Documente Academic
Documente Profesional
Documente Cultură
FACULTAD DE INGENIERA
DIVISIN DE CIENCIAS BSICAS
COORDINACIN DE CIENCIAS APLICADAS
DEPARTAMENTO DE PROBABILIDAD Y ESTADSTICA
FUNDAMENTOS DE LA TEORA
DE LA PROBABILIDAD
AUTORES:
MARCO ANTONIO GMEZ RAMREZ
JORGE FEDERICO PANIAGUA BALLINAS
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 1
1. CONCEPTOS BSICOS
1.1.1 MODELOS
1.1.2 FENMENOS
1.1.3 ESPACIO MUESTRAL
1.1.4 EVENTOS
1.1.5 OPERACIN DE
EVENTOS
1.1.6 EVENTOS NOTABLES
1.2.1
1.2.2
1.2.3
1.2.4
1.2.5
1.2.6
1.2.7
1.2.8
1.2.9
1.2.10
1.2.11
1.2.12
2.
FACTORIAL DE UN NMERO
PRINCIPIO FUNDAMENTAL DEL CONTEO
PERMUTACIONES
PERMUTACIONES CON REPETICIN
PERMUTACIONES CON GRUPOS DE OBJETOS IGUALES
PERMUTACIONES CIRCULARES
COMBINACIONES
COMBINACIONES CON REPETICIN
NMEROS COMBINATORIOS
PROPIEDADES DE LOS NMEROS COMBINATORIOS
ALGUNAS APLICACIONES DE LOS NMEROS COMBINATORIOS
DIAGRAMA DE RBOL
EJERCICIOS PROPUESTOS No. 1
CONCEPTO DE PROBABILIDAD
1
2
3
3
4
6
6
8
9
10
11
12
12
12
14
16
18
20
20
2.1.1
2.1.2
2.1.3
20
CLSICA
FRECUENTISTA
SUBJETIVA
21
22
23
2.2.1
23
AXIOMAS DE PROBABILIDAD
Pgina 2
2.2.2
TEOREMAS DE PROBABILIDAD
24
29
2.3.1
2.3.2
2.3.2
2.3.4
2.3.5
29
PROBABILIDAD CONDICIONAL
PROBABILIDAD CONJUNTA
PROBABILIDAD MARGINAL
PROBABILIDAD DE EVENTOS INDEPENDIENTES
APLICACIN DEL CONCEPTO DE EVENTOS
INDEPENDIENTES A LA TEORA DE SISTEMAS
2.3.6 PROBABILIDAD TOTAL
2.3.7 EL TEOREMA DE BAYES
EJERCICIOS PROPUESTOS No. 2
SOLUCIONES A LOS EJERCICIOS PROPUESTOS
30
32
33
34
39
39
46
48
Pgina 3
INTRODUCCION
El estudio de la Probabilidad data de hace ms de tres siglos, cuando los franceses asiduos a los
juegos de azar queran saber sus posibilidades reales de ganar en sus apuestas y recurrieron a los
ms prestigiados matemticos de la poca para encontrar al respecto explicaciones convincentes. A
partir de ese entonces esta ciencia evolucion y tom un cuerpo matemticos ms formal con el
enfoque axiomtico hasta la mitad del siglo XX. Las aplicaciones de la Probabilidad y, desde luego,
la Estadstica que han evolucionado de manera paralela, se encuentran en mltiples manifestaciones
en los campos de todas las reas de la Ingeniera, la Qumica, la Fsica, la Biologa, la Geografa, la
Administracin, la Economa, la Educacin y los modernos sistemas Computacionales, slo por
mencionar algunos de ellos.
El presente trabajo tiene como propsito proporcionar al estudiante de ingeniera un apoyo para la
comprensin y aplicacin de los conceptos, principios, axiomas, teoremas fundamentales de la
Teora de la Probabilidad.
El contenido corresponde esencialmente a los apartados que establece el tema II del programa de la
asignatura Probabilidad y Estadstica contenida en todos los planes de estudio de las carreras que se
imparten en la Facultad de Ingeniera de la UNAM.
El tratado est dividido en dos partes, la primera explica los diferentes modelos de experimentacin
que existen y la forma de determinar los espacios muestrales y cuentos principales de los mismos,
as como el planteamiento de los mtodos de conteo, fundamentados en el anlisis combinatorio. La
segunda parte, abarca lo fundamental de la Teora de la Probabilidad iniciando por la descripcin de
los diferentes enfoques y escuelas que tiene esta disciplina; se sigue con la demostracin de los
teoremas bsicos de la Probabilidad Axiomtica y se contina con apartados que definen e ilustran,
con los ejemplos necesarios, a la Probabilidad de eventos independientes y condicionados. Se
termina con lo correspondiente a la Probabilidad Total y el Teorema de Bayes.
Es importante sealar que para el correcto aprovechamiento de lo que este trabajo presenta es
necesario contar con los conocimientos del Algebra Elemental y del Algebra de Conjuntos; as como
una abierta disposicin para considerar por un lado el orden y la sistematizacin del conocimiento y
de manera simultnea, por otro lado, el anlisis profundo y razonado de cada concepto y ejercicio
que el documento de mande realizar por parte del estudiante. En el campo de la Probabilidad se dice
que un problema bien comprendido y planteado satisfactoriamente est, para fines prcticos, en un
noventa por ciento o mas bien resuelto.
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 4
Es por ello que, al final de cada una de las dos partes de estos apuntes, se ofrecen un conjunto de
ejercicios propuestos para que quien los estudia le sirvan de repaso, despejen dudas y refuercen lo
aprendido sobre el tema en cuestin. Para coadyuvar a lo anterior se entregan las respuestas de
algunos de ellos.
Es propicia la oportunidad para agradecer al Ing. Salvador Garca Burgos y a la Maestra Alejandra
Vargas, Coordinador de Ciencias Aplicadas y Jefa del Departamento de Probabilidad y Estadstica
respectivamente, de la Divisin de Ciencias Bsicas, por su invaluable apoyo para la realizacin de
este material didctico. As tambin, nuestro reconocimiento a Lina Garca Velasco y Esther Cruz
Camargo por su colaboracin en la labor escribir por computadora el texto de esta primera versin.
Pgina 5
1.
CONCEPTOS BSICOS
1.1
1.1.1
MODELOS
Para resolver los problemas relevantes que se le presentan al ingeniero, se utilizan abstracciones a
las que se les conoce como modelos, mediante los cuales se analiza el comportamiento de los
fenmenos fsicos del mundo real, en las ciencias toman en general la forma de una ecuacin
matemtica, por ejemplo, las leyes de Newton son modelos matemticos tiles para la ingeniera,
por que a travs de ellos se pueden estudiar, analizar y cuantificar el comportamiento de varios
fenmenos reales (sistemas fsicos), como el movimiento en diferentes formas de objetos o el
comportamiento de una estructura sujeta a diversas fuerzas de tensin y/o comprensin, es decir, se
puede predecir su respuesta ante diversos estmulos; otros ejemplos de modelos matemticos son las
ecuaciones de transferencia de calor o las ecuaciones de equilibrio de reacciones qumicas.
1.1.2
FENMENOS
a)
b)
EXPERIMENTO: Es todo aquel acto o accin que se realiza con el fin de observar el
comportamiento de un fenmeno y obtener sus resultados cuantificados. Los analistas
estadsticos utilizan la palabra experimento para describir cualquier proceso que genere un
conjunto de datos.
Los experimentos pueden clasificarse de acuerdo al tipo de resultados en determinsticos o
probabilsticos (aleatorios).
Pgina 6
Para nuestro tema de estudio nos interesan los experimentos probabilsticos o aleatorios,
pero debemos establecer claramente la diferencia con los determinsticos.
c)
Figura 1
d)
Pgina 7
1.1.3
ESPACIO MUESTRAL
Los experimentos aleatorios generan diversos resultados, que se agrupan en lo que se llama espacio
muestral, es decir, es el conjunto de valores que pueden ser nmeros reales o representaciones no
numricas que constituyen todos los posibles resultados en un experimento aleatorio, de modo
completo y mutuamente excluyente. El espacio muestral se representa mediante (S). A cada posible
resultado del espacio muestral se le llama elemento o evento simple.
Los espacios muestrales se pueden clasificar de acuerdo con la cantidad de valores reales que
pueden representar a los posibles resultados de un experimento, pueden ser discretos cuando
solamente toman algunos valores reales dentro de un intervalo o valores no numricos y continuos
cuando toman todos los valores reales de un intervalo.
Ejemplo: En una esfera transparente se tienen una gran cantidad de chicles de dos colores:
amarillos(a) y blancos (b). Si una persona introduce en la mquina una moneda de un peso, obtiene
uno de estos chicles. Supngase que un nio introducir dos pesos, uno despus del otro, Cul es el
espacio muestral para los diferentes arreglos de colores que puede esperar el nio del par de chicles
que adquirir?. Para este experimento el espacio muestral es: S = {aa, ab, ba, bb}
Ejemplo: Considrese el caso de arrojar un dado y observar el nmero de puntos que tienen la cara
que queda hacia arriba, el espacio de eventos es S = {1, 2, 3, 4, 5, 6} en este caso se trata de un
espacio discreto, ya que los posibles resultados son representados nicamente por los valores enteros
que hay en el intervalo [1, 6].
Ejemplo: En un tribunal, el da de hoy se juzgarn tres casos de personas detenidas por diversos
delitos. En este proceso slo pueden tenerse dos resultados, por cada caso, inocente (I) o culpable
(C). Los posibles resultados del proceso son: S = {III, IIC, CII, ICI, ICC, CIC, CCI, CCC}, se
contabilizan ocho y ntese que son valores no numricos.
Ejemplo: En una banda transportadora, un tcnico revisa las piezas elaboradas y retira las que se
consideran defectuosas, con base en los criterios de la empresa, l tiene la orden de parar el proceso
cuando se acumulen ocho piezas defectuosas, para darle mantenimiento a la mquina, y adems
debe rendir un informe de cuntas piezas fabricadas (n) se lograron hasta la suspensin, si sta se
llega a dar. El espacio muestral de los posibles resultados que pueden aparecer en el reporte, sobre
las piezas fabricadas hasta que representa la octava defectuosa, es el siguiente: S = {n | n = 8, 9, 10,
11, }.
Ejemplo: Un misil es lanzado y en determinados tiempos, se observan las tres componentes de la
velocidad del mismo en el espacio (vx, vy, vz). El espacio muestral que genera este experimento es
continuo:
S = {vx, vy, vz | vx, vy, vz
}.
Ejemplo: Ahora considrese el voltaje que se recibe en una casa-habitacin, que puede tener una
magnitud de 120 a 127 volts, lo que implica que el voltaje que llega puede tomar cualquier valor real
dentro del intervalo [120, 127] volts, por lo tanto el resultado puede ser entero o fraccionario, en este
caso se dice que el espacio es continuo, porque el resultado puede ser cualquier valor real dentro del
intervalo.
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 8
As mismo, debe analizarse otra caracterstica de los espacios muestrales, el tamao de ellos. Esto
es, pueden ser finitos (numerables) o infinitos (numerables o no numerables). As, el primer,
segundo y tercer ejemplos son discretos numerables, hay cuatro, seis y ocho resultados
respectivamente; el cuarto es discreto no numerable y; el quinto y el sexto son espacios muestrales
continuos (infinitos).
1.1.4
EVENTOS
De cualquier experimento nos pueden interesar especficamente determinados resultados que los
podemos agrupar en lo que recibe el nombre de evento. Esto es, cualquier conjunto de resultados
definido en el espacio muestral de un determinado experimento, que tienen entre s ciertas
caractersticas especiales que slo ellos las poseen, el resto de los resultados no. De esta manera
pueden considerarse al espacio muestral como un conjunto universal (U) y a los eventos como
subconjuntos, contenidos dentro de l. Por lo tanto, la teora de eventos est sujeta a las operaciones
y leyes del lgebra de conjuntos.
En general los eventos se representan mediante letras maysculas, por ejemplo en el experimento de
arrojar un dado puede interesar que el resultado cae un nmero primo, el evento A sera A = { 2, 3,
5}, un evento A ocurre si el resultado del experimento es un elemento de evento A, si cae el nmero
2 entonces A sucedi. Otro evento B en el mismo experimento podra ser cae un nmero mayor a
3, y este queda definido como B = {4, 5, 6,}.
1.1.5
OPERACIONES DE EVENTOS
UNIN: Se realiza con los elementos de dos ms eventos de un espacio muestral, que
pueden estar en uno u otro o en ambos eventos. Se denota con el smbolo .
Ejemplo: Al arrojar un dado, evento D cae un nmero par, D = {2, 4, 6} y evento F sale un
nmero mltiplo de tres, F = {3, 6}, Cul es la unin de D y F?.
Solucin: La unin de D y F se representa mediante D F es igual a los elementos que
hay en D y F sin repetirse, por lo tanto D F = {2, 3, 4, 6}.
Ejemplo: En un grupo de Ingls hay cuatro alumnos de nivel avanzado (G), 8 de nivel
intermedio (H) y 12 de nivel bajo (I). Para regularizar lo ms posible el profesor impartir
un curso preliminar slo a los que no alcancen el nivel avanzado (J). Qu alumnos
asistirn?
Solucin: Los que asistirn al curso son los 20 alumnos del nivel no avanzado que ser
formado por las personas de los personas de los niveles intermedio y bajo; esto es:
J = H I.
Pgina 9
b)
Ejemplo: Las actividades cotidianas preferentes de Juan son: jugar al ftbol, jugar ajedrez,
estudiar ingeniera y realizar tareas altruistas y, las actividades de la misma ndole para
Mara han sido siempre: ver el ftbol, jugar ajedrez, estudiar ingeniera y atender su
negocio. Dnde existe compatibilidad entre estas dos personas?
Solucin: nicamente hay coincidencia en jugar ajedrez y estudiar ingeniera. Lo que
constituye una interseccin de orden cualitativo.
Obsrvese que el ftbol es una actividad de inters comn; sin embargo, para uno es el
jugarlo y para el otro es slo verlo.
c)
1.1.6
EVENTOS NOTABLES
a)
b)
EVENTO VACO: Los autores dan dos acepciones; la primera, es aquella cuando carece
de resultados, lo denominan Evento Nulo y; la segunda, cuando se espera la ocurrencia de
algo que no puede ocurrir y lo llaman Evento Imposible. En ambos casos se representa
mediante la letra ( ). Como ejemplo en el caso de arrojar un dado, sean los eventos
A = {nmero primo}={2, 3, 5}, Q ={par igual o mayor que cuatro}={4, 6},
R = {menos tres}={-3}, T = {siete u ocho}={7, 8}. Ahora el evento A
Q=
es el
Evento Nulo; y tanto el evento R como el evento T son Eventos Imposibles.
Pgina 10
c)
d)
Ejemplo: Dado el siguiente diagrama de Venn (fig. 2), determinar cinco eventos notables, del
conjunto de stos que ah se presentan.
C
X
X
X
X
D
X
B
Figura 2
Solucin:
A y B no son mutuamente excluyentes, A
B y E son mutuamente excluyentes B
E=
, y adems F es un subconjunto de E, F
E.
Pgina 11
1.2
TCNICAS DE CONTEO
En algunos experimentos pueden aparecer un nmero muy grande de resultados que dificultan la
contabilizacin directa de los mismos. En esta parte se presentan algunas tcnicas que se conocen
como Anlisis Combinatorio para calcular el nmero de resultados posibles de un experimento de
esta naturaleza.
El Principio Fundamental de la Multiplicacin que es la base para desarrollar las Tcnicas de
Conteo, requiere de un producto sucesivo de nmeros enteros positivos, en forma creciente o
decreciente, denominado factorial de un nmero, que a continuacin se explica.
1.2.1
FACTORIAL DE UN NMERO:
La palabra factorial proviene de factor, que se refiere a los elementos de la multiplicacin. Factorial
de un Nmero es el producto consecutivo de todos los nmeros enteros desde el uno al nmero dado
inclusive, se presenta por n!, donde n debe ser real, entero y positivo, calculndose de la forma
siguiente n! = 1 2 3 4 5 . . . . (n 2) (n 1) n, tomando en cuenta que el orden de
los factores no altera el producto, se puede invertir el orden de stos:
n! = n
(n 1)
(n 2) . . . . . 5
1.
b)
Pgina 12
1.2.2
12!
4!
12!
4!
12 11 10......... 4 3 2 1
12 11 10.... 7 6 5 1.99584 10 7
4 3 2 1
1.2.3
PERMUTACIONES
Escoger el primer objeto (orden = 1). Hay n maneras diferentes, puesto que los n objetos estn
disponibles en n (orden 1) = n (1 1) = n.
b)
Pgina 13
c)
d)
Las permutaciones las representamos mediante P nr , donde n son los objetos disponibles y r (orden)
el nmero de objetos que se toma de los n, aplicando el principio fundamental del conteo
tendramos:
P nr = n
(n 1)
(n 2)...[n (r 2)]
[n (r 1)];
r factores
(n r)
[n (r + 1)]
[n - (r + 2)]...
n (n 1) (n
n!
=
(n r)!
simplificando: P nr = n
(n 1)
n!
n!
=
;
(n n)! 0!
P 15 =
5!
5!
=
=5
(5 1)! 4!
a, e, i, o u.
Pgina 14
b)
c)
P 52 =
5!
5!
=
=5
(5 2)! 3!
ao,
eo,
io,
oi,
ui,
4 = 20
ae,
ea,
ia,
oa,
ua,
ai,
ei,
ie,
oe,
ue,
au
eu
iu
ou
uo
P 53 =
5!
5!
=
=5
(5 3)!
