República Bolivariana de Venezuela

Ministerio del poder popular para la educación universitaria ciencia y tecnología

Universidad Nacional Experimental De La Gran Caracas

Núcleo la Floresta

Unidad Curricular: Matemáticas

Carrera: PNF Informática

Sección: 30112

TRABAJO DE
MATEMATICAS

Tutor: Autores:

Mercedes Sarmiento Anthony Suarez

Víctor Núñez

Enderson Blanco

Jesús Vivas

Caracas, 31 de marzo 2020

 Índice

Introducción Pag.3
Unidad I: Estadística Básica
Investigar cómo construir un histograma y polígono de frecuencia en base a una tabla de
Pag.4
frecuencia para datos agrupados y no agrupados.
Definición y ejemplos
Pag.1
·         Intervalos de clase.
1
Pag.1
·         Limites de clase.
1
Pag.1
·         Amplitud de clase.
1
Pag.1
·         Marca de clase.
2
Pag.1
·         Clases de Intervalo.
3
Pag.1
·         Frecuencia Absoluta.
4
Pag.1
·         Frecuencia relativa.
4
Unidad II: Ejercicios
Ejercicio 1: En la encuesta que realizó el departamento de bienestar estudiantil de la
UNEXCA, todos los estudiantes del trayecto 1, trimestre 2. Turno nocturno, para Pag.1
determinar el número de horas por semana que emplean los estudiantes para trasladarse a la 6
universidad y viceversa, se presenta en la siguiente tabla, la cual está en número de horas:
40 35 40 29 31 38 36 31 28 30 35 29 32 31 40 36 28 33 33 40 27 28 34 36 33 43 40 35 40
31 30 38 36 35 36 28 36 37 36 37 29 32 38 37 39 31 31 39 39 40
Ordenar los datos de menor a mayor y determinar el tamaño de la muestra. Valor máximo,
valor mínimo, rango, calcular el número de intervalos por la regla de Sturges.
k=1+3,332*Log(N) donde N=50. Se aproxima si da decimales. Calcular la amplitud y
luego la tabla de frecuencia que incluya la marca de clase y hacer el histograma
correspondiente y el polígono de frecuencia.
Unidad III: Definiciones
Pag.1
·         Probabilidades, tipos y ejemplos
7
Pag.
·         espacio muestral tipos y ejemplos
20
Pag.2
·         eventos y su clasificación con ejemplos
3
Pag.2
·         Propiedades básicas de las probabilidades con ejemplos.
4
Pag.2
·         Axiomas de probabilidad y ejemplos.
6

2
 Pag.2
·         Arreglos, permutas y combinaciones.
8
Pag.3
·         Teoría combinatoria.
1
Pag.3
Conclusión
2
Pag.3
Enlaces Electrónicos
3

3
Introducción

4
 Unidad I: Estadística Básica
Como construir un histograma en base a una tabla de frecuencia para
datos agrupados y no agrupados.
Comenzamos mostrando paso a paso cómo se construye un histograma y lo
conducimos a través de un ejemplo práctico.

Paso 1: ¿Cuáles son los datos que se van a analizar? ¿Los tienes? Si es así, perfecto,
vamos al paso 2. Si no, procedemos a capturar los datos del fenómeno que se desea
analizar.
Paso 2: Cuando hablamos de clases o intervalos nos referimos a las barras verticales
que tendrá nuestro histograma. Normalmente se dice que un histograma debe tener
barras del mismo ancho, lo cual no es necesariamente cierto. Dependiendo de la
situación que se analiza, es más conveniente utilizar intervalos de diferente ancho.
Cuando los intervalos son del mismo ancho, la altura de cada barra será proporcional
a su área. Caso contrario cuando tenemos intervalos de ancho distinto, y en este caso
resulta conveniente analizar el área de la barra.

Bueno, me extendí un poco. Entonces, en el paso 2 vamos a determinar el rango. El

rango se define como la resta entre el valor más grande con el valor más pequeño de
tus datos capturados.

Paso 3: Existen diversas formas para definir cuántas clases considerar. K es el
número de clases.
La primera es considerar una tabla guía. La siguiente está basada en la publicación
de Roberto Behar y Pere Grima (abajo te dejo la referencia).

5
Otras referencias sugieren 4 clases si tenemos menos de 50 datos, 7 clases para menos
de 100 datos, 10 clases para menos de 150 datos, 12 clases para menos de 200 datos y
14 clases para más de 200 datos.

La siguiente opción es obtener la raíz cuadrada de la cantidad de datos. El resultado

redondeado será el número de clases.

Otra opción es la regla de Sturges. Propuesta por Hébert Sturges, nos da una regla
práctica para obtener el número de clases:

Hay otras formas, pero estas son las más difundidas. ¿Qué opción elegir? Como regla
general considera que, a mayor número de datos, más clases tendremos.

Lo realmente importante es la forma que va a tomar nuestro histograma, así que lo

más recomendable es que vayas probando con cada una de las opciones buscando la
que te permita hacer un mejor análisis final.

Paso 4: Determina la amplitud de clase o ancho del intervalo. Se define con la letra h.
Para ello divide el rango entre el número de clases definido en el paso 3. Si obtienes
un número decimal, redondea al entero más cercano. ¿Por qué? Porque la
información debe ser fácil de interpretar.

Paso 5: Define las clases. Ya tienes el número de intervalos de clase a considerar y su

amplitud, con esto ya puedes establecer cada clase.
Busca el número más pequeño en todos tus datos, y a ese número le vas a sumar la
amplitud de clase. Ya tienes tu primer intervalo o clase.

Por ejemplo, si el número más pequeño que tienes es 10 y tu amplitud de clase es 5:

6
Tu primer intervalo será: [10 – 15], el segundo (15, 20], y así sucesivamente.

Si te encuentras con un dato que coincide con el límite de clase, como por ejemplo
«15», simplemente define un criterio para todos los intervalos de clase. Define si se
ubica en el intervalo actual o el intervalo siguiente.

Por ejemplo, definimos que el primer intervalo sea todos los números mayores o
iguales a 10 y menores e iguales a 15. En consecuencia, el segundo intervalo será
todos los números mayores a 15 y menores iguales a 20.

Paso 6: Tabula los datos con base en los intervalos de clase definidos. En otras
palabras, agrupa los datos según su pertenencia a cada clase. Esto te dará la
frecuencia de cada clase.

Paso 7: Construye el histograma:

 En el eje x ubica los intervalos de clase.
 En el eje y ubica la frecuencia.
Según la amplitud del intervalo, será el ancho de la barra. El paso a paso que venimos
tratando es para intervalos de clase del mismo ancho.

Paso 8: Interpreta el histograma. Analiza aspectos como la tendencia, la variabilidad

y la forma de distribución de los datos.

7
 Ejemplo de histograma

Vamos a considerar que, una empresa de búsqueda de empleo ha decidido hacer un

estudio del tiempo que se demoran sus asesores con cada usuario.

Paso 1: Para este estudio, se tomó el tiempo en minutos de asesoramiento con 50

usuarios.

Paso 2: Determinamos el rango. El valor más grande es 15,48 y el más pequeño es

8,58.
15,48-8,58=6,9

Paso 3: Calculamos el número de intervalos de clase (K). Lo hacemos con la fórmula

de raíz cuadrada del número de datos.

K=7,07
Lo redondeamos al entero más cercano: 7

Paso 4: Calculamos la amplitud o ancho del intervalo. Es la división del rango (paso
2) entre el número de intervalos (paso 3)
El resultado es: 0,99. Bien podemos redondearlo a 1 o mantenernos en 0,99. Como el
ejemplo lo estoy elaborando con la plantilla de histograma en Excel, lo dejaré en
0,99.

8
Paso 5 y 6:
Definimos las clases sumándole al valor más pequeño, el ancho del intervalo hasta
que obtenga 7 intervalos de clase justo allí deberá estar el valor más grande de mis
datos. A continuación, agrupamos cada
valor dentro del intervalo de clase, o
dicho de otra forma, determinamos la
frecuencia. El resultado es el
siguiente:

Paso 7: Construimos el histograma.

Personalmente prefiero ubicar en el eje x la marca de clase y no los intervalos de
clase. La marca de clase es el resultado de sumar el límite superior e inferior del
intervalo y dividirlos por dos. El resultado no afecta la forma del histograma.

Además, me gusta junto al histograma trazar el polígono de frecuencias, que no es

más que conectar con rectas la parte superior de cada columna, justo en la mitad. Esto
da una mejor idea de la forma de distribución del histograma.

