Relacin funcional

Dos

variables

estn

relacionadas

funcionalmente

cuando

conocida la primera se puede saber con exactitud el valor de la segunda.

Ejemplo

Si se deja caer una piedra, existe una frmula que nos permite
calcular exactamente, la altura a la que se encuentra en funcin del
tiempo transcurrido.

h = g t.

Relacin estadstica
Dos variables x e y estn relacionadas estadsticamente cuando
conocida la primera se puede estimar aproximadamente el valor de la
segunda.
Ejemplos

Ingresos y gastos de una familia.

Produccin y ventas de una fbrica.

Gastos en publicidad y beneficios de una empresa.

Variable estadstica bidimensional

Una variable

bidimensional es

una

variable

en

la

que

cada

individuo est definido por un par de caracteres, (X, Y).

Estos dos caracteres son a su vez variables estadsticas en las que

s existe relacin entre ellas, una de las dos variables es la variable
independiente y la otra variable dependiente.

Distribuciones bidimensionales
Son aquellas en las que a cada individuo le corresponden los valores
de dos variables, las representamos por el par (x i , y i ).

Si representamos cada par de valores como las coordenadas de un

punto, el conjunto de todos ellos se llama nube de puntos o diagrama
de dispersin.

Sobre la nube de puntos puede trazarse una recta que se ajuste a

ellos lo mejor posible, llamada recta de regresin.
Ejemplo

Las notas de 12 alumnos de una clase en Matemticas y Fsica son

las siguientes:

Matemticas

10

10

Fsica

10

La covarianza de una variable bidimensional es la media aritmtica

de los productos de las desviaciones de cada una de las variables respecto
a sus medias respectivas.

La covarianza se representa por s x y o x y .

La covarianza indica el sentido de la correlacin entre las variables

Si x y > 0 la correlacin es directa.

Si x y < 0 la correlacin es inversa.

La covarianza presenta como inconveniente, el hecho de que su

valor depende de la escala elegida para los ejes.

Es decir, la covarianza variar si expresamos la altura en metros o

en centmetros. Tambin variar si el dinero lo expresamos en euros o en
dlares.
Ejemplos

Las notas de 12 alumnos de una clase en Matemticas y Fsica son

las siguientes:

Matemticas

10

10

Fsica

10

Hallar la covarianza de la distribucin.

xi

yi

xi yi

16

20

24

36

28

42

56

10

90

10

10

100

72

60

431

Despus de tabular los datos hallamos las medias aritmticas :

Los valores de dos variables X e Y se distribuyen segn la tabla

siguiente:

Y/X

Hallar la covarianza de la distribucin.

En primer lugar convertimos la tabla de doble entrada en tabla

simple y calculamos las medias aritmticas.

xi

yi

fi

xi fi

yi fi

xi yi fi

16

10

15

30

12

12

16

20

40

41

76

La correlacin trata de establecer la relacin o dependencia que

existe

entre

las

dos

variables

que

intervienen

en

una distribucin

bidimensional .

Es decir, determinar si los cambios en una de las variables influyen

en los cambios de la otra. En caso de que suceda, diremos que las
variables estn correlacionadas o que hay correlacin entre ellas.

Tipos de correlacin
1 Correlacin directa

La correlacin directa se da cuando al aumentar una de las variables

la otra aumenta.

La recta correspondiente a la nube de puntos de la distribucin es

una recta creciente.

2 Correlacin inversa
La correlacin inversa se da cuando al aumentar una de las variables
la otra disminuye.

La recta correspondiente a la nube de puntos de la distribucin es

una recta decreciente.

3 Correlacin nula
La correlacin nula se da cuando no hay dependencia de ningn tipo
entre las variables.

En este caso se dice que las variables son incorreladas y la nube de

puntos tiene una forma redondeada.

Grado de correlacin
El grado de correlacin indica la proximidad que hay entre los
puntos de la nube de puntos. Se pueden dar tres tipos:

1. Correlacin fuerte
La correlacin ser fuerte cuanto ms cerca estn los puntos de la
recta.

2. Correlacin dbil
La correlacin ser dbil cuanto ms separados estn los puntos de
la recta.

3. Correlacin nula
El coeficiente
la covarianza y

el

de

correlacin

producto

de

lineal es

las desviaciones

el

cociente

entre

tpicas de

ambas

variables.

El coeficiente de correlacin lineal se expresa mediante la letra r.

Propiedades del coeficiente de correlacin

1. El coeficiente de correlacin no vara al hacerlo la escala de
medicin.

Es decir, si expresamos la altura en metros o en centmetros el

coeficiente de correlacin no vara.

2. El signo del coeficiente de correlacin es el mismo que el de

la covarianza.

Si la covarianza es positiva, la correlacin es directa.

Si la covarianza es negativa, la correlacin es inversa.

Si la covarianza es nula, no existe correlacin.

3. El coeficiente

de

correlacin

lineal es

un

nmero

real

comprendido entre 1 y 1.

1 r 1

4. Si el coeficiente de correlacin lineal toma valores cercanos a

1 la correlacin es fuerte e inversa , y ser tanto ms fuerte cuanto
ms se aproxime r a 1.

5. Si el coeficiente de correlacin lineal toma valores cercanos a

1 la correlacin es fuerte y directa , y ser tanto ms fuerte cuanto ms
se aproxime r a 1.

6. Si el coeficiente de correlacin lineal toma valores cercanos a

0, la correlacin es dbil.

7. Si r = 1 1, los puntos de la nube estn sobre la recta

creciente

decreciente.

Entre

ambas

variables

hay dependencia

funcional .

Ejemplos

Las notas de 12 alumnos de una clase en Matemticas y Fsica son

las siguientes:

Hallar

Matemticas

10

10

Fsica

10

el coeficiente

de

correlacin de

interpretarlo.

xi

yi

xi
yi

xi2

yi2

la

distribucin

16

16

16

16

20

25

16

24

36

16

36

36

36

28

49

16

42

49

36

56

64

49

90

1
0
1

100

431

10
0

81

10

10

50

38

1 Hallamos las medias aritmticas .

2 Calculamos la covarianza .

3 Calculamos las desviaciones tpicas .

4 Aplicamos la frmula del coeficiente de correlacin lineal .

Al ser el coeficiente de correlacin positivo, la correlacin es

directa.

Como coeficiente

de

correlacin est

muy

prximo

la

correlacin es muy fuerte.

Los valores de dos variables X e Y se distribuyen segn la tabla

siguiente:

Y/X

Determinar el coeficiente de correlacin .

Convertimos la tabla de doble entrada en tabla simple.

xi

xi2

yi

yi2

xi yi

fi

fi

fi

fi

fi

18

xi

yi

fi

16

16

16

10

20

15

45

30

12

48

12

32

16

20

40

120

41

97

76

Al ser el coeficiente de correlacin negativo, la correlacin es

inversa.

Como coeficiente

de

correlacin est

muy

prximo

la

correlacin es muy dbil.

La recta de regresin es la que mejor se ajusta a la nube de

puntos.

La recta de regresin pasa por el punto

llamado centro de

gravedad.

Recta de regresin de Y sobre X

La recta de regresin de Y sobre X se utiliza para estimar los valores
de la Y a partir de los de la X.

La pendiente de la recta es el cociente entre la covarianza y la

varianza de la variable X.

Recta de regresin de X sobre Y

La recta de regresin de X sobre Y se utiliza para estimar los
valores de la X a partir de los de la Y.

La pendiente de la recta es el cociente entre la covarianza y la

varianza de la variable Y.

Si

la

correlacin

es

nula,

0,

las

rectas

de

regresin

son

perpendiculares entre s, y sus eucaciones son:

y =

x =

Ejemplo

Las notas de 12 alumnos de una clase en Matemticas y Fsica son

las siguientes:

Matemticas

10

10

Fsica

10

Hallar las rectas de regresin y representarlas.

xi

yi

xi

xi2

yi2

16

16

16

16

20

25

16

24

36

16

36

36

36

28

49

16

42

49

36

56

64

49

90

1
0
1

yi

100

431

10
0

81

10

10

50

38

1 Hallamos las medias arimticas .

2 Calculamos la covarianza .

3 Calculamos las varianzas .

4 Recta de regresin de Y sobre X.

4 Recta de regresin de X sobre Y.

PROBABILIDAD DE SUCESOS MUTUAMENTE

EXCLUYENTES Y SUCESOS SIMULTNEOS EN
JUEGOS DE AZAR.
COMPRENSIN DE LOS SUCESOS MUTUAMENTE EXCLUYENTES Y LOS SUCESOS
SIMULTNEOS:

En muchos juegos de azar a veces un jugador puede estar interesado en

calcular la probabilidad de ocurrencia de dos o ms eventos diferentes
frente a una misma jugada, caso en el cual es necesario determinar
previamente si los eventos analizados son Sucesos Mutuamente
Excluyentes, es decir, si son sucesos que no pueden ocurrir a la vez en
una misma jugada porque la ocurrencia de alguno de ellos excluye la

ocurrencia de otros, o si son Sucesos Simultneos, es decir, si son

sucesos que pueden presentarse a la vez en una misma jugada.
De este modo, si se considera que A es un evento y que B es otro evento
totalmente diferente, y ambos sonmutuamente excluyentes entre s,
entonces la probabilidad de que cualquiera de los dos pueda ocurrir en una
misma jugada excluyendo la ocurrencia del otro se expresa como P(A,B),
que se lee como la probabilidad de queA o B ocurran en un solo ensayo,
frmula que se resuelve mediante una simple sumatoria entre las
probabilidades individuales de ocurrencia de cada evento analizado: P(A,B)
= P(A)+P(B).
Y si se considera que A es un evento y que B otro evento diferente, y
ambos son sucesos que pueden ocurrir de forma simultnea en una misma
jugada, entonces en este caso la probabilidad de que en un solo ensayo
pueda ocurrir cualquiera de los dos eventos o producirse la interseccin
entre ambos eventos se expresa como P(A,B)P(AB), que se lee como
la probabilidad de que A y B ocurran por separado o conjuntamente en un
solo ensayo, frmula en la cual el smbolo matemtico de la interseccin
() indica que los eventos tienen una probabilidad compuesta y que
por eso a la sumatoria de las probabilidades individuales de ambos eventos
hay que restarles la probabilidad de ocurrencia de las intersecciones que se
pueden formar entre los trminos que ambos eventos tienen en comn, lo
cual se expresa mediante la siguiente frmula: P(A,B)P(AB) = P(A)
+P(B)P(AB).
CLCULO DE LA PROBABILIDAD DE SUCESOS MUTUAMENTE EXCLUYENTES:

Veamos algunos ejemplos simples del clculo de la probabilidad frente a

eventos mutuamente excluyentes. Si unsolo dado es lanzado al aire y el
jugador puede ganar si obtiene el punto 1 o si obtiene el punto 6, entonces
en tal caso estamos hablando de dos sucesos que son mutuamente
excluyentes entre s, porque en un solo lanzamiento del dado no pueden
aparecer los dos eventos al mismo tiempo (o cae 1, o cae 6, o cae cualquier
otro resultado del dado). Por consiguiente, si el jugador quiere calcular la
probabilidad de ganar en el lanzamiento del dado puede asumir que el
evento A es la aparicin del punto 1 del dado que tiene una probabilidad de
ocurrencia de 1/6, mientras que el evento B es la aparicin del punto 6 del
dado que tiene una probabilidad de ocurrencia de 1/6, y por lo tanto la
probabilidad de ganar se calcula mediante la sumatoria ya indicada: P(A,B)
= P(A)+P(B) = 1/6+1/6 = 2/6, o lo que es lo mismo, el jugador para ganar en
el lanzamiento del dado tiene 2 eventos a su favor sobre 6 eventos
posibles:
En otro ejemplo, supongamos que un mazo normal de 52 cartas es
mezclado y que un jugador puede ganar un premio si en la primera carta
extrada del mazo aparece un as (A) o un rey (K), caso en el cual ambos

sucesos tambin son mutuamente excluyentes entre s porque la carta

extrada o tiene un valor o tiene el otro pero no puede tenerlos ambos. En
consecuencia, si se asume que el evento A es la extraccin de cualquier as
(A) con una probabilidad de ocurrencia de 4/52, y el evento B es la
extraccin de cualquier rey (K) que tiene una probabilidad de ocurrencia de
4/52, entonces la probabilidad de ganar obteniendo un as o un rey en un
solo ensayo es de: P(A,B) = P(A)+P(B) = 4/52+4/52 = 8/52, o lo que es lo
mismo, el jugador para ganar tiene 8 eventos favorables (cuatro ases y
cuatro reyes) sobre 52 cartas disponibles en el mazo.

Y si ahora consideramos casos en los que la cantidad de sucesos

mutuamente excluyentes es mayor, tambin se aplica la misma frmula ya
comentada que se resuelve mediante una sumatoria de las probabilidades
de ocurrencia de cada evento. Por ejemplo, si un jugador apuesta en la
casilla Field de la mesa de craps, entonces puede ganar el premio si en
el lanzamiento de los dos dados la sumatoria de los puntos de ambos
dados es 2 3 4 9 10 11 12, resultados que son mutuamente
excluyentes entre s porque los dos dados en un solo lanzamiento slo
suman un valor determinado y no suman dos o ms valores a la vez. Si
identificamos a los siete resultados de los dos dados que favorecen al
jugador (2, 3, 4, 9, 10, 11, 12) con una letra especfica respectivamente

(A, B, C, D, E, F, G), entonces la probabilidad de ganar por apostarle a la

casilla Field de la mesa de craps se calcula como P(A,B,C,D,E,F,G). En
este caso hay que tener en cuenta que la probabilidad de obtener un
puntaje 2 en los dos dados es 1/36 (evento A), la probabilidad de obtener
un puntaje 3 en los dos dados es de 2/36 (evento B), la probabilidad de
obtener un puntaje 4 en los dos dados es de 3/36 (evento C), la
probabilidad de obtener un puntaje 9 en los dos dados es de 4/36
(evento D), la probabilidad de obtener un puntaje 10 en los dos dados es de
3/36 (evento E), la probabilidad de obtener un puntaje 11 en los dos dados
es de 2/36 (evento F), y la probabilidad de obtener un puntaje 12 en los dos
dados es de 1/36 (evento G), por tanto la solucin es la siguiente:
P(A,B,C,D,E,F,G)
=
P(A)+P(B)+P(C)+P(D)+P(E)+P(F)+P(G)
=
1/36+2/36+3/36+4/36+3/36+2/36+1/36 = 16/36, o lo que es lo mismo, el
jugador al apostarle a la casilla Field en la mesa de craps tiene a su favor
16 combinaciones entre los puntos de los dos dados sobre 36
combinaciones posibles que pueden aparecer en un solo lanzamiento.
CLCULO DE LA PROBABILIDAD DE SUCESOS SIMULTNEOS:

Analicemos ahora algunos casos de aplicacin del clculo respecto de

sucesos con probabilidades compuestas, es decir, conformados por
eventos diferentes que pueden ocurrir simultneamente en un solo ensayo
porque no son excluyentes entre s. Por ejemplo, si se lanzan dos dados al
aire, sea el suceso A que aparezca un punto 6 en cualquiera de los dos
dados lanzados, lo cual tiene una probabilidad de ocurrencia de 11/36
(porque hay 11 combinaciones de los puntos de los dados que cumplen esa
condicin: 16, 61, 26, 62, 36, 63, 46, 64, 56, 65, 66); y sea el
suceso B que los puntos de ambos dados sumen un puntaje igual a 8
puntos, lo cual tiene una probabilidad de ocurrencia de 5/36 (porque hay 5
combinaciones que cumplen esa condicin: 26, 62, 35, 53, 44). En
este caso si un jugador puede ganar un premio si en cualquiera de los dos
dados aparece un punto 6 o si el puntaje total de los dos dados es igual a 8
puntos, entonces se puede afirmar que los dos sucesos no son mutuamente
excluyentes entre s pues hay situaciones en las cuales en un solo
lanzamiento pueden estar presentes ambos eventos, y por tanto la
probabilidad se calcula mediante la frmula atrs mencionada: P(A,B)
P(AB) = P(A)+P(B)P(AB) = 11/36+5/362/36 = 14/36. Ntese que en
este caso en la interseccin P(AB) que es restada se tienen en cuenta los
trminos que son comunes al evento A y al evento B, es decir, se restan 2
combinaciones de las 36 posibles en las cuales aparece el punto 6 en
cualquiera de los dados y simultneamente el puntaje de ambos dados
suma 8 puntos: que corresponden a las combinaciones 26 y 62 que son
comunes al evento A y al evento B. Si no se hiciera as entonces
errneamente se pensara que existe una probabilidad de 16/36 para
obtener un 6 en cualquiera de los dos dados, o un puntaje que sume 8
puntos, o ambos eventos al mismo tiempo, cuando realmente la
probabilidad es slo de 14/36.

