Probabilidad y Estadstica (I.I.

Tema 3

Tema 3 PROBABILIDAD Y COMBINATORIA

1.- Definiciones Bsicas:

El objetivo del clculo de probabilidades es el estudio de mtodos de anlisis del comportamiento de fen menos aleatorios en lo relativo a su comportamiento aleatorio y no a otros aspectos del fen meno considerado (Par!en" #$$%). &eamos al'unas definiciones fundamentales( )on el nombre de experimento describimos cual*uier proceso *ue 'enere un conjunto de datos. +ay *ue distin'uir entre dos tipos de e,perimentos o fen menos( aleatorios y deterministas. -os fen menos deterministas son los *ue obedecen a una relaci n causa.efecto y al variar poco las causas vara poco el efecto. Es decir" aun*ue se repita varias veces" bajo condiciones dadas" el resultado es previsible salvo" *ui!s" errores de medida. Por ejemplo" al disparar un proyectil con el mismo n'ulo de elevaci n y las mismas condiciones siempre describe la misma parbola. -os fen menos aleatorios se caracteri!an por*ue al repetirse en condiciones anlo'as indefinidamente presentan resultados impredecibles de antemano" dependen del a!ar y no pueden pronosticarse con certidumbre. Por ejemplo" si lan!amos una moneda al aire repetidamente" no es posible 'aranti!ar *ue en un lan!amiento dado se obten'a cara" aun*ue se cono!ca el conjunto completo de posibilidades para cada lan!amiento (cara" cru!). /s formalmente" se dice *ue un e,perimento es aleatorio si cumple las si'uientes condiciones( a) El e,perimento puede repetirse indefinidamente bajo anlo'as condiciones. b) En cada prueba del e,perimento se obtiene un resultado" *ue pertenece al conjunto de resultados posibles del e,perimento. c) 0ntes de reali!ar una nueva prueba del e,perimento no se puede predecir el resultado particular *ue se obtendr al reali!arlo" aun*ue si se conoce el conjunto de todos los resultados posibles. El espacio muestral" *ue denotaremos por 1 " es el conjunto de todos los resultados posibles de un e,perimento aleatorio. Puede ser de dos tipos( a) Espacio muestral finito: Tiene un n2mero finito de posibles resultados. Ejemplo: E,perimento aleatorio( 3-an!ar un dado al aire una sola ve!4 Espacio muestral( 1 5 61, 2, 3, 4, 5, 67 E,perimento aleatorio( 3-an!ar una moneda al aire dos veces4 Espacio muestral( 1 5 6CC" CX" XC" XX7 b) Espacio muestral infinito: Tiene infinitos sucesos elementales. 1i se corresponden con los n2meros naturales se trata de un espacio muestral infinito numerable. Ejemplo: E,perimento aleatorio( 389 de veces *ue :ay *ue lan!ar una moneda al aire :asta obtener la primera cara4 Espacio muestral( 1 5 61, 2, 3, , n, En caso contrario" infinito no numerable.

Probabilidad y Estadstica (I.I.)

Tema 3

Ejemplo:

E,perimento aleatorio( 3Elecci n al a!ar de un valor en el intervalo real ;<"#=4 Espacio muestral( 1 5 6infinitos !alores reales entre " # 17

