You are on page 1of 19

UNIDAD 2: Probabilidad- definición y propiedades 1

UNIVERSIDAD TECNOLÓGICA NACIONAL


FACULTAD REGIONAL AVELLANEDA

ESTADÍSTICA
UNIDAD 2: Definición Clásica - Axiomas

Autores:
Lic Luis Alberto Garaventa
Mg. María Cristina Kanobel

Año 2016
UNIDAD 2: Probabilidad- definición y propiedades 2

Las leyes de probabilidad son el sustento teórico de toda la teoría estadística.


Esperamos que al finalizar la lectura activa y comprensiva de este módulo estén en
condiciones de resolver problemas relacionados con los axiomas y las propiedades de
la probabilidad y con los conceptos de probabilidad condicional e independencia.
Al trabajar con herramientas informáticas, esperamos también que accedan a los
modelos de simulación por computadora para aproximar soluciones a problemas
probabilísticos complejos.

INTRODUCCIÓN

Si apelamos al concepto más cercano a nosotros respecto de qué es la


probabilidad, aparece una fórmula, llamada también Definición Clásica,
como la siguiente:

Nro de casos favorables


Probabilid ad 
Nro de casos posibles

En este capítulo avanzaremos sobre este concepto, aunque el mismo parece insinuar,
a partir de su planteo, que para calcular algunas probabilidades, solamente debamos
saber contar y dividir. Analicemos las siguientes situaciones:

a) La probabilidad de obtener un cuatro si se tira un dado es

P =……….

b) La probabilidad de sacar cara si se tira una moneda es:

P=………..

c) La probabilidad de sacar un artículo fallado de un lote que tiene cinco artículos

buenos y dos fallados:

P=……………..

Seguramente pueden, con sus conocimientos previos, calcular ciertas probabilidades a


partir de la aplicación de la definición clásica o de Laplace como lo hicieron con las
actividades que preceden

Si hacemos un análisis esta “definición” tiene algunas restricciones que nos impiden
construir la teoría de probabilidades a partir de ella.
UNIDAD 2: Probabilidad- definición y propiedades 3

 No es aplicable en el caso de que los casos posibles no constituyan un


conjunto finito. ( por ejemplo, si tiramos una moneda hasta que salga la primer
cara)
 No es aplicable cuando los casos posibles no son equiprobables ( por ejemplo
si tienen un dado cargado, hay una cara que saldrá hacia arriba con más
frecuencia que las demás)
 Aún considerando la definición con las restricciones planteadas, no sirve
como definición, porque se usa el término equiprobable para definir la
probabilidad.
Aún así, resulta una fórmula válida para una gran conjunto de situaciones.

Antes de continuar con la búsqueda de la definición, debemos definir algunos términos


para comenzar a construir la Teoría de Probabilidades:

EXPERIMENTOS

Para nuestros propósitos clasificaremos los experimentos en dos grupos

EXPERIMENTOS

DETERMINÍSTICOS ALEATORIOS

Se puede determinar el resultado a No es posible determinar a


priori. priori el resultado.
Por ejemplo: si soltamos un objeto en Por ejemplo, si arrojamos un
el aire, seguro que caerá por efecto de dado, no podemos determinar a
la gravedad. priori que número saldrá.

En el caso de los experimentos aleatorios que, como sospecharán, son los de nuestro
interés, podemos decir que a pesar de no poder determinar a priori el resultado, es
posible determinar el conjunto de todos los resultados posibles del experimento.

Espacio muestral es el conjunto de todos los resultados posibles de un


experimento aleatorio E

A todo subconjunto del espacio muestral se lo demonina suceso.

Dos sucesos A y B son mutuamente excluyentes si no pueden ocurrir juntos.


En símbolos será: A  B  

Veamos el siguiente experimento aleatorio:


UNIDAD 2: Probabilidad- definición y propiedades 4

Experimento: E= “Arrojar un dado y observar qué número sale.”

Espacio Muestral S  1, 2; 3, 4, 5, 6

Sucesos A  
1 B  sale par  2, 4, 6 C  sale menor que 4  1, 2, 3

Podemos decir que:


 Ocurre el suceso A, cuando sale el 1
 Ocurre el suceso B cuando sale el 2, sale el 4 o sale el 6
 Ocurre el suceso C cuando sale el 1, sale el 2 o sale el 3.

FRECUENCIA RELATIVA

Vamos a aproximarnos al concepto de probabilidad mediante la frecuencia


relativa. Supongan que repetimos n veces un experimento aleatorio E y
sean A y B dos sucesos asociados con el experimento. Sean n A y n B el número de
veces que ocurrieron respectivamente los sucesos A y B en las n repeticiones.

Se llama frecuencia relativa del suceso A en las n repeticiones del


experimento E al cociente entre n y n A .

Es decir que:
nA
fA 
n

Vamos a analizar las propiedades de la frecuencia relativa.

a) La frecuencia relativa está acotada entre 0 y 1.

Si repetimos n veces un experimento, el suceso A puede ocurrir como máximo


las n veces y como mínimo ninguna vez, por lo tanto 0  n A  n , si dividimos
miembro a miembro por n, obtnenemos:

0 nA n
 
n n n

o bien 0  f A 1

b) Si A y B son sucesos que se excluyen mutuamente, podemos calcular f A B


mediante la suma de las frecuencias relativas de A y de B.

n A B Por ser A y B excluyentes, podemos calcular la


f A B  frecuencia absoluta de A  B como la suma de las
n
frecuencias de A y de B ( no pueden ocurrir
n  nB
f A B  A simultáneamente)
n
n n
f A B  A  B
n n
UNIDAD 2: Probabilidad- definición y propiedades 5

f AB  f A  f B

c) f A basada en las n repeticiones del experimento y considerada para una


función de n “converge en probabilidad” a P(A) cuando n  

Esto no podemos demostrarlo en este punto del desarrollo de la materia, pero


haremos una aproximación al concepto en la siguiente actividad de laboratorio.

Actividad en laboratorio

SIMULACIÓN DE LA TIRADA DE UNA MONEDA

Vamos a simular la tirada de una moneda usando la planilla de


cálculo, para ello vamos a usar:
a) la función ALEATORIO, que genera números aleatorios entre 0 y 1. Como lo
que necesitamos son ceros o unos ( supongamos que queremos contar las
caras, entonces 0 es ceca y 1 es cara)
b) la función REDONDEAR que redondea el número aleatorio a cero o uno, si lo
asignamos cantidad de decimales igual a cero.
Para realizar el experimento tienen que armar una tabla como la siguiente.

Resultado Cantidad de Total de Frecuencia Probabilidad


caras tiradas relativa
Aquí pegamos la Suma parcial Suma parcial Frecuencia 0,5
función de la cantidad de la cantidad relativa que ( es el valor
de caras de veces que lleva la teórico de
se tiró la cantidad de probabilidad)
REDONDEAR moneda caras en este
(ALEATORIO();0) instante de la
simulación

Copien la fórmula entre 500 y 1000 veces para tener una aproximación buena. A partir
de allí construyan un gráfico de líneas con los de valores, la frecuencia relativa y la
probabilidad.

Discutan entre ustedes en qué se diferencia el concepto de “convergencia en


probabilidad” del concepto de convergencia que ustedes tenían previamente al
experimento de simulación.

Consulten con los docentes a cargo para escribir conclusiones sobre el experimento.

AXIOMAS DE PROBABILIDAD

Supongan que un espacio muestral S está asociado con un experimento E, A


cada suceso A definido en S (A es un subconjunto de S), se le asigna un número P(A),
denominado probabilidad de A, de tal manera que se cumplen los axiomas siguientes.

1. P A  0 .
UNIDAD 2: Probabilidad- definición y propiedades 6

2. PS   1
3. Si A y B son sucesos mutuamente excluyentes , entonces P A  B   P A  PB 
4. Si A1 ; A2 ; A3 ; …… es una sucesión de sucesos de S que se excluyen mutuamente,
   
dos a dos, entonces se cumple que P  i    P Ai 
A
 i 1  i 1

PROPIEDADES DE LA PROBABLIDAD

A partir de los axiomas podemos deducir y demostrar las siguientes


propiedades, que intentaremos comprender a través de la representación
gráfica.

P   0

Demostración:

A   A
P A     P A
P A  P   P A Aplicamos el axioma 3 por ser excluyentes y cancelamos
en ambos miembros P A
P   0


P A 1  P A

Demostración. S
A
A A S
 
P A  A  PS 

P A  B  P A  PB  P A  B

Demostración:
S
A B  A B A   A B
Por ser A y B  A mutuamente
excluyentes se cumple:

P A  B   P A  P B  A  
UNIDAD 2: Probabilidad- definición y propiedades 7

Por otro lado


B  B  A  B  A  
Por ser B  A y B  A excluyentes será:
PB   PB  A  P B  A  
Es decir que:
PB   PB  A  P B  A   

Reemplazando en  resultará

P A  B  P A  PB  P A  B
.
Gráficamente podemos ver que al sumar P(A) y P(B), estamos sumando dos veces la
intersección y por lo tanto debemos restarla una vez.

P A  B  C   P A  B  C   P A  B  PB  C   PC  A  P A  B  C 

La demostración quedará a cargo de ustedes a modo de ejercitación. Como pista


pueden considerar que P A  B  C   P A  B   C 

B
A

Si A  B entonces se verifica que P A  PB 

Demostración:
S
Como A  B , entonces B  A  B  A   B
A

P
 B   P
 A  
P BA

 
no negativo no negativo no negativo
UNIDAD 2: Probabilidad- definición y propiedades 8

   
Si P B  A  0 entonces PB   P A , si P B  A  0 entonces PB   P A

Actividad 1

Las botellas de gaseosa que pasan por el control de calidad de una fábrica tienen por
lo general dos tipos de fallas. El 15% contiene menos cantidad de lo aceptable, el
10% tiene problemas con la tapa y el 2% presenta las dos fallas. Las botellas que
presentan alguna de estas fallas se descartan y no se venden.
a) Calculen la probabilidad de que una botella elegida al azar no pase la prueba.
b)¿Cuál es la probabilidad de que una botella elegida al azar tenga solo una de las dos
fallas?

Actividad 2

Se llevó a cabo una encuesta entre estudiantes universitarios para evaluar sus hábitos
de estudio,. Los datos se volcaron en la siguiente tabla que discrimina las respuestas
según la situación laboral del estudiante

Estudia todos Estudia Estudia llegado


los días frecuentemente el tiempo de los
en la semana exámenes o
(D) (F) entregas
(E)
No trabaja ( T ) 45 30 20
Trabaja (T) 20 40 65

a) Si se elige un estudiante al azar entre los encuestados, hallen la probabilidad de


que trabaje.
b) Si se elige un estudiante al azar entre los encuestados, hallen la probabilidad de
que estudie todos los días.
c) Si se elige un estudiante al azar entre los encuestados, hallen la probabilidad de
que no estudie todos los días.
d) Si se elige un estudiante al azar entre los encuestados, hallen la probabilidad de
que trabaje y estudie frecuentemente en la semana.
e) Si se elige un estudiante al azar entre los que trabajan, calculen la probabilidad de
que estudie frecuentemente en la semana.
f) Analicen la diferencia entre los enunciados de los item d) y e)

PROBABILIDAD CONDICIONAL

En los casos, como en el ejemplo anterior, que calculamos probabilidades


sobre una parte del espacio muestral, se dice que calculamos
probabilidades condicionales.
UNIDAD 2: Probabilidad- definición y propiedades 9

Definimos la probabilidad de que ocurra el suceso A si ocurre el suceso B de la


siguiente manera:

P A  B 
P A / B   con P( B)  0
P B 
Se lee: Probabilidad de A dado B

De la definición se desprende la siguiente propiedad:

Teorema de la multiplicación

P A  B  P A / B. PB con P( B)  0

Veamos los siguientes ejemplos:

a) En un grupo de alumnos universitarios el 30% no rindió el final de Análisis


Matemàtico, un 70% no rindió tampoco el final de Física.

