Instituto Tecnolgico de Campeche

Ingeniera en Administracin

Grupo: MD-3

Materia:
ESTADISTICA I

Unidad # 2:

Trabajo:
TEMAS DE INVESTIGACION CONCEPTUAL

Nombre del maestro:
BOCOS PATRON RAMON AGUSTIN

Alumna:
KU PERERA FRANCISCA ISABEL



San francisco Campeche, Campeche, a 2 de septiembre del 2013.
2


INDICE


Definicin de conjunto
Notacin de conjunto ..
Conjuntos explcitos e implcitos.......
Conjuntos finitos e infinitos
El conjunto universal .
El conjunto vacio.
Subconjunto.
Diagrama de Venn el concepto
Operaciones con conjunto
Leyes o propiedades de las operaciones con conjuntos.
Cardinal de un conjunto .
La necesidad de contar ..
Mtodos para realizar un conteo ...
Introduccin a la probabilidad.
Conceptos bsicos de probabilidad.
Tipos de eventos..
Clculo de probabilidades..
Teorema de Bayes.




3


INTRODUCCION



En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son
diferentes aunque las condiciones inicia les en las que se produce la experiencia sean las
mismas. Por ejemplo, al lanzar una moneda unas veces resultar cara y otras cruz..
Estos fenmenos, denominados aleatorios, se ven afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable que...", "hay
muchas posibilidades de que..." hacen referencia a esta incertidumbre. La teora de la
probabilidad pretende ser una herramienta para modernizar y tratar con situaciones de este
tipo; Por otra parte, cuando aplicamos las tcnicas estadsticas a la recogida, anlisis e
interpretacin de los datos, la teora de la probabilidad proporciona una base para evaluar la
fiabilidad de las conclusiones alcanzadas y las inferencias realizadas. Debido al importante
papel desempeado por la probabilidad dentro de la estadstica, es necesario familiarizarse
con sus elementos bsicos, lo que constituye el objetivo del presente tema. Comenzamos con
una motivacin sobre la incertidumbre y los distintos grados de incertidumbre, relacionndolos
de manera intuitiva con los enfoques ms tradicionales para asignar probabilidades.










4


TEMAS DE INVESTIGACION CONSEPTUAL.


-DEFINICIN DE CONJUNTO:
El trmino conjunto juega un papel fundamental en el desarrollo de las matemticas
moderna; adems proporciona las bases para comprender con mayor claridad algunos
aspectos de la teora de la probabilidad.
Podemos definir de manera intuitiva a un conjunto, como una coleccin o listado de objetos
con caractersticas bien definidas que lo hacen pertenecer a un grupo determinado (es una
agrupacin, clase o coleccin de objetos denominados elementos del conjunto).
Para que exista un conjunto debe basarse en lo siguiente:
1-. La coleccin de elementos debe estar bien definida
2-. Ningn elemento del conjunto se debe contar con ms de una vez, generalmente, estos
elementos deben ser diferente, si uno de ellos se repite se contara con uno solo
3-. El orden en que se enumeran que carecen de importancia
-NOTACIN DE CONJUNTOS:
A los conjuntos se les representa con letras maysculas A, B, C,. Y a los elementos con
letras minsculas a, b, c,
Para especificar que ciertos elementos pertenecen a un conjunto dado, se emplearan llaves { }
(tambin llamadas formadores de conjuntos), o bien se har un listado (de los nombre de
todos los elementos), o se usara el mtodo de regla.
A= {1, 2, 3, 4, 5, 6}
En teora de conjuntos no se acostumbra repetir los elementos por ejemplo:
El conjunto {x; x; x; y; y; z} simplemente ser {x; y; z }.Al nmero de elementos que tiene un
conjunto Q se le llama CARDINAL DELCONJUNTO y se le representa por n (Q).
Ejemplo:
A= {a; b; c; d; e} su cardinal n(A)=5
B= {x; x; x; y; y; z} su cardinal n (B)= 8
5


-CONJUNTOS EXPLCITOS E IMPLCITOS:




-CONJUNTO FINITO
Tienen un nmero conocido de elementos, es decir, se encuentran determinados por su
longitud o cantidad (conjunto con limitado nmero de elementos)
Ejemplo: el conjunto de das que tiene una semana

-CONJUNTO INFINITO
Son aquellos que en los cuales no podemos determinar su longitud (conjunto con ilimitado
nmero de elementos)
Por ejemplo: el conjunto de nmeros reales

-CONJUNTO UNIVERSAL
Es el conjunto que contiene todos los elementos a los que se hace referencia.
Este conjunto depende del problema que se estudia, se denota con la letra U y algunas veces
con la letra S (espacio muestral).
Por ejemplo: si solo queremos referirnos a los 5 primeros nmeros naturales el conjunto
queda:
U= {1, 2, 3, 4, 5}

-CONJUNTO VACO

Es aquel que no contiene elementos
6


Representacin: o { }
Ejemplo:
A = o A = { } se lee: A es el conjunto vacio o A es el conjunto nulo

-EL SUBCONJUNTO
En matemticas, especialmente en teora de conjuntos, un conjunto
A es subconjunto de un conjunto B si A "est contenido" dentro de B.
Se dice que el conjunto B es un superconjunto de A cuando A es un subconjunto de B. 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
B es un superconjunto 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} )



Subconjunto propio
Todo conjunto A es subconjunto de s mismo.

As, dados dos conjuntos A B, cabe la posibilidad de que sean iguales, A = B.
Por otro lado, es posible tambin que A contenga algunos pero no todos los elementos de B:
Sea A un subconjunto de B tal que A B. Entonces se dice que A es un subconjunto propio
de B, y se denota por A B.
(A su vez, se dice que B es un superconjunto propio de A, B A)
Tambin se utiliza la notacin A B y B A, pero segn el autor esto puede denotar
subconjunto, A B y B A; o subconjunto propio, A B y B A.1

-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. Si el
7


crculo del conjunto A aparece dentro del crculo de otro B, es que todos los elementos de A
tambin estn contenidos en B

Tipos de diagramas de Venn
Diagrama de dos conjuntos
Conjuntos A y B.
Considrese el ejemplo a la derecha: supngase que el
conjunto A (el crculo anaranjado) representa, por ejemplo, a
todas las criaturas vivas con solo dos piernas motrices y que
el conjunto B (el crculo azul) contiene a todas las criaturas
que pueden volar. El rea donde ambos crculos se
superponen (que recibe el nombre de interseccin entre A y B,
o interseccin A - B) contendra por tanto todas las criaturas
que, al mismo tiempo, pueden volar y tienen slo dos piernas
motrices.
El diagrama de Venn representado en el ejemplo 1 puede describirse como la relacin entre
el conjunto A y el conjunto B. El rea combinada de ambos conjuntos recibe el nombre de
unin de los conjuntos A y B. La unin en este caso contiene todos los tipos de criaturas
que tienen dos piernas, pueden volar, o ambas cosas a la vez.
El rea donde los conjuntos A y B se solapan se define como la interseccin de A y B.
Contiene todos los tipos de criaturas que pertenecen a la vez a A y a B, es decir, que tienen
dos piernas y pueden volar.

A veces se incluye un rectngulo alrededor del diagrama de Venn, que recibe el nombre de
universo de discurso
Se usa para representar el conjunto de todas las cosas posibles. La definicin del universo, al
igual que la de los conjuntos, depende del diagrama sobre el que se representa.
Diagramas de tres conjuntos
Los diagramas de tres conjuntos fueron los ms corrientes elaborados por Venn en su
presentacin inicial. Las distintas intersecciones de los tres conjuntos A, B y C definen siete
(7) reas diferentes, cuyas posibles uniones suponen 256 combinaciones distintas de los tres
conjuntos inciale
8


-OPERACIONES CON CONJUNTO


9




10


-LEYES O PROPIEDADES DE LAS OPERACIONES CON 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 A U = A
2-. Propiedades de idempotencia
A A = A A A = A
3-. Propiedades de complemento
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) (A B)
A (B C) = (A B) (A C)

