You are on page 1of 8

FACULTAD DE CIENCIAS E INGNIERIAS FISICAS Y FORMALES

PROGRAMA PROFESIONAL DE INGENIERIA MECNICA,


MECNICA ELCTRICA Y MECATRNICA
UNIVERSIDAD CATLICA DE SANTA MARA

Asignatura: Estadstica y Probabilidades


Alumno: Cesar Gabriel Canales Minaya
Docente: Ing. Csar Verano Serruto.

Fecha: 02/12/2016
Grupo: 10

TRABAJO ENCARGADO DEL CURSO DE PRACTICAS DE


ESTADISTICA Y PROBABILIDADES

Hacer un resumen de los siguientes temas relativos a la Teora de Probabilidades

1. COMBINATORIAS Y PERMUTACIONES

PERMUTACIN
A. Definicin:
Son eventos de tipo multiplicativo, donde el nmero de posibilidades va
disminuyendo y si importa el orden una permutacin es un arreglo de un
conjunto de objetos en un orden definido. El nmero de permutaciones
diferentes de estos objetos es; esto se ve fcilmente si pensamos que para la
primera alternativa disponemos de los elementos del conjunto, cada uno de los
cuales puede complementarse con los restantes como segunda opcin, y as
hasta llegar a la ltima eleccin, conformando el producto.
El nmero de permutaciones posibles al tomar objetos del conjunto
de elementos ser, siguiendo el mismo razonamiento.

PERMUTACIONES SIN
REPETICIN DE n
ELEMENTOS TOMADOS TODOS A LA VEZ
Ejemplo: De cuntas formas diferentes se pueden ordenar las letras de la
palabra IMPUREZA?
Solucin: Puesto que tenemos 8 letras diferentes y las vamos a ordenar en
diferentes formas, tendremos 8 posibilidades de escoger la primera letra para
nuestro arreglo, una vez usada una, nos quedan 7 posibilidades de escoger una
segunda letra, y una vez que hayamos usado dos, nos quedan 6, as
sucesivamente hasta agotarlas, en total tenemos:

8 7 6 5 4 3 2 1 = 4032

PERMUTACIONES CIRCULARES
Ahora estudiaremos algunos ejemplos de arreglos circulares, sabemos que si
queremos sentar a cuatro personas una al lado de la otra en fila, el nmero de
arreglos que podemos hacer es 4!; ahora bien, si las queremos sentar alrededor
de una mesa circular, de cuntas formas lo podemos hacer?
Observemos los siguientes arreglos:

Por cada una de las permutaciones o arreglos circulares tenemos 4 de ellos


diferentes en fila; esto es, el arreglo circular 1 puede leerse en sentido contrario
a las agujas del reloj de las siguientes formas: ABCD, BCDA, CDAB, y DABC, que
son 4 arreglos diferentes si fueran en filas; pero es un solo arreglo circular.
Entonces, en lugar de tener 4! que es el nmero de arreglos en fila, tenemos
solamente.

PERMUTACIONES SIN REPETICIN


Ejemplo 7: De cuntas formas diferentes se pueden sentar seis alumnos en un
saln de clases con 25 pupitres?
Solucin: El primer estudiante puede elegir entre 25 lugares, el segundo tendr
24 lugares a escoger, el tercero 23, as sucesivamente; por lo tanto el nmero
de arreglos sin repeticin de 25 elementos tomados de 6 en 6 es:
Esto se simboliza por

PERMUTACIONES CON REPETICIN


Veamos otra aplicacin del principio de la multiplicacin. Supongamos que
tenemos 20 nios de un grupo de Preescolar y 10 sabores de helados
disponibles. De cuntas formas diferentes podemos servir un helado a 20
nios?
Al primer nio le podemos servir uno de los 10 sabores, al segundo nio
tambin le podemos servir los 10 sabores, al tercero tambin, y as
sucesivamente. A cada uno de los 20 nios le podemos servir de los 10 sabores,
por lo que
Observe que r es el nmero de veces que se repiten la n elementos.
Nr=

COMBINACIN
A. Definicin:
Son eventos similares a las permutaciones. Pero el orden ya no importa y es
necesario eliminar de las permutaciones aquellas donde los elementos se
repiten aunque con distinto orden
Una combinacin es una seleccin de objetos sin importar el orden en que se
escojan:

Se llama combinaciones de m elementos tomados de n en n (m n) a


todas las agrupaciones posibles que pueden hacerse con los m elementos de
forma que:
No entran todos los elementos.
No importa el orden.
No se repiten los elementos.

Tambin podemos calcular las combinaciones mediante factoriales:

Combinaciones con repeticin


Las combinaciones con repeticin de m elementos tomados de n en n
(m n), son los distintos grupos formados por n elementos de manera que:
No entran todos los elementos.
No importa el orden.
S se repiten los elementos.

2. DEFINICIONES DE PROBABILIDAD:
Es el conjunto de posibilidades de que un evento ocurra o no en un momento
y tiempo determinado. Dichos eventos pueden ser medibles a travs de
una escala de 0 a 1, donde el evento que no pueda ocurrir tiene una
probabilidad de 0 (evento imposible) y un evento que ocurra con certeza es de 1
(evento cierto).
La probabilidad de que ocurra un evento, siendo sta una medida de la
posibilidad de que un suceso ocurra favorablemente, se determina
principalmente de dos formas: empricamente (de manera experimental) o
tericamente (de forma matemtica).

