Estad 2

Fundamentos de la teora de la probabilidad
M. en A. Vctor D. Pinilla Morn

Facultad de Ingeniera, UNAM
Resumen
Fenmenos determinista y aleatorio. Fenmenos aleatorios discretos y
continuos. Espacio muestral de un fenmeno aleatorio. Puntos o eventos
elementales de un espacio muestral. Eventos, Eventos discretos y
continuos. Eventos mutuamente excluyentes y colectivamente
exhaustivos.
El concepto de probabilidad a travs de diferentes escuelas: clsica,
frecuentista y subjetiva.
Definicin axiomtica de probabilidad. Teoremas derivados de la
definicin axiomtica.
Probabilidad condicional. Eventos independientes. Probabilidad total.
Teorema de Bayes.
2.1 Experimentos deterministas y aleatorios.

Espacio muestral de un experimento aleatorio.
Eventos. Eventos discretos y continuos.
Eventos
mutuamente
excluyentes
y
colectivamente exhaustivos.
Fenmeno. Un fenmeno es considerado como

un sinnimo de un experimento y se define
como toda aquella accin que se realiza con el
fin de observar el resultado.
Por su naturaleza pueden clasificarse de varias
formas:
Probabilidad y Estadstica
Noviembre 2009
Por la capacidad de predecir el resultado:

Determinsticos. Es aquel fenmeno cuyo
resultado se puede predecir con certeza.
Aleatorios. Es aquel fenmeno en el cual
no se puede predecir con certeza el
resultado.
Por la capacidad de enumerar los resultados:
Continuos. Se considera a un fenmeno
como continuo cuando el nmero posible
de observaciones o resultados no es un
conjunto medible, es decir, los resultados
pueden tomar cualquier valor.
M.A. Vctor Damin Pinilla Morn.
19
Discretos. Se considera un fenmeno

como discreto cuando el nmero posible
de observaciones o resultados es un
conjunto, en el cual se puede determinar
con certeza su tamao, es decir, los
resultados toman valores establecidos.
Evento Elemental. Un evento elemental o

simple es aquel cuyo espacio muestral est
compuesto por un slo elemento.
Evento Compuesto. Es aquel que en dos o ms
cantidades compone un espacio muestral.
Evento Continuo. Es aquel cuyo resultado que
puede tomar cualquier valor.
Evento Discreto. Es aquel cuyo resultado slo
puede tomar determinados valores.
Eventos mutuamente excluyentes. Si se tienen
dos eventos A y B, los eventos mutuamente
excluyentes son aquellos en donde la ocurrencia
de uno implica que el otro no puede ocurrir.
Proceso de conversin analgica digital en donde se

observan las diferencias entre una seal continua
(analgica) y una seal discreta (digital binaria)
Espacio muestral. Es el conjunto de todos los

posibles resultados de un experimento;
constituye el conjunto universal de todas las
observaciones. Se suele denotar por la letra S.
En general, un evento es un fenmeno aleatorio,
es decir, aquel cuyo resultado depende del azar.
En la prctica, si bien un evento puede denotar
un conjunto total de resultados de experimentos,
para cual se utiliza la notacin de conjuntos
denominndolo por una letra mayscula, en
ocasiones denota tambin un slo resultado de un
fenmeno o experimento, es decir, un elemento
de un conjunto.
Eventos colectivamente exhaustivos. Son

aquellos cuya unin conforma totalmente el
espacio muestral.
A
E
D
B
U
G
C
Donde: A B C ... Z = S
Evento: Algo que ocurre al azar.

Acto: Algo que ocurre con la intervencin
humana.
Hecho: Algo que ocurre al azar con la
intencin humana.
Noviembre 2009

20
2.2 El concepto de probabilidad a travs de

diferentes escuelas: la clsica, la frecuentista y
la subjetivista, mediante el cual se asignan
probabilidades a los eventos. Clculo de
probabilidades utilizando combinaciones y
permutaciones.
La Probabilidad resulta de la inquietud del
hombre por buscar una solucin a sucesos cuyo
resultado depende en mayor o menor medida del
azar. Nace con la simple inquietud de establecer
una regla para dominar los juegos de azar, de
buscar la frmula mgica para conocer de
antemano el resultado de dichos experimentos.
La probabilidad basa sus fundamentos
matemticos en tres interpretaciones: la clsica,
la frecuentista y la subjetiva. Las tres
interpretaciones partes de un grupo de axiomas
de los cuales se desprende una serie de anlisis y
herramientas que permiten establecer patrones de
comportamiento de determinados experimentos.
Enfoque clsico
Este enfoque est basado en el principio de la
razn insuficiente. El principio de la razn
insuficiente, o principio de indiferencia, fue
utilizado por el matemtico Jacobo Bernoulli
(1645 1705) para definir probabilidades. Este
principio seala que cuando no hay fundamentos
para preferir uno de los posibles resultados o
sucesos a cualquier otro, todos deben
considerarse que tienen la misma probabilidad de
ocurrir.
Si en el caso del lanzamiento de un dado, se
considera que cualquier cara tiene las mismas
probabilidades de aparecer, dado que no hay
elementos que indiquen lo contrario, a menos
que se aclarara que se utilizar un dado cargado.
El matemtico francs P. S. Laplace (1749
1827) estableci este principio en su libro A
Philosophical Essay on Probabilities de esta
manera: La teora de la probabilidad consiste en
reducir todos los elementos de la misma clase a
un cierto nmero de casos igualmente posibles,
es decir, nosotros debemos estar igualmente
Noviembre 2009
indecisos ante su existencia y para determinar la

cantidad de casos favorables para el suceso que
cuya probabilidad se busca. La relacin de este
nmero con el de todos los casos posibles, es la
medida de la probabilidad, que es, por tanto,
sencillamente una fraccin cuyo denominador es
el nmero de todos los casos posibles.
Este principio de la razn insuficiente tiene
varias caractersticas, una de las cuales es que
supone una simetra entre los sucesos. As se
habla de un dado no cargado, de una moneda no
cargada, de una baraja de cartas sin trucos, etc.
La otra es que se basa en razonamientos
abstractos y no depende de la experiencia.
La hiptesis de la simetra reduce el campo de
aplicacin de este principio, ya que, como se
advertir ms adelante, muchos experimentos no
poseen simetra. Por otra parte, puesto que los
clculos de la probabilidad no dependen de la
experiencia,
esto
permite
calcular
las
probabilidades sin realizar una gran serie de
ensayos. Este tipo de experimentos se denominan
algunas veces a priori.
Enfoque frecuentista
En su libro Foundations of the theory of
probality (1933), el matemtico ruso A.N.
Kolmogorow explica este enfoque en relacin
con los experimentos de lanzar una moneda al
aire. Existen dos posibles resultados, E1 (guila)
y E2 (sol); Kolmogorow se dio a la tarea de
repetir el experimento 200 veces y tabular los
resultados. A partir de la ordenacin de los
mismos, obtuvo las frecuencias relativas de los
resultados, dividiendo el nmero de guilas entre
el total de resultados, concluyendo que las
fluctuaciones de las frecuencias relativas varan
considerablemente cuando n (nmero de
experimentos) es pequea, pero cuando n es
grande , la amplitud de las fluctuaciones
disminuye. Este fenmeno se expresa diciendo:
La frecuencia relativa resulta estable o la
frecuencia
relativa
presenta
regularidad
estadstica conforme n crece.

21
Con esto podemos suponer (formar una opinin

o juicio con evidencia insuficiente) que cuando
el experimento Ei se repite una gran cantidad de
veces, la frecuencia relativa de un experimento
podra ser prcticamente igual a un valor P, con
un elevado grado de certeza.
Puede percibirse que el hecho de que P(A) = 0 no

asegura que el evento A sea imposible. De la
misma forma, P(A) = 1 no asegura la ocurrencia
cierta del evento A.
Este enfoque posee cuatro caractersticas:
Siguiendo este tipo de razonamiento se construye

un modelo matemtico ideal y abstracto de este
experimento que se postula como sigue: dado un
experimento E y un evento A, podemos asignar
un nmero P al evento A, el cual se denomina
probabilidad del evento A. Ese nmero P tiene
las siguientes caractersticas: Cuando el
experimento E se repite una gran cantidad de
veces (n) y el experimento sucede m veces, la
frecuencia relativa m/n ser prcticamente igual a
ese nmero P.
El nmero P, que se llama probabilidad del
evento A, se denota por P(A).
La P(A) cumple con ciertos preceptos: Primero,
m n; es decir, el nmero de casos que aparece
m es igual o menor al nmero de veces n que
aparece el experimento. Es decir, la frecuencia
relativa es igual o menor a la unidad.
1. Supone una gran cantidad de ensayos.

2. Supone la regularidad estadstica.
3. La P(A) se estima por la frecuencia
relativa de A.
4. Est basada en la experiencia.
Este enfoque es el principio en el cual se
fundamentas los estudios probabilsticos
desarrollados
en
los
aos
cincuenta,
principalmente en Inglaterra y los Estados
Unidos. No obstante, este enfoque presenta
limitaciones, particularmente en lo que a sus
valores extremos se refiere, frente a la necesidad
de evaluar experimentos que no se producen
realmente o no se pueden repetir.
Una correccin a este enfoque, citado en la
literatura como segundo enfoque frecuentista,
define a la probabilidad como el lmite de m/n
cuando n tiende a infinito:
P ( A) = Lim n
m
1
n
Segundo, si no se presenta la ocurrencia de un
guila, entonces m = 0 y
m
=0
n
por lo tanto:
m
n
Obsrvese que en el primer enfoque se dice slo

que P(A) y m/n son prcticamente iguales
cuando n es grande, mientras que en el segundo
enfoque se dice que P(A) es el lmite de m/n
cuando n tiende a infinito.
En el primer punto de vista se da un nmero
P(A) para el evento A y se le llama probabilidad
de A. En el segundo P(A) es el lmite de un
proceso.
m
1
n
lo que equivale a:
0 P( A) 1
Noviembre 2009

22
El anlisis combinatorio contempla varios casos:
Enfoque subjetivo
Formulado por L.J. Savage (1954) establece:
Un punto de vista personalista sostiene que la
probabilidad mide la confianza que tiene un
individuo determinado en la verdad de una
proposicin particular.
Este punto de vista permite interpretar a las
probabilidades como ponderaciones atribuidas
conforme la confianza personal) o subjetiva) en
el resultado de un experimento. Este enfoque se
aplica a experimentos que todava no ocurren o
que lo hacen una sola vez y no requiere un
experimento con gran cantidad de ensayos ni la
hiptesis de regularidad estadstica.
El primer enfoque frecuentista se puede
interpretar con base en el enfoque subjetivista. El
primer enfoque frecuentista asigna un nmero
P(A) a la ocurrencia del evento A, que proviene
de la frecuencia relativa m/n del evento A
(cuando el experimento se realiza un nmero
grande de veces). En el enfoque subjetivo, P(A)
es la medida de la confianza que una persona
razonable asigna a la ocurrencia del evento A. En
ambos casos, la frecuencia relativa y la
asignacin con base en la confianza de
ocurrencia, dependen de la experiencia.
Eventos colectivamente exhaustivos. Son
aquellos cuya unin conforma totalmente el
espacio muestral.
A
D
B
E
G
Principio fundamental del Conteo. Aunque

algunos autores consideran que el Principio
Fundamental del Conteo se compone nicamente
de la Regla del Producto, es un hecho que dicha
regla, junto con la Regla de la Suma conforman
los elementos fundamentales que permites
definir a cualquiera de los casos que conforman a
la Teora del Conteo.
Regla de la suma. Si un evento puede ocurrir de
m formas distintas y otro puede ocurrir de n
formas distintas, existen entonces m+n distintas
formas en las que uno de esos dos eventos puede
ocurrir.
Regla del producto. Si un evento puede ocurrir
de m formas diferentes y otro puede ocurrir de n
formas distintas, existen entonces mxn distintas
formas en las que los dos eventos pueden ocurrir.
U
F
C
Donde: A B C ... Z = S
Ejemplo. Se dispone de una urna que contiene

esferas grabadas con alguna letra de acuerdo a lo
siguiente:
A = { a, b, c, d, e}
B = { ,, }
Teora del Conteo. Tambin conocida como

anlisis combinatorio; permite determinar el
nmero posible de resultados lgicos que cabe
esperar al realizar algn experimento o evento
sin necesidad de enumerarlos todos.
Noviembre 2009

23
E
C
Primer experimento: de cuntas formas se

puede seleccionar una sola esfera, sin importar el
alfabeto al que pertenezca la letra grabada en
ella.
La respuesta es: se puede seleccionar una esfera
con una letra latina o una con una letra griega.
1 Experimento = selecciona una esfera
5+3 =8
Segundo experimento: de cuntas formas se
puede seleccionar dos esferas simultneamente si
cada una de ellas debe tener letras de alfabetos
diferentes.
2 Experimento = selecciona dos esferas
5X3 = 15
Puede percibirse que en el primer experimento
no hay relacin alguna entre los alfabetos, ya que
no importa a cual de ellos pertenece la letra
grabada en la esfera; es decir, no hay
dependencia entre el evento A y B.
Por otra parte, en el segundo experimento s hay
una relacin directa entre los posibles resultados,
ya que deben ser las letras de cada una de las dos
esferas de alfabetos diferentes.
En el experimento uno, hay independencia entre
los eventos. En el segundo, los eventos son
dependientes. Asociando estas definiciones a la
lgica matemtica:
Noviembre 2009
Aritmtica
Lgica
Matemtica
lgebra de
Conjuntos
+
SUMA
o
CONJUNCIN
UNIN
X
PRODUCTO
y
DISYUNCIN
INTERSECCIN
Corolario:
1) Cuando se trata de eventos independientes se
aplica la regla de la suma.
2) Cuando se trata de eventos dependientes se
aplica la regla del producto.
Ejemplo. Para ir de CU a la Villa se dispone de