En otro ejemplo similar, sea el suceso A sacar un as (A) en la primera carta

de una baraja inglesa completa, lo cual tiene una probabilidad de ocurrencia
de 4/52, y sea el suceso B sacar una carta de corazones () en la primera
carta de una baraja inglesa completa, lo cual tiene una probabilidad de
ocurrencia de 13/52. En este caso los dos sucesos no son mutuamente
excluyentes del todo sino que interceptan entre s, porque en la primera
carta extrada de un mazo puede aparecer al menos una que es as (A) y
simultneamente tambin es de corazones (A), es decir, es posible una
interseccin entre el suceso A y el suceso B. Por tanto, si un jugador puede
ganar un premio si en la primera carta extrada de un mazo aparece un as o
una carta de corazones o ambos eventos a la vez, entonces la probabilidad
se calcula como: P(A,B)P(AB) = P(A)+P(B)P(AB) = 4/52+13/521/52
= 16/52, ya que del conjunto total de eventos que favorecen las
aspiraciones del jugador (4/52+13/52) hay que restar un trmino (1/52) que
justamente rene simultneamente la doble condicin de ser un as y ser de
corazones (la carta A).
Ahora en otro ejemplo pensemos en un jugador que en una mesa de ruleta
francesa ha colocado una ficha al Color Rojo y otra ficha a la Segunda
Docena, y por tanto en este caso sea A el evento de que la bola caiga en
cualquier nmero de color Rojo y sea B el evento de que la bola caiga en
cualquier nmero de la Segunda Docena, eventos que no son mutuamente
excluyentes entre s pues perfectamente en un solo lanzamiento la bola
puede detenerse en un nmero que sea rojo y que adems pertenezca a la
Segunda Docena. La probabilidad de que ocurra A es de 18/37 porque hay
18
nmeros
rojos
en
el
cilindro
de
la
ruleta
(1, 3, 5, 7, 9, 12, 14, 16, 18, 19, 21, 23,25, 27, 30, 32, 34, 36), mientras que
la probabilidad de que ocurra B es de 12/37 porque la Segunda Docena
est conformada por los siguientes nmeros (13, 14, 15, 16, 17, 18, 19,
20, 21, 22, 23, 24). Claramente se observa que hay 6 nmeros que cumplen
la doble condicin de ser rojos y pertenecer a la Segunda Docena
(14, 16, 18, 19, 21,23), los cuales tienen una probabilidad de ocurrencia de
6/36. Por consiguiente, la probabilidad de obtener o un nmero rojo, o un
nmero de la Segunda Docena, o ambos eventos a la vez, se calcula como:
P(A,B)P(AB) = P(A)+P(B)P(AB) = 18/37+12/376/37 = 24/37, porque
realmente slo hay 24 opciones favorables mediante las cuales el jugador
puede ganar.
Si en este mismo ejemplo suponemos que el jugador le ha apostado una
ficha a Color Rojo, otra ficha a Segunda Docena y otra ficha a Tercera
Columna, entonces ahora se trata de 3 eventos que no son excluyentes
entre s y que pueden ocurrir simultneamente en una misma jugada. Por
consiguiente, sea A que la bola caiga en Color Rojo con una probabilidad
de 18/37, sea B que la bola caiga en Segunda Docena con una probabilidad
de 12/37, y seaC que la bola caiga en la Tercera Columna con una
probabilidad de 12/37 (porque hay 12 nmeros que conforman esa

columna: 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36). En este caso se pueden
obtener simultneamente diferentes combinatorias e intersecciones de los
eventos analizados en un solo lanzamiento de la bola, ya que se puede
obtener slo la detencin de la bola en un nmero de Color Rojo (A), o slo
la bola detenida en un nmero de la Segunda Docena (B), o slo la bola
detenida en un nmero de la Tercera Columna (C), o la bola detenida en un
nmero que a la vez es Rojo y es de la Segunda Docena (AB), o la bola
detenida en un nmero que a la vez es Rojo y es de la Tercera Columna
(AC), o la bola detenida en un nmero que a la vez es de la Segunda
Docena y de la Tercera Columna (BC), o la bola detenida en un nmero
que simultneamente es Rojo y de la Segunda Docena y de la Tercera
Columna (ABC), por tanto el clculo de la probabilidad debe tener en
cuenta todas estas posibles intersecciones mediante el desarrollo de la
siguiente frmula:
P(A,B,C)P(AB)P(AC)(BC)+(ABC) =
P(A)+P(B)+P(C)P(AB)P(AC)(BC)+(ABC) =
18/37+12/37+12/376/378/374/37+2/37 = 26/37

Ntese que en esta frmula los nmeros que simultneamente son Rojos y
de la Segunda Docena son 6 de 37 (14,16, 18, 19, 21, 23), los nmero que
simultneamente son Rojos y de la Tercera Columna son 8 de 37
(3, 9, 12, 18,21, 27, 30, 36), los nmeros que simultneamente son de la
Segunda Docena y de la Tercera Columna son 4 de 37 (15, 18, 21, 24), y
finalmente los nmeros que renen la triple condicin de ser Rojos y de la
Segunda Docena y de la Tercera Columna son 2 de 37 (18, 21) los cuales
no deben ser sustrados sino adicionados dado que en las anteriores
intersecciones explicadas ya fueron restados.
TEORA DE CONJUNTOS, SUCESOS EXCLUYENTES Y SUCESOS SIMULTNEOS:

Independientemente de que el clculo se refiera a la probabilidad de

ocurrencia de sucesos mutuamente excluyentes entre s o a la probabilidad
de ocurrencia de sucesos simultneos que interceptan entre s de alguna
manera, en este punto para realizar el anlisis acertado de cualquier
problema es conveniente aplicar toda la vieja Teora de los Conjuntos
referente a las operaciones de unin (U) o de interseccin () entre
conjuntos como se explica a continuacin:

El clculo de probabilidades se relaciona en ms de un sentido con

la Teora de los Conjuntos, porque en ltimas cuando se habla de
combinatoria, permutaciones, uniones o intersecciones entre sucesos
diferentes siempre se hace referencia a conjuntos o subconjuntos que
abarcan determinados Espacios de Eventos que pueden ocurrir de forma
aleatoria dentro de un determinado nmero de ensayos. Cuando dos o ms
sucesos sonMutuamente Excluyentes entre s, es fcil imaginarlos como
conjuntos separados que no tienen ningn elemento o trmino comn entre
s, y es por eso que la ocurrencia de uno de esos sucesos en un ensayo
excluye la posible ocurrencia de los otros. En este caso las probabilidades
de ocurrencia individual de cada suceso se suman entre s, porque
cualquiera de ellos puede ocurrir en un solo ensayo, operacin que es
equivalente a la unin entre los elementos de los diferentes conjuntos que
se expresa mediante el smbolo matemtico U (de Unin). La anterior
grfica basada en diagramas de Venn representa como suceso A obtener
un 1 en el lanzamiento de un solo dado, y como suceso B obtener un 6 en
el lanzamiento de un solo dado, sucesos que son mutuamente excluyentes
entre s porque los dos sucesos no pueden ocurrir al mismo tiempo, y como
la probabilidad de ocurrencia de cada suceso es de 1/6, entonces si un
jugador espera ganar un premio al obtener un 1 o bien un 6 en el
lanzamiento de un dado, entonces slo cabe sumar las probabilidades de
ambos sucesos (equivalente a unir ambos conjuntos:AUB), y por tanto la
probabilidad para ganar es de: 1/6+1/6 = 2/6.

Como lo muestra la anterior grfica, si el suceso A es obtener un as en la

primera carta sacada de un mazo de 52 cartas y el suceso B es obtener un
rey en la primera carta sacada de un mazo de 52 cartas, entonces es
evidente que se trata de dos sucesos Mutuamente Excluyentes entre s
que forman dos conjuntos diferenciados. Si un jugador espera ganar un
premio por obtener un as o un rey en la primera carta extrada de un mazo
de 52 cartas, entonces la probabilidad de triunfo est dada por la sumatoria
de las probabilidades individuales de cada suceso excluyente (es
decir, AUB), y por tanto la probabilidad es de: 4/52+4/52 = 8/52. El jugador
para ganar tiene 8 posibles eventos favorables sobre 52 eventos posibles.

Muchos juegos de azar creados desde inicios de la Modernidad se basan

en lograr que un mismo evento aleatorio pueda ser interpretado como
diferentes resultados a los que se les puede apostar en una sola jugada,
lo cual hace ms llamativos los tapetes de las mesas de juego y crea en el
jugador la falsa ilusin de que dispone de un amplio abanico de opciones
para apostar y obtener diferentes premios. El juego ms representativo de
esta tendencia es la ruleta francesa, en la cual cada vez que la bola se
detiene en una casilla numerada es como si simultneamente ocurrieran
diversos eventos que no son excluyentes entre s, ya que al detenerse la
bola no slo aparece uno de los 37 nmeros del tapete, sino que adems
segn ese nmero se puede interpretar que ocurri el evento Rojo o Negro,
o el evento Par o Impar, o el evento Mayor o Menor, o el evento Primera
Docena o Segunda Docena, etc. Si el jugador en un juego de azar puede
apostarle a diversos eventos que pueden ocurrir simultneamente en una
misma jugada, entonces es conveniente saber calcular adecuadamente las
probabilidades de triunfo para no llamarse a engaos creyendo que al
cubrir ms opciones del tapete multiplica enormemente sus
probabilidades.

Cuando
hay
varios
eventos
diferentes
que
pueden ocurrir
simultneamente, entonces al reunirlos en sus respectivos grupos
diferenciadores se observar que existen elementos en comn entre un
grupo y el otro, lo cual precisamente se conoce como la interseccin
entre los elementos de los conjuntos que se expresa mediante el
smbolo matemtico . La interseccin de conjuntos implica que hay

elementos que renen una doble condicin que les permite estar por igual
en un conjunto o en el otro (como si fueran elementos hbridos), y por tanto
en cualquier clculo matemtico esos elementos no deben ser
contabilizados dos veces sino una sola vez porque al ocurrir una sola vez
dan cumplimiento simultneo a las dos condiciones que los caracterizan.
Justamente, la anterior grfica basada en diagramas de Venn muestra que
el grupo A est formado por los 18 nmeros de Color Rojo de la ruleta
francesa, y el grupo B por los 12 nmeros de la Segunda Docena de la
ruleta francesa, conjuntos de eventos que no son excluyentes y que al
interceptar entre s (AB) demuestran que hay 6 eventos que son comunes
a ambos grupos. Por consiguiente, si un jugador apost a ganar con la
aparicin de un nmero de Color Rojo (18 nmeros) o con la aparicin de
un nmero de la Segunda Docena (12 nmeros), entonces no tiene a su
favor la ocurrencia de 30 eventos posibles (18+12 = 30) como pudiera
pensarse a primera vista, sino slo la ocurrencia de 24 eventos favorables
como lo muestra el enlazamiento final entre los conjuntos A y B, todo lo cual
puede ser calculado mediante las frmulas ya mencionadas. En este caso
aunque el jugador coloca una ficha en el Color Rojo y otra en la Segunda
Docena, realmente le est apostando a la ocurrencia de 3 resultados
claramente diferenciados: que la bola caiga en un nmero que slo tiene la
calidad de ser de Color Rojo (12/37), que la bola caiga en un nmero que
slo tiene la calidad de ser de la Segunda Docena (6/37), y que la bola
caiga en un nmero que rene la doble calidad de ser de Color Rojo y de la
Segunda Docena (6/37), es por eso que la probabilidad total de acertar en
ese tipo de apuesta es de 12/37+6/37+6/37 = 24/37.

Esta grfica basada en diagramas de Venn muestra el caso del jugador que
en la ruleta francesa le ha apostado una ficha a Color Rojo (suceso A), otra
ficha a Segunda Docena (suceso B), y otra ficha a Tercera Columna
(suceso C). Los tres conjuntos pueden interceptar entre s porque tienen
varios eventos que pueden ocurrir simultneamente en una misma jugada.
El jugador calculara muy mal su probabilidad de triunfo si creyera que tiene
a su favor 42 opciones simplemente al reunir todos los elementos de los

tres conjuntos: 18+12+12 = 42. En verdad, al apostarle a las tres opciones

que interceptan entre s, el jugador debe esperar la ocurrencia de 7
resultados claramente diferenciados en la grfica: que la bola caiga en un
nmero que slo tiene la calidad de ser de Color Rojo (6/37), que caiga en
un nmero que slo es de la Segunda Docena (4/37), que caiga en un
nmero que slo es de la Tercera Columna (2/37), que caiga en un nmero
que tiene la doble condicin de ser de Color Rojo y de la Segunda Docena
(4/37), que caiga en un nmero que tiene la doble condicin de ser de Color
Rojo y de la Tercera Columna (6/37), que caiga en un nmero con la doble
condicin de ser de la Segunda Docena y de la Tercera Columna (2/37), o
que caiga en un nmero que tiene la triple condicin de ser de Color Rojo y
de la Segunda Docena y de la Tercera Columna (2/37). La sumatoria de
todos estos posibles resultados es: 6/37+4/37+2/37+4/37+6/37+2/37+2/37 =
26/37. Este ejemplo muestra claramente que en muchos casos cubrir con
apuestas ms opciones diferentes de un mismo tapete de una mesa de
juego no es equivalente a ampliar enormemente las probabilidades de
triunfo, pues si al apostar as hay diferentes eventos que interceptan entre
s porque al ocurrir en una sola jugada renen una doble o una triple
condicin, entonces tales eventos deben ser contabilizados como uno solo,
lo que implica que no hay un real incremento en las probabilidades de
triunfo.
OTRAS SUGERENCIAS
Actividades para Estudiantes

