UNIDAD II.

INTRODUCCIN A LA PROBABILIDAD Y VALOR

ESPERADO.

Tabla de contenido
INTRODUCCIN ................................................................................................................................. 2
TEORIA DE CONJUNTOS...................................................................................................................... 3
MAPA CONCEPTUAL ............................................................................................................ 13
TIPOS DE VARIABLES ALEATORIAS ........................................................................................... 14
CUADRO SINPTICO............................................................................................................. 16
CONTEO DE PUNTOS DE LA MUESTRA ..................................................................................... 17
REGLAS ADITIVAS Y REGLAS MULTIPLICATIVAS........................................................................ 11

TEOREMA DE BAYES ............................................................................................................... 13

CONCLUSIN .......................................................................................................................... 21

FUENTES CONSULTADAS ......................................................................................................... 15

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 1

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
INTRODUCCIN
La presente investigacin tiene como finalidad conocer el tema de a
unidad presente titulada Introduccin a la Probabilidad y valor esperado,
como primera instancia cabe mencionar que la Probabilidad es el
Clculo matemtico de las posibilidades que existen de que una cosa
se cumpla o suceda al azar.

El primer tema en desarrollarse es la teora de conjuntos que busca que

conozcamos qu es un conjunto y los tipos, sus principales operaciones
as como sus propiedades.

En segundo lugar se encuentra el tema de tipos de variables aleatorias

que nos dan una muestra de como podemos graficar posibles
soluciones a los problemas planteados y con esta identificar el tipo de
variable que se presenta.

En el tema puntos de la muestra nos indica los elementos que la

componen as como las frmulas que se aplican para cafa caso que
queramos determinar en cusnto calculo de predicciones sobre una
muestra determinada.

Las reglas aditivas y multiplicativas ayudar a la compresin de las

operaciones con las frmulas presentadas y realizarlas de la mnaera
adecuada.

La regla de Bayes nos da las posibilidades que ocurra un evento de

forma porcentual y de esta forma poder determinar mediante su formula
el resultado.

La importancia de esta investigacin es que con ella conocemos los

elementos que determinan y tratan de predecir eventos, utiles para
aplicarlos a travs del aprendizaje significativo.

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 2

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
TEORA DE CONJUNTOS
DEFINICIN DE CONJUNTO

Un conjunto es un grupo de elementos u objetos especificados en tal

forma que se puede afirmar con certeza si cualquier objeto dado
pertenece o no a la agrupacin. Para denotar a los conjuntos, se usan
letras maysculas.

Cuando un elemento x pertenece a un conjunto A se expresa de forma

simblica como: x A . En caso de que un elemento 1 y no pertenezca
a este mismo conjunto se utiliza la notacin: y1 A

Existen cuatro formas de enunciar a los conjuntos:

1) Por extensin o enumeracin: los elementos son encerrados entre

llaves y separados por comas. Es decir, el conjunto se describe listando
todos sus elementos entre llaves.

2) Por comprensin: los elementos se determinan a travs de una

condicin que se establece entre llaves. En este caso se emplea el
smbolo |
que significa tal
que". En forma
simblica
es:

Que significa que el conjunto A es el conjunto de todos los elementos x

tales que la condicin P(x) es verdadera, como X, X, X

3) Diagramas de Venn: son regiones cerradas que sirven para visualizar

el contenido de un conjunto o las relaciones entre conjuntos.

4) Por descripcin verbal: Es un enunciado que describe la

caracterstica que es comn para los elementos.

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 3

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
Ejemplo. Dada la descripcin verbal el conjunto
de las letras vocales, expresarlo por extensin,
comprensin y por diagrama de Venn.

Solucin.

Por extensin: V = { u,o,i,e,a }

Por comprensin: V = {x |x es una vocal }

Por diagrama de Venn:

CONJUNTOS CON NOMBRES ESPECFICOS

Un conjunto vaco o nulo es aquel que no posee elementos. Se denota

por: o bien por { }. El conjunto vaco siempre forma parte de otro, as
que es subconjunto de cualquier conjunto.

Ejemplos.

= { x| x son los dinosaurios que viven en la actualidad }

{ }= { x |x son los hombres mayores de 300 aos }

= { x |x son nmeros positivos menores que cero}

Un conjunto universal es aquel que contiene a todos los elementos

bajo consideracin. Se denota por U . Grficamente se le representar
mediante un rectngulo.

Ejemplos.

U = { x |x son los das de la semana }= {lunes,martes,mircoles,

jueves,viernes,sbado ,domingo }

A = { x | x son los das de la semanainglesa}= {lunes,martes,mircoles,

jueves,viernes}

B = { x | x son los das del fin de semana }= {sbado,domingo }

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 4

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
C = { x | x son los das de la semana con menos de siete letras}=
{lunes,martes, jueves,sbado}

Ntese cmo: A U , B U , C U

Un conjunto finito es aquel cuyos elementos pueden ser contados.

Ejemplos.

J = { x | x es el nmero de un da del mes de junio }

K = {x | x= 4 }

L = { x| x es la cantidad de autos en la ciudad de Mxico }

Un conjunto infinito es aquel cuyos elementos no pueden ser contados,

es decir, su cardinalidad no est definida.

Ejemplos.

N = {1,3,5,7,9,11,}

M = {2,4,6,8,10,12,}

Q = { x| x es la cantidad de puntos en una lnea }

Dos conjuntos son iguales si tienen exactamente los mismos

elementos. Se denota por el smbolo =.

Ejemplo.

R = {1,2,3,4,5,6,7,8,9,0}

S = { x| x es un dgito }

R=S

Dos conjuntos son desiguales si por lo menos difieren en un elemento,

es decir, si no tienen exactamente los mismos elementos. Se denota
por el smbolo .

Ejemplo.

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 5

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
D = {x| x =9 }

E = { 2,2 }

DE

Dos conjuntos son equivalentes si tienen la misma cantidad de

elementos, es decir, si poseen la misma cardinalidad. Se denota por el
smbolo .

Ejemplos.

W = {x |x son las estaciones del ao }

Z = {x |x es un punto cardinal }

(W ) = 4

(Z) = 4

WZ

Cuando los conjuntos son equivalentes existe una correspondencia uno

a uno o biunvoca. Esto significa que se puede establecer una relacin
que asocie a cada elemento del primer conjunto con un nico elemento
del segundo conjunto sin que sobren elementos en ningn conjunto.

En el ejemplo anterior:

OPERACIONES CON CONJUNTOS

La unin de los conjuntos A y B es el conjunto de todos los elementos

de A con todos los elementos de B sin repetir ninguno y se denota como
A B . Esto es:

A B = { x| x A o x B }

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 6

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
Grficamente:

Ejemplo.

A = {mango,ciruela,uva,naranja,manzana,sanda }

B = {durazno,meln,uva,naranja,sanda, pltano }

A B = {mango,ciruela,uva,naranja,manzana,sanda,durazno,meln,
pltano }

La interseccin de los conjuntos A y B es el conjunto de los elementos

de A que tambin pertenecen a B y se denota como A B . Esto es:

A B = { x |x A y x B }

Grficamente:

Ejemplo.

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 7

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
A = {mango,ciruela,uva,naranja,manzana,sanda }

B = {durazno,meln,uva,naranja,sanda, pltano }

A B = { uva,naranja,sanda }

Dos conjuntos son ajenos o disjuntos cuando su interseccin es el

conjunto vaco, es decir, que no tienen nada en comn. Por ejemplo:

A = {mango,ciruela,uva,naranja,manzana,sanda }

E = {limn, fresa, pera,mandarina,cereza}

A E =

El complemento del conjunto A con respecto al conjunto universal U

es el conjunto de todos los elementos de U que no estn en A y se
denota como 'A . Esto es:

'A = { x U x A}

Grficamente:

Ejemplo.

U = {mango,kiwi,ciruela,uva,
pera,naranja,cereza,manzana,sanda,durazno,limn,meln, pltano}

A = {mango,ciruela,uva,naranja,manzana,sanda }

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 8

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
'A = {kiwi, pera,cereza,durazno,limn,meln, pltano }

En este ejemplo se puede notar como (A)+ ( 'A ) = (U )

De esta definicin, se puede advertir que se cumplen las siguientes

expresiones:

(A)= A

' =U

U'=

La diferencia de los conjuntos A y B (en ese orden) es el conjunto de

los elementos que pertenecen a A y no pertenecen a B y se denota
como A B . Esto es:

AB={x|xAyxB}

Grficamente:

Ejemplo.

A = {mango,ciruela,uva,naranja,manzana,sanda }

B = {durazno,meln,uva,naranja,sanda, pltano }

A B = {mango,ciruela,manzana }

B A = {durazno,meln, pltano }

Se puede advertir como A B B A .

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 9

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
Del diagrama de Venn anterior se deducen las siguientes expresiones:

A B = A 'B

A B = , s y slo s : A B

A B = B ,A s y slo s : A = B

A B = ,A s y slo s : A B =

(A B) A

A=A

A B = B'A'

Los conjuntos A ,B A ,B B A son mutuamente ajenos (su

interseccin es el conjunto vaco).

Ejemplo.

Sean los conjuntos:

U = { ,l,k,j,i,h,g,f,e,d,c,b,a m n, }

A = { n,l,k,h,g,e,d,a }

B = { ,l,k,g,f,c,a m }

Obtener:

a) A B b) A B c) 'A

d) 'B e) A B f) B A

g) 'A B h) A 'B i) 'A 'B

j) 'A 'B k) (A B)' l) (A B)'

Solucin.

a) A B = { ,l,k,h,g,f,e,d,c,a m n, } b) A B = { l,k,g,a }

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 10

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
c) 'A = { ,j,i,f,c,b m } d) 'B = { n,j,i,h,e,d,b }

e) A B = { n,h,e,d } f) B A = { ,f,c m }

g) 'A B = { ,l,k,j,i,g,f,c,b,a m} h) A 'B = { n,h,e,d }

i) 'A 'B = { j,i,b } j) 'A 'B = { ,f,c m }

k) (A B)' = { j,i,b }

l) (A B)' = { ,j,i,h,f,e,d,c,b m n, }

De acuerdo con las definiciones de unin, complemento y diferencia, se

puede establecer que sus respectivas cardinalidades se pueden
obtener a travs de:

(A B) = (A) + (B) (A B)

( 'A ) = (U ) (A)

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

PROPIEDADES DE LOS CONJUNTOS

Sean los conjuntos A ,B,C dentro del universo U . Las seis propiedades
que rigen las operaciones con esos conjuntos son las siguientes:

1. Propiedades de identidad:

A = A

AU = U

AU = A

A =

2. Propiedades de idempotencia:

A A = A

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 11

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
A A = A

3. Propiedades de complemento:

A 'A = U

A 'A =

4. Propiedades asociativas:

(A B)C = A (B C)

(A B)C = A (B C)

5. Propiedades conmutativas

A B = B A

A B = B A

6. Propiedades distributivas

A (B C) = (A B)(AC)

A(B C) = (A B)(AC)

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 12

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.

TEORA DE CONJUNTOS

Un conjunto es un grupo de elementos u objetos especificados en

tal forma que se puede afirmar con certeza si cualquier objeto dado
pertenece o no a la agrupacin

TIPOS DE OPERACIONES CON CONJUNTOS PROPIEDADES DE CONJUNTO

CONJUNTOS

Conjunto nulo Unin A B De identidad

Interseccin A B
Conjunto Universal De idempotencia

U
Complemento A
De complemento
Conjunto finito

Diferencia A-B
Conjunto infinito Asociativa

Conjuntos Conmutativa
iguales =

Conjuntos Distributiva
desiguales

Conjuntos
equivalentes

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 13

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
TIPOS DE VARIABLES ALEATORIAS
Una variable aleatoria es una funcin que asigna un valor, usualmente
numrico, al resultado de un experimento aleatorio. Por ejemplo, los
posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc. o un
nmero real (p.e., la temperatura mxima medida a lo largo del da en
una ciudad concreta).

Los valores posibles de una variable aleatoria pueden representar los

posibles resultados de un experimento an no realizado, o los posibles
valores de una cantidad cuyo valor actualmente existente es incierto
(p.e., como resultado de medicin incompleta o imprecisa).
Intuitivamente, una variable aleatoria puede tomarse como una cantidad
cuyo valor no es fijo pero puede tomar diferentes valores; una
distribucin de probabilidad se usa para describir la probabilidad de que
se den los diferentes valores. En trminos formales una variable
aleatoria es una funcin definida sobre un espacio de probabilidad.

Las variables aleatorias suelen tomar valores reales, pero se pueden

considerar valores aleatorios como valores lgicos, funciones o
cualquier tipo de elementos (de un espacio medible). El trmino
elemento aleatorio se utiliza para englobar todo ese tipo de conceptos
relacionados. Un concepto relacionado es el de proceso estocstico, un
conjunto de variables aleatorias ordenadas (habitualmente por orden o
tiempo).

TIPOS DE VARIABLES ALEATORIAS

Para comprender de una manera ms amplia y rigurosa los tipos de

variables, es necesario conocer la definicin de conjunto discreto. Un
conjunto es discreto si est formado por un nmero finito de elementos,
o si sus elementos se pueden enumerar en secuencia de modo que
haya un primer elemento, un segundo elemento, un tercer elemento, y
as sucesivamente (es decir, un cojunto infinito numerable sin puntos de

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 14

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
acumulacin). Para variables con valores en R las variables aleatorias
se clasifican usualmente en:

Variable aleatoria discreta: una v.a. es discreta si su recorrido es

un conjunto discreto. La variable del ejemplo anterior es discreta. Sus
probabilidades se recogen en la funcin de cuanta.

Variable aleatoria continua: una v.a. es continua si su recorrido es

un conjunto no numerable. Intuitivamente esto significa que el conjunto
de posibles valores de la variable abarca todo un intervalo de nmeros
reales. Por ejemplo, la variable que asigna la estatura a una persona
extrada de una determinada poblacin es una variable continua ya que,
tericamente, todo valor entre, pongamos por caso, 0 y 2,50 m, es
posible.

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 15

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.

una v.a. es discreta

Variables aleatoria discreta
si su recorrido es un
conjunto discreto.

Una variable aleatoria

(v.a.) X es una funcin
real definida en el
espacio de
probabilidad,(
asociado a un
experimento aleatorio

Variable aleatoria continua El conjunto de

posibles valores de
la variable abarca
todo un intervalo
de nmeros reales.

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 16

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
CONTEO DE PUNTOS DE MUESTRA.
Son algunas reglas que se usan con el fin de contar el nmero de
puntos muestrales de un experimento cuando estos no son fciles de
listar por su cantidad.

Regla mnt: Se usa cuando el experimento consiste en formar

subconjuntos ordenados de elementos donde cada uno de estos
elementos pertenece a un conjunto independiente o se hace un
muestreo con reemplazo; por ejemplo el juego de lotera o chance;
sacar una tripleta de un conjunto de 20 elementos donde un elemento
puede ocupar las tres posiciones al tiempo, es decir el elemento que ha
sido extrado vuelve a formar parte del conjunto inicial, esto es lo que se
conoce como un muestreo con reemplazo.

Combinaciones: Se usa cuando el experimento consiste en formar

subconjuntos de elementos de un mismo conjunto, es decir, un
muestreo sin reemplazo, adems no importa el orden de salida de los
elementos; por ejemplo sacar de un grupo de 6 personas 3 para darles
un premio, sacar de un grupo de 7 trabajadores 4 para realizar una
misma tarea.

El nmero de combinaciones posibles est dado por la siguiente

expresin

Permutaciones: Se usa cuando el experimento consiste en formar

subconjuntos de elementos de un mismo conjunto, es decir, un
muestreo sin reemplazo, pero en este caso s importa el orden de salida
de los elementos; por ejemplo sacar de un grupo de 6 personas 3 para
darles un premio, pero dependiendo de su orden de salida el premio
ser mejor. Sacar de un grupo de 7 trabajadores 4 para realizar una
tarea distinta cada uno.

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 17

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
El nmero de permutaciones posibles est dado por la siguiente
expresin:

Donde x es el nmero de elementos escogidos del subgrupo r. (Si

importa el orden)

Donde x es el nmero de elementos escogidos del subgrupo r. (Si no

importa el orden).

n: nmero de combinaciones o permutaciones segn el caso.

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 18

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.

REGLAS ADITIVAS Y REGLAS MULTIPLICATIVAS

LA LEY ADITIVA

En orden para derivar la probabilidad de eventos mas complicados a

partir del conocimiento de las probabilidades de eventos simples, es
necesario saber algunas leyes fundamentales que surgen directamente
a partir de los axiomas. Se muestran dos de las mas importantes :

Sean A y B dos eventos cualesquiera. Entonces

P (A y/o B) = p (A) + p (B) p (A y B)

En notacin de teora de conjuntos

p(AUB) = p(A) + p(B) p(A B)

Esta es frecuentemente referida como la Ley Aditiva de las

probabilidades. Entonces

P(AUB) es la probabilidad que al menos uno de los dos eventos ocurra,

mientras que P(A B) es la probabilidad que los dos eventos ocurran. El
trmino de correccin no es muchas veces apreciado, lo cual da lugar a
sobreestimaciones de probabilidades.

Dos casos importantes dentro de la ley aditiva son dignos de mencin:

1. Si A y B no pueden suceder al mismo tiempo, son denominados

eventos excluyentes y la probabilidad de ocurrencia de uno de los dos
es la suma de sus respectivas probabilidades.

2. La probabilidad que un evento NO suceda es igual a 1 menos la

probabilidad que suceda

P(Ac) = 1 P(A)

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 19

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.
LA LEY MULTIPLICATIVA

Esta regla concierne a la probabilidad de dos eventos sucediendo al

mismo tiempo. Si los eventos son INDEPENDIENTES i.e. no ejercen
influencias entre si- entonces la probabilidad de que sucedan los dos es
igual al producto de sus respectivas probabilidades.

p(A B) = p(A)*p(B)

Esta es una ley simple que puede ser aceptada en forma intuitiva. Esta
ley no es vlida para eventos que son dependientes entre si, lo que es
sujeto de Probabilidad condicional y Teorema de Bayes.

REGLA DE BAYES.
El teorema de Bayes se utiliza para revisar probabilidades previamente
calculadas cuando se posee nueva informacin. Desarrollado por el
reverendo Thomas Bayes en el siglo XVII, el teorema de Bayes es una
extensin de lo que ha aprendido hasta ahora acerca de la probabilidad
condicional.

Comnmente se inicia un anlisis de probabilidades con una asignacin

inicial, probabilidad a priori. Cuando se tiene alguna informacin
adicional se procede a calcular las probabilidades revisadas o a
posteriori. El teorema de Bayes permite calcular las probabilidades a
posteriori y es:

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 20

 UNIDAD II. INTRODUCCIN A LA PROBABILIDAD Y VALOR
ESPERADO.

CONCLUSIN

Para finalizar, puedo decir que la investigacin presentada me sirvi

para obtener muchos conocimientos de la Materia as como las
prcticas que podemos ponerla en nuestra rea laboral y lo que fui
entendiendo decid ponerles ejemplos claros y vistos.

En la teoria de conjuntos pude cprendee que nos sirve para poder

Visualizar que tipo de conjuntos podemos ocupar para resolucin de
problemas con datos pequeos.

En los tipos de variables me permiti conocer las grficas pueden ser

afectadas por el tipo de variables aleatoria y con esto ver si se puede

OLIVIA DEL CARMEN ROSALES BARRAGN Pgina 21