-CARDINAL DE UN CONJUNTO
El cardinal indica el nmero o cantidad de elementos de un conjunto, sea esta cantidad finita o
infinita. Los nmeros cardinales constituyen una generalizacin interesante del concepto de
nmero natural, permitiendo comparar la cantidad de elementos de conjuntos infinito.
Ejemplo: sea B = {azul, verde, rojo} obtenga el cardinal del conjunto.
Card (a) = 3

11


PROPIEDADES


PROPOSICIONES



LA NECECIDAD DE CONTAR
Los nmeros naturales surgen de la necesidad de contar, de enumerar: ={1,2,3,4...}


Con los nmeros naturales se puede sumar. De hecho, con la operacin suma, los
naturales forman un semi-grupo conmutativo.
Con la operacin producto los naturales tambin tienen estructura de semi-grupo
conmutativo.
El infinito de los nmeros naturales se denomina infinito numerable. Cualquier
conjunto que pueda ponerse en correspondencia biyectiva con el conjunto de los
nmeros naturales se dice que es infinito numerable. Por ejemplo, el conjunto de las
potencias sucesivas de un nmero , es decir, el conjunto cuando es
distinto de 0, 1 y -1, es un conjunto infinito numerable. El conjunto de los nmeros
enteros y el de los racionales tambin son infinitos numerables como se ver ms
adelante.
El conjunto de los naturales es un conjunto totalmente ordenado, es decir, existe
una relacin de orden total, lo que significa que existe una relacin de orden y que
dos elementos cualesquiera pueden ser siempre comparados entre s usando dicha
relacin. Dicho de otra forma, dados dos naturales, e , o bien , o bien .
Todo subconjunto no vaco del conjunto de los naturales tiene un elemento mnimo,
esto es, existe un elemento tal que para todo de se tiene .


ENNUMERANDO LOS RESULTADOS.
12










OBTENIENDO EL TOTAL DE POSIBLES RESULTADOS
No siempre es fcil conocer los valores de la funcin de probabilidad de todos los sucesos.
Sin embargo, muchas veces se pueden conocer las probabilidades de algunos de estos
sucesos. Con la ayuda de ciertas propiedades que se deducen de manera inmediata
a partir de la axiomtica es posible calcular las probabilidades de ms sucesos.
Por otro lado, en caso de que el nmero de resultados sea finito y de que todos los resultados
tengan las mismas posibilidades de verificarse, la probabilidad de un suceso cualquiera se
puede calcular a partir de la regla de Laplace:
Si A es un suceso:
Probabilidad (A) = (Nmero de casos favorables)/(Nmero de casos posibles)
Donde:
Nmero de casos favorables = Nmero de resultados contenidos en A (cardinal de A)
Nmero de casos posibles = Nmero total de resultados posibles (cardinal del conjunto total
de resultados)
En este caso, el contar nmero de resultados, ya sean favorables o posibles, debe
hacerse por medio de la combinatoria.

MTODOS PARA REALIZAR UN CONTEO
En diferentes casos se tomara de algn conjunto parte de sus elementos o todos ellos, para
formar diferentes agrupaciones, que se van a distinguir por el orden de sus elementos o por
naturaleza de alguno de ellos. Si los elementos que forman una agrupacin son diferentes
entre si, sern llamados agrupaciones sin repeticin y si alguno de ellos es igual se dir que
son agrupaciones con repeticin.
Entre los mtodos de conteo ms conocidos tenemos: permutaciones, combinacin y
ordenacin.
13


Los mtodos de conteo son estrategias utilizadas para determinar el nmero de posibilidades
diferentes que existen al realizar un experimento. Entre estos mtodos destacan el mtodo del
producto y el mtodo del diagrama de rbol.
HERRAMIENTAS GRAFICAS:

DIAGRAMA DE VENN:
Un diagrama de ven es el que representa grficamente los diversos eventos como uniones e
intersecciones de los crculos. Un diagrama de Venn sirve para una situacin de dos variables
en donde cada variable tiene solo dos eventos (A Y A*, BY B*). En la parte del circulo
izquierdo representa todos los eventos de la parte a. y el circulo de la derecha representa
todos los eventos que son de la parte b. el rea contenida dentro del circulo a y del circulo b
(rea central) es la interseccin de a y b ( y se escribe A n B), puesto que esta rea es parte A
y tambin parte B. el rea total de los dos crculos es la unin de A y B. adems contiene
todos los resultados que son parte del ejemplo A y B. el diagrama fuera de A u B, contiene
aquellos resultados que no son parte de a ni son parte de B.
Para desarrollar un diagrama de Venn A y B deben de estar bien definidos. No importa que
evento se defino como A o B, siempre y cuando seamos consistentes en evaluar los diversos
eventos.
Ejemplo:

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 objetos que forman parte del espacio muestral, estos se pueden determinar con la
construccin de un diagrama de rbol. Ejemplo: Si Juan tiene 3 pantalones y 2 camisas basta
multiplicar 3x2=6 y son 6 posibilidades de que se pueda vestir.
14


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 estas 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:
Las mujeres estn repartidas uniformemente, siendo un 60% del total en cada facultad.



DIAGRAMA DE CAJA O RAYITAS:

Un Diagrama de caja es un grfico, basado en cuartiles, mediante el cual se visualiza un
conjunto de datos. Est compuesto por un rectngulo, la "caja", y dos brazos, los "bigotes".
Es un grfico que suministra informacin sobre los valores mnimo y mximo, los cuartiles Q1,
Q2 o mediana y Q3, y sobre la existencia de valores atpicos y la simetra de la distribucin.
Primero es necesario encontrar la mediana para luego encontrar los 2 cuartiles restantes
15



Cmo expresarlo grficamente

+-----+-+
* o |-------| | |---|
+-----+-+

+---+---+---+---+---+---+---+---+---+---+---+---+
0 5 10 12




FORMULAS O REGLAS DE CONTEO:
Cada regla de probabilidad que hemos estudiado ha involucrado el conteo del nmero de
resultados favorables y el nmero total de resultados. En muchas instancias sin embargo,
debido al gran nmero de posibilidades, no es factible enumerar cada uno de los resultados.
En estas circunstancias, se han desarrollado reglas de conteo. Aqu analizaremos 5 reglas de
conteo diferente:
K eventos en n intentos:
Si cualquiera de k eventos mutuamente excluyentes y colectivamente exhaustivos puede
ocurrir en cada uno de n intentos, el nmero de resultados posibles es igual a:

Ejemplo:
Si una moneda (con dos lados) se arroja 10 veces, el numero de resultados es = 1,024.
Si un dado (con 6 lados) se lanza dos veces, el numero de resultados es = 36.
para k1, k2,,kn eventos :
Si hay k, eventos del primer intento k2, eventos del segundo intento .. y kn, eventos del n
esimo intento, entonces el numero de resultados posibles es:
(k1) (k2). (Kn).
Ejemplo:
16


Por lo tanto, si una placa policiaca consistiera de tres letras seguidas de tres dgitos, el
nmero total de resultados posibles seria entonces (26)(26)(26)(10)(10)(10)= 17576.
Tomando otro ejemplo, si un men de restorn tuviera una cena completa de precio fijo que
consistir en un aperitivo, entrada, bebida y postre y hubiera la opcin de 5 aperitivos. 10
entradas, 3 bebidas y 6 postres, el nmero total de cenas posibles seria (5)(10)(3)(6)=900.
n objetos tomados todo a la vez:
El nmero de formas en que los n objetos puede ordenarse.
N!= n(n-1)(1)
Donde n se denomina n factorial y 0 se define como 1.
Ejemplo:
El nmero de formas en que los libros pueden ordenarse es:
N!=6!= (6)(5)(4)(3)(2)(1)=720


permutacin:
El nmero de modos de ordenar x objetos seleccionados de n objetos es

En muchos casos necesitamos saber el nmero de formas de un subconjunto del grupo
completo puede ordenarse. Cada arreglo posible se llama una permutacin. Por ejemplo,
modificando el problema anterior, si se tiene 6 libros de texto, pero solo hay espacio para 4 en
el estante.
Por lo tanto el nmero de arreglos ordenados de 4 libros seleccionados de 6 libros es igual a:


17


combinaciones:
Finalmente, en muchas situaciones no estamos interesados en el orden de los resultados,
sino solo el nmero de formas en que x objetos pueden seleccionarse de n objetos, sin tomar
en cuenta el orden. A este se le llamo de combinacin. El nmero de modos de seleccionar x
objetos de n objetos, sin tomar en cuenta el orden, es igual a:

Esta expresin puede denotarse mediante el smbolo
Comparando esta regla con la anterior, veamos que difiere solo en la inclusin de un trmino
x! en el denominador. Esto se debe a que cuando contamos permutaciones, todos los arreglos
de x objetos eran distinguibles, con las combinaciones, los x! arreglos posibles de objetos no
son importantes. As el nmero de combinacin de 4 libros seleccionados de 6 libros se
expresan mediante.


INTRODUCCIN A LA PROBABILIDAD
En la actualidad vemos que la teora de la probabilidad ocupa un lugar importante en muchos
asuntos de negocios. Los seguros y las prcticas actuarias se basan firmemente en los
principios de la teora de la probabilidad. Las plizas de seguros de vida dependen de las
tablas de mortalidad, las cuales a su vez se van en las probabilidades de muerte en edades
especificas. Otras tasas de seguro tales como las de bienes races y automviles se
determinan de manera similar. La probabilidad tambin juega un papel muy importante en la
estimacin del nmero de unidades defectuosas en un proceso de fabricacin, la probabilidad
de recibir pagos sobre cuentas por cobrar y las ventas potenciales de un nuevo producto.
Incluso los apostadores profesionales en eventos deportivos deben tener una comprensin
solida de la teora de la probabilidad.
A pesar de la difundida aplicacin de los principios de la probabilidad, existen solo tres formas
generalmente aceptadas para enfocar:
18


Modelo de frecuencia relativa: utiliza datos que se han observado empricamente, registran
la frecuencia con la que ha ocurrido algn evento en el pasado y estima la probabilidad de
que ocurra nuevamente.

El modelo subjetivo: se utiliza cuando se desea asignar probabilidad a un evento que
nunca ha ocurrido. La probabilidad de que una mujer sea como presidenta de los estados
unidos es un ejemplo. Debido a que no hay datos sobre los cuales confiar, se deben
analizar las opiniones y las creencias para obtener una estimacin subjetiva.

El modelo clsico: es el que se relaciona con mayor frecuencia con el apuesto y los juegos
de azar. La probabilidad clsica de que un evento e se determina mediante:


Las probabilidades constituyen una rama de las matemticas que se ocupa de medir o
determinar cuantitativamente la posibilidad de que un suceso o experimento produzca un
determinado resultado.
La creacin de la probabilidad se atribuye a los matemticos franceses del siglo XVII Blaise
Pascal y Pierre de Fermat, aunque algunos matemticos anteriores, como Gerolamo Cardano
en el siglo XVI, haban aportado importantes contribuciones a su desarrollo.
La probabilidad matemtica comenz como un intento de responder a varias preguntas que
surgan en los juegos de azar, por ejemplo saber cuntas veces se han de lanzar un par de
dados para que la probabilidad de que salga seis sea el 50 por ciento.
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-Simn
Laplace afirm: "Es notable que una ciencia que comenz con consideraciones sobre juegos
de azar haya llegado a ser 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.
Segn Amanda Dure, "Antes de la mitad del siglo XVII, el trmino 'probable' (en latn probable)
significaba a probable, y se aplicaba en ese sentido, unvocamente, a la opinin y a la accin.
19


Una accin u opinin probable era una que las personas sensatas emprenderan o
mantendran, en las circunstancias.

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

EXPERIMENTO ALEATORIO.
Conjunto de pruebas cuyos resultados estn determinados nicamente por el azar.
Es toda actividad cuyos resultados no se determinan con certeza. Ejemplo: lanzar una
moneda al aire. No podemos determinar con toda certeza cul ser el resultado al lanzar
una moneda al aire?, por lo tanto constituye un experimento aleatorio.

ESPACIO MUESTRAL (S).-
Conjunto de todos los resultados posibles de un experimento aleatorio
Es un conjunto de todos los resultados posibles que se pueden obtener al realizar un
experimento aleatorio. Ejemplo: sea el experimento E: lanzar un dado y el espacio muestra
correspondiente a este experimento es: S = (1, 2, 3, 4, 5, 6(.

PUNTO MUESTRAL.-
Es un elemento del espacio muestra de cualquier experimento dado.

EVENTO O SUCESO.-
Es todo subconjunto de un espacio muestra. Se denotan con letras maysculas: A, B, etc. Los
resultados que forman parte de este evento generalmente se conocen como "resultados
favorables". Cada vez que se observa un resultado favorable, se dice que "ocurri" un evento.
Ejemplo: Sea el experimento E: lanzar un dado. Un posible evento podra ser que salga
nmero par. Definimos el evento de la siguiente manera: A = sale nmero par = (2, 4, 6(,
resultados favorables n (E) = 3




DEFINICIN DE PROBABILIDAD.
enfoque clsico ( a priori)
20


El enfoque clsico o a priori es tratar de asignar un valor a la probabilidad suponiendo lo
siguiente:
Cada uno de los eventos simples del espacio muestra tienen la misma oportunidad de ocurrir.
Por lo tanto, la Probabilidad de que un evento ocurra est dada por la siguiente frmula
Enfoque emprico o frecuencia
Probabilidad a posteriori. En el caso que los eventos no poseen igual posibilidad de
ocurrencia, el problema designar las probabilidades ocurre a posterior.
El concepto de probabilidad a posteriori lo desarrolla Richard Von Mises y est basado en el
principio siguiente: Si un experimento se realiza un nmero grande de veces, N por ejemplo, y
sea n el nmero de veces que ocurre un evento E.
Entonces, se observa experimentalmente el hecho de que a medida N aumenta la relacin n /
M tiende a un valor estable p. Ese valor p se llama la probabilidad de E y se escribe p(E).
Axiomas bsicos.
Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una
funcin definida sobre un conjunto de sucesos determine consistentemente sus
probabilidades. Para el clculo de probabilidades hay que tomar en cuenta los Axiomas que a
continuacin se enumeran.

Probabilidad subjetiva.
La probabilidad subjetiva de un evento se la asigna la persona que hace el estudio, y
Depende del conocimiento que esta persona tenga sobre el tema. Precisamente por su
carcter de subjetividad no se considera con validez cientfica, aunque en la vida diaria es de
las ms comunes que se utilizan al no apoyarse ms que en el sentido comn y los
conocimientos previos, y no en resultados estadsticos.
Ejemplos de la probabilidad subjetiva son estimar la probabilidad de que los Salgados de
Salta ganen la Lotera el prximo ao y estimar la probabilidad de que ocurra un terremoto en
Los ngeles este ao.
TIPOS DE EVENTOS

Evento elemental o simple
Un resultado posible en un espacio muestral Eventos dependientes: aquellos en los que la
ocurrencia de un evento afecta la ocurrencia de otros.
21


Evento compuesto
Es el que consta de dos o ms elementales y se representa con una letra mayscula.
Eventos compuestos pueden ser, por ejemplo, , o ,
que se expresan en la forma siguiente y . Si se lanza una moneda, los
resultados posibles (elementos) son cara y cruz y el conjunto de los dos resultados es el
espacio muestral del experimento S={cara, cruz}
Los eventos mutuamente excluyentes:
Son aquellos en los que si un evento sucede significa que el otro no puede ocurrir. Si bien
suelen usarse en teoras cientficas, tambin son parte de las leyes y los negocios. Como
resultado, entender los eventos mutuamente excluyentes puede ser importante para una
variedad de disciplinas.

Los eventos colectivamente exhaustivos
Constan de todos los posibles resultados de un experimento y constituyen su espacio
muestral. Los eventos colectivamente exhaustivos de lanzar un dado son 1, 2, 3, 4, 5,y 6.
Adems, debido a que existe la certeza de que uno de estos eventos ocurrir, su probabilidad
combinada ser igual a uno
Eventos complementarios
Son los eventos en los que si un evento no ocurre, el otro debe ocurrir. Si un evento A lanzar
un nmero par con un dado (2, 4 o 6), el complemento es lanzar un nmero impar (1, 3 o 5).
Si no se obtiene un nmero par, se debe obtener un nmero impar. El complemento de A se
escribe como , y se denomina no A.

CALCULO 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).
La tabla de contingencia es un medio particular de representar simultneamente dos
caracteres observados en una misma poblacin, si son discretos o continuos reagrupados en
clases.
22


Probabilidad simple
La regla ms evidente para las probabilidades es que deben variar en valor de 0 a 1. Un
evento imposible tiene una probabilidad cero de ocurrir, y un evento cierto tiene una
probabilidad uno de ocurrir. La probabilidad simple se refiere a la probabilidad de ocurrencia
de un evento simple.
Ejemplo:
la probabilidad de seleccionar una carta negra;
la probabilidad de seleccionar un As
La probabilidad simple se denomina probabilidad marginal puesto que el nmero total de
xitos puede obtenerse del margen apropiado de la tabla de contingencias.


Probabilidad conjunta
La probabilidad conjunta se refiere a fenmenos que contienen dos o ms eventos, como la
probabilidad de un as negro, una reina roja o un empleado que est satisfecho con el trabajo y
haya progresado dentro de la organizacin.

P (A)= P (A y B1) + P (A y B2) +.....+ P (A y Bk)
Donde B1, B2,... Bk son eventos mutuamente excluyentes y colectivamente exhaustivos.
Dos eventos son mutuamente excluyentes si ambos eventos no pueden ocurrir al mismo
tiempo.
Dos eventos son colectivamente exhaustivos si uno de los eventos debe ocurrir.
Por ejemplo, ser hombre y ser mujer son eventos mutuamente excluyentes y colectivamente
exhaustivos. Nadie es ambos (son mutuamente excluyentes) y todos son uno u otro (son
colectivamente exhaustivos).

Regla general de la adiccin
La regla de la adicin se usa para encontrar la probabilidad del evento A o B. Esta regla para
obtener la probabilidad de la unin de A y B considera la ocurrencia del evento A o del evento
B o de ambos, A y B.
El clculo de P (A B), la probabilidad del evento A o B, puede expresarse en la siguiente
regla de la adicin general:
P ( A B ) = P ( A o B ) = P ( A ) + P ( B ) P ( A y B )

Si A y B son dos eventos que no son mutuamente excluyentes,
Entonces (A o B) se calcula con la siguiente frmula:

P(A o B) = P(A) + P (B) - P(A y B)

La Regla de la Adicin expresa que:
la probabilidad de ocurrencia de al menos dos sucesos A y Bes igual a: P(A o B) = P(A) U
P(B) = P(A) + P(B) si A y B son mutuamente excluyente P(A o B) =P(A) + P(B) - P(A y B) si A
y B son no excluyentes Siendo: P(A) = probabilidad de ocurrencia del evento A P(B) =
23


probabilidad de ocurrencia del evento B P(A y B) = probabilidad de ocurrencia simultanea de
los eventos A y B

Probabilidad condicional e independencia estadstica
La frmula para la probabilidad condicional puede manipularse algebraicamente de forma tal
que la probabilidad conjunta
P (A y B ) puede determinarse a partir de la probabilidad condicional de un evento.

Regla de multiplicacin e independencia estadstica
La regla de multiplicacin para eventos independientes puede expresarse de la siguiente
manera sustituyendo P (A) por P (A \ B):
P (A y B) = P (A) * P (B)
Si esta regla se cumple para dos eventos, A y B entonces A y B son estadsticamente
independientes. Por tanto, hay dos formas de determinar la independencia estadstica:.
1. Los eventos A y B son estadsticamente independientes si y slo si P ( A \ B )=P (A)
2. Los eventos A y B son estadsticamente independientes si y slo si
P (A y B) = P (A) * P (B).
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 {A1, A2,, Ai,, An} 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 .
24



Entonces, la probabilidad viene dada por la expresin:

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

Frmula de Bayes
Con base en la definicin de Probabilidad condicionada, obtenemos la Frmula de Bayes,
tambin conocida como la Regla de Bayes: