Repblica Bolivariana de Venezuela Ministerio del Poder Popular para la Educacin Superior Universidad Nacional Experimental Simn Rodrguez

Estadstica Aplicada - Seccin A Estado Bolvar

Facilitador: Juan Gutirrez

Participante: Yesenia Garca C.I. 15.277.765

Ciudad Bolvar, Noviembre de 2011

PROBABILIDAD

Se define como clculo de probabilidad al conjunto de reglas que permiten determinar si un fenmeno ha de producirse, fundando la suposicin en el clculo, las estadsticas o la teora. El objetivo de esta prctica es realizar varios experimentos de probabilidad, anotar los resultados y posteriormente compararlos con los resultados tericos. Definicin de Probabilidad: La probabilidad, en una experiencia aleatoria, es una aplicacin que asigna un nmero real a cada suceso.

Para comprender las propiedades de la probabilidad, debemos establecer algunos conceptos previamente:

Espacio muestral (E): es el conjunto de los diferentes resultados que pueden darse en un experimento aleatorio. Espacio muestral discreto: si contiene un nmero finito o infinito numerable de puntos muestrales. Ejemplo: se tiene una urna con bolillas del 1 al 20. Se extrae una. S = { 1, 2, 3 , 20 } (finito) Espacio muestral contnuo: si contiene una infinidad no numerable de puntos muestrales. Ejemplo: su utiliza una balanza de presicin para pesar partculas metlicas. S= { X : 0 < X < infinito )

Suceso: subconjunto del espacio muestral. Se representa con una letra mayscula, con sus elementos entre llaves y separados por comas.

Operaciones con sucesos: Unin: la unin de dos sucesos es el suceso que ocurre cuando se da uno de ellos. Interseccin: la interseccin dos sucesos es el suceso que ocurre cuando se dan ambos a la vez.

Tipos de sucesos:

Suceso Seguro: se tiene la certeza de que se producir porque contiene todos los resultados posibles de la experiencia (coincide con el espacio muestral). Suceso Imposible: se tiene la certeza de que nunca se puede presentar, ya que no tiene elementos (es el conjunto vaco). Suceso Contrario de A: es el que ocurre cuando no se da A; es su complementario respecto al espacio muestral (A). Suceso Elemental: es el que tiene un solo resultado, es un conjunto unitario. Sucesos incompatibles: la interseccin es conjunto vaco, es decir, no pueden los dos sucesos darse al mismo tiempo. Sucesos Compatibles: la interseccin de dos sucesos contiene algn elemento.

Las caractersticas de la probabilidad son:

La probabilidad de un suceso es mayor o igual que cero. La probabilidad del suceso seguro es uno.

 La probabilidad de la unin de dos sucesos incompatibles es igual a la suma de sus probabilidades. Y sus propiedades, deducidas a raz de las caractersticas son: La probabilidad del suceso imposible es 0. La probabilidad de un suceso sumada a la de su contrario da 1. Si un suceso est incluido en otro, su probabilidad es menor o igual a la de ste. La probabilidad de un suceso es un nmero real menor o igual que 1. La probabilidad de la unin de varios sucesos incompatibles dos a dos es la suma de sus probabilidades. La probabilidad de la unin de dos sucesos es la suma de sus probabilidades restndole la probabilidad de su interseccin.

PROPIEDADES DE LA PROBABILIDAD 1.La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la probabilidad del suceso contrario es:

2.Probabilidad del suceso imposible es cero.

3.La probabilidad de la unin de dos sucesos es la suma de sus probabilidades restndole la probabilidad de su interseccin.

4.Si un suceso est incluido en otro, su probabilidad es menor o igual a la de ste.