>n e!ento o suceso del espacio muestral es cada uno de los posibles subconjuntos del espacio muestral" cada uno de los elementos de (1). -os denotaremos con 0" ?" )"@ 0l reali!ar el e,perimento aleatorio se dice *ue se :a verificado el suceso 0" si el resultado obtenido pertenece a 0. Ejemplo: E,perimento aleatorio( 3-an!ar un dado al aire una sola ve!4 Espacio muestral( 1 5 61, 2, 3, 4, 5, 67 (1) 5 6" 6#7" 6%7" 637" 6A7" 6B7" 6C7" 6#"%7" 6#"37" 6#"A7" 6#"B7" 6#"C7" 6%"37" 6%"A7" 6%"B7" 6%"C7" 63"A7" 63"B7" 63"C7" 6A"B7" 6A"C7" 6B"C7" 6#"%"37" 6#"%"A7" @" 6#"%"3"A"B"C7 7 )ada uno de estos elementos es un suceso o evento. -lamaremos sucesos elementales de un e,perimento a cada uno de los resultados posibles de un e,perimento aleatorio" es decir" a cada uno de los subconjuntos unitarios (de un solo elemento) de (1). Ejemplo: E,perimento aleatorio( 3-an!ar un dado al aire una sola ve!4 Espacio muestral( 1 5 61, 2, 3, 4, 5, 67 (1) 5 6" 6#7" 6%7" 637" 6A7" 6B7" 6C7" 6#"%7" 6#"37" 6#"A7" 6#"B7" 6#"C7" 6%"37" 6%"A7" 6%"B7" 6%"C7" 63"A7" 63"B7" 63"C7" 6A"B7" 6A"C7" 6B"C7" 6#"%"37" 6#"%"A7" @" 6#"%"3"A"B"C7 7 1ucesos elementales( 6#7" 6%7" 637" 6A7" 6B7" 6C7 >n suceso ser compuesto si es uni n de dos o ms sucesos elementales. Ejemplo: E,perimento aleatorio( 3-an!ar un dado al aire una sola ve!4 Espacio muestral( 1 5 61, 2, 3, 4, 5, 67 (1) 5 6" 6#7" 6%7" 637" 6A7" 6B7" 6C7" 6#"%7" 6#"37" 6#"A7" 6#"B7" 6#"C7" 6%"37" 6%"A7" 6%"B7" 6%"C7" 63"A7" 63"B7" 63"C7" 6A"B7" 6A"C7" 6B"C7" 6#"%"37" 6#"%"A7" @" 6#"%"3"A"B"C7 7 1ucesos compuestos( 6#"3"B7" 6%"A7" 6A"C7 El suceso se$uro es a*uel *ue se verifica siempre" sea cual sea el resultado del e,perimento" por tanto estar formado por todos los resultados posibles. Es suceso se'ur e*uivale al espacio muestral. Ejemplo: E,perimento aleatorio( 3-an!ar un dado al aire una sola ve!4 Espacio muestral( 1 5 61, 2, 3, 4, 5, 67 (1) 5 6" 6#7" 6%7" 637" 6A7" 6B7" 6C7" 6#"%7" 6#"37" 6#"A7" 6#"B7" 6#"C7" 6%"37" 6%"A7" 6%"B7" 6%"C7" 63"A7" 63"B7" 63"C7" 6A"B7" 6A"C7" 6B"C7" 6#"%"37" 6#"%"A7" @" 6#"%"3"A"B"C7 7 1uceso se'uro( 6#"%"3"A"B"C7 El suceso *ue no contiene nin'2n resultado del espacio muestral recibe el nombre de suceso nulo o imposible. -o denotamos con . -as %&E'(C)%*E+ *ue se pueden llevar a cabo E*,'E +-CE+%+ son las si'uientes( . El suceso uni.n de 0 y ?" denotado por 0?" es el suceso formado por todos los posibles resultados de 0" de ? o de ambos.

Probabilidad y Estadstica (I.I.)

Tema 3

Ejemplo:

0 5 6#"%7

? 5 6%"A"C7

0? 5 6#"%"A"C7

. El suceso intersecci.n de 0 y ?" denotado por 0? es el suceso formado por los resultados comunes a 0 y a ?. Ejemplo: 0 5 6#"%7 ? 5 6%"A"C7 0? 5 6%7 . Dos sucesos son mutuamente e,cluyentes" incompatibles o /isjuntos si no tienen resultados en com2n" es decir" 0? 5 Ejemplo: 0 5 6#"37 ? 5 6%"B"C7 0? 5 . 1i cual*uier resultado de 0 es tambin resultado de ?" entonces 0 est contenido en ? y se denota 0?. Ejemplo: 0 5 6#"37 ? 5 6#"3"C7 0? . El complementario de un suceso 0 es a*uel suceso *ue contiene a todos los resultados del espacio muestral *ue no estn en 0. -o denotamos 0c " A 0E Ejemplo: 0 5 6#"37 0c 5 6%"A"B"C7 0 5 6#"%"3"A"B"C7 0c 5 05 0c 5 6#"%"3"A"B"C7

2.- Definiciones de P o!a!i"idad:

-a probabilidad de un suceso es un n2mero *ue cuantifica" en trminos relativos" las opciones de verificaci n de ese suceso al reali!ar un e,perimento aleatorio. 0 los e,perimentos *ue no son aleatorios no se les puede aplicar las re'las de la probabilidad. E,isten varios enfo*ues de c mo obtener esa medida de la posibilidad de aparici n de un determinado suceso al reali!ar un e,perimento. Enfo0ue C12+)C% o a priori 31aplace, 1412): 1upon'amos un espacio muestral finito 1 5 6a#" @" a87 de manera *ue los ai son sucesos elementales i'ualmente probables

En este caso" se define la probabilidad del suceso 0 como el cociente entre el n9 de casos favorables y el n9 de casos posibles" en el caso de e*uiprobabilidad.
P( A = ) n casos favorables k = n casos posibles N

1 p (ai ) = y sea un suceso 0 5 6a#" @" aF7 (8 F). N

Para poder aplicar la Ge'la de -aplace el e,perimento aleatorio tiene *ue cumplir dos re*uisitos(

Probabilidad y Estadstica (I.I.)

Tema 3

a) El n2mero de resultados posibles (sucesos) tiene *ue ser finito. 1i :ubiera infinitos resultados" al aplicar la re'la Hcasos favorables I casos posiblesH el cociente siempre sera cero. b) Todos los sucesos elementales tienen *ue tener la misma probabilidad, en caso contrario no podramos aplicar esta re'la. Por otro lado" la determinaci n de F y 8 puede resultar" a veces" tan complicada *ue re*uiera de mtodos o procedimientos de enumeraci n matemtica (anlisis combinatorio). Ejemplo: 1upon'amos *ue el e,perimento consiste en lan!ar el dado al aire una s la ve!. En este caso" el espacio muestral es finito (solo C posibles resultados) y los sucesos elementales son e*uiprobables (puede salir cual*uier n2mero del uno al seis). Por lo tanto( P(0i) 5 # I C 5 <"#CC (o lo *ue es lo mismo" #C"CJ). 1i *ueremos calcular la &robabili/a/ /e 0ue al lan5ar un /a/o sal$a un n6mero par( los casos favorables son tres (*ue sal'a el dos" el cuatro o el seis)" mientras *ue los casos posibles si'uen siendo seis. Por lo tanto( P(0) 5 3 I C 5 <"B< (o lo *ue es lo mismo" B<J) 1i *ueremos calcular la &robabili/a/ /e 0ue al lan5ar un /a/o sal$a un n6mero menor 0ue 5( en este caso tenemos cuatro casos favorables (*ue sal'a el uno" el dos" el tres o el cuatro)" frente a los seis casos posibles. Por lo tanto( P(0) 5 A I C 5 <"CCC (o lo *ue es lo mismo" CC"CJ)

Enfo0ue 7'EC-E*C)(1)+,( o a posteriori -os fen menos aleatorios presentan una propiedad llamada re'ularidad estadstica *ue consiste en *ue" al aumentar el n2mero de repeticiones de un e,perimento" en condiciones prcticamente constantes" las frecuencias relativas de ocurrencia de cada evento tiende a estabili!arse y alcan!ar un valor fijo. Este valor fijo es el *ue se conoce como probabilidad frecuencial de ese evento. Por tanto la probabilidad de un suceso 0 vendra dada por(

(n 5 n9 de ensayos o de veces *ue se repite el e,perimento aleatorio). -a probabilidad del suceso ( se determina a partir de la repetici n sistemtica (n veces) del e,perimento aleatorio (en ensayos independientes y en las mismas condiciones) y n0 es el n9 de veces *ue se verifica el suceso 0. En este modelo ya no ser necesario *ue el n2mero de soluciones sea finito" ni *ue todos los sucesos ten'an la misma probabilidad. Esta definici n de probabilidad sera la ms real" pero presenta dos inconvenientes(

Probabilidad y Estadstica (I.I.)

