Conceptos.

Segunda Unidad.

Isaias Garduza Garcia.
13/03/2012


2

Conjunto:
Un conjunto es la agrupacin, clase, o coleccin de objetos o en su
defecto de elementos que pertenecen y responden a la misma categora
o grupo de cosas, por eso se los puede agrupar en el mismo conjunto.
Esta relacin de pertenencia que se establece entre los objetos o
elementos es absoluta y posiblemente discernible y observable por
cualquier persona.
Entre los objetos o elementos susceptibles de integrar o conformar un
conjunto se cuentan por supuesto cosas fsicas, como pueden ser las
mesas, sillas y libros, pero tambin por entes abstractos como nmeros o
letras.
Notacin de conjuntos:
{} conjunto < menor que
conjunto vaci mayor o igual que
C subconjunto menor o igual que
C subconjunto propio U unin de
| tal que interseccin de
pertenece a - diferencia de
no pertenece a conjunto complemento de A
= igual a AUB unin de conjunto A y B
diferente a aproximado a
CD interseccin de C y D A B diferencia de A y B
> mayor que B conjunto complemento de B

Conjuntos finitos e infinitos:
Conjunto Finito.
En matemtica, un conjunto finito es un conjunto que tiene un nmero
finito de elementos. Por ejemplo {2, 4, 6, 8, 10} es un conjunto finito con
cinco elementos. La cardinalidad o nmero de elementos de un conjunto
finito es igual a un nmero natural.

3

Si un conjunto no es finito, entonces es infinito. Por ejemplo, el conjunto N =
{1, 2, 3, ...} de los nmeros naturales es infinito. Todo conjunto finito es un
conjunto numerable, puesto que sus elementos pueden contarse, pero la
recproca es falsa: existen conjuntos numerables que no son finitos (como el
propio N).
Los conjuntos finitos son particularmente importantes en combinatoria.
Definicin
Un conjunto finito A es un conjunto cuyo nmero de elementos es un
nmero natural.
Esto significa:
Un conjunto finito A es aquel que puede ponerse en correspondencia
biunvoca con el conjunto {1, 2, ..., n} para algn nmero natural n.
Que pueda establecerse una correspondencia biunvoca significa que los
elementos de A y los de {1, 2, ..., n} pueden emparejarse uno a uno, sin que
sobre ningn elemento de ninguno de los dos conjuntos. Al nmero n se le
denomina el cardinal de A (o su cardinalidad, su potencia, etc.), y se
denota por card(A), |A| o #A. El conjunto vaco no tiene elementos,
|| = 0, por lo que tambin es finito.
La definicin de conjunto finito en teora axiomtica de conjuntos presenta
algunas sutilezas (vase Conjunto infinito).
Conjunto Infinito.
En teora de conjuntos, un conjunto infinito es un conjunto que no es finito.
Algunos ejemplos son:
- Los nmeros enteros Z = {..., -3, -2, -1, 0, 1, 2, 3, ...} forman un conjunto
infinito y numerable.
- Los puntos en una recta, representados por un nmero real, forman
un conjunto infinito y no numerable.
Definicin
Un conjunto finito A es aquel que puede ponerse en correspondencia
biunvoca con un conjunto del tipo {1, 2, 3, ..., n}, donde n es un nmero
natural. Esto significa que podemos emparejar los elementos de A y los de

4

{1, 2, 3, ..., n} sin que sobre ninguno. Si un conjunto no verifica esto entonces
es infinito:
Un conjunto infinito es un conjunto que no puede ponerse en
correspondencia biunvoca con ningn conjunto {1, 2, 3, ..., n} para ningn
nmero natural n.
Los conjuntos infinitos poseen las siguientes propiedades:
- La unin de dos o ms (incluso una cantidad infinita) de conjuntos
infinitos es un conjunto infinito.
- Cualquier conjunto que contenga un conjunto infinito es infinito a su
vez.
El conjunto potencia de un conjunto infinito es infinito a su vez.

El conjunto universal:
El universo de discurso, conjunto universal o referencial, que normalmente
se denota por las letras , es un conjunto cuyo objeto de estudio
son los subconjuntos del mismo.
Anteriormente se consideraba al conjunto universal como el conjunto de
todas las cosas, sin embargo est demostrado que este conjunto no existe.
Particularmente porque suponer la existencia de dicho conjunto conduce
a la paradoja de Russell.
Actualmente se debe dejar en claro sobre cul conjunto se est tratando.
Por ejemplo, si estamos tratando conjuntos cuyos elementos son letras, el
conjunto referencial sera el conjunto formado por todas las letras del
alfabeto.
El complemento del conjunto universo es el conjunto vaco, es decir, aquel
que est desprovisto de elementos.




5

El conjunto vaco:
En matemticas, especficamente en teora de conjuntos, el conjunto
vaco es el conjunto que no contiene ningn elemento. Puesto que lo
nico que define a un conjunto son sus elementos, el conjunto vaco es
nico.
En una teora axiomtica de conjuntos, la existencia de un conjunto vaco
se postula. Algunas propiedades de los conjuntos son trivialmente ciertas
para el conjunto vaco.
Notacin:
El conjunto vaco es denotado por los smbolos:
Derivados de la letra . Esta notacin fue introducida por Andr Weil
en 1939. Otra notacin comn para el conjunto vaco es la notacin
extensiva, especificando sus elementos (ninguno) entre llaves:

Subconjunto:
En matemticas, especialmente en teora de conjuntos, un conjunto A es
subconjunto de un conjunto B si A "est contenido" dentro de B.
Recprocamente, se dice que el conjunto B es un super conjunto de A
cuando A es un subconjunto de B.
Definicin
En la imagen, se observa un conjunto de polgonos, dentro del cual
pueden distinguirse algunos que son regulares. El conjunto de polgonos
regulares en la imagen es un subconjunto del conjunto de todos los
polgonos en la imagen.
Un conjunto A formado por algunos de los elementos de otro conjunto B es
un subconjunto de este ltimo:
Sean A y B dos conjuntos tal que cada elemento de A es tambin
elemento de B. Entonces se dice que:
- A es un subconjunto de B, y se denota A B

6

B es un super conjunto de A, y se denota B A
Otras maneras de decirlo son "A est incluido en B", "B incluye a A", etc.
Ejemplos.
El "conjunto de todos los hombres" es un subconjunto del "conjunto de
todas las personas".
{1, 3} {1, 2, 3, 4}
{2, 4, 6, ...} {1, 2, 3, ..} = N ( {Nmeros pares} {Nmeros naturales} )

Diagramas de Venn:
Los diagramas de Venn son ilustraciones usadas en la rama de la
Matemtica y Lgica de clases conocida como teora de conjuntos. Estos
diagramas se usan para mostrar grficamente la agrupacin de cosas
elementos en conjuntos, representando cada conjunto mediante un
crculo o un valo. La posicin relativa en el plano de tales crculos muestra
la relacin entre los conjuntos. Por ejemplo, si los crculos de los conjuntos A
y B se solapan, se muestra un rea comn a ambos conjuntos que
contiene todos los elementos contenidos a la vez en A y en B. Si el crculo
del conjunto A aparece dentro del crculo de otro B, es que todos los
elementos de A tambin estn contenidos en B.
Operaciones con conjuntos:
Unin. La unin de dos conjuntos A y B es el conjunto C que est formado
por los elementos de A, de B o de ambos.
A B = { x / x , A, x , B o x , a ambos }

Interseccin. La interseccin de dos conjuntos A y B es el conjunto C que
est formado por los elementos que pertenecen a ambos conjuntos
simultneamente.
A B = { x / x , A y x , B }
Diferencia. Dados dos conjuntos A y B, su diferencia, A - B, es los elementos
de A que no pertenecen a B.
Ejemplo: Sean los conjuntos A = {a, b, c, d, e, f} y B = {a, h, j}. La diferencia A
- B es {b, c, d, e, f}. La diferencia B - A es {h, j}

7

Complemento. El trmino complemento de un conjunto est referido a lo
que le falta o lo que se le debe aadir a ste para ser igual a otro.
COMPLEMENTO DE UN CONJUNTO RESPECTO DE OTRO
Sean A y B dos conjuntos, tal que A B, el complemento de A respecto de
B, denotado por CBA, se define como el conjunto formado por todos los
elementos de B que no pertenecen a A.


COMPLEMENTO DE UN CONJUNTO RESPECTO DE U ( A
C
o A )
Dado un conjunto universal U y un conjunto A, se llama complemento de A
al conjunto formado por todos los elementos del universo que no
pertenecen al conjunto A.

Leyes o propiedades de las operaciones
con conjuntos:
Leyes fundamentales
Dadas las operaciones binarias sobre conjuntos unin e interseccin y la
operacin monaria complemento, se cumplen algunas leyes o
propiedades que se agrupan del siguiente modo:
Proposicin 1: para cualquier conjunto A, B y C se cumplen las siguientes
proposiciones:
- Ley conmutativa:


- Ley asociativa:


{ }
Si
B
A B C A x x B x A c = e . e

8

- Ley distributiva


Proposicin 2: existe un conjunto universal U, para el que se cumple que
dado un conjunto A, A es un subconjunto de U, existe un conjunto que
llamaremos conjunto vaco
- Ley de identidad:


- Ley de complemento:





Proposicin 3: dados los conjuntos A, B subconjuntos de U, se cumple:
- Ley de idempotencia:


- Ley de dominacin:


- Ley de absorcin:


- Ley de De Morgan



9

Cardinal de un conjunto:
En teora de conjuntos, un nmero cardinal o cardinal es una
generalizacin de los nmeros naturales para contar el nmero de
elementos, la cardinalidad, de cualquier conjunto, finito o infinito. El
cardinal de un conjunto finito es un nmero natural ordinario. El cardinal de
un conjunto infinito es un nmero transfinito. Los cardinales clasifican los
conjuntos de manera ms tosca que los nmeros ordinales, que
distinguen no slo el nmero de elementos de un conjunto sino tambin la
manera en la que estn ordenados.
Los cardinales se definen mediante la nocin de equipotencia, que
relaciona dos conjuntos si tienen el mismo nmero de elementos.
Establecida esta relacin, los cardinales son representantes de todos los
tamaos posibles para un conjunto. Puede demostrarse que existen
conjuntos infinitos con distinto tamao. Por ejemplo, los conjuntos de los
nmeros naturales y de los nmeros reales no tienen el mismo cardinal. De
hecho es necesaria una coleccin infinita de nmeros transfinitos para
clasificar todos los conjuntos infinitos.
Existe una sucesin infinita de cardinales:
que empieza con los nmeros
naturales (con cero), y contina con los nmeros alef, que son cardinales
de conjuntos bien ordenados. Cada alef tiene un ndice, un cierto nmero
ordinal, que indica su posicin dentro de la serie. Dependiendo de si se
asume el axioma de eleccin o no, los alefs agotan todos los cardinales
posibles o no.

Mtodos para realizar un conteo:
Para un experimento que consta de k eventos sucesivos donde: el primer
evento puede resultar de m1 maneras distintas, el segundo evento puede
resultar de m2 maneras distintas.

El k-simo evento puede resultar de mk maneras distintas.
El nmero total de resultados para el experimento completo est
dado por:
m1 m2 ... mk

10

Principio fundamental del conteo:

Ejemplo 1:

En un sorteo cada participante debe elegir cuatro nmeros del 1 al 25.
Durante el sorteo se seleccionan cuatro nmeros con repeticin y ganan
quienes acierten a los cuatro nmeros en el mismo orden en que salgan.
cuntos posibles resultados puede tener el sorteo?
No. de resultados = (25) (25) (25) (25) = 254 = 390,625
No. de resultados = (25) (24) (23) (22) = 303,600
Ntese que en este caso, si n es el nmero total de elementos diferentes
disponibles y r es el nmero de objetos que se seleccionarn con
repeticin, entonces el nmero total de resultados posibles es: nr.

Diagrama de ven:
- Una de las principales teoras dentro de la matemtica actual es la
Teora de los Conjuntos. Podramos decir que es una teora que nos explica
el funcionamiento de una coleccin de elementos cuando realizamos
alguna operacin con ellos.
- De la definicin anterior observamos la primera dificultad que se
encuentra un estudiante al estudiar esta teora, pues se empieza sin
ninguna definicin vlida. El concepto de conjunto se acepta sin
definicin.
- La segunda dificultad a la que una persona se enfrenta cuando
estudia la Teora de Conjuntos es la de las operaciones con conjuntos. Una
parte que sin lugar a dudas es muy importante ya que influir en otras
teoras matemticas. Pues bien, los Diagramas de Venn intentan corregir,
de alguna manera, dicha dificultad.
- Los Diagramas de Venn se basan fundamentalmente en representar
los conjuntos matemticos con unas circunferencias. Con estas
circunferencias el estudiante realiza una serie de operaciones como la
unin, la interseccin, etc. Podramos decir que el manejo de los
Diagramas de Veen sirven para orientar al estudiante, son una herramienta
metodolgica que tiene el profesor para explicar la Teora de Conjuntos.
- Pues bien vamos a citar a continuacin los ejemplos ms importantes
de los Diagramas de Veen.
- Diagrama de la interseccin de dos conjuntos.

11

En teora la interseccin de dos
conjuntos podemos definirla como la
parte comn que tienen dos
conjuntos, si es que existe(Ejemplo
de inexistencia: la interseccin de los
nmeros pares con los impares) .
Pues el diagrama que viene a
continuacin representa dicha
situacin.

- La interseccin de los conjuntos A y B es la parte azulada, en efecto
vemos que la parte comn que comparte el conjunto A con el B es
la parte azul.
- En matemticas la interseccin se representa AB.
Diagrama de la intercesin vaca (no
hay ningn elemento comn)
En efecto, se observa que ambos
conjuntos no tienen ninguna parte
comn. Esto se le llama en Matemticas
conjunto vaco y se representa: .

- Diagrama de la unin de dos conjuntos.
En teora la unin de dos conjuntos
podemos definirla como una suma
de un conjunto con otro. Pues el
diagrama que se muestra a
continuacin representa la situacin
descrita anteriormente.

- La unin de los conjuntos A y B es la parte colorada, podemos ver
que se han sumado el conjunto A y el B. En matemticas la unin se
representa AUB.
- Diagrama del complementario de un conjunto.

12

En teora el complementario de un
conjunto se hace en referencia a un
conjunto universal y se define como los
elementos que no pertenecen al
conjunto. Tan raro se entiende mejor
con el siguiente diagrama.
El conjunto U es el universal (parte
amarilla y blanca) y el complementario
de A es solo la parte amarilla del dibujo.
El complementario de un conjunto se
representa A
c
.

- Diagrama de la diferencia de conjuntos.
La diferencia B - A es la parte de B que
no est en A. La diferencia de conjuntos
en matemticas se expresa B\A, para
este caso.


Diagrama de la inclusin de conjuntos.
En el diagrama se puede observar
como el conjunto B esta contenido (o
incluido) en el conjunto A. Esto
matemticamente se expresa BcA.

- Con estos diagramas se pueden representar la gran mayora de las
operaciones con conjuntos. Pero, las aqu expuestas son las
fundamentales a partir de ellas se obtienen las dems.






13

Diagrama de rbol:

Un diagrama de rbol es una herramienta que se utiliza para determinar
todos los posibles resultados de un experimento aleatorio. En el clculo de
la probabilidad se requiere conocer el nmero de elementos que forman
parte del espacio muestral, estos se pueden determinar con la
construccin del diagrama de rbol.
El diagrama de rbol es una representacin grfica de los posibles
resultados del experimento, el cual consta una serie de pasos, donde cada
uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo.
Se utiliza en los problemas de conteo y probabilidad.
Para la construccin de un diagrama en rbol se partir poniendo una
rama para cada una de las posibilidades, acompaada de su
probabilidad. Cada una de esta ramas se conoce como rama de primera
generacin.
En el final de cada rama de primera generacin se constituye a su vez, un
nudo del cual parten nuevas ramas conocidas como ramas de segunda
generacin, segn las posibilidades del siguiente paso, salvo si el nudo
representa un posible final del experimento (nudo final).
Hay que tener en cuenta que la construccin de un rbol no depende de
tener el mismo nmero de ramas de segunda generacin que salen de
cada rama de primera generacin y que la suma de probabilidades de las
ramas de cada nudo ha de dar 1.
Existe un principio sencillo de los diagramas de rbol que hace que stos
sean mucho ms tiles para los clculos rpidos de probabilidad:
multiplicamos las probabilidades si se trata de ramas adyacentes
(contiguas), el ejemplo de alumna de la primera facultad, o bien las
sumamos si se trata de ramas separadas que emergen de un mismo punto,
el ejemplo de encontrar un alumno.
Ejemplos
Una universidad est formada por tres facultades:
- La 1 con el 50% de estudiantes.

14

- La 2 con el 25% de estudiantes.
- La 3 con el 25% de estudiantes.
Las mujeres estn repartidas uniformemente, siendo un 60% del total en
cada facultad.

Probabilidad de encontrar una alumna de la primera facultad?




Probabilidad de encontrar un alumno varn?

15



Pero
tambin podra ser lo contrario.

Caja o Rayitas:

Diagrama de Caja.
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una
presentacin visual que describe varias caractersticas importantes, al
mismo tiempo, tales como la dispersin y simetra.
Para su realizacin se representan los tres cuartiles y los valores mnimo y
mximo de los datos, sobre un rectngulo, alineado horizontal o
verticalmente.
Construccin:
Una grfica de este tipo consiste en una caja rectangular, donde los lados
ms largos muestran el recorrido intercuartlico. Este rectngulo est
dividido por un segmento vertical que indica donde se posiciona la
mediana y por lo tanto su relacin con los cuartiles primero y tercero
(recordemos que el segundo cuartil coincide con la mediana).

Esta caja se ubica a escala sobre un segmento que tiene como extremos
los valores mnimo y mximo de la variable. Las lineas que sobresalen de la
caja se llaman bigotes. Estos bigotes tienen tienen un lmite de

16

prolongacin, de modo que cualquier dato o caso que no se encuentre
dentro de este rango es marcado e identificado individualmente
Ejemplo distribucin de edades
Utilizamos la ya usada distribucin de frecuencias (en tallos y hojas), que
representan la edad de un colectivo de 20 personas.
36 25 37 24 39 20 36 45 31 31

39 24 29 23 41 40 33 24 34 40

Ordenar los datos
Para calcular los parmetros estadstico, lo primero es ordenar la
distribucin
20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40 41 45
Calculo de Cuartiles
Q1, el cuartil Primero es el valor mayor que el 25% de los valores de la
distribucin. Como N = 20 resulta que N/4 = 5; el primer cuartil es la media
aritmtica de dicho valor y el siguiente:
Q1=(24 + 25) / 2 = 24,5
Q2, el Segundo Cuartil es, evidentemente, la mediana de la distribucin, es
el valor de la variable que ocupa el lugar central en un conjunto de datos
ordenados. Como N/2 =10 ; la mediana es la media aritmtica de dicho
valor y el siguiente:
me= Q2 = (33 + 34)/ 2 =33,5
Q3 , el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de la
distribucin. En nuestro caso, como 3N / 4 = 15, resulta
Q2=(39 + 39) / 2 = 39


17

A travs de formulas o reglas de
conteo:

- k eventos en n intentos
Se define como la posibilidad repetida en N veces por lo tanto es P=K
elevado a la n.
- para Kkn se consideran como P=K*K*K*Kn
- N objetos tomados todos ala vez se define como P=N!

Permutaciones:
Si se tiene un conjunto de n objetos diferentes, las permutaciones son
subconjuntos de r objetos, en donde una permutacin es distinta de otra si
difiere en al menos un elemento o en el orden de estos. Condicin: r < n.
Para escoger el 1er. elemento hay n formas distintas.
Para escoger el 2do. elemento hay (n-1) formas distintas.
Para escoger el 3er. elemento hay (n-2) formas distintas.
Para escoger el r-simo. elemento hay [ n - ( r-1 ) ] formas distintas,
o bien, (n-r+1).
Por el principio fundamental del conteo, el nmero total de permutaciones
es:
P(n,r) = n (n-1) (n-2) ... (n-r+1)

Si en las permutaciones n = r entonces: P(n,n) = n!
de cuntas maneras se puede acomodar una reunin de cinco
personas en una fila de cinco sillas?
Permutaciones circulares: n objetos pueden distribuirse en un crculo de (n-
1)(n-2)...(3)(2)(1) formas distintas de cuntas maneras se puede
acomodar una reunin de cinco personas en una mesa redonda?
PC = (n 1)! n
5 4 3 2 1
(5-1)!=4!= 25
5!=120

18

Ntese que la primera persona puede colocarse en cualquier lugar, por lo
que de las P(n,r) hay que desechar las que son iguales, por lo que PCn = n!
/ n = (n-1)!

Si se tiene un conjunto de n objetos diferentes, se forman conjuntos de r
objetos, en donde se permite la repeticin y adems se permite: r < n, r > n
r = n
Para escoger el 1er. elemento hay n formas distintas.
Para escoger el 2do. Nuevamente elemento hay n formas distintas.
Para escoger el 3er. Elemento hay n formas distintas.
Para escoger el r-simo. Elemento hay n formas distintas,
Por el principio fundamental del conteo, el nmero total de permutaciones
es: lo que tambin se expresa de la forma:
n r
r PR = n
PR(n,r) = nn .... n =nr
r veces

Ntese que en este caso, despus de observar cada resultado se devuelve
el elemento al conjunto, y para el siguiente ensayo hay otra vez n
resultados posibles; por lo que se dice que se toman muestras con
remplazo.
Combinaciones:
Tambin hay dos tipos de combinaciones (recuerda que ahora el orden no
importa):
1. Se puede repetir: como monedas en tu bolsillo (5,5,5,10,10)
2. Sin repeticin: como nmeros de lotera (2,14,15,27,30,33)
1. Combinaciones con repeticin
En realidad son las ms difciles de explicar, as que las dejamos para luego.
2. Combinaciones sin repeticin
As funciona la lotera. Los nmeros se eligen de uno en uno, y si tienes los
nmeros de la suerte (da igual el orden) entonces has ganado!
La manera ms fcil de explicarlo es:
- imaginemos que el orden s importa (permutaciones),

19

- despus lo cambiamos para que el orden no importe.
Volviendo a las bolas de billar, digamos que queremos saber qu 3 bolas
se eligieron, no el orden.
Ya sabemos que 3 de 16 dan 3360 permutaciones.
Pero muchas de ellas son iguales para nosotros, porque no nos importa el
orden.
Por ejemplo, digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades
son:
El orden importa
El orden no
importa
1 2 3
1 3 2
2 1 3
2 3 1
3 1 2
3 2 1
1 2 3
As que las permutaciones son 6 veces ms posibilidades.
De hecho hay una manera fcil de saber de cuntas maneras "1 2 3" se
pueden ordenar, y ya la sabemos. La respuesta es:
3! = 3 2 1 = 6
(Otro ejemplo: 4 cosas se pueden ordenar de 4! = 4 3 2 1 = 24
maneras distintas, prueba t mismo!)
As que slo tenemos que ajustar nuestra frmula de permutaciones para
reducir por las maneras de ordenar los objetos elegidos (porque no nos
interesa ordenarlos):

Esta frmula es tan importante que normalmente se la escribe con grandes
parntesis, as:

20


donde n es el nmero de cosas
que puedes elegir, y eliges r de
ellas
(No se puede repetir, el orden
no importa)
Y se la llama "coeficiente binomial".

Introduccin a la probabilidad:
La probabilidad mide la frecuencia con la que se obtiene un resultado (o
conjunto de resultados) al llevar a cabo un experimento aleatorio, del que
se conocen todos los resultados posibles, bajo condiciones suficientemente
estables. La teora de la probabilidad se usa extensamente en reas como
la estadstica, la fsica, la matemtica, la ciencia y la filosofa para sacar
conclusiones sobre la probabilidad discreta de sucesos potenciales y la
mecnica subyacente discreta de sistemas complejos.
El diccionario de la Real Academia Espaola define azar como una
casualidad, un caso fortuito, y afirma que la expresin al azar significa sin
orden.
1
La idea de Probabilidad est ntimamente ligada a la idea de azar
y nos ayuda a comprender nuestras posibilidades de ganar un juego de
azar o analizar las encuestas. Pierre-Simon Laplace afirm: "Es notable que
una ciencia que comenz con consideraciones sobre juegos de azar haya
llegado a el objeto ms importante del conocimiento humano".
Comprender y estudiar el azar es indispensable, porque la probabilidad es
un soporte necesario para tomar decisiones en cualquier mbito.
2

Segn Amanda Dure, "Antes de la mitad del siglo XVII, trmino 'probable'
(en latn probable) significaba aprobable, y se aplicaba en ese sentido,
unvocamente, a la opinin y a la accin. Una accin u opinin probable
era una que las personas sensatas emprenderan o mantendran, en las
circunstancias."
3

La teora de errores puede trazarse atrs en el tiempo hasta Opera
Miscellanea (pstumo, 1722) de Roger Cotes, pero una memoria

21

preparada por Thomas Simpson en 1755 (impresa en 1756) aplic por
primera vez la teora para la discusin de errores de observacin. La
reimpresin (1757) de esta memoria expone los axiomas de que los errores
positivos y negativos son igualmente probables, y que hay ciertos lmites
asignables dentro de los cuales se supone que caen todos los errores; se
discuten los errores continuos y se da una curva de la probabilidad.
Pierre-Simon Laplace (1774) hizo el primer intento para deducir una regla
para la combinacin de observaciones a partir de los principios de la
teora de las probabilidades. Represent la ley de la probabilidad de error
con una curva , siendo cualquier error e y su probabilidad, y
expuso tres propiedades de esta curva:
1. es simtrica al eje ;
2. el eje es una asntota, siendo la probabilidad del error igual a 0;
3. la superficie cerrada es 1, haciendo cierta la existencia de un error.
Dedujo una frmula para la media de tres observaciones. Tambin obtuvo
(1781) una frmula para la ley de facilidad de error (un trmino debido a
Lagrange, 1774), pero una que llevaba a ecuaciones inmanejables. Daniel
Bernoulli (1778) introdujo el principio del mximo producto de las
probabilidades de un sistema de errores concurrentes.
El mtodo de mnimos cuadrados se debe a Adrien-Marie Legendre (1805),
que lo introdujo en su Nouvelles mthodes pour la dtermination des
orbites des comtes (Nuevos mtodos para la determinacin de las rbitas
de los cometas). Ignorando la contribucin de Legendre, un escritor
irlands estadounidense, Robert Adrain, editor de "The Analyst" (1808),
dedujo por primera vez la ley de facilidad de error,

siendo y constantes que dependen de la precisin de la observacin.
Expuso dos demostraciones, siendo la segunda esencialmente la misma de
John Herschel (1850). Gauss expuso la primera demostracin que parece
que se conoci en Europa (la tercera despus de la de Adrain) en 1809.
Demostraciones adicionales se expusieron por Laplace (1810, 1812), Gauss
(1823), James Ivory (1825, 1826), Hagen (1837), Friedrich Bessel (1838), W. F.
Donkin (1844, 1856) y Morgan Crofton (1870). Otros personajes que
contribuyeron fueron Ellis (1844), De Morgan (1864), Glaisher (1872) y
Giovanni Schiaparelli (1875). La frmula de Peters (1856) para , el error
probable de una nica observacin, es bien conocida.