2!
aei,
aie,
aoe,
aue,
aeo,
aio,
aoi,
aui,
aeu,
aiu.,
aou,
auo,
eai,
eia,
eoa,
eua,
eao,
eio,
eoi,
eue,
eau,
eiu,
eou,
eui,
oae,
oea,
oia,
oua,
oai,
oei,
oie,
oue,
oau,
oeu,
oiu,
oui,
uae,
uea,
uia,
uoa,
uai,
uei
uie,
uoe,
uao,
ueo,
uio,
uoi.
3 = 60
iae,
iea,
ioa,
iua,
iao,
ieo,
ioe,
iue,
iau,
ieu,
iou,
iuo,
Ejemplo: De cuntas formas distintas se pueden acomodar en una fila 5 libros de fsica distintos?
Solucin: P 55 = 5! = 120
Esto es porque los libros son distinguibles, uno a uno. Presentan diferencias en el tamao, color de
las pastas, grueso, contenido, etc.
1.2.4
Son aquellas en donde se permite la repeticin de objetos, por lo que puede suceder que r > n. Para
establecer la forma de determinar el nmero de permutaciones con repeticin, consideremos las
Permutaciones Simples y el Principio Fundamental del Conteo.
a)
b)
Para escoger el segundo objeto, se tendrn las mismas n posibilidades de hacerlo, ya que se
pueden repetir los objetos, y as sucesivamente.
c)
n...n
Pgina 15
n2
1.2.5
n3
n4 = 9
100
22
n
Pm
=
1, m2...mk
n!
m 1 ! m 2 !.....m k
Ejemplo: De cuntas formas diferentes se pueden colocar diez libros en una fila de un librero, si
tres son de Fsica iguales, dos de Matemticas iguales y otros cinco de otras diferentes reas de la
ciencia
10
10
Solucin: P3,2
=
= 302,400
32
Pgina 16
1.2.6
PERMUTACIONES CIRCULARES
El problema se plantea para obtener el nmero de arreglos diferentes en que pueden colocarse n
objetos alrededor de un crculo, sin que importe la posicin absoluta de los objetos en crculo, lo que
importa es la posicin relativa entre los objetos, es decir, dos permutaciones circulares sern iguales
si la posicin relativa entre los n objetos es la misma, aunque la posicin absoluta entre ellos sea
diferente.
negro
amarillo
negro
o
azul
rojo
rojo
azul
amarillo
NEGRO AZUL
negro
AMARILLO ROJO,
NEGRO
amarillo
negro
rojo
rojo
azul
negro
azul
Permutaciones circulares diferentes
Figura 4
Las permutaciones circulares de la figura 4 son diferentes, considerando el giro de las manecillas del
reloj y partiendo del color negro:
NEGRO AZUL ROJO AMARILLO, NEGRO AZUL AMARILLO ROJO
Para determinar el nmero de permutaciones circulares que pueden formarse con n objetos, se
considera las permutaciones simples de n objetos A1 A2 A3...An-1 An si lleva el ltimo objeto al
principio tenemos An A1 A2 A3...An-1, si repetimos el procedimiento n veces se tendr n
permutaciones simples, si las llevamos alrededor de un crculo, como ya se dijo, como
permutaciones circulares se trata de la misma permutacin, lo que implica que una permutacin
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 17
circular genera n permutaciones simples, por lo tanto, a partir del nmero de permutaciones simples
Pnn puede obtenerse el nmero de las permutaciones circulares de n objetos disponibles, que
representaremos por PCn, como cada permutacin circular genera n permutaciones simples, las
permutaciones simples de n objetos es igual a n por el nmero de permutaciones circulares de los n
Pnn
n!
n
objetos disponibles: Pn = n PCn, de donde: PCn =
=
, aplicando la frmula fundamental del
n
n
factorial n! = n (n 1)! , se tiene que: PCn = (n 1)!
Ejemplo: De cuntas maneras diferentes pueden sentarse alrededor de una mesa una familia
compuesta por los padres y dos hijos?
P
h2
P
M
h1
P
M
h2
h1
h1
h2
h1
h2
M
h1
h2
h2
h1
Figura 5
Solucin: PC4 = (4 1)! = 3! = 6
1.2.7
COMBINACIONES
Pgina 18
Ernesto y Fernando
Ernesto y Vctor
Ernesto y Jos
Fernando y Vctor
Fernando y Jos
Vctor y Jos
As la pareja: Ernesto y Daniel no es otra combinacin, ya que ellos fueron la primera pareja
enlistada. Como puede apreciarse cuando solamente importa a quienes se selecciona es una
combinacin y es intrascendente el orden que se haya realizado. Daniel y Ernesto o Ernesto y Daniel
son la misma combinacin y, al mismo tiempo, visto desde otra ptica son diferentes permutaciones.
Otra forma de resolverlo:
5!
5! 5 4 3!
C 52 =
=
=
= 10 formas diferentes
2! (5 2)! 2! 3!
2!3!
Ejemplo: De cuntas formas diferentes un director tcnico puede formar el equipo titular de
bsquetbol (cinco personas)?, si el equipo completo dispone de diez jugadores.
Solucin: C10
5 =
1.2.8
10!
10! 10 9 8 7 6
=
=
= 252 formas diferentes
5! (10 5)! 5! 5!
120
En este tipo de combinaciones se permite la repeticin de objetos en una misma combinacin por lo
que el orden puede ser mayor que el nmero de objetos r > n. La expresin que nos da el nmero de
combinaciones con repeticin CR nr , que se pueden formar con n objetos de orden r, se puede
demostrar utilizando el mtodo de induccin matemtica y es igual al nmero de combinaciones
simples que se pueden formar con n + r 1 objetos de orden r, es decir:
CR nr = C nr
r 1
(n r 1)!
r!(n 1)!
Demostracin:
Si n = 1
C1r
r 1
(1 r 1)!
r!(1 1)!
r!
r!(0)!
r!
1
r!
(1)
Pgina 19
Si n = 2
C 2r
(2 r 1)!
r!(2 1)!
r 1
(r 1)!
r!(1)!
(r 1)r!
r!
(2)
(3)
r 1
Si n = k
(k r 1)!
;
r!(k 1)!
C kr
r 1
C (k
r
r 1) 1
(k r 1 1)!
r!(k r 1 1 r)!
(k r )!
k! r!
(k 1 r 1)!
r!(k 1 r 1 r)!
(k r )!
k! r!
(3)
Si n = k+1
C (k
r
1) r 1
(4)
1.2.9
HHHHHHMMMM
HHHHHMMMMM
HHHHMMMMMM
HHHMMMMMMM
HHMMMMMMMM
HMMMMMMMMM
MMMMMMMMMM
NMEROS COMBINATORIOS
En matemticas son muy importantes los nmeros combinatorio, que se representan mediante
n
r
n =
r
n!
r! (n r)!
Cuando los nmeros combinatorios son de orden cero, toman el valor de uno.
Demostracin:
Pgina 20
n!
n!
n =
=
0
0! (n 0)!
0! n!
b)
n!
n! (n n)!
n!
n! 0!
n!
=1
n!
como 0! = 1
n = n! = 1
n
n!
n!
n(n - 1)!
n =
=
1
(n 1)!1! (n 1)!
d)
n
0
n =
n
c)
como 0! = 1
Si n es el numerador de dos nmeros combinatorios, con un orden, de cada uno de ellos, que
al sumarse complementan dicho numerador; son condicionantes ambos, necesarios y
suficientes, para que los mencionados nmeros combinatorios sean iguales entre s.
n = n
n r
r
Demostracin:
n!
n!
n
n
n r = (n r)! [n (n r)]! = (n r)! r! = r
e)
L.Q.Q.D.
Si dos nmeros combinatorios, con igual numerador n, pero uno con orden r y el otro con
orden r + 1, se suman; siempre se tiene otro nmero combinatorio con numerador n + 1 y de
orden r + 1.
n + n
= n 1
r
r 1
r 1
Demostracin:
n + n
r
r 1
n!
n!
+
r! (n r)!
(r 1)! (n r 1)!
Pgina 21
n + n
r
r 1
n!
n!
+
r! (r 1)(n r 1)!
r! (n r 1)! (n r)
Completando los denominadores para tenerlos iguales, sin alterar los sumandos.
n + n
r
r 1
n! (r 1)
n! (n r)
+
r! (r 1)(n r 1)! (n r) r! (r 1)(n r 1)! (n r)
Efectuando operaciones:
n + n
r
r 1
n! (r 1) n! (n r)
n! (n 1)
=
r! (r 1)(n r 1)! (n r) r! (r 1)(n r 1)! (n r)
(n 1)!
n + n
=
r
r 1
(r 1)! (n r)!
Por otra parte desarrollando el nmero combinatorio:
(n 1)!
(n 1)!
n 1 =
=
L.Q.Q.D.
r 1
(r 1)! [(n 1) (r 1)]! (r 1)! (n r)!
Teorema del binomio. Establece que la suma de dos nmeros elevada a un exponente
entero y positivo (a + b)n es igual a la suma, trmino a trmino, desde r igual a cero hasta n,
del producto del nmero combinatorio n
r (coeficiente), el primer trmino del binomio
elevado a la potencia (n r) y el segundo trmino elevado a la potencia r; es decir:
(a
b)n
n a (n - r) b r
r
r 0
Tringulo de Pascal. Donde los nmeros combinatorios forman un arreglo triangular que
corresponden a los coeficientes de un desarrollo binomial.
Pgina 22
0
0
1
0
2
0
3
0
4
0
1
1
2
1
3
1
4
1
3
3
3
2
4
2
2
2
4
3
4
4
Figura 6
Ejemplo: Considerando el ejemplo anterior de (a + b)4, observe que los coeficientes del desarrollo
binomial corresponden a los nmeros combinatorios de la base del Tringulo de Pascal (figura 6).
c)
n!
n =
=1
n
n! (n n)!
si se requiere el nmero de subconjuntos con n 1 elementos (r = n 1):
n!
n(n 1)!
n
=
=
=n
n 1
(n 1)! [n (n 1)]! (n 1)! (1)!
si es necesario conocer el nmero de subconjuntos con n 2 elementos (r = n 2):
Pgina 23
n!
n(n 1)!
n
n 2 = (n 2)! [n (n 2)]! =
2!
y as sucesivamente hasta el nmero de subconjuntos con un solo elemento:
n!
n
1 = 1! (n 1)! = n
De los resultados anteriores se puede concluir, que el nmero de subconjuntos de un
conjunto es:
n + n
+ n
n
n 2 + - - - -+
n 1
n
1 + (conjunto vaco) =
n
r 0
n
1
= 2n
n
(1)n0 (1)0+ 1
+ n
(1)1 (1)n-1 n
n
n 1
n-2
2
(1)n1 (1)1+ n
2 (1) (1) +.....
(1)0(1)n
n
n
n
n
2n = n
0 + 1 + 2 +.....+ n 1 + n
=
r 0
n
r
L.Q.Q.D.
Ejemplo: Una persona tiene cuatro monedas de diferente denominacin. Cuntas cantidades
diferentes de dinero puede formar con una o ms de ellas?
Solucin:
Primer mtodo:
4 +
4
4
3 +
4 +
2
4
1 = 1 + 4 + 6 + 4 =15 cantidades
Segundo mtodo:
El nmero de subconjuntos que se pueden formar con las cuatro monedas de 24 = 16 menos el
subconjunto que no contiene ninguna moneda (conjunto vaco), lo que da por resultado 15
cantidades diferentes.
Pgina 24
RESULTADOS
BB
B
2do
BV
R
BR
VB
B
1ero
2do
VV
R
R
VR
RB
B
2do
RV
R
RR
RR
Figura 7
Por lo tanto hay nueve arreglos diferentes en cuanto al color de las pelotas que se sacan de la urna.
Obsrvese que este problema gener tres puntos de toma de decisiones (nodos) y dos generaciones
de ramas.
Pgina 25
n2 = 3
b) Ac
c) ( Ac
B c )c
d) [ A
Bc
A]c
e) [ A
C c ]c
1.2 Apoyndose en los diagramas de Venn Euler, esquematice las siguientes relaciones:
a) A
B, luego A
c) A
b) A
B, luego B
d) ( A
B )c
(A
Bc
(B
Bc )
Ac )
(B
Ac )
(A
B )c
1.3 En una junta del Consejo Directivo de una empresa, asiste el presidente, 2 vicepresidentas, 4
socios, 2 socias y una secretaria.
a) De cuntas maneras diferentes se pueden sentar alrededor de una mesa redonda para sesionar, s
el presidente siempre ocupa el mismo lugar flanqueado por las dos vicepresidentas?
b) De cuantas maneras pueden salir de la sala, si siempre salen primero las dos vicepresidentas
seguidas por el presidente y luego el resto?
c) De cuntas maneras pueden salir de la sala si primero salen las mujeres y luego los hombres
encabezados por el presidente?
1.4 Una empresa acaba de terminar una votacin secreta para elegir al Director de Comercializacin
de la misma, la caja de votos contiene cuatro papeletas con votos para el candidato A y tres para el
B. Supongamos que estas papeletas se sacan de la caja una por una para conocer el resultado de la
votacin:
a) Elaborar una lista de los resultados posibles y contabilizarlos.
b) Para qu resultados, A siempre se sostuvo adelante de B?
c) Para qu resultados se decide la votacin en la extraccin de la sexta papeleta?
1.5 En una avenida hay dos bancos, con cajeros automticos que funcionan las 24 horas, uno frente
a otro. El banco A tiene 4 cajeros automticos y el banco B tiene 5 cajeros automticos:
a) Plantee el espacio muestral y su tamao, de los cajeros automticos ocupados simultneamente en
los dos bancos.
b) Establezca el evento: El banco A tiene ms cajeros ocupados que el banco B.
c) La suma de los cajeros automticos ocupados en ambos bancos es 5, Cuntos casos pueden
presentarse bajo esta condicin?
Pgina 26
1.6 Un transportador de carga tiene capacidad de espacio para dos cajas de cierto tipo,
independientemente del peso que contengan. Una bodega maneja para sus productos cajas de este
tipo y pesan: 10, 20, 30 y as sucesivamente hasta 100 kg. Supngase que el transportador slo se
utiliza cuando se completan las dos cajas de carga. Se elijen dos cajas al azar de la bodega para
ponerlas en el transportador. Considrese x el peso de la primera caja y y el peso de la segunda
caja; de tal forma que el par ordenado (x, y) representa el resultado para este experimento.
Utilizando un plano cartesiano grafique:
a) Espacio muestral.
b) Evento B = {la segunda caja pesa el doble de la primera}
c) Evento C = {las dos cajas pesan lo mismo}
d) Evento D = {la primera caja pesa 20 kg menos que la segunda}
e) Plantee los eventos, de los anteriores incisos, de manera analtica.
1.7 Un estudiante tiene que contestar bien al menos ocho de diez preguntas en un examen para
aprobar:
a) Cuntas maneras de aprobar tiene?
b) Cuntas maneras de aprobar tiene si las tres primeras preguntas son obligatorias de contestar
bien?
c) Cuntas formas de aprobar tiene si debe contestar bien cuatro de las cinco primeras preguntas?
1.8 De un grupo de cuatro hombres y cinco mujeres, Cuntos comits de 3 miembros son posibles?
a) Sin restricciones.
b) Con un hombre y dos mujeres
c) Con una mujer y dos hombres, de stos ltimos uno siempre debe estar en el comit.
1.9 Un pequeo banco tiene disponibles tres analistas, cinco cajeros y dos administradores. De
cuntas maneras el gerente puede escoger un grupo de trabajo de seis personas, si ste debe de
contar con:
a) Dos analistas, tres cajeros y un administrador,
b) Un analista, as como tres cajeros y dos administradores,
c) Uno o dos analistas, no menos de tres cajeros y el resto administradores; pero al menos el grupo
de trabajo debe tener un empleado de cada especialidad?
Pgina 27
2.
CONCEPTO DE PROBABILIDAD
2.1
2.1.1 CLSICA
Si un experimento aleatorio puede resultar de n(S) formas igualmente posibles y mutuamente
excluyentes y si n(A) de esos resultados tienen un atributo (caracterstica especfica) A, la
probabilidad de evento A es la proporcin de n(A) con respecto a n(S) en otras palabras, la
probabilidad de que ocurra un evento A, es el cociente del nmero de elementos en A, entre el
nmero de elementos que hay en el espacio muestral S.
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 28
P(A) =
n ( A)
n( S )
A = {1}
B = {2}
C = {2, 4, 6}
D = {1, 3, 5}
E = {1, 2}
F = {3, 4, 5, 6}
N(A) = 1
N(B) = 1
N(C) = 3
N(D) = 3
N(E) = 2
N(F) = 4
nA 1
nS
6
nB 1
nS
6
n (C) 3 1
n ( S) 6 2
n ( D) 3 1
n ( S) 6 2
n(E) 2 1
n (S) 6 3
n ( F) 4 2
n (S) 6 3
Decimal
Porcentual (%)
0.1666
16.66
0.1666
16.66
0.5
50.00
0.5
50.00
0.3333
33.33
0.6666
66.66
2.1.2 FRECUENTISTA
Si un experimento se repite n veces bajo las mismas condiciones y n(A) de los resultados son
n( A)
favorables a un atributo A, el lmite del cociente
conforme n se vuelve grande, se define como
Pgina 29
P(A) = lim
n
n (A)
n
donde n(A) es el nmero de veces que se observa que sucede el evento A en n repeticiones del
experimento.