5 camiones. De cuantas maneras diferentes
puede ir una persona de CU a la Villa y regresar
a CU en camiones diferentes?
1 viaje CU a la Villa = 5 camiones
2 viaje La Villa a CU = 4 camiones porque
se utiliza uno menos
El 1 y 2 viajes son eventos dependientes, por lo
que
5X4 = 120 formas diferentes

Ejemplo. En un librero se tienen 22 libros, de los
cuales 5 estn en ingls, 7 en alemn y 10 en
francs.
a) De cuntas maneras se pueden seleccionar 2
libros que estn escritos en idiomas
diferentes?
Los posibles resultados son extraer parejas de
libros en:
Ingls y Alemn, Ingls y Francs, Alemn y
Francs.

24
Lo cual matemticamente es:

(5)(7) + (5)(10) + (7)(10) = 155 formas
diferentes
Ejemplo. De cuntas maneras se pueden hacer

viajes redondos que inicien en A y regresen al
mismo punto, teniendo en cuenta que los tramos
slo pueden ser recorridos en el sentido indicado
en la figura?
b) De cuntas maneras se pueden seleccionar 2

libros sin importar el idioma en que estn
escritos?
1 libro 22 opciones
2 libro 21 opciones
(22)(21) = 462 formas diferentes.
Ejemplo. Para ir del punto A al punto B existen

3 caminos y para ir del punto B al C hay dos
caminos.
a) De cuntas maneras diferentes se puede
viajar de A a C pasando por B?
AB=2
BC=1
CB=1
BA=2
2X1X1X2 = 4
Ejemplo. Cuntos nmeros diferentes mayores

de 246 se pueden formar con los dgitos 1,2,3,4,
si no se permite repetir dgitos en un mismo
nmero formado?
Nmeros de 3 cifras.
AB=3
BC=2
2X3 = 6 formas
> 246
b) De cuantas maneras diferentes se puede ir de

A a C pasando por B y regresar a B?
AC=6
CB=2
2op. 3op
Nmeros de 4 cifras.
6 X 2 = 12 formas
> 246
c) De cuntas maneras diferentes se puede

hacer un viaje redondo de A a C a A si no se
permite usar cada camino ms que una vez?
AB=3
BC=2
CB=1
BA=2
Noviembre 2009
2op (2)(3)(2) = 12
4op
3op
2op 1op (4)(3)(2)(1) = 24
3X2X1X2 = 12 formas

25
Si ahora se pretende la repeticin en la formacin

del nmero mayor que 246, De cuntas maneras
se pueden formar de 3 y 4 dgitos?
Se les conoce como ordenaciones porque al

existir un orden al formar los diferentes arreglos,
son ordenaciones diferentes ab y ba o abc y bac.
a) De tres dgitos.
El nmero de formas en que se pueden ordenar r

de n objetos equivale a colocarlos en r
localidades. Existen n formas de llenar la primera
localidad, n-1 formas de llenar la 2, y as
sucesivamente, existirn n-r+1 formas de llenar
la r-sima localidad.
> 246
2op
4op
(2)(4)(4) = 32
4op
n-1
n-2
n-r+1
De cuatro digitos.
> 246
4op 4op 4op 4op (4)(4)(4)(4) = 256
r>0
nr
A partir de la regla del producto:
O(n, r ) = n(n 1)(n 2 )(n 3)...(n r + 1)

Por otra parte:
Ordenaciones sin repeticin. Se entiende por

ordenaciones de n objetos tomando r de ellos a la
vez, sin repetirlos, a los diferentes grupos que se
pueden formar al seleccionar r de los n objetos
guardando cierto orden.
Conjunto A = { a, b, c }
n=3
Ordenaciones tomando 1 elemento (r = 1)

a
c
. . . Tres formas
Ordenaciones tomando 2 elementos (r = 2)

ab
bc
ac
ca
ba
cb
Ordenaciones tomando 3 elementos (r = 3)

abc
bca
acb bac
cab cac
Noviembre 2009
n! = O(n, r )(n r )!
O(n, r ) =
n!
(n r )!
Arreglos de una letra
O(3,1) =
r =1
3!
=3
(3 1)!
Arreglos de dos letras r = 2

. . . Seis formas
(n r )!= (n r )(n r 1)...(3)(2)(1)
Del ejemplo anterior:

. . . Seis formas
n! = O(n, r )(n r )(n r 1)...(3)(2 )(1)
O(3,2 ) =
3!
=6
(3 2)!

26
Cuntos son impares?
Arreglos de tres letras r = 3
O(3,2 ) =
3!
=6
(3 3)!
3,5
O ( 4,1) =
Para este tipo de arreglos se cumple r < n
Ejemplo. Calcular el nmero de arreglos

diferentes de 4 letras que se pueden formar con
las letras de la palabra Volkswagen si en los
arreglos no se permite tener letras repetidas.
10 Letras
n = 10
O(10,4) =
r=4
7,9
4!
=4
( 4 1)!
O(5,2) = 20
Total = ( 4 )( 20 )= 80 nmeros impares.
d) Cuntos mltiplos de 5?
10!
10 * 9 * 8 * 7 * 6!
=
= 5040
(10 4)!
6!
O (1,1) =
1!
=1
(1 1)!
arreglos
Ejemplo. Se dispone de los dgitos 2,3,5,6,7,9
O (5,2) =
a) Cuntos nmeros de 3 dgitos se pueden
formar?
6!
O(6,3) =
= 120 nmeros.
(6 3)!
5!
= 20
(5 2)!
Total = ( 1 )( 20 ) = 20 nmeros mltiplo de 5.
Ordenaciones con repeticin. Son aquellas

ordenaciones en las cuales pueden repetirse los
objetos que la forman.
b) Cuntos son pares?
n=3
Tomando 1 letra :
b
c
. . tres arreglos
Tomando 2 letras:
aa
ab
ac
ba
bb
bc
ca
cb
cc
2
Para el dgito menos
significativo (par)
6
5 posibilidades
para el resto
2!
O(2,1) =
=2
(2 1)!
5!
O(5,2) =
= 20
(5 2)!
Total = (2)(20) = 40 nmeros pares
Noviembre 2009
. . . nueve arreglos
Tomando 3 letras:
aaa
aba
aca
aab
abb
acb
aac
abc
acc