3. PROPIEDADES DE LAS PROBABILIDADES


i) Probabilidad emprica.- Si E es un evento que puede ocurrir cuando se
realiza un experimento, entonces la probabilidad emprica del evento E, que a
veces se le denomina definicin de frecuencia relativa de la probabilidad, est
dada por la siguiente frmula:

Nota: P(E), se lee probabilidad del evento E


ii) Probabilidad terica.- Si todos los resultados en un espacio muestral S
finito son igualmente probables, y E es un evento en ese espacio muestral,
entonces la probabilidad terica del evento E est dada por la siguiente frmula,
que a veces se le denomina la definicin clsica de la probabilidad, expuesta por
Pierre Laplace en su famosa Teora analtica de la probabilidad publicada en
1812:

POSIBILIDADES.- Las posibilidades comparan el nmero de resultados


favorables con el nmero de resultados desfavorables. Si todos los resultados
de un espacio muestral son igualmente probables, y un nmero n de ellos son
favorables al evento E, y los restantes m son desfavorables a E, entonces
las posibilidades a favor de E sonde de n(E) a m(E), y las posibilidades en
contra de E son de m(E) a n(E)

4. EVENTOS MUTUAMENTE EXCLUYENTES Y NO EXCLUYENTES


i) REGLA GENERAL PARA EVENTOS NO MUTUAMENTE EXCLUYENTES
Si A y B son dos eventos no mutuamente excluyentes (eventos intersecantes),
es decir, de modo que ocurra A o bien B o ambos a la vez (al mismo tiempo),
entonces se aplica la siguiente regla para calcular dicha probabilidad:

En donde:
El conectivo lgico "o" corresponde a la "unin" en la teora
de conjuntos (o =)
El conectivo "y" corresponde a la "interseccin" en la teora de conjuntos
(y =)
El espacio muestral (S) corresponde al conjunto universo en la teora de
conjuntos

ii) REGLA PARTICULAR O ESPECIAL PARA EVENTOS MUTUAMENTE


EXCLUYENTES
Si A y B son dos eventos mutuamente excluyentes (eventos no intersecantes), es decir,
si la ocurrencia de cualquiera de ellos excluye la del otro, no pueden ocurrir a la vez, o
cuando no tiene ningn punto muestral en comn (AB=0 ) entonces se aplica la
siguiente regla para calcular dicha probabilidad.

En donde:
El conectivo lgico "o" corresponde a la "unin" en la teora de conjuntos
(o =)
El espacio muestral (S) corresponde al conjunto universo en la teora de
conjuntos

5. EVENTOS INDEPENDIENTES Y DEPENDIENTES

i) REGLA GENERAL PARA EVENTOS DEPENDIENTES


Si A y B son dos eventos dependientes, es decir, si la ocurrencia de A afecta la
probabilidad de ocurrencia de B, entonces, dicha probabilidad de calcula
empleando la siguiente regla:

En donde:
El conectivo y corresponde a la interseccin en la teora de conjuntos
(y=n)
El espacio muestral (S) corresponde al conjunto universo en la teora de
conjuntos
P (B/A)=Probabilidades condicional de B, dado A
Si se desea obtener una frmula para calcula la probabilidad condicional se
despeja de la formula general de la multiplicacin

P ( A B ) =P ( A )P(

B
)
A

obtenindose.

La probabilidad condicional de A dado B se denota por

P(

B
) y
A

se calcula empleando la siguiente formula


ii) REGLA PARTICULAR O ESPECIAL PARA EVENTOS INDEPENDIENTES

Si A y B son dos eventos independientes, es decir, si el conocimiento de la


incidencia de uno de ellos no tiene efecto en la probabilidad de ocurrencia del
otro, entonces, para calcular la probabilidad de dichos eventos se aplica la
siguiente regla:

6. PROBABILIDAD CONDICIONAL

Probabilidad condicionada
Como la probabilidad est ligada a nuestra ignorancia sobre los resultados de la
experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad
de los dems. El proceso de realizar la historia clnica, explorar y realizar
pruebas complementarias ilustra este principio.

Esta definicin es consistente, es decir cumple los axiomas de probabilidad.


Cuando ocurre un suceso cambia el espacio muestral, por eso cambia la
probabilidad. A veces es ms fcil calcular la probabilidad condicionada
teniendo en cuenta este cambio de espacio muestral.

7. TEOREMA DE LA PROBABILIDAD TOTAL. EJEMPLO

Entonces, la probabilidad del evento B, llamada probabilidad total, se calcula empleando la siguiente
frmula:

EJEMPLO: Para la eleccin de decano del colegio de ingenieros, se presenta la


lista N1 CON UN 60% y llevan como candidato a Lucas, la lista N2 con un 40%
de adherentes llevan como candidato a Rene. Efectuada la eleccin, el 80% de
adherentes de la lista N1 y el 10% de la lista N2 votaron por Lucas. El 20% de
adherentes de la lista N1 y el 90% de la lista N2 votaron por Rene. Si se
selecciona un votante al alzar Cul es la probabilidad de que haya votado por
Rene?
DESARROLLO:
Sean los eventos:
P (A)= El votante sea de la lista N1
P (B)= El votante sea de la lista N2
P (C)= El votante dio su voto por Rene
P (C) = P (A) P(C/A) + P (B) P (C/B)
P (C) = 0.60*0.20+0.40*0.90
P (C) = 0.12+0.36 =0.48

8. TEOREMA DE BAYES
Definicin del Teorema de bayes:

El teorema de Bayes se utiliza para revisar probabilidades previamente


calculadas cuando se posee nueva informacin. Desarrollado por el reverendo
Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensin de lo que
ha aprendido hasta ahora acerca de la probabilidad condicional.
Este teorema es una generalizacin de la probabilidad Condicionada, el
cual est definido de la siguiente manera
Sean
A1, A2, .An, sucesos mutuamente excluyentes que ocupan
todo el espacio muestral S. Si cada uno de estos sucesos tiene
probabilidad no nula y uno de ellos debe ocurrir, entonces para todo
suceso B en el espacio muestral S, es :