Una forma comn de calcular la probabilidad de un evento E desde el punto de vista frecuentista es
dividiendo el nmero de veces que se presenta E, n(E); entre el nmero total de experimentos
efectuados n(S)
n(E)
P(E) =
n (S)
Ejemplo: Sea E el conjunto de mujeres en un grupo de probabilidad y S el total de alumnos en ese
grupo. Si en el grupo hay 45 alumnos de los cules 15 son mujeres, cul es la probabilidad de que
al escoger al azar un alumno, este sea mujer?
Solucin:
15 1
0.3333
P(E) =
45 3
Ejemplo: En una fbrica de resistencias para planchas se hace un muestreo peridico con el
propsito de determinar el porcentaje promedio de defectos en la produccin, los resultados que se
n
obtuvieron obedecen a la siguiente expresin
:
n 10000
Nmero de planchas muestreadas
20
40
70
95
Porcentaje de defecto
0.00199
0.00398
0.00695
0.00941
Solucin:
Tomando lmite a la expresin
n
n
10000
, tenemos
lmn
n
n
indeterminado
10000
n
1
1
n
Solucin:
=
=
, ahora tomamos el lmite
n 10000
10000
n 10000
1
n
n
n
n
1
1
1
lmn
=
=
=1;
por lo tanto el porcentaje de defectos tiende al 1%.
10000
10000
1
0
1
1
n
Pgina 30
2.1.3 SUBJETIVA
De acuerdo con esta interpretacin, la probabilidad de un evento es el grado de certidumbre que
tiene una persona, o grupo de personas, acerca de la ocurrencia de un evento, puede ser que se
sustente en la experiencia o en cierta informacin que se tenga. Una probabilidad igual a cero indica
una certeza absoluta de que el evento no ocurrir y una probabilidad igual a uno (100%) indica una
certeza absoluta de que el evento ocurrir.
Es importante reconocer que por la enorme cantidad de variables a considerar en determinados
problemas, la utilizacin de modelos matemticos se vuelve una situacin compleja e imprctica y
este enfoque, de acudir a la experiencia y visin de expertos en determinados campos de la actividad
humana resulta ms apropiado. Preguntas como las siguientes tendran respuestas con alto grado de
certidumbre al consultar con expertos: En que periodo de tiempo se construir la presa de La
Parota?, Qu candidato de los actuales ser el que gane las elecciones?, Cunto ser el tiempo
til de una determinada mquina?, slo por poner algunos ejemplos.
Como puede observarse, los cuestionamientos anteriores corresponden a problemas que no tienen su
fundamento en la frecuencia relativa; esto es, son casos que generalmente son nicos y no pueden
repetirse. Por ello, en muy pocas ocasiones se pueden presentar diagnsticos apoyados en la
probabilidad subjetiva, cuando los fenmenos estudiados sean producto de experimentos repetitivos.
Una ltima consideracin sobre este enfoque, es que la probabilidad representa un grado de
creencia sobre el suceso de una afirmacin, en el mbito de un juicio personal, que lleva una
enorme carga de intuicin, experiencia y sentimiento. Son posibles ciertas variaciones, en mayor o
menor grado, al consultar a dos o ms expertos sobre un mismo problema. No obstante, en campos
como la alta gerencia, la mercadotecnia, la milicia, la innovacin tecnolgica, planeacin
econmica, la poltica, la medicina, la educacin, entre otros; acuden los niveles directivos a la
consulta de expertos para la bsqueda de las soluciones ms acertadas y oportunas a problemas
generales y especficos que surgen en sus diferentes competencias.
Ejemplo: De acuerdo a las condiciones climticas que percibo, casi estoy seguro (90%) de que
llover hoy.
Ejemplo: Considerando la recaudacin hacendara, la produccin industrial y de servicios del pas,
el incremento previsto de sus exportaciones, el control de la deuda externa, el ambiente de
inseguridad interna y el problema de la crisis econmica internacional; existe en los analistas del
sector financiero mexicano una estimacin optimista mayor al 80%, de que la paridad peso dlar
no sobrepasar la relacin 20: 1, durante el periodo 2009 2011.
2.2
P(A) > 0
Pgina 31
Axioma 2: P(S) = 1
La probabilidad del evento seguro es igual a uno.
La posibilidad de que suceda cualquier resultado del espacio de
eventos es igual a la unidad.
Ejemplo: En el experimento de arrojar un dado, el espacio muestral es: S = {1, 2, 3, 4, 5, 6} la
probabilidad de que el resultado est dentro del intervalo [1, 6] es uno; P (S) = 1
A partir de estos axiomas se deriva la siguiente conclusin, si A es un evento cualquiera del espacio
muestral de un experimento incluyendo el evento vacio y el evento seguro, la probabilidad de A se
encuentra en el intervalo [0, 1].
0
P(A)
Esto es, la probabilidad de un evento cualquiera, no puede tomar un valor menor de cero ni mayor a
uno.
Ejemplo: Evento A cae nmero primo, en el experimento de arrojar un dado.
S = {1, 2, 3, 4, 5, 6},
Axioma 3:
3
6
0.50
A B=
Figura 8
Generalizando, para cualquier nmero finito K de eventos mutuamente excluyentes:
P(A1
A2
.....
AK) = P(
P( Ai)
A i) =
i 1
i 1
As tambin, para un nmero infinito de eventos, en las mismas condiciones, que son excluyentes
uno a uno:
P(A1,
A2,
.....
AK
. . . . .) = P(
P( Ai)
A i) =
i 1
i 1
Figura 9
A
2
4
6
1
3
5
Pgina 32
B)c = P(5) =
y P[(A
B)
(A
B)c] = P(S) = 1
A
c
Figura 10
La expresin demostrada anteriormente es muy til, se le conoce tambin como probabilidad del
complemento.
Ejemplo: En el experimento de arrojar un dado se definen los eventos siguientes:
Evento A cae par A = {2, 4, 6} y evento B cae impar B = {1, 3. 5}. Calcular P(A B)
Solucin: A B =
yA B=S
3 3
P(A B) = P(A) + P(B) =
1
6 6
Ejemplo: En un almacn hay diez llantas de determinada medida para camin, cuatro de ellas
tienen defectos, que no se aprecian a simple vista, un conductor de un camin entra al almacn para
tomar al azar cuatro de ellas, Qu probabilidad hay de que al menos (como mnimo), tome una
defectuosa?
Solucin: Partiendo de que el chofer puede tener n(s) = C 410 210 formas diferentes de tomar las
cuatro llantas de las diez disponibles; el evento de este problema se puede enunciar:
A = {Toma una o toma dos o toma tres o toma cuatro llantas defectuosas}
A1 = {Toma una llanta defectuosa y tres en buen estado}
A2 = {Toma dos llantas defectuosas y dos en buen estado}
A3 = {Toma tres llantas defectuosas y una en buen estado}
A4 = {Toma cuatro llantas defectuosas y ninguna en buen estado}
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 33
Entonces: P( A) P A1 A2 A3 A4
Tomando en cuenta el Axioma 3, en virtud de que A1, A2, A3 y A4 son mutuamente excluyentes
P( A) P( A1 ) P( A2 ) P( A3 ) P( A4 )
entre s:
P( A)
C14 C36
C 24 C 26
C34 C16
C 44 C 06
C 410
C 410
C 410
C 410
80
210
90
210
24
210
1
210
195
210
0.9286
B
S
A
Figura 11
, entonces:
Figura 11
Anteriormente se defini la unin de dos eventos, como los elementos que hay en ambos sin
repetirse (excluyentes), ahora habr de tratarse el caso cuando en A y B hay elementos comunes (no
excluyentes) esto es n(A B) = n(A) + n(B) n(A B), donde n(A B) es el nmero de elementos
de la unin de A y B, n (A) el nmero de elementos de A, n(B) el nmero de el elemento de B, por
ltimo n(A B)el nmero de elementos de la interseccin de A y B, si a ambos miembros de la
igualdad los dividimos entre n(S) (nmero de elementos del espacio de eventos) y aplicamos el
n(E)
concepto de probabilidad P(E)
tenemos lo que se conoce como Ley de adicin de
n(S)
probabilidades:
P(A
B)
S
A
=
=
S
A
(A
B c)
S
A
(A
B)
(B
BB
A c)
Figura 12
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 34
A B = (A Bc) (A B) (B Ac)
Recordando que: Ac es complemento de A y Bc es complemento de B, del diagrama tenemos:
n(A
Bc) + n(A
B) = n(A
B) + n(B
Ac)
B)
y n(B
B)
B) = n(A) n(A
B) + n(A
B) + n(B) n(A
B)
B)
L.Q.Q.D.
Ejemplo: En el experimento de arrojar un dado se definen los eventos: A cae nmero primo A={2,
3, 5}, B cae nmero par B={2, 4,6} y C cae nmero mayor o igual a cinco C={5,6}
Solucin: n(S) = 6, n(A) = 3, n(B) =3, n(C) = 2
3 3 1 5
P(A B) =
0.8333
83.33%
6 6 6 6
P(A
C) =
P(B
C) =
3
6
3
6
2
6
1
6
2
6
4
6
1
6
4
6
0.6666
66.66%
0.6666
66.66%
Ejemplo: En un grupo de probabilidad hay 35 hombres de los cuales 5 estn becados y 15 mujeres
entre ellas 2 tienen beca. Si el profesor elige a un alumno al azar, de la lista de clase, para que pase
al pizarrn.