27
baa
bba
bca
caa
cba
cca
bab
bbb
bcb
cab
cbb
ccb
bac
bbc
bcc
cac
cbc
ccc
Para el DF, la placa se forma con el nmero

primero y las letras despus de estas ltimas la
primera slo puede ser a,b,c,d
. . . 27 arreglos
Si consideramos que tenemos r lugares
disponibles para colocar n objetos, los cuales se
pueden repetir, existen n formas para la primera
posicin, n para la segunda, n para la tercera y
as consecutivamente.
OR (26,2) = 676
OR (10,3) = 1000
Total de vehculos = (676)(1000)(4)= 2,704,000
Ejemplo. Se tienen 20 banderas de las cuales 5

son blancas, 5 son rojas, 5 negras y 5 azules.
Calcular el nmero de seales diferentes que se
pueden formar al colocar 5 banderas
simultneamente en un asta bandera.
Por la regla del producto:

Colores = 4
OR(n,r) = n*n*n*n*n*n = n
n=4
Posiciones = 5
Total de seales = OR(4,5) = 45 =1024
OR(n, r ) = n r
En este caso,
r n.
Ejemplo. Para controlar a los vehculos de la

Repblica Mexicana se tiene una placa de
identificacin que consiste de 3 letras y tres
nmeros con este sistema. Cuntos vehculos se
pueden controlar como mximo?
Ejemplo. Cuntos lenguajes se pueden formar

con el punto y la raya del alfabeto morse, si en
cada uno de ellos se puede utilizar hasta 4
elementos.
N = 2 (dos signos)
Lenguaje
Lenguaje
Lenguaje
Lenguaje
Total Letras = 26
OR (26,3) = 17,576
Total Dgitos = 10
1
2
3
4
signo
signo
signo
signo
OR ( 2,1 ) = 2
OR ( 2,2 ) = 4
OR ( 2,3 ) = 8
OR ( 2,4 ) = 16
Total = 30
lenguajes
OR(10,3) = 1,000
Total de vehculos = (17,576)(1000)

= 17,576,000
Noviembre 2009

28
Permutaciones. Son las ordenaciones de esos

mismos n objetos tomados todos a la vez.
Total de arreglos = 720 * 24 = 17,280
En este caso: r = n
Permutaciones con repeticin. Son las

ordenaciones con repeticin cuando se toman los
n elementos a la vez, es decir, cuando r = n.
O (n, r ) =
n!
= n!
( n n )!
Pn = O(n,n) = n!
PRn = OR(n, n ) = n n
aaa
aba
aca
baa
bba
bca
caa
cba
cca
Ejemplo. Si se tienen 3 letras = a b c ; Cuantas

ordenaciones de tres letras se pueden hacer?
abc, acb, cba, cab, bac, bca = 6 formas
P3 = 3! = 6
Ejemplo. De cuntas maneras se pueden
colocar 10 libros, si 4 de ellos deben estar
siempre juntas?
6 7
9 10
n=3
aab
abb
acb
bab
bbb
bcb
cab
cbb
ccb
. . . 27 arreglos
Permutaciones con grupos de elementos

repetidos. A partir del siguiente ejemplo:
Dado que cuatro de ellos deben permanecer

juntos, en realidad existen siete libros
permutables.
P7 = 7! = 5040
Por otra parte, los cuatro libros que deben
permanecer juntos tambin son permutables.
P4 = 4! = 24
aac
abc
acc
bac
bbc
bcc
cac
cbc
ccc
n=3
Las seis permutaciones son:

abc, acb, cba, cab, bac, bca
Ahora, si en el conjunto A se hace el cambio de
un elemento:
Conjunto A = { a, b, a }
n=3
Las seis permutaciones son:

aba, aab, aba, aab, baa, baa
Total de arreglos = 5040X24 = 120,960

Si ahora se desea que el grupo de 4 libros est
siempre en el mismo lugar, de cuantas maneras
se pueden colocar.
P6 = 6! = 720 (seis libro permutables)
Los colores son para notar la sustitucin. Puede

observarse que:
aba = aba
En realidad
diferentes.
slo
aab = aab
hay
tres
baa = baa
permutaciones
P4 = 4! = 24
Noviembre 2009

29
Supngase que se tienen n objetos dados dentro

de los que hay un grupo de objetos iguales y
otro de objetos iguales entre s. Para
determinar el nmero de permutaciones distintas
que se pueden formar con los no objetos dados,
supngase que estn formadas todas las
permutaciones y que x es su nmero.
Ejemplo. Un fabricante de vestidos produce 12

unidades al da y por la moda necesita entregar 3
azules, 2 rojos, 2 verdes, y 5 blancos. De
cuntas formas diferentes puede fabricarlos?
En cada una de las x permutaciones formadas,

sustityanse los objetos iguales por objetos
distintos y permtense de las ! maneras
posibles. Se obtendrn x ! permutaciones de n
objetos en las que figuran solamente objetos
iguales.
En cada una de las x ! ltimas permutaciones
formadas, sustityanse ahora los objetos
iguales por objetos distintos y permtense
tambin de las ! maneras distintas. Se
obtendrn x ! ! permutaciones de n objetos
en las que no figuran ni el grupo de objetos
repetidos ni el de objetos iguales entre s. Pero
este nmero es precisamente el de las
permutaciones de n objetos distintos, por lo que
se puede escribir:
P(12,3,2,2,5) =
n = 12
q1 = 3
q2 = 2
q3 = 2
q4 =5
12!
= 166,320
3!2!2!5!
formas diferentes
Permutaciones circulares. Estas permutaciones

se refieren al nmero de maneras distintas en que
pueden colocarse n objetos alrededor de un
crculo de manera que queden igualmente
espaciados y sin que importen las posiciones
absolutas de los objetos en el crculo, sino
nicamente las posiciones relativas de los
objetos con respecto a s mismos. Dos
permutaciones circulares son iguales si todos sus
elementos tienen el mismo precedente y
consecuente.
a
x ! ! = n!
despejando
x=
n!
! !
Estas permutaciones circulares son iguales

en forma general, las permutaciones de n objetos
con grupos de q1 , q 2 , q 3 ...q n elementos iguales:
P(n, q1 , q 2 , q3 , ... , q n ) =
donde :
n!
q1!, q 2 !, q3 !, ... , q n !
q1 + q 2 + q3 + ... + q n n
Para determinar la respectiva expresin,

considrese la permutacin lineal de n
elementos:
1 2 3 ... n 1 n
Si se lleva el ltimo elemento de la permutacin
al primer lugar, se obtiene la nueva permutacin.
n 1 2 3 ... n 1
Noviembre 2009