9
El resultado del ejercicio resuelto del histograma es el siguiente:

2. Polígono de frecuencia en base a una tabla de frecuencia para datos

agrupados y no agrupados.

Un polígono de frecuencias se forma uniendo los extremos de las barras de

un diagrama de barras mediante segmentos.

También se puede realizar trazando los puntos que representan las frecuencias y

uniéndolos mediante segmentos.

Ejemplo

Las temperaturas en un día de otoño de una ciudad han sufrido las siguientes
variaciones:

Hora Temperatura
6 7º
9 12°
12 14°
15 11°
18 12°
21 10°
24 8°

10
11
 Polígonos de frecuencia para datos agrupados

Para construir el polígono de frecuencia se toma la marca de clase que coincide con

el punto medio de cada rectángulo de un histograma.

Ejemplo

El peso de 65 personas adultas viene dado por la siguiente tabla:

  ci fi Fi
[50, 60) 55 8 8
[60, 70) 65 10 18
[70, 80) 75 16 34
[80, 90) 85 14 48
[90, 100) 95 10 58
[100, 110) 110 5 63
[110, 120) 115 2 65
    65  

Polígono de frecuencias
acumuladas
Si se representan las frecuencias
acumuladas de una tabla de datos agrupados se obtiene el histograma de frecuencias
acumuladas o su correspondiente polígono.

Definición y
ejemplos

12
 Intervalos de clase:

Son divisiones o categorías en las cuales se agrupan un conjunto de datos

ordenados con características comunes. En otras palabras, son fraccionamientos del
rango o recorrido de la serie de valores para reunir los datos que presentan valores
comprendidos entre dos límites.

Para organizar los valores de la serie de datos hay que determinar un número
de clases que sea conveniente. En otras palabras, que ese número de intervalos no
origine un número pequeño de clases ni muy grande. Un número de clases pequeño
puede ocultar la naturaleza natural de los valores y un número muy alto puede
provocar demasiados detalles como para observar alguna información de gran
utilidad en la investigación.

Tamaño de los Intervalos de Clase

Los intervalos de clase pueden ser de tres tipos, según el tamaño que estos
presenten en una distribución de frecuencia: a) Clases de igual tamaño, b) clases
desiguales de tamaño y c) clases abiertas.

Límites de la clase:

Cada clase está delimitada por el límite inferior de la clase y el límite superior de la

clase.

Amplitud de la clase:

La amplitud de la clase es la diferencia entre el límite superior e inferior de la clase.

La amplitud o longitud de una clase es el número de valores o variables que

concurren a una clase determinada. La amplitud de clase se designa con las letras Ic.
Existen diversos criterios para determinar la amplitud de clases, ante esa diversidad
de criterios, se ha considerado que lo más importante es dar un ancho o longitud de

13
clase a todos los intervalos de tal manera que respondan a la naturaleza de los datos y
al objetivo que se persigue y esto se logra con la práctica.

Marca de clase:

La marca de clase es el punto medio de cada intervalo.

La marca de clase es el valor que representa a todo el

intervalo para el cálculo de algunos parámetros como la
media aritmética o la desviación típica.

Se representa por ci o xi.

Ejemplo

  xi fi xi · fi xi2 · fi
[10, 20) 15 1 15 225
[20, 30) 25 8 200 5000
[30,40) 35 10 350 12 250
[40, 50) 45 9 405 18 225
[50, 60) 55 8 440 24 200
[60,70) 65 4 260 16 900
[70, 80) 75 2 150 11 250
    42 1 820 88 050

Construcción de una tabla con Intervalos de clase:

3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20,
11, 13, 22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.

Paso 1: se localizan los valores menor y mayor de la distribución. En este caso son 3
y 48.
Paso 2: Se restan y se busca un número entero un poco mayor que la diferencia y que
sea divisible por el número de intervalos de queramos poner.
Es conveniente que el número de intervalos oscile entre 6 y 15.
En este caso, 48 - 3 = 45, incrementamos el número hasta 50: 5 = 10 intervalos.