Obtener la probabilidad de que:
a) Sea hombre
S
b) Sea mujer y est becada
A
B
c) Sea mujer no becada
d) Sea mujer u hombre, pero becado ste ltimo
13
Solucin:
Eventos: A = {mujer} ; Ac = {hombre} ; B = {con beca}
15
7
Datos:
P(A) =
; P(B) =
50
50
30
Figura 13
a) Del Teorema 2:
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 35
15 35
=
50 50
n( A B) 2
B) =
n(S )
50
P(Ac)= 1 P(A) = 1 b) P( A
c) P ( A
n( A B c )
B )=
n(S )
d) P ( A
( Ac
13
50
B) =
15 5 20
+ =
50 50 50
B) =
15 7 2 20
+ =
50 50 50 50
B) P(A
C) P(B
C) + P(A
C)
Demostracin:
Figura 14
Considerando (A B) como un solo evento tenemos que
n[(A B) C] = n(A B) + n(C) - n [(A B) C]
desarrollando el sustraendo n[(A B) C] y dentro de el n[(A B).
n[(A B) C] = n(A) + n(B) n(A B) + n(C) n[(A B) (B C)]
n[(A B) C] = n(A) + n(B) + n(C) n(A B)
[n(A B) + n(B C) n(A B) (B C)]
n[(A B) C] = n(A) + n(B) + n(C) n(A B) n(A C) n(B C) + n(A
Aplicando probabilidad tenemos:
P(A B C) = P(A) + P(B) + P(C) P(A
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
B) P(A
C) P(B
C) + P(A
C)
C)
Pgina 36
C) =
P (A
1
,
6
C) =
P (B
3
6
3
6
C) =
3
6
2
6
0
6
y P (A
1
6
2
6
0
6
C) = 0
9
6
3
6
6
6
6
1
4
3
5
Figura 15
De manera general:
k
P(A1
A2
A3
...
A k) =
P ( Ai )
i 1
P ( Ai
Aj )
i j 2
k-1
A2
A3
...
P Ai
Aj
At
i j t 3
Ak)
Ac)
A
Por el axioma 3:
P(B) = P(A) + P(B
Ac )
Ac) > 0
L.Q.Q.D.
Ac
Figura 16
Pgina 37
2.3
B: Evento Apriori o
espacio muestral
reducido
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Figura 17
A B: nica
posibilidad que el
evento A ocurra.
Pgina 38
P( A B )
P( A)
B ) = {(2,4) (4,2)}
P(A B ) =
P( A B )
P( B )
n(A) = 11
n(B) = 5
n(A B) = 2
2
36
5
36
2
5
0.40,
o bien 40%
Pgina 39
A)
o bien
P(A
B ) = P (B) P(A
B)
4r
2b
Primera caja
Segunda caja
Figura 18
Para el clculo nos auxiliaremos con un diagrama de rbol, como se muestra en la figura 19, si el
cubo que se pasa a la segunda caja es rojo, en esta quedarn 5 rojos y 2 blancos; si el cubo que se
pasa a la segunda caja es blanco, en esta quedarn 4 rojos y 3 blancos.
Figura 19
r2
5
7
5r
2b
r1
b2
2
7
r2
4
7
b2
3
7
P (r1
P (r1
5
8
5
b2) = P(r1) P b 2 r1 =
8
r2) = P(r1) P r2 r1 =
5
7
2
7
25
56
10
56
5
8
5r
2b
3
8
b1
4r
3b
Pgina 40
De estas posibilidades interesa que al sacar el segundo cubo sea blanco, sin importar de qu color
haya sido el cubo que se cambio de la primera a la segunda caja, por lo tanto.
10 9 19
P (r1 b2) + P (b1 b2) =
0.3393 o bien 33.93%
56 56 56
A1
40
15
55
A2
60
20
80
Total
100
35
135
A1
A2
B1
B2
Largo
Corto
Punta plana
Punta de cruz
Para determinar una probabilidad conjunta, digamos cortos con punta plana, de acuerdo con la tabla,
es el cociente 60/135 = 0.4444, que se obtuvo al dividir el nmero del nmero de desatornilladores
cortos y que tienen punta plana, en trminos matemticos esto se expresa:
A2 B1 = n21 = 60, entre el total de todos los desatornilladores del taller considerados
n = 135
Generalizando se obtiene la Probabilidad Conjunta de dos eventos con la expresin siguiente:
P (Ai
Bj) =
n ij
n(s)
donde i = 1, 2, 3
j = 1, 2, 3
Considrese que nicamente nos interesa conocer la probabilidad de los eventos Bj, sin tomar en
cuenta cualquier otro evento del espacio S. Haciendo uso de la interpretacin frecuentista de la
probabilidad de escoger un desatornillador con punta plana, se considera tanto a los cortos como a
los largos n11 + n21, esto es la probabilidad marginal de B1 (punta plana) de tal forma que:
n11 n 21 40 60
P ( B1 )
0.74
n(s)
135
Se observa que el subndice correspondiente al evento B permanece constante en la suma
n11 + n21
Generalizando, La Probabilidad Marginal de cualquier evento Bj puede calcularse:
n
n ij
P (Bj) =
i 1
n(s)
, pero
n ij
n(s)
Pgina 41
P(Bj) =
P( Ai
Bj)
i 1
Ai :
P( Ai )
P( Ai
Bj ),
i 1
55
80
= 0.4075 y P(A2) =
= 0.5925
135
135
2
P ( Ai ) = 0.4075 + 0.5925 = 1
Por lo tanto
i 1
P(B1) =
100
35
= 0.74 y P(B2) =
= 0.26
135
135
2
Por lo tanto
P( B j ) = 0.74 + 0.26 = 1
i 1
bien 12.5%
Ejemplo: En una Olimpiada compiten tres arqueros para la final, la probabilidad de que den en el
1 1 1
blanco son , y . Si la final se resuelve con slo un tiro de parte de cada uno de los arqueros:
2 3 6
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 42
El arquero Ai no da en el blanco
P( A) P[( A1
A2
A3 )
( A1
A2
A3 )
( A1
A2
A3 )]
b) B
P( B )
P A1
A2
A3 c
P( A1 )P( A2 )P( A3 c )
c) C
1 1 5
5
0.1388
2 3 6
36
El primer y segundoy el tercer arquero fallan
P(C )
P A1c
P(C )
1 2
2 3
P( B)
A2 c
5
6
A3 c
10
36
0.277
Pgina 43
Ejemplo: En una serie de focos (Ai), se tienen las probabilidades de que funcionen, de manera
independiente, cada uno de ellos como se indica en el diagrama. Considrese X como la fuente de
energa y Z como destino de la misma. Los componentes Ai estn ligadas por lneas de conduccin,
para integrar el sistema en cuestin.
a) Cul es la probabilidad de que el sistema funcione?
b) Cul es la probabilidad de que el sistema no funcione?
0.70
0.75
0.85
A1
A2
A3
Figura 20
Solucin:
Eventos: F
Ai
Ai c
a) P F
Fc
El sistema funciona
donde i = 1, 2, 3
P F
P A1
A2
A3
P F
0 70 0 75 0 85
b) P( F c ) 1 P F
P A1 P A2 P A3
0 4462
1 0.4462
0.5538
Sistemas en paralelo. Como su nombre lo indica los componentes Ai estn colocados en posicin
paralela. En este caso si un elemento o varios de ellos no funcionan, el sistema s puede funcionar.
Slo hay un caso en el que el sistema no funciona, es cuando todos los componentes no funcionan.
Ejemplo: Sea el siguiente sistema electrnico en paralelo, cuyas componentes tienen la
probabilidad de funcionar, de manera independiente, como se muestra
0.70
A1
X
x
0.75
A2
0.85
Z
y
A3
Solucin:
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Figura 21
Pgina 44
P( F )
P( funcione el sistema)
P( A1
A2
A3 )
P( A1 )
P( A1
P( F )
0.70
P( F )
0.9887
P( A2 )
A2
P( A3 ) P( A1
A3 )
A2 ) P( A1
A3 ) P( A2
A3 )
0.75
A2
0.15
A1
0.85
A3
(A1
A2
A3)
A3c
(A1
A2
A3c)
A3
(A1
A2 c
A3 c
A3
(A1 A2 c
(A1 c
A2
A3c
A3
(A1 c
(A1 c
A2 A3 c)
A2 c
A3)
(A1 c
A2 c
A3)
0.25
0.70
A2c
0.15
0.85
0.30
0.75
A2
0.15
A1
0.25
A3 c)
A3)
0.85
A2c
0.15
A3c
A3 c)
Figura 22
Como puede observarse, en todos los resultados al menos un componente funciona, y por tanto el
sistema funciona; con excepcin del ltimo resultado.
Por tanto:
c
c
c
P F 1 P( A1
A2
A3 ) 1 0 3 0 25 0 15
P F
0 9887
Ejemplo: Sea el sistema de riego que se muestra en el diagrama con cuatro compuertas. Las
compuertas Ai (i = 1, 2, 3, 4) funcionan, para abrirse automticamente y permitir el paso del agua,
con las probabilidades que se indican en el mencionado diagrama.
a)
Calcular la probabilidad de que el sistema funcione
b)
Obtener la probabilidad de que el sistema slo funcione con dos componentes.
Pgina 45
0.80
A2
0.70
A3
0.60
A1
0.60
A4
Figura 23
Solucin:
Ai
SII
SI
El sistema funciona
Eventos: F
Ai La i - sima compuerta funciona
A2
A3
A1
A4
donde i 1, 2 , 3, 4
a) Primer mtodo: utilizando un diagrama de rbol
0.70
Figura 24
0.70
0.60
A2
0.70
0.80
0.30
0.20
A2
A4
0.60
A4
0.40
A4
0.60
A4
0.40
A4
0.60
A4
0.40
0.60
A4
A4
0.40
0.60
A4
A4
0.40
0.60
A4
A4
0.40
A4
0.60
A4
0.40
A4
A3
A3
A3
0.30
0.40
0.70
Figura 25
A3
A2
A1
A4
A3
0.30
0.40
0.60
0.30 A3c
A1
0.20
b)
A3
A2
0.80
a)F
A3
c
c
Pgina 46
P( F )
P[( A1
( A1
A2
A2
c
c
A3
A3
A4 )
A4 )
( A1
A2
( A1
A2
A3
A4 )
( A1
A2
A4 )
( A1
A2
A3
A3
A3
A4 )
c
A4 )
( A1 A2
A3
A4 )]
P(F ) (0.60)(0.80)(0.70)(0.60) (0.60)(0.80)(0.70)(0.40) (0.60)(0.80)(0.30)(0.60)
(0.60)(0.80)(0.30)(0.40) (0.60)(0.20)(0.70)(0.60) (0.60)(0.20)(0.70)(0.40)
(0.60)(0.2 0)(0.30)(0 .60) 0.5856
Tercer mtodo: Considerando los subsistemas SIII, SIV y SV en paralelo (figura 26)
SIII
A2
SIV
A1
A3
A4
SV
Figura 26
P( F )
P S III
S IV
SV ;
P( F )
P ( A1
A2 )
( A1
S III
A3 )
( A1
( A1
A2 ),
S IV
( A1
A3 ),
SV
( A1
A4 )
A4 )
P( A1
A2 ) P( A1 A3 ) P( A1 A4 ) P[( A1 A2 ) ( A1 A3 )] P[( A1 A2 )
P[( A1 A3 ) ( A1 A4 )] P[( A1 A2 ) ( A1 A3 ) ( A2 A3 )]
0.60(0.80 ) 0.60(0.70) 0.60(0.60) (0.60)(0.80)(0.70) (0.60)(0.80)(0.60)
(0.60)(0.70)(0.60) 0.60(0.80)(0.70)(0.60)
( A1
A4 )]
0.5856
A2
A3
A4 c )
( A1
A2
A3
A4 c )
( A1
A2
A3 c
A4 )]
Pgina 47
i 1
eventos S.
A1
A2
A3
A4
A5
B
An-1
A6
..
An
Figura 27
n
B , la unin de las
i 1
P (B) =
P ( Ai
B) ;
i 1
de B: P B
P( Ai )P( B Ai )
i 1
P( Ak B)
P( Ak )( B Ak )
n
P( Ai )P( B Ai )
i 1
Esta ltima expresin se conoce como Teorema de Bayes, que establece la probabilidad de un
evento en particular Ak, dado que ya sucedi el evento B, expresada en trminos de la probabilidad
condicional.
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 48
P( A1 )
Datos:
0.60
P ( A2 )
0.40
P ( B A1 )
0.01
P ( B A2 )
0.04
A1
A2
( A1
( A2
B)
B)
Figura 28
a) Probabilidad total de B:
P( B )
P ( A1
B)
( A2
B)
P( B )
P( A1 )P( B A1 ) P( A2 )P( B A2 )
P( A1 )P( B A1 )
P( B )
0.60(0.01)
0.022
0.2727
Ejemplo: Segn un organismo internacional, con base en sus estadsticas, de cada diez nios que
nacen en el mundo tres tienen aptitudes para las matemticas y de cada cinco nias dos la tienen. S
en una determinada regin donde la poblacin est compuesta por el 52% de mujeres y el resto de
hombres, se elige una persona de manera aleatoria de ese lugar:
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 49
A1
A2
B
hombre
mujer
persona apta para las matemticas
Bc
P( A1 ) 0.48
P( A2 ) 0.52
Datos:
P( B A1 )
0.30
P( B A2 )
0.40
A1
A2
B
( A1
B)
( A2
B)
Figura 29
a) Probabilidad total de B:
P( B )
P ( A1
B)
( A2
B)
P( B )
P( A1 )P( B | A1 ) P( A2 )P( B | A2 )
P( A1 B)
P( B)
P( A1 B)
0.48(0.30)
0.352
0.144
0.352
0.4090
P( A2 B )
P( A2 B c )
P( A2 )P( B c A2 )
P( B c )
0.648
0.52(0.60)
0.648
0.312
0.648
0.4812
Pgina 50
S
A1
A2
P( A1
Bc )
0.336
P( A2
Bc )
0.312
0.144
0.208
P B
0 352
P Bc
0 648
Figura 30
Ejemplo: La empresa Integracin Laboral realiza seleccin de personal tcnico para la industria
de autopartes, para tal propsito aplica un cuestionario de 50 preguntas. Si el aspirante contesta 30 o
ms en forma correcta se clasifica como persona apta para el puesto que solicita y es contratado y
enviado a una fbrica de esa rama industrial. Por registros de la empresa Integracin Laboral se
sabe que 74 de cada 100 aspirantes son clasificados como aptos para el puesto. Adems se conoce
por esos registros que el 80% de los aspirantes que proviene del Tecnolgico Regional de la Zona
(TRZ) son clasificados como aptos para el puesto solicitado. El sbado pasado acudieron al examen
clasificatorio 32 personas, 19 de ellas egresadas del TRZ. En este momento una persona que realiz
dicho examen clasificatorio se acerca para ver su resultado en la lista que est en el pasillo de la
entrada de la empresa Integracin Laboral:
Qu probabilidad existe de que sea un tcnico que no estudi en el TRZ, dado que est clasificado
como apto para el puesto?
Cul es la probabilidad de que sea egresado del TRZ, en virtud de que no fue clasificado como apto
para el puesto?
Solucin:
Eventos:
Datos:
P( A1 )
A1
A2
B
Egresadosdel TRZ
No egresadosdel TRZ
clasificado apto para el puesto
19
32
0 59375
13
0 40625
32
P( B) 0.74
P( A2 )
P( B A1 )
0.80
a) Probabilidad de que sea un tcnico que no estudi en TRZ, dado que est clasificado apto para el
puesto: P( A2 B )
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 51
P( B)
P( A1 )P( B A1 ) P( A2 )P( B A2 )
0.74
P( B A2 )
0.265
0.40625
0.6523
P( A2 )P( B A2 )
P( B )
0.40625 (0.6523 )
0.74
0.4076
b) Probabilidad de que sea un egresado de TRZ, dado que no fue clasificado como apto para el
puesto: P A1 B c
P( B c ) 1 P( B ) 1 0.74
0.26
P( A1 B )
P( A1 ) P B c A1
P( B c )
Como P( B c A1 )
P( A1 B c )
0.2
0.59375 (0.2)
0.26
0.4567
Pgina 52
P(MCU fr )
P(MCU fr )
P(MCU fr )
P(MCU
fr)
P(fr)
0.2(0.65)
0.25(0.5) 0.25(0.6) 0.2(0.65) 0.15(0.7) 0.15(0.7)
0.13
0.13
0.415
P(MCU fr ) 0.21138
P(fr) P(U - 3000
P(I - R
fr)
fr)
P(COP
P(I - T
fr)
P(M CU
fr)
fr)
Figura 31
o bien: 21.138%
Pgina 53
2.3 En una agencia automotriz se tienen cuatro tipos de automviles de la misma marca: 20
compactos, 15 sedanes, 10 camionetas y 5 camiones. Se conoce que: 10 compactos, 12 sedanes, 5
camionetas y 2 camiones cuentan con aire acondicionado.
a) Plantear el diagrama de Venn para este problema.
b) Identificar todos los posibles eventos que estn en el diagrama y transcribirlos al lenguaje del
Algebra de Conjuntos.
c) Calcular la probabilidad total del evento: automvil con aire acondicionado.
d) Si un inspector de la agencia selecciona al azar un vehculo para revisarlo y resulta ser una
camioneta cul es la probabilidad de que tenga aire acondicionado?
2.4 En una urna se tienen 5 canicas blancas iguales y 3 rojas iguales. Se extraen por una persona 3 al
azar de manera consecutiva. Qu probabilidad hay de que:
a) Salgan tres rojas,
b) Salga una roja y dos blancas,
c) Salgan a lo ms dos blancas?
d) Resolver el inciso b), pero para 5 canicas blancas iguales y 3 rojas diferentes entre s.
2.5 Un jugador recibe 3 cartas de una baraja de 52 cartas (sin comodines). Qu probabilidad existe
de que:
a) Le lleguen 2 ases,
b) Le lleguen 2 ases y un rey,
c) Le lleguen 3 ases?
2.6 Considrese un sistema integrado por los componentes A1, A2, A3, A4 y A5 que funcionan de
manera independiente, uno del otro, con probabilidad de que as sea como se indica en el diagrama:
a) Calcular la probabilidad de que el sistema funcione.
0.70
b) Calcular la probabilidad de que el sistema
funcione al menos con cuatro
A
3
componentes.
X
0.85
A1
0.85
A2
0.65
A4
0.70
A5
2.7 Sea el siguiente sistema elctrico formado por seis componentes, con probabilidad de funcionar
de manera independiente, cada uno de ellos, como se indica en el diagrama:
a) Calcular la probabilidad de que el sistema funcione.
b) Calcular la probabilidad de que al menos funcione con cuatro componentes.
0.60
A1
X
x
0.90
A4
0.70
A2
0.60
A3
0.60
A6
Z
y
0.90
A5
Pgina 54
2.8 En un grupo de Probabilidad y Estadstica hay 15 mujeres y 35 hombres. De las mujeres slo 3
rebasan los 1.70 m de estatura y en el caso de los hombres 25 de ellos lo superan. Si el profesor elige
una persona de manera aleatoria para pasar al pizarrn:
a) Obtener la probabilidad de que sea una persona con estatura mayor de 1.70 m.
b) Calcular la probabilidad de que tenga una estatura menor a 1.70 m, si l decidi previamente que
sea una mujer.
2.9 Una compaa automotriz fabrica tres tipos de coches: compacto (A1) en un 50%, mediano (A2)
en un 30% y grande (A3) en un 20%. Por registros estadsticos que ha seguido esta empresa se
conoce que la probabilidad de que un automvil se desvele, antes de un ao de uso, en cada
categora es de: 0.01, 0.02 y 0.03 respectivamente. A una persona que compr hace menos de un ao
un automvil de esta marca se le desvela y presenta una reclamacin a la compaa. Qu
probabilidad hay de que:
a) El automvil sea un compacto,
b) Que no sea ni compacto ni grande?
2.10 En un centro espacial se tienen 27 ingenieros, 12 con nivel de doctorado y los otros con nivel
de maestra. Slo diez de ellos, tres con maestra, segn exmenes clnicos, por sus condiciones
fsicas pueden ser seleccionados para viajar en el prximo vuelo espacial alrededor de Marte. Si en
una reunin a la que asisten los 27, uno de ellos manifiesta abiertamente su gran inters para ser
considerado a viajar en el mencionado vuelo:
a) Si se sabe que cuenta con las capacidades fsicas especficas, Qu probabilidad hay de que tenga
un nivel de maestra?
b) Si carece de las condiciones fsicas requeridas, Qu probabilidad existe de que sea una persona
con nivel de doctorado?
S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10},
A = {2, 4, 5}, B = {4, 5,6}, C = {6, 7, 9}
c
a)
A
B = {6}
b)
Ac B = {1, 3, 4, 5, 6, 7, 8, 9, 10}
c)
(Ac Bc)c = {2, 4, 5, 6} d)
[(A B)c A]c = {1, 3, 4, 5, 6, 7, 8, 9, 10}
d)
[A (B C)c]c = {1, 3, 6, 7, 8, 9, 10}
1.2
a)
AA B
b)
A= A
B={A
+++
++
+
(B Ac )}
Pgina 55
c)
A
C
A
(B
C) = (A
B)
(A
C)
1.3
1.4
a) nS = p74,3
b)
c)
c)
7!
35
4! 3!
5!
10
3! 2!
1.5
a) S = {(a, b) a A y b B ; a = 0, 1, 2, 3, 4 ; b = 0, 1, 2, 3, 4, 5}, nS = 30
b) C = {(a, b) a > b ; a = 1, 2, 3, 4, ; b = 0, 1, 2, 3}
C = {(1,0) (2,0) (2,1) (3,0) (3,1) (3,2) (4,0) (4,1) (4,2) (4,3)}, nC = 10
c) D = {(a, b) a + b = 5 ; a = 0, 1, 2, 3, 4 b = 1, 2, 3, 4, 5}
D = {(0,5) (1,4) (2,3) (3,2) (4,1)}, nD = 5
1.6
Un lote contiene
a)
nS = 10 x 10 = 100
c) C = {(x,y) x = y}; nC = 10
b) B = {(x y) y = 2x} ; nB = 5
100
100
100
50
50
50
50
50
100
50
100
50
100
S
Pgina 56
d) D ={(x,y) x = y 20} ; nD = 8
50
100
x
10
1.7
a)
b)
c)
1.8
1.9
a)
10
Cnr C10
C10
8
9 C10
nA = 45 + 10 +1 = 56 formas
r = nmero de preguntas bien contestadas
nB = {Las 3 primeras y 5 de las 7 restantes bien contestadas las 3 primeras y 6 de las
7 restantes bien contestadas las 3 primeras y 7 de las 7 restantes bien contestadas}.
nB = C33 C57 C33 C76 C33 C77 21 +7 +1 =29 formas
nC = {Contesta bien 4 de las primeras 5 y 4 de las restantes 5 contesta bien 4 de las
primeras 5 y 5 de las restantes 5}
nC = C54 C54 C54 C55 25 +5 =30 formas
na = C93
9!
(9 3)!3!
84
b)
nb = C14 C52 = 4
c)
a)
b)
c)
10 = 40
3
1 = 15
a)
E
25
13
c)
N
A
N
A
A
7
b) N = {Nacionales}
E = {Extranjeros}
A = {Titulados}
AC = {No Titulados}
5
E=
; N y E Son mutuamente excluyentes.
Ac =
; A y Ac Son mutuamente excluyentes.
E = S ; N y E Son complementarios
Ac = S ; A y Ac Son complementarios
Pgina 57
d)
P(A) = P[(A
N)
(A
E )] = P(A
N) + P(A
n( A
E) =
N)
Ac) =
P(E
c
A )
n(E
ns
f)
P[N
(E
25
50
50
0.64
0.10
50
A) =
n( N )
n(E
ns
2.2
E)
ns
ns S
e)
n( A
A)
ns
38
45
50
50
50
0.90
a)
S
A
7
B
2
11
3
2
C
11
16
b.1)
b.2)
2.3
7 11 11
40 40 40
29
40
0.7250
b)
A1
A3
B
A3
A3
Pgina 58
c)
2.4
2.5
A2
A3
A4
A1
A2
A3
A4
P(B)
P(A1
B)
P(A2
B)
P(A3
B)
d)
P(B
a)
b)
P(B) =
c)
P(C) = 1 P(Cc) =
a)
B) = 12
B) = 5
B) = 2
Bc ) = 10
B c) = 3
B c) = 5
B c) = 3
P(A4
B)
29
0.58
50
A3 ) = 0.50
30
56
1
56
0.01785
0.53571
46
56
0.8214
4 3 48
0.01303
52 51 50
b)
P(B) = 3
4 3 4
0.00108
52 51 50
c)
P(C) =
4 3 2
0.00018
52 51 50
C 42 C148
C 52
3
C 24 C14 C 044
P(C) =
2.6
C 352
0.01303
0.00108
C 34 C 048
0.00018
C 352
Eventos: F = {Funciona el sistema}
Ai = {Funciona el componente Ai} i = 1, 2. . . 5
c
A i = {No funciona el componente Ai}
a)
Pgina 59
b)
2.7
P(F) = P[(A1
2.8
Eventos:
M = {mujer}
H = {hombre}
E = {estatura > 1.70 m}
a)
P(E 1.70)
28
0.56
50
b)
2.9
M)
12
0.80
15
Eventos A1 = (Compactos) ,
A2 = {mediano}
P (D) = 0.50 (0.01) + 0.30 (0.02) + 0.20 (0.03) = 0.017
a)
b)
2.10
P(E 1.70
P ( A1 D)
A3 = {grande)
D = {automvil desvielado}
P( A1 ) P( D A1 )
0.294
P( D)
Si no es compacto ni grande es mediano
0.30(0.02)
P( A2 D) =
0.353
0.017
=
P ( A2 B ) = 0.3000
P ( A1 Bc ) = 0.29412
BIBLIOGRAFA
Marco Antonio Gmez Ramrez
Jorge Federico Paniagua Ballinas
Pgina 60
Pgina 61
Pgina 62