30
A sta se le conoce como permutacin cclica de

la anterior y puede observarse que si el proceso
de llevar el ltimo elemento al primer lugar se
repite n veces se llega a la permutacin inicial.
Adems, puede verse fcilmente que si las n
permutaciones cclicas se colocan alrededor de
un crculo, no se distinguen entre s, sino que
forman una sola permutacin circular. Luego
puede concluirse que n permutaciones cclicas de
n objetos generarn una permutacin circular y,
razonando en forma inversa, que recprocamente
una permutacin circular genera n permutaciones
cclicas que son linealmente diferentes.
Supngase ahora que PCn es el nmero de
permutaciones circulares distintas que se pueden
formar con n objetos. Por lo antes visto puede
afirmarse que, por cada una de las permutaciones
circulares se obtienen n permutaciones cclicas.
Luego, el nmero de permutaciones ordinarias
obtenidas a partir de las permutaciones circulares
es n PC n y puede escribirse:
n PC n = Pn
PC n =
n PC n = n! despejando
n! n(n 1)!
=
= (n 1)!
n
n
PC n = (n 1)!
De acuerdo con esta expresin, con las tres letras

a, b, c pueden formarse (3-1)! = 2 permutaciones
circulares distintas:
a
PC n =
(n 1)!
2
Ejemplo. Calcular el nmero de maneras

diferentes en que cinco personas pueden
colocarse:
a) En fila
P5 = 5! = 120
b) Alrededor de una mesa PC5 = (5-1)! = 24

siempre que no se permita al observador
asomarse por debajo de la mesa.
c) Alrededor de una mesa si una persona debe
ocupar un lugar determinado. PC5 = (5-1)! = 24
Como en las permutaciones circulares no interesa
la posicin absoluta de los objetos en el crculo,
sino slo la relativa con respecto a s mismos, se
resuelve el inciso igual que el anterior, pidiendo
a las personas colocadas en la mesa que giren
alrededor de la mesa, sin perder sus posiciones
relativas, hasta que quede en el lugar adecuado la
persona de la condicin.
d) Alrededor de una mesa si dos personas deben
estar siempre juntas. PC 4 P2 = (4 1)! 2! = 12
Se considera como una a las dos personas que
deben estar juntas y despus se permutan de
todas las maneras posibles esas dos personas.
d) En la rueda de la fortuna.
PC 5 =
c
Puede observarse que si el crculo uno se

proyectara como espejo sobre el crculo dos,
ambas permutaciones se confundiran. En
consecuencia, puede afirmarse que si el crculo
en donde se colocan los objetos al formar
permutaciones circulares puede voltearse, o verse
por sus dos lados, el nmero de permutaciones
Noviembre 2009
esencialmente distintas se reduce a la mitad. As,

la frmula para calcular las permutaciones
circulares de n objetos en este caso ser:
(5 1)! = 12
2
Combinaciones sin repeticin. Se les llaman

combinaciones de n objetos de orden r a los
diversos grupos que pueden formarse al elegir r
de n objetos dados, de tal manera que dos
combinaciones se consideran distintas si difieren
en uno de sus objetos por lo menos.

31
A diferencia de las ordenaciones, en las

combinaciones no interesa el orden de los
objetos, sino nicamente la clase de los mismos.
Tomando 1 letra :
Tomando 2 letras:
Tomando 3 letras:
Si las dos personas de la condicin estn en el

comit, los otros tres miembros se elegirn de las
ocho personas restantes de:
n=3
a
ab
b) Dos de las personas elegibles no pueden

aparecer juntas en el comit.
b
c
. . . tres arreglos
bc
ca
. . . tres arreglos
abc
. . . un arreglo
Para determinar el nmero de las combinaciones

de n objetos de orden r, considrense formadas
todas las combinaciones O(n,r). Si en todas se
permutan sus r objetos de las r! Maneras
posibles, se obtendrn en total r! O(n,r)!
ordenaciones de los n objetos dados de orden r.
En la forma antes descritas , se han formado
todas las ordenaciones de n objetos de orden r, ya
que las provenientes de una misma combinacin
son diferentes porque difieren en el orden de sus
objetos, y las que vienen de combinaciones
distintas difieren por lo menos en uno de sus
objetos.
C (8,3) =
8!
= 56
(8 3)! 3!
Por lo tanto, hay 252 56 = 196 comits en los

que no estn juntos las dos personas aludidas.
c) Dos de las personas elegibles deben estar
siempre juntas, dentro o fuera del comit.
Si las dos personas de la condicin estn en el
comit, las tres personas restantes se escogen de:
C (8,3) =
8!
= 56
(8 3)! 3!
Los comits en los que la pareja no est es:
C (8,5) =
8!
= 56
(8,5)! 5!
El total de comits es: 56 + 56 = 112
r! C (n, r )! = O(n, r )
d) En el comit debe haber un presidente.
C (n, r ) =
O(n, r )
n!
=
r!
r!(n, r )!
rn
Existen 10 formas de elegir un presidente y
C (9,4) =
Ejemplo. De un grupo de diez personas debe
elegirse un comit formado por cinco. Calcular el
nmero de comits diferentes que se pueden
elegir si:
9!
= 126
(9 4)! 4!
El total de comits es: 10 x 126 = 1260
a) Las diez personas son elegibles libremente.
C (10,5) =
10!
= 252
(10 5)! 5!
Combinaciones con repeticin. Este tipo de

arreglos permite repetir objetos en una misma
combinacin, por lo que el orden puede ser
mayor que el nmero de objetos dados.
Noviembre 2009
n=3

32
Tomando 1 letra :
a
b
c
. . . tres arreglos
Nmeros
combinatorios.
generados
por
bb
bc
cuando r vara desde 1 hasta n reciben el nombre

de nmeros combinatorios y tienen la notacin
Tomando 2 letras:
aa
ab
ac
cc
. . . seis arreglos
Tomando 3 letras:
aaa
aab
aac
abb
abc
acc
bbb
bbc
bcc
nmeros
n!
para
(n, r )! r!
n
, donde n es el numerador y r es el
r
Los nmeros
propiedades:
nmero
expresin
los
denominador del nmero combinatorio.
ccc
. . . diez arreglos
La expresin que denota el
combinaciones con repeticin es:
la
de
combinatorios
poseen
tres
1. Los nmeros combinatorios de orden cero

valen la unidad. Asimismo, los nmeros
combinatorios de orden igual a n tambin
valen la unidad.
n
= 1
0
CR (n, r ) = C (n + r 1, r )
n
= 1
n
Demostracin:
Ejemplo. En una escuela mixta, de hombres y
mujeres, se va a formar un comit de cinco
alumnos. Cuntos comits diferentes se pueden
formar, con respecto a su composicin de
hombres y mujeres?
Debern seleccionarse cinco de dos objetos
diferentes (hombre y mujer):
CR(5,2) = C (5 + 2 1,2) =
6!
=6
(6 2)! 2!
n!
Si =
, sustituyendo:
r r!(n r )!
n
n!
n!
=
= =1
0 0!(n 0)! n!
n
= 1
por lo tanto:
0
Por otra parte:
n
n!
n!
=
= =1
n n!(n n)! n!
n
= 1
por lo tanto:
n
Noviembre 2009

33
2. Los nmeros combinatorios de rdenes

complementarios son iguales entre s.
n n
=
r n r
Triangulo
de
Pascal.
Los
nmeros
combinatorios pueden ser acomodados en un
arreglo piramidal, en el cual se observan
plenamente sus propiedades.
0

0
Demostracin:
n!
Si: =
, sustituyendo:
r r!(n r )!
1

0
n
n
n!
n!
=
=
=
n r (n r )![n (n r )]! (n r )!r! r
n n
=
n r r
3. La suma de los nmeros combinatorios de
igual numerador y rdenes diferentes en una
unidad es igual a un nmero combinatorio de
numerador igual a una unidad ms grande
que la de los sumandos y orden igual al
mayor de los rdenes de los combinatorios
sumandos.
n n n + 1
+ =
k 1 k k
2

0
3

0
4

0
Para hacemos para (n,k-1) + (n,k) debemos

obtener (n+1,r) de ah que sustituyendo nos
queda:
n!
n!
kn!+ ( n k + 1) n!
+
=
( k 1)! ( n k + 1)! k!( n k )!
k!( n k + 1)!
=
n + 1
( k + n k + 1) n!
( n + 1) n!
( n + 1)!
=
=
=
k!( n k + 1)!
r!( n r + 1)! k!( n k + 1)! k
Noviembre 2009
2

1
3

1
4

1
2

2
3

2
4

2
3

3
4

3
4

4
Observando el Triangulo de Pascal pero con sus

valores:
1
1
1
Demostracin:
n
n!
Si: =
r r!(n r )!
1

1
1
1
1
1
3
4
5
6
1
2
6
10
15
1
3
1
4
10
20
1
5
15
1
6
Propiedad Uno: Los nmeros que estn sobre los

vrtices del triangulo denotan esta propiedad
(color verde).
Propiedad dos: Los nmeros que estn a la
misma distancia a la derecha y a la izquierda de
los vrtices del triangulo denotan esta propiedad
(colores naranja).

34
Propiedad tres: Al sumar dos nmeros

combinatorios en el mismo nivel, resulta el
nmero de un nivel posterior en medio de los
mismos.
El diagrama de rbol conforma el espacio

muestral en una dimensin de un evento.
Ejemplo. Los toros de Chicago y los Celtics de

Boston participan en un torneo de Basketbol; el
primero que gane dos juegos consecutivos o un
total de tres ser el vencedor del torneo.
Cuntas maneras posibles podra terminar el
torneo?
Teorema del Binomio. A partir de cualquier

binomio elevado a una potencia entera, por
ejemplo:
(a + b )4 = a 4 + 4a 3b + 6a 2 b 2 + 4ab 3 + b 4
puede observarse que los coeficientes de los
sumandos del binomio coinciden con los
nmeros combinatorios de orden n = 4.
Una expresin general para obtener el desarrollo
de cualquier binomio elevado a una potencia es:
(a + b )n = a nr
r
n
r =0
br
Diagrama de rbol. Es una herramienta grfica

usada para enumerar todas las posibilidades
lgicas de una secuencia de datos que ocurren de
una forma finita de maneras.
El rbol est formado por puntos o nodos que
representan instantes en el tiempo o lugares en el
espacio y por lneas o ramas que representan las
posibles acciones que puedan tomarse; los nodos
y las ramas siempre estn unidos.
Existen diez formas de desarrollar el torneo.

En todo caso, el diagrama de rbol conforma el
espacio muestral de un evento.
2.3 La definicin axiomtica de probabilidad.

Algunos teoremas derivados de la definicin
axiomtica.
Un Axioma en una verdad evidente que no
requiere de demostracin. La probabilidad basa
sus desarrollos en tres axiomas:
1) P(A) 0
2) P(S) = 1
3) P(A1+A2++An) =
P(A1)+P(A2)+)++P(An)
donde A1, A2, A3 ... An son eventos
mutuamente excluyentes.
Noviembre 2009

35
Teoremas derivados
axiomtica.
de
la
definicin
P(A) + P( A ) = 1 P( A ) = 1 P(A)
e.q.d.
Estos teoremas se obtienen de una aproximacin

entre la teora de conjuntos y la aritmtica y el
lgebra. Principalmente es necesario contar con
lo antecedentes de las operaciones con conjuntos
(unin, interseccin, complemento, etc.) para
desarrollarlos.
Teorema 3: P(A B) = P(A) + P(B) - P(AB)
Por otra parte, debe tomarse en cuenta los

fundamentos de la lgica matemtica que
establece las relaciones entre diversas
operaciones matemticas:
Y (conjuncin) x (producto) Evento
Dependiente
O (disyuncin) + (suma) Evento
Independiente
Si A B = A ( A B )
y B = (A B) (A B)
luego entonces
Teorema 1:
P() = 0
Demostracin:
Si P(S ) = P(S) + P()
(por el axioma 3) y
P ( A B) = P( A) + P(B A )
y P ( B) = P( A B ) + P( A B )
restando ambas ecuaciones
S = S, entonces
P(S ) = P(S) = 1 (axioma 1)
1 = 1 + P() P() = 0 e.q.d.
simplificando
Teorema 2: P( A ) = 1 P(A)
P ( A B) P( B) = P( A) P( A B )
Demostracin:
P ( A B) = P( A) + P( B) P( A B ) e.q.d.
Si P(A) + P( A ) = P(S)
y P(S) = 1
Noviembre 2009

36
Este teorema se reduce al axioma 3 cuando los

conjuntos son disjuntos1.
Teorema 4:
Teorema 5:
P ( A B) = P ( A) + P( B) P( A B)
Al realizar el experimento correspondiente,

supngase que ocurre el evento A y una vez
ocurrido ste, se desea observar si tambin
ocurri el B. Puesto que ya ocurri el evento A,
el evento B slo puede ocurrir si tiene eventos
elementales en A es decir si existe A B.
Leyes de DMorgan
( A B)' = A' B' ( A B) = A B
Adems, en ese momento el evento A es el

espacio total de eventos posibles. Luego P(B I A)
se puede calcular como.
( A B)' = A' B' ( A B) = A B

