PROFUNDIZACION DE LOS TEMAS

Definicin de Experimento aleatorio y espacio

Muestral
1. Experimento aleatorio

Un experimento aleatorio es aquel del que no podemos predecir su resultado, es

decir, que depende de la suerte o azar. o tambien: es decir que bajo las mismas
condiciones no se puede repetir dos veces.
Es comos si lanzaras dos dados y te caern 1,1 1,2 3,6 entre otros ejemplo:
S(1,2)(1,2)(1,3) entre otros.

2. Espacio muestral

Espacio muestral es el conjunto formado por todos los resultados posibles de un

experimento o fenmeno aleatorio. Lo denotamos con la letra . Ejemplo: lanzar una
moneda,lanzar dos dados

Ejemplo del espacio muestral

El espacio muestral asociado al lanzamiento de dos dados y anotar la suma de los

puntos obtenidos es:

Tambin otro ejemplo sera el experimento de arrojar un dado y ver qu sale. En este
caso, el espacio muetral es:

Eventos o Sucesos, Operaciones entre eventos

3. Sucesos
Suceso de un fenmeno aleatorio es cada uno de los subconjuntos del espacio
muestral
. Para designar cualquier suceso, tambien llamado suceso aleatorio, de un
experimento aleatorio utilizaremos letras maysculas.
Al conjunto de todos los sucesos que ocurren en un experimento aleatorio se le llama
espacio de sucesos y se designa por
.
Ejemplo
En el ejemplo anterior, son subconjuntos de

Salir mltiplo de 5:
Salir nmero primo:
Salir mayor o igual que 10:

Analicemos los tipos mas frecuentes de sucesos.

Sucesos elementales son los que estn formados por un solo resultado del
experimento; es decir, estn formados por un slo elemento del espacio muestral, por
ejemplo, al lanzar un dado que ocurra el suceso "sacar n 3" {3}
Sucesos compuestos son los que estan formados por dos o ms resultados del
experimento; es decir, por dos o ms sucesos elementales. Por ejemplo: "sacar nmero
impar al lanzar un dado" {1, 3, 5}
Suceso seguro es el que se verifica al realizar el experimento aleatorio. Est formado
por todos los resultados posibles del experimento y, por tanto, coincide con el espacio
muestral.
Suceso imposible es aquel suceso que nunca se cumple cuando se realiza el
experimento. Se representa por
.

Tcnicas de conteo: permutaciones, combinaciones, etc.

Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles
de cuantificar.
Se les denomina tcnicas de conteo a: las combinaciones, permutaciones y diagrama
de rbol, las que a continuacin se explicarn y hay que destacar que stas nos
proporcionan la informacin de todas las maneras posibles en que ocurre un evento
determinado.
REGLA FUNDAMENTAL DEL CONTEO
Si en experimento est integrado por dos ensayos, donde uno de ellos (una sola
seccin o eleccin) tiene m resultados posibles y en otro ensayo tiene n resultados
posibles, entonces cuando los ensayos se realizan juntos, se tiene:
mxn
REGLA GENERAL DEL CONTEO.
Si un experimento est compuesto por k ensayos realizados en un orden definido,
donde el primero tiene n, resultados posibles, etc. entonces el nmero de resultados
posibles para el experimento es:
N1 x n2 x n3 xx ni.

PERMUTACIONES
En matemticas, dado un conjunto finito, llamamos permutacin a cada una de las
posibles ordenaciones de todos los elementos de dicho conjunto.
Por ejemplo, en el conjunto {1, 2,3}, cada ordenacin posible de sus elementos, sin
repetirlos, es una permutacin. Existe un total de 6 permutaciones para estos
elementos: "1,2,3", "1,3,2", "2,1,3", "2,3,1", "3,1,2" y "3,2,1".
El nmero de permutaciones de n objetos es el nmero de formas en los que pueden
acomodarse esos objetos en trminos de orden.
La tcnica de la permutacin es aplicada para encontrar el nmero posible de arreglos
donde hay solo u grupo de objetos.

C OMB IN AC ION
Una combinacin es un modo de seleccionar objetos de un conjunto, en donde (al
contrario de una permutacin) el orden en el cual se disponen los elementos no es
importante. Informalmente, una combinacin es un ordenamiento de n elementos
tomados de k en k, con o sin repeticin, llamada sucintamente combinaciones de n en
k.
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. Por ejemplo, si se quiere formar un equipo de trabajo formado por 2
personas seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos
funciones diferentes, entonces si importa el orden, los resultados sern permutaciones.
Por el contrario si en el equipo no hay funciones definidas, entonces no importa el
orden y los resultados sern combinaciones. Los resultados en ambos casos son los
siguientes:
Permutaciones: AB, AC, BA, CA, BC, CB
Combinaciones: AB, AC, BC

Axiomas de probabilidad: Regla de la adicin, regla de la

multiplicacin
Los axiomas de probabilidad
Son las condiciones mnimas que deben verificarse para que unafuncin definida sobre
un conjunto de sucesos determine consistentemente sus probabilidades.En los
axiomas podemos encontrar dos reglas que son:

Adicin
Multiplicacin

Regla de adicin
La adicin para calcular P (AUB)

a) Regla de la adicin para eventos mutuamente excluyentes.

A menudo, estamos interesados en la probabilidad de que una cosa u otra
sucedan; es decir nosinteresa la probabilidad de la unin de dos eventos.
P (A U B) = P (A) + P (B)
Existe un caso especial, para cualquier evento A, tenemos que ste sucede o no
sucede. De modoque los eventos A y A' son mutuamente excluyentes y
exhaustivos:
P(A) + P(A') = 1P(A') = 1 - P(A)
b) Regla de adicin para eventos que no son mutuamente excluyentes.
Si dos eventos no son mutuamente excluyentes, es posible que ambos se
presenten al mismotiempo. En tales casos, debemos modificar la regla de la
adicin para evitar el conteo doble:
P(A U B) = P(A) + P(B) - P(AnB)

Regla de multiplicacin
La probabilidad de que el evento A ocurra en un primer experimento y el evento B
ocurra en unsegundo experimento teniendo como referencia P(AnB).

a) Probabilidades bajo condiciones de independencia estadstica.

Cuando se presentan dos eventos, el resultado del primero puede tener un efecto en el
resultadodel segundo, o puede no tenerlo. Esto es, los eventos pueden ser
dependientes o independientes.Existen tres tipos de probabilidades que se presentan
bajo independencia estadstica:

Marginal.
Conjunta.
Condicional.

Probabilidades marginales bajo independencia estadstica.

Una probabilidad marginal o incondicional es la probabilidad simple de presentacin de
un evento.
P (A B) = P(A) X P(B)

Probabilidades conjuntas bajo condiciones de independencia estadstica.

La probabilidad de dos o ms eventos independientes que se presentan juntos o en
sucesin es el producto de sus probabilidades marginales:
P (A B) = P(A) X P(B)

Probabilidades condicionales bajo independencia estadstica.

Para eventos estadsticamente independientes, la probabilidad condicional de que
suceda elevento B dado que el evento A se ha presentado, es simplemente la
probabilidad del evento

B:P(B/A) = P(B)
b) Probabilidades bajo condiciones de dependencia estadstica.
La dependencia estadstica existe cuando la probabilidad de que se presente algn
sucesodepende o se ve afectada por la presentacin de algn otro evento. Los tipos de
probabilidad bajocondiciones de dependencia estadstica son:

Condicional.
Conjunta.
Marginal.

Probabilidad condicional bajo dependencia estadstica.

P(B/A) = P(BA) / P(A)

Probabilidades conjuntas bajo condiciones de dependencia estadstica.

P(BA) = P(B/A) x P(A)

O
P(BA) = P(A/B) x P(B)

Probabilidades marginales bajo condiciones de dependencia estadstica.

Las probabilidades marginales bajo dependencia estadstica se calculan mediante la

suma de las probabilidades de todos los eventos conjuntos en los que se presenta el
evento sencillo.

Probabilidad Condicional
La probabilidad de que un evento

ocurra cuando se sabe que ya ocurrio un evento

se llama probabilidad condicional y se denota por

que por lo general se lee

como probabilidad de que "ocurra B dado que ocurri A". Esta probabilidad se define
como:

La probabilidad condicional es una funcin de probabilidad,

Es

definida como

una funcin de probabilidad?

es una funcin de probabilidad porque satisface los tres axiomas

Axioma I
para todo evento

Como

entonces dividiendo por

Axioma II

Como

se tiene los trminos de la desigualdad se tiene

Axioma III
Si

es una sucesin de eventos mutuamente excluyentes, entonces

Como

como
eventos

los

eventos

son

mutuamente

excluyentes,

entonces

son tambin mutuamente excluyentes y as

los

Teorema de Bayes
El teorema de Bayes parte de una situacin en la que es posible conocer las
probabilidades de que ocurran una serie de sucesos Ai.
A esta se aade un suceso B cuya ocurrencia proporciona cierta informacin, porque
las probabilidades de ocurrencia de B son distintas segn el suceso Ai que haya
ocurrido.
Conociendo que ha ocurrido el suceso B, la frmula del teorema de Bayes nos indica
como modifica esta informacin las probabilidades de los sucesos Ai.
Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea diabtica
es 0,03. Obviamente la probabilidad de que no lo sea es 0,97.
Si no disponemos de informacin adicional nada ms podemos decir, pero
supongamos que al realizar un anlisis de sangre los niveles de glucosa son superiores
a 1.000 mg/l, lo que ocurre en el 95% de los diabticos y slo en un 2% de las
personas sanas.
Cul ser ahora la probabilidad de que esa persona sea diabtica?
La respuesta que nos d el teorema de bayes es que esa informacin adicional hace
que la probabilidad sea ahora 0,595.
Vemos as que la informacin proporcionada por el anlisis de sangre hace pasar, la
probabilidad inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del anlisis de sangre hubiese sido negativa, esta
informacin modificara las probabilidades en sentido contrario. En este caso la
probabilidad de padecer diabetes se reducira a 0,0016.