Tema 3

a) Por un lado proporciona probabilidades apro,imadas y no valores reales (estima el verdadero valor en funci n de un determinado n9 de reali!aciones del e,perimento) b) Por otro lado" los resultados son a posteriori" pues se necesita reali!ar el e,perimento para obtenerlo. Ejemplo( si lan!o una ve! una moneda al aire y sale HcaraH" *uiere decir *ue el suceso HcaraH :a aparecido el #<<J de las veces y el suceso Hcru!H el <J. 1i lan!o die! veces la moneda al aire" es posible *ue el suceso HcaraH sal'a K veces y el suceso Hcru!H las 3 restantes. En este caso" la probabilidad del suceso HcaraH ya no sera del #<<J" sino *ue se :abra reducido al K<J" y la probabilidad de 3cru!4 :abra aumentado del <J al 3<J. 1i repito este e,perimento un n2mero elevado de veces" lo normal es *ue las probabilidades de los sucesos HcaraH y Hcru!H se vayan apro,imando al B<J cada una. Este B<J ser la probabilidad de estos sucesos se'2n el modelo frecuencialista. 1i la moneda *ue utili!amos en el ejemplo anterior fuera defectuosa (o estuviera trucada)" es posible *ue al repetir dic:o e,perimento un n2mero elevado de veces" la HcaraH saliera con una frecuencia" por ejemplo" del CBJ y la Hcru!H del 3BJ. Estos valores seran las probabilidades de estos dos sucesos se'2n este modelo. 8efinici.n (X)%92,)C( En los aLos 3< se dio una definici n a,iomtica de la probabilidad como medida de incertidumbre. 1ea un espacio muestral cual*uiera" P() conjunto de las partes de , o conjunto de sucesos y 0 un suceso cual*uiera de P() . 1e define probabilidad" o funci n de probabilidad sobre " a una aplicaci n (es decir" una re'la bien definida por la *ue se asi'na a cada suceso un" y un solo un" n2mero real) p( P() *ue cumpla los a,iomas si'uientes( i) p(A) 0 A P() ii) p(A1 A2 A3 ...) 5 p(0#) M p(0%) M p(03) M ... si Ai Aj = i j (sucesos mutuamente e,cluyentes) iii) p() = 1 0 la estructura (, P(), p) se le denomina espacio de probabilidad. Esta definici n es la ms estricta" ya *ue describe perfectamente las propiedades *ue debe verificar el n2mero *ue llamamos probabilidad del suceso 0 y adems asi'na ya la probabilidad del suceso se'uro. )omo consecuencia de estos a,iomas se pueden deducir otras propiedades *ue cumple la funci n de probabilidad definida y *ue nos van a ayudar a asi'nar la probabilidad de cual*uier otro suceso *ue no sea el se'uro (es necesario asi'nar un n2mero a todos los sucesos).

Probabilidad y Estadstica (I.I.)

Tema 3

Ejemplo( Para el e,perimento aleatorio de tirar un dado" el espacio muestral es = {1, 2, 3, 4, 5, 6}. En este espacio el conjunto de sucesos es P() = {, {1}, {2}, ...{1,2}, {1,3}, ... {1,2,3,4,5,6}}. Para establecer una probabilidad :ay *ue asi'nar un n2mero a todos esos sucesos. El suceso 6#7 es( Hel resultado de tirar el dado es la cara #H" el suceso 6#" 37 es( Hel resultado de tirar el dado es la cara #" o la 3H" el suceso 6#" 3" B7 es( Hel resultado de tirar el dado es una cara imparH. 1in embar'o si se :a asi'nado a los sucesos elementales p(6#7)5 p(6%7)5 ...5 p(6C7)5 #IC" por la propiedad ii)" p.e. la probabilidad del suceso 6#" 37 es p(6#"37)5 p(6#7) M p(637)5%IC. *ota: la probabilidad de los sucesos elementales se puede establecer de la si'uiente forma( p(6#"%"3"A"B"C7)5 p(6#7) M p(6%7) M p(637) M p(6A7) M p(6B7) M p(6C7) 5 p() 5 #. Por ser todos los sucesos elementales e*uiprobables" resulta p(0i)5 #IC

3.- P o!a!i"idad Condicionada. Inde#endencia de s$cesos

-a probabilidad de un determinado suceso en un e,perimento aleatorio puede verse modificada si se posee al'una informaci n antes de la reali!aci n del e,perimento. Para modelar este tipo de situaciones en las *ue se parte de una informaci n a priori" se define el concepto de probabili/a/ con/iciona/a. 1i la probabilidad de *ue ocurra un suceso ? es p(?)<" entonces la probabilidad del suceso 0" condicionada al suceso ?" se define considerando 2nicamente los casos en los *ue ? se :a verificado y viendo en cuntos de ellos ocurre 0 y viene dada por el cociente(

El suceso 0N? se llama suceso 0 condicionado a ?.

%bser!aci.n: Es importante diferenciar entre P(0?) y P(0N?)( . P(0?) indica la probabilidad de *ue ocurran conjuntamente 0 y ? y siempre ocurre *ue( P(0?) P(0) P(0?) P(?) El espacio muestral si'ue siendo

Probabilidad y Estadstica (I.I.)

Tema 3

. P(0N?) es la probabilidad de *ue en los casos en los *ue ya :aya ocurrido ?" ocurra tambin 0 y puede ser( P(0N?)OP(0) o bien P(0N?)PP(0) o bien P(0N?)5P(0) El espacio muestral es a:ora ?.

De la e,presi n anterior deducimos( P ( A B ) = P( A / B ).P ( B ) En 'eneral tenemos *ue P(0I?)P(0). 1i as se verifica diremos *ue el suceso 0 depende del suceso ?. 1ean 0 y ? dos sucesos del mismo espacio muestral El suceso 0 es esta/:sticamente in/epen/iente (o independiente) del suceso ? si el conocimiento de la ocurrencia de ? no modifica la probabilidad de aparici n de 0" es decir" si( P(0N?)5P(0) En este caso" y con la definici n de probabilidad condicionada(

8otar entonces *ue(

y entonces ? es tambin independiente de 0. Diremos *ue 0 y ? son sucesos independientes. Propiedades de la independencia de sucesos( 1ean 0 y ? dos sucesos independientes 3i) Entonces tambin son independientes 0 y ?c" 0c y ? y 0c y ?c. 3ii) 0 es independiente de s mismo si y s lo s P(0) 5 < #

'e$la /el pro/ucto: 1ean 0#" 0%" @" 0n sucesos del mismo espacio muestral tales *ue P(0#0%@0n) O <. Entonces( P(0#0%@0n) 5 P(0#)P(0%N0#)P(03N0#0%)@.P(0nN0#0%@0n.# )

%.- Teo emas

1ea Q un espacio muestral. >na colecci n de n sucesos" ?#"@"?n" de Q es un sistema completo de sucesos (s.c.s.) si verifican(

Bi B j = =

i j
i

B
i= 1

,eorema /e la probabili/a/ total: 1ea Q un espacio muestral" ?#"@"?n un s.c.s. y sea 0 otro suceso de Q" del *ue se conocen sus probabilidades condicionadas a cada ?i. Entonces(
P ( A) =

i=1

P ( A / Bi ) P ( Bi )

Ejemplo:

Probabilidad y Estadstica (I.I.)

Tema 3

En un sa*uito :ay papeletas de tres colores" con las si'uientes probabilidades de ser ele'idas( a) (marilla: probabilidad del B<J. b) ;er/e: probabilidad del 3<J c) 'oja: probabilidad del %<J. 1e'2n el color de la papeleta ele'ida" podrs participar en diferentes sorteos. 0s" si la papeleta ele'ida es( a) (marilla: participas en un sorteo con una probabilidad de 'anar del A<J. b) ;er/e: participas en otro sorteo con una probabilidad de 'anar del C<J c) 'oja: participas en un tercer sorteo con una probabilidad de 'anar del R<J. )on esta informaci n" S*u probabilidad tienes de 'anar el sorteo en el *ue participesT( #.. -as tres papeletas forman un sistema completo( sus probabilidades suman #<<J %.. 0plicamos la f rmula( -ue'o"

P (?) 5 (<"B< U <"A<) M (<"3< U <"C<) M (<"%< U <"R<) 5 <"BA Por tanto" la probabilidad de *ue 'anes el sorteo es del BAJ. ,eorema /e <a#es: 1ea Q un espacio muestral" ?#"@"?n un s.c.s. y sea 0 otro suceso de Q del *ue se conocen sus probabilidades condicionadas a cada ?i. Entonces(

P( Bi / A) =

P( A / Bi ) P( Bi )

i= 1

P( A / Bi ) P( Bi )

0 las probabilidades P(?i) se les llama probabilidades a priori y a las probabilidades P(?iI0) se les llama probabilidades a posteriori. Ejemplo: El parte meteorol 'ico :a anunciado tres posibilidades para el fin de semana( a) =ue llue!a( probabilidad del B<J. b) =ue nie!e( probabilidad del 3<J c) =ue >a#a niebla( probabilidad del %<J. 1e'2n estos posibles estados meteorol 'icos" la posibilidad de *ue ocurra un accidente es la si'uiente( a) +i llue!e( probabilidad de accidente del #<J. b) +i nie!a( probabilidad de accidente del %<J c) +i >a# niebla( probabilidad de accidente del BJ. Gesulta *ue efectivamente ocurre un accidente y como no estbamos en la ciudad no sabemos *ue tiempo :i!o (nev " llovi o :ubo niebla). El teorema de ?ayes nos permite calcular estas probabilidades(

Probabilidad y Estadstica (I.I.)

Tema 3

-as probabilidades *ue manejamos antes de conocer *ue :a ocurrido un accidente se denominan ?probabili/a/es a priori? (lluvia con el C<J" nieve con el 3<J y niebla con el #<J). >na ve! *ue incorporamos la informaci n de *ue :a ocurrido un accidente" las probabilidades del suceso 0 cambian( son probabilidades condicionadas P(0I?)" *ue se denominan ?probabili/a/es a posteriori?. &amos a aplicar la f rmula(

a) &robabili/a/ /e 0ue estu!iera ne!an/o:

-a probabilidad de *ue efectivamente estuviera lloviendo el da del accidente (probabilidad a posteriori) es del K#"AJ. b) &robabili/a/ /e 0ue estu!iera llo!ien/o:

-a probabilidad de *ue estuviera nevando es del %#"AJ. c) &robabili/a/ /e 0ue >ubiera niebla:

-a probabilidad de *ue :ubiera niebla es del K"#J.

&.- Com!ina'o ia
&rincipio /e 9ultiplicaci.n: 1i una operaci n puede reali!arse en n# formas y" si por cada una de stas" una se'unda operaci n puede llevarse a cabo en n% formas" entonces las dos operaciones pueden reali!arse juntas en n#.n% formas Ejemplo: S)untos puntos muestrales :ay en un espacio muestral cuando se lan!an un par de dados una sola ve!T El primer dado puede caer en cual*uiera de n#5C formas diferentes. Para cada una de estas" el se'undo dado puede caer en n%5C formas. Por tanto" el par de dados puede caer en n #.n% 5 C.C 5 3C formas posibles.

Probabilidad y Estadstica (I.I.)

Tema 3

Este principio se puede 'enerali!ar para F operaciones" la primera de las cuales puede reali!arse en n# formas" la se'unda en n%" etc@ Entonces la secuencia de F operaciones puede :acerse en n#. n% @ nF formas. &rincipio /e (/ici.n: 1i una operaci n puede reali!arse en n# formas y una se'unda operaci n puede llevarse a cabo en n% formas y adems no es posible *ue ambas operaciones se realicen juntas. Entonces" el n2mero de formas en *ue puede reali!arse una operaci n o la otra es n# M n%. Ejemplo: 1upon'amos *ue proyectamos un viaje y debemos decidir entre el transporte en 'ua'ua o en tren. 1i :ay 3 rutas para la 'ua'ua y % para el tren" entonces e,isten 3 M % 5 B rutas diferentes para reali!ar el mismo viaje. &ermutaciones: >na permutaci n u ordenaci n es un arre'lo" en un orden particular" de los objetos *ue forman un conjunto. 1upon'amos *ue tenemos n objetos diferentes. SDe cuntas formas distintas se pueden a'rupar o permutar esos objetosT 0'rupar u ordenar los n objetos e*uivale a ponerlos en una caja con n compartimentos" en al'2n orden especfico" de manera *ue una a'rupaci n ser distinta de otra" aun*ue ten'a los mismos objetos" si estos estn dispuestos en orden diferente. -a primera casilla se puede llenar de cual*uiera de las n maneras. )omo no se pueden repetir elementos" la se'unda casilla se puede llenar de n@1 formas" y as sucesivamente. El n2mero de permutaciones u ordenaciones diferentes de n objetos distintos es nA y se representa por &n B nA El termino nA se denomina Hfactorial de nH y es la multiplicaci n de todos los n2meros *ue van desde n :asta 1. Ejemplo: AV 5 A U 3 U % U # 5 %A 1i n es 'rande" el proceso del clculo del factorial se vuelve muy tedioso y car'ado" incluso para un ordenador" por lo *ue se utili!a la apro,imaci n de 1tirlin' a nA