P(BIA) = Eventos elementales en A y en B
2.4 Probabilidad condicional. Diagramas de
rbol. Eventos independientes. Probabilidad
total. Teorema de Bayes.
Si A y B son dos eventos del espacio muestral S,
la probabilidad de que el evento B ocurra con la
condicin de que previamente haya ocurrido el
evento A, se le conoce como probabilidad
condicional de B y se representa como P(B I A)
( Lase probabilidad de B dado A ) A partir de
los eventos A y B :
Eventos elementales en A
Lo que puede escribirse como:
P ( BIA) =
se define
Si dos conjuntos A y B no tienen elementos

comunes, es decir, ningn elemento de A est en B
y si ningn elemento de B est en A, se dice que A
y B son disjuntos.
Noviembre 2009
n( A B )
n( A)
P( AB ) =
P ( A) =
si n(A) 0
( A B)
n( S )
n( A)
n( S )

37
A partir de la informacin del experimento a

estudiar, primeramente deben especificarse los
eventos, posteriormente la secuencia o
subordinacin entre ellos.
de tal forma
P(B I A) =
finalmente
P(B I A) =
P( AB )
P( A)
En
la
generalidad,
las
probabilidades
condicionales se advierten porque los eventos se
subordinan con la conjuncin si (condicional, de
diferente significado que el s afirmativo). De la
misma forma, suele detectarse en la definicin
del experimento que la probabilidad condicional
es un dato histrico, tal que cuando es
mencionada an no se produce el evento.
P(A) 0
La secuencia en que ocurren los eventos pueden
mostrarse con claridad a travs de un diagrama
de rbol, siempre y cuando se trate de eventos
mutuamente
excluyentes,
colectivamente
exhaustivos con un nmero finito de resultados.
Noviembre 2009
Asimismo,
la
probabilidad
simultnea
corresponde a dos eventos que ocurren al mismo
tiempo, en el instante en que se estudia el
experimento y la subordinacin entre ellos se
detecta a travs de la conjuncin Y.

38
Ejemplo. Con base en la experiencia un mdico

ha recabado la siguiente informacin, relativa a
las enfermedades de sus pacientes:
Eventos Independientes. Dos eventos son

independientes si :
P(A \ B) = P(A) ----------- 1
5% creen tener cncer y lo tienen

45% creen tener cncer y no lo tienen
10% no creen tener cncer y lo tienen
40% no creen tener cncer y no lo tienen
P( A / B) =
P ( A) =
Si se selecciona un paciente al azar. Determine

las siguiente probabilidad.
P( AB )
--------2
P( B )
P( AB )
P(A) P(B) = P(AB)
P( B )
del ejemplo anterior

a) Que tenga cncer si cree tenerlo
b) Que tenga cncer si no cree tenerlo
(0.5)(0.15) 0.05
P(A) = 0.50
P(B) = 0.15
Evento
P(AB) = 0.05
A y B no son independientes
A El paciente cree tener cncer

B El paciente tiene cncer
Ejemplo. Suponiendo la siguiente informacin
CONTRAE NO CONTRAE
CANCER
CANCER
0.5
0.2
0.7
NO FUMADOR 0.1
0.2
0.3
0.6
0.4
FUMADOR
1. Encontrar la probabilidad de que un

individuo contrae cncer dado que es
fumador
a) P(B I A) =
P( AB ) 0.05
=
= 0.1 = 10%
P( A)
0.5
b) P(B I A ) =
P( A B ) 0.1
=
= 0.2 = 20%
P( A ) 0.5
Noviembre 2009
2. Encontrar la probabilidad de que un

individuo tenga cncer dado que no es
fumador
3. Determinar si son eventos independientes

39
En el caso de tres eventos

1)
P(B / A) = ?
P ( B / A) =
2)
P(B / A) = ?
P( B / A ) =
3)
P( AB ) 0.5
=
= 0.71
P( A) 0.7
P ( A B ) 0.1
=
= 0.333
P( A ) 0.3
P(A) = 0.7
(0.7) (0.6) 0.5
P(B) = 0.6
no son ind.
P(AB) = 0.5
En general
Frecuentemente se desea encontrar la

probabilidad de que ocurran conjuntamente una
serie de eventos A1, A2, A3,., An ya sea
simultneamente, o bien, uno a continuacin del
otro.
En el caso de dos eventos
P(A1 A2) = P(A2 / A1) P(A1 A2)
Si los eventos A son independientes:
P( A1 A2 A3 ... An ) = P( A1 )P( A2 )P( A3 ) ... P( An )

A esta expresin se le conoce como regla de la
multiplicacin.
Noviembre 2009

40
Ejemplo.
P(N3/N1N2) =
3 2 1
= 0.0119
9 8 7
Si se hace con reemplazo
4 Bolas Blancas
3 Bolas Negras
2 Bolas Rojas
9
Experimento: Se extraen 3 bolas (Sin
Reemplazo) Cul es la probabilidad de que las 3
sean negras?
P(N2/N1) = P(N2) = P(N3) =
Eventos
Ni Sale Negra
Bi Sale Blanca
Ir Sale Roja
P(N3/N1N2)
P(N1N2N3) = 3/9 3/9 3/9 = 0.03
El reemplazo garantiza la independencia de los
eventos.
Teora de la Probabilidad Total

Sea un conjunto de eventos B1, B2, B3, ,Bn
mutuamente excluyentes y colectivamente
exhaustivas.
P(N1N2N3) = P(N1) P(N2/N1)
Para cualquier evento A, A S

De acuerdo a los axiomas de probabilidad
Noviembre 2009

41
A = (AB1)(AB2) (A Bn)
P ( Ai B ) =
Ya que (ABi) son mutuamente excluyentes
P(A) =
P( A / Bi ) P( Bi )
Teorema de la
i =1
Probabilidad total.
P( Ai B )
P(B Ai )P( Ai )
P( A )P(B A ) P( A B ) P( A B )
n
i =1
P(A) = P(AB1) + P(aB2) + .+ P(ABn)

Si P(ABi ) = P(A/Bi) P(Bi)
P( Ai B )
i
i =1
i =1
Las anteriores expresiones definen al Teorema de

Bayes, que tambin es conocido como de la
probabilidad a posteriori, ya que denota
probabilidades en forma posterior a la realizacin
del experimento.
P( Ai B ) : Probabilidad de que haya ocurrido
Teorema de Bayes
Ai dado que ocurri B .
En la prctica no siempre despus de haberse

realizado el experimento o evento se conoce el
resultado del mismo. De existir esta
incertidumbre, el resultado es an motivo de una
probabilidad.
El cambio en la secuencia de los eventos debe

detectarse a partir de las condiciones del
experimento.
A partir de la probabilidad condicional, sean n

eventos A1, A2,, ..., An mutuamente excluyentes y
colectivamente exhaustivos, entonces para
cualquier evento B, B S que ocurre
posteriormente se tiene:
Ejemplo. Ral est acusado de un crimen. La

probabilidad de que el jurado emita el veredicto
correcto es de 0.95, es decir, la probabilidad de
que el jurado condene a un culpable verdadero y
de que absuelva a un inocente verdadero es de
0.95.
P(B ) = P ( Ai ) P( B / Ai )
i =1
Teorema de la Probabilidad Total
P ( Ai B )
P B Ai =
P ( Ai )
Probabilidad condicional
Se sabe que la labor de la polica es tal que el

60% de las personas que se presentan a la corte
para ser juzgadas son verdaderamente culpables.
Determinar la probabilidad de que Ral sea
inocente si el juzgado lo declara culpable.
1er evento
A = Ral es detenido porque es culpable
El Teorema de Bayes propone modificar el orden

o la secuencia de los eventos:
A = { Ral es culpable }
P( Ai B )
Sustituyendo el Teorema de
P( Ai B ) =
P(B )
2do evento
la Probabilidad Total:
B = Ral es declarado culpable porque lo

es
B = { Ral es declarado culpable}
Noviembre 2009

42
Ejemplo. Una empresa de asesora alquila autos

de 3 agencias:
20% de la agencia D
P(M) = ?
Por el Teorema de Probabilidad Total
20% de la agencia E
60% de la agencia F
Si: 10% de los autos de la agencia D
12% de los autos de la agencia E
4% de los autos de la agencia F
tienen neumticos en mal estado. Cul es la
probabilidad de que la empresa rente un auto con
neumticos en mal estado? Si el auto tiene los
neumticos en mal estado, Cul es la
P( A B ) =
P(F / M) = ?
P( AB )
P( AB )
0.02
=
=
= 0.29
P(B ) P( AB ) + P( AB ) 0.05 + 0.02
probabilidad de que sea de la agencia F ?

1er evento Rentar un auto
2do evento Que tenga los neumticos
defectuosos
Noviembre 2009

43
Ejemplo. En una fbrica, 3 mquinas, A,B y C,

producen la misma pieza. El 6% de las piezas de
la mquina A estn defectuosas, el 7% de las de
la mquina B tambin estn defectuosas,
mientras que slo el 3% de las producidas por la
mquina C lo estn.
La produccin se distribuye de la siguiente
forma:
Mquina A 65%
Mquina B 13%
Mquina C 22%
Cul es la probabilidad de que al tomar una
pieza del almacn resulte que est defectuosa, la
haya producido la mquina B?
Bibliografa
Canavos, Probabilidad y Estadstica, Edit.
Mc Graw Hill, Mxico 1988.
Borras, et. al. Apuntes de Probabilidad y
Estadstica, Facultad de Ingeniera UNAM,
Mxico 1985.
Villarreal , Probabilidad y Modelos
Probabilsticos, UAEM, Mxico 1989.
Hines,
Montgomery;
Probabilidad
y
Estadstica, Edit. CECSA, 3 edicin,
Mxico 1993.
Evento A Fabricar la pieza

A = {Fi} = {A,B,C}
Evento B Pieza defectuosa
Vilenkin,
De
cuntas
formas?
Combinatoria, Editorial Mir, Mosc 1972.
Iriarte, Apuntes de Mtodos Numricos,
Facultad de Ingeniera UNAM, Mxico.
Vilenkin,
De
cuntas
formas?
Combinatoria, Editorial Mir, Mosc 1972.
Iriarte, Apuntes de Mtodos Numricos,
Facultad de Ingeniera UNAM, Mxico.
Captura y Edicin:
M.A. Mara Torres Hernndez.
Noviembre 2009

44

Estad 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estad 2

Transféré par

Droits d'auteur :

Formats disponibles

Fundamentos de la teora de la probabilidad

M. en A. Vctor D. Pinilla Morn

2.1 Experimentos deterministas y aleatorios.

Fenmeno. Un fenmeno es considerado como

Por la capacidad de predecir el resultado:

Discretos. Se considera un fenmeno

Evento Elemental. Un evento elemental o

Proceso de conversin analgica digital en donde se

Espacio muestral. Es el conjunto de todos los

Eventos colectivamente exhaustivos. Son

Evento: Algo que ocurre al azar.

M.A. Vctor Damin Pinilla Morn.

2.2 El concepto de probabilidad a travs de

indecisos ante su existencia y para determinar la

M.A. Vctor Damin Pinilla Morn.

Con esto podemos suponer (formar una opinin

Puede percibirse que el hecho de que P(A) = 0 no

Siguiendo este tipo de razonamiento se construye

1. Supone una gran cantidad de ensayos.

Obsrvese que en el primer enfoque se dice slo

M.A. Vctor Damin Pinilla Morn.

El anlisis combinatorio contempla varios casos:

Principio fundamental del Conteo. Aunque

Ejemplo. Se dispone de una urna que contiene

Teora del Conteo. Tambin conocida como

M.A. Vctor Damin Pinilla Morn.

Primer experimento: de cuntas formas se

Ejemplo. Para ir de CU a la Villa se dispone de

5X4 = 120 formas diferentes

M.A. Vctor Damin Pinilla Morn.

Lo cual matemticamente es:

Ejemplo. De cuntas maneras se pueden hacer

b) De cuntas maneras se pueden seleccionar 2

Ejemplo. Para ir del punto A al punto B existen

Ejemplo. Cuntos nmeros diferentes mayores

b) De cuantas maneras diferentes se puede ir de

c) De cuntas maneras diferentes se puede

2op 1op (4)(3)(2)(1) = 24

M.A. Vctor Damin Pinilla Morn.

Si ahora se pretende la repeticin en la formacin

Se les conoce como ordenaciones porque al

El nmero de formas en que se pueden ordenar r

A partir de la regla del producto:

O(n, r ) = n(n 1)(n 2 )(n 3)...(n r + 1)

Ordenaciones sin repeticin. Se entiende por

Ordenaciones tomando 1 elemento (r = 1)

Ordenaciones tomando 2 elementos (r = 2)

Ordenaciones tomando 3 elementos (r = 3)

Arreglos de una letra

Arreglos de dos letras r = 2

(n r )!= (n r )(n r 1)...(3)(2)(1)

Del ejemplo anterior:

n! = O(n, r )(n r )(n r 1)...(3)(2 )(1)

M.A. Vctor Damin Pinilla Morn.

Cuntos son impares?

Arreglos de tres letras r = 3

Ejemplo. Calcular el nmero de arreglos

Total = ( 1 )( 20 ) = 20 nmeros mltiplo de 5.

Ordenaciones con repeticin. Son aquellas

b) Cuntos son pares?

Total = (2)(20) = 40 nmeros pares

M.A. Vctor Damin Pinilla Morn.

Para el DF, la placa se forma con el nmero