Pgina 1 de 19

UNIDAD ACADMICA No. 02.

Nombre de la Unidad: Introduccin a la probabilidad.
Introduccin:

La Teora de la probabilidad se extiende prcticamente a todas las reas de las
ciencias naturales, sociales y por supuesto a la ingeniera. Sus races se
encuentran en una sencilla teora matemtica de los juegos de azar que fue
fundada hace ms de tres siglos. En la sociedad francesa en 1650 el juego era un
entretenimiento aceptado y con pocas restricciones legales, como cada vez se
complicaban los juegos, se cre la necesidad de un mtodo racional para calcular
las probabilidades de los diversos juegos. Antoine Gombauld , ms conocido como
el caballero de de Mer, jugador profesional tuvo la idea de consultar en pars al
famoso matemtico y filosofo Blaise Pascal sobre algunas cuestiones relacionadas
con los juegos de azar , lo que dio origen a un intercambio de correspondencia
con Pierre Ferman , de Toulose . Esta correspondencia corresponde el origen de
la teora moderna de la probabilidad.

Objetivo General de la Unidad: Que el estudiante se apropie y maneje los
axiomas de probabilidad, las tcnicas de conteo y el teorema de bayes.
Objetivos Especficos del Unidad:

- Manejar el concepto de la probabilidad a priori.
- Identificar y aplicar los axiomas para: sucesos mutuamente excluyentes,
sucesos compatibles, sucesos independientes y sucesos dependientes.
- Comprender el concepto de espacio muestral y las tcnicas de conteo para
calcularlo.
- Entender la vinculacin de la probabilidad a posteriori (Teorema de Bayes)

RESUMEN

En el presente capitulo se definirn las reglas y propiedades bsicas de la
probabilidad, como tambin establecer las condiciones mnimas que deben
darse para que una funcin definida sobre un conjunto de eventos se puedan
determinar sus probabilidades.





Pgina 2 de 19
GLOSARIO
Probabilidad
1
: Se define como el grado La probabilidad es la posibilidad
que existe entre varias posibilidades, que un hecho o condicin se
produzcan. La probabilidad, entonces, mide la frecuencia con la cual se
obtiene un resultado en oportunidad de la realizacin de un experimento
sobre el cual se conocen todos los resultados posibles gracias a las
condiciones de estabilidad que el contexto supone de antemano.
1
Tomadode
http://www.definicionabc.com/general/probabilidad.php#ixzz2TCUO6
Axioma: Proposicin clara y evidente que no necesita demostracin
Sucesos: Cada uno de los posibles resultados que no se pueden
descomponer en otros ms simples en un experimento aleatorio.
Espacio Muestral: Conjunto total de sucesos elementales.

Desarrollo temtico.
2.1 Conceptos de probabilidad y sus propiedades.
2.2 Axiomas de Probabilidad
2.3Tcnicas de Conteo
2.4 Teorema de Bayes

2.1 Conceptos de probabilidad y sus propiedades.

En la actualidad la probabilidad guarda una estrecha relacin con la teora de
conjuntos y su aplicacin de mayor importancia esta en el campo de la estadstica
inferencial para la tomas de decisiones, en la estadstica el uso de predicciones es
de gran utilidad en las investigaciones por muestreo ya que debido a las
imposibilidad ( ensayos destructivos) o costos , no se pueden realizar con todos
los elementos de la poblacin.

2.1.1 Definicin bsica de la probabilidad: Se define como el nmero de xitos
sobre el numero de posibilidades en un experimento (Espacio Muestral)

des Posibilida de N
Exitos de N
p

=




Pgina 3 de 19
Ejemplo 1:

Si lanzamos tres monedas equilibradas cual es la probabilidad de obtener:
a) Dos caras y un sello en cualquier orden
b) Dos caras y un sello este orden.

- El numero de posibilidades (Espacio Muestral se designa con S ) es:

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
)
`

=
sello sello sello cara sello sello sello cara sello cara cara sello
sello sello cara cara sello cara sello cara cara cara cara cara
S
, , ; , , ; , , ; , ,
, , ; , , ; , , ; , ,


Como observamos existen ocho posibilidades Fermat consideraba que estos ocho
casos (sucesos) eran recprocamente simtricos, o, en otras palabras, igualmente
posibles.

- Para el literal a) tenemos como xito
( ) ( )
( )
)
`

= '
cara cara sello
cara sello cara sello cara cara
S
, ,
, , ; , ,

Por lo tanto la probabilidad solicitada estar dada por:

% 38 375 . 0
8
3

~ ~ = =
des Posibilida de N
Exitos de N
p
Que se puede interpretar como: si realizamos el experimento cien veces en
aproximadamente 38 obtendremos alguno de estos resultados (dos caras y un
sello en cualquier orden).

- Para el literal b) tendramos solamente un xito

( ) { } sello cara cara S , , = ' '


% 13 125 . 0
8
1

~ ~ = =
des Posibilida de N
Exitos de N
p

Ejemplo 2.

Si lanzamos dos dados equilibrados determinar la probabilidad de que:
a) La suma de sus dos caras sea cuatro
b) La suma de sus dos caras sea siete.

- El numero de posibilidades (Espacio Muestral se designa con S ) es:


Pgina 4 de 19
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )

=
6 , 6 ; 5 , 6 ; 4 , 6 ; 3 , 6 ; 2 , 6 ; 1 , 6
6 , 5 ; 5 , 5 ; 4 , 5 ; 3 , 5 ; 2 , 5 ; 1 , 5
6 , 4 ; 5 , 4 ; 4 , 4 ; 3 , 4 ; 2 , 4 ; 1 , 4
6 , 3 ; 5 , 3 ; 4 , 3 ; 3 , 3 ; 2 , 3 ; 1 , 3
6 , 2 ; 5 , 2 ; 4 , 2 ; 3 , 2 ; 2 , 2 ; 1 , 2
6 , 1 ; 5 , 1 ; 4 , 1 ; 3 , 1 ; 2 , 1 ; 1 , 1
S


Son treinta y seis posibilidades

- Para el literal a) tenemos como xito
( ) ( )( ) { } 1 , 3 2 , 2 ; 3 , 2 = ' S
Por lo tanto la probabilidad solicitada estar dada por:

% 8 3 08 . 0
36
3

~ ~ = =
des Posibilida de N
Exitos de N
p
Que se puede interpretar como: si realizamos el experimento cien veces en
aproximadamente 8 obtendremos este resultado.

- Para el literal b) tendramos los siguientes xitos

( ) ( ) ( ) ( ) ( ) ( ) { } 1 , 6 ; 2 , 5 ; 3 , 4 ; 4 , 3 ; 5 , 2 ; 6 , 1 = ' S

% 17 6 1 . 0
36
6

~ ~ = =
des Posibilida de N
Exitos de N
p
Es decir en 100 lanzamientos se obtienen aproximadamente 17 xitos.

2.1.2 Propiedades bsicas y principios matemticos de la probabilidad:

Como se observa en los anteriores ejemplos la teora de la probabilidad consiste
en proporcionar un modelo matemtico adecuado a la descripcin e interpretacin
de cierta clase de fenmenos observados. Cualquier intento de describir los
fenmenos observados lleva implcita cierta idealizacin de los datos reales
observados es decir el modelo matemtico solo puede proporcionar una
aproximacin de la realidad.







Pgina 5 de 19
2.1.2.1 Escala de Probabilidad

Las propiedades bsicas de las probabilidades tericas se obtendrn mediante las
propiedades de las razones frecuenciales estadsticas observadas. Si
consideramos un experimento aleatorio (fenmeno que tiene la particularidad que
d al ser observado, no se puede predecir con exactitud cul ser el resultado
observado) la probabilidad de ocurrencia de un suceso A satisfacera la siguiente
desigualdad.
( ) 1 0 s s A P

Es decir toda probabilidad estar entre cero y uno en trminos absolutos o entre
cero y cien por ciento.

De otra parte si tenemos la probabilidad de xito de un suceso podemos tener la
probabilidad de fracaso.

( ) ( )
( ) ( ) A P A P
A P A P
= '
= ' +
1
1


Si en particular un suceso es cierto , es decir , un hecho que se presentara cada
vez que se realice el experimento su probabilidad ser uno, por ejemplo la
probabilidad de que al lanzar una moneda con dos caras se obtenga cara es :

1
2
2

= = =
des Posibilida N
exitos de N
p


Por otra parte si un suceso es imposible su probabilidad es cero, un ejemplo
anlogo al anterior podra ser con la misma moneda obtener sello.
0
2
0

= = =
des Posibilida N
exitos de N
p


2.1.2.2 Reglas Aditivas

Si representamos por A y B dos sucesos que solamente uno de ellos puede ocurrir
en un solo ensayo, se dice que son mutuamente excluyentes, en otras palabras si
ocurre uno no puede suceder el otro. La probabilidad conjunta de que se den los
dos sucesos esta dada por :






Pgina 6 de 19














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

Si tenemos ms sucesos se puede extender este concepto

( ) ( ) ( ) ( ) ( ) N P C P B P A P N C B A P ......... ...... + + + =


Ejemplo 1:

Si tenemos un mazo de 52 cartas y extraemos al azar una de ellas Cual es la
probabilidad de obtener una carta negra o una figura roja? , tambin cual es la
probabilidad de no obtener una carta negra o una figura roja.

El espacio Muestral de una baraja de 52 es:

AS 2-10 J,K,Q
Diamantes 1 9 3
Corazones 1 9 3
Picas 1 9 3
Trboles 1 9 3











A B
N=26 FR=18

Pgina 7 de 19
( ) ( ) ( )
( )
( ) ( )
( ) % 15 154 . 0
52
8
52
44
1
1
% 85 846 . 0
52
44
52
18
52
26
~ ~ = = '
= '
~ ~ = + =
+ =
FR N P
FR N P FR N P
FR N P
FR P N P FR N P

Ejemplo 2:

Si tenemos una caja con seis bolas rojas, cuatro negras y tres rojas si extraemos
una al azar determinar la probabilidad de que sea negra o roja.















( ) ( ) ( )
( ) % 54 538 . 0
13
7
13
3
13
4
~ ~ = + =
+ =
FR N P
R P N P R N P

Si tenemos sucesos que comparten alguna caracterstica o que no son
mutuamente excluyentes es decir cuando la posibilidad de que ocurra un suceso
no impide la ocurrencia del otro. En este caso la probabilidad de los dos sucesos
se determina asi:


B=6 B=4
R=3

Pgina 8 de 19
( ) ( ) ( ) ( ) B A P B P A P B A P + =

Ejemplo :

Si tenemos un mazo de 52 cartas y extraemos al azar una de ellas Cual es la
probabilidad de obtener un trbol o un as.


( ) ( ) ( ) ( )
( )
( ) % 31 308 . 0
52
16
52
1
52
4
52
13
~ ~ =
+ =
+ =
A T P
A T P
A T P A P T P A T P

Si tenemos tres sucesos que comparten caractersticas el axioma es:

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) C B A P C B P C A P B A P C P B P A P C B A P + + + =

Ejemplo :

Si tenemos un mazo de 52 cartas y extraemos al azar una de ellas Cual es la
probabilidad de obtener un corazn o un as o una carta roja.



( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) R As C P R As P R C P As C P R P As P C P R As C P + + + =

Pgina 9 de 19
( )
( ) % 54 538 . 0
52
28
52
1
52
2
52
13
52
1
52
26
52
4
52
13
~ ~ =
+ + + =
R As C P
R As C P




2.1.2.3 Reglas Multiplicativas

Sucesos Independientes
Dos sucesos son independientes si la probabilidad de presentacin de uno no se
ve afectada por el otro, hay que anotar que el enlace en este tipo de sucesos es
i es decir que se den el uno y el otro, tambin hay que tener en cuenta que en
estos experimentos el muestreo se hace con reposicin. El axioma es:

( ) ( ) ( ) ( ) ( ) N P C P B P A P N C B A P * * * * * * ....... = . .
Ejemplo 1
Si tenemos un mazo de 52 cartas y extraemos al azar dos de ellas con
reposicin (extraemos la primera anotamos cual es y nuevamente vuelve al
mazo para extraer la segunda) Cual es la probabilidad de obtener una carta
negra y una figura roja?

( ) ( ) ( )
( ) % 88 . 2 0288 . 0
2704
78
52
3
*
52
26
*
~ ~ = = .
= .
FR N P
FR P N P FR N P


Observe que el numero de posibilidades de este suceso 2704 es similar al del
lanzamiento de una moneda , que se puede generalizar as:
n
m S Tamao =

Donde m: El nmero de opciones
n: Numero de ensayos


Para la moneda , si lanzamos tres monedas
8 2
3
= = S Tamao

Al extraer dos cartas con reposicin
2704 52
2
= = S Tamao

Ejemplo 2

Si tenemos un mazo de 52 cartas y extraemos al azar tres de ellas con
reposicin (extraemos la primera anotamos cual es y nuevamente vuelve al
mazo para extraer la segunda) Cual es la probabilidad de obtener dos figuras
y un as?


Pgina 10 de 19
( ) ( ) ( ) ( )
( ) 1000 / 09 , 4 0,0040965
140608
576
52
4
*
52
12
*
52
12
* *
~ ~ = = .
= . .
FR N P
A P F P F P A F F P

Ejemplo 3

Si tenemos una caja con seis bolas blancas cuatro negras y dos rojas al
extraer al azar tres de ellas con reposicin (extraemos la primera anotamos
cual es y nuevamente vuelve a la caja para extraer la segunda) Cual es la
probabilidad de obtener: una blanca , una no blanca y otra negra?

( ) ( ) ( ) ( )
( ) % 8 0,08333333
1708
144
12
4
*
12
6
*
12
6
* *
~ ~ = = .
' = . ' .
FR N P
N P B P B P N B B P

Ejemplo 4

Cuatro amigos se dirigen a un lugar , toman cuatro rutas diferentes de acuerdo al
riesgo que se corre de tener algn accidente . Si se han tomado datos durante
muchos aos y partir de las frecuencias se asignan las probabilidades de riesgo
a cada ruta : 0.2; 0.15; 0.25; 0.10 . Encuentre la probabilidad : a) de que ninguno
sufra accidentes? b) Que los cuatro sufran accidentes c) los dos primeros sufran
accidentes y los restantes no?

( )
( ) s acccidente sufra no que de obablidad SA P
s acccidente sufra que de obablidad SA P
Pr
Pr
= '
=


Indivuduo P(SA) P(SA)
1 0.2 0.8
2 0.15 0.85
3 0.25 0.75
4 0.1 0.9

a)
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) % 46 459 . 0 9 . 0 * 75 . 0 * 85 . 0 * 8 . 0 4 3 2 1
4 * 3 * 2 * 1 4 3 2 1
~ = = . . . '
' ' ' ' = . . . '
SA P
SA P SA P SA P SA P SA P


b)
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) 000 . 10 / 8 00075 . 0 1 . 0 * 25 . 0 * 15 . 0 * 2 . 0 4 3 2 1
4 * 3 * 2 * 1 4 3 2 1
~ = = . . . '
= . . .
SA P
PSA PSA PSA PSA SA P


c)
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) % 2 0,02025 9 . 0 * 75 . 0 * 15 . 0 * 2 . 0 4 3 2 1
4 * 3 * 2 * 1 4 3 2 1
~ = = . . . '
' ' = ' . ' . .
SA P
SA P SA P PSA PSA A S A S SA SA P






Pgina 11 de 19
Sucesos Dependientes
Los sucesos se consideran dependientes si la probabilidad en un segundo suceso
se ve afectado por el primero y en el tercero por lo que haya sucedido en el
primero y el segundo. Es de anotar que en este tipo de experimentos el muestreo
se realiza sin reposicin. El axioma es:

( ) ( ) ( ) ( ) ( ) A B C N P A B C P A B P A P N C B A P * * * * * . * * * * * * ....... = . .

Que se lee: El primer suceso ser el numero de xitos sobre el espacio muestral ,
para el segundo suceso ser la probabilidad del segundo dado que ya se evalu la
probabilidad del primero y asi sucesivamente.

Realizaremos los mismos ejemplos de los sucesos independientes pero con
reposicin.

Ejemplo 1

Si tenemos un mazo de 52 cartas y extraemos al azar dos de ellas sin
reposicin Cual es la probabilidad de obtener una carta negra y una figura
roja?

( ) ( ) ( )
( ) % 9 . 2 0,02941176
2652
78
51
3
*
52
26
*
~ ~ = = .
= .
FR N P
N FR P N P FR N P

Que resulto ser un poco mayor que si el experimento fuera con reposicin, aunque
no se puede afirmar que en sucesos dependientes necesariamente la probabilidad
es mayor.

Ejemplo 2

Si tenemos un mazo de 52 cartas y extraemos al azar tres de ellas sin
reposicin Cual es la probabilidad de obtener dos figuras y un as?




Que resulto ser un poco menor que si el experimento fuera con reposicin, lo que
comprueba que no se puede afirmar que en experimentos con reposicin la
probabilidad sea mayor o menor , es necesario evaluarla en cada caso.





( ) ( ) ( ) ( )
( ) 1000 / 98 , 3 0,0039819
132600
528
50
4
*
51
11
*
52
12
* *
~ ~ = = .
= . .
FR N P
F F A P F F P F P A F F P

Pgina 12 de 19
Ejemplo 3

Si tenemos una caja con seis bolas blancas cuatro negras y dos rojas al
extraer al azar cuatro de ellas sin reposicin Cual es la probabilidad de
obtener: una blanca , una no blanca , una negra y otra roja?

En este problema tenderemos dos situaciones la primera si asumimos que en
la segunda extraccin la no blanca haya sido negra:





La segunda si en la segunda extraccin la no blanca haya sido roja.





Como son sucesos mutuamente excluyentes la probabilidad total ser la suma de
los dos eventos.



Probabilidad Condicional

La probabilidad de que un evento B ocurra cuando se sabe que ya ocurri un
evento A se la llama probabilidad condicional y se denota por :

( )
( )
( ) A P
B A P
A B P

=

Ejemplo:
Supongamos que se realizo una encuesta donde se les pregunto a hombres y
mujeres sobre su situacin de empleo obtenindose:



Empelado Desempleado Total
Hombre 490 60 550
Mujer 160 250 410
Total 650 310 960

Una de estas personas se seleccionara al azar para que realizar un viaje con
todos los gastos pagos.
( ) ( ) ( ) ( ) ( )
( )
( )
% 8 . 1 0,01818
11880
216
9
2
*
10
3
*
11
2 , 4 6
*
12
6
* * *
~ ~ = = .
' ' ' = . . ' .
R N
FR N P
B B N R P B B N P B B P B P R N B B P
( ) ( ) ( ) ( ) ( )
( )
( )
% 2 . 1 0,012121
11880
144
9
1
*
10
4
*
11
2 , 4 6
*
12
6
* * *
~ ~ = = .
' ' ' = . . ' .
R N
FR N P
B B N R P B B N P B B P B P R N B B P
( ) % 3 0303 . 0 01212 . 0 01818 . 0 ~ ~ + = . . ' . R N B B P

Pgina 13 de 19

Si llamamos el evento elegir hombre dado que tiene empleo

( ) 75% 0,75384615
650
490
~ ~ = E H P

A partir del espacio muestral podemos deducir la probabilidad que tenga empleo.
( ) 68% 0,67708333
960
650
~ ~ = E P

Y de la misma manera la probabilidad de que en todo el grupo sea elegido un
hombre empleado
( ) % 1 5 0,51041667
960
490
~ ~ = H E P

Al aplicar probabilidad condicional

( )
( )
( )
% 75 75384615 . 0
650
490
960
650
960
490
~ ~ = =

=
E P
H E P
E H P


2.3 Tcnicas de Conteo
Uno de los principales retos de la estadstica es establecer el tamao del
espacio muestral de los sucesos en un experimento, como tambin el nmero
de veces que ocurrir un evento de una forma rpida. En este aparte se
trabajaran las tcnicas para contar sucesos.

Regla del Producto
Si una operacin se puede llevar a cabo en n
1
formas, y si cada una de estas
se puede realizar una segunda operacin en n
2
formas, entonces las dos
operaciones se pueden ejecutar de n
1
*n
2
formas.

Ejemplo 1

Una persona desea construir su casa, para lo cual considera que puede
construir los cimientos de su casa de cualquiera de dos maneras (concreto o
block de cemento), mientras que las paredes las puede hacer de adobe, o
ladrillo y el techo puede ser de concreto o lmina galvanizada cuntas
maneras tiene esta persona de construir su casa?

Si enumeramos el espacio muestral:


Pgina 14 de 19
( ) ( )
( ) ( )
( ) ( )
( ) ( )

=
a Galvanizad a La adobe Cemento Block a Galvanizad a La Ladrillo Cemento Block
Concreto Ladrillo Cemento Block Concreto adobe Cemento Block
a Galvanizad a La adobe Concreto a Galvanizad a La Ladrillo Concreto
Concreto Ladrillo Concreto Concreto adobe Concreto
S
min , , ; min , ,
, , ; , ,
min , , ; min , ,
, , ; , ,


Son ocho posibilidades mediante la regla del producto.

8 2 * 2 * 2
:
:
:
* *
3
2
1
3 2 1
= =
=
S Tamao
Techo n
Muros n
Cimientos n
Donde
n n n S Tamao


Ejemplo 2

Cuntas placas para automvil pueden ser diseadas si deben constar de tres
letras seguidas de cuatro nmeros, si las letras deben ser tomadas del
abecedario espaol (26 Letras) y los nmeros de entre los dgitos del 0 al 9?,
a. Si es posible repetir letras y nmeros, b. No es posible repetir letras y
nmeros, c. Cuntas de las placas diseadas en el inciso b empiezan por la
letra D y empiezan por el cero

a) La primer placa para este caso ser :
A A A 0 0 0 0
n
1
=26 n
2
=26 n
3
=26 n
4
=10 n
5
=10 n
6
=10 n
7
=10

Tamao S= 26
3
*10
4
= 175760.000

b) La primer placa para este caso ser :
A B C 0 1 2 3
n
1
=26 n
2
=25 n
3
=24 n
4
=10 n
5
=9 n
6
=8 n
7
=7

Tamao S= 26*25*24*10*9*8*7= 78624.000
c) La primer placa para este caso ser :
D A B 0 1 2 3
n
1
=1 n
2
=25 n
3
=24 n
4
=1 n
5
=9 n
6
=8 n
7
=7

Tamao S= 1*25*24*1*9*8*7= 302.400






Pgina 15 de 19
Permutacin simple
Se define como el nmero de arreglos posibles de un conjunto donde no se repiten los
elementos y no se puede replicar as mismo un evento , es de anotar que se cuenta el
orden de los elementos .

Formula
! n P =
Donde
n= Numero de elementos
!= Factorial

Ejemplo 1
Si tenemos la siguiente palabra { } AMO de cuantas formas se pueden generar palabras (
sin sentido ortogrfico) .

Si enumeramos el especio muestral seria

{ } MOA MAO OAM OMA AOM AMO S ; ; ; ; ; =
Son seis mediante la frmula:

P=3! =1*2*3 =6

Ejemplo 2
De cuantas formas se pueden sentar a la mesa una familia de seis personas?
n= 6
P=6!=1*2*3*4*5*6=720

Permutacin con Repeticin
Se define como el nmero de arreglos posibles de un conjunto donde se repiten los
elementos y no se puede replicar as mismo un evento.

Formula
! * ... !*........ !* !*
!
..... , , Pr
3 2 1
, 3 2 1
k
k
r r r r
n
r r r n =
Donde
n= Numero de elementos
r
1
,r
2
,r
3
,r
n
= Repeticiones
!= Factorial

Ejemplo 1
Si tenemos la siguiente palabra { } AMA de cuantas formas se pueden generar palabras (
sin sentido ortogrfico) .

Si enumeramos el especio muestral seria

{ } MAA AAM AMA S ; ; =

Pgina 16 de 19
Son tres mediante la frmula:

3
2 * 1
3 * 2 * 1
! 2
! 3
3
2
= = = P

Ejemplo 2
Si tenemos la siguiente palabra { } LA CARRASQUIL de cuantas formas se pueden generar
palabras ( sin sentido ortogrfico) . La letra A , se repite tres veces , la letra R, dos veces y
la L dos veces.

19958.400
2 * 2 * 6
479001600
! 2 !* 2 !* 3
! 12
, , 12
2 2 3
= = = P
Variacin
Se define como una permutacin donde de un conjunto con n elementos , se
selecciona un subconjunto r y se establece el numero de arreglos posibles.

Formula

( )!
!
Pr
r n
n
n

=
Ejemplo 1
Si tenemos la siguiente palabra { } AMO de cuantas formas se pueden generar arreglos de
dos letras (sin sentido ortogrfico).

Si enumeramos el especio muestral seria

{ } OA AO MO OM MA AM S ; ; ; ; ; =
Son seis mediante la frmula:

( )
6
! 1
! 3
! 2 3
! 3
2 3 = =

= P
Ejemplo 2
En una urna que contiene 46 balotas numeradas se extraen 6 al azar cuantos
resultados son posibles si me interesa el orden?.

n=46
r=6
( )
680,00 6.744109.
47 8,1592E
57 5,5026E
! 40
! 46
! 6 46
! 46
6 46 =
+
+
= =

= P

Combinatoria

Se define como el nmero posible de arreglos de un conjunto con n elementos ,
del cual se selecciona un subconjunto r sin contar el orden.

Pgina 17 de 19

Formula

( )! !
!
r n r
n
nCr

=
Ejemplo 1
Si tenemos la siguiente palabra { } AMO de cuantas formas se pueden generar arreglos de
dos letras sin contar el orden y sin sentido ortogrfico.

Si enumeramos el especio muestral seria

{ } AO OM AM S ; ; =
Son tres mediante la frmula:

( )
3
! 1 !* 2
! 3
! 2 3 ! 2
! 3
2 3 = =

= C

Ejemplo 2
En una urna que contiene 46 balotas numeradas se extraen 6 al azar cuantos
resultados son posibles si no me interesa el orden?

n=46
r=6
( )
9366.819
47 8,1592E * 720
57 5,5026E
! 40 !* 6
! 46
! 6 46 !* 6
! 46
6 46 =
+
+
= =

= C


2.4 Teorema de Bayes

Lleva este nombre en honor al matemtico ingles que en 1731 se convirti en
reverendo de la iglesia presbiteriana en Tunbridge Wells , Estudi el problema
de la determinacin de la probabilidad de las causas a travs de los efectos
observados. Es decir la probabilidad a posteriori : Observado cierto suceso se
valora la probabilidad de su procedencia.

Regla de Bayes: Si los eventos B1,B2,..,BK constituyen una particin del
espacio muestral S, donde P(BI)0 para i=1,2,,k, entonces , para
cualquier evento A en S tal que P(A)0,

( )
( )
( )

=
k
i
i
R
R
A B P
A B P
A B P
1



Pgina 18 de 19
Ejemplo
Cierta fabrica de tornillos dispone de tres maquinas para su produccin , la
proporcin de tornillos por maquinas es : La maquina A el 35% , La maquina B
el 40% y La maquina C el 25% , debido a la calibracin y vetustez algunos
tornillos resultan defectuosos, se han realizado conteos y se determino que el
porcentaje de tornillos defectuosos por maquina es: La maquina A el 5% , La
maquina B el 4% y La maquina C el 2% , toda la produccin llega a un mismo
sitio, donde el encargado de control de calidad selecciona un tornillo al azar
que resulta ser defectuoso. Cul es la maquina donde est la mayor
probabilidad?

Para este problema es recomendable realizar un diagrama de rbol que en
este caso:




















La probabilidad conjunta estar dada por:
Para la maquina A






Para la maquina B



P(A)=0.35
P(B)=0.40
P(C)=0.25
P(D)=0.05
P(D)=0.95
P(D)=0.04
P(D)=0.96
P(D)=0.02
P(D)=0.98
( ) ( ) ( )
( ) ( ) ( )

=
= = ' = ' .
= = = .
0.35
0,3325 95 . 0 * 35 . 0 *
0,0175 05 . 0 * 35 . 0 *
D P A P D A P
D P A P D A P
( ) ( ) ( )
( ) ( ) ( )

=
= = ' = ' .
= = = .
0.40
0,384 96 . 0 * 40 . 0 *
0,016 04 . 0 * 40 . 0 *
D P B P D B P
D P B P D B P

Pgina 19 de 19

Para la maquina C





La probabilidad de que el tornillo defectuoso provenga de la maquina A es:

( )
( )
( ) ( ) ( )
( ) 45% 5 0,45454545
005 . 0 016 . 0 0175 . 0
0175 . 0
~ =
+ +
=
. + . + .
.
=
A D P
D C P D B P D A P
D A P
A D P


La probabilidad de que el tornillo defectuoso provenga de la maquina B es:






La probabilidad de que el tornillo defectuoso provenga de la maquina C es:






Por lo tanto la maquina donde existe ms probabilidad de que provenga el tornillo
defectuoso es la Maquina A



2.6 REFERENCIAS BIBLIOGRFICAS

- Probabilidad y Estadstica para Ingeniera y Ciencias , Walpole , Myres ,
Myres Ye .Steven, Octava Edicin , Pearson Educacion 2007. p 1-28.
- Apuntes de Clase Probabilidad y Estadstica, Ing. Nstor Humberto Agudelo
Daz. 1998-2013.

( ) ( ) ( )
( ) ( ) ( )

=
= = ' = ' .
= = = .
0.25
0,245 98 . 0 * 25 . 0 *
0,005 02 . 0 * 25 . 0 *
D P B P D C P
D P B P D C P
( )
( )
( ) ( ) ( )
( ) 42% 0,41558442
005 . 0 016 . 0 0175 . 0
016 . 0
~ =
+ +
=
. + . + .
.
=
B D P
D C P D B P D A P
D B P
B D P
( )
( )
( ) ( ) ( )
( ) % 3 1 0,12987013
005 . 0 016 . 0 0175 . 0
005 . 0
~ =
+ +
=
. + . + .
.
=
C D P
D C P D B P D A P
D C P
C D P