n !

2 n nn e n

siendo e %.K#R%R@

Ejemplo: )alcular las posibles formas en *ue se pueden ordenar los n2meros #" % y 3. +ay C posibles a'rupaciones( (#" %" 3)" (#" 3" %)" (%" #" 3)" (%" 3" #)" (3" #" %) y (3" %" #) Ejemplo( P#< son las permutaciones de #< elementos(

Es decir" tendramos 3.C%R.R<< formas diferentes de a'rupar #< elementos. ;ariaciones:

10

Probabilidad y Estadstica (I.I.)

Tema 3

-as permutaciones de n elementos tomados de r en r (r elementos a la ve!) se llaman &ariaciones. 1i de los n objetos" 2nicamente r n de ellos se emplean en cual*uier ordenaci n" es decir" tenemos n elementos y *ueremos llenar una caja de s lo r compartimentos" :asta la r . sima posici n" se si'ue el ra!onamiento anterior. 1e :abrn empleado 3r@1) objetos. Para la 2ltima posici n tendremos n@3r@1) posibilidades" lue'o( nPr 5 n (n.#) (n.%) @ (n.rM#)
n

Pr =
r

Vn

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

Ejemplo: )alcular las posibles variaciones de % elementos *ue se pueden establecer con los n2meros #" % y 3. Tendramos C posibles parejas( (#"%)" (#"3)" (%"#)" (%"3)" (3"#) y (3"3). En este caso los sub'rupos (#"%) y (%"#) se consideran distintos. Ejemplo( &#<"A son las variaciones de #< elementos a'rupndolos en sub'rupos de A elementos(

Es decir" podramos formar B.<A< sub'rupos diferentes de A elementos" a partir de los #< elementos. Combinaciones: >na combinaci n de los objetos de un conjunto es una selecci n de estos" sin importar el orden. 1e entender por el n2mero de combinaciones de r objetos tomados de un conjunto *ue contiene n de estos" al n2mero total de selecciones distintas en las *ue cada una de ellas tiene r objetos" sin *ue influya el orden. -a diferencia entre una permutaci n y una combinaci n est en *ue en la primera el inters se centra en contar todas las posibles selecciones y todos los arre'los de estas selecciones" mientras *ue en la se'unda s lo interesan las diferentes selecciones.

Cn =
Por convenio

n! = r!(n r )!

n r

El valor de )nr se obtiene dividiendo el correspondiente n2mero de permutaciones (variaciones) por rA" ya *ue en cada combinaci n de r elementos e,isten rA permutaciones u ordenaciones distintas de esos r elementos (por el principio de multiplicaci n) Ejemplo: )alcular las posibles combinaciones de % elementos *ue se pueden formar con los n2meros #" % y 3.

n 0 = 1;

n 1 = n;

n n =1

11

Probabilidad y Estadstica (I.I.)

Tema 3

1e pueden establecer 3 parejas diferentes( (#"%)" (#"3) y (%"3). En el clculo de combinaciones las parejas (#"%) y (%"#) se consideran idnticas" por lo *ue s lo se cuentan una ve!. Ejemplo( )#<"A son las combinaciones de #< elementos a'rupndolos en sub'rupos de A elementos(

Es decir" podramos formar %#< sub'rupos diferentes de A elementos" a partir de los #< elementos. &amos a anali!ar a:ora *ue ocurrira con el clculo de las combinaciones" de las variaciones o de las permutaciones en el supuesto de *ue al formar los sub'rupos los elementos pu/ieran repetirse. 1i por ejemplo tenemos bolas de C colores diferentes y *ueremos formar sub'rupos en los *ue pudiera darse el caso de *ue %" 3" A o todas las bolas del sub'rupo tuvieran el mismo color. En este caso no podramos utili!ar las f rmulas *ue ya vimos. &ermutaciones con repetici.n: Para calcular el n2mero de permutaciones con repetici n se aplica la si'uiente f rmula(

1on permutaciones de HmH elementos" en los *ue uno de ellos se repite H ,# H veces" otro H ,% H veces y as" :asta uno *ue se repite H ,F H veces. Ejemplo( )alcular las permutaciones de #< elementos" en los *ue uno de ellos se repite en % ocasiones y otro se repite en 3 ocasiones(

Es decir" tendramos 3<%"A<< formas diferentes de a'rupar estos #< elementos. ;ariaciones con repetici.n: Para calcular el n2mero de variaciones con repetici n se aplica la si'uiente f rmula(

Ejemplo( &W#<"A son las variaciones de #< elementos con repetici n" a'rupndolos en sub'rupos de A elementos( Es decir" podramos formar #<.<<< sub'rupos diferentes de A elementos. Combinaciones con repetici.n: Para calcular el n2mero de combinaciones con repetici n se aplica la si'uiente f rmula(

12

Probabilidad y Estadstica (I.I.)

Tema 3

Ejemplo( )W#<"A son las combinaciones de #< elementos con repetici n" a'rupndolos en sub'rupos de A" en los *ue %" 3 o los A elementos podran estar repetidos(

Es decir" podramos formar K#B sub'rupos diferentes de A elementos.

()(MPLO*
1C@ S)untos n2meros de 3 cifras distintas se pueden formar con los n2meros #"%"3"A"BT SX si se pudieran repetirT )omo el orden dentro de un arre'lo da lu'ar a arre'los diferentes" se trata de(

V5 = 5.4.3 =
1i se admiten repeticiones(

5! = 60 2!

VR5 = 5 3 = 125

2C@ SDe cuantas formas pueden colocarse B personas en una filaT El orden interviene" ya *ue las personas colocadas en distinto orden dan lu'ar a arre'los diferentes. 8o se pueden repetir elementos por*ue una persona no se puede sentar en dos sitios a la ve!. -ue'o son permutaciones de B elementos.
5

P5 = 5!= 5.4.3.2.1 = 120

3C@ SDe cuantas formas se pueden e,traer 3 cartas de un conjunto de A<T 8o importa el orden" puesto *ue el 'rupo de 3 cartas ser el mismo. 8o indican nada de *ue :aya reempla!o de la carta una ve! sacada" lue'o no :ay repetici n. 1on" por tanto"

40 40! 40.39.38 3 C 40 = 3 = 3! 37! = 3.2.1 = 9880

4C@ S)untas *uinielas distintas pueden rellenarse de modo *ue todas ellas ten'an $ unos" 3 e*uis y % dosesT 1e pueden repetir elementos y el orden influye" ya *ue da lu'ar a *uinielas diferentes. -ue'o son permutaciones con repetici n.

PR14 , 9 , 3 , 2 =

14! = 1820 9! 3! 2!

5C@ 1e tienen A barajas i'uales de A< cartas cada una. 1e e,trae una carta de cada baraja S)untos resultados distintos pueden producirseT 0l ser barajas i'uales no importa el orden" ya *ue el suceso as de picas de la primera" sota de trboles en la se'unda" rey de diamantes en la tercera y dos de cora!ones en la

13

Probabilidad y Estadstica (I.I.)

Tema 3

cuarta" es el mismo *ue esas cartas de otras barajas. 1e pueden repetir" ya *ue puedo sacar la misma carta de ms de una baraja. -ue'o son combinaciones con repetici n(

163 163! 4 CR160 = 4 = 4! 159! = 28342440

14