caja se saca un cubo y se coloca en la segunda caja, despus de la segunda caja se saca un cubo y se observa el color. Determinar la probabilidad de que el cubo que se saca de la segunda caja sea blanco.
5r 3b 4r 2b
Primera caja
Segunda caja
Figura 18 Para el clculo nos auxiliaremos con un diagrama de rbol, como se muestra en la figura 19, si el cubo que se pasa a la segunda caja es rojo, en esta quedarn 5 rojos y 2 blancos; si el cubo que se pasa a la segunda caja es blanco, en esta quedarn 4 rojos y 3 blancos. Figura 19
r2
5r 2b r1 b2
5 7 2 7
P (r1 P (r1
5 8 5 b2) = P(r1) P b 2 r1 = 8
r2) = P(r1) P r2 r1 =
5 7 2 7
25 56 10 56
5 8
5r 2b
3 8
b1 4r 3b b2
r2
4 7 3 7
Pgina 40
De estas posibilidades interesa que al sacar el segundo cubo sea blanco, sin importar de qu color haya sido el cubo que se cambio de la primera a la segunda caja, por lo tanto. 10 9 19 P (r1 b2) + P (b1 b2) = 0.3393 o bien 33.93% 56 56 56
2.3.3 PROBABILIDAD MARGINAL

Para obtener expresiones tiles para el clculo de este tipo de probabilidades, se har con el apoyo de un ejemplo especfico, considrese el siguiente: En un taller mecnico tienen un total de 135 desatornilladores, los tcnicos atribuyen a stos dos caractersticas, cuando se los piden a sus ayudantes, su longitud (largos o cortos) y la forma de la punta que embona en los tornillos (plana o de cruz); la distribucin es la siguiente: Evento B1 B2 Total A1 40 15 55 A2 60 20 80 Total 100 35 135 A1 A2 B1 B2 Largo Corto Punta plana Punta de cruz
Para determinar una probabilidad conjunta, digamos cortos con punta plana, de acuerdo con la tabla, es el cociente 60/135 = 0.4444, que se obtuvo al dividir el nmero del nmero de desatornilladores cortos y que tienen punta plana, en trminos matemticos esto se expresa: A2 B1 = n21 = 60, entre el total de todos los desatornilladores del taller considerados n = 135 Generalizando se obtiene la Probabilidad Conjunta de dos eventos con la expresin siguiente: P (Ai Bj) =
n ij n(s)
donde i = 1, 2, 3
j = 1, 2, 3
Considrese que nicamente nos interesa conocer la probabilidad de los eventos Bj, sin tomar en cuenta cualquier otro evento del espacio S. Haciendo uso de la interpretacin frecuentista de la probabilidad de escoger un desatornillador con punta plana, se considera tanto a los cortos como a los largos n11 + n21, esto es la probabilidad marginal de B1 (punta plana) de tal forma que: n11 n 21 40 60 P ( B1 ) 0.74 n(s) 135 Se observa que el subndice correspondiente al evento B permanece constante en la suma n11 + n21 Generalizando, La Probabilidad Marginal de cualquier evento Bj puede calcularse:
n
n ij
P (Bj) =
i 1
n(s)
, pero
n ij n(s)
= P(Ai Bj), por lo que:
Pgina 41
Probabilidad Marginal de los eventos Bj:
P(Bj) =
P( Ai
i 1
Bj)
En otras palabras la probabilidad de un evento Bj es igual a la suma de probabilidades conjuntas del evento Bj y los eventos Ai, la suma se realiza sobre todos los eventos Ai. Tambin se puede determinar la probabilidad marginal de cualquier evento
n
Ai :
P( Ai )
i 1
P( Ai
Bj ),
En este caso la suma es sobre todos los eventos Bj. Se puede demostrar que la suma de las probabilidades marginales de los eventos Ai, o de los eventos Bj, es igual a 1, como se muestra a continuacin: P(A1) =
55 80 = 0.4075 y P(A2) = = 0.5925 135 135
2
Por lo tanto P(B1) =
P ( Ai ) = 0.4075 + 0.5925 = 1
i 1
100 35 = 0.74 y P(B2) = = 0.26 135 135

2
Por lo tanto
P( B j ) = 0.74 + 0.26 = 1
i 1
2.3.4 PROBABILIDAD DE EVENTOS INDEPENDIENTES

Regresando a la expresin de probabilidad conjunta P (A B) = P (B) P(A B). Si los eventos A y B son independientes entre s, esto significa, que la ocurrencia de uno no depende de la ocurrencia del otro, por lo tanto la probabilidad condicional sera igual a la probabilidad de que ocurra cualquier evento P(B A) = P(B) y P(A B) = P (A) sustituyendo en la expresin de probabilidad conjunta, tenemos P (A B) = P (A) P (B), siempre y cuando A y B sean Eventos Independientes entre s. Denominada Ley de la Multiplicacin de Eventos Independientes. Ejemplo: Se arroja una moneda tres veces, determinar la probabilidad de que los resultados sean 2 guilas y 1 sol en este orden. Solucin: Para el primer volado la probabilidad de que sea guila es 0.5, para el segundo volado la probabilidad de que sea guila otra vez es 0.5, ya que este segundo volado no depende del resultado que se obtuvo en el primero y para el tercer volado la probabilidad de que sea sol es 0.5, ya que este ltimo volado no depende de los resultados que se tuvieron en los dos anteriores, por lo tanto. P (A A S) = (0.5) (0.5) (0.5) = 0.125 bien 12.5%
Ejemplo: En una Olimpiada compiten tres arqueros para la final, la probabilidad de que den en el 1 1 1 blanco son , y . Si la final se resuelve con slo un tiro de parte de cada uno de los arqueros: 2 3 6
Pgina 42
a) Calcular la probabilidad de que slo uno de ellos de en el blanco. b) Hallar la probabilidad de que los dos primeros den en el blanco y el tercero no. c) Ninguno de los arqueros de en el blanco, Solucin: a) Si i = 1, 2, 3 es el orden de los tiros al blanco, se establecen los siguientes eventos: A Slo un arqueroda en el blanco Ai El arquero Ai da en el blanco
Ac i El arquero Ai no da en el blanco
P( A) P[( A1
A2
A3 )
( A1
A2
A3 )
( A1
A2
A3 )]
Como los eventos Ai son independientes entre s:

P( A) P( A) P( A1 )P( A2 c )P( A3 c ) P( A1c )P( A2 )P( A3 c ) P( A1c )P( A2 c )P( A3 ) 1 2 5 1 1 5 1 2 1 17 0.4722 2 3 6 2 3 6 2 3 6 36
b) B
P( B ) P( B)
El primer y segundoarquerosdan en el blanco y el tercero falla

P A1 A2 A3 c P( A1 )P( A2 )P( A3 c ) 1 1 5 5 0.1388 2 3 6 36 El primer y segundoy el tercer arquero fallan
c) C
P(C ) P(C )
P A1c 1 2 2 3 5 6
A2 c 10 36
A3 c
P( A1c )P( A2 c )P( A3 c )
0.277
2.3.5 APLICACIN DEL CONCEPTO DE INDEPENDENCIA DE EVENTOS A LA

TEORA DE SISTEMAS En este estudio se considerar un sistema a un conjunto de elementos Ai (donde i = 1, 2, 3,, n), que interactan entre s, y cumplen con un propsito. En ingeniera encontramos sistemas elctricos, electrnicos, hidrulicos, mecnicos, urbanos, ambientales, entre muchos ms. Sistemas en serie. Son aquellos que funcionan en lnea. En este tipo de sistemas si un elemento no funciona el sistema no funciona. Para calcular la probabilidad de que un sistema funcione P(F) debe contarse con la probabilidad de que funcione de manera independiente cada uno de los componentes Ai y, aplicarse los conceptos, principios, axiomas y teoremas de la Teora de la Probabilidad, hasta ahora tratados.
Pgina 43
Ejemplo: En una serie de focos (Ai), se tienen las probabilidades de que funcionen, de manera independiente, cada uno de ellos como se indica en el diagrama. Considrese X como la fuente de energa y Z como destino de la misma. Los componentes Ai estn ligadas por lneas de conduccin, para integrar el sistema en cuestin. a) Cul es la probabilidad de que el sistema funcione? b) Cul es la probabilidad de que el sistema no funcione?
0.70
X
0.75 A2
0.85 A3
Z
A1
Figura 20 Solucin: Eventos: F

El sistema funciona Fc {El sistema no funciona }
Ai Ai c
El i - simo componente funciona El i - simo componenteno funciona
donde i = 1, 2, 3
a) P F P F P F
P funcioneel componenteA1 y funcioneel componenteA2 y funcioneel componenteA3 P A1 A2 A3 P A1 P A2 P A3 0 4462

1 0.4462 0.5538
0 70 0 75 0 85
b) P( F c ) 1 P F
Sistemas en paralelo. Como su nombre lo indica los componentes Ai estn colocados en posicin paralela. En este caso si un elemento o varios de ellos no funcionan, el sistema s puede funcionar. Slo hay un caso en el que el sistema no funciona, es cuando todos los componentes no funcionan. Ejemplo: Sea el siguiente sistema electrnico en paralelo, cuyas componentes tienen la probabilidad de funcionar, de manera independiente, como se muestra
0.70 A1 0.75 A2 0.85 A3
X x
Z y
Solucin:
Figura 21
Pgina 44
P( F ) P( A1 P( F ) P( F )
P( funcione el sistema) A2 0.70 0.9887 A3 ) P( A1 ) P( A1 P( A2 ) A2 P( A3 ) P( A1 A3 ) A2 ) P( A1 A3 ) P( A2 A3 )
0.75 0.85 (0.70)(0.75) (0.70)(0.85) (0.75)(0.85) (0.70)(0.75)(0.85)
De otra forma, utilizando un diagrama de rbol:

S
0.85 A2 0.15 0.85 0.25 0.70 A2c 0.15 0.85 0.30 A1
c
A3
(A1
A2
A3)
0.75 A1
A3c A3
(A1 (A1
A2 A2 c
A3c) A3)
A3 c A3
(A1 A2 c (A1 c A2
A3 c) A3)
0.75
A2 0.15 A3c A3
3
0.25
0.85
(A1 c (A1 c
A2 A3 c) A2 c A3)
A2c
0.15
A3c
(A1 c
A2 c
A3 c)
Figura 22 Como puede observarse, en todos los resultados al menos un componente funciona, y por tanto el sistema funciona; con excepcin del ltimo resultado. Por tanto: c c c P F 1 P( A1 A2 A3 ) 1 0 3 0 25 0 15
P F 0 9887
Ejemplo: Sea el sistema de riego que se muestra en el diagrama con cuatro compuertas. Las compuertas Ai (i = 1, 2, 3, 4) funcionan, para abrirse automticamente y permitir el paso del agua, con las probabilidades que se indican en el mencionado diagrama. a) Calcular la probabilidad de que el sistema funcione b) Obtener la probabilidad de que el sistema slo funcione con dos componentes.
Pgina 45
0.80 A2 0.60 A1 0.70 A3 0.60 A4
Figura 23 Solucin:
El sistema funciona Eventos: F Ai La i - sima compuerta funciona

