Presentación

Diplomado superior en Métodos estadísticos y análisis de riesgos empresariales.

Propuesta clase.
Módulo 2. Fundamentos de probabilidad
Viernes: 16:00 - 17:45 hrs (pausa)
18:15 - 20:00 hrs
Prof. Adrian Rocha Ichante Sábado: 08:00 - 09:45 (pausa)
Horarios: Viernes (en línea): 16:00 - 20:00 hrs 10:15 - 11:45 (pausa)
Sábado (en línea): 08:00 - 14:00 hrs 12:45 - 14:00.
*Las pausas están pensadas para resolver los actividades
Correo: arochai@[Link] solicitadas.
arirocich@[Link]

Viernes: Trabajo conceptual.

Sábado: Trabajo conceptual - computacional.

INFORMACION página 1
INFORMACION página 2
Evaluación

- Trabajo de investigación (y de aplicación) (20%). Individual

Sobre una distribución de probabilidad que ustedes:
○ Ocupen.
○ Investiguen.
○ Les interese.
○ De importancia en su profesión.

Cinco páginas, como mínimo.

○ Tres de ellas con la investigación.
○ Y el resto con aplicaciones, y cálculo con algún paquete computacional (R de preferencia).
○ Referencias bibliográficas y/o hemerográficas.

- Exposición. Presentación en video del trabajo (10%). Individual.

Presentación breve de 5 a 10 minutos del tema que investigaron.

- Grabación de la presentación, en una esquina del video su presencia.

- Casos prácticos (50%).

Consistirán en aquellas evidencias generadas en cada sesión.
Viernes: Dos evidencias, en promedio.
Sábado: Tres evidencias, en promedio.

Nota: Carpeta de Google sea la contenedora de sus evidencias.

Las evidencias provienen de actividades dentro de la misma sesión (mismo horario).

En caso de atraso en las actividades éstas deberán entregarse hasta exactamente la siguiente semana.

- Examen (20%)
Serie de ejercicios a resolver (del penúltimo viernes al último sábado) consistentes en conceptos revisados en las
sesiones sincrónicas. Los ejercicios serán tanto conceptuales como por computadora.

Nota: El trabajo de investigación y la exposición se entregan el último día del módulo; hasta las 11:59 pm.

INFORMACION página 3
Sesiones viernes 14/03/25
viernes, 14 de marzo de 2025 04:34 p. m.

- Teoría básica de conjuntos (Naive)

Definición conjunto. Es una colección de objetos (reales o abstractos). A cada uno de los objetos dentro de dicho
conjunto se le denomina elemento.

Representación matemática.
Es importante introducir la notación para representar a un conjunto. Esto puede hacerse mediante
• Una etiqueta. Se usa cuando los elementos del conjunto son bien conocidos, o bien ya cuando se definió de
forma previa. Se representa mediante mayúsculas: A, B, C,…, X, Y, Z.
• Identificando a sus elementos. Se representa mediante minúsculas: a,b,c,…,x,y,z. A veces se ocupan subíndices
para etiquetar un mayor número de elementos: , , … , .

Combinando ambas representaciones el conjunto puede escribirse como

, ,…,

donde se han empleado llaves para encerrar a todos los elementos de A.

Representación gráfica.
Para ello se usan los diagramas de Venn, los cuales son estructuras cerradas que emplean para representar a
un conjunto dado: Círculos, cuadrados, elipses, figuras amorfas.
Se emplean para visualizar de mejor manera la relación entre conjuntos.

Pertenencia
Si es elemento del conjunto , esto se representa mediante , donde el símbolo se le denomina símbolo
de pertenencia. Si no pertenece a , esto se denota por .

En ocasiones los elementos de un conjunto pueden representarse mediante una regla operacional, la cual se
puede combinar con las representaciones anteriores.

Ejemplo.
- El conjunto de números pares positivos, es equivalente a escribir
- , , , ,…, y a
-

Notas:
• El símbolo "…" se le denomina elipsis y significa que el patrón anterior se repite de forma indefinida.
• Los símbolos " " ó ":" significan "tal que".

Conjunto vacío. Es aquél conjunto que no contiene elementos, y se denota por , o bien .

Subconjunto.

Un conjunto se dice que es subconjunto de uno (lo cual se denota por ) si todos los elementos de
pertenecen a .

Conjuntos disjuntos.
Dos conjuntos y se dicen que son disjuntos si no tienen elementos en común. También se les denomina
mutuamente excluyentes.

- Clasificación

• Por número de elementos.

○ Finito. Cuando el número de elementos es tal.
○ Infinito. Cuando el número de elementos es ilimitado.

• Conteo.

SESIONES página 4
 • Conteo.
○ Numerable. Cuando cada elemento del conjunto puede asociarse con un número natural. Se le
puede realizar un conteo.
○ No numerable. Es cuando no numerable.

Conjuntos numéricos conocidos

• Números naturales. , , , , ,… , , , , , , ,… .
• Números enteros. …, , , , , , , , , , , ,…
• Números racionales. . Son aquellos de la forma donde y ambos son enteros; .
Ejemplos de racionales: , , , , .
• Números irracionales, . Este conjunto está formado por aquellos números que no son
racionales.
• Números reales, . Proviene de la unión del conjunto de los racionales con las irracionales.

Notas:
- Los naturales es un conjunto infinito numerable.
- Los enteros es un conjunto infinito numerable.
- Los racionales es un conjunto infinito numerable.
- Los irracionales es un conjunto infinito no numerable.
- Los reales es un conjunto infinito no numerable.

Representación de los números reales.

Los números reales se pueden representar sobre una línea recta dirigida, denominada eje real.

Nota: La recta apunta (crece) en las

dirección de los reales positivos.

Este eje real se define mediante una referencia (cero), y una unidad (distancia entre el cero y el uno).

Intervalos de reales.

Un intervalo de números reales consiste en un conjunto continuo de números pertenecientes al conjunto de

los reales. EN general, está limitado por dos números: un límite inferior y uno superior .
El intervalo de números entre y consiste en todos aquellos números reales entre ambos números.

Nota:

sin embargo, se consideran tres casos generales, que provienen de incluir o no a los límites superior e inferior.

Intervalo cerrado: , . En este caso el intervalo contiene tanto a como a .

Intervalo abierto: , . En este caso el intervalo no contiene ni a , ni a .

Intervalo semiabierto: , , o bien , . En este caso el intervalo no contiene ni a , ni a .

SESIONES página 5
Notas: ,

Operaciones entre conjuntos

- Unión. la unión entre los conjuntos y se define como

Esta operación binaria "ó" es inclusiva; es decir, el conjunto unión está conformado por elementos de , o de , o de ambos.

Nota: Sólo se escribe un elemento una única vez dentro de un conjunto.

Ejemplos. Nota:
i. , , , , , , , , , , , , , , , ,
ii. , , , , ,

- Intersección. la intersección entre los conjuntos y se define como

, Nota:

donde el "y" indica que elemento pertenece tanto a como a .

Ejemplos.
i. , , , , , , , , ,
ii. , , , , ,

- Complemento. El conjunto complemento de con respecto a se define como

A
B

Cuando el conjunto es el conjunto universo, , denominado complemento de .

Ejemplos.
i. , , , , , , , , , , ,
ii. , , , , ,

SESIONES página 6
Regreso a las 18:30 hrs.

- Propiedades operacionales

Las definiciones y operaciones anteriores permiten demostrar las siguiente propiedades:

i.
ii.
iii.
iv.
v.
vi.
vii.
viii.
ix.
x.

Las propiedades iv y ix son de distribución. Las propiedades iii y viii son de asociación. Las propiedades v y x son las Leyes
de Morgan.

Para demostrar la igualdad de cada una de las operaciones anteriores se debe proceder de manera formal: Si se quiere
demostrar que , se debe demostrar antes que y .

Probabilidad
Desde el punto de vista informal asignamos una "probabilidad" porcentual de que suceda un evento: Clima, deportes, …

Aunque sean intuitiva el concepto básico de probabilidad se puede extraer información veraz a partir de ello:
- La probabilidad, como número, va a estar entre cero y uno.
- Cero, cuando no existe la posibilidad de que se dé el evento.
- Uno, cuando existe certeza de que el evento sucederá.
Si se usa el símbolo como esta medida de posibilidad de que se dé un evento dado, entonces .

Definición. Una rama de las matemáticas que se encarga de analizar la incertidumbre en un fenómeno dado.

Para analizar el concepto de probabilidad debe partirse de la definición de un experimento (proceso o actividad)
aleatorio, y de sus posibles resultados (salidas).

Cada vez que se realiza un experimento aleatorio sólo se obtendrá uno de los posibles resultados.

Ejemplos de experimento aleatorios.

- Lanzamiento de un dado.
- Lanzamiento de una moneda.

Espacio muestral
Es el conjunto de posibles resultados de un experimento aleatorio, se le etiqueta como o .

A cada elemento del espacio muestral se le denomina evento simple. A la combinación de eventos simples se le denomina
evento compuesto (evento), éstos también serán subconjuntos del espacio muestral.

Ejemplos.
i. Lanzamiento de una moneda.
Espacio muestral: ,

SESIONES página 7
 Espacio muestral: ,
Eventos simples:
- . Evento de que caiga cara.
- . Evento de que caiga cruz.

ii. Lanzamiento de un dado.

Espacio muestral: , , , , ,
Eventos simples: , ,…, .
Eventos compuestos: , , . Evento de que caiga un número par.

iii. Lanzamiento de dos monedas. Registrar el lado de la moneda que cae arriba.
Espacio muestral: , , ,
Evento compuesto: , , . Evento de que caiga al menos una cara.

iv. lanzamiento de una moneda, y lectura del lado superior hasta que caiga una cruz.
Espacio muestral: , , , ,…, ,…

v. La vida útil de un foco.

En este caso la lectura del experimento depende del aparato de medición.
- Cronómetro digital. Suponga que se mide en términos de hrs: , , , , ,…
- Cronómetro analógico. Aquí en este caso el tiempo puede medirse de forma continua: ,

Del último ejemplo, trabajando con el espacio muestral continuo.

Eventos compuestos.
a. : : ,
b. : : ,

Operaciones entre ellos.

- , . Evento de que el foco dure hasta 20 hrs.
- , . Evento de que el foco dure de entre 4 a 5 hrs.
- , . Evento de que el foco dura hasta 4 hrs.
- , . Evento de que el foco dure de 5 a 20 hrs.

vi. Lanzamiento de dos dados. Se registran los números obtenidas en la cara superior del dado.

, , , , , ,…, , , , .

# de elementos de

Asignación de probabilidades
Partamos del hecho de que el experimento aleatorio lo hemos analizado, al igual que todos sus posibles resultados: .
¿Cómo se asigna probabilidades a cada uno de los eventos simples?

- Subjetiva. Está definida por experiencia (creencias). Esta asignación no es formal, pero es válida en distintos ámbitos.

- Objetiva.
○ Clásica. La que se conoce de antemano, asignándole la misma probabilidad a cada uno de los eventos simples:
equiprobabilidad.
○ Empírica (frecuentista): Se repite de forma indefinida un mismo experimento aleatorio (bajo las mismas
condiciones). Se identifica el número de veces que aparecen cada uno de los eventos simples. Finalmente lo que
toma es un promedio.