RECURSOS DIGITALE
ASOCIADOS

>>Presentacin: Aritmos
Sugerencias al docente

>>Presentacin: Clculo
probabilidad

Tipos de eventos
1. Tipos de eventos

Un evento se denomina cierto si ocurre siempre, siendo igual al espacio muestral. Por lo
tanto
su
probabilidad
es
1.
Un evento se denomina imposible si no puede ocurrir. Por lo tanto, su probabilidad es 0.
Dos eventos se denominan complementarios cuando su unin da el espacio muestral y su
interseccin es vaca. La suma de las probabilidades de dos eventos complementarios es
igual a 1.
Se denomina Ac al evento complementario del evento A. Por ejemplo, la probabilidad de
obtener un mltiplo de 3 al tirar un dado es
mltiplo de 3 ser de .
1.2

Propiedades

de

, y la probabilidad de no obtener un

la

probabilidad

Sea A un evento, entonces la probabilidad de este evento cumple las siguientes

propiedades:
(1)

P(A)

(2) P(A Ac) = 1

Ejemplo:
1. Si se tiran dos dados, cul es la probabilidad de que la suma de las puntuaciones sea mayor que
8?

Los casos favorables son los siguientes: (3,6), (6,3), (4,5), (5,4), (5,5), (4,6), (6,4), (5,6),
(6,5)
y
(6,6).
Por lo tanto, los casos favorables son 10 y los casos totales son 36, entonces,

2. Segn la ruleta dada en la figura adjunta, cul es la probabilidad de que salga el color amarillo?

A la zona amarilla le corresponde un ngulo central de 360 60 140 = 160.

Al
total
de
casos
le
corresponden
360.
Por lo tanto, la probabilidad de que salga la zona amarilla es:

3. En una caja hay dos bolitas negras y seis verdes. Cul es la probabilidad de que al sacar una bola
al azar, esta sea verde?

Los casos favorables son 6 y los totales son 8, por lo tanto, la probabilidad es:

4. En una caja hay bolitas rojas y negras. La probabilidad de sacar una roja es 3/5 y se sabe que hay
12 bolitas negras. Cuntas bolitas hay en total?

Como la probabilidad de sacar una roja es 3/5, se deduce que la probabilidad de sacar una
negra es 2/5 (evento complementario). Por lo tanto, los 2/5 de las bolitas de la caja deben

ser
Si x es el nmero total de bolitas, tenemos la ecuacin:

negras.

Por lo tanto, hay un total de 30 bolitas en la caja.

EVENTOS DEPENDIENTES, INDEPENDIENTES Y

CONDICIONALES
Eventos Independientes
Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de
un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o
eventos). Un caso tpico de eventos independiente es el muestreo con reposicin,
es decir, una vez tomada la muestra se regresa de nuevo a la poblacin donde se
obtuvo.
Dos eventos, A y B, son independientes si la ocurrencia de uno no tiene que ver
con la ocurrencia de otro.
Por definicin, A es independiente de B si y slo si:A y B, son independientes si la
ocurrencia de uno no tiene que ver con la ocurrencia de otro.
Por definicin, A es independiente de B si y slo si:A es independiente de B si y
slo si:
(PnA)=P(A)P(B)
Eventos dependientes
Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de
uno de ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando
tenemos este caso, empleamos entonces, el concepto de probabilidad condicional
para denominar la probabilidad del evento relacionado. La expresin P (A|B) indica
la probabilidad de ocurrencia del evento A s el evento B ya ocurri.
Se debe tener claro que A|B no es una fraccin.
P (A|B) = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)
Probabilidad Condicional = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)
Probabilidad Condicional
Si A y B son dos eventos en S, la probabilidad de que ocurra A dado que ocurri el
evento B es la probabilidad condicional de A dado B, y se denota:A y B son dos
eventos en S, la probabilidad de que ocurra A dado que ocurri el evento B es la
probabilidad condicional de A dado B, y se denota:
P(AlB)