Para calcular la proporción de alumnos que adeudan el final de las dos materias
calculamos

P( A  F )  PF / A.P A
=0,70 . 0,30
=0,21

b) Una fábrica de automóviles produce un 65% de autos de cuatro puertas, un 15% de


autos con aire acondicionado, y un 10% de autos que tienen cuatro puertas y aire
acondicionado.

Para calcular la probabilidad de que un auto elegido al azar entre los que tienen cuatro
puertas, tenga aire acondicionado calculamos:

P A  4 P  0,10
P A / 4 P    =0,1538
P4 P  0,65

pero si queremos calcular la probabilidad de que un auto elegido al azar entre los que
tienen aire acondicionado sea de cuatro puertas tendremos que hallar:

P A  4 P  0,10
P4 P / A   =0,6666
P A 0,15

DIAGRAMAS DE ÁRBOL

Analicen el siguiente ejemplo:


UNIDAD 2: Probabilidad- definición y propiedades 10

En una caja hay 4 bolitas negras y 3 blancas y se extraen 3 bolitas,


una tras otray sin reponer. Los resultados posibles y sus
probabilidades se pueden representar en un diagrama de árbol.

2
5 N1  N2  N3
3
3
6
5
N1  N 2  B3
3 3
4 6 5 N1  B2  N3
7
2
5
3 N1  B2  B3
3
7 5 B1  N 2  N3
4
2
6
5
2 B1  N 2  B3
4
6 5 B1  B2  N3

1
5
B1  B2  B3

Para obtener la probabilidad de que salgan todas blancas, tendremos que calcular:
PB1  B2  B3   . . 
3 2 1 1
7 6 5 35

La representación simbólica del cálculo anterior es:

PB1  B2  B3   PB1  . PB2 / B1  . PB / B  B2 


   31
blanca la primera blanca la segunda si blancala primera blancala tercera si las dos primerassonblancas

simbolización que comunmente se omite y que se simplifica notablemente mediante el


uso del diagrama de árbol.

INDEPENDENCIA ENTRE SUCESOS

En muchos casos nos interesa conocer si dos sucesos se vinculan con


una relación de dependencia.
En el caso de la caja con las bolitas cuando extraemos sin reposición vemos que la
probabilidad de que la segunda bolita sea de un determinado color depende del color
de la primera bolita. Cuando extraemos y luego reponemos, la probabilidad de que la
segunda bolita sea de un determinado color no depende del color de la primera,
porque, al reponer la bolita, la segunda extracción se hace en las mismas condiciones
que la primera
UNIDAD 2: Probabilidad- definición y propiedades 11

Dos sucesos A y B son independientes si se cumple que P A / B   P A

Al aplicar la definición de probabilidad condicional tendremos que:


P A  B 
 P  A
P B 

Y despejando convenientemente P A  B   P APB 

Luego, podremos decir también que:

Dos sucesos son independientes sí y sólo si se cumple que


P A  B   P APB

Si los sucesos son tres, podremos decir que:

Si tres sucesos son independientes, se verifica que P A  B  C   P A.PB .PC 

En cambio:

Para que tres sucesos sean independientes, debe verificarse que:

P A  B  C   P A.PB.PC 
P A  B   P A.PB 
PB  C   PB .PC 
P A  C   P A.PC 

Analicemos ahora la siguiente situación:

Un tornillo tiene dos tipos de fallas independientes: en la rosca y en la ranura, el


5% de los tornillos tiene fallas en la ranura y el 10% tiene fallas en la rosca.

Para conocer la probabilidad de que un tornillo tenga ambas fallas tenemos


que calcular
P( Ro  Ra)  PRo .PRa   0,10 . 0,05  0,005

Para conocer la probabilidad de que un tornillo no tenga ninguna de las dos


fallas tenemos que calcular
P( Ro  Ra )  P( Ro  Ra )
= 1  P( Ro  Ra )
 1  PRo   PRa   PRo .PRa 
=1-(0,10 + 0,05 – 0,10 . 0,05)
=1-0,145
=0,855
UNIDAD 2: Probabilidad- definición y propiedades 12

¿Hubiera sido válido calcular P( Ro  Ra )  P( Ro) P( Ra ) ?


Si hacemos los cálculos pareciera que sí, pero hay que demostrarlo para poder utilizar
la igualdad como propiedad.

Probaremos primero que:

Si A y B son independientes, entonces también lo son A y B .

Para ello hay que demostrar que:

  
A y B independie ntes  P A  B  P A. P B

Podemos descomponer el suceso A de la siguiente forma:



A   A  B A  B 
por ser sucesos excluyentes

P A  P A  B   P A  B 
despejamos la probabilidad buscada

P A  P A  B   P A  B 
por ser A y B independientes

P A  P APB   P A  B 
sacamos factor común P(A)

P A1  PB   P A  B 
por propiedad de los sucesos complementarios
 
P AP B  P A  B 
De la misma forma se puede deducir que:

Si A y B son independientes también lo son A y B y AyB

Actividad 3

Un artículo tiene dos tipos de fallas independientes ( A y B). El 10 por ciento de los
artículos tiene la falla A y el 81% no tiene fallas. Calculen la probabilidad de que un
artículo elegido al azar tenga solamente una falla
UNIDAD 2: Probabilidad- definición y propiedades 13

Actividad 4

Dos sucesos son tales que la probabilidad de que ocurra solamente A es 0,2 y la de
que ocurra solamente B es 0,1. Si la probabilidad de que ocurra ninguno de los dos es
0,4, analicen si A y B pueden ser independientes.1

Observen los siguientes sistemas y consideren el suceso A como “funciona la


componente A”

Sistema en paralelo Sistema en serie

B A B C
C
El sistema funciona cuando funciona El sistema funciona cuando funcionan
alguna de sus todas sus componentes, o sea
componentes,  A  B  C  y falla  A  B  C  y falla cuando falla alguna de
cuando fallan todas las componentes las componentes A  B  C  
A  B  C 
Si la probabilidad de funcionar de cada componente en los siguientes sistemas es p,
calculen la probabilidad de funcionar de cada sistema.

a) b)

PARTICIÓN DEL ESPACIO MUESTRAL

Muchas veces tenemos que clasificar los elementos del Espacio Muestral
según algún sistema de clasificación.
Por ejemplo una producción de tornillos podemos clasificarla según el tipo
de cabeza, el largo, el diámetro, según calidad. Cada criterio implica un grupo de
categoríasLos sistemas de clasificación son adecuados si cumplen con algunas
condiciones:
 Ningún elemento puede pertenecer a más de una categoría. ( un artículo no
puede estar no fallado y fallado a la vez ). Esto implica que las categorías
deben ser excluyentes.
 Las categorías tienen que tener sentido, es decir, que tiene que existir
algún elemento que justifique la existencia de la categoría.( si clasificamos
según el diámetro, no tiene sentido enunciar la categoría “ entre 5 y 6
metros”)
 No pueden haber elementos que no puedan ser clasificados, esto quiere
decir que el sistema debe contemplar todas las posibilidades.

1
Final de la Cátedra de Probabilidad y Estadística . UTN FRA, 20/02/2003
UNIDAD 2: Probabilidad- definición y propiedades 14

Un concepto matemático que nos permite encuadrar los sistemas de clasificación es el


de Partición del Espacio Muestral.
S
Decimos que M  K1; K 2 ; K3 ; ...K n  es una A
partición del Espacio Muestral, si cumple con las
siguientes condiciones:
a) PKi   0
b) K i  K j   i  j
n
c) K
i 1
i S K1 K2 K3 … Kn

Condiciones que si analizamos se vinculan con los criterios para establecer sistemas
de clasificación .

Importante: Cada K i es un elemento de la partición. No hay que confundirse la


partición que indica la forma en que se clasifica el espacio muestral con un elemento
K i que es el equivalente a una categoría

TEOREMA DE LA PROBABILIDAD TOTAL

Tenemos el espacio muestral S particionado, S


e incluído en él al suceso A. A
Podemos descomponer al suceso A de la
siguiente manera:

A  A  K1   A  K2   ...  A  Kn 

Por ser los sucesos excluyentes:


PA  PA  K1   PA  K 2   ...  PA  Kn 
K1 K2 K3 … Kn

Según la definición de probabilidad condicional

PA  PA / K1 .PK1   PA / K 2 .PK 2   ...  PA / K n .PK n 

Expresión que podemos simplificar.


Esto es:

n
PA    PA / K i . PK i 
i 1

Analicemos la siguiente situación:

En un depósito reciben mercaderías de dos fábricas que trabajan en relación 2:3. El 10


por ciento de los artículos que se producen en la primera fábrica son defectuosos.
Para la segunda fábrica ese porcentaje es del 5%. Si se toma un artículo al azar del
depósito, calculen la probabilidad de que sea defectuoso
UNIDAD 2: Probabilidad- definición y propiedades 15

D Producir en relación 2:3 implica que cada 2 artículos que


0,10
produce la primera fábrica (la llamaremos A), la segunda
A (B) produce 3 artículos.
0,4 0,90 D
Por lo tanto PA    0,4 y PB   0,6
2 3
D 5 5
0,6 0,05
B
0,95 D
Para aplicar el teorema de la Probabilidad Total, S
D
tenemos que considerar que hay una partición de S
dada por la fábrica de la cual se recibe la mercadería.
Entonces los elementos de la partición son A y B.
Aplicando la fórmula queda
A B
PD  PD / A.PA  PD / B.PD

Reemplazando P(D)= 0,10 . 0,40 + 0,05 . 0,60 =0,07

Que es el mismo cálculo que hubiéramos realizado directamente a partirdel diagrama


de árbol.

Actividad 5

Consideren los datos del ejemplo anterior. Si es elige un artículo al azar y resulta estar
fallado, calculen la probabilidad de que provenga de la fábrica A.

TEOREMA DE BAYES

En la actividad anterior, calcularon la probabilidad de que ocurra un


elemento de la partición ( fábrica A ) sabiendo que había ocurrido cierto
suceso (Artículo defectuoso).
Vamos a justificar teóricamente el ejemplo, para poder aplicarlo en otros contextos.

Para ello, calcularemos PK i / A 

PK i / A PK i  A 

PA 
Como se desprende de la PA / K i . PK i 

PA 
definición de probabilidad
condicional
PA / K i . PK i 
Aplicando en el denominador el 
 A / K . PK 
n
Teorema de la Probabilidad j j
Total obtendremos j1

PA / K i . PK i 
PK i / A 
 A / K . PK 
n

j j
j1
UNIDAD 2: Probabilidad- definición y propiedades 16

A MODO DE SÍNTESIS…
UNIDAD 2: Probabilidad- definición y propiedades 17

APÉNDICE: HERRAMIENTAS DE COMBINATORIA

Desarrollaremos en forma práctica algunas estrategias para contar en


los casos en los que la enumeración de los mismos llevaría mucho
tiempo. Analicemos la siguiente situación:

En una fábrica se compró una máquina nueva y se harán turnos de 2


horas con los cuatro empleados (a lo largo de las 8 horas de la jornada) para que
vayan aprendiendo a usarla con un entrenador que provee la empresa que vendió la
máquina. Suponiendo que todos los días harán los turnos en el mismo orden, ¿de
cuántas formas distintas se podría organizar el orden de la jornada de capacitación?