Ejemplo. Estadísticas de deportes. Después de 20 juegos de un equipo de futbol, 5 de ellos los han ganado, 10 los han
empatado, y 5 los han perdido. La probabilidad de ganar es: 5/20=1/4.

Siguiente sesión.
- R como calculadora. [Link]
- R para gráficas, tablas, etc. [Link]
- Conjuntos con R.
- Funciones de probabilidad.
- Reglas de probabilidad.

SESIONES página 8
- Reglas de probabilidad.
- Conteos.
- Probabilidad con R.

SESIONES página 9
Sesión sábado 15/03/25
sábado, 15 de marzo de 2025 08:08 a. m.

Comandos extras

Función probabilidad

Dentro de un experimento aleatoria ya definido, la probabilidad de un evento que sea exitoso se denota por
. Esta notación permite empezar a ver a esto desde el punto de visto matemático formal.

Nota: esto significa que tanto como están relacionados: depende de .

Se entiende de antemano que . Si el experimento aleatorio al que pertenece este evento es

, ,…,

entonces se debe cumplir lo siguiente

i. , ,…,
ii.

SESIONES página 10
 Nota: Se está trabajando con un caso discreto.

Ejemplos.
i. Lanzamiento de un dado.
, , , , ,

Si se sabe que el dado es justo (legal) se establece que

cuya asignación proviene de la probabilidad clásica.

ii. Lanzamiento de una moneda: ,

Si sabe que la moneda es justa se establece

iii. Lanzamiento de un dado. Haciendo un recuento de la obtención de cada uno de los números, se llega a la
conclusión de que los números pares salen el doble de veces que los impares.
: Evento de que salga un número par. , ,
: Evento de que salga un número impar. , ,

, entonces

Por lo tanto

iv. Experimento: lanzamiento de dos dados.

Espacio muestral: , , , , , ,…, , , , , , ,…, , ,… ,

Se sabe que .

Suponiendo que el dado es legal calcular:

i. la probabilidad de que salgan en ambos dados el mismo número. A este evento llamémosle .

, , , , , , , , , , , ,

ii. la probabilidad de que el segundo número sea mayor que el primero. Evento .
, , , , , , , , , , , , , , , , , ,…, ,

SESIONES página 11
iii. la probabilidad de que la suma de ambos resultados sea igual a 10.

, , , , , ,

Reglas de probabilidad
A. Regla de la adición

Para dos eventos mutuamente excluyentes: y se cumple lo siguiente:

lo cual se puede generalizar

donde todos los eventos son mutuamente excluyentes.

Ejemplo.
i. Sea un experimento aleatorios con espacio muestral , , , con probabilidades dada
por

, , ,

Sean , , . Ambos eventos son mutuamente excluyentes.

Para el caso de dos eventos no mutuamente excluyentes y , se cumple

Nota: ,

Ejemplos.
i. Se arrojan dos monedas justas y se toma lectura del lado superior. Se etiquetan las monedas.

, , ,

Eventos:
- : Evento de que la primera moneda caiga cara, , ,
: Evento de que la segunda moneda salga cara, , ,
SESIONES página 12
 - : Evento de que la segunda moneda salga cara, , ,

Nótese que ambos elementos no son mutuamente excluyentes: ,

Definamos ahora la probabilidad de que caiga al menos una cara:
De forma directa

, , ,
Usando la regla de la adición

B. Probabilidad condicional
Suponga dos eventos y ligados a un espacio muestral . Se desea calcular la probabilidad del evento
condicionado al evento : . Es decir, se analiza cómo se da el evento tal que ya se ha dado el
evento .

A esta probabilidad se le denomina probabilidad condicional.

La regla para obtener para obtener esta probabilidad es

Ejemplo.
i. Suponga que se arrojan dos dados, uno después del otro. En el primero arrojado se obtiene un 3. ¿Cuál
es la probabilidad de que después de arrojado el segundo dado, la suma de ambos sea igual a 5?

: Evento de que el primer dado arrojado haya sido un 3.

, , , , , , , , , , , ,

: Evento de que la suma de ambos dados sea igual a 5.

, , , , , , ,

a. , , , ,

b. Se puede calcular de forma directa. Lanzado el primer dado y obtenido el valor de 3, el

espacio muestral se reduce a

, , , , , , , , , , ,

Se lanza ahora el segundo dado y se requiere que la suma sea igual a 5:

SESIONES página 13
 ii. Suponga que existen cartas numeradas del 1 al 10 dentro de una caja. Se mezclan las cartas. Suponga que
usted extrae una carta de la caja, y la ve, y da una pista sobre ella: la carta está por arriba de cinco.
¿Cuál es la probabilidad de que la carta sea la 10?

: El evento de obtener una carta por arriba de cinco.

: El evento de que la carta sea 10.
: El evento de que la carta sea la 10, dado que las cartas estén arriba de 5.

, , , , ,

,
a.
, , ,

b. Cuando usted elige la carta e indica que esta está por arriba de cinco, se ha limitado el espacio
muestral
, , , ,

C. Regla de la multiplicación
Se parte de la definición de la probabilidad condicional

,
,

denominada la regla general de la multiplicación.

Ejemplo.
i. Un alumno puede tomar un curso ó en Matemáticas (M) o en cómputo (C). Si el alumno toma el curso
obtendrá un 10 con una probabilidad de 1/2. Si toma el curso obtendría un 10 con una probabilidad
de 1/3. Él toma la decisión basado en un volado (a la suerte con una moneda). ¿Cuál es la probabilidad
de que el alumno obtenga un 10 en el curso ?
Etiquetas:
: Evento de que el alumno obtenga un 10.
: Evento de que curse .

, basada en el volado.
, esta la probabilidad de obtener un 10 dado que ya se decidió por el volado.

,
SESIONES página 14
 ,

D. Independencia entre eventos

Esto se define mediante la regla siguiente

lo que significa que el evento no se ve afectado por el evento . En este caso se dice que ambos eventos
son independientes entre sí.

Entonces por simetría, si entonces se cumple que .

Este resultado puede usarse en la regla general de la multiplicación. Si ambos eventos son independientes
entonces se cumple

denominada regla particular de la multiplicación.

Nota: ¿Cómo demostrar que se cumple , si se cumple ?

, ,

La regla de independencia entre dos eventos y se usa para identificar si ellos son independientes.
a. Si esta regla se cumple , , se dice que ambos eventos son independientes.
b. Y si por el contrario , , se concluye que hay dependencia entre ellos.

Ejemplo.
i. Suponga que arrojan dos dados (legales). Sea el evento de que la suma de ambos dados sea igual a 6. Sea el
evento de que el primer dado arroje un 4. ¿Ambos eventos son independientes?
Si se verifica que , , entonces ambos eventos son independientes.

, , , , , , , , , , ,
, , , , , , , , , , , , ,

Hallando la intersección entre ambos conjuntos

, , , , , ,

lo que significa que no son eventos independientes.

Nota: La regla general de la multiplicación

se puede generalizar a más eventos.

SESIONES página 15
se puede generalizar a más eventos.

, , , , ,

E. Regla de probabilidad total

Suponga un espacio muestral , y un conjunto , ,…, donde , , … , . A este conjunto se le

denomina partición del espacio muestral si se cumplen las siguientes condiciones:

i. ,

ii.

Nota: A veces se hace énfasis a que una partición de , es mutuamente excluyente, y si sucede alguno de los
elementos entonces se cumple .

Sea un evento cualquiera del experimento aleatorio que define a , entonces se cumple

- Demostración gráfica

EN este caso

, , , .
, , , , ,

Como todos los conjuntos son disjuntos, y su unión da como resultado al evento , entonces

la cual se denomina probabilidad marginal de en términos de la partición , ,…, .

Usando la regla de la multiplicación se obtiene, además

denominada también como regla de probabilidad total.

Caso especial. Si la partición está formada por sólo dos elementos: , , entonces la regla anterior se convierte
SESIONES página 16
 Caso especial. Si la partición está formada por sólo dos elementos: , , entonces la regla anterior se convierte
en

Ejemplo.
i. Una compañía de seguros usa los siguientes datos de predicción (anual) de accidentes de autos. De los usuarios
del seguro, 20% están por debajo de los 25 años, 30% están entre los 25 y los 40 años, y el 50% están por arriba
de los 40 años. Además, se tiene registro de las probabilidades de chocar un auto para esos conjuntos de
asegurados: 0.11 para los menores de 25 años, de 0.03 para los que están entre 25 y 40 años, y 0.02 para los
mayores de 40.
¿Cuál es la probabilidad de que un usuario (un asegurado) tenga un accidente el siguiente año?

Sea el evento de que un usuario choque el siguiente año.

Partición: , donde
- representa a las personas por debajo de 25 años. .
- representa a las personas entre 25 y 40 años. .
- representa a las personas por arriba de 40 años. .

Usando la regla de la probabilidad total, se puede reescribir como

donde es la probabilidad de que un asegurado choque el siguiente dado que pertenezca al grupo de edad ,
entonces
- .
- .
- .

Por lo tanto
. . . . . . .

ii. De acuerdo al Instituto médico Howard Hughes cerca del 7% de los hombres, y 4% de las mujeres son
daltónicos; datos de los Estados Unidos. En ese país alrededor del 49% de la población son hombres, y el
51% son mujeres. Una persona se selecciona aleatoriamente. ¿Cuál es la probabilidad de que esa persona
sea daltónica?
Sea el evento de que una persona elegida aleatoriamente se daltónica.

. . . . .

F. Teorema de Bayes
Partiendo de la regla de multiplicación de dos eventos cualesquiera y ligados a un experimento aleatorio
con espacio muestral .

Observemos que , , , por lo tanto la regla de la multiplicación para este última

probabilidad

Por lo tanto igualando ambos resultados

SESIONES página 17
y reacomodando

denominado Teorema de Bayes.

Nota: Esta regla se escribe en términos generales como

Si ese evento forma parte de una partición de , la ecuación anterior se modifica. Por ejemplo si dicha
partición es , , entonces

Lo anterior se puede generalizar a una partición , , ,…, ,

donde es cualquiera de los elementos de la partición; es decir, , ,…,

Ejemplo. Continuación de los asegurados de auto.

Partición: , donde
- representa a las personas por debajo de 25 años. .
- representa a las personas entre 25 y 40 años. .
- representa a las personas por arriba de 40 años. .
- .
- .
- .

Suponga ahora que un cliente tiene un accidente. ¿Cuál es la probabilidad de que el cliente sea menor a los 25
años?

. .
.
. . . . . .

- Distribuciones de probabilidad.
- Conteo: Permutaciones y combinaciones.
- Modelos clásicos:
○ Distribuciones discretas: Uniforme, Bernoulli, binomial, Poisson.
○ Distribuciones continuas: Uniforme, normal, exponencial, beta.

SESIONES página 18
Sesión viernes 21/03/25
viernes, 21 de marzo de 2025 04:01 p. m.

Teorema de Bayes

Ejemplo.
i. La tiendas A, B y C tienen 50, 75 y 100 empleados, y el 50, 60, 70 por ciento de ellos son mujeres,
respectivamente. Las renuncias son igualmente probables entre todos los empleados, independientemente
del sexo. Un empleado, y es mujer, ¿Cuál es la probabilidad de que trabajaba en la tienda C?

Sea es el evento de la renuncia. Y A, B y C son los eventos en los que las personas renuncian a trabajar en las
tiendas A, B, y C respectivamente.

donde . , . y . . , , .

.
.
. . .

Conteo en la probabilidad
En la probabilidad se desea calcula el número total de resultados posibles al realizar un experimento aleatorio.

- Principio de la multiplicación
Suponga que un experimento está compuesto de pasos (procesos), cada uno de los cuales puede
desarrollarse de , , … , formas distintas, respectivamente. Entonces el experimento puede desarrollarse
de … formas distintas.

Ejemplos.
i. Sean dos monedas que se arrojan. ¿De cuántas maneras se lleva a cabo el experimento?
, , , ,

Este número se puede obtener usando el principio de la multiplicación

: , ,
: , ,

El número total de maneras en que puede llevarse a cabo el experimento es .

ii. Sean dos dados que se arrojan, ¿De cuántas maneras se lleva a cabo el experimento?

: , , , , ,
: , , , , ,
El número total de maneras en que puede llevarse a cabo el experimento es .

iii. Suponga que una matrícula consta de cuatro caracteres. Los primeros dos son números ,…, , y los
últimos dos son letras A,…,Z .
1er espacio: 10 maneras
2do espacio: 10 maneras.
3er espacio: 26 maneras.
4to espacio: 26 maneras.

Existen número de matrículas posibles.

iv. Se lanzan cuatro dados justos. ¿Cuál es la probabilidad de que salga al menos un 3?
Sea el evento de que salga al menos un 3. Trabajando con el evento complementario, , el evento de que
ningún tres resulte en el lanzamiento.

SESIONES página 19
 .

Experimentos con reemplazo-sin reemplazo

Existen experimento en los cuales se extrae un carta de un mazo, o una pelota de una urna. Si después de la
extracción se devuelve el elemento al mazo o a la urna, se dice que la extracción se realizó con reemplazo. Si
no se devuelve el elemento se dice que se extrajo sin reemplazo.

v. Una caja contiene 7 pelotas idénticas las cuales está numeradas del 1 al 7. Se extraen tres pelotas con
reemplazo, una a una de forma aleatoria, se registran los números. ¿Cuál es la probabilidad de (a) los tres
resultados sean impares, (b) de que sólo un resultado sea impar?

a) Como existe reemplazo, en cada extracción existen 7 posibilidades, por lo tanto el espacio muestra tiene
. De los impares, existen . La probabilidad solicitada será .
b) Caso i. Primera pelota impar, el resto pares: 4
Caso ii. Segunda pelota impar, el resto pares:
Caso iii. Tercera pelota sea impar, el resto pares:

i. Una caja contiene 7 pelotas idénticas las cuales son numeradas del 1 al 7. Se extraen pelotas sin reemplazo,
una a una de forma aleatoria, registrando los números. ¿Cuál es la probabilidad de (a) los tres resultados
sean impares, (b) de que sólo un resultado sea impar?

a) Como no existe reemplazo, en cada extracción existen 7, 6 y 5 sucesivamente al realizar las tres extracciones.
Entonces . De los impares, existen [Link] que los tres
resultados sean impares. La probabilidad solicitada es .
b) Caso i. Primera pelota sea impar:
caso ii. Segunda pelota sea impar:
Caso iii. Tercera pelota sea impar:

Permutaciones y combinaciones
- Permutaciones.
Es una disposición ordenada de objetos de un conjunto que contiene objetos; . También se enuncia como:
permutación de elementos de , o una permutación de los elementos de tomados a la vez. El número de
permutaciones de elementos de un conjunto que contiene objetos se denota por .

Para calcular se utiliza el principio de conteo generalizado. Dado que el conjunto tiene elementos, el número de
opciones para extraer el primer objeto es , para extraer el segundo el número de opciones se reduce a , y así
sucesivamente, hasta extraer el elemento -ésimo. Para este caso el número de posibilidades sería
es decir, existen

Caso especial. Si

… …

Nota: , ,

Usando esta notación el conteo de permutaciones anterior se puede reescribir como

Ejemplos.
i. ¿Cuántas agrupaciones ordenadas diferentes de las letras a, b y c son posibles? En este caso serían:

SESIONES página 20
 i. ¿Cuántas agrupaciones ordenadas diferentes de las letras a, b y c son posibles? En este caso serían:
abc, acb, bca, bac, cab, cba, donde cada elemento es una permutación:
ii. John , Jim, Jay y Jack han formado una banda de cuatro instrumentos. Si cada uno de los integrantes
puede tocar los cuatro instrumentos,
a. ¿cuántas configuraciones diferentes de instrumentos de la banda son posibles? Esta cantidad
sería igual a
b. ¿Qué pasa si John y Jim pueden pueden tocar los cuatro instrumentos, pero Jay y Jack sólo
pueden tocar dos de ellos.
Si Jay y Jack eligen primero los instrumentos que pueden tocar entonces habrían . Elegidos los
instrumento, John y Jim pueden elegir, lo que sería . Por los tanto el número total de
posibilidad de asignación de la banda será:

Permutaciones distinguibles.
Ya se ha revisado que el número de permutaciones de objetos es ; esto es sólo válido cuando los
elementos del conjunto todos son distinguibles. Por ejemplo, la palabra STANFORD tiene 8 letras, y por
lo tanto tiene permutaciones, ya que todas las letras son distinguibles. Pero en el caso de la palbra
, el número de permutaciones debería ser menor al 8!.

Supongamos que es el número de permutaciones real de los elementos de esta palabra. Las distinta
configuraciones de la palabra BERKELEY,

donde se tienen 6=3! permutaciones de esa palabra. Entonces .

