Professional Documents
Culture Documents
Alumno:
Grupo:
Segundo Semestre
Maestro:
es un da de la semana}
Este se lee, S es el conjunto de los x tales que x es un da de la semana.
Tambin podemos escribirlo en forma explcita
S = {domingo, lunes, martes, mircoles, jueves, viernes, sbado}
2
Cuando queremos indicar que un elemento pertenece a un conjunto o que es un
miembro del conjunto usamos el smbolo "e" que se lee, "pertenece a", o "es
elemento de"; y cuando queremos indicar que no pertenece al conjunto, usamos:
" ", Por ejemplo:
Lunes S
7.- Subconjunto
Un conjunto B es "subconjunto" de un conjunto A, si todos los elementos de B
pertenecen a A y se escribe . Esto se lee: "B est contenido en A' "B es
subconjunto de A".
Ejemplo:
El conjunto de los nmeros naturales N = {0, 1, 2, 3, 4,....} es un subconjunto del
conjunto de los nmeros enteros.
Z = {,-3, -2, -1, 0, 1, 2, 3, 4,} y ste a su vez es subconjunto del conjunto de
los nmero racionales Q, que es el conjunto de los nmeros que se pueden
expresar de la manera siguiente: donde m y n son enteros y n 0.
Por lo tanto, se tiene la relacin
3
8.- Diagramas de Venn - El concepto grfico de conjuntos
Cualquier figura geomtrica cerrada (crculos, rectngulos, tringulos, valos, etc.)
sirve para representar grficamente las operaciones entre conjuntos, estos
grficos son llamados diagramas de Venn; normalmente al conjunto universal se
le representa con un rectngulo y los conjuntos con un crculo, tringulo, elipse,
etc.
4
Entonces: = {2, 3, 4, 5, 6, 7, 8, 9}
* Unin:
Sean A y B dos subconjuntos del conjunto universal U. La unin de A con B
denotada por A U B, es el conjunto de todos los elementos que pertenecen a A, a
B a ambos.
En smbolos: .
* Interseccin
Sean A y B dos subconjuntos del conjunto universal U. La interseccin de A y B,
denotada por A B, es el conjunto de todos los elementos que pertenecen a A y a
B simultneamente.
En smbolos:
5
* Diferencia
Sea A un subconjunto del conjunto universal U. El complemento de A, denotado
por es el conjunto de los elementos de U que no pertenecen a A; es decir:
* Complemento
Sean A y B dos subconjuntos de U, la diferencia de A menos B, denotada por A-B,
es el conjunto de los elementos de A que no pertenecen a B.
Esto es:
Leyes de Identidad
Leyes de Idempotencia
Leyes de la Conmutatividad
Leyes de la Asociatividad
Leyes Distributivas
Leyes de DeMorgan
* Propiedades
* Proposiciones
**Proposicin 2.1**
Sea A cualquier subconjunto del conjunto universal U, entonces:
n (Ac) = n (U) - n(A).
Sabemos que A Ac=U y que A A= . Por consiguiente, por la propiedad 3
tenemos que:
n (U) = n (A Ac) = n (A) + n (Ac).
Despejando
n (Ac) = n (U) - n (A).
**Proposicin 2.2**
Si A y B son dos subconjuntos cualesquiera del conjunto universal U, entonces:
n (A BJ=n(A) + n(Bj - n(A B).
Observemos que A se puede escribir como la unin de dos conjuntos disjuntos, y
B tambin.
Por la propiedad 3:
7
Sumando estas dos ecuaciones:
**Ejemplo:
Supngase que n (U)=200, n (A)=138. n (B)=127, n =70. Cul es el
cardinal de ?
8
Enlistar todas las posibilidades (si no son muchas) y otra, determinar su nmero
sin enlistarlas. La determinacin del nmero sin enlistar todas las posibilidades es
de lo que se ocupa la teora combinatoria mediante algunas reglas o frmulas; sin
embargo, podemos auxiliarnos con diagramas para poder tener una idea intuitiva
del problema.
l) Diagramas de Venn
Cualquier figura geomtrica cerrada (crculos, rectngulos, tringulos, valos, etc.)
sirve para representar grficamente las operaciones entre conjuntos, estos
grficos son llamados diagramas de Venn; normalmente al conjunto universal se
le representa con un rectngulo y los conjuntos con un crculo, tringulo, elipse,
etc. Permiten tener una visin intuitiva de la relacin que puede existir entre dos
conjuntos.
9
Son dos operaciones que se van a realizar: entrada y salida, colocamos dos
rayas, en una colocamos el nmero de posibilidades que hay de entrar (4) y en la
otra el nmero de posibilidades que hay de salir por otra puerta diferente a la de la
entrada (3), por lo tanto, tenemos: 4 x 3 = 12.
IV) Combinaciones
10
Otra regla de conteo til le permite contar el nmero de resultados experimentales
cuando el experimento consiste en seleccionar n objetos de un conjunto
(usualmente mayor) de N objetos. sta es la regla de conteo para combinaciones.
V) Permutaciones
La tercera regla de conteo que suele ser til, es para permutaciones. Dicha regla
permite calcular el nmero de resultados experimentales cuando se seleccionan n
objetos de un conjunto de N objetos y el orden de seleccin es relevante. Los
mismos n objetos seleccionados en orden diferente se consideran un resultado
experimental diferente.
11
La regla de conteo para permutaciones tiene relacin estrecha con la de
combinaciones; sin embargo, con el mismo nmero de objetos, el nmero de
permutaciones que se obtiene en un experimento es mayor que el nmero de
combinaciones, ya que cada seleccin de n objetos se ordena de n! maneras
diferentes.
Para ver un ejemplo, reconsidere el proceso de control de calidad en el que un
inspector selecciona dos de cinco piezas para probar que no tienen defectos.
Cuntas permutaciones puede seleccionar?
La ecuacin, indica que si N = 5 y n = 2, se tiene:
12
3) El resultado de cada ejecucin depende de la cantidad y, por lo tanto, no
se pude predecir un resultado nico.
Una solo ejecucin del experimento se llama Ensayo.
* Evento Compuesto
Si la ocurrencia o no ocurrencia de E 1 no afecta la probabilidad de ocurrencia de
E2, entonces Pr{E1|E2} = Pr {E2} y se dice que E1 y E2 son eventos independientes,
de lo contrario se dice que son eventos dependientes.
Si se denota E1E2 el evento de que tanto E1 como E2 ocurran, evento al que
suele llamarse evento compuesto.
Sacar una carta de una baraja bien sea una reina o un as tambin son eventos
mutuamente excluyentes. Sin embargo, sacar una reina y un corazn no lo son,
debido a que ambos se presentaran si se sacara la reina de corazones, esto es
un evento compuesto.
13
* Eventos mutuamente excluyentes
Dos eventos A y B que no ocurren simultneamente o que no tienen elementos en
comn, es decir se les llama eventos mutuamente exclusivos o
mutuamente excluyentes.
El sacar una cara o un sello al lanzar una moneda una vez. Si se obtiene una
cara, no puede ocurrir un sello.
* Eventos Complementarios
14
17.- Definiciones de probabilidad
a) Enfoque Clsico (a priori)
Esta definicin es de uso limitado puesto que descansa sobre la base de las dos
siguientes condiciones:
1) El espacio muestra de todos los resultados posibles S es finito.
2) Los resultados del espacio muestra deben ser igualmente prohabables.
Bajo estas condiciones y si A es el evento formado por n(A) resultados del espacio
evento E es
Ejemplo: si lanzamos un dado cien veces y observamos la presencia del nmero 2
en 16 veces, en tal caso:
P(A)= 16/100.
Cuando se usa la definicin frecuencial, es importante tomar en cuenta los
siguientes aspectos:
15
1) La probabilidad obtenida de esta manera es nicamente una estimacin del
valor real.
2) Cuando mayor sea el nmero de ensayos, tanto mejor ser la estimacin
de la probabilidad; es decir, a mayor nmero de ensayos mejor ser la
estimacin.
3) La probabilidad es propia de solo un conjunto de condiciones idnticas a
aquellas en las que se obtuvieron los datos, o sea, la validez de emplear
esta definicin depende de que las condiciones en que se realiz el
experimento sean repetidas idnticamente.
**Axioma 2: P(S) = 1
**Axioma 3: si A y B son dos eventos mutuamente exclusivos entonces
Si dos o ms sucesos son incompatibles entre s, entonces la probabilidad de la
unin de ellos, es igual a la suma de sus probabilidades respectivas.
Si =
Toda la teora elemental de la probabilidad est construida sobre las bases de
estos tres simples axiomas.
d) Probabilidad subjetiva
En la probabilidad subjetiva intervienen preferencias y emociones del analista que
en general, son diferentes para cada caso. Por ejemplo, un apostador puede
preferir el nmero 3 porque su horscopo se lo recomienda.
16
17
18.- Clculo de probabilidades
* Tablas de contingencia
Las tablas de contingencia y las tablas de probabilidad son tiles al calcular la
probabilidad de eventos. Regresando al ejemplo de King Dinamics, Inc. se supone
que la tabla de contingencia para todos los 500 empleados aparece en la
siguiente tabla.
La tabla muestra por ejemplo que de los 170 miembros del personal
administrativo, 120 son hombres y 50 son mujeres.
* Tablas de probabilidad
Una tabla de probabilidad puede crearse dividiendo cada una de las entradas de
la tabla anterior (tabla de contingencia) por el total, 500 trabajadores. Los
resultados se ven en la siguiente tabla.
* Probabilidad simple
La regla ms evidente para las probabilidades es que deben variar en valor de 0 a
1. Un evento imposible tiene una probabilidad 0 de ocurrir, y un evento cierto tiene
una probabilidad 1 de ocurrir. La probabilidad simple se refiere a la probabilidad de
ocurrencia de un evento simple, P(A), como:
La probabilidad de seleccionar una carta negra.
La probabilidad de seleccionar un as.
La probabilidad de seleccionar una carta negra es 26/52 o , puesto que hay 26
cartas negras en la baraja de 52 cartas.
Cmo encontraramos la probabilidad de seleccionar un as de la baraja?
Hallaramos el nmero de ases de la baraja sumando los ases negros y los ases
rojos de la baraja:
18
La probabilidad simple tambin se denomina probabilidad marginal, puesto que el
nmero total de xitos (ases en este caso) puede obtenerse del margen apropiado
de una tabla de contingencias.
La probabilidad de un as, P(A), tambin podra obtenerse a partir del diagrama de
Venn, observando el nmero de resultados contenidos en los crculos.
* Probabilidad conjunta
Mientras la probabilidad marginal se refiere a la ocurrencia de eventos simples, la
probabilidad conjunta se refiere a fenmenos que contienen dos o ms eventos,
como la probabilidad de un as negro o una reina roja.
Recuerde que un evento conjunto A y B significa que ambos eventos A y B deben
ocurrir simultneamente. Refirindonos a una tabla de contingencias, esas cartas
que son negras y ases consisten solo en los resultados de la celda simple as
negro. Como hay dos ases negros, la probabilidad de escoger una carta que sea
negro es:
19
La regla de la adicin consiste en tomar la probabilidad de A y sumarle a la
probabilidad de B; la interseccin de A y B debe restarse entonces de este total
porque ya ha sido incluida dos veces al calcular la probabilidad de A y la
probabilidad de B.
* Probabilidad condicional e Independencia estadstica
Si tenemos los sucesos A, B en un experimento aleatorio, con P(B)>0, se llama
probabilidad condicional a: P(A/B). La probabilidad de ocurrencia del evento A
dado que ya se ha presentado el suceso B.
Ejemplo:
A un grupo de personas se le pregunta sobre la intencin de voto para las
prximas elecciones.
**Independencia estadstica:
20
Por ejemplo la probabilidad de obtener un nmero impar en el segundo
lanzamiento de un dado, no depende de si en el primer lanzamiento se obtuvo un
nmero impar.
* Regla de la multiplicacin e Independencia estadstica
Mientras que la ley de las suma de probabilidades sirve para calcular la
probabilidad de la unin de dos eventos, la ley de la multiplicacin es til para
calcular la probabilidad de la interseccin de dos eventos. La ley de la
multiplicacin se basa en la definicin de probabilidad condicional.
As, sabe que 63% de los hogares se suscriben a ambas ediciones, a la diaria y a
la dominical.
**Ley de la multiplicacin para eventos independientes:
21
los clientes usan tarjetas de crdito al pagar la gasolina. Cul es la probabilidad
de que los dos siguientes clientes paguen la gasolina con tarjeta de crdito? Sean
A= el evento el primer cliente paga con tarjeta de crdito
B= el evento el segundo cliente paga con tarjeta de crdito
Como aplicacin del teorema de Bayes, considere una fbrica que compra piezas
de dos proveedores. Sea A1 el evento la pieza proviene del proveedor 1 y A 2 el
evento la pieza proviene del proveedor 2. De las piezas que compra la fbrica,
65% proviene del proveedor 1 y 35% restante proviene del proveedor 2. Por tanto,
si toma una pieza aleatoriamente, le asignara las probabilidades previas P(A 1) =
0.65 y P(A2) = 0.35.
La calidad de las piezas compradas vara de acuerdo con el proveedor. Por
experiencia, sabe que la calidad de los dos proveedores es como muestra la tabla
siguiente.
22
Si G denota el evento la pieza esta buena y B denota el evento la pieza esta mala,
la informacin de la tabla proporciona los siguientes valores de probabilidad
condicional.
De izquierda a derecha por el rbol, las probabilidades de cada una de las ramas
del paso 1 son probabilidades previas y las probabilidades de cada uno los
resultados del paso 2 son probabilidades condicionales. Para hallar la probabilidad
de cada uno de los resultados experimentales, simplemente se multiplican las
probabilidades de las ramas que llevan a ese resultado. En la figura anterior, se
23
muestra cada una de estas probabilidades conjuntas junto con las probabilidades
en cada rama.
Supongamos ahora que las piezas de los dos proveedores se emplean en el
proceso de fabricacin de esta empresa y que una maquina se descompone al
tratar de procesar una pieza mala. Dada la informacin de que la pieza esta mala,
Cul es la probabilidad de que sea del proveedor 1 y cul es la probabilidad de
que sea del proveedor 2? Para responder estas preguntas aplique el teorema de
Bayes usando la informacin del rbol de probabilidad.
Como B es el evento la parte esta mala, lo que busca son las probabilidades
posteriores P(A1|B) y P(A2|B): de acuerdo con la ley para la probabilidad
condicional
Para hallar P(B), se observa que B solo puede presentarse de dos maneras:
Por tanto,
Ecuacin a
Ecuacin b
24
Observe que al principio de este ejemplo, la probabilidad de seleccionar una pieza
y que fuera del proveedor 1 era 0.65. Sin embargo, dada la informacin de que la
pieza esta mala, la probabilidad de que la pieza provenga del proveedor 1 bajo a
0.4262. En efecto, si la pieza esta mala, la posibilidad de que sea del proveedor 2
es mayor que 50-50; es decir, P(A2|B) = 0.5738.
El teorema de Bayes es aplicable cuando los eventos para los que se quiere
calcular la probabilidad revisada son mutuamente excluyentes y su unin es todo
el espacio muestral.
En el caso de n eventos mutuamente excluyentes A 1, A2,, An, cuya unin sea
todo el espacio muestral, el teorema de Bayes aplica para calcular cualquiera de
las probabilidades posteriores P(Ai|B) como se muestra a continuacion:
25