El conjunto juega un papel fundamental en el desarrollo de las matemticas modernas; Adems de proporcionar las bases para comprender con mayor claridad algunos aspectos de la teora de la probabilidad. Tcnicas de conteo El principio fundamental en el proceso de contar ofrece un mtodo general para contar el nmero de posibles arreglos de objetos dentro de un solo conjunto o entre varios conjuntos. Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de cuantificar.
Tcnicas de multiplicacin
Implica que cada uno de los pasos de la actividad debe ser llevado a efecto, uno tras otro.
PRINCIPIO ADITIVO.
Si se desea llevar a efecto una actividad, la cual tiene formas alternativas para ser realizada.
Principio de permutacin
Se la utiliza para determinar el nmero de posibles arreglos cuando solo hay un solo grupo de objetos. Permutacin: un arreglos o posicin de r objetos seleccionados de un solo grupo de n objetos posibles. Si nos damos cuenta los arreglos a, b, c y b, a, c son permutaciones diferentes.
PRINCIPIO ADITIVO.
En una permutacin, el orden de los objetos de cada posible resultado es diferente. Si el orden de los objetos no es importante, cada uno de estos resultados se denomina combinacin.
Concepto clsico y como Frecuencia Relativa El enfoque clsico o a priori de la probabilidad se basa en la consideracin de que los resultados de un experimento son igualmente posibles. La probabilidad de que suceda un evento se calcula dividiendo el nmero de resultados favorables, entre el nmero de resultados posibles. La probabilidad de que un evento ocurra a largo plazo se determina observando en que fraccin de tiempo sucedieron eventos semejantes en el pasado. La probabilidad de que un evento suceda se calcula por medio de: P (E)= nmero de veces que el evento ocurri en el pasado Numero total de observaciones Espacio Muestral y Eventos En la teora de probabilidades, el espacio muestral o espacio de muestreo (denotado E, S, o U) consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio. Los espacios de muestreo aparecen de forma natural en una aproximacin elemental a la probabilidad, pero son tambin importantes en espacios de probabilidad. Un espacio de probabilidad (, F, P) incorpora un espacio de muestreo de resultados, , pero define un conjunto de sucesos de inters. Axiomas y Teoremas Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a continuacin se enumeran. Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades. Primer axioma: La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.
0 s p(A) > 1 Segundo axioma: La probabilidad de que ocurra el espacio muestral o debe de ser 1. p (o) = 1 Tercer axioma: Si A y B son eventos mutuamente excluyentes. p(AB) = p(A) + p (B) Teoremas Teorema 1: Si | es un evento nulo o vaco, entonces la probabilidad de que ocurra | debe ser cero. p (|)=0 Ejemplo: La probabilidad de que un estudiante sea mujer es "1 menos la probabilidad de que no sea varn". Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5 Teorema 2: La probabilidad del complemento de A, A c debe ser, p (A c )= 1 p(A). Demostracin: Si el espacio muestral o, se divide en dos eventos mutuamente exclusivos, A y A c luego o=AA c , por tanto p(o)=p(A) + p(A c ) y como en el axioma dos se afirma que p(o)=1, por tanto, p(A c )= 1 - p(A) .LQQD Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado equilibrado es "1". Teorema 3: Si un evento A c B, entonces la p(A) s p (B). Demostracin: Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A), por tanto, B=A(B \ A) y p (B)=p(A) +p (B \ A), luego entonces si p (B \ A)>0 entonces se cumple que p(A)sp (B). LQQD Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la suma de las probabilidades individuales de dichos sucesos Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la suma de las probabilidades individuales de dichos sucesos. Teorema 4: La p( A \ B )= p(A) p(AB) Demostracin: Si A y B son dos eventos cualquiera, entonces el evento A se puede separar en dos eventos mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \ B)(AB), luego p(A)=p(A \ B) + p(AB), entonces, p(A \ B) = p(A) p(AB). LQQD Teorema 5: Para dos eventos A y B, p(AB)=p(A) + p (B) p(AB). Demostracin: Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que p(A B) = p(A \ B) + p (B) y del teorema anterior tomamos que p(A \ B) = p(A) p(AB), por tanto, p(AB) = p(A) + p (B) p(AB). LQQD Probabilidad Clsica Espacio Finito Equiparable Probabilidad clsica Sea E un espacio muestral cualquiera y A un evento de ese espacio. Se define la probabilidad P del evento A, como: Donde: #A - nmero de casos favorables #E - nmero de casos totales Se supone que todos los elementos del espacio tienen la misma posibilidad de ocurrir Ejemplo: Experimento.- Se lanza una moneda Evento A.- que al lanzar una moneda caiga guila. Calcular la probabilidad de A: E = {A, S} A = {A}
Ejemplo. Sea el experimento lanzar un dado Sea A: Obtener el nmero 6. A={6} El espacio muestral (espacio equiprobable) E = {1, 2, 3, 4, 5,6} La probabilidad de obtener el nmero 6 es dada por (1) # # ) ( E A A P =
6 1 # # ) ( = = E A A P
2 1 # # ) ( = = E A A P ESPACIOS FINITOS EQUIPROBABLES. Sea o un espacio muestral que contiene n elementos, o = {a 1 , a 2 , a 3 ,....,a n }, si a cada uno de los elementos de o le asignamos una probabilidad igual de ocurrencia, p i = 1/n por tener n elementos o, entonces estamos transformando este espacio muestral en un espacio finito equiprobable, el que debe cumplir con las siguientes condiciones: 1. Las probabilidades asociadas a cada uno de los elementos del espacio muestral deben ser mayores o iguales a cero, p i > 0. 2. La sumatoria de las probabilidades asociadas a cada elemento del espacio muestral debe de ser igual a 1. Ep i = 1 En caso de que no se cumpla con las condiciones anteriores, entonces no se trata de un espacio finito equiprobable. Solo en el caso de espacios finitos equiprobables, si deseamos determinar la probabilidad de que ocurra un evento A cualquiera, entonces; p(A) = r*1/n = r/n p(A) = maneras de ocurrir el evento A/ Nmero de elementos del espacio muestral r = maneras de que ocurra el evento A 1/n = probabilidad asociada a cada uno de los elementos del espacio muestral n = nmero de elementos del espacio muestral Probabilidad Condicional e Independencia Probabilidad condicionada es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede otro evento B. La probabilidad condicional se escribe P (A|B), y se lee la probabilidad de A dado B. En teora de probabilidades, se dice que dos sucesos aleatorios son independientes entre s cuando la probabilidad de cada uno de ellos no est influida por que el otro suceso ocurra o no, es decir, cuando ambos sucesos no estn correlacionados Teorema de Bayes El teorema de Bayes se utiliza para revisar probabilidades previamente calculadas cuando se posee nueva informacin. Desarrollado por el reverendo Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensin de lo que ha aprendido hasta ahora acerca de la probabilidad condicional. Comnmente se inicia un anlisis de probabilidades con una asignacin inicial, probabilidad a priori. Cuando se tiene alguna informacin adicional se procede a calcular las probabilidades revisadas o a posteriori. El teorema de Bayes permite calcular las probabilidades a posteriori y es: