Semana No.

4
Nombre: Probabilidad. Tercera parte.

Contextualización

¿Qué es una técnica de conteo?

En la presente sesión aprenderemos a trabajar con las técnicas de conteo, mayormente

utilizadas en la probabilidad, como lo son las permutaciones y combinaciones.
Aprenderemos la diferencia de la aplicación de cada una de las técnicas en cada uno de los
experimentos realizados en la probabilidad.

Fuente: http://2.bp.blogspot.com/_e6ns2w7oOIs/Smm7jbht22I/AAAAAAAAAdA/rQxJB4fD9jI/s400/terminado+en+0.JPG

1
Introducción al Tema

Seguimos con el tema de Probabilidades. Ya estudiamos Espacio/Muestra, Eventos

compuestos, Leyes de probabilidad, Ley de Bayes. Ahora solamente resta por analizar dos
subtemas: Conteo de puntos muestrales y Combinación y permutación. Así que los
invitamos a que continúen atentos a cada uno de los ejercicios.
¿Qué son las técnicas de conteo en probabilidad?
¿Cuál es la diferencia entre permutar y combinar?

En ocasiones es poco práctico enumerar todos los puntos muestrales de un evento a fin de
conocer cuántos son.

Fuente: http://3.bp.blogspot.com/-3SR7T-Pm0cs/TcemQSOoMOI/AAAAAAAAAJA/wCmpGJgmg_8/s320/combinatoria.jpg

Al asignar probabilidades es necesario saber identificar y contar los resultados

experimentales.

2
Explicación
Conteo de puntos muestrales. Combinaciones y permutaciones

¿Qué es el conteo de puntos muestrales?

Las técnicas de conteo son utilizadas para enumerar eventos difíciles de cuantificar.

Principio fundamental del conteo

Si una operación puede realizarse en m1 formas, y si por cada una de éstas una segunda
operación puede realizarse en m2 formas y una k-esima operación puede realizarse en mk
formas, entonces las k operaciones pueden llevarse a cabo juntas en m1xm2x……mk formas.

Regla de conteo para las Combinaciones

Permite contar el número de resultados experimentales cuando el experimento consiste en
seleccionar r objetos de un conjunto (usualmente mayor) de n objetos en donde el orden en
que están dispuestos los objetos no importa.
El número de combinaciones de n objetos tomados de r en r es:
𝑛 𝑛!
𝐶𝑟𝑛 = ( ) =
𝑟 𝑟! (𝑛 − 𝑟)!

La notación “!” significa factorial.

Ejemplo: Si de un grupo de 8 personas se van a seleccionar 4 para un comité de
representación en donde todas ostentan el mismo cargo, ¿cuántos grupos diferentes de 4
representantes se pueden formar?
Solución. En este caso n=8 y r=4 y como cada elemento tiene el mismo cargo, entonces:
𝑛! 8! 40320
𝐶48 = = = = 70
𝑟! (𝑛 − 𝑟)! 4! (8 − 4)! (24)(24)
8!= 8(7)(6)(5)(4)(3)(2)(1) = 40,320 40,320 / 576 = 70.12
4!= 4(3)(2)(1)=24 8-4= 4! = 4!= 4(3)(2)(1)=24 24*24= 576
Se forman 70 diferentes grupos de 4 representantes.

3
Regla de conteo para las Permutaciones
Permite calcular el número de resultados experimentales cuando se seleccionan r objetos
de un conjunto de n objetos y el orden de selección es relevante. Los mismos r objetos
seleccionados en orden diferente se consideran un resultado experimental diferente.
El número de permutaciones de n objetos tomados de r en r está dado por:
𝑛 𝑛!
𝑃𝑟𝑛 = 𝑟! ( ) =
𝑟 (𝑛 − 𝑟)!
Ejemplo. Si se va a integrar un código con 5 letras diferentes, partiendo de un conjunto de 6
caracteres disponibles de la A - F. ¿Cuántos códigos es posible generar?
Solución. En este caso n = 6 (Cantidad de letras de la A - F) y r = 5 y como cada orden es un
código diferente, entonces se trata de una permutación.
𝑛! 6! 720
𝑃56 = = = = 720
(𝑛 − 𝑟)! (6 − 5)! 1
6!= 6(5)(4)(3)(2)(1)= 720

Son 720 códigos diferentes que se generan.

Probabilidad usando técnicas de conteo
Es factible usar técnicas de conteo vistas anteriormente para el cálculo de probabilidades en
eventos que no impliquen reemplazo.
La regla que se sigue es la siguiente:
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜𝐴
𝑃(𝐴) =
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙𝑒𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠

Ejemplo. Se tienen en una bodega 20 artículos, de los cuales 5 son de importación. Si se

toman 4, ¿Cuál es la probabilidad de que los 4 sean de importación?
Solución:
Primeramente se toman en cuenta las siguientes consideraciones:

 Se habla de una población de tamaño N, dentro de ella hay un número k de elementos

que cumplen con cierta característica.

4
  De este subconjunto k deseamos obtener x elementos con dicha característica en una
muestra de tamaño n.

Para seguir con la regla anterior tomaremos la información de la siguiente manera:

𝑁−𝑘
𝐶𝑛−𝑥 × 𝐶𝑥𝑘
𝑃(𝑥 = 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑞𝑢𝑒 𝑐𝑢𝑚𝑝𝑙𝑎𝑛 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟𝑖𝑠𝑡𝑖𝑐𝑎) =
𝐶𝑛𝑁
Por lo tanto, N = 20 Total de población,
k= 5 subconjunto de elementos que cumplen cierta característica,
n=4 muestra de elementos que cumplen con dicha característica,
x= 4 elementos que cumplen con dicha característica.

𝐶016 × 𝐶45
𝑃(𝑥 = 4) =
𝐶420

C = 20 – 5 = 15 C= 5
C= 4 -4 = 0 C= 4

Ocupamos 0 artículos nacionales y 4 de importación, por eso se realiza esta multiplicación

de combinaciones.
𝐶 15= 𝑛!____ = _____15!______= 15! = 1
0 𝑟! (𝑛 − 𝑟)! = 0! (15 − 0)! 1(15!)

𝐶5 = _____ 5! ____ = ____5!____ = 5 5(4)(3)(2)(1)=120

4 4! (5 − 4)! 4! (1!) 4(3)(2)(1)= 24
𝐶20 = ____20!____= ______20!____= 4845
4 4! (20 − 4)! 4! (16!)

Entonces la P(x = 4) = 1(5) / 4845 = 0.00103

0.103% es la probabilidad de que los 4 artículos sean de importación

5
Efectuando las operaciones indicadas, tenemos que P(x=4)=(1)(5)/4845=0.000103

Conclusión

En la presente sesión aprendimos a trabajar las técnicas de conteo más utilizadas, como son
las permutaciones y combinaciones, recordando que la diferencia entre ellas es que en la
primera sí importa el orden que se va a realizar y en la segunda no interesa ese orden.
En la siguiente sesión iniciaremos nuestro trabajo con las Distribuciones de probabilidad
para variables aleatorias.

Fuente: http://www.hrc.es/bioest/normal3.gif

Para aprender más

En este apartado encontrarás más información acerca del tema para enriquecer tu
aprendizaje.
Puedes ampliar tu conocimiento visitando los siguientes sitios de Internet.

 Técnicas de Conteo. (s/f). Consultado el 6 de noviembre de 2013:

http://www.dcb.unam.mx/users/gustavorb/Probabilidad/PE13.pdf

 Hernández, J. (s.f.). Técnicas de Conteo. En Instituto Tecnológico de Apizaco.

Consultado el 6 de noviembre de 2013:

6
 http://www.itapizaco.edu.mx/~joseluis/apuntes/estadistica/tecnicas%20de%20c
onteo.pdf

Video con la explicación de las Técnicas de conteo: permutaciones y combinaciones.

 Diferencia entre permutación y combinación. (2011). Consultado el 6 de noviembre de

2013: http://www.youtube.com/watch?v=fUuDW7ky5j8

Es de gran utilidad visitar el apoyo correspondiente al tema, pues te permitirá desarrollar

los ejercicios con más éxito.

Actividad de Aprendizaje

Con lo aprendido en la sesión acerca de las técnicas de conteo de permutaciones y

combinaciones, resuelve los siguientes ejercicios:

¿De cuantas maneras posibles se seleccionan tres objetos de un conjunto de seis? Usa las
letras A, B, C, D, E Y F para identificar a los objetos y enumera todas las combinaciones
diferentes de los tres objetos.
Sube la actividad a la plataforma.

Bibliografía

Anderson, D., Sweeney, D., Williams, T. (2008). Estadística para administración y economía.
México: Editorial Cengage Learning.

7
Semana No. 4
Nombre: Distribuciones de probabilidad discreta. Primera parte.

Contextualización

¿En qué consiste la variable aleatoria?

8
En la presente sesión seguiremos con el estudio de la probabilidad introduciendo los
conceptos de variable aleatoria, definiremos variable aleatoria discreta y se darán ejemplos
así como se aprenderá el cálculo del valor esperado y su varianza.

Fuente: http://dc238.4shared.com/doc/hwGWWtYx/preview_html_be91d07.gif

Introducción al Tema

Comúnmente el resultado de un experimento aleatorio se denota como un número, al cual le

llamaremos variable aleatoria.
En esta ocasión iniciaremos con el tema: distribución de probabilidad discreta, en la
siguiente semana continuaremos con los subsiguientes subtemas.

¿Qué es un experimento aleatorio?

9
 ¿Por qué una variable aleatoria describe el resultado de un experimento?

Fuente: http://web.educastur.princast.es/conc/lamilagrosa/mate/moneda.JPG

Explicación
Variable aleatoria. Distribuciones de probabilidad para variables discretas. Valor
esperado y varianza de una variable aleatoria.

¿Cómo se puede hacer una variable aleatoria?

Una variable aleatoria proporciona un medio para describir los resultados experimentales,
empleando valores numéricos.

10
Variables aleatorias discretas
Es aquella variable aleatoria que asume, ya sea un número finito de valores o una sucesión
infinita de valores tales como 0,1, 2, 3…

Ejemplo:
Experimento Variable aleatoria(x) Valores posibles
Llamar a cinco clientes No. clientes en un pedido 0, 1, 2, 3, 4, 5…

Vender un automóvil Sexo del cliente 0=HOMBRE, 1=MUJER

Variable aleatoria continúa

Es aquella variable que puede tomar cualquier valor numérico dentro de un intervalo o
colección de intervalos.
Ejemplo:

Experimento Variable aleatoria(x) Valores posibles

Operar un banco Tiempo en minutos entre la X≥0
llegada de los clientes

11
 Llenar una lata de refresco(máx. Cantidad de onzas 0 ≤ x ≤ 12.1
12.1 onzas)

Distribuciones de probabilidad discretas

Describen como se distribuyen las probabilidades entre los valores de la variable aleatoria.
En el caso de una variable aleatoria discreta x, la distribución de probabilidad está definida
por una función de probabilidad, denotada por f (x).
Ejemplo: construye la función de probabilidad para el número de artículos defectuosos en
una muestra de 2 artículos inspeccionados al azar.
Solución:
El espacio muestral “S” que se tiene es: S = { BB, DB, BD, DD)
X 0 1 2

f(X) ¼ ½ ¼

X = Numero de artículos defectuosos en la muestra.

F(X) = Probabilidad
Con los datos de la tabla de función, responde:
¿Cuál es la probabilidad de tener un artículo defectuoso? f (1) = ½
Condiciones requeridas para una función de probabilidad discreta.

 f(x) ≥ 0
 ∑f(x) = 1

Valor esperado y varianza

El valor esperado o media, de una variable aleatoria es una medida de localización central.
Su fórmula es:
E(x) = µ = ∑xf(x)
Varianza.- Variabilidad en los valores de la variable aleatoria, su fórmula es:

12
 Var( x)   2   ( x   ) 2 f ( x)
Ejemplo:
Calcular el valor esperado y la varianza para la función de probabilidad
X 0 1 2

f(X) 0.25 0.5 0.25

Valor esperado: µ = ∑xf(x) = ∑(0)(0.25)+(1)(0.5)+(2)(0.25)= 0 + .5+ .5 = 1

µ=1

Varianza:  
2
(x  ) 2
f ( x)   (0  1) 2 (0.25)  (1  1) 2 (0.5)  (2  1) 2 (0.25)

= (1) (.25) + (0) (.5) + (1)(.25)

 2  0.25  0  0.25  0.5

Conclusión

En esta sesión aprendimos sobre variables aleatorias y sus características, lo que debemos
de recordar son los conceptos de valor esperado y varianza, pues están relacionados con los
temas que veremos más adelante.
En la siguiente sesión estudiaremos la distribución de probabilidad binomial.

13
 Fuente: http://recursostic.educacion.es/descartes/web/materiales_didacticos/distribuciones_probabilidad/binomial1.gif

Para aprender más

En el presente apartado encontrarás más información acerca del tema para enriquecer tu
aprendizaje. Puedes ampliar tu conocimiento visitando los siguientes sitios de Internet.

 Variables aleatorias. (s/f). Consultado el 6 de noviembre de 2013:

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo2/B0C
2m1t0.htm

 Estadística. Ingeniería informática. Curso 2009-2010. (s/f). Variables aleatorias.

Consultado el 6 de noviembre de 2013:
http://www.uam.es/personal_pdi/ciencias/atorrent/docencia/09-
10/temas/1.3.VariablesAleatorias.pdf

Es de gran utilidad visitar el apoyo correspondiente al tema, pues te permitirá desarrollar

los ejercicios con más éxito.

Actividad de Aprendizaje

14
Con lo aprendido en la sesión acerca de las variables aleatorias realiza el siguiente ejercicio:
Obtén la función de probabilidad, el valor esperado y su varianza.
F(x) = 5Cx (0.25)x(0.75)5-x en los valores de 0< x < 3 ESTE EJERCICIO SE CANCELA
Estimado Alumno este ejercicio lo realizaras en base al ejercicio visto de este tema de
la página 13
NUEVO EJERICIO DE TAREA
Con lo aprendido en la sesión acerca de las variables aleatorias realiza el siguiente ejercicio:
Obtén la función de probabilidad, el valor esperado y su varianza.

X 0 1 2 3 4 5 6

f(X) 0.2 0.3 0.25 0.26 0.5 0.24 0.51

Sube la actividad a la plataforma.

Bibliografía

Anderson, D., Sweeney, D., Williams, T. (2008). Estadística para

administración y economía. México: Editorial Cengage Learning.

15