Probabilidad y

estadistica
este es un sitio orientado para la enseanza para la materia de probabilidad y
estdistica.

13,715

jueves, 21 de abril de 2011

FUENTE DE DATOS.
En los apartados anteriores se ha sealado que el objetivo de la Estadstica es
el estudio de los fenmenos de masas. Pero ello requiere el manejo de una
informacin numrica amplia. La cuestin inmediata que surge es saber a
dnde se puede recurrir para encontrar esa informacin necesaria y sin la cual
el anlisis estadstico no se puede realizar. En definitiva, se trata de conocer las
fuentes que suministran informacin de carcter estadstico. Estas fuentes son
susceptibles de clasificarse segn distintos criterios. Atendiendo al agente que
elabore esa informacin, la misma puede agruparse en endgena y exgena.
La primera sera la que elabora el propio investigador. En este caso, la
operacin estadstica conducente a recabar los datos necesarios para la
realizacin del anlisis estadstico se supone que la lleva a cabo el propio
investigador. Ser quien se encargue de observar los distintos caracteres,
cuantitativos o cualitativos, relevantes de los elementos de una poblacin. El
resultado ser una base de datos, obtenida mediante una muestra, o
cualquiera de los otros procedimientos indicados con anterioridad, que
permitir el correspondiente anlisis estadstico.
Esta situacin se da cuando no existe fuente alternativa exgena capaz de
facilitar esa informacin. Pero qu se entiende por fuente exgena? En
general, la podemos definir como aquella cuyo objeto principal es la obtencin
de informacin estadstica pero que no acta como usuaria, es decir, no es
elaborada por el propio investigador.
Las fuentes exgenas son mltiples y a su vez se clasifican en dos categoras
distintas. Por un lado estn las fuentes oficiales o pblicas, en el caso de
Mxico, un ejemplo claro es el INEGI (Instituto Nacional de Estadstica y
Geografa) y, por otro, las privadas (consultorias). De todas ellas las que
generan mayor volumen de informacin son las primeras, es decir, las oficiales
o pblicas. Estas ltimas se pueden clasificar, de acuerdo al mbito espacial en
que desarrollan sus competencias en materia estadstica.

FUENTES DE ADQUISICION
DE DATOS
Escrito por probabilidadestadistic el 16-06-2015 en CONCEPTOS. Comentarios (0)

Cmo obtengo los datos para un estudio estadstico?

La adquisicin de datos estadsticos, es el procedimiento empleado para recopilar la

informacin que se

Existen varias formas para obtener la informacin deseada, las

ms comunes son:
Observacin: Consiste en recopilar informacin mediante la
simple
observacin, utilizamos directamente el sentido de la vista y es
algo que solo
nosotros podemos llevar a cabo.
Ejemplo: Formas que tienen los libros, color de zapatos ms
usuales, la forma en como venimos vestidos.
Encuesta: Consiste en recopilar informacin mediante
diferentes
formas como lo son los cuestionarios, entrevistas, censos, etc.
Es necesaria la
presencia de dos personas.
Ejemplo: Realizar un censo para saber cules son las
enfermedades ms comunes en determinada poblacin.
Experimento: Consiste en recopilar informacin mediante
pruebas de laboratorio, donde es necesario distinguir las
diferentes etapas en
las que se est llevando a cabo.

Ejemplo: Reaccin qumica entre dos sustancias y los efectos

que estas tienen al mezclarse.
Investigacin: Consiste en recopilar informacin que ya se
tiene
concentrada o escrita, la cual se puede recopilar de diferentes
medios, como
lo son en bibliotecas, hemerotecas, mapotecas, videotecas,
centros de
cmputo, etc. Dicha informacin ya fue establecida por otras
personas y solo
nos sirve de consulta.
INTRODUCCION A LA TEORIA DE PROBABILIDADES
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos futuros. Es
por ello que el estudio de probabilidades surge como una herramienta utilizada por los nobles para ganar
en los juegos y pasatiempos de la poca. El desarrollo de estas herramientas fue asignado a
los matemticos de la corte.
Con el tiempo estas tcnicas matemticas se perfeccionaron y encontraron otros usos muy diferentes
para la que fueron creadas. Actualmente se contino con el estudio de nuevas metodologas que permitan
maximizar el uso de la computacin en el estudio de las probabilidades disminuyendo, de este modo, los
mrgenes de error en los clculos.
A travs de la historia se han desarrollado tres enfoques conceptuales diferentes para definir la
probabilidad y determinar los valores de probabilidad:
El enfoque clsico
Dice que si hay x posibles resultados favorables a la ocurrencia de un evento A y z posibles resultados
desfavorables a la ocurrencia de A, y todos los resultados son igualmente posibles y mutuamente
excluyente (no pueden ocurrir los dos al mismo tiempo), entonces la probabilidad de que ocurra A es:

El enfoque clsico de la probabilidad se basa en la suposicin de que cada resultado sea igualmente
posible.
Este enfoque es llamado enfoque a priori porque permite, (en caso de que pueda aplicarse) calcular
el valor de probabilidad antes de observar cualquier evento de muestra.
Ejemplo:
Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad de sacar una piedra roja en
un intento es:

El enfoque de frecuencia relativa

Tambin llamado Enfoque Emprico, determina la probabilidad sobre la base de la proporcin de veces
que ocurre un evento favorable en un numero de observaciones. En este enfoque no ese utiliza la
suposicin previa de aleatoriedad. Porque la determinacin de los valores de probabilidad se basa en
la observacin y recopilacin de datos.
Ejemplo:
Se ha observado que 9 de cada 50 vehculos que pasan por una esquina no tienen cinturn de seguridad.
Si un vigilante de transito se para en esa misma esquina un ida cualquiera Cul ser la probabilidad de
que detenga un vehculo sin cinturn de seguridad?

Tanto el enfoque clsico como el enfoque emprico conducen a valores objetivos de probabilidad, en el
sentido de que los valores de probabilidad indican al largo plazo la tasa relativa de ocurrencia del evento.
El enfoque subjetivo
Dice que la probabilidad de ocurrencia de un evento es el grado de creencia por parte de un individuo de
que un evento ocurra, basado en toda la evidencia a su disposicin. Bajo esta premisa se puede decir que
este enfoque es adecuado cuando solo hay una oportunidad de ocurrencia del evento. Es decir, que el
evento ocurrir o no ocurrir esa sola vez. El valor de probabilidad bajo este enfoque es un
juicio personal.
Concepto de Probabilidad
Se define como clculo de probabilidad al conjunto de reglas que permiten determinar si un fenmeno ha
de producirse, fundando la suposicin en el clculo, las estadsticas o la teora.
El objetivo de esta prctica es realizar varios experimentos de probabilidad, anotar los resultados y
posteriormente compararlos con los resultados tericos.
Objetivos de las Probabilidades
El objetivo fundamental de la probabilidad, es la de mostrar al alumno la importancia
y utilidad del Mtodo Estadstico en el mbito econmico-empresarial. Con tal fin, el alumno deber
aprender a manejar los mtodos y tcnicas ms adecuadas para el correcto tratamiento y anlisis de
la informacin proporcionada por los datos que genera la actividad econmica.
Para ello se comienza afianzando los conocimientos que el alumno ya posee de Estadstica Descriptiva,
adems de algunos conceptos nuevos relacionados con este tema.
El valor de la probabilidad
El valor ms pequeo que puede tener la probabilidad de ocurrencia de un evento es igual a 0, el cual
indica que el evento es imposible, y el valor mayor es 1, que indica que el evento ciertamente ocurrir.
Entonces si decimos que P(A) es la probabilidad de ocurrencia de un evento A y P(A ) la probabilidad de
no-ocurrencia de A, tenemos que:

Eventos mutuamente excluyentes y eventos no excluyentes

Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden ocurrir simultneamente. Es
decir, la ocurrencia de un evento impide automticamente la ocurrencia del otro evento (o eventos).
Ejemplo:
Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a la vez, esto quiere decir
que estos eventos son excluyentes.
Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que ocurran ambos. Esto no
indica que necesariamente deban ocurrir estos eventos en forma simultnea.
Ejemplo:
Si consideramos en un juego de domino sacar al menos un blanco y un seis, estos eventos son no
excluyentes porque puede ocurrir que salga el seis blanco.
Reglas de la Adicin
La Regla de la Adicin expresa que: la probabilidad de ocurrencia de al menos dos sucesos A y B es igual
a:
P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente
P(A o B) = P(A) + P(B) P(A y B) si A y B son no excluyentes
Siendo: P(A) = probabilidad de ocurrencia del evento A
P(B) = probabilidad de ocurrencia del evento B
P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B
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.
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.
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)
Reglas de Multiplicacin

Se relacionan con la determinacin de la ocurrencia de conjunta de dos o ms eventos. Es decir la

interseccin entre los conjuntos de los posibles valores de A y los valores de B, esto quiere decir que la
probabilidad de que ocurran conjuntamente los eventos A y B es:
P(A y B) = P(A B) = P(A)P(B) si A y B son independientes
P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes
P(A y B) = P(A B) = P(B)P(A|B) si A y B son dependientes
Distribucin de probabilidad normal
Es una distribucin de probabilidad continua que es tanto simtrica como mesocurtica. La curva que
representa la distribucin de probabilidad normal se describe generalmente como en forma de campana.
Esta distribucin es importante en inferencia estadstica por tres razones diferentes:
1.
Se sabe que las medidas producidas en muchos procesos aleatorios siguen esta distribucin.
2.

Las probabilidades normales pueden utilizarse generalmente para aproximar otras distribuciones
de probabilidad, tales como las distribuciones binomial y de Poisson.

3.

Las distribuciones estadsticas tales como la media de la muestra y la proporcin de la muestra,

siguen a menudo la distribucin normal, sin tener en cuenta la distribucin de la poblacin

Los valores de los parmetros de la distribucin de probabilidad normal son = 0 y = 1. Cualquier

conjunto de valores X normalmente distribuido pueden convertirse en valores normales estndar z por
medio de la formula:

Haciendo posible el uso de la tabla de proporciones de rea y hace innecesario el uso de la ecuacin de
la funcin de densidad de cualquier distribucin normal dada.
Para aproximar las distribuciones discretas binomial y de Poisson se debe hacer:
Binomial

np

Poisson

Distribucin de probabilidad exponencial

Si en el contexto de un proceso de Poisson ocurren eventos o xitos en un espectro continuo de tiempo y
espacio. Entonces la longitud del espacio o tiempo entre eventos sucesivos sigue una distribucin de
probabilidad exponencial. Puesto que el tiempo y el espacio son un espectro continuo, esta es una
distribucin continua.
En caso de este tipo de distribucin no vale la pena preguntarse cul es la probabilidad de que el primer
pedido de servicio se haga exactamente de aqu a un minuto?. Mas bien debemos asignar un intervalo
dentro del cual el evento puede ocurrir, preguntndonos, cul es la probabilidad de que el primer pedido
se produzca en el prximo minuto?.
Dado que el proceso de Poisson es estacionario, la distribucin exponencial se aplica ya sea cuando
estamos interesados en el tiempo (o espacio) hasta el primer evento, el tiempo entre dos eventos
sucesivos, o el tiