ESTADSTICA Y

PROBABILIDAD

Facilitadora:

Prof. Adriana Hernndez Integrantes del Equipo:

Gmez, Ileana 11.909.112
Aguilera, Lisbeth 8.338.934
Mata, Andring 24.827.217
Reyes, Neirimar 15.515.975
Cueche, Violeta 12.979.388
Maureh, Jenny 14.212.046
Courbinas, Mara 15.708.642
Barrios, Hctor 19.329.893
Barcelona, 21 de junio de 2016

1
 Introduccin

El uso de los mtodos estadsticos se remonta al menos al siglo V a. C. El

historiador Tucdides en su Historia de la Guerra del Peloponeso describe como
los atenienses calculaban la altura de la muralla de Platea, contando el nmero
de ladrillos de una seccin expuesta de la muralla que estuviera lo
suficientemente cerca como para contarlos. El conteo era repetido varias veces
por diferentes soldados. El valor ms frecuente (la moda en trminos ms
modernos) era tomado como el valor del nmero de ladrillos ms probable.
Multiplicando este valor por la altura de los ladrillos usados en la muralla les
permita a los atenienses determinar la altura de las escaleras necesarias para
trepar las murallas.
Durante el siglo 20, la creacin de instrumentos precisos para la
investigacin en agricultura, problemas de salud pblica (epidemiologa,
bioestadsticas, etc.), control de calidad industrial y propsitos econmicos y
sociales (tasa de desempleo, econometra, etc.) necesitaron de los avances
substanciales en la prctica de la estadstica.
Hoy, el uso de la estadstica se ha ampliado ms all de sus orgenes.
Individuos y organizaciones usan las estadsticas para entender los datos y
hacer decisiones informadas a travs de las ciencias naturales y sociales,
medicina, negocios y otras reas.
Debido al importante papel desempeado por la probabilidad dentro de la
estadstica, es necesario familiarizarse con sus elementos bsicos, lo que
constituye el objetivo del presente documento.

Seguidamente, se introduce el sentido de la probabilidad en trminos de

experimentos aleatorios, espacio muestral, sucesos, llegando a las expresiones
de la probabilidad condicionada y los teoremas de la probabilidad compuesta o
del producto, de la probabilidad total y de Bayes. Todo con su correspondiente
ejercicio para mejor comprensin del tema estudiado.

2
 PROBABILIDAD

Probabilidad: es el grado de incertidumbre o creencia de que algn fenmeno o

suceso pueda ocurrir y la forma de determinarlo o cuantificarlo numricamente.

La probabilidad es un nmero entre 0 y 1 que permite predecir la ocurrencia de un

evento o suceso dependiendo del entorno en el que se encuentre.

Por eso la formula general de una probabilidad es:

0 P(A) < 1(La probabilidad de un suceso A es mayor o igual cero, pero menor que
uno).

EXPERIMENTO ALEATORIO: Es aquel en el que una misma accin da

origen a resultados diferentes. Estos experimentos reciben tambin el nombre de
pruebas al azar.

Diremos que un experimento es aleatorio si se verifican las siguientes condiciones:

1. Se puede repetir indefinidamente, siempre en las mismas condiciones;

2. Antes de realizarlo, no se puede predecir el resultado que se va a obtener;

3. El resultado que se obtenga, pertenece a un conjunto conocido previamente de

resultados posibles. A este conjunto, de resultados posibles, lo denominaremos
espacio muestral y lo denotaremos normalmente mediante la letra S. Los
elementos del espacio muestral se denominan sucesos elementales.

ESPACIO MUESTRAL
El conjunto formado por todos los resultados posibles de un experimento aleatorio
recibe el nombre de Espacio Muestral. Dicho conjunto se simboliza con la letra
mayscula S y el nmero total de resultados n(s).

EJEMPLO:
Un Experimento de Probabilidad sencillo y comn que se puede efectuar es el
lanzamiento de una moneda. Este experimento tiene dos resultados posibles:

Cara (c) y Sello (s) y ambos son igualmente posibles. El conjunto {c, s} (CARA,
SELLO), es un espacio muestral para el experimento.

3
La siguiente tabla muestra cmo se aplica el espacio muestral acerca de la
probabilidad de otros experimentos.

Experimento Aleatorio Resultados Espacio muestral (S)

A. Es igualmente posible que al caer la
moneda caiga cara o caiga sello. S = { Cara, Sello }

El conjunto de los dos

resultados igualmente
posibles.
Lanzar una moneda
moneda,
B. Es igualmente posible sacar al azar,
cada una de las 52 cartas del pker S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q,
K}

Por cada uno de los 4 palos de

la baraja (Corazones, Picas,
Diamantes y trboles)
Sacar una carta al azar

C.
Es igualmente posible que cualquiera S = {1,2,3,4,5,6}
de las seis caras quede hacia arriba.
El conjunto de los seis
resultados igualmente
posibles.

Lanzar un dado
D. El indicador tiene la misma S = {A, B, C, D}
probabilidad de
D A detenerse en cualquiera de las cuatro El conjunto de los cuatro
regiones resultados igualmente
C B A, B, C o D. posibles.

Girar la ruleta.

4
 ENFOQUES DE PROBABILIDAD

Existen dos enfoques para el clculo de probabilidades:

Enfoque Clsico

Enfoque la de la Frecuencia Relativa

1. Enfoque Clsico o Probabilidad Clsica:

Si en un experimento aleatorio existen n (S) resultados igualmente posibles, entonces
la probabilidad de que un evento A ocurra es el cociente del nmero de resultados
favorables al evento A entre el nmero total de resultados posibles en el experimento;
es decir:

n A nmero de resultados favorables ( A)

P A
nS nmero total de resultados
EJEMPLO
Se juega un dado legal (un dado que no est cargado) y se observa la cara que
muestra hacia arriba. Cul es la probabilidad de que caiga un 2?

El espacio muestral de este experimento tiene seis resultados posibles [n(S) = 6], que
son:

S = {1, 2, 3, 4, 5, 6}

Si A representa el evento de que aparezca el nmero 2, A = {2}, entonces

1
P( A) = 0.166 = 16.6%.
6

Este resultado corresponde a la probabilidad clsica.

EJEMPLO

Si se tiene una baraja de Pker de 52 cartas, cul es la probabilidad de sacar

un As?

5
Si en una baraja existen 4 ases (Picas, corazones, trboles, y diamantes),
entonces la probabilidad de que sea un as es:

4
P( B) = 0.076 = 7.6%
52
LAS PROBABILIDADES SIEMPRE DEBEN DARSE EN PORCENTAJES YA
QUE ES LA FORMA MAS INDICADA DE DEFINIRLAS.

2. Enfoque axiomtico de la Frecuencia Relativa:

Lanzamientos Nmero de veces que sale

Cara 56
Sello 44

Concibe la probabilidad de ocurrencia de un suceso, como un nmero entre 0

y1.

Este concepto tiene que ver directamente con la nocin de frecuencias

relativas, donde 0 hi 1

EJEMPLO
Supongamos que se lanza cien veces una moneda, anotamos el nmero
de veces que sale cara y las veces que sale sello; los resultados fueron los
siguientes:

La probabilidad para el lanzamiento No 101 esta dado por:

Frecuencia Absoluta: Cara: 56 veces Sello: 44 veces

Frecuencia Relativa: 56/100 44/100

Probabilidad: P: 56% (xito) Q: 44% (fracaso)

6
 Hay un 56% de probabilidades que en el lanzamiento No 101 caiga Cara y un
44% de probabilidades que caiga sello.

P = probabilidad de xito

Q = probabilidad de fracaso

ESCALA DE LAS PROBABILIDADES

Es posible establecer una escala de valores entre 0 y 1. La probabilidad igual a uno

(1) al 100% corresponde al lmite superior, el cual se considera como certeza
absoluta. En el otro extremo correspondiente al lmite inferior tenemos la probabilidad
igual a 0 (cero) donde hablamos de sucesos de imposibilidad absoluta.

Si la probabilidad est entre 0 (cero) y 0.5 (50%), estamos hablando de un suceso

inverosmil; cuando la probabilidad es igual a 0.5 (50%), nos encontramos con un
suceso dudoso; y cuando la probabilidad est entre 0.5 (50%) y menos que 1.0
(100%), decimos que tenemos un suceso verosmil.

Veamos la grafica para una mayor comprensin:

1.0 Certeza absoluta. Ejemplo: Morir algn da

0.5 < P < 1.0 Suceso Verosmil. Ejemplo: Ganar una rifa de 100 boletas comprando
60 de ellas.

0.5 Hecho Dudoso. Ejemplo: Lanzamiento de una moneda.

0.0 < P < 0.5 Suceso inverosmil. Ejemplo: Ganar una rifa de 100 boletas comprando
25 de ellas.

0.0 Imposibilidad absoluta. Ejemplo: Cruzar el ocano nadando.

7
 DIAGRAMAS DE ARBOL

Los diagramas de rbol son tiles para contar resultados y para determinar
probabilidades de algunos sucesos.

Estos se utilizan para diagramar resultados en sucesos independientes, es decir que

ninguno de los sucesos depende de otro (s) para poder ocurrir.

Es una forma de resolver problemas matemticos en los que se tengan que

tomar decisiones para poder determinar qu alternativas se tienen.

EJEMPLO:
Adriana y sus amigas fueron a comprar aguas, al pedir el agua les dieron las
siguientes posibilidades: tamao del vaso: grande y pequeo, sabor de agua: y
aguacate, color del vaso: rosita, amarillo o blanco. Cuntas posibilidades le
ofrecen en la venta?

EJEMPLO:
Pepe lanza al aire dos monedas una de peso y otra de 25 centavos. Cuntos
resultados diferentes podra tener si ninguna cae de canto?

8
EJEMPLO:
Fernando desea un helado y le dan escoger las siguientes posibilidades.
Tamao grande o chico. sabor: nopal, aguacate, queso. Mermelada : Fresa,
naranja, durazno, zapote, tamarindo, pia, ninguna. Cuntas posibilidades le
ofrecen en la venta?

Datos: tamao grande y chico. Sabor: nopal, aguacate, queso. Mermelada: fresa,
naranja, durazno, zapote, tamarindo, pia y ninguna.

9
EJEMPLO:
Comprobacin : 2x3 = 6x7 = 42

Resultado = 42 posibilidades.

Nancy va ir a bailar y tiene las siguientes opciones: lugar: saln California, dancing club,
el patio de su casa. Vestimenta : Minifalda, de mezclilla, tapa rabos y huaraches.
Acompaante: Ricardo, Jean Paul, Tizoc. Tipo de msica: Quebradita, la marcha de
Zacatecas, la Adelita. Cuntas posibilidades tendr?

Datos. Lugar : S, D, P. Vestimenta: M, ME, T. Acompaante: R, J, T. Msica: Q, M, A.

Resultado: tendr 120 posibilidades.

10
 CLCULO DE PROBABILIDADES

Probabilidad

Como hemos comentado anteriormente, la probabilidad mide la mayor o

menor posibilidad de que se d un determinado resultado (suceso)
cuando se realiza un experimento aleatorio.

La probabilidad toma valores entre 0 y 1 (o expresados en tanto por

ciento, entre 0% y 100%):

El valor cero corresponde al suceso imposible: lanzamos

un dado al aire y la probabilidad de que salga el nmero 7 es
cero (al menos, si es un dado certificado por la OMD,
"Organizacin Mundial de Dados").

El valor uno corresponde al suceso seguro: lanzamos un

dado al aire y la probabilidad de que salga cualquier nmero
del 1 al 6 es igual a uno (100%).

El resto de sucesos tendr probabilidades entre cero y

uno: que ser tanto mayor cuanto ms probable sea que
dicho suceso tenga lugar.

Cmo se mide la probabilidad?

Uno de los mtodos ms utilizados es aplicando la Regla de Laplace:

define la probabilidad de un suceso como el cociente entre casos
favorables y casos posibles.

P(A) = Casos favorables / casos posibles

11
Veamos algunos ejemplos:

a) Probabilidad de que al lanzar un dado salga el nmero

2: el caso favorable es tan slo uno (que salga el dos),
mientras que los casos posibles son seis (puede salir
cualquier nmero del uno al seis). Por lo tanto:

P(A) = 1 / 6 = 0,166 (o lo que es lo mismo, 16,6%)

b) Probabilidad de que al lanzar un dado salga un

nmero par: en este caso los casos favorables son tres (que
salga el dos, el cuatro o el seis), mientras que los casos
posibles siguen siendo seis. Por lo tanto:

P(A) = 3 / 6 = 0,50 (o lo que es lo mismo, 50%)

c) Probabilidad de que al lanzar un dado salga un

nmero menor que 5: en este caso tenemos cuatro casos
favorables (que salga el uno, el dos, el tres o el cuatro),
frente a los seis casos posibles. Por lo tanto:

P(A) = 4 / 6 = 0,666 (o lo que es lo mismo, 66,6%)

d) Probabilidad de que nos toque el "Gordo" de Navidad:

tan slo un caso favorable, el nmero que jugamos (qu
triste...), frente a 100.000 casos posibles. Por lo tanto:

P(A) = 1 / 100.000 = 0,00001 (o lo que es lo mismo, 0,001%)

Merece la pena ...... Por cierto, tiene la misma probabilidad el

nmero 45.264, que el nmero 00001, pero cul de los dos
compraras?

12
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene
que cumplir dos requisitos:

a) El nmero de resultados posibles (sucesos) tiene que

ser finito. Si hubiera infinitos resultados, al aplicar la regla
"casos favorables / casos posibles" el cociente siempre sera
cero.

b) Todos los sucesos tienen que tener la misma

probabilidad. Si al lanzar un dado, algunas caras tuvieran
mayor probabilidad de salir que otras, no podramos aplicar
esta regla.

A la regla de Laplace tambin se le denomina "probabilidad a priori", ya

que para aplicarla hay que conocer antes de realizar el experimento
cuales son los posibles resultados y saber que todos tienen las mismas
probabilidades.

Y si el experimento aleatorio no cumple los dos requisitos

indicados, qu hacemos?, ponemos una denuncia?

No, no va a ser necesario denunciar a nadie, ya que en este caso

podemos acudir a otro modelo de clculo de probabilidades que se basa
en la experiencia (modelo frecuentista):

Cuando se realiza un experimento aleatorio un nmero muy elevado

de veces, las probabilidades de los diversos posibles sucesos
empiezan a converger hacia valores determinados, que son sus
respectivas probabilidades.

13
 Ejemplo: si lanzo una vez una moneda al aire y sale "cara", quiere
decir que el suceso "cara" ha aparecido el 100% de las veces y el
suceso "cruz" el 0%.

Si lanzo diez veces la moneda al aire, es posible que el suceso "cara"

salga 7 veces y el suceso "cruz" las 3 restantes. En este caso, la
probabilidad del suceso "cara" ya no sera del 100%, sino que se
habra reducido al 70%.

Si repito este experimento un nmero elevado de veces, lo normal es

que las probabilidades de los sucesos "cara" y "cruz" se vayan
aproximando al 50% cada una. Este 50% ser la probabilidad de estos
sucesos segn el modelo frecuentista.

En este modelo ya no ser necesario que el nmero de soluciones sea

finito, ni que todos los sucesos tengan la misma probabilidad.

Ejemplo: si la moneda que utilizamos en el ejemplo anterior fuera

defectuosa (o estuviera trucada), es posible que al repetir dicho
experimento un nmero elevado de veces, la "cara" saliera con una
frecuencia, por ejemplo, del 65% y la "cruz" del 35%. Estos valores
seran las probabilidades de estos dos sucesos segn el modelo
frecuentista.

A esta definicin de la probabilidad se le denomina probabilidad a

posteriori, ya que tan slo repitiendo un experimento un nmero elevado
de veces podremos saber cual es la probabilidad de cada suceso.

14
 PROBABILIDAD DE SUCESOS

Probabilidad de sucesos

Al definir los sucesos hablamos de las diferentes relaciones que pueden

guardar dos sucesos entre s, as como de las posibles relaciones que se
pueden establecer entre los mismos. Vamos a ver ahora cmo se refleja
esto en el clculo de probabilidades.

a) Un suceso puede estar contenido en otro: entonces, la probabilidad

del primer suceso ser menor que la del suceso que lo contiene.

Ejemplo: lanzamos un dado y analizamos dos sucesos: a) que salga el

nmero 6, y b) que salga un nmero par. Dijimos que el suceso a) est
contenido en el suceso b).

P(A) = 1/6 = 0,166

P(B) = 3 / 6 = 0,50

Por lo tanto, podemos ver que la probabilidad del suceso contenido,

suceso a), es menor que la probabilidad del suceso que lo contiene,
suceso b).

b) Dos sucesos pueden ser iguales: en este caso, las probabilidades

de ambos sucesos son las mismas.

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que

salga nmero par, y b) que salga mltiplo de 2. Las soluciones coinciden
en ambos casos.

P(A) = 3 / 6 = 0,50

15
 P(B) = 3 / 6 = 0,50

c) Interseccin de sucesos: es aquel suceso compuesto por los

elementos comunes de los dos o ms sucesos que se intersectan. La
probabilidad ser igual a la probabilidad de los elementos comunes.

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que

salga nmero par, y b) que sea mayor que 3. La interseccin de estos
dos sucesos tiene dos elementos: el 4 y el 6.

Su probabilidad ser por tanto:

P(A B) = 2 / 6 = 0,33

d) Unin de dos o ms sucesos: la probabilidad de la unin de dos

sucesos es igual a la suma de las probabilidades individuales de los dos
sucesos que se unen, menos la probabilidad del suceso interseccin

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que

salga nmero par, y b) que el resultado sea mayor que 3. El suceso unin
estara formado por los siguientes resultados: el 2, el 4, el 5 y el 6.

P(A) = 3 / 6 = 0,50

P(B) = 3 / 6 = 0,50

P (A B) = 2 / 6 = 0,33

Por lo tanto,

P (A u B) = (0,50 + 0,50) - 0,33 = 0,666

16
e) Sucesos incompatibles: la probabilidad de la unin de dos sucesos
incompatibles ser igual a la suma de las probabilidades de cada uno de
los sucesos (ya que su interseccin es el conjunto vacio y por lo tanto no
hay que restarle nada).

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que

salga un nmero menor que 3, y b) que salga el nmero 6.

La probabilidad del suceso unin de estos dos sucesos ser igual a:

P(A) = 2 / 6 = 0,333

P(B) = 1 / 6 = 0,166

Por lo tanto,

P(A u B) = 0,33 + 0,166 = 0,50

f) Sucesos complementarios: la probabilidad de un suceso

complementario a un suceso (A) es igual a 1 - P(A)

Ejemplo: lanzamos un dado al aire. el suceso (A) es que salga un

nmero par, luego su complementario, suceso (B), es que salga un
nmero impar.

La probabilidad del suceso (A) es igual a :

P(A) = 3 / 6 = 0,50

Luego, la probabilidad del suceso (B) es igual a:

P(B) = 1 - P(A) = 1 - 0,50 = 0,50

Se puede comprobar aplicando la regla de "casos favorables / casos

posibles":

17
 P(B) = 3 / 6 = 0,50

g) Unin de sucesos complementarios: la probabilidad de la unin de dos

sucesos complementarios es igual a 1.

Ejemplo: seguimos con el ejemplo anterior: a) que salga un

nmero par, y b) que salga un nmero impar. La probabilidad
del suceso unin de estos dos sucesos ser igual a:

P(A) = 3 / 6 = 0,50

P(B) = 3 / 6 = 0,50

Por lo tanto,

P(A U B) = 0,50 + 0,50 = 1

COMBINACIONES, VARIACIONES Y PERMUTACIONES

Para aplicar la Regla de Laplace, el clculo de los sucesos favorables y

de los sucesos posibles a veces no plantea ningn problema, ya que son
un nmero reducido y se pueden calcular con facilidad:

Por ejemplo: Probabilidad de que al lanzar un dado salga el

nmero 2. Tan slo hay un caso favorable, mientras que los
casos posibles son seis.

Probabilidad de acertar al primer intento el horscopo de una

persona. Hay un caso favorable y 12 casos posibles.

Sin embargo, a veces calcular el nmero de casos favorables y casos

posibles es complejo y hay que aplicar reglas matemticas:

18
 Por ejemplo: 5 matrimonios se sientan aleatoriamente a
cenar y queremos calcular la probabilidad de que al menos
los miembros de un matrimonio se sienten junto. En este
caso, determinar el nmero de casos favorables y de casos
posibles es complejo.

Las reglas matemticas que nos pueden ayudar son el clculo de

combinaciones, el clculo de variaciones y el clculo de
permutaciones.

a) Combinaciones:

Determina el nmero de subgrupos de 1, 2, 3, etc. elementos que se

pueden formar con los "n" elementos de una nuestra. Cada subgrupo se
diferencia del resto en los elementos que lo componen, sin que influya el
orden.

Por ejemplo, calcular las posibles combinaciones de 2 elementos que se

pueden formar con los nmeros 1, 2 y 3.

Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el

clculo de combinaciones las parejas (1,2) y (2,1) se consideran
idnticas, por lo que slo se cuentan una vez.

b) Variaciones:

Calcula el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden

establecer con los "n" elementos de una muestra. Cada subgrupo se
diferencia del resto en los elementos que lo componen o en el orden de
dichos elementos (es lo que le diferencia de las combinaciones).

19
 Por ejemplo, calcular las posibles variaciones de 2
elementos que se pueden establecer con los nmero 1, 2 y 3.

Ahora tendramos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3),

(3,1) y (3,3). En este caso los subgrupos (1,2) y (2,1) se
consideran distintos.

c) Permutaciones:

Clcula las posibles agrupaciones que se pueden establecer con todos

los elementos de un grupo, por lo tanto, lo que diferencia a cada
subgrupo del resto es el orden de los elementos.

Por ejemplo, calcular las posibles formas en que se pueden

ordenar los nmero 1, 2 y 3.

Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2,
3, 1), (3, 1, 2) y (3, 2, 1)

CMO SE CALCULAN?

a) Combinaciones:

Para calcular el nmero de combinaciones se aplica la siguiente frmula:

El termino " n ! " se denomina "factorial de n" y es la multiplicacin de

todos los nmeros que van desde "n" hasta 1.

20
 Por ejemplo: 4 ! = 4 * 3 * 2 * 1 = 24

La expresin "Cm,n" representa las combinaciones de "m" elementos,

formando subgrupos de "n" elementos.

Ejemplo: C10,4 son las combinaciones de 10 elementos

agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 210 subgrupos diferentes de 4 elementos, a

partir de los 10 elementos.

b) Variaciones:

Para calcular el nmero de variaciones se aplica la siguiente frmula:

La expresin "Vm,n" representa las variaciones de "m" elementos,

formando subgrupos de "n" elementos. En este caso, como vimos en la
leccin anterior, un subgrupo se diferenciar del resto, bien por los
elementos que lo forman, o bien por el orden de dichos elementos.

Ejemplo: V10,4 son las variaciones de 10 elementos agrupndolos

en subgrupos de 4 elementos:

21
Es decir, podramos formar 5.040 subgrupos diferentes de 4 elementos, a
partir de los 10 elementos.

c) Permutaciones:

Para calcular el nmero de permutaciones se aplica la siguiente frmula:

La expresin "Pm" representa las permutaciones de "m" elementos,

tomando todos los elementos. Los subgrupos se diferenciaran
nicamente por el orden de los elementos.

Ejemplo: P10 son las permutaciones de 10 elementos:

Es decir, tendramos 3.628.800 formas diferentes de agrupar

10 elementos.

Vamos a analizar ahora que ocurrira con el clculo de las combinaciones,

de las variaciones o de las permutaciones en el supuesto de que al
formar los subgrupos los elementos pudieran repetirse.

Por ejemplo: tenemos bolas de 6 colores diferentes y

queremos formar subgrupos en los que pudiera darse el caso
de que 2, 3, 4 o todas las bolas del subgrupo tuvieran el

22
 mismo color. En este caso no podramos utilizar las frmulas
que vimos en la leccin anterior.

a) Combinaciones con repeticin:

Para calcular el nmero de combinaciones con repeticin se aplica la

siguiente frmula:

Ejemplo: C'10,4 son las combinaciones de 10 elementos con

repeticin, agrupndolos en subgrupos de 4, en los que 2, 3
o los 4 elementos podran estar repetidos:

Es decir, podramos formar 715 subgrupos diferentes de 4

elementos.

b) Variaciones con repeticin:

Para calcular el nmero de variaciones con repeticin se aplica la

siguiente frmula:

Ejemplo: V'10,4 son las variaciones de 10 elementos con

repeticin, agrupndolos en subgrupos de 4 elementos:

23
 Es decir, podramos formar 10.000 subgrupos diferentes de 4
elementos.

c) Permutaciones con repeticin:

Para calcular el nmero de permutaciones con repeticin se aplica la

siguiente frmula:

Son permutaciones de "m" elementos, en los que uno de ellos se repite "
x1 " veces, otro " x2 " veces y as ... hasta uno que se repite " xk " veces.

Ejemplo: Calcular las permutaciones de 10 elementos, en los que uno de

ellos se repite en 2 ocasiones y otro se repite en 3 ocasiones:

Es decir, tendramos 302,400 formas diferentes de agrupar estos 10

elementos.

Ejercicios

1.- Ejercicio

Calcular la probabilidad de acertar los 14 signos de la quiniela:

Solucin:

Se aplica la Regla de Laplace (casos favorables / casos posibles). El

caso favorable es tan slo uno (acertar los 14 signos). Los casos

24
posibles se calculan como variaciones con repeticin de 3 elementos (1,
X y 2), tomados de 14 en 14 (los signos que hay que rellenar).

Son variaciones y no combinaciones ya que el orden influye: no es lo

mismo (1,1,X) que (1, X, 1). Y son con repeticin, ya que cualquiera de
los signos (1, X y 2) se puede repetir hasta 14 veces.

Por lo tanto, los casos posibles son:

Y la probabilidad de acertar los 14 resultados es:

No, demasiado elevada....pero el que la sigue la consigue.

2.- Ejercicio

Y la probabilidad de acertar 12 signos de la quiniela:

Solucin:

Aplicamos nuevamente la Regla de Laplace. En este caso los casos

favorables se calculan como combinaciones de 14 elementos tomados
de 2 en 2, de esta manera obtenemos todas las posibles alternativas de
fallar 2 resultados de 14 (lo que equivale a acertar 12 resultados).
Utilizamos combinaciones y no variaciones ya que el orden no importa
(da lo mismo fallar el 3 y el 6, que el 6 y el 3)

25
Los casos posibles siguen siendo los mismos:

Por lo que la probabilidad de acertar 12 resultados es:

Por lo tanto, tenemos ms probabilidades de acertar 12 resultados que 14

(ser por eso por lo que pagan menos?).

3.- Ejercicio

Calcular la probabilidad de, en una carrera de 12 caballos, acertar los 3

que quedan primeros (sin importar cual de ellos queda primero, cual
segundo y cual tercero).

Solucin:

Se aplica la Regla de Laplace. El caso favorable es tan slo uno: los 3

caballos que entran en primer lugar. Los casos posibles se calculan
como combinaciones de 12 elementos tomados de 3 en 3 (es decir,
determinamos todos las posibles alternativas de 3 caballos que pueden
entrar en las 3 primeras posiciones). Como el orden de estos 3 primeros
caballos no importa, utilizamos combinaciones en lugar de variaciones.

Por lo tanto, los casos posibles son:

Por lo que la probabilidad de acertar los 3 caballos ganadores es:

26
Algo mayor que en las quinielas.... Eso s, se paga menos.

4.- Ejercicio

Y si hubiera que acertar, no slo los 3 caballos que ganan, sino el orden
de su entrada en meta.

Solucin:

El caso favorable sigue siendo uno: los 3 caballos que entran en primer
lugar, colocados en su orden correspondiente.

Los casos posibles se calculan ahora como variaciones (ya que el orden
influye) de 12 elementos tomados de 3 en 3 (calculamos todas las
posibles maneras en que los 12 caballos podran ocupar las 3 primeras
posiciones.

Por lo que la probabilidad de acertar los 3 caballos ganadores es:

Menor que en el ejemplo 3. Ya no vale acertar que 3 caballos entran en

primer lugar, sino que tenemos que acertar el orden de su entrada.

PROBABILIDAD CONDICIONADA

Las probabilidades condicionadas se calculan una vez que se ha

incorporado informacin adicional a la situacin de partida:

27
Ejemplo: se tira un dado y sabemos que la probabilidad de que salga un
2 es 1/6 (probabilidad a priori). Si incorporamos nueva informacin (por
ejemplo, alguien nos dice que el resultado ha sido un nmero par)
entonces la probabilidad de que el resultado sea el 2 ya no es 1/6.

Las probabilidades condicionadas se calculan aplicando la siguiente

frmula:

Donde:

P (B/A) es la probabilidad de que se de el suceso B

condicionada a que se haya dado el suceso A.

P (B A) es la probabilidad del suceso simultneo de A y de

B

P (A) es la probabilidad a priori del suceso A

En el ejemplo que hemos visto:

P (B/A) es la probabilidad de que salga el nmero 2 (suceso

B) condicionada a que haya salido un nmero par (suceso A).

P (B A) es la probabilidad de que salga el dos y nmero par.

P (A) es la probabilidad a priori de que salga un nmero par.

Por lo tanto:

P (B A) = 1/6

28
 P (A) = 1/2

P (B/A) = (1/6) / (1/2) = 1/3

Luego, la probabilidad de que salga el nmero 2, si ya sabemos que ha

salido un nmero par, es de 1/3 (mayor que su probabilidad a priori de
1/6).

2 ejemplo:

En un estudio sanitario se ha llegado a la conclusin de que la

probabilidad de que una persona sufra problemas coronarios (suceso B)
es el 0,10 (probabilidad a priori).

Adems, la probabilidad de que una persona sufra problemas de

obesidad (suceso A) es el 0,25 y la probabilidad de que una persona
sufra a la vez problemas de obesidad y coronarios (suceso interseccin
de A y B) es del 0,05.

Calcular la probabilidad de que una persona sufra problemas coronarios

si est obesa (probabilidad condicionada P(B/A)).

P (B A) = 0,05

P (A) = 0,25

P (B/A) = 0,05 / 0,25 = 0,20

Por lo tanto, la probabilidad condicionada es superior a la probabilidad a

priori. No siempre esto es as, a veces la probabilidad condicionada es
igual a la probabilidad a priori o menor.

29
Por ejemplo: probabilidad de que al tirar un dado salga el nmero 2,
condicionada a que haya salido un nmero impar.

La probabilidad condicionada es en este caso cero, frente a una

probabilidad a priori de 1/6.

PROBABILIDAD COMPUESTA

La probabilidad compuesta (o regla de multiplicacin de probabilidades)

se deriva de la probabilidad condicionada:

La probabilidad de que se den simultneamente dos sucesos

(suceso interseccin de A y B) es igual a la probabilidad a
priori del suceso A multiplicada por la probabilidad del suceso
B condicionada al cumplimiento del suceso A.

La frmula para calcular esta probabilidad compuesta es:

Ejemplo 1 : Estudiamos el suceso A (porcentaje de varones mayores de

40 aos casados) y el suceso B (varones mayores de 40 aos con ms
de 2 hijos) y obtenemos la siguiente informacin:

Un 35% de los varones mayores de 40 aos estn casados.

De los varones mayores de 40 aos y casados, un 30%

tienen ms de 2 hijos (suceso B condicionado al suceso A).

Calcular la probabilidad de que un varn mayor de 40 aos est

casado y tenga ms de 2 hijos (suceso interseccin de A y B).

Por lo tanto:

30
 P (A) = 0,35

P (B/A) = 0,30

P (A B) = 0,35 * 0,30 = 0,105

Es decir, un 10,5% de los varones mayores de 40 aos estn casados y

tienen ms de 2 hijos.

2 ejemplo: Estudiamos el suceso A (alumnos que hablan ingls) y el

suceso B (alumnos que hablan alemn) y obtenemos la siguiente
informacin:

Un 50% de los alumnos hablan ingls.

De los alumnos que hablan ingls, un 20% hablan tambin

alemn (suceso B condicionado al suceso A).

Calcular la probabilidad de que un alumno hable ingls y alemn

(suceso interseccin de A y B).

Por lo tanto:

P (A) = 0,50

P (B/A) = 0,20

P (A B) = 0,50 * 0,20 = 0,10

Es decir, un 10% de los alumnos hablan ingls y alemn.

31
 TEOREMA DE LA PROBABILIDAD TOTAL

El Teorema de la probabilidad total nos permite calcular la probabilidad

de un suceso a partir de probabilidades condicionadas:

Ejemplo: supongamos que si llueve la probabilidad de que

ocurra un accidentes es x% y si hace buen tiempo dicha
probabilidad es y%. Este teorema nos permite deducir cul
es la probabilidad de que ocurra un accidente si conocemos
la probabilidad de que llueva y la probabilidad de que haga
buen tiempo.

La frmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro

ejemplo, que ocurra un accidente) es igual a la suma de multiplicar
cada una de las probabilidades condicionadas de este suceso con los
diferentes sucesos A (probabilidad de un accidente cuando llueve y
cuando hace buen tiempo) por la probabilidad de cada suceso A.

Para que este teorema se pueda aplicar hace falta cumplir un requisito:

Los sucesos A tienen que formar un sistema completo, es decir, que

contemplen todas las posibilidades (la suma de sus probabilidades debe
ser el 100%).

32
Ejemplo: al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz"
forman un sistema completo, no hay ms alternativas: la suma de sus
probabilidades es el 100%

Ejemplo: al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un

sistema completo, ya que no contempla todas las opciones (podra salir el
5 o el 6). En este caso no se podra aplicar el teorema de la probabilidad
total.

Ejercicio 1: En un saquito hay papeletas de tres colores, con las

siguientes probabilidades de ser elegidas:

a) Amarilla: probabilidad del 50%.

b) Verde: probabilidad del 30%

c) Roja: probabilidad del 20%.

Segn el color de la papeleta elegida, podrs participar en diferentes

sorteos. As, si la papeleta elegida es:

a) Amarilla: participas en un sorteo con una probabilidad de

ganar del 40%.

b) Verde: participas en otro sorteo con una probabilidad de

ganar del 60%

c) Roja: participas en un tercer sorteo con una probabilidad

de ganar del 80%.

33
Con esta informacin, qu probabilidad tienes de ganar el sorteo en
el que participes?:

1.- Las tres papeletas forman un sistema completo: sus

probabilidades suman 100%

2.- Aplicamos la frmula:

Luego,

P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54

Por tanto, la probabilidad de que ganes el sorteo es del 54%.

Ejercicio 2: Van a cambiar a tu jefe y se barajan diversos candidatos:

a) Carlos, con una probabilidad del 60%

b) Juan, con una probabilidad del 30%

c) Luis, con una probabilidad del 10%

En funcin de quien sea tu prximo jefe, la probabilidad de que te suban

el sueldo es la siguiente:

a) Si sale Carlos: la probabilidad de que te suban el sueldo

es del 5%.

b) Si sale Juan: la probabilidad de que te suban el sueldo es

del 20%.

34
 c) Si sale Luis: la probabilidad de que te suban el sueldo es
del 60%.

En definitiva, cual es la probabilidad de que te suban el sueldo?:

1.- Los tres candidatos forman un sistema completo

2.- Aplicamos la frmula:

P (B) = (0,60 * 0,05) + (0,30 * 0,20) + (0,10 * 0,60) = 0,15

Por tanto, la probabilidad de que te suban el sueldo es del

15%.

35
 TECNICAS DE CONTEO, COMBINACIONES Y
PERMUTACIONES

PROPOSITO

Calcular y desarrollar correctamente permutaciones y combinaciones de los

elementos, aplicando la variacin en diferentes conjuntos.

CONTEO DE RESULTADOS

Se definen como mtodos que nos permiten conocer el nmero total de

resultados de un experimento aleatorio sin enumeracin directa.

Con frecuencia la parte ms difcil en el anlisis de un experimento y en las

operaciones relacionadas con las probabilidades asociadas con el experimento
consiste en contar el nmero de resultados posibles.

36
PERMUTACION

Es una forma de ordenar o arreglar la totalidad de los elementos de un conjunto con

un orden definido. Se simboliza por p n = n! p

O tambin n n = n!; se lee como

permutacin de n elementos formados de n en n. El smbolo n! se lee n factorial y se

desarrolla as:

8! = 8 7 6 5 4 3 2 1

EJEMPLO 1

Supongamos que se tienen los siguientes nmeros naturales 1, 2, 3, 4 y se quiere

formar cifras de 4 dgitos. Segn la frmula anterior se tendr que:

N=4

4P4 = 4! = 4 x 3 x 2 x 1 = = 24

Veamos cuales serian las cifras que se podran permutar:

1234 2134 3142 4132

1243 2143 3124 4123

1324 2314 3214 4213

1432 2341 3241 4231

1342 2413 3412 4312

1423 2431 3421 4321

EJEMPLO 2

Cuantas palabras de cinco letras se pueden formar con las letras de la palabra libro.

N=5

5P5= 5! = 5! = 5 x 4 x 3 x 2 x 1 = 60

37
PERMUTACIONES CON REPETICIN:

Cuando uno o varios elementos estn repetidos, el clculo de las

permutaciones vara en este caso nos referimos a permutaciones con repeticin
y su frmula es:

n!
Pn r!
r

EJEMPLO 1
Cuantas permutaciones se pueden hacer con las tras de la palabra Casa?

N = 4, r = 2 (a, a)

4! 4 3 2 1
P4
r 2 2! 2 1

24
P4 12
r 2 2
EJEMPLO 2

Cuntas permutaciones se pueden hacer con las letras de la palabra trtara?

N=7 r = 3(a, a, a), 2(r, r), 2(t, t)

7! 7 x6 x54 x3x 2 x1 5040

P7 210
r 3, 2 , 2 3! x2! x2! 6 x2 x2 24
38
 TEOREMA DE BAYES

El Teorema de Bayes viene a seguir el proceso inverso al que hemos

visto en el Teorema de la probabilidad total:

Teorema de la probabilidad total: a partir de las

probabilidades del suceso A (probabilidad de que llueva o de
que haga buen tiempo) deducimos la probabilidad del suceso
B (que ocurra un accidente).

Teorema de Bayes: a partir de que ha ocurrido el suceso B

(ha ocurrido un accidente) deducimos las probabilidades del
suceso A (estaba lloviendo o haca buen tiempo?).

La frmula del Teorema de Bayes es:

Tratar de explicar estar frmula con palabras es un galimatas, as que

vamos a intentar explicarla con un ejemplo. De todos modos, antes de
entrar en el ejercicio, recordar que este teorema tambin exige que el
suceso A forme un sistema completo.

Ejercicio 1: El parte meteorolgico ha anunciado tres posibilidades para

el fin de semana:

a) Que llueva: probabilidad del 50%.

b) Que nieve: probabilidad del 30%

39
 c) Que haya niebla: probabilidad del 20%.

Segn estos posibles estados meteorolgicos, la posibilidad de que

ocurra un accidente es la siguiente:

a) Si llueve: probabilidad de accidente del 10%.

b) Si nieva: probabilidad de accidente del 20%

c) Si hay niebla: probabilidad de accidente del 5%.

Resulta que efectivamente ocurre un accidente y como no estabamos en

la ciudad no sabemos que tiempo hizo (nev, llovo o hubo niebla). El
teorema de Bayes nos permite calcular estas probabilidades:

Las probabilidades que manejamos antes de conocer que ha

ocurrido un accidente se denominan "probabilidades a
priori" (lluvia con el 60%, nieve con el 30% y niebla con el
10%).

Una vez que incorporamos la informacin de que ha ocurrido

un accidente, las probabilidades del suceso A cambian: son
probabilidades condicionadas P (A/B), que se denominan
"probabilidades a posteriori".

Vamos a aplicar la frmula:

a) Probabilidad de que estuviera lloviendo:

40
La probabilidad de que efectivamente estuviera lloviendo el da del
accidente (probabilidad a posteriori) es del 71,4%.

b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%.

Independencia de sucesos

Dos sucesos son independientes entre s, si la ocurrencia de uno de

ellos no afecta para nada a la ocurrencia del otro:

Ejemplo: el suceso estatura de los alumnos de una clase y

el color del pelo son independientes: el que un alumno sea
ms o menos alto no va a influir en el color de su cabello, ni
viceversa.

Para que dos sucesos sean independientes tienen que verificar al menos
una de las siguientes condiciones:

41
 P (B/A) = P (B) es decir, que la probabilidad de que se de el
suceso B, condicionada a que previamente se haya dado el
suceso A, es exactamente igual a la probabilidad de B.

Ejemplo: la probabilidad de que al tirar una

moneda salga cara (suceso B), condicionada a
que haga buen tiempo (suceso A), es igual a la
propia probabilidad del suceso B.

P (A/B) = P (A) es decir, que la probabilidad de que se de el

suceso A, condicionada a que previamente se haya dado el
suceso B, es exactamente igual a la probabilidad de A.

Ejemplo: la probabilidad de que haga buen

tiempo (suceso A), condicionada a que al tirar
una moneda salga cara (suceso B), es igual a la
propia probabilidad del suceso A.

P (A B) = P (A) * P (B) es decir, que la probabilidad de que

se de el suceso conjunto A y B es exactamente igual a la
probabilidad del suceso A multiplicada por la probabilidsad
del suceso B.

Ejemplo: la probabilidad de que haga buen

tiempo (suceso A) y salga cara al tirar una
moneda (suceso B), es igual a la probabilidad
del suceso A multiplicada por la probabilidad del
suceso B

Si el suceso A es independiente del suceso B, entonces el suceso B

tambin es independiente del suceso A.

42
Ejemplo 1: analicemos dos sucesos:

Suceso A: la probabilidad de que haga buen tiempo es del

0,4

Suceso B: la probabilidad de tener un accidente es del 0,1

Suceso interseccin: la probabilidad de que haga buen

tiempo y tener un accidente es del 0,08

Veamos si se cumple alguna de las condiciones sealadas:

P (B/A) = P (A B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual

a P (B))

P (A/B) = P (A B) / P (B) = 0,08 / 0,6 = 0,133 (que no es

igual a P (A))

P (A B) = 0,08 (que no es igual a P (A) multiplicado por P

(B))

Por lo tanto, no se cumple ninguna de las tres condiciones sealadas por

lo que estos dos sucesos no son independientes, sino que existe
algn grado de dependencia entre ellos.

Ejemplo 2: analicemos dos sucesos:

Suceso A: la probabilidad de que haga buen tiempo es del

0,4

Suceso B: la probabilidad de salir cara al lanzar una moneda

es del 0,5

43
 Suceso interseccin: la probabilidad de que haga buen
tiempo y que salga cara es 0,2

Veamos si se cumple alguna de las condiciones sealadas:

P (B/A) = P (A B) / P (A) = 0,2 / 0,4 = 0,5 (igual que P (B))

P (A/B) = P (A B) / P (B) = 0,2 / 0,6 = 0,4 (igual que P (A))

P (A B) = 0,2 (igual a P (A) multiplicado por P (B))

Por lo tanto, estos dos sucesos s son independientes.

44
 CONCLUSIONES

En la actualidad la estadstica es una ciencia que ha logrado ganar

importantes espacios en muchos mbitos cotidianos, es indispensable en
estudios de poblaciones, predicciones de riesgos, pero sobre todo
proporciona herramientas valiosas en la toma de decisiones eso sin quitarle
al ser humano la ltima palabra.

Vale acotar que la importancia de la probabilidad radica en que, mediante

este recurso matemtico, es posible ajustar de la manera ms exacta
posible los imponderables debidos al azar en los ms variados campos
tanto de la ciencia como de la vida cotidiana.

Nos preguntamos: Qu pasara si no existiera la estadstica probabilstica?.

La estadstica parte de la base de que hay ciertos hechos que se producen
al azar. Pero si de alguna forma pudiramos probar que ningn hecho se
produce al azar, sino que todo hecho o accin es causada por algo o
alguien se derrumbaran muchas teoras cientficas que se basan en la
estadstica como medio de prueba?, esto es sera en realidad un desafo
para la ciencia.

45
 REFERENCIAS BIBLIOGRFICAS

1. Anderson D., Sweeney D., Williams T, (2008). Estadstica para la

administracin y economa. Dcima edicin. Cengage Learning..

2. Berenson M., Levine D., Krehbiel T. (2000). Estadstica para

administracin. Segunda edicin. Prentice Hall.

3. Mendenhall, William (2008).; Introduccin a la probabilidad y

estadstica; 13 Ed; Thomson Cengage Learning; Mxico

4. Montgomery, Douglas C (2008); Probabilidad y estadstica

aplicadas a la ingeniera; Limusa; 2 Ed; Mxico.

5. Spiegel, Murray R (2010); Teora y problemas de probabilidad y

estadstica; McGraw-Hill, Serie Schaum; 3 Ed; Mxico.

46