14
Se forman los intervalos teniendo presente que el límite inferior de una clase
pertenece al intervalo, pero el límite superior no pertenece intervalo, se cuenta en el
siguiente intervalo.
ci fi Fi ni Ni
[0, 5) 2.5 1 1 0.025 0.025
[5, 10) 7.5 1 2 0.025 0.050
[10, 15) 12.5 3 5 0.075 0.125
[15, 20) 17.5 3 8 0.075 0.200
[20, 25) 22.5 3 11 0.075 0.2775
[25, 30) 27.5 6 17 0.150 0.425
[30, 35) 32.5 7 24 0.175 0.600
[35, 40) 37.5 10 34 0.250 0.850
[40, 45) 42.5 4 38 0.100 0.950
[45, 50) 47.5 2 40 0.050 1
40 1
¿Qué opinas de esta 
Clases de Intervalo

Es el espacio comprendido entre 2 limites (superior e inferior) esta magnitud es

obtenida como.

Magnitud del intervalo= 

Los intervalos tienen por lo general el mismo ancho el ancho debe ser número impar.

N. de intervalo de clase

5 15

Estos varían de 5 a 20, según autores se pueden calcular esa n. aproximado como:

K=  donde N= N, de observaciones

 N< 100

Aunque la mayoría de las veces el cálculo es empírico

ò n. de intervalo = 1+ 3.322 Lign

n. # total de datos.

15
Los intervalos de ancho número impar

Los intervalos de clase se eligen también de forma que las marcas de clase coincidan
con datos realmente obsérvalo, esto tiende a aminorar el llamado ERROR DE
GRUPAMIENTO.

Frecuencia absoluta 

La frecuencia absoluta es el número de veces que un dato se repite dentro de

un conjunto de datos. Se representa como fi, donde la «i» corresponde al número de
dato.
La forma de obtener la frecuencia absoluta no es otra que contando las veces que
aparece el dato en el conjunto de datos.

La suma de las frecuencias absolutas corresponde al número total de datos,

representado por la letra N:

Frecuencia relativa
La frecuencia relativa de un dato es el número que se repite ese dato en relación al
número total de datos, en otras palabras, es la proporción de veces que aparece ese
dato con respecto al total.
Se representa como «ni», siendo «i» el número de dato. y se calcula dividiendo la
frecuencia absoluta de cada dato entre el número total de datos:

16
El valor de la frecuencia relativa siempre va a estar entre 0 y 1. El valor obtenido está
en tanto por uno, pero lo podemos expresar en tanto por ciento si lo multiplicamos
por 100.

La suma de todas las frecuencias relativas de todos los datos de la muestra es igual a
1 (cuando se expresa en tanto por 1, que es lo más común):

17
 Unidad II: Ejercicios

Ejercicio 1: En la encuesta que realizó el departamento de bienestar estudiantil de la

UNEXCA, todos los estudiantes del trayecto 1, trimestre 2. Turno nocturno, para
determinar el número de horas por semana que emplean los estudiantes para
trasladarse a la universidad y viceversa, se presenta en la siguiente tabla, la cual está
en número de horas:

40 35 40 29 31 38 36 31 28 30 35 29 32 31 40 36 28 33 33 40 27 28 34 36 33 43 40
35 40 31 30 38 36 35 36 28 36 37 36 37 29 32 38 37 39 31 31 39 39 40

Ordenar los datos de menor a mayor y determinar el tamaño de la muestra. Valor

máximo, valor mínimo, rango, calcular el número de intervalos por la regla de
Sturges. k=1+3,332*Log(N) donde N=50. Se aproxima si da decimales. Calcular la
amplitud y luego la tabla de frecuencia que incluya la marca de clase y hacer el
histograma correspondiente y el polígono de frecuencia.

18
Unidad III: Definiciones

1) Probabilidad

En primera instancia se entiende como la posibilidad que existe de que un

determinado hecho probable realmente suceda. Ese hecho puede finalmente suceder,
o no suceder.

Tipos de Probabilidad

Probabilidad a priori: aquí la probabilidad de éxito se basa en el conocimiento

anterior al proceso involucrado. En el caso más simple, cuando cada resultado es
igualmente posible.

a) Probabilidad Clásica o a Priori (explicación)

Si un suceso puede ocurrir de N maneras mutuamente excluyentes e igualmente

probables, y m de ellas poseen una característica A

Ejemplo: P(de que salgan dos caras al tirar 2 monedas)

P(de que salga una cara al tirar 2 monedas )

19
2) Probabilidad clásica empírica: aunque la probabilidad se siga definiendo como la
proporción entre el número de resultados favorables y el número de resultados,
estos datos se basan en hechos observados no en el conocimiento anterior a un
proceso.
a) Probabilidad empírica o frecuencial (explicación)

Una teoría de mayor aplicación y muy sostenida es la basada en la frecuencia relativa.

Puede atribuirse a este punto de vista el adelanto registrado en la aplicación de la
probabilidad en la Física, la Astronomía, la Biología, las Ciencias Sociales y los
negocios.

Esta teoría está estrechamente relacionada con el punto de vista expresado por
Aristóteles: “lo probable es aquello que ocurre diariamente”.

Notamos a través de gran cantidad de observaciones acumuladas con los diversos

juegos de azar una forma general de regularidad que permitió establecer una teoría.

Supongamos que efectuamos una serie de n repeticiones del experimento E,

intentando mantener constantes las condiciones pertinentes. Sea f el número de
repeticiones en las que se presenta el suceso A, de forma que en las restantes n – f no
se presentará. Obtendremos así una serie de frecuencias relativas para n1, n2 …

Estas frecuencias relativas diferirán poco entre sí cuando las ni sean grandes y
tenderán a acumularse en la proximidad de un valor fijo.

Debemos señalar que la estabilidad, a la larga, de las frecuencias relativas se aplica a

una amplia clase de experimentos aleatorios, de los que el juego de azar constituye un
caso en particular, casi insignificante.

Para establecer una descripción matemática sencilla de la conducta de las frecuencias

relativas para grandes valores de n, vamos a postular la existencia de un nro. p que es
el nro. al cuál tiende fr, es decir, la frecuencia relativa del suceso en estudio.

20
Este número se llamará probabilidad del suceso A en relación con el experimento
aleatorio E.

La frecuencia relativa fr se considerará entonces como una medida experimental de la

probabilidad y diremos:

“De acuerdo con el concepto empírico de la estabilidad de las razones frecuenciales

cabe esperar que, para grandes valores de n, la razón frecuencial observada sea
aproximadamente igual a p que se llamará probabilidad del suceso en estudio”.

Estaremos entonces “estimando” el valor de una probabilidad desconocida por medio

de un estudio de la conducta de las frecuencias relativas del hecho o suceso
correspondiente.

La aplicación de esta definición está relacionada con un experimento aleatorio que

puede ser repetido varias veces en condiciones uniformes. Naturalmente, la repetición
real será en ocasiones difícil o incluso imposible de realizar, por ejemplo, debido a
los costos prohibitivos de experimentación, pero bastará con que sea concebible una
repetición en condiciones uniformes.

Pensaste cuando tiras muchas, muchas veces una moneda ¿cuál es la probabilidad de
que salga cara?

¿Aplicaste esta definición? ¿Por qué? Discutirlo en grupos y analiza la explicación

con tu profesora.

3) Probabilidad subjetiva: mientras que en los dos anteriores enfoques la

probabilidad de un evento favorable se calcula objetivamente, ya fuera de un
conocimiento previo o de datos reales y la probabilidad subjetiva se refiere a la
posibilidad de ocurrencia asignada a un evento por un individuo particular.

Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia

previa, la opinión o la intuición del individuo. En este caso después de estudiar la
información disponible, se asigna un valor de probabilidad a los sucesos basado en el
grado de creencia de que el suceso pueda ocurrir.

21
¿Cuál es la probabilidad de que haya vida en Marte?

¡Analiza esta probabilidad!

Estos ejemplos ¿a qué definición de probabilidad corresponden?

Ejemplo 1

E: Tirar un dado

A = que salga el n° 3

S = {1, 2, 3, 4, 5, 6}

P(A) = 1/6

Ejemplo 2

E: Retirar una carta de un mazo

A= que salga oro

P(A) = 10/40

Espacio muestral

En la teoría de probabilidades, el espacio muestral o espacio de muestreo (denotado

E, S, Ω o U) consiste en el conjunto de todos los posibles resultados individuales de
un experimento aleatorio.

Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de

muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un
evento o suceso es cualquier subconjunto del espacio muestral, llamándose a los
sucesos que contengan un único elemento sucesos elementales. En el ejemplo, el
suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estaría
formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}.

Para algunos tipos de experimento puede haber dos o más espacios de muestreo
posibles.

Podemos diferenciar entre dos tipos de espacios muestrales: discretos y continuos.