5.Si A1, A2, ..., Ak son incompatibles dos a dos entonces:

6.Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:

Por ejemplo la probabilidad de sacar par, al tirar un dado, es: P(par) = P(2) + P(4) + P(6)

APLICACIONES

Dos aplicaciones principales de la teora de la probabilidad en el da a da son en el anlisis de riesgo y en el comercio de los mercados de materias primas. Los gobiernos normalmente aplican mtodos probabilsticos en regulacin ambiental donde se les llama "anlisis de vas de dispersin", y a menudo miden el bienestar usando mtodos que son estocsticos por naturaleza, y escogen qu proyectos emprender basndose en anlisis estadsticos de su probable efecto en la poblacin como un conjunto. No es correcto decir que la estadstica est incluida en el propio modelado, ya que tpicamente los anlisis de riesgo son para una nica vez y por lo tanto requieren ms modelos de probabilidad fundamentales, por ej. "la probabilidad de otro 11-S". Una ley de nmeros pequeos tiende a aplicarse a todas

aquellas elecciones y percepciones del efecto de estas elecciones, lo que hace de las medidas probabilsticas un tema poltico.

Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto generalizado sobre los precios del petrleo en Oriente Medio - que producen un efecto domin en la economa en conjunto. Un clculo por un mercado de materias primas en que la guerra es ms probable en contra de menos probable probablemente enva los precios hacia arriba o hacia abajo e indica a otros comerciantes esa opinin. Por consiguiente, las probabilidades no se calculan independientemente y tampoco son necesariamente muy racionales. La teora de las finanzas conductuales surgi para describir el efecto de este pensamiento de grupo en el precio, en la poltica, y en la paz y en los conflictos.

Se puede decir razonablemente que el descubrimiento de mtodos rigurosos para calcular y combinar los clculos de probabilidad ha tenido un profundo efecto en la sociedad moderna. Por consiguiente, puede ser de alguna importancia para la mayora de los ciudadanos entender cmo se calculan los pronsticos y las probabilidades, y cmo contribuyen a la reputacin y a las decisiones, especialmente en una democracia.

Otra aplicacin significativa de la teora de la probabilidad en el da a da es en la fiabilidad. Muchos bienes de consumo, como los automviles y la electrnica de consumo, utilizan la teora de la fiabilidad en el diseo del producto para reducir la probabilidad de avera. La probabilidad de avera tambin est estrechamente relacionada con la garanta del producto.

Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra ignorancia dada una situacin. Por consiguiente, puede haber una probabilidad de 1 entre 52 de que la primera carta en una baraja sea la J de diamantes. Sin embargo, si uno mira la primera carta y la reemplaza, entonces la probabilidad es o bien 100% 0%, y la eleccin correcta puede ser hecha con precisin por el que ve la carta. La fsica moderna proporciona ejemplos importantes de situaciones determinsticas donde slo la descripcin probabilstica es factible debido a informacin incompleta y la complejidad de un sistema as como ejemplos de fenmenos realmente aleatorios.

En un universo determinista, basado en los conceptos newtonianos, no hay probabilidad si se conocen todas las condiciones. En el caso de una ruleta, si la fuerza de la mano y el periodo de esta fuerza es conocida, entonces el nmero donde la bola parar ser seguro. Naturalmente, esto tambin supone el conocimiento de la inercia y la friccin de la ruleta, el peso, lisura y redondez de la bola, las variaciones en la velocidad de la mano durante el movimiento y as sucesivamente. Una descripcin probabilstica puede entonces ser ms prctica que la mecnica newtoniana para analizar el modelo de las salidas de lanzamientos repetidos de la ruleta. Los fsicos se encuentran con la misma situacin en la teora cintica de los gases, donde el sistema determinstico en principio, es tan complejo (con el nmero de molculas tpicamente del orden de magnitud de la constante de Avogadro) que slo la descripcin estadstica de sus propiedades es viable.

La mecnica cuntica, debido al principio de indeterminacin de Heisenberg, slo puede ser descrita actualmente a travs de distribuciones de

probabilidad, lo que le da una gran importancia a las descripciones probabilsticas. Algunos cientficos hablan de la expulsin del paraso. [Cita requerida] Otros no se conforman con la prdida del determinismo. Albert Einstein coment estupendamente en una carta a Max Born: Jedenfalls bin ich berzeugt, da der Alte nicht wrfelt. (Estoy convencido de que Dios no tira el dado). No obstante hoy en da no existe un medio mejor para describir la fsica cuntica si no es a travs de la teora de la probabilidad. Mucha gente hoy en da confunde el hecho de que la mecnica cuntica se describe a travs de distribuciones de probabilidad con la suposicin de que es por ello un proceso aleatorio, cuando la mecnica cuntica es probabilstica no por el hecho de que siga procesos aleatorios sino por el hecho de no poder determinar con precisin sus parmetros fundamentales, lo que imposibilita la creacin de un sistema de ecuaciones determinista.

Investigacin biomdica

La mayora de las investigaciones biomdicas utilizan muestras de probabilidad, es decir, aquellas que el investigador pueda especificar la probabilidad de cualquier elemento en la poblacin que investiga. Las muestras de probabilidad permiten usar estadsticas inferenciales, aquellas que permiten hacer inferencias a partir de datos. Por otra parte, las muestras no probabilsticas solo permiten usarse estadsticas descriptivas, aquellas que solo permiten describir, organizar y resumir datos. Se utilizan cuatro tipos de muestras probabilsticas: muestras aleatorias simples, muestras aleatorias estratificadas, muestra por conglomerados y muestras sistemticas.

CONCEPTO CLSICO DE PROBABILIDAD

Este enfoque permite determinar valores de probabilidad antes de ser observado el experimento por lo que se le denomina enfoque a priori. El enfoque clsico es aplicado cuando todos los resultados son igualmente probables y no pueden ocurrir al mismo tiempo. Si queremos conocer la probabilidad del evento A segn este enfoque debemos calcular el siguiente cociente: N(A) P(A) = ------------N(S) Dnde: N(A): resultados elementales posibles son favorables en el evento A N(S): posibles resultados en el espacio muestral

EJEMPLOS 1) En un mazo de cartas bien barajadas que contiene 4 ases y 48 cartas de otro tipo, la probabilidad de obtener un as (A) en una sola extraccin es N(A) 4 1 P(A) = ------ = ----- = ---N(S) 52 13 2) El experimento es lanzar un dado. Cul es la probabilidad de que caiga un dos hacia arriba? P( caiga 2 ) = 1 ---6 = .166

ENFOQUE DE FRECUENCIAS RELATIVAS (A POSTERIORI O EMPRICO)

Este enfoque permite determinar la probabilidad con base en la proporcin de veces que ocurre un resultado favorable en cierto nmero experimentos. No implica ningn supuesto previo de igualdad de

probabilidades. A este enfoque se le denomina tambin enfoque emprico debido a que para determinar los valores de probabilidad se requiere de la observacin y de la recopilacin de datos. Tambin se le denomina a posteriori, ya que el resultado se obtiene despus de realizar el experimento un cierto nmero de veces. Si queremos conocer la probabilidad del evento A segn este enfoque debemos calcular el siguiente cociente: Nmero de observaciones de A n(A) P(A) = -------------------------------------------- = ------Tamao de la muestra n EJEMPLOS Antes de incluir la cobertura para ciertos tipos de problemas dentales en plizas de seguros mdicos para adultos con empleo, una compaa de seguros desea determinar la probabilidad de ocurrencia de esa clase de problemas, para que pueda fijarse la prima de seguros de acuerdo con esas cifras. Por ello, un especialista en estadstica recopila datos para 10,000 adultos que se encuentran en las categoras de edad apropiadas y encuentra que 100 de ellos han experimentado el problema dental especfico durante el ao anterior. Por ello, la probabilidad de ocurrencia es:

Se sabe que una moneda est cargada. Para determinar la probabilidad de que caiga guila se lanza 60 veces la moneda al aire, de las cuales 25 veces cay guila. Si aplicamos la frmula:

INTERPRETACIN SUBJETIVA PROBABILIDAD

La probabilidad subjetiva o condicionada interpreta las mismas frecuencias del procedimiento de confirmacin de la evidencia implcita en una relacin causal humana mediante una aplicacin estricta del teorema de Bayes. Segn este teorema la probabilidad condicionada de un suceso (A) respecto de otro (B), es directamente proporcional a la probabilidad ya comprobada o a priori de la conjuncin de ambos eventos A y B, e inversamente proporcional a la probabilidad aislada del segundo evento B. En todo momento se presupone la referencia a eventos recprocamente independientes, aunque

interrelacionados, manteniendo entre ellos una correlacin meramente fctica.

PROBABILIDAD DE EVENTOS

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 cuntos dados hay que lanzar para que la probabilidad de que salga algn seis supere el 50%. La probabilidad de un resultado se representa con un nmero entre 0 y 1, ambos inclusive. La probabilidad 0 indica que el resultado no ocurrir nunca, y la probabilidad 1, que el resultado ocurrir siempre. El clculo matemtico de probabilidades se basa en situaciones tericas en las cuales puede configurarse un espacio muestral cuyos sucesos elementales tengan todos la misma probabilidad. Por ejemplo, al lanzar un dado ideal, la probabilidad de cada una de las caras es 1/6. Al lanzar dos dados, la probabilidad de cada uno de los resultados es 1/36.

En estos casos, la probabilidad de un suceso cualquiera S, se calcula mediante la regla de Laplace: P[S] = nmero de sucesos elementales de S / nmero total de sucesos elementales P[S] = nmero de casos favorables a S / nmero de casos posibles Pierre de Fermat El matemtico francs Pierre de Fermat destac por sus importantes aportaciones a la teora de la probabilidad y al clculo diferencial. Tambin contribuy al desarrollo de la teora de nmerosCorbis La aplicacin de la regla de Laplace en casos elementales es muy sencilla. Por ejemplo, en la experiencia de lanzar un dado: P[{2, 3, 4, 5}] = 4/6 Pues {2, 3, 4, 5} tiene 4 sucesos elementales y la experiencia admita, en total, seis posibilidades. Sin embargo, la aplicacin de esta regla en experimentos ms complejos requiere el uso de la combinatoria. Por ejemplo, al extraer tres cartas de una

baraja y ver la probabilidad de que las tres sean trboles, el nmero total de sucesos elementales es C523 = (525150)/(321) = 22.100. Los casos favorables son C133= (131211)/(321) = 286. Por tanto, la probabilidad pedida es: P[TRES TRBOLES] = 286/22.100 = 143/11.050 La resolucin de este tipo de problemas se simplifica notablemente si consideramos sacar tres naipes como una experiencia compuesta por tres experiencias simples: sacar un naipe y despus otro y despus otro.

DEFINICIN DE EVENTO Un evento es un subconjunto de un espacio muestral. Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio muestral. Por ejemplo en el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos: 1. Obtener un nmero primo A = {2, 3, 5} 2. Obtener un nmero primo y par B = {2} 3. Obtener un nmero mayor o igual a 5 C = {5, 6}

Eventos mutuamente excluyentes.Dos eventos son mutuamente excluyentes si no pueden ocurrir en forma simultnea, esto es, si y slo si su interseccin es vaca. Por ejemplo, en el lanzamiento de un dado los eventos B = {2} y C = {5, 6} son mutuamente excluyentes por cuanto B C =

Eventos Complementarios Si A B = y A B = E, se dice que A y B son eventos complementarios: Ac = B y Bc = A Su Medicin Matemtica o Clsica. Si en un experimento aleatorio todos los resultados son equiprobables (iguales probabilidades), es decir, la ocurrencia de uno es igualmente posible que la ocurrencia de cualquiera de los dems, entonces, la probabilidad de un evento A es la razn: P(A) = nmero de casos favorables para A/nmero total de casos posibles A partir de esta definicin las probabilidades de los posibles resultados del experimento se pueden determinar a priori, es decir, sin realizar el experimento. Se deduce de la definicin lo siguiente: 0 P(A) 1 La medicin probabilstica es un nmero real entre 0 y 1, inclusive, 0% P(A) 100% en porcentaje. P() = 0 y P(E) = 1 Su Medicin Experimental o Estadstica.- La frecuencia relativa del resultado A de un experimento es la razn FR = nmero de veces que ocurre A/nmero de veces que se realiza el experimento Si el experimento se repite un nmero grande de veces, el valor de FR se aproximar a la medicin probabilstica P del evento A. Por ejemplo, si lanzo 100 veces una moneda, el nmero de veces que obtengo cara es cercano a 50, o sea FR es cercano a 50%.

SIMBOLOGA UNIONES E INTERSECCIONES 1. A, B, C=conjuntos. 2. a ,b ,c=elementos de conjuntos 3. U=unin de conjuntos 4. =interseccin de conjuntos 5. A= complemento de un conjunto 6. / =dado que 7. \ diferencia 8. <>=diferente de 9. ( )=Conjunto nulo o vaco 10. R= conjunto de los nmeros reales 11. N= conjunto de los nmeros naturales 12. C= conjunto de los nmeros complejos 13. n!= factorial de un numero entero positivo 14. Q= conjunto de los nmeros fraccionarios 15. I= conjunto de los nmeros irracionales 16. c= subconjuntos 17. 18. { }= llaves. Conjuntos vacos

Si A y B son dos subconjuntos de un conjunto S, los elementos que pertenecen aA, a B o a ambos forman otro subconjunto de S llamado unin de A y B, escrito A U B. Los elementos comunes a A y B forman un subconjunto de S denominado interseccin de A y B, escrito A &cap B. Si A y B no tienen ningn elemento comn se denominan conjuntos disjuntos ya que su interseccin no tiene ningn elemento, y siendo conveniente representar

esta interseccin como otro conjunto, ste se denomina conjunto vaco o nulo y se representa con el smbolo . Por ejemplo, Si A = {2, 4, 6}, B = {4, 6, 8, 10} y C = {10, 14, 16, 26}, entonces A U B = {2, 4, 6, 8, 10}, A U C = {2, 4, 6, 10, 14, 16, 26}, A B = {4, 6} y A C = .

TCNICAS DE CONTEO Diagrama de Venn. Los diagramas de Venn son ilustraciones usadas en la rama de las matemticas conocida como teora de conjuntos. Estos diagramas se usan para mostrar grficamente la relacin matemtica o lgica entre diferentes grupos de cosas (conjuntos),

representando cada conjunto mediante un valo o crculo. La forma en que esos crculos se sobreponen entre s muestra todas las posibles relaciones lgicas entre los conjuntos que representan. Por ejemplo, cuando los crculos se superponen, indican la existencia de subconjuntos con algunas caractersticas comunes.

Tipos de diagramas de Venn Diagrama de dos conjuntos Observemos el ejemplo a la derecha: Supongamos que el conjunto A (el crculo naranja) representa, por ejemplo, todas las criaturas vivas con solo dos piernas motrices, y el conjunto B (el crculo azul) contiene a todas las criaturas que pueden volar. El rea donde ambos crculos se sobreponen (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 solo dos piernas motrices. Imaginemos ahora que cada tipo distinto de criatura viva est representado con un punto situado en alguna parte del diagrama. Los humanos y los pinginos estaran dentro del crculo naranja (el conjunto A) en la parte en la que no se sobrepone al crculo azul (el conjunto B), ya que ambos son bpedos y no pueden volar. Los mosquitos, que tienen seis piernas motrices y pueden volar, estaran representados con un punto dentro del crculo azul fuera de la interseccin A - B. Los loros, que tienen dos piernas motrices y pueden volar, estaran representados por un punto dentro de la interseccin A - B. Cualquier tipo de criatura que no tuviera solo dos piernas ni pudiera volar (como por ejemplo las ballenas o las serpientes), estara representado mediante puntos fuera de ambos crculos. 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 entrecruzan 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. Un diagrama de Venn de dos conjuntos define 3 reas diferentes, que pueden unirse en 6 posibles combinaciones: A (dos patas) A y B (dos patas y vuelan) A y no B (dos patas y no vuelan) no A y B (ms o menos de dos patas, y vuelan) no A y no B (ni tienen dos patas ni vuelan) B (vuelan) A veces se incluye un rectngulo alrededor del diagrama de Venn, que recibe el nombre de conjunto universal. 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. La idea de conjunto universal, aunque fue apuntada por el propio Venn, se atribuye habitualmente a Charles Dodgson, ms conocido como Lewis Carroll.

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 ocho reas diferentes, cuyas posibles uniones suponen 256 combinaciones distintas de los tres conjuntos iniciales. Ms de tres conjuntos La dificultad de representar ms de tres conjuntos mediante diagramas de Venn (o cualquier otra representacin grfica) es bien evidente. Venn senta aficin a la bsqueda de diagramas para ms de tres conjuntos, a los que defina como figuras simtricas, elegantes en s mismas. A lo largo de su vida dise varias de estas representaciones usando elipses, as como indicaciones para la creacin de diagramas para cualquier cantidad de curvas, partiendo del diagrama de tres crculos.

Diagramas de Venn de Edwards. A. W. F. Edwards dise unas hermosas representaciones para diagramas de Venn de ms de tres conjuntos, proyectando el diagrama sobre una esfera. Se pueden representar fcilmente tres conjuntos tomando tres hemisferios en ngulos adecuados (x=0, y=0 y z=0). Un cuarto conjunto se puede representar tomando una curva similar a la juntura de una pelota de tenis que suba y baje alrededor del ecuador. Los conjuntos resultantes pueden

proyectarse de nuevo sobre el plano para mostrar diagramas de engranaje, con cantidades cada vez mayores de dientes. Edwards ide estos diagramas mientras diseaba la ventana acristalada en memoria de Venn que hoy adorna el comedor de su colegio. Diagrama para tres conjuntos Diagrama para cuatro conjuntos Diagrama para cinco conjuntos Diagrama para seis conjuntos

Otros diagramas. Los diagramas de Edwards son topolgicamente equivalentes a los diagramas diseados por Branko Grnbaum, que se basaban en polgonos intersectados, con cantidades crecientes de lados. Smith ide diagramas similares de n conjuntos usando curvas senoidales en ecuaciones como y=sin(2ix)/2i, 0=i=n-2. Lewis Carroll dise un diagrama de cinco conjuntos.

Diagramas Similares. Diagramas de Euler Los diagramas de Euler son similares a los de Venn, pero no necesitan todas las posibles relaciones. Por ejemplo, en el representado a la derecha un conjunto (el A) est totalmente incluido en otro (el B), mientras que otro (el C) no tiene ninguna relacin con los dos anteriores. Supongamos que el conjunto A representa todos los tipos de queso que pueden encontrarse en el mundo, y el B representa a todos los comestibles

existentes en el mundo. Segn el diagrama, se ve claramente que todos los quesos son comestibles, pero no todos los comestibles son quesos. Si definimos el conjunto C como el de las cosas hechas de metal, el diagrama nos permite representar de forma evidente dos afirmaciones adicionales: los comestibles no estn hechos de metal, y las cosas hechas de metal no son comestibles.

Diagrama De Johnston. Diagrama de Johnston para la expresin ni A ni B son ciertas. Los diagramas de Johnston se usan para ilustrar afirmaciones lgicas como ni A ni B son ciertas, y son una forma visual de ilustrar tablas de verdad. Pueden ser idnticos en apariencia a diagramas de Venn, pero no representan conjuntos de elementos. Los mapas de Karnaugh o Diagramas de Veitch son otra forma de representar de forma visual expresiones de algebra booleana.

Diagrama de Peirce. Los diagramas de Peirce, creados por Charles Peirce, son extensiones de los diagramas de Venn que incluyen informacin sobre afirmaciones existenciales, disyuntivas, de probabilidades y otras relaciones.

Diagrama De rbol Un diagrama de rbol es una representacin grfica de un experimento que consta de r pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo.

Ejemplos: Un mdico general clasifica a sus pacientes de acuerdo a: su sexo (masculino o femenino), tipo de sangre (A, B, AB u O) y en cuanto a la presin sangunea (Normal, Alta o Baja). Mediante un diagrama de rbol diga en cuantas clasificaciones pueden estar los pacientes de este mdico? Solucin: Si contamos todas las ramas terminales, nos damos cuenta que el nmero de clasificaciones son 2 x 4 x 3 = 24 mismas que podemos enumerar; MAN, MAA, MAB, MBN, MBA, MBB, etc., etc.

Dos equipos denominados A y B se disputan la final de un partido de baloncesto, aquel equipo que gane dos juegos seguidos o complete un total de tres juegos ganados ser el que gane el torneo. Mediante un diagrama de rbol diga de cuantas maneras puede ser ganado este torneo, Solucin: A = gana el equipo A B = gana el equipo B En este diagrama se muestran que hay solo diez maneras de que se gane el torneo, que se obtienen contando las ramas terminales de este diagrama de rbol, las que es posible enumerar; AA, ABB, ABAA, ABABA, ABABB, etc., etc.

PERMUTACIONES Para entender lo que son las permutaciones es necesario definir lo que es una combinacin y lo que es una permutacin para establecer su diferencia y

de esta manera entender claramente cuando es posible utilizar una combinacin y cuando utilizar una permutacin al momento de querer cuantificar los elementos de algn evento.

COMBINACIN: Es todo arreglo de elementos en donde no nos interesa el lugar o posicin que ocupa cada uno de los elementos que constituyen dicho arreglo. PERMUTACIN: Es todo arreglo de elementos en donde nos interesa el lugar o posicin que ocupa cada uno de los elementos que constituyen dicho arreglo. Al ordenar un conjunto de n objetos en un orden se llama permutacin de los objetos tomando todo a la ves al ordenador un numero r de dicho objeto donde r se llama una permutacin de los objetos tomados r a la ves Para poder calcinar las permutaciones debemos la forma nPr=n! (n-r)! SI N= R nPr =n! Cuantas permutaciones de 3 elementos se forman con 3 objetos ABC

Combinaciones Son casos especiales de ordenamientos sin reemplazo, pero en una combinacin s importa el orden de los elementos es decir, si un arreglo ya sali no puede volver a salir en cualquier orden.

Se definen las combinaciones de un conjunto de n elementos tomados de r en r elementos, como los ordenamientos sin reemplazo de los n elementos del conjunto tomado de r en r, multiplicados por el inverso multiplicativo de las permutaciones de r elementos, es decir:

Problema 1.- Cuntas combinaciones de 3 elementos podemos formar con las 6 caras de un dado? 2.- En una caja hay 6 canicas blancas, 8 canicas verdes y 10 canicas rojas, extraer: a) Combinaciones de 3 canicas b) Combinaciones de 5 canicas verdes

Como ya se mencion anteriormente, una combinacin, es un arreglo de elementos en donde no nos interesa el lugar o posicin que ocupan los mismos dentro del arreglo. En una combinacin nos interesa formar grupos y el contenido de los mismos.

La frmula para determinar el nmero de combinaciones es: nCr = Combinaciones de r objetos tomados de entre n objetos Donde se observa que, La expresin anterior nos explica como las combinaciones de r objetos tomados de entre n objetos pueden ser obtenidas a partir de las permutaciones de r objetos tomados de entre n objetos, esto se debe a que como en las combinaciones no nos importa el orden de los objetos, entonces si tenemos las

permutaciones de esos objetos al dividirlas entre r!, les estamos quitando el orden y por tanto transformndolas en combinaciones, de otra forma, tambin si deseamos calcular permutaciones y tenemos las combinaciones, simplemente con multiplicar estas por el r! obtendremos las permutaciones requeridas. nPr = nCr r! Y si deseamos r = n entonces; nCn = n! / (n n)!n! = n! / 0!n! = 1

Qu nos indica lo anterior? Que cuando se desea formar grupos con la misma cantidad de elementos con que se cuenta solo es posible formar un grupo. Ejemplos: 1) a. Si se cuenta con 14 alumnos que desean colaborar en una campaa pro limpieza del Tec, cuantos grupos de limpieza podrn formarse si se desea que consten de 5 alumnos cada uno de ellos, b.si entre los 14 alumnos hay 8 mujeres, cuntos de los grupos de limpieza tendrn a 3 mujeres?, c. cuntos de los grupos de limpieza contarn con 4 hombres por lo menos? Solucin: a. n = 14, r = 5 14C5 = 14! / (14 5)!5! = 14! / 9!5! = 14 x 13 x 12 x 11 x 10 x 9!/ 9!5! = 2002 grupos Entre los 2002 grupos de limpieza hay grupos que contienen solo hombres, grupos que contienen solo mujeres y grupos mixtos, con hombres y mujeres. b. n = 14 (8 mujeres y 6 hombres), r = 5 En este caso nos interesan aquellos grupos que contengan 3 mujeres y 2 hombres 8C3*6C2 = (8! / (8 3)!3!)*(6! / (6 2)!2!)

= (8! / 5!3!)*(6! / 4!2!) = 8 x7 x 6 x 5 /2! = 840 grupos con 3 mujeres y 2 hombres, puesto que cada grupo debe constar de 5 personas c. En este caso nos interesan grupos en donde haya 4 hombres o ms Los grupos de inters son = grupos con 4 hombres + grupos con 5 hombres = 6C4*8C1 = 126 + 6C5*8C0 = 15 x 8 + 6 x 1 = 120 + 6

TEOREMA DEL BINOMIO En matemticas, el teorema del binomio proporciona la expansin de las potencias de una suma. (1)Donde De manera que sustituyendo se obtiene: Como ejemplo, para n=2, n=3, n=4: (2) Para obtener la expansin de las potencias de una resta, basta con tomar y en lugar de y en el caso anterior. La expresin (2) queda de la siguiente forma: Teorema generalizado del binomio (Newton) [editar] Isaac Newton

generaliz la frmula para tomar otros exponentes, considerando una serie infinita: (3) Donde r puede ser cualquier nmero complejo (en particular, r puede ser cualquier nmero real, no necesariamente positivo ni entero), y los coeficientes estn dados por:

(El k = 0 es un producto vaco y por lo tanto, igual a 1; en el caso de k = 1 es igual a r, ya que los otros factores (r 1), etc., no aparecen en ese caso). Una forma til pero no obvia para la potencia recproca: La suma en (3) converge y la igualdad es verdadera siempre que los nmeros reales o complejos x e y sean suficientemente cercanos, en el sentido de que el valor absoluto | x/y | sea menor a uno.

PROBABILIDAD DEPENDIENTE El clculo de probabilidades en una experiencia compuesta se realiza multiplicando las probabilidades de los sucesos componentes. Si las experiencias son independientes (el resultado de una no influye en las siguientes), entonces P[S1 y S2 yy Sn] = P[S1]P[S2]P[Sn] As, para calcular la probabilidad de que al tirar tres dados no se obtenga ningn 6 se proceder as: P[ningn 6] = P[no 6]P[no 6]P[no 6] = (5/6)3 = 125/216 Si las experiencias son dependientes (el resultado de cada una influye en las probabilidades de las siguientes), entonces P[S1 y S2 yy Sn]= P[S1]P[S2/ Supuesto que ocurri S1]P[Sn/supuesto que ocurrieron S1 y S2 y] As, para calcular la probabilidad de obtener tres trboles al extraer tres cartas de una baraja, se proceder as: P[TRES TRBOLES] = P[1 trboles]P[2 trboles/1 trboles]P[3 trboles/1 y 2 trboles] = (13/52)(12/51)(11/50) = 143/11.050

PROBABILIDAD INDEPENDIENTE La independencia de dos eventos A y B, quiere decir que el saber que A sucedi no modifica la probabilidad de que B tambin haya sucedido. Como consecuencia saber que A no sucedi tampoco puede afectar a la probabilidad de B. Hacemos una demostracin formal en el pizarrn. Podemos poner esto diciendo que Si A y B son independientes, tambin lo son las tres siguientes pares: A y B ; A y B ; A y B (estamos usando el apstrofe para denotar complemento) Cuando se tienen tres eventos, se puede presentar una situacin muy curiosa. Puede pasar que A y B sean independientes y A y C sean independientes y B y C tambin sean independientes. Pero A,B y C NO sean independientes. Esta situacin curiosa se describe diciendo que no basta que varios eventos sean independientes a pares, para que sean

independientes. El ejemplo clsico es el de un experimento aleatorio con cuatro posibles resultados igualmente probables: 1, 2, 3 y 4 . Si el resultado es 1, A gana y nadie ms. Si el resultado es 2, B gana y nadie ms. Si el resultado es 3, C gana y nadie ms, pero Si el resultado es 4, los tres A, B y C ganan. Usted puede calcular las probabilidades para darse cuenta que: P(A y B) = P(A) P(B) P(A y C) = P(A) P P(B y C) = P(B) P pero P(A y B y C) no es igual a P(A) P(B) P. Una nota final de un estilo menos matemtico. La palabra independencia se utiliza en otros contextos para denotar un sin nmero de conceptos diferentes. En la ciencia se habla de variables independientes y el significado es diferente que el que usamos aqu. An en otras ramas de la matemtica se usa la palabra independencia para denotar a otros conceptos. Cuando queremos distinguir la definicin tcnica que usamos en la probabilidad de otras nociones le ponemos un apellido a la independencia y decimos independencia estocstica