Generalizando el resultado anterior: El número de permutaciones distinguibles de objetos de tipos

diferentes donde son iguales, son iguales, …, son iguales, tales que es

Ejemplos.
i. ¿Cuántos códigos diferentes de 10 letras se pueden formar usando tres a's, cuatro b's y tres c's?

ii. ¿De cuántas maneras podemos pintar 11 oficinas de modo que cuatro sean verde, tres amarillas,
dos blancas, y dos rosas?

Combinaciones.
A diferencias de las permutaciones el orden de disposición no importa.

Definición. Es una combinación desordenada de objetos de un conjunto que contiene objetos . Se

enuncia como combinación de elementos de , o bien como la combinación de los elementos de A tomados
a la vez.

¿Sea el número de combinaciones de -elementos de un conjunto con objetos. Si se encuentran todas las
permutaciones de cada combinación de elementos…?

De aquí se despeje

Ejemplos.
i. ¿De cuántas maneras se pueden seleccionar dos libros de matemáticas y tres de biología, de entre
ocho libros de matemáticas y seis de biología.
Como existen formas posibles de seleccionar dos libros de matemáticas de ocho posibles.

SESIONES página 21
- Como existen formas posibles de seleccionar dos libros de matemáticas de ocho posibles.

- Como existen formas posibles de seleccionar tres libros de biología de seis posibles.

Entonces el número total de maneras seleccionar dos libros de matemática y tres de biología es

ii. En un pequeño pueblo, 11 de los 25 maestros son pro-vida, 8 son pro-elección, y el resto son indiferentes. Si se
selecciona una muestra aleatoria de cinco personas para un entrevista. a) ¿Cuál es la probabilidad de que todos
sean pro-elección, y b) la probabilidad de que todos tengan la misma opinión?
a. Existen =53130 diferentes maneras de seleccionar muestra aleatorias de 5 docentes de 25. Entonces

serán las diferentes maneras de seleccionar muestras aleatorias de 5 docente pro-elección de los 8 pro-
elección.

Distribución de probabilidad
Suponga un espacio muestral ligado a un experimento aleatorio, dado por , ,…, , donde , ,…, son
eventos simples.

En cualquier los casos se establecían reglas de asignación de probabilidad.

i. , , ,…,

iii. Para cualquier evento se cumple

Nota: ya establecida la asignación de probabilidades a los eventos simples de , técnicamente se tiene un conjunto de probabilidades
para cada evento de que se le denomina distribución de probabilidad.

Se acostumbra que una distribución de probabilidad se represente gráficamente. En realidad existen varias manera de presentar una
distribución de probabilidad:
- Una regla matemática (Modelos clásicos).
- Una tabla de valores de probabilidad.
- Una gráfica: de barras, o de líneas verticales.

Las gráficas de las distribuciones de probabilidad ayudan a analizar cómo se comporta la probabilidad asignada al conjunto de eventos
simples.

Ejemplos.

SESIONES página 22
 Ejemplos.

i. Una bolsa llena de pelotas de colores: Azul (A), verdes (V), Naranjas (N), Rojas (R), Cyan (C) , donde el número total de pel otas está
distribuido de forma uniforme sobre todos los colores. Se elige una pelota aleatoriamente, ¿cuál es la probabilidad de que se a azul,
o de cualquier otro color?

, , , ,

EL experimento es equiprobable; es decir, a cada color le corresponde el mismo valor de probabilidad:

lo que representa a la distribución de probabilidad de este experimento.

La información anterior se puede presentar en forma de tabla:

Evento simple A V N R C
Probabilidades 1/5 1/5 1/5 1/5 1/5

que representa a la distribución de probabilidad.

ii. Un colegio tiene seis cursos: Biología, geología, física, danza, arte y música. La proporción de alumnos de estos cursos son: 20, 20, 5,
10, 10, y 35. Se elige aleatoriamente a un alumno. ¿Cuál es la probabilidad de que sea de un curso de Ciencias?
, , , , ,
, , , , ,

El evento de ciencias: , ,

Variable aleatoria
Es una regla que asigna valores numéricos a cada uno de los elementos del espacio muestral . Los valores
que puede tomar son del tipo real.
- Variables discretas: Enteros positivos, naturales.
- Variables continuas: Intervalos reales.

Sean , ,…, el conjunto de posibles valors de la variable aleatoria , la función probabilidad tendrá las
siguientes características:

a. , , , … , (donde es el tamaño del espacio muestral)

b.

A se le denomina función de probabilidad.

Ejemplos.
i. Lanzamiento de un dado justo. , . Si se ocupa una variable aleatoria , se asigna a el valor
, y a se le asigna el valor , entonces , es el conjunto de posibles valores de .
,

ii. Lanzamiento de un dado justo. , , , , , . Si se ocupa una variable aleatoria tal que a cada
evento simple le corresponda el mismo número, respectivamente, se tiene , , , , , son valores
posibles de .

iii. Lanzamiento de dos dados. Sea la variable aleatoria definida por la suma de los resultados de los
lados superiores de ambos dados: , , , , … , son los posibles valores de la variable aleatoria.

SESIONES página 23
 lados superiores de ambos dados: , , , ,…, son los posibles valores de la variable aleatoria.

, , ,… ,

iv. Clima. EL clima de una ciudad se puede clasificar (ideal) en cuatro tipo de climas: Caluroso (C),
Lluvioso(L), Nevado (N), Templado (T): , , , . Sea la variable aleatoria correspondiente a
cada uno de los tipos de clima. , , , ; entonces puede tomar cualquiera de los
siguientes valores , , , .

Función de distribución acumulada

Es aquella función que asigna a cada número real , la probabilidad dada por es

Ejemplos.
i.

ii.

iii.

iv.

Nota: Dentro de las reglas matemáticas de distribuciones de probabilidad existen modelos clásicos.
- Discreto. Características.
○ Uniforme
○ Bernoulli
○ Binomial
○ Poisson
- Continuo.
○ Uniforme
○ Normal
○ Exponencial
○ Beta

SESIONES página 24
Sesión sábado 22/03
sábado, 22 de marzo de 2025 08:04 a. m.

Creación de nuevas funciones

- Sintaxis general

NOMBRE function x ,x ,…
operaciones
return(resultados)
}

- Sintaxis básica

NOMBRE function x ,x ,… operación

Ejemplos en R

Nota: Uso de Scripts

Nota: Las funciones construidas por el usuario también están vectorizadas.

- Creación de funciones de más variables

Nota:
rm(x), borra de memoria la variable o la función x
rm(list=ls()), borra todo en la memoria.

Nota Rstudio.
- Para correr un código completo se usa Source desde pantalla.
- Para correr parte del código se selecciona y se usa Run desde pantalla.

Condicionales
Se usa el comando if
- Sintaxis general:

if(condición 1){

SESIONES página 25
if(condición 1){
ejecución 1
} else if (condición 2){
ejecución 2
} else {
ejecución 3
}

- Sintaxis compacta
if(condición 1){
ejecución 1
} else {
ejecución 2
}

Ejemplos en R

- Función + condicional
Desde script

- Bucles
• Bucle
Sirve para repetir cálculos.

Sintaxis

for (i in vector){
cálculos
}

donde i es una etiqueta (índice) o valor dentro del vector.

Ejemplos.

SESIONES página 26
 - Graficas

○ Uso de plot

Sintaxis

plot(vector1, vector2, características)

Esta instrucción grafica (dispersión) pares ordenados. Si , ,…, y , ,…, la

isntrucción plot grafica los pares ordenados , , , ,…, ,

Nota: Ambos vectores deben tener el mismo tamaño.

SESIONES página 27
Grafica de funciones complejas

- Comando curve

Sintaxis

curve(función, limite inf, limite sup)

- Comando barplot
Sintaxis
barplot(vector, [Link]= "Etiquetas")

SESIONES página 28
Distribuciones de probabilidad (Gráfica)

Ejemplos.
i. Lanzamiento de una moneda.
a. , ,

b. , ,

ii. Dado cargado. Arrojar un dado.

, , , , , , , , , , ,
, , , , ,

SESIONES página 29
Distribuciones discretas

Para una distribución de tipo discreta en términos de una variable aleatoria , puede expresarse mediante una regla
matemática

i. , , , ,…,

- Distribución de probabilidad acumulada

- Media.

- Varianza

- Desviación estándar

SESIONES página 30
Algunas propiedades
-
-
-
-

Ejemplos.
i. Cada día un programador escribe cinco programas. Cada periodo de tiempo se observa que el número de programas que
funcionan de 0 a 5 en un día, tienen las siguientes probabilidades

0 1 2 3 4 5
Número éxitos
Probabilidad 0.237 0.396 0.264 0.088 0.014 0.001

Nota: 0.237+0.396+0.264+0.088+0.014+0.001=1

Aquí corresponde con el número de programas exitosos.

a. Gráfica de distribución

b. Gráfica de distribución acumulada

Subejemplos

i. . . . .
ii. . . .
.
iii. 0.396+0.264+0.088+0.014=0.762

0.264+0.088+0.014+0.001=0.367 , 1-(0.237+0.396)=0.367 0.396+0.264+0.088+0.014=0.762

c. Media

. . . . . .
.

0*0.237+1*0.396+2*0.264+3*0.088+4*0.014+5*0.001=1.249

d. Varianza

SESIONES página 31
 .

. . . . .
.
.

e. Desviación estándar

. .

Ejemplo. Del ejercicio anterior. Suponga que la pérdida monetaria debida a las fallas de los programas son estimadas usando
la siguiente relación lineal.

a. Estimar la pérdida diaria promedio:

. 197.51

b. Estimar la varianza de pérdida diaria:

. .

ii. El salario promedio de nuevos empleados en una firma de cómputo es de 27500 euros, con una varianza de 400.

Después de las negociaciones con el sindicato, se acordó que los empleados deberían obtener un aumento de 100 euros
sobre el 10% de aumento de su salario. ¿Cuál es el nuevo salario?

Sea el salario actual, e el nuevo

, .

- . . . 100+1.1*27500=30350.0
- . . . 1.21*400=484

Algunas propiedades
-
-
-
-

SESIONES página 32
Actividad 1
viernes, 14 de marzo de 2025 07:38 p. m.

Actividad 1.
Conjuntos.

A partir de los conjuntos

, , , , , , , , , , , , , , , , , , , .

1. Obtener los siguientes operaciones:

a)
b)
c)
d) Verificar la regla v, usando los conjuntos de arriba.
e)
f)
g)
h)

2. Verificar las reglas operacionales iv, ix y x, usando los conjuntos , y anteriores.

Entrega hoy mismo: incisos a-d.

Entrega tardía: el resto de la actividad.

ACTIVIDADES página 33
Actividad 2

1. Calcular lo siguiente usando R

a.
.
b. .
c. cos sen
d. cos
e. ln cos
2. Defina los siguientes vectores con los siguientes elementos
A=(-1,2,3,7,8) , , , , , , , , , , , , , , ,
Con los vectores anteriores realizar las siguientes operaciones
a.
b.
c.
d. cos cos cos cos cos
e.
3. Realice los siguientes cálculos usando R.
a. Hallar la suma de los enteros desde hasta 37.
b. Hallar el producto de los pares desde -32 hasta 44.
c. Hallar la suma .

es el número de Euler: . …

Entrega dentro del horario: 1a-1c, 2a-2c.