Ai
c
SI
SII A2 A3
X
x
A1
Z
y
La i - sima compuertano funciona
A4
donde i 1, 2 , 3, 4 a) Primer mtodo: utilizando un diagrama de rbol
Figura 24
a)F
0.60 0.70 A2 0.80 A1 0.70 0.20 0.60 A2
c
b)
A4 A4 A4 A4
c c
A3 0.40 0.60
0.30 A3c 0.40 0.60 A3 0.40 0.60 0.30 A3

c
A4 A4 A4
c c
0.40 0.60 0.70 0.40 0.80 A2 0.30 A3

c
A4 A4 A4 A4
A3 0.40 0.60 0.40 0.60

c
A1
A4 A4
0.70 0.20 A2
c
A3 0.40 0.60 A4 A4 A4
c c
0.30
A3
Figura 25
0.40
Pgina 46
P( F )
P[( A1 ( A1
A2 A2
c c
A3 A3
c
A4 ) A4 )
( A1 ( A1
A2 A2
A3 A3
c
A4 ) A4 )
c
( A1 ( A1
A2 A2
c
A3
A4 ) A4 )
c
A3
( A1 A2 A3 A4 )] P(F ) (0.60)(0.80)(0.70)(0.60) (0.60)(0.80)(0.70)(0.40) (0.60)(0.80)(0.30)(0.60) (0.60)(0.80)(0.30)(0.40) (0.60)(0.20)(0.70)(0.60) (0.60)(0.20)(0.70)(0.40) (0.60)(0.2 0)(0.30)(0 .60) 0.5856
Segn mtodo: Considerando los subsistemas SI y SII en serie figura 24 P( F ) P( S I S II ) P A1 ( A2 A3 A4 )

P( A1 ) P( A2 ) P( A3 ) P( A4 ) P( A2 )P( A3 ) P( A2 )P( A4 ) P( A3 )P( A4 ) P( A2 )P( A3 )P( A4 ) 0.60 0.80 0.70 0.60 0.80(0.70) 0.80(0.60) (0.70)(0.60) (0.80)(0.70)(0.60) 0.5856
Tercer mtodo: Considerando los subsistemas SIII, SIV y SV en paralelo (figura 26)
SIII
A2
X
x
A1
SIV
A3 A4
SV
Figura 26
P( F ) P( F ) P S III P ( A1 P( A1 S IV A2 ) SV ; ( A1 S III A3 ) ( A1 ( A1 A2 ), A4 ) ( A1 A4 )] S IV ( A1 A3 ), SV ( A1 A4 )
A2 ) P( A1 A3 ) P( A1 A4 ) P[( A1 A2 ) ( A1 A3 )] P[( A1 A2 ) P[( A1 A3 ) ( A1 A4 )] P[( A1 A2 ) ( A1 A3 ) ( A2 A3 )] 0.60(0.80 ) 0.60(0.70) 0.60(0.60) (0.60)(0.80)(0.70) (0.60)(0.80)(0.60) (0.60)(0.70)(0.60) 0.60(0.80)(0.70)(0.60) 0.5856
b) Revisando el diagrama de rbol: P( B) P( El sistema funcionacon dos compuertas )

P[( A1 0.1128
A2
A3
A4 c )
( A1
A2
A3
A4 c )
( A1
A2
A3 c
A4 )]
0.60(0.80)(0.30)(0.40) (0.60)(0.20)(0.70)(0.40) (0.60)(0.20)(0.30)(0.60)
Pgina 47
2.3.6 PROBABILIDAD TOTAL Consideremos un evento B y un conjunto de eventos Ai que son mutuamente excluyentes entre si A i A j = , i j, es decir, si tomamos dos eventos diferentes de Ai su interseccin es el evento vaco, adems los eventos Ai son exhaustivos, A i
i 1 n
S , la unin de todos ellos cubre el espacio de
eventos S.
A1 A2 A3 A4 A5
B
An-1 A6 .. An
Figura 27 Para conocer el evento B a travs de los eventos Ai, se tiene: B = Ai

i 1 n
B , la unin de las
intersecciones del evento B con los eventos Ai, B = (A1 B) (A2 B) ..................... (An B) Aplicando el concepto de probabilidad a ambos miembros de la igualdad se tiene:
n
P (B) =
i 1
P ( Ai
B) ;
que recibe el nombre de Probabilidad Total.
2.3.7 TEOREMA DE BAYES Considrese ahora que se requiere conocer la probabilidad de Ak (cualquiera de los eventos Ai) dado que acontece apriori el evento B: P( Ak B) P( Ak B) PB Como: P( Ai B) P( Ai )P( B Ai ) y la probabilidad total
n
de B: P B
P( Ai )P( B Ai )
i 1
P( Ak B)
P( Ak )( B Ak )
n
P( Ai )P( B Ai )
i 1
Esta ltima expresin se conoce como Teorema de Bayes, que establece la probabilidad de un evento en particular Ak, dado que ya sucedi el evento B, expresada en trminos de la probabilidad condicional.
Ejemplo: En una escuela el 4% de los hombres y el 1% de las mujeres tienen ms de 1.80m de estatura. Adems el 60% de los estudiantes son mujeres. Ahora bien, si se selecciona al azar un estudiante para que realice una funcin determinada en el comit de seguridad del plantel: a) Qu probabilidad hay de que sea uno con una estatura mayor de 1.8 m? b) Qu probabilidad existe de que el estudiante sea mujer dado que tiene una estatura mayor de 1.80 m? Solucin: A1 Estudiantemujer Eventos: A2 Estudiantehombre B Estatura mayor de 1.8m Datos:
P( A1 )
0.60 P ( A2 )
P ( B A1 ) P ( B A2 )
A1
0.40 0.01 0.04