Podemos organizar los datos en un diagrama de árbol

Si observamos el diagrama, solamente


C D completando los datos que están circulados en
B
gris., queda configurado el diagrama.
D C Podemos ver que para la primera opción se
abren cuatro ramas, de cada una de las cuatro
B D
ramas salen 3 ramas y así sucesivamente, con
A C lo que podemos resumir la situación en el
D B
siguiente gráfico
B C
D
C B
4 3 2 1
C D
A Opciones
D C para el
primer turno
A D Opciones para el
segundo turno
B C
una vez que
D A
ubicamos el
A C primero

D
C A

B D La solución la encontramos multiplicando


A
D B 4 . 3 . 2 .1 = 4! =24
A D
C B Multiplicamos los casos dado que por cada
D A
una de las cuatro elecciones que tenemos
B A para el primer turno tenemos tres para el
D segundo… y así sucesivamente.
A B
En el ejemplo tomamos un grupo de 4
B C elementos y consideramos los ordenamientos
A posibles que se podían llevar a cabo con ellos.
C B

A C
D B
C A Dado un grupo de n elementos, se
llama permutación simple a todo
B A
ordenamiento que se puede realizar
C
A B
con ellos.
UNIDAD 2: Probabilidad- definición y propiedades 18

La cantidad total de permutaciones que se pueden realizar con n elementos se


simboliza como Pn y se calcula mediante
Pn  n!

n! representa el factorial del número natural n que se define como sigue:

 0!  1

 1!  1
n!  n(n  1)!

En una segunda etapa del entrenamiento para el uso de la máquina del ejemplo
anterior, se incorpora un nuevo empleado y por ser más largas la experiencia, se
hacen turnos de tres personas por día.
¿De cuántas formas distintas se puede comenzar el primer día de entrenamiento?

Para resolver el problema podemos acudir a la misma estrategia que en el caso


anterior, que es usar el diagrama de casillas.

5 4 3

En este caso la respuestas al problema está dada por el cálculo 5 . 4. 3 = 60

Lo que hemos hecho en este caso es tomar un grupo de 5 elementos y considerar


todos los ordenamientos de 3 elementos a partir de los 5 del grupo.

Dado un grupo de n elementos, llamamos variación simple de n elementos


agrupados de a r, a todo ordenamiento de r elementos seleccionados entre
los n del grupo.

La cantidad de variaciones de n elementos agrupados de a r que se pueden formar se


simboliza con V
n;r

Para calcularlas debemos utilizar el producto

Vn;r  nn  1...n  r  1


  
r factores

Si multiplicamos y dividimos por n  r ! tendremos

nn  1...n  r  1n  r !


Vn;r  , obteniendo
n  r !
n!
Vn;r 
n  r !
UNIDAD 2: Probabilidad- definición y propiedades 19

Finalizado el entrenamiento en la fábrica y convencidos del rendimiento de la misma


se compran tres máquinas nuevas y van a asignar a tres responsables para el control
(uno para cada máquina)
¿De cuántas formas distintas pueden hacerlo? Intenten formular el problema de modo
tal que puedan aplicar la estrategia para otros problemas (es decir no solamente
contándolas por enumeración).
Cuentan con las siguientes pistas:
 En los grupos no importa el orden en que aparecen los operarios dado que es
indistinto a qué máquina asignamos cada operario. Sólo nos interesa quiénes
van a ser.
 En el cálculo, pueden hacer intervenir los conceptos que aplicamos
anteriormente.
 Pueden utilizar la enumeración para verificar los resultados o utilizar la
estrategia para entender cómo pensar el problema.
 Si estas pistas no les alcanzan, pregúntenos y seguiremos ayudando.

Dado un grupo de n elementos, llamamos combinación de n elementos


agrupados de a r, a todo agrupamiento no ordenado de r elementos
seleccionados entre los n del grupo.

La cantidad de variaciones de n elementos agrupados de a r que se pueden formar se


simboliza con C y se calcula según:
n;r

n!
Cn; r 
k!n  k !