22
 Tipos De Espacio Muestral

Podemos diferenciar entre dos tipos de espacios muestrales: discretos y continuos.

1) Discretos

Son aquellos espacios donde el número de sucesos elementales es finito o infinito

numerable.

a) Espacio Probabilístico discreto

Es aquel cuyo espacio muestral es discreto. Podemos diferenciar varios tipos de

espacio probabilístico discreto:

b) Espacio Probabilístico Discreto Equiprobable

Su espacio muestral es finito de tamaño n.

La probabilidad de cualquier suceso elemental E

c) Espacio Probabilístico Finito

Su espacio muestral es discreto finito.

Hay al menos 2 sucesos elementales que cumplen.

Procesos Estocásticos Finitos Y Diagramas de Árbol

Un proceso estocástico es una sucesión finita de experimentos aleatorios, cada uno de

ellos con un nº finito de resultados posibles. Se representan con diagrama de árbol.

d) Espacio Probabilístico Infinito Contable

Aquel cuyo espacio muestral es discreto infinito contable.

Por ejemplo

La probabilidad de que salga cara en la primera tirada ----> ½

La probabilidad de que salga cara en la segunda tirada ---->½ * ½ = 1/4

La probabilidad de que salga cara en la tercera tirada ----> ½ * ½ * ½ = 1/8

2) CONTINUOS

23
Son aquellos espacios donde el número de sucesos elementales es infinito incontable.

a) Espacio probabilístico continuo

Espacio muestral infinito no numerable. -No es posible observar puntos concretos del
espacio.

Tiene sentido hablar de intervalos observados. - No es posible asignar probabilidad a

un punto concreto, se asigna a intervalos.

Por tanto la función P está definida sobre intervalos -----> P(Ki < Exp > Ke)

-Habitualmente cuando trabajamos con magnitudes físicas.

b) Particiones

Es posible definir particiones sobre el espacio muestral. Formalmente hablando, una

partición sobre Ω se define como un conjunto numerable.

Ejemplos

Por ejemplo, en el caso del experimento aleatorio "lanzar un dado", el espacio

muestral del experimento sería: Ω={1,2,3,4,5,6}. Por otro lado, si cambiamos
ligeramente la experiencia pensando en el número resultante de la suma de 2 dados,
entonces tenemos 2 espacios muestrales:

Ω={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),...(6,6)} = {1,2,3,4,5,6}x{1,2,3,4,5,6}

Ω'={2,3,4,...,12}

La elección del espacio muestral es un factor determinante para realizar el cálculo de

la probabilidad de un suceso.

24
 Eventos y su clasificación con ejemplos

Eventos Se denomina así a cada una de las distintas formas en que puede presentarse
el fenómeno o experimento. Un experimento es una actividad que produce un evento.
Podemos llamar espacio muestral del experimento al conjunto formado por todos los
posibles resultados de este.

Se clasifican en:

Los eventos son mutuamente excluyentes si sólo uno de ellos puede ocurrir cuando
realizamos una prueba”. Pero cuando pueden ocurrir dos o más eventos al realizar
una prueba cabe decir que son eventos no excluyentes. Pensemos en el ejemplo de la
baraja inglesa y en los siguientes eventos:

1) Eventos no excluyentes

Sacar un 5 y una carta de espadas. Son eventos no excluyentes pues podemos tomar
un 5 de espadas.

Sacar una carta roja y una carta de corazones. Son eventos no excluyentes pues las
cartas de corazones son uno de los palos rojos.

Sacar un 9 y una carta negra. Son eventos no excluyentes pues podemos tomar el 9 de
espadas o el 9 de tréboles.

Para los tres ejemplos es posible encontrar por lo menos una carta que hace posible
que los dos eventos ocurran a la vez.

2) Eventos mutuamente excluyentes

Sacar una carta de corazones y una carta de espadas. Son eventos mutuamente
excluyentes, las cartas o son de corazones o son de espadas.

Sacar una carta numerada y una carta de letras. Son eventos mutuamente excluyentes,
las cartas o son numeradas o son cartas con letra.

Sacar una carta de tréboles roja. Son eventos mutuamente excluyentes pues las cartas
de tréboles son exclusivamente negras.

25
No es posible encontrar una sola carta que haga posible que los eventos sucedan a la
vez.

3) Eventos Independientes y Dependientes

a) Eventos Independientes

Dos o más eventos son independientes cuando la ocurrencia o no-ocurrencia de un

evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o eventos).
Un caso típico de eventos independiente es el muestreo con reposición, es decir, una
vez tomada la muestra se regresa de nuevo a la población donde se obtuvo.

Ejemplo:

lanzar al aire dos veces una moneda son eventos independientes por que el resultado
del primer evento no afecta sobre las probabilidades efectivas de que ocurra cara o
sello, en el segundo lanzamiento.

b) Eventos dependientes

Dos o más eventos serán dependientes cuando la ocurrencia o no-ocurrencia de uno

de ellos afecta la probabilidad de ocurrencia del otro (o otros). Cuando tenemos este
caso, empleamos entonces, el concepto de probabilidad condicional para denominar
la probabilidad del evento relacionado. La expresión P(A|B) indica la probabilidad de
ocurrencia del evento A sí el evento B ya ocurrió.

Se debe tener claro que A|B no es una fracción.

P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A)

Propiedades básicas de las probabilidades:

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: 

26
2. Probabilidad del suceso imposible es cero. 

3. La probabilidad de la unión de dos sucesos es la suma de sus probabilidades

menos la probabilidad de su intersección. 

4. Si un suceso A está incluido en otro suceso B, entonces la probabilidad de A es

menor o igual a la probabilidad de B. 

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: 

a. Ejemplo:

Un 15% de los pacientes atendidos en un hospital son hipertensos, un 10% son

obesos y un 3% son hipertensos y obesos. ¿Qué probabilidad hay de que elegido
un paciente al azar sea obeso o hipertenso?

A = {obeso} B = {hipertenso}

A Ç B = {hipertenso y obeso}

A È B = {obeso o hipertenso}

p(A) = 0,10; p(B) = 0,15; p(A Ç B) = 0,03

p(A È B) = 0,10 + 0,15 - 0,03 = 0,22

27
 Axiomas de probabilidad y ejemplos.

Las propiedades que esperamos de una ley de probabilidad son las mismas que las
de las frecuencias experimentales. Las consideraremos como los axiomas de la
definición.

A1 Para todo evento  ,  .

A2 La probabilidad del evento cierto es  :  .

A3 Si   es una sucesión de eventos disjuntos dos a dos (  y   no pueden

suceder a la vez si  ), entonces:

Una consecuencia inmediata de los axiomas A2 y A3 es la relación entre la

probabilidad de un evento   y la de su opuesto, denotado  .

Una ley de probabilidad es creciente por inclusión, según A1 y A3:

si  , entonces  .

Las leyes de probabilidad que se emplean en la práctica son de dos tipos

particulares, las leyes discretas y las leyes continuas.

1) Leyes discretas

El conjunto de las eventualidades   es finito o numerable:

Todas las partes de   son eventos. Como todo evento es una reunión finita o
numerable de eventos individuales o aislados (singleton), es suficiente definir la
probabilidad de cada singleton:

28
Para todo  , la probabilidad de   será entonces determinada por A3:

a) Ejemplo: Si el conjunto de los resultados es finito   y si

no hay información que nos permita diferenciar unos resultados de otros, es

natural asociar a cada eventualidad la probabilidad  . La probabilidad de

todo evento   es entonces Card .

Esta probabilidad particular se llama la equiprobabilidad. En este caso todos los

cálculos se convierten en contar:

   probabilidad

2) Leyes continuas

El conjunto de las eventualidades   es  . Los eventos son los intervalos, y todos
los subconjuntos de   que se pueden formar combinando intersecciones y uniones
de intervalos. En la teoría de la medida se les llama conjuntos borelianos.

Definición: Llamamos densidad de probabilidad a una función de   en  ,

continua por pedazos y de integral igual a  .

   y

Dada una densidad de probabilidad, se define una ley de probabilidad sobre  ,

asociando a todo evento   el valor de la integral de la densidad sobre este evento:

Arreglos, permutas y combinaciones.

29
1) Permutaciones

Las permutaciones consisten en cambiar el orden de un conjunto, y poder

determinar cuántas posibilidades de ver de distinta forma ordenado el conjunto
existen, por ejemplo; sea M = {m1,m2,m3,m4, . . .,mn} un conjunto de n
elementos, entonces las posibilidades que tengo para poner en cada casillero será:
en la primera posición puedo colocar cualquiera de los n elementos, en la segunda
puedo colocar cualquiera de los que me quedan (que son n − 1), en la tercera
posición puedo colocar solo n − 2 elementos y así voy quedándome con un
elemento menos a medida que avanzó en los casilleros, hasta que me quedo solo
con un elemento en la última posición, es decir:

De manera que cuando tengo un conjunto de n elementos la cantidad de

permutaciones que puedo hacer sobre este será:

Pn elementos = n · (n − 1) · (n − 2) · (n − 3) · . . . · 2 · 1

A este número lo conocemos como factorial de n, lo simbolizamos como n!, por lo

tanto las
permutaciones que puedo hacer sobre un conjunto de n elementos será:

Pn elementos = n!

Ejemplo

Determinemos la cantidad de ordenamientos distintos del conjunto de las vocales

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

P5 vocales = 5! = 5 · 4 · 3 · 2 · 1 = 120 posibilidades distintas

2) Arreglos

30
Los arreglos son todas las posibles ordenaciones de n elementos sacados de un grupo
más
grande de m elementos (m > n), importando el orden de los conjuntos resultantes, de
manera que

El número de arreglos de a n elementos que puedo hacer en un grupo de m elementos

será:

a) Ejemplo:
Determinemos la cantidad de arreglos de 2 vocales que podemos hacer en el conjunto
de las vocales V={a, e, i, o, u}:

Primero busquémoslos:

Existen 20 posibilidades, ahora veámoslo con la fórmula, donde m será la cantidad de

vocales, y n la cantidad que habrá en los arreglos:

3) Combinaciones

31
Las combinaciones son muy parecidas a los arreglos, con la diferencia en que en los
conjuntos que se forman no importa el orden de manera que

El número de combinaciones de a n elementos que puedo hacer de un total de m

elementos será:

a) Ejemplo
Javier, Gonzalo, Manuel, Pamela y Paola se han postulado a la directiva de su curso,
pero solo 3 de ellos pueden quedar, ¿cuántas directivas posibles hay?

Respuesta
En este caso se trata de formar combinaciones entre los postulantes, pues si por
ejemplo se elige a Javier, Gonzalo y Paola es lo mismo que se elija a Paola, Gonzalo
y a Javier, lo
que corresponde a una combinación de 3 elementos de un total de 5, por lo tanto:

32
 Teoría combinatoria

La Combinatoria es una rama de las matemáticas cuyo objeto es estudiar las posibles
agrupaciones de objetos que podemos llevar a cabo de un modo rápido teniendo en
cuenta las relaciones que deben existir entre ellas.

Por ejemplo:
Con 5 colores diferentes ¿cuántas banderas tricolores podemos hacer? Una bandera
de otra se diferencia en tener un color diferente o en el orden de colocación de los
colores.

Estas 3 banderas son diferentes y pertenecen a Luxemburgo, Rusia y Yugoslavia.

Si te dicen que con 5 colores diferentes podemos hacer 10 banderas tricolores
probablemente dudarías un poco.

Con las cifras 1, 2, 3, 4, 5 y 6 ¿cuántos números de tres cifras, diferentes, por

supuesto, puedo formar? Un número es diferente de otro si tiene una cifra distinta o el
orden de sus cifras es diferente. 321 y 123 son números distintos aunque tengan las
mismas cifras.
Con los datos anteriores podríamos formar 20 números diferentes.

33
Conclusión

34
 Enlaces Electrónicos

https://concepto.de/probabilidad/#ixzz6INJ6rsdW

http://edwardmoralesz.blogspot.com/2012/10/tipos-de-probabilidades.html

https://sites.google.com/site/estadisdesceduc/unidad-ii/2---espacio-muestral-o-
espacio-de-eventos

http://edwardmoralesz.blogspot.com/2012/10/tipos-de-eventos.html

https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/combinatoria/p
ropiedades-de-la-probabilidad.html

http://www.hrc.es/bioest/Probabilidad_14.html}

https://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/mp/node3.html

https://www.u-
cursos.cl/usuario/6c35e35ec55a71af969f59a168a300a7/mi_blog/r/C14.pdf

https://www.aulafacil.com/cursos/matematicas/teoria-combinatoria/teoria-
combinatoria-l10838

35