Teorema del binomio: En matemtica, el teorema del binomio es una frmula que

proporciona el desarrollo de la potencia n-sima de n (siendo n, entero positivo) de un

binomio. De acuerdo con el teorema, es posible expandir la potencia (x + y)n en una suma
que implica trminos de la forma axbyc, donde los exponentes b y c son nmeros naturales
con b + c = n, y el coeficiente a de cada trmino es un nmero entero positivo que depende
de n y b. Cuando un exponente es cero, la correspondiente potencia es usualmente omitida
del trmino. Por ejemplo,

Teora elemental de la probabilidad:

Probabilidad de eventos:
Def. de espacio muestral
*Definicin de Espacio muestral (E): es el conjunto de los diferentes resultados que pueden
darse en un experimento aleatorio o cuando se realiza un experimento, que es cualquier proceso
que produce un resultado o una observacin, se van a obtener un conjunto de valores. A este
conjunto de valores que puede tomar una variable se le denomina espacio muestral.

Por ejemplo: Si se tiene un dado cualquiera, el espacio muestral (EM) es EM={1,2,3,4,5,6}.

Experimento {Lanzar un dado}, E={1,2,3,4,5,6}

Experimento {Lanzar una moneda}, E={Cara, Cruz}

*Definicin de evento o sucesos**

La probabilidad clsica de un evento E, que denotaremos por P(E), se define como el nmero de
eventos elementales que componen al evento E, entre el nmero de eventos elementales que
componen el espacio muestral:

Cuando se tiene un espacio muestral llamamos, formalmente evento o suceso a cualquier

subconjunto del espacio muestral.
Decimos que un suceso se realiza, cuando el resultado del experimento aleatorio es uno de los
sucesos posibles.

Se llama evento o suceso a todo subconjunto de un espacio muestral. Por ejemplo en el espacio
muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento de un dado, los siguientes son eventos:

1. Obtener un nmero primo A = {2, 3, 5}

2. Obtener un nmero primo y par B = {2}
3. Obtener un nmero mayor o igual a 5 C = {5, 6}

*Simbologa, uniones e intersecciones.**

1. A, B, C=conjuntos.
2. a ,b ,c=elementos de conjuntos
3. U=unin de conjuntos
4. =interseccin de conjuntos
5. A= complemento de un conjunto
6. / =dado que

7. \ diferencia

8.<> =diferente de
9. ( )=Conjunto nulo o vacio
10. R= conjunto de los nmeros reales
11. N= conjunto de los nmeros naturales
12. C= conjunto de los nmeros complejos

13. n!= factorial de un numero entero positivo

14. Q= conjunto de los nmeros fraccionarios
15. I= conjunto de los nmeros irracionales
16. c= subconjuntos { }= llaves. Conjuntos vacos Si A y B son dos subconjuntos de un conjunto S,
los elementos que pertenecen a A, a B o a ambos forman otro subconjunto de S llamado unin de
A y B, escrito A U B. Los elementos comunes a A y B forman un subconjunto de S denominado
interseccin de A y B, escrito A& cap. B.

Si A y B no tienen ningn elemento comn se denominan conjuntos disjuntos ya que su

interseccin no tiene ningn elemento, y siendo conveniente representar esta interseccin como
otro conjunto, ste se denomina conjunto vaco o nulo y se representa con el smbolo . Por
ejemplo, si A = {2, 4, 6}, B = {4, 6, 8, 10} y C = {10, 14, 16, 26}, entonces A U B = {2, 4, 6, 8, 10}, A
U C = {2, 4, 6, 10,14,
16, 26}, A B = {4, 6} y A C = .
PROBABILIDAD CON TECNICAS DE CONTEO
La letra P se utiliza para designar la probabilidad de un evento, siendo P(A) la probabilidad de
ocurrencia de un evento A en un experimento.
AXIOMA 1
Si A es un evento de S, entonces la probabilidad del evento A es:
0 P(A) 1
Como no podemos obtener menos de cero xitos ni ms de n xitos en n experimentos, la
probabilidad de cualquier evento A, se representa mediante un valor que puede variar de 0 a 1.
AXIOMA 2
Si dos eventos son mutuamente excluyentes, la probabilidad de obtener A o B es igual a la
probabilidad de obtener A ms la probabilidad de obtener B.
P(A B) = P(A) + P(B)
Excluirse mutuamente quiere decir que A y B no pueden ocurrir simultneamente en el mismo
experimento. As, la probabilidad de obtener guila o sol en la misma tirada de una moneda ser
P(A B) = P(A) + P(B)
P(A B) = 1/2 + 1/2 = 1.
En general podemos decir que la suma de las probabilidades de todos los posibles eventos
mutuamente excluyentes es igual a 1:
P(A1) + P(A2) + P(A3) + ... + P(An) = 1
AXIOMA 3
Si A es un evento cualquiera de un experimento aleatorio y A es el complemento de A, entonces:
P(A) = 1 - P(A)
Es decir, la probabilidad de que el evento A no ocurra, es igual a 1 menos la probabilidad de
que ocurra.
*TEOREMAS**

TEOREMA 1. Si f es un evento nulo o vaco, entonces la probabilidad de que ocurra f debe ser
cero.

p(f)=0

DEMOSTRACIN:
Si sumamos a fun evento A cualquiera, como f y A son dos eventos mutuamente excluyentes,
entonces p(Af)=p(A) +p(f)=p(A). LQQD
TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A)

DEMOSTRACIN:
Si el espacio muestral d, se divide en dos eventos mutuamente exclusivos, A y Ac luego d=AAc,
por tanto p(d)=p(A) + p(Ac) y como en el axioma dos se afirma que p(d)=1, por tanto, p(A c)= 1 - p(A)
.LQQD
TEOREMA 3. Si un evento A B, entonces la p(A) p(B).

DEMOSTRACIN:

Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A), por

tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces se cumple que p(A)
p(B). LQQD
TEOREMA 4. La p( A \ B )= p(A) p(AB)

DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A se puede separar en

dos eventos mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \ B)(AB), luego p(A)=p(A \
B) + p(AB), entonces, p(A \ B) = p(A) p(AB). LQQD
TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB).

DEMOSTRACIN:
Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que p(A B) =
p(A \ B) + p(B) y del teorema anterior tomamos que p(A \ B) = p(A) p(AB), por tanto, p(AB) =
p(A) + p(B) p(AB). LQQD
COROLARIO:

AB
C
AB
Para tres eventos A, B y C, p(ABC) = p(A) + p(B) + p(C) p(AB) p(AC) (BC) +
p(ABC).

PROBABILIDAD CONDICIONAL

EVENTOS DEPENDIENTES, INDEPENDIENTES Y CONDICIONALES

Eventos Independientes
Dos o ms 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 tpico de eventos independiente es el muestreo con reposicin, es decir, una
vez tomada la muestra se regresa de nuevo a la poblacin donde se obtuvo.
Dos eventos, A y B, son independientes si la ocurrencia de uno no tiene que ver con la
ocurrencia de otro.
Por definicin, A es independiente de B si y slo si:A y B, son independientes si la
ocurrencia de uno no tiene que ver con la ocurrencia de otro.
Por definicin, A es independiente de B si y slo si:A es independiente de B si y slo
si:
(PnA)=P(A)P(B)

Eventos dependientes
Dos o ms eventos sern 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 expresin P (A|B) indica la probabilidad de
ocurrencia del evento A s el evento B ya ocurri.
Se debe tener claro que A|B no es una fraccin.
P (A|B) = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)
Probabilidad Condicional = P(A y B) / P (B) o P (B|A) = P(A y B) / P(A)
Probabilidad Condicional
Si A y B son dos eventos en S, la probabilidad de que ocurra A dado que ocurri el
evento B es la probabilidad condicional de A dado B, y se denota:A y B son dos
eventos en S, la probabilidad de que ocurra A dado que ocurri el evento B es la
probabilidad condicional de A dado B, y se denota:
P(AlB)

2.5leymultiplicativa
Al multiplicar la formula P(B/A) =P( A B)/ P(A) por P( A); obtenemos la siguiente regla
multiplicativa, esta es importante por que nos permite calcular la probabilidad de que ocurran dos
eventos.
Teorema: si un experimento pueden ocurrir los eventos A y B, entonces P( A B)= P( A) P(B/A). as

la probabilidad de que ocurran A y B es igual a la probabilidad de que ocurra A multiplicada por la

probabilidad de que ocurra B, dado que ocurre A.

Si los eventos A y B son dependientes:

Si los eventos A y B son independientes:

Regla de bayes

La regla de Bayes es un caso especial de la probabilidad condicional que se aplica cuando

se desea calcular la probabilidad condicional de un evento que ocurri primero dado lo que
ocurri despus. Para llegar a establecer tan til regla vamos a estudiar una proposicin
previa.

VARIABLE ALEATORIA

Formalmente, una variable aleatoria es una funcin, que asigna eventos (p.e., los posibles
resultados de tirar un dado dos veces: (1, 1), (1, 2), etc.) a nmeros reales (p.e., su suma).
Una variable aleatoria o variable estocstica es una variable estadstica cuyos valores se
obtienen de mediciones en experimento aleatorio.
Los valores posibles de una variable aleatoria pueden representar los posibles resultados de
un experimento an no realizado, o los posibles valores de una cantidad cuyo valor
actualmente existente es incierto (p.e., como resultado de medicin incompleta o
imprecisa). Intuitivamente, una variable aleatoria puede tomarse como una cantidad cuyo
valor no es fijo pero puede tomar diferentes valores; una distribucin de probabilidad se usa
para describir la probabilidad de que se den los diferentes valores.
CONJUNTA

En probabilidad, dados dos eventos aleatorios X y Y, la distribucin conjunta

de X y Y es la distribucin de probabilidad de la interseccin de eventos de X y
Y, esto es, de los eventos X e Y ocurriendo de forma simultnea. En el caso de
solo dos variables aleatorias se denomina una distribucin bivariada, pero el
concepto se generaliza a cualquier nmero de eventos o variables aleatorias.