UNIVERSIDAD ABIERTA Y A DISTANCIA

UNAD

ESCUELA DE CIENCIAS ADMINISTRATIVAS, CONTABLES

ECONOMICAS Y DE NEGOCIOS
CEAD: JOSE ACEVEDO Y GOMEZ

TRABAJO COLABORATIVO 1

PROBABILIDAD
GRUPO 100402_306

TUTORA:
LUIS ALEXANDER SARAVIA ROA

PRESENTADO:
LUCY STELLA BELTRAN CIFUENTES
CC. 51.793.602

BOGOTA, MARZO 06 DE 2015

INTRODUCCION
En muchos campos de la actividad humana se trabajan fenmenos que posee
algunos grados de incertidumbre y en un importante nmero de situaciones se
llega a decisiones soportadas en el estudio de tales hechos.
El economista estudia la oferta y la demanda de un producto y establece
alguna relacin funcional sin llegar a determinar exactamente la interaccin
entre las dos, la incertidumbre se presenta debido a la alcatoriedad del
fenmeno que se observa, pero adems por el desconocimiento del verdadero
estado del sistema lo cual equivale a ignorar los parmetros que determinen
ese estado de naturaleza, se requiere por lo tanto de un procedimiento
estructurado, sistematizado, formalizado, es decir cientfico, para manejar la
incertidumbre y que adems permita cuantificar los diversos niveles de esta.
El ser humano ha tratado de medir su nivel de incertidumbre, tal medida se
conoce como probabilidad.
Para indicar el grado de incertidumbre de un evento, esta se debe explicar en
trminos numricos, para ello se debe conocer reglas y operaciones de la
probabilidad.

DEFINICION DE ESPACIO MUESTRAL

El espacio muestral o espacio de muestreo denotado por (E, S, 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 al
espacio, 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 con estructura de -algebra,1 llamndose a los sucesos que
contengan un nico elemento sucesos elementales. En el ejemplo, el suceso
sacar cara en el primer lanzamiento, o {(cara, cara), (cara, cruz)}, estara
formado por los sucesos elementales {(cara, cara), (cara, cruz)}.
Los espacios de muestreos aparecen de forma natural en una aproximacin
elemental de probabilidad, pero son tambin importantes en espacios de
probabilidad. Un espacio de probabilidad (, F, P) incorpora un espacio de
muestreo de resultados, , pero define un conjunto de sucesos de inters, la algebra F, por la cual se define la medida de probabilidad P.

Tipos de espacio muestral:

Discretos:
Continuos:
Discretos son aquellos espacios donde el nmero de sucesos elementales es
finito o infinito numerables
Espacio probalistico discreto, es aquel cuyo espacio probalistico es discreto.
Podemos diferenciar varios tipos de espacio probalistico discreto.
Espacio probalistico discreto equiprobable

Su espacio muestral es infinito de tamao n

La probabilidad de cualquier suceso elemental E es
n( A)
1
P ( E )= , de aqui se deduce que para todo suceso A la probabilidad es P ( A )=
n
n
Espacio probabilstico infinito
Su espacio muestral es discreto infinito
Hay al menos dos sucesos elementales que cumplen

Procesos estocsticos infinitos y diagrama de rbol

P ( A ) P( B)

Un procesos estocstico es una sucesin finita de experimentos aleatorios,

cada uno de ellos con un No. Infinito de resultados posibles, se representan
con diagrama de rbol.
Ejemplo: Se lanza una moneda y un dado de seis caras. La probabilidad de
obtener un resultado particular corresponde a la multiplicacin de sus
probabilidades. Es decir la probabilidad de obtener cara y un tres ser:
1 1 1 1 1 1 1 1 1 1 1 1
P ( I )= . + . + . + . + . + .
2 6 2 6 2 6 2 6 2 6 2 6
Espacio probalistico infinito contable
Aquel cuyo espacio muestral es discreto infinito contable, por ejemplo
La probabilidad de que salga cara en la primera tirada

1
2

La probabilidad de que salga nuevamente cara en la segunda tirada

1 1 1
. =
2 2 4

La probabilidad de que salga nuevamente cara en la tercera tirada

1 1 1 1
. . =
2 2 2 8

Continuos: son aquellos espacios donde el nmero de sucesos elementales es

infinito incontable
Espacio probalistico continuo
Espacio muestral infinito no numerable. No es posible observar puntos
concretos, se asigna intervalos
Po lo tanto la funcin P, est definida sobre intervalos
K i <exp> k e
P
-

Habitualmente cuando trabajamos con magnitudes fsica

Particiones
Es posible definir particiones sobre el espacio muestral. Formalmente
hablando, una participacin sobre se define como un conjunto numerable:
{ A 1 }1 N tal que

1. A 1 A2 .. An =
2. A i A j= i j; i , j=1. . n
3. P ( Ai ) > A i=1. . n

Ejemplo:
En el caso experiment aleatorio lanzar un dado, el espacio muestral del
experimento seria = {1,2,3,4,5,6 } . Por otro lado cambiamos ligeramente la
experiencia pasando en el nmero resultante de la suma de dos dados,
entonces tenemos dos posibles espacios mustrales para modelar nuestra
realidad:

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

= {2,3,4 .,12 }

La leccin del espacio muestral es un factor determnate para realizar el clculo

de la probabilidad de un suceso.

FACTORIAL DE UN NMERO
El factorial de un entero positivo, factorial de n o n factorial se define en
principio como el productos de todos los nmeros enteros positivos desde 1
(es, decir, los nmeros naturales) hasta n por ejemplo
5 !=1 2 3 4 5=120

n!= n(n-1) (n-2),1 n 1

Simbologa

La operacin factorial aparece en muchas reas de las matemticas,

particularmente en combinatoria y anlisis matemtico. De manera
fundamental, factorial de n representa el nmero de formas distintas de ordenar
n objetivos distintos (elementos sin repeticin). Este hecho ha sido conocido
desde hace varios siglos, la notacin actual n! fue usada por primera vez por
Christian Kramp en 1803.
La definicin de funcin factorial tambin se puede extender a nmeros no
naturales, manteniendo sus probabilidades fundamentales, pero se requiere
matemticas avanzadas, particularmente en anlisis matemtico.
La funcin factorial es formalmente definida mediante el producto
n !=1 2 3 4 . ( n1 ) n
La multiplicacin anterior se puede simbolizar, tambin utilizando el operador
productorio.
n

n != K Tambienes posible definirlo mediantela relaccionde recurrencia

k=1

n !=

1 si ,n=0
( n1 ) ! n si , n>0

En esta segunda definicin el dominio de la funcin es el conjunto de los

Z 0
enteros no negativos
y el condominio es el conjunto de los enteros
positivos

Z1.

en este caso hay una sucesin recurrente, el clculo sucesivo

de sus elementos se llama proceso recurrente y la igual n! =(n-1)!n se nombra

ecuacin recurrente2.
Todas las funciones anteriores incorporan la premisa de que 0!=1
Para cada nmero entero positivo n mayor que 1, es posible determinar el valor
del factorial anterior mediante el uso de la siguiente identidad:

( n1 ) !=

n!
n

Vlida para todo nmero mayor o igual que1. Asa se conoce que 5! es 120,
entonces 4! es 24 porque:

5 ! 120
=
=24
5
5
y por lo tanto 3 ! debe ser necesariamente 6 puesto que

4! 4
= =6
4 24

El mismo proceso justifica el valor de 2! = 2 y 1! = 1 ya que

2!=

3! 6
2! 2
= =2, 1! = =1
3 3
2 2

Si aplicamos la misma regla para el caso extremo de que

n !=1

tendremos

que 0! corresponde a:
0 !=

1! 1
= =1
1 1

Aunque el argumento puede resultar conveniente, es importante tener en

cuenta, que no es que un argumento informal y que la razn real por la cual se
toma la convencin de 0! = 1 es por ser un caso especial de la conveniencia
del producto vaco, usadas en muchas otras ramas de las matemticas.
Aplicaciones
Las factoriales se usan mucho en la matemticas llamada combinatoria, a
travs del binomio de Newton, que da los coeficientes de la forma desarrollada
de (a+b) n.
n

a+b n= n an+ n an 1 b+ n an2+ b2 ++ n ab n1 + n +bn = n an K bk donde n representa un c

0
1
2
n1
n
k
K =0 K

() ()

()

( )

()

( )

()

(nk )= ( nKn)!! . K !
De igualmente se puede encontrar en la derivacin por la regla del producto
para derivadas de orden superior de manera similar que el binomio de Newton:
n

(n )
(n )
( n1)
( n2)
( n1)
(n)
(K) (n K )
fg = n fg + n f g
+ n f g
++ n f
g + n f g= N f g
0
1
2
n1
n
k
K=0
n
d x
( f ( x ) g ( x ) )=
n
dx

() ()

()

( )

()

( )

Donde f(n) es la derivada ensima de la funcin f

Por medio de la combinatoria, los factoriales intervienen en el clculo de las
probabilidades, intervienen tambin en el mbito del anlisis, en particular a

travs del desarrollo polinomial de las funciones (formula de Taylor). Se

generaliza a los reales con la funcin gamma, de gran importancia en la
teora de nmeros.
Para valores grandes de n, existe una expresin aproximada para el factorial
de n, dado por la formula Stirling:
1
n n
1+
+
1
12 n+
e
2
288 n
n ! 2 n

El factorial de n es generalizado para cualquier numero real n, por la funcin

gamma de manera que

( n )= ( n1 ) != t n1 et dt
0

Solo para n>0, se puede generalizar an ms, para todo nmero complejo z,
que no sea igual aun entero no positivo, mediante la siguiente definicin:

( z )=( z1 ) !=lim

n! n
( z+1 ) (z +n)

Doble factorial
n

{( n21)si ,.nnsi0,n> 0

Ejemplo
8 =2. 4.6. 8=384
9 =1.3 .5 .7 .9=945

La sucesin de dobles factoriales para

n=0,1,2, .