22

Conceptos bsicos de probabilidad:
Experimento: Es el proceso mediante el cual se obtiene una observacin.
Experimento Aleatorio: Cuando sus resultados no son posibles de predecir
antes de su realizacin y, por lo tanto estn sujetos al azar.
Espacio Muestral: El conjunto integrado por todos los resultados posibles de
un experimento. Se identifica o denota con la letra S.
Evento: Es uno o ms de los posibles resultados de un experimento. Cuando
un evento consta de un slo posible resultado recibe el nombre de
eventos simple, pero si est integrado por dos o ms se llama evento
compuesto.



Tipos de eventos:

Evento. Es el resultado de un experimento.
Cuando cada evento es seleccionado al azar, el experimento se
denomina aleatorio o al azar.

Evento Simple ( E ). Cada uno de los posibles resultados de un experimento
y que no se puede descomponer.

En el caso del lanzamiento del dado, cada uno de los posibles nmeros en
la cara del dado es un evento simple.

Cuando los eventos se representan en un diagrama de Venn se
denominan puntos muestrales.

Evento Compuesto. Los eventos A, B, C, etc., son eventos compuestos si se
componen de dos o ms eventos simples.

Ejemplos de eventos simples y compuestos

23


Evento simple: Lanzamiento de un dado
A = { evento que salga un # impar }
A = { 1, 3, 5 }
B = { el nmero sea 4 } = { 1, 2, 3, 4 }

Evento Compuesto: Lanzamiento de dos monedas
A = el evento de observar una cara
A = {HH, HT, TH, TT }
Eventos Mutuamente Excluyentes.
Dados 2 eventos cualesquiera se dice que son mutuamente excluyentes si
y solo si la interseccin de los 2 conjuntos es el conjunto vacio.
Sean A y B 2 eventos de un experimento, A y B son mutuamente
excluyentes si y solo si:

EJEMPLO:
Lanzar una moneda.
E = {aguila y sol }
El = {aguila }
E2 = {sol}
E3 = {aguila, sol }
ENTONCES E1 y E2 son mutuamente excluyentes porque <m>E1 inter E2 =
varnothing</m>
Lanzar un dado.
Omega = {1, 2, 3, 4, 5, 6}
Algunos de los eventos, recordar que la cantidad total de eventos es
2<sup>n</n> y no se quiere obtener todos los eventos posibles.
Sale Par

24

El = {2, 4, 6}
Sale Impar
E2 = {1, 3, 5}
Menor que tres
E3 = {1, 2}
E1 y E2 son eventos mutuamente excluyentes porque:

Eventos Colectivamente Exhaustivos:
Una lista es exhaustiva cuando contiene todos los resultados posibles de un
evento.

Ej:1. Maana, tarde y noche.


2. En el almacn Totto estn vendiendo 3 gorras rojas, 2 bolsos azules, 3
carteras negras y 2 correas rojas. Cul es probabilidad de que ocurra el
evento en el cual Flix compre 1 una gorra roja?

P (Gorra roja) = 3 / 10

Qu probabilidad existe de que ocurra el evento en el cual Carlos
compre un bolso azul?

P (Bolso azul) = 2 / 10
Qu probabilidad existe de ocurra el evento en cual Mara Mnica
compre una cartera negra?

P (Cartera negra) = 3 / 10

Qu probabilidad existe de que ocurra el evento de que Diana Sabalza
compre una correa roja?

25


P (Correa roja) = 2 / 10

P (Gorra roja) + P (Bolso azul) + P (Cartera negra) + P (Correa roja) = 1
(3 / 10) + (2 / 10) + (3 / 10) + (2 / 10) = 10 / 10 = 1

Eventos Complementarios:
Dos eventos son complementarios cuando su union es igual al espacio
muestral, es decir, sean A y B Dos eventos de un experimento
entonces A y B son eventos complementarios.
EJEMPLO:
Lanzar un dado.
Omega = {1, 2, 3, 4, 5, 6}
Sale par:
E1 = {2, 4 ,6}
Sale impar.
E2 = {1, 3, 5}
Sale menor que 3.
E3 = {1,2}
Sale 3 o mas.
E4 = {3,4,5,6}
El y E2 son eventos complementarios y E3 y E4 son tambien eventos
complementarios.
Sale 5 El = {5} No sale 5 E2 =( 1,2,3,4,6} Por tanto El y E2 seran tambien
eventos complementarios.

26


Definiciones de probabilidad:
Antes de profundizar en la forma como se utilizan las probabilidades, es
necesario conocer de cierta manera de donde provienen. Hay tres formas
de calcular o estimar la probabilidad. El enfoque clsico o "a priori"
proveniente de los juegos de azar o definicin clsica de Laplace que se
emplea cuando los espacios mustrales son finitos y tienen resultados
igualmente probables; la definicin emprica, "a posteriori" o frecuencial
que se basa en la frecuencia relativa de ocurrencia de un evento con
respecto a un gran nmero de ensayos repetidos y por ltimo la definicin
de Kolmogorov o definici6n axiomtica de probabilidad.
Seleccionar uno de los tres enfoques depender de la naturaleza del
problema.


Definicin clsica de Laplace o
"apriori":
Esta definicin es de uso limitado puesto que descansa sobre la base de las
siguientes dos condiciones:
1. El espacio muestra de todos los resultados posibles S es finito.
2. Los resultados del espacio muestra deben ser igualmente probables.
Bajo estas condiciones y si A es el evento formado por n(A) resultados del
espacio muestra y, el nmero total de resultados posibles es n(S), entonces

Ejemplo 24: Si se extrae una carta de un paquete de 52 cartas de las
cuales 26 son negras (13 espadas A, 2, 3, , 10, J, Q, K; 13 son trboles); y
26 son rojas (13 corazones y 13 diamantes), la probabilidad de que la carta

27

sea un as es porque el evento de "extraer un as" consta de 4 de
los 52 resultados igualmente probables. La probabilidad de que la carta
sea negra es y la probabilidad de que sea un diamante es
.

Ejemplo 25: Al lanzar un dado, cul es la probabilidad de obtener un
nmero par?
Solucin: S ={1, 2, 3, 4, 5, 6}, y hay tres pares, luego,

Ejemplo 26: Cul es la probabilidad de que una familia que tiene tres
hijos, hayan dos nias y un nio, si se considera igualmente probable el
nacimiento de un nio o nia?
Solucin: Usando "a" para nia y "o" para nio, el espacio muestra es:
S = {aaa, aao, aoa, aoo, oaa, oao, ooa, ooo} n(S) = 8
El evento A en que hayan dos nias y un nio es
A = {aao, aoa, oaa, } n(A) = 3

Obsrvese que siempre 0 < P(A) < 1, puesto que 0 < n(A) < n(S).





28

Definicin emprica "a posteriori"
0 frecuencial:
La definicin clsica se ve limitada a situaciones en las que hay un nmero
finito de resultados igualmente probables. Por desgracia, hay situaciones
prcticas que no son de este tipo y la definicin de Laplace no se puede
aplicar. Por ejemplo, si se pregunta por la probabilidad de que un paciente
se cure mediante cierto tratamiento mdico, o la probabilidad de que una
determinada mquina produzca artculos defectuosos, entonces no hay
forma de introducir resultados igualmente probables. Por ello se necesita
un concepto ms general de probabilidad. Una forma de dar respuesta a
estas preguntas es obtener algunos datos empricos en un intento por
estimar las probabilidades.
Supongamos que efectuamos un experimento n veces y que en esta serie
de n ensayos el evento A ocurre exactamente r veces, entonces la
frecuencia relativa del evento es ,o sea,
Si continuamos calculando esta frecuencia relativa cada cierto nmero de
ensayos, a medida que aumentamos n, las frecuencias relativas
correspondientes sern ms estables; es decir; tienden a ser casi las
mismas; en este caso decimos que el experimento muestra regularidad
estadstica o estabilidad de las frecuencias relativas. Esto se ilustra en la
siguiente tabla, de una moneda lanzada al aire 1000 veces.
















29









La mayora de experimentos aleatorios de importancia prctica tienen
estabilidad, por esto podemos sospechar que prcticamente ser cierto
que la frecuencia relativa de un evento E en un gran nmero de ensayos
es aproximadamente igual a un determinado nmero P(E), o sea, la
probabilidad del evento E es

Obsrvese que este nmero es una propiedad que no depende solamente
de E, sino que se refiere a un cierto espacio muestra S y a un experimento
aleatorio. Entonces, decir que el evento E tiene probabilidad P(E) significa
que si efectuamos el experimento muchas veces, es prcticamente cierto
que la frecuencia relativa de E, fr(E) es aproximadamente igual a P(E).
Cuando se usa la definicin frecuencial, es importante tomar en cuenta los
siguientes aspectos:
i. La probabilidad obtenida de esta manera es nicamente una
estimacin del valor real.
ii. Cuanto 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.
iii. La probabilidad es propia de slo un conjunto de condiciones
idnticas a aqullas 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.



30


Definicin Axiomtica:
Las definiciones anteriores son netamente empricas o experimentales, sin
embargo despus de establecer una forma de determinar la probabilidad
experimentalmente, se pueden deducir leyes o propiedades de la
probabilidad en forma lgica o computacional bajo ciertas suposiciones
llamados axiomas de la probabilidad.
La probabilidad de un evento A se define como el nmero P(A), tal que
cumple con los siguientes axiomas:
AXIOMA 1: La probabilidad P(A) de cualquier evento no debe ser menor
que cero ni mayor que uno: 0 < P(A) < 1
AXIOMA 2: P(S) = 1
AXIOMA 3: Si A y B son dos eventos mutuamente exclusivos (A B = ),
entonces: P (A B) = P(A) + P(B)
Toda la teora elemental de la probabilidad est construida sobre las bases
de estos tres simples axiomas.
Si el espacio muestral es infinito, debemos reemplazar el axioma 3 por el
AXIOMA 4: Si A1, A2, son eventos mutuamente exclusivos, entonces
tenemos que
P(A1 A2 ) = P(Al) + P(A2) ++

Probabilidad Subjetiva:

Se basan en la creencias e ideas en que se realiza la evaluacin de las
probabilidades y se define como en aquella que un evento asigna el
individuo basandose en la evidencia disponible (el individuo asigna la
probabilidad en base a su experiencia).


31

La probabilidad subjetiva puede tener forma de frecuencia relativa de
ocurrencia anterior o simplemente puede consistir en una conjetura
inteligente N.

Para clarificar lo antes dicho un ejemplo muy comn es el pronostico del
tiempo, muchos individuos como nosotros realizamos una prediccin
personal de como sern las condiciones climticas para el da, basadas
mas en nuestra experiencia personal pero que muchas veces sustentamos
en experiencia de eventos pasados.

La asignacin de probabilidad subjetiva se dan generalmente cuando los
eventos ocurren solo 1 vez y a lo mximo unas cuantas veces mas.

Sin embargo en las organizaciones a pesar de que es comn tomar
decisiones en base a la probabilidad subjetiva la mayora de las veces esta
se respalda con datos futuros estadsticos.

Clculo de probabilidades:
Tabla de contingencia
En estadstica las tablas de contingencia se emplean para registrar y
analizar la relacin entre dos o ms variables, habitualmente de naturaleza
cualitativa (nominales u ordinales).
Supngase que se dispone de dos variables, la primera el sexo (hombre o
mujer) y la segunda recoge si el individuo es zurdo o diestro. Se ha
observado esta pareja de variables en una muestra aleatoria de 100
individuos. Se puede emplear una tabla de contingencia para expresar la
relacin entre estas dos variables, del siguiente modo:

Diestro Zurdo TOTAL
Hombre 43 9 52
Mujer 44 4 48
TOTAL 87 13 100

32

Las cifras en la columna de la derecha y en la fila inferior reciben el
nombre de frecuencias marginales y la cifra situada en la esquina inferior
derecha es el gran total.
La tabla nos permite ver de un vistazo que la proporcin de hombres
diestros es aproximadamente igual a la proporcin de mujeres diestras. Sin
embargo, ambas proporciones no son idnticas y la significacin
estadstica de la diferencia entre ellas puede ser evaluada con la prueba
de Pearson, supuesto que las cifras de la tabla son una muestra aleatoria
de una poblacin. Si la proporcin de individuos en cada columna vara
entre las diversas filas y viceversa, se dice que existe asociacin entre las
dos variables. Si no existe asociacin se dice que ambas variables son
independientes.
El grado de asociacin entre dos variables se puede evaluar empleando
distintos coeficientes: el ms simple es el coeficiente phi que se define por
= (
2
/ N) donde
2
se deriva del test de Pearson, y N es el total de
observaciones -el gran total-. puede oscilar entre 0 (que indica que no
existe asociacin entre las variables) e infinito. A diferencia de otras
medidas de asociacin, el coeficiente de Cramer no est acotado.
Probabilidad simple:
La posibilidad que hay de que ocurra algn evento determinado, por
ejemplo, que de un recipiente con 5 pelotas verdes, 2 azules y 3 rojas
obtengamos una roja es de .3, siempre debe ser un nmero menor o igual
a uno, excepto cuando lo expresas en porcentaje.

Probabilidad simple es igual a la cantidad de formas en que un resultado
especfico va a suceder entre la cantidad total de posibles resultados.

Una manera, muy usada en la prctica, de denominar la probabilidad un
evento simple de un espacio muestral es como probabilidad simple o
marginal, la cual hace referencia a la probabilidad de un evento simple, y
se denota con P(A), siendo A el evento simple en cuestin. El nombre de
probabilidad marginal se debe a que esta medida se puede obtener a
partir de los totales marginales de una tabla de contingencia.


33

Probabilidad Conjunta:
Esta regla expresa la probabilidad de que ocurra un suceso A y un
suceso B.
Pueden ocurrir dos formas: que el segundo suceso depende del
primero o que ninguno dependa del otro, por lo tanto veremos
estas dos formas:
Para sucesos dependientes:

NOTA: Si observas esta regla, puedes darte cuenta que se relaciona
fuertemente con la Interseccin entre conjuntos ( y ), es una
multiplicacin.
Ejemplo 1: Se sacan dos cartas sin restitucin ( se saca la primera
se observa y no se vuelve a meter ) de una baraja de 52 cartas,
Cul es la probabilidad de que ambas sean reyes ?
Sea R = sacar un rey
Observe que lo que necesitamos es la probabilidad de sacar un rey
en la primera carta y un rey en la segunda, es decir:


Para sucesos independientes:



34

Ejemplo 2: Se sacan dos cartas con restitucin una baraja de 52
cartas, Cul es la probabilidad de que ambas sean corazones ?
Sea C = carta de corazones


NOTA: Observa que la probabilidad del segundo suceso no se ve
afectada por la probabilidad del primero

Regla de la Adicin:
Esta regla expresa la probabilidad de que ocurran dos o ms
sucesos a la vez, P ( A U B).
Puede presentarse de dos formas: para conjuntos con interseccin
y para conjuntos mutuamente excluyentes. Veamos:

Para conjuntos con Interseccin:


Esto se debe a que sumamos la probabilidad
de A ms la probabilidad de B , pero como ya
habamos sumado la interseccin, entonces la restamos.

Para conjuntos con Mutuamente excluyentes:





35

En este caso, no hay ningn problema en sumar ambas
probabilidades.

Ejemplo 1: Se lanzan un dado. Usted gana $ 3000 pesos si el
resultado es par divisible por tres Cul es la probabilidad de
ganar ?
Lo que primero hacemos es definir los sucesos:
Sea A = resultado par: A = { 2, 4, 6 }
Sea B = resultado divisible por 3: B = {3, 6} . Ambos sucesos
tienen interseccin?
Luego,



Ejemplo 2 : Se tiene una baraja de cartas ( 52 cartas sin jockers),
Cul es la probabilidad de sacar una Reina un As ?
Sea A = sacar una reina y sea B = sacar un as, entonces:




NOTA: Si observas esta regla, puedes notar que se relaciona
fuertemente con la Unin entre conjuntos ( ) y es una suma.


36

Probabilidad Condicional e
Independencia:
Eventos independientes: dos eventos A y B son independientes sis la
ocurrencia o no ocurrencia afecta la probabilidad asignada a la
ocurrencia del otro.
Algunas veces es sencillo determinar la independencia por ejemplo los dos
eventos considerados se refieren a ensayos no relacionados tales como el
lanzamiento de dos monedas de diferente denominacin en
consecuencia los resultados con ambas monedas son independientes. La
falta de independencia o sea la dependencia es demostrada por la
siguiente ilustracin considrese el experimento donde se lanzan dos
dados y se observa los dos eventos la suma es igual a 10 y nmero doble
que se establece P(10)=3/36=1/12, P(doble)=6/36=1/6 la ocurrencia de 10
afecta la probabilidad de doble? Considrese esta pregunta de la manera
siguiente: a ocurrido una suma igual a 10 debe de ser uno de los resultados
siguientes [(4,6),(5,5),(6,4)] una de estas tres posibilidades es nmero doble.
En consecuencia debe concluirse que P (doble sabiendo que ha
ocurrido un diez), escrita P(doble/10), es igual a 1/3 ya que un tercio es
distinta a la probabilidad de un doble puede concluirse que el evento 10
afecta la probabilidad de un nmero doble as un doble y 10 son eventos
dependientes. El smbolo P(A/B)=P(B/A)=PB.
Considrese la probabilidad condicional. Tmese, por ejemplo, el
experimento donde se lanza un dado: S=[1,2,3,4,5,6] en este experimento
pueden definirse dos eventos como A =ocurre un 4, y B=ocurre un
nmero par. Entonces P(A)=1/6, el evento A se satisface exactamente
por uno de los seis mustrales igualmente probables en S. La probabilidad
condicional de A dado B, P(A/B), se encuentra de manera similar, pero S
ya no es este caso el espacio muestral. Esto puede verse de la manera
siguiente: se lanza un dado sin que se pueda ver, aunque recibe la
informacin de que el nmero obtenido sea par, es decir que ha ocurrido
el evento B. Esta es la condicin dada, conocindola a uno se la pide
asignar la probabilidad del evento ocurre un 4. Slo haqy tres
posibilidades en el nuevo espacio mustral (reducido), [2, 4,6]. Cada uno
de los tres resultados es igualmente probable: en consecuencia P(A B)=1/3.



37

Esto puede escribirse como:
P(A/B) = P(A y B) / P(B)
REGLA DE LA MULTIPLICACIN
.- Regla de la multiplicacin CASO GENERAL
Sean A y B dos eventos definidos en el espacio muestral S. Entonces:
P(A y B)=P(A).P(B/A) o bien P(A y B)=P(B).P(A/B)
Si los eventos A y B son independientes, el caso general de la regla de la
multiplicacin (la frmula anterior).
.Regla de la multiplicacin CASO ESPECIAL
Sean A y B dos eventos definidos en el espacio muestral S. Si A y B son
eventos independientes entonces:
P(A y B)=P(A).P(B)
Esta frmula puede ser generalizada. Si ABC;; g son eventos
independientes, entonces:
P(A y B y C y y G)=P(A).P(B).PP(G=
TRATAMIENTO DE LA PROBABILIDAD CONDICIONAL E INDEPENDENCIA DE
EVENTOS
EJEMPLO: En un grupo de 200 estudiantes se selecciona uno de ellos en
forma aleatoria. Se sabe que en el grupo hay 140 estudiantes de tiempo
completo (80 mujeres y 60 hombres), y 60 de tiempo parcial (40 mujeres y
20 hombres) el evento A es la persona seleccionada es estudiante de
tiempo completo y el evento C es el estudiante seleccionado es mujer.
EL USO DE DIAGRAMAS DE RBOL PARA EL CLCULO DE LA PROBABILIDAD
Muchos problemas sobre probabilidades se pueden representar con
diagramas de rbol. En tales casos se pueden utilizar con facilidad las
reglas de la multiplicacin y la adicin para ilustrar la solucin de
problemas sobre probabilidades.

38

Se ha extrado dos fichas de pocker de una caja que contiene una ficha
roja, otra blanca y otra verde. El diagrama de rbol que representa este
experimento en la primera figura muestra la segundad y la primera
seleccin. En cada extraccin se selecciona una ficha y no se reemplaza.
Despus de que se ha dibujado e identificado el rbol, es necesario que se
asigne probabilidades a cada rama. Si se supone que es igualmente
probable que se extraiga cualquier ficha en cualquier seleccin, es posible
asignar una probabilidad a cada segmento de cada rama de rbol como
se muestra en la segunda figura. Ntese que un conjunto de ramas que
nacen de un punto comn tiene una probabilidad total igual a uno. En
este diagrama en particular hay cuatro de tales conjuntos de segmentos
de famas. El diagrama de rbol muestra seis resultados distintos. Leyendo
hacia abajo la rama indica el resultado (R,B);la dos (2), (R,V); etc. Cada
resultado el esta representado por una rama que nace en un punto inicial
comn y termina en los puntos extremos de la derecha.
La probabilidad asociada con el resultado (R,B) P(ficha roja en la primera
extraccin y blanca en la segunda), se encuentra multiplicando P(R en la
primera seleccin)*P(B en la segunda seleccin R en la primera). Estas son
las dos probabilidades 1/3 y indicadas en los dos segmentos de la rama
uno en la figura dos. El es la probabilidad condicional requerida por la
regla de la multiplicacin. En consecuencia debe n} multiplicarse a lo largo
de las ramas.
EVENTOS INDEPENDIENTES
Suponemos que se sabe que la probabilidad de A dada la de B es igual a
la probabilidad de A. Qu se podra concluir respecto a los eventos de A
y B? El hecho de saber que el evento b a ocurrido, afecta de algn modo
la probabilidad de A?. La situacin anterior conduce a la necesidad de
definir otro tipo de eventos: Si A y B son eventos independientes, entonces
P (A B)= P(A).
Definicin: A y B son eventos independientes si y solo s
Teorema 1: si A y B son eventos independientes
Ntese que la definicin de eventos independientes se aplica a todos los
eventos sean o no sus probabilidades iguales a cero. No sera as si
hubiramos ocupado el teorema 1 para la definicin de eventos
independientes.

39

Si escoge una familia del conjunto de todas las que tiene 2 nios Cul es
la probabilidad de que ambos sean varones si se sabe que por lo menos
que hay un varn en esa familia. Sea S=(m,m),-(m,f).(f,m),(f,f) el espacio
muestra, donde la primera letra de cualquier pareja ordenada indica el
sexo del primognito y la segunda el sexo del segundo.
Supondremos que los cuatro puntos son igualmente probables (esta
suposicin no es correcta para determinadas razones pero es aceptable).
Ahora bien, si se sabe que por lo menos uno de los hijos es varn Cul es
el nuevo espacio muestral? De los tres punto de ese espacio Cuntos
representan familias en las que ambos hijos son varones?. Entonces la
probabilidad requerida es 1/3.

Teorema de Bayes:
En la teora de la probabilidad el teorema de Bayes es un resultado
enunciado por Thomas Bayes en 1763
1
que expresa la probabilidad
condicional de un evento aleatorio A dado B en trminos de la distribucin
de probabilidad condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.
En trminos ms generales y menos matemticos, el teorema de Bayes es
de enorme relevancia puesto que vincula la probabilidad de A dado B
con la probabilidad de B dado A. Es decir que sabiendo la probabilidad de
tener un dolor de cabeza dado que se tiene gripe, se podra saber -si se
tiene algn dato ms-, la probabilidad de tener gripe si se tiene un dolor de
cabeza, muestra este sencillo ejemplo la alta relevancia del teorema en
cuestin para la ciencia en todas sus ramas, puesto que tiene vinculacin
ntima con la comprensin de la probabilidad de aspectos causales dados
los efectos observados.
Sea un conjunto de sucesos mutuamente
excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos
es distinta de cero (0). Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales . Entonces, la probabilidad
viene dada por la expresin:

40

donde:
- son las probabilidades a priori.
- es la probabilidad de en la hiptesis .
- son las probabilidades a posteriori.

Thomas Bayes (1763)
Frmula de Bayes
Adems, unido a la definicin de Probabilidad condicionada, obtenemos
la Frmula de Bayes, tambin conocida como la Regla de Bayes:

Aplicaciones
El teorema de Bayes es vlido en todas las aplicaciones de la teora de la
probabilidad. Sin embargo, hay una controversia sobre el tipo de
probabilidades que emplea. En esencia, los seguidores de la estadstica
tradicional slo admiten probabilidades basadas en experimentos
repetibles y que tengan una confirmacin emprica mientras que los
llamados estadsticos bayesianos permiten probabilidades subjetivas. El
teorema puede servir entonces para indicar cmo debemos modificar
nuestras probabilidades subjetivas cuando recibimos informacin adicional
de un experimento. La estadstica bayesiana est demostrando su utilidad
en ciertas estimaciones basadas en el conocimiento subjetivo a priori y el
hecho de permitir revisar esas estimaciones en funcin de la evidencia
emprica es lo que est abriendo nuevas formas de hacer conocimiento.
Una aplicacin de esto son los clasificadores bayesianos que son
frecuentemente usados en implementaciones de filtros de correo basura o
spam, que se adaptan con el uso.Como observacin, se tiene
y su demostracin resulta trivial.



41








Bibliografa.

Cavos, G (1992): PROBABILIDAD Y ESTADISTICAS,
Editorial McGraw-Hill.


Walpole, Ronal E: PROBABILIDAD Y ESTADSTICA
para ingenieros, Editorial HISPANOAMERICANA.