A2
B
( A1
B)
( A2
Figura 28 a) Probabilidad total de B:
P( B ) P( B ) P ( A1 B) ( A2 B)
B)
P( A1 )P( B A1 ) P( A2 )P( B A2 )
P( B) 0.60(0.01) (0.40)(0.04) 0.022 El 2.2% de los estudiantes de la escuela miden ms de 1.80 m. de estatura.
b) Aplicando el Teorema de Bayes:

P( A1 B) P( A1 B) P( A1 )P( B A1 ) P( B ) 0.2727 0.60(0.01) 0.022
Ejemplo: Segn un organismo internacional, con base en sus estadsticas, de cada diez nios que nacen en el mundo tres tienen aptitudes para las matemticas y de cada cinco nias dos la tienen. S en una determinada regin donde la poblacin est compuesta por el 52% de mujeres y el resto de hombres, se elige una persona de manera aleatoria de ese lugar:
Pgina 49
a) Cul es la probabilidad de que resulte apta para las matemticas? b) Qu probabilidad hay de que sea hombre, dado que es apto para las matemticas? c) En virtud de que es mujer qu probabilidad hay de que no sea apta para las matemticas? Solucin: Eventos:
A1 A2 B
Bc
hombre mujer persona apta para las matemtica s

persona no apta para las matemtica s
S A1 B A2
Datos:
P( A1 ) 0.48 P( A2 ) 0.52
P( B A1 ) P( B A2 ) 0.30 0.40
( A1
B)
( A2
Figura 29 a) Probabilidad total de B:
P( B ) P( B ) P ( A1 B) ( A2 B)
B)
P( A1 )P( B | A1 ) P( A2 )P( B | A2 )
P( B) 0.48(0.30) (0.52)(0.40) 0.352 El 35.2% de la poblacin es apta para las matemticas
b) Probabilidad de que sea hombre apto para las matemticas.

P( A1 B) P( A1 B) P( A1 )P( B A1 ) P( B) 0.4090 0.48(0.30) 0.352 0.144 0.352
c) La probabilidad para sea mujer, pero no apta para las matemticas

P( B c ) 1 P( B ) 1 0.352 P( A2 B ) P( A2 B c )
c
0.648 0.52(0.60) 0.648 0.312 0.648
P( A2 )P( B c A2 ) P( B c ) 0.4812
Pgina 50
S A1 B A2
P( A1
Bc )
0.336
P( A2
Bc )
0.312
0.144
0.208
P B P Bc
0 352 0 648
Figura 30 Ejemplo: La empresa Integracin Laboral realiza seleccin de personal tcnico para la industria de autopartes, para tal propsito aplica un cuestionario de 50 preguntas. Si el aspirante contesta 30 o ms en forma correcta se clasifica como persona apta para el puesto que solicita y es contratado y enviado a una fbrica de esa rama industrial. Por registros de la empresa Integracin Laboral se sabe que 74 de cada 100 aspirantes son clasificados como aptos para el puesto. Adems se conoce por esos registros que el 80% de los aspirantes que proviene del Tecnolgico Regional de la Zona (TRZ) son clasificados como aptos para el puesto solicitado. El sbado pasado acudieron al examen clasificatorio 32 personas, 19 de ellas egresadas del TRZ. En este momento una persona que realiz dicho examen clasificatorio se acerca para ver su resultado en la lista que est en el pasillo de la entrada de la empresa Integracin Laboral: Qu probabilidad existe de que sea un tcnico que no estudi en el TRZ, dado que est clasificado como apto para el puesto? Cul es la probabilidad de que sea egresado del TRZ, en virtud de que no fue clasificado como apto para el puesto? Solucin: Eventos:
A1 A2 B
19 32
Egresadosdel TRZ No egresadosdel TRZ clasificad apto para el puesto o

0 59375
Datos:
P( A1 )
13 0 40625 32 P( B) 0.74 P( A2 )
P( B A1 ) 0.80
a) Probabilidad de que sea un tcnico que no estudi en TRZ, dado que est clasificado apto para el
puesto: P( A2 B )
Pgina 51
P( B) 0.74
P( A1 )P( B A1 ) P( A2 )P( B A2 ) 0.59375 (0.80) 0.40625P( B A2 ) 0.265 0.40625 0.6523
P( B A2 )
Considerando el Teorema de Bayes : P( A2 B) P( A2 )P( B A2 ) P( B ) 0.40625 (0.6523 ) 0.74 0.4076
b) Probabilidad de que sea un egresado de TRZ, dado que no fue clasificado como apto para el puesto: P A1 B c
P( B c ) 1 P( B ) 1 0.74 0.26
Considerando el Teorema de Bayes : P( A1 B )

c
P( A1 ) P B c A1 P( B c ) 0.2 0.4567
Como P( B c A1 ) P( A1 B c )
0.59375 (0.2) 0.26
Ejemplo: Para llegar en automvil al estacionamiento de la alberca olmpica de Ciudad Universitaria (C.U.), hay que utilizar alguna de las entradas vehiculares a C.U. cuyo porcentaje de ingreso vehicular es el siguiente: Universidad 3000 con 25%, Copilco 25%, Metro CU 20%, Insurgentes-Rectora 15% e Insurgentes-Trabajo Social 15%. El flujo vehicular en las entradas se clasifica en rpido o lento y los porcentajes correspondientes a la rapidez son los que siguen: Universidad 3000 50%, Copilco 60%, Metro CU 65% y 70% para las entradas de la Av. Insurgentes. Si una persona llega sin problemas de trnsito a la alberca olmpica de CU. Cul es la probabilidad de que haya entrado por el Metro CU? Solucin:
Eventos: U-3000= Av. Universidad 3000 COP = Copilco MCU = Metro CU I-R = Insurgentes-Rectora
Pgina 52
I-T = Insurgentes-Trabajo Social fr = flujo rpido fl = flujo lento
P(MCU fr )
P(MCU P(fr)
fr)
P(MCU fr ) P(MCU fr )
0.2(0.65) 0.25(0.5) 0.25(0.6) 0.2(0.65) 0.15(0.7) 0.15(0.7) 0.13 0.125 0.15 0.13 0.105 0.105 0.13 0.415
P(MCU fr ) 0.21138
P(fr) P(U - 3000 P(I - R fr) fr) P(COP P(I - T fr) fr) P(M CU fr)
Figura 31
o bien: 21.138%
EJERCICIOS PROPUESTOS No. 2

2.1 En una asociacin de ingenieros se tienen afiliados 38 nacionales, 25 de ellos titulados y, 12 extranjeros de stos ltimos 7 son titulados. El resto de los afiliados son pasantes. Por acuerdo de la asociacin se elegir un tesorero de manera aleatoria. a) Plantear el diagrama de Venn para este problema. b) Identifique los eventos del problema. c) Qu eventos son mutuamente excluyentes y cules complementarios? d) Calcular la probabilidad de que se escoja una persona titulada. e) Calcular la probabilidad de que sea extranjero y no titulado. f) Obtener la probabilidad de que sea extranjero titulado o nacional. 2.2 En una colonia hay 40 amigos que estudian en la Facultad de Ingeniera y cursan coincidentemente 3 asignaturas: Algebra (A), Biotecnologa (B), Clculo Integral (C). Se sabe que: 16 de estas personas llevan Algebra, 18 llevan Biotecnologa y 20 llevan Clculo Integral; as tambin 5 de ellos llevan conjuntamente Algebra y Biotecnologa, 7 Algebra y Clculo Integral y slo 3 de estos estudiantes cursan las tres asignaturas. a) Cuntos llevan Biotecnologa y Clculo? b) Si se escoge un alumno de estos al azar: b.1) Qu probabilidad hay de que curse dos de estas tres materias? b.2) Qu probabilidad hay de que a lo ms curse una de estas tres materias?
Pgina 53
2.3 En una agencia automotriz se tienen cuatro tipos de automviles de la misma marca: 20 compactos, 15 sedanes, 10 camionetas y 5 camiones. Se conoce que: 10 compactos, 12 sedanes, 5 camionetas y 2 camiones cuentan con aire acondicionado. a) Plantear el diagrama de Venn para este problema. b) Identificar todos los posibles eventos que estn en el diagrama y transcribirlos al lenguaje del Algebra de Conjuntos. c) Calcular la probabilidad total del evento: automvil con aire acondicionado. d) Si un inspector de la agencia selecciona al azar un vehculo para revisarlo y resulta ser una camioneta cul es la probabilidad de que tenga aire acondicionado? 2.4 En una urna se tienen 5 canicas blancas iguales y 3 rojas iguales. Se extraen por una persona 3 al azar de manera consecutiva. Qu probabilidad hay de que: a) Salgan tres rojas, b) Salga una roja y dos blancas, c) Salgan a lo ms dos blancas? d) Resolver el inciso b), pero para 5 canicas blancas iguales y 3 rojas diferentes entre s. 2.5 Un jugador recibe 3 cartas de una baraja de 52 cartas (sin comodines). Qu probabilidad existe de que: a) Le lleguen 2 ases, b) Le lleguen 2 ases y un rey, c) Le lleguen 3 ases? 2.6 Considrese un sistema integrado por los componentes A1, A2, A3, A4 y A5 que funcionan de manera independiente, uno del otro, con probabilidad de que as sea como se indica en el diagrama: a) Calcular la probabilidad de que el sistema funcione. 0.70 b) Calcular la probabilidad de que el sistema funcione al menos con cuatro A3 componentes.
X
0.85 A1
0.85 A2
0.65 A4 0.70 A5
2.7 Sea el siguiente sistema elctrico formado por seis componentes, con probabilidad de funcionar de manera independiente, cada uno de ellos, como se indica en el diagrama: a) Calcular la probabilidad de que el sistema funcione. b) Calcular la probabilidad de que al menos funcione con cuatro componentes.
0.60 A1
X
x
0.90 A4 0.60 A6 0.90 A5

Z
y
0.70 A2 0.60 A3
Pgina 54
2.8 En un grupo de Probabilidad y Estadstica hay 15 mujeres y 35 hombres. De las mujeres slo 3 rebasan los 1.70 m de estatura y en el caso de los hombres 25 de ellos lo superan. Si el profesor elige una persona de manera aleatoria para pasar al pizarrn: a) Obtener la probabilidad de que sea una persona con estatura mayor de 1.70 m. b) Calcular la probabilidad de que tenga una estatura menor a 1.70 m, si l decidi previamente que sea una mujer. 2.9 Una compaa automotriz fabrica tres tipos de coches: compacto (A1) en un 50%, mediano (A2) en un 30% y grande (A3) en un 20%. Por registros estadsticos que ha seguido esta empresa se conoce que la probabilidad de que un automvil se desvele, antes de un ao de uso, en cada categora es de: 0.01, 0.02 y 0.03 respectivamente. A una persona que compr hace menos de un ao un automvil de esta marca se le desvela y presenta una reclamacin a la compaa. Qu probabilidad hay de que: a) El automvil sea un compacto, b) Que no sea ni compacto ni grande? 2.10 En un centro espacial se tienen 27 ingenieros, 12 con nivel de doctorado y los otros con nivel de maestra. Slo diez de ellos, tres con maestra, segn exmenes clnicos, por sus condiciones fsicas pueden ser seleccionados para viajar en el prximo vuelo espacial alrededor de Marte. Si en una reunin a la que asisten los 27, uno de ellos manifiesta abiertamente su gran inters para ser considerado a viajar en el mencionado vuelo: a) Si se sabe que cuenta con las capacidades fsicas especficas, Qu probabilidad hay de que tenga un nivel de maestra? b) Si carece de las condiciones fsicas requeridas, Qu probabilidad existe de que sea una persona con nivel de doctorado?
SOLUCIN DE EJERCICIOS PROPUESTOS No. 1

1.1 S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}, A = {2, 4, 5}, B = {4, 5,6}, C = {6, 7, 9} c a) A B = {6} b) Ac B = {1, 3, 4, 5, 6, 7, 8, 9, 10} c) (Ac Bc)c = {2, 4, 5, 6} d) [(A B)c A]c = {1, 3, 4, 5, 6, 7, 8, 9, 10} d) [A (B C)c]c = {1, 3, 6, 7, 8, 9, 10} Apoyndose en diagramas de Venn... a)
B A B
1.2
b)
A
B A
+++ ++ +
A A B
A= A
B={A
(B Ac )}
Pgina 55
c)
A A
B C A (B
C) = (A =
B)
(A
C)
1.3
a) nA = P C8 P22 = 7! 2! = 10080 formas b) nB = P22 P11 P77 = 2! 1! 7! = 10080 formas c) nC = P55 P11 P44 =5! 1! 4! = 2880 formas
1.4
a) nS = p7,3 4 b) c) c)
7! 35 4! 3!
C = {AABABAB: AABAABB. AAABBAB, AAABABB. AAAABBB} nC = 5 D = {AAABBAB, BBAAAAB, AABBAAB, ABBAAAB, ABABAAB, BABAAAB, BAAABAB, BAABAAB, ABAABAB, AABABAB}, nD =10 Otra forma: nD = P5,2 P1 P1 3 1 1
5! 10 3! 2!
1.5
a) S = {(a, b) a A y b B ; a = 0, 1, 2, 3, 4 ; b = 0, 1, 2, 3, 4, 5}, nS = 30 b) C = {(a, b) a > b ; a = 1, 2, 3, 4, ; b = 0, 1, 2, 3} C = {(1,0) (2,0) (2,1) (3,0) (3,1) (3,2) (4,0) (4,1) (4,2) (4,3)}, nC = 10 c) D = {(a, b) a + b = 5 ; a = 0, 1, 2, 3, 4 b = 1, 2, 3, 4, 5} D = {(0,5) (1,4) (2,3) (3,2) (4,1)}, nD = 5
1.6
Un lote contiene
a) S = {(x, y) x = 10, 20, 30, . . . 100 (100,100)} , y = 10, 20, 30 , . . .100} = {(10, 10) (10, 20). . .(10,100) (20,10). . .
nS = 10 x 10 = 100 y
100
b) B = {(x y) y = 2x} ; nB = 5
y
100
c) C = {(x,y) x = y}; nC = 10
y
100
50
50
50
50
50 100
50
100
x S
50
100
Pgina 56
d) D ={(x,y) x = y 20} ; nD = 8
50
100
x
10
1.7
a)
nA = {8 9 10 preguntas bien contestadas} =

r 8
Cn C10 C10 C10 r 8 9 10
b)
c)
nA = 45 + 10 +1 = 56 formas r = nmero de preguntas bien contestadas nB = {Las 3 primeras y 5 de las 7 restantes bien contestadas las 3 primeras y 6 de las 7 restantes bien contestadas las 3 primeras y 7 de las 7 restantes bien contestadas}. 7 nB = C3 C5 C3 C7 C3 C7 21 +7 +1 =29 formas 3 3 6 3 7 nC = {Contesta bien 4 de las primeras 5 y 4 de las restantes 5 contesta bien 4 de las primeras 5 y 5 de las restantes 5} nC = C5 C5 C5 C5 25 +5 =30 formas 4 4 4 5 na = C9 3
1.8
a) b) c)
9! (9 3)!3!
84
4 nb = C1 C5 = 4 2
10 = 40 3 1 = 15
5 3 nC = C1 C1 C1 = 5 1
1.9
a) b) c)
2 nA = C3 C5 C1 3 10 2 = 60 2 3 3 nB = C1 C5 C2 3 10 1 = 30 3 2 3 3 2 2 nC = C1 C 5 C 2 C1 C 5 C1 C 3 C 5 C1 120 3 2 4 2 3
SOLUCIN DE EJERCICIOS PROPUESTOS No. 2 2.1 a) E A 7 5 E= ; N y E Son mutuamente excluyentes. Ac = ; A y Ac Son mutuamente excluyentes. E = S ; N y E Son complementarios Ac = S ; A y Ac Son complementarios b) N = {Nacionales} E = {Extranjeros} A = {Titulados} AC = {No Titulados}
25 13 c) N A N A
Pgina 57
d)
P(A) = P[(A
N)
(A
E )] = P(A
N) + P(A
E) =
n( A ns S
N)
n( A ns
E)
25 50
7 50
0.64
e) f)
P(E P[N
Ac) = (E
n(E ns
c A )
5 50
0.10
A) =
n( N ) ns n(E ns A) 38 50 7 50 45 50
A)] = P (N) + P(E
0.90
2.2
a) S A 7 B 2 11 3 2 4 11 C
b.1)
C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C) 18 20 5 7 3 1= P( B C ) 40 40 40 40 40 40 5 P(B C) = ; n (B C) = 5 0.125 40 P[(A B) (A C) (B C)] = P(A B) + P(A C) + P(B C) P[(A B) (A C)] P[(A B) (B C)} P[(A C) (B C)] + P[(A B) (A C) (B C)]= 5 7 5 3 3 11 3 40 40 40 40 40 40 S A 11 n ( A B C ) 7 P (Cursan 2 de esas materias) = 40 ns B C 2 4 11 3 8 = 0.2000 3 40 40 40 11 11 2 P(A B
16
b.2) 2.3
P(Cursa ninguna una materia) =
7 11 11 40 40 40
29 40
0.7250
En una agencia automotriz . . . a) A1 A3 B
A3 b) S = {Todos los automviles de la agencia} ; n(S) = 50 Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas
A3
Pgina 58
A1 = {Compactos} ; n(A1) = 20 A2 = {Sedanes} ; n(A2) = 15 A3 = {Camionetas} ; n(A3) =10 A4 = {Camiones} ; n(A4) = 5 B = {Vehculo con aire acondicionado} Bc = {Vehculo sin aire acondicionado} A1 B = {Compacto con aire acondicionado} ; n (A1 B ) = 10 A2 A3 A4 A1 A2 A3 A4 c) d) 2.4 a) b) c) B ={Sedn con aire acondicionado} ; n (A2 B) = 12 B) = 5
B ={Camioneta con aire acondicionado} ; n (A3 B = {Camin con aire acondicionado} ; n (A4
B) = 2 Bc ) = 10
Bc = {Compacto sin aire acondicionado} ; n (A1 Bc ={Sedn sin aire acondicionado} ; n (A2
B c) = 3 B c) = 5
Bc ={Camioneta sin aire acondicionado} ; n (A3 Bc = {Camin sin aire acondicionado} ; n (A4
P(A1 B) P(A2 B) P(A3 B)
B c) = 3
B) 29 50 0.58
P(B)
P(A4
P(B
A3 ) = 0.50
P(A) = P(3 rojas )= P(B) =
1 56
0.01785
30 56
0.53571
46 56 0.8214
P(C) = 1 P(Cc) =
2.5
a) b) c)
P (A) = {dos ases y cualquier otra} , P(A) = P(B) = P{Dos ases y un rey} ; P(C) = P{Tres ases} ; Otra forma: P(A) = P(B) = P(C) = P(C) = P(B) = 3
4 3 2 52 51 50
48 C 4 C1 2
4 3 48 52 51 50
0.01303
4 3 4 52 51 50
0.00108
0.00018
C 52 3
4 44 C 2 C14 C 0 52 C3 4 48 C3 C0
0.01303
0.00108
2.6
0.00018 52 C3 Eventos: F = {Funciona el sistema} Ai = {Funciona el componente Ai} i = 1, 2. . . 5 c A i = {No funciona el componente Ai}
a) P (F) = P[A1 A2 (A3 A4 A5)] = 0.6997 Pgina 59
b)
P(B)= P{funcione con 4 5 componentes}= 0.51884
2.7
P(F) = P[(A1
A2 A3) (A4 A5) (A6)] c c c c c A2 A3 )] [1 P(A 4 A5 )] P(A6) = [1 P( A1 = [1 0.40 (0.30) (0.40)] [1 (0.10)2] (0.60) = 0.5655
2.8
Eventos: M = {mujer} H = {hombre} E = {estatura > 1.70 m} a) b)

P(E 1.70) 28 50 0.56
P(E 1.70
M)
12 15
0.80
2.9
Eventos A1 = (Compactos) , A2 = {mediano} P (D) = 0.50 (0.01) + 0.30 (0.02) + 0.20 (0.03) = 0.017 a) b) P ( A1 D)
A3 = {grande)
D = {automvil desvielado}
0.294 P( D) Si no es compacto ni grande es mediano 0.30(0.02) P( A2 D) = 0.353 0.017

=
P( A1 ) P( D A1 )
2.10
Eventos: A1 = {Ing. con doctorado}, A2 = {Ing. con maestra} B = {Apto fsicamente para viajar en el vuelo espacial} a) b) P ( A2 B ) = 0.3000 P ( A1 Bc ) = 0.29412
BIBLIOGRAFA
HINES, William, et al. Probability and Statistics in Engineering Fourth edition New Jersey Jonh Wiley & Sons, 2003. DEVORE, Jay L. Probabilidad y Estadstica para Ingeniera y Ciencias 5a edicin Mxico Thomson, 2005. WAKERLY, Dennis D., et al. Estadstica Matemtica con Aplicaciones 6a edicin Mxico Thomson., 2002. CANAVOS George. Probabilidad y Estadstica 1a edicin Mxico McGraw-Hill, 1994. MILTON J. Susan, et al. Probabilidad y Estadstica con Aplicaciones para Ingeniera y Ciencias Computacionales 4a edicin Mxico McGraw-Hill, 2004. LIPSCHUTZ, Seymour Probabilidad 1 Edicin Mxico McGraw-Hill, 1994 SPIGEL, Murray R. Estadstica 2a edicin Mxico McGraw-Hill, 1991. MONTGOMERY, Douglas C., et al. Probabilidad y Estadstica Aplicada a la Ingeniera 2a edicin Mxico
Limusa Wiley, 2002 WEIMER, Richard C. Estadstica 1a edicin Mxico CECSA, 1996. MEYER, Paul L. Probabilidad y Aplicaciones Estadsticas 2 edicin Mxico Addison-Wesley Iberoamericana, 1992 WALPOLE, Ronald E., et al Probabilidad y Estadstica para Ingeniera y Ciencias 8a edicin Mxico Pearson Educacin. Prentice Hall, 2007 ROSS, Sheldon M. Probabilidad y Estadstica para Ingeniera y Ciencias 2 edicin Mxico McGraw Hill, 2000
Pgina 62

Teoria Probabilidad

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teoria Probabilidad

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL AUTNOMA DE MXICO FACULTAD DE INGENIERA DIVISIN DE CIENCIAS BSICAS COORDINACIN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADSTICA

FUNDAMENTOS DE LA TEORA DE LA PROBABILIDAD

AUTORES: MARCO ANTONIO GMEZ RAMREZ JORGE FEDERICO PANIAGUA BALLINAS

1.1 FENMENOS DETERMINSTICOS Y ALEATORIOS

1.2 TCNICAS DE CONTEO

2.1 DIFERENTES INTERPRETACIONES DE PROBABILIDAD

2.2 DEFINICIN AXIOMTICA DE PROBABILIDAD

2.3 PROBABILIDAD CONDICIONAL, MARGINAL Y CONJUNTA

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

MARCO ANTONIO GMEZ RAMREZ JORGE FEDERICO PANIAGUA BALLINAS

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

FENMENOS DETERMINISTICOS Y ALEATORIOS

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

E y F no son mutuamente excluyentes, E

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

Ejemplo: Obtener el valor de la siguiente expresin: Solucin:

12 11 10......... 4 3 2 1 12 11 10.... 7 6 5 1.99584 10 7 4 3 2 1

PRINCIPIO FUNDAMENTAL DEL CONTEO.

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

2)...[n (r 1)] (n r) [n (r 1)]... 3 2 1 (n r) [r (r 1)]... 3 2 1

n como 0! = 1, tenemos que Pn = n!

Las permutaciones de n objetos es igual al factorial de nmero n de objetos dados.

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

P5 = 2 ae, ea, ia, oa, ua,

P5 = 3 aei, aie, aoe, aue, oae, oea, oia, oua,

PERMUTACIONES CON REPETICIN

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

PERMUTACIONES CON GRUPOS DE OBJETOS IGUALES (NO DISTINGUIBLES)

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

o rojo azul azul rojo

azul Permutaciones circulares diferentes Figura 4

COMBINACIONES CON REPETICIN

(n r 1)! r!(n 1)!

(1 r 1)! r!(1 1)!

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

(2 r 1)! r!(2 1)!

(k r 1)! ; r!(k 1)! (k r 1 1)! r!(k r 1 1 r)! (k r )! k! r!

(k 1 r 1)! r!(k 1 r 1 r)!

donde: n = numerador y r = orden. La expresin que nos da el nmero combinatorio es la de

1.2.10 PROPIEDADES DE LOS NMEROS COMBINATORIOS

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

Los nmeros combinatorios de orden uno son iguales a n. Demostracin:

n! n(n - 1)! n = = 1 (n 1)!1! (n 1)!

n! n! + r! (n r)! (r 1)! (n r 1)!

aplicando la frmula del factorial a los denominadores:

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

n! n! + r! (r 1)(n r 1)! r! (n r 1)! (n r)

n! (r 1) n! (n r) + r! (r 1)(n r 1)! (n r) r! (r 1)(n r 1)! (n r)

n! (r 1) n! (n r) n! (n 1) = r! (r 1)(n r 1)! (n r) r! (r 1)(n r 1)! (n r)

Aplicando la frmula del factorial en numerador y denominador, tenemos:

(n 1)! n + n = r r 1 (r 1)! (n r)!

1.2.11 ALGUNAS APLICACIONES DE LOS NMEROS COMBINATORIOS.

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

n! n(n 1)! n = = =n n 1 (n 1)! [n (n 1)]! (n 1)! (1)!

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

n! n(n 1)! n n 2 = (n 2)! [n (n 2)]! = 2!

Para comprobar lo anterior basta desarrollar 2n como el binomio (1 +1)n: 2n = (1 + 1)n= n 0

(1)n1 (1)1+ n (1)n-2 (1)2+..... 2 (1)0(1)n

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

1.2.12 DIAGRAMA DE RBOL

Marco Antonio Gmez Ramrez Jorge Federico Paniagua Ballinas

Aplicando el Principio Fundamental de la Multiplicacin se tiene: n1 n2 = 3 3 = 9, lo que verifica el resultado obtenido