Empieza as 1,1,2,3,8,15,48,105,384,945,3840

La definicin anterior puede extenderse para definir el doble factorial de

nmeros negativos

( n2 ) =

n
y esta es la solucion de dobles factoriales para n=1,3,5.7
n

1
1
1,1, , , .
3 15

El doble factorial de un nmero negativo no est definido

Algunas identidades de los dobles factoriales
1. n!=n ( n1 )
2. (2 n ) =2n n !
3. ( 2 n+1 ) =

( 2 n+1 ) ! ( 2n+ 1 ) !
= n
( 2n )
2 n!

4. ( 2 n1 ) =

( 2 n+1 ) ! ( 2 n ) !
=
( 2 n2 ) 2n n !

4. ( 2 n1 ) =

( 2 n+1 ) ! ( 2 n ) !
=
( 2 n2 ) 2n n !

) !!
( 12 )= ( 2 n1
2

4. n+

4.

( n2 +1)= 22! !

n+1
2

La funcin factorial es fcilmente implementarle en distintos lenguajes de

programacin. Se pueden elegir dos mtodos el iterativo, es decir, realiza un
bucle en el que se multiplica una variable temporal por cada nmero natural
entre 1 y n, o el recursivo, por el cual la funcin factorial se llama a si misma
con un argumento cada vez menor hasta llegar al caso base 0!=1.

PROBABILIDAD CONDICIONAL
Es la probabilidad de que ocurra un evento A, sabiendo que tambin sucede
otro evento B. La probabilidad condicionada se escribe P (A I B), y se lee la
probabilidad de A dado B
Probabilidad condicional bajo independencia estadstica

P ( B| A =P(B)

Probabilidad condicional bajo dependencia estadstica

( B| A =P(B A )/P (A )
No tiene por qu haber una relacin casual o temporal entre Ay B puede
preceder en el tiempo a B, sucederlo o puede ocurrir simultneamente. A puede
causar B, viceversa o puede no tener relacin causal. Las relaciones causales
o temporales son nociones que no pertenecen al mbito de la probabilidad.
Pueden desempear un papel o no dependiendo de la interpretacin que se le
d a los eventos.
Definicin
Dado un espacio de probabilidad, ( , F , P)
A ,BF

con

y dos eventos (o sucesos)

P( B)> 0 , la probabilidad condicional de A dado B est

definida como:
P ( A| B =

P( A b)
P (B)

Interpretacin:
Tomando los mundos en los que B se cumple,

P ( A| B

se puede interpretar

como la fraccin en los que tambin se cumple A, si el evento B es, por ejemplo
tener gripe, y el evento A es tener dolor de cabeza P ( A| B sera la
probabilidad de tener dolor de cabeza cuando se est enfermo de gripe.
Grficamente, si se interpreta el espacio de la ilustracin como el espacio de
todos los mundos posibles, A seria los mundos en los que se tiene dolor de
cabeza y B en el espacio en el que se tiene gripe. La zona roja de la
interaccin representara los mundos en los que se tiene gripe y dolor de
cabeza P( A b) . En este caso P ( A| B , es decir la probabilidad de que
alguien tenga dolor de cabeza sabiendo que tiene gripe, seria, sera la
proporcin de mundos con gripe y dolor de cabeza (color rojo) de todos los
mundos con gripe. El rea verde dividida por el rea de B. Como el rea roja
A B
P(B) , formalmente se
representa
P ) y el rea de B representa a
tiene que:
P ( A| B =

P( A b)
P (B)

P ( A| B

se puede interpretar como, tomando los mundos en los que B, se

cumple, la fraccin en los que tambin se cumple A.

Propiedades
P ( A| B + P ( | B=1
B A P ( A| B =1
Es decir, si todos los que tienen gripe siempre tienen dolor de cabeza, entonces
la probabilidad de tener dolor de cabeza dado que tengo gripe es 1.

1. P ( A ) =+ P ( A| B . P ( B ) + P ( A| B . P ( B)
Independencia de sucesos
Dos sucesos aleatorios A y B son independientes si y solo si:
A B=P( A) P (B)
P

O sea que si A y B son independientes. Su probabilidad conjunta,

P ( A B) o P ( A , B) .
Puede ser expresada como producto de las probabilidades individuales.
Equivalentemente:
P ( A| B =P(A )

P ( B| A =P(B)

En otras palabras, si A y B son independientes, la probabilidad condicional de A

dado B es simplemente la probabilidad de A y viceversa.
Exclusividad mutua
Dos sucesos A y B, son mutuamente excluyentes si y solo si
A B= entonses P ( A B ) =0

Adems, si

P ( B ) >0

entonces

( A|B , es

igual a 0
La falacia de la probabilidad condicional
La falacia de la probabilidad condicional se basa en asumir que
casi igual

P ( B| A la verdadera relacin entre

siguiente
P ( A| B =P ( B| A ) .

P(B)
teorema de Bayes
P( A)

P ( A| B es

P ( A| B y P ( B| A es la