Entrega tardía: Todos los ejercicios.

ACTIVIDADES página 34
Actividad 3
sábado, 15 de marzo de 2025 11:53 a. m.

1. Haga rodar tres dados. Calcule la probabilidad de obtener cuatro en todos los dados.
2. Se lanzan tres monedas simultáneamente y se registran los resultados (el orden importa). Encontrar las
siguientes probabilidades:
a. Probabilidad de obtener "exactamente" dos caras.
b. Probabilidad de obtener al menos una cara.
c. Probabilidad de obtener a lo más dos cruces.
3. Un espacio muestral está dado por , , , , tal que es el doble de probable que , el cual es
tres veces probable que , el cual es cuatro veces probable que . Encontrar la función probabilidad.
4. Un experimento aleatorio tiene tres posibles salidas , y , con probabilidades dadas por
, y .
¿Qué valores de hacen válido este modelo de probabilidad?

Entrega de hoy: Ejercicio 2.

Entrega tardía: Ejercicio 1 a 4.

ACTIVIDADES página 35
Actividad 4
sábado, 15 de marzo de 2025 01:34 p. m.

i. Dos dados son arrojados, de forma no simultánea. ¿Cuál es la probabilidad de que el primer dado sea 2,
dado que la suma de los dados sea 7?
ii. Una familia tiene dos hijos. ¿Cuál es la probabilidad condicional de que ambas sean niñas dado que, al
menos una de ellos es niña? Niño(O), niña(A).
iii. Supón que lanzas dos dados justos de seis caras. ¿Cuál es la probabilidad de que ambos dados
muestren un número par?
iv. En una baraja estándar de 52 cartas, ¿cuál es la probabilidad de que al seleccionar dos cartas sin
reemplazo ambas sean ases?

Entrega de hoy: Ejercicio 1.

Entrega tardía: Ejercicio 1 y 4

ACTIVIDADES página 36
Actividad 5
viernes, 21 de marzo de 2025 05:51 p. m.

Actividad 5

1. Si y son independientes, demostrar que y también lo son.

2. Suponga que , y son eventos independientes con respectivas probabilidades 1/3, 1/4 y 1/5. Encontrar
a.
b.
c.
d.
3. Hay un 70% de probabilidad de que un árbol esté infectado, ó esté enfermo de A ó esté enfermo de B. La
probabilidad de que no esté enfermo de B es de 0.4. El que un árbol sufra (o no) la enfermedad A es
independiente de que tenga (o no) la enfermedad B. Encontrar la probabilidad de que un árbol no tenga la
enfermedad A.
Entrega hoy: Ejercicio 2a, 2b, 2c.
Entrega tardía: Ejercicio 1 a 3.

ACTIVIDADES página 37
Actividad 6
viernes, 21 de marzo de 2025 07:40 p. m.

1. De acuerdo al Instituto médico Howard Hughes, cerca del 7% de hombres, y 4% de las mujeres son daltónicos.
En Estados Unidos, alrededor del 49% de la población son hombres y el 51% son mujeres. Suponga que una
persona sea daltónica, ¿cuál es la probabilidad de que esa persona sea mujer?

2. Se tienen dos urnas, cada una con bolas de diferentes colores:

• En la urna A, hay 3 bolas rojas y 7 bolas verdes.
• En la urna B, hay 6 bolas rojas y 4 bolas verdes.
Se selecciona una urna al azar (con probabilidad 0.5 para cada urna) y luego se extrae una bola.
a. ¿Cuál es la probabilidad de extraer una bola verde?
b. Si la bola extraída es roja, ¿cuál es la probabilidad de que haya sido seleccionada la urna A?

3. Supongamos que en una ciudad, el 1% de la población tiene una cierta enfermedad. Se sabe que la prueba para
detectar esta enfermedad tiene un 91% de precisión (verdaderos positivos) y una tasa de error del 4% (falsos
positivos). Si una persona da positivo en la prueba, ¿cuál es la probabilidad de que realmente tenga la
enfermedad?

Entrega hoy: Ejercicio 1.

Entrega tardía: Ejercicio 1 a 3.

ACTIVIDADES página 38
Actividad 7
sábado, 22 de marzo de 2025 09:48 a. m.

Actividad 7.

Entrega de hoy: Entregar los resultados de las primeras horas

Entrega tardía. Usando lo visto en sesión:

- Hacer una función que calcule cos , y que mande mensaje de error si aparecen raíces
cuadradas de números negativos.
- Escribir un bucle for de 20 pasos con la regla iterativa . Inicie en .

Se requieren capturas. No enviar archivos tipo R.

ACTIVIDADES página 39
Actividad 8
sábado, 22 de marzo de 2025 11:51 a. m.

Actividad 8.

Entrega de hoy: Entregar los resultados de las segundas horas.

Entrega tardía. Usando lo visto en sesión:

- Hacer gráfica tipo plot de : para la función . Use pasos de 0.1.
- Hacer un código para calcular la raíz cuadrada de un número.

Se requieren capturas.

ACTIVIDADES página 40
PROBABILIDAD
sábado, 15 de marzo de 2025 01:22 p. m.

Regla de adición (mutuamente excluyentes)

Regla de adición generalizada (mutuamente excluyentes)

Definición de probabilidad condicional

Regla de la multiplicación

Independencia de eventos

Regla de probabilidad total

Teorema de Bayes

RECOPILACION página 41
Teorema de Bayes (generalizado)

RECOPILACION página 42
viernes, 21 de marzo de 2025 05:52 p. m.

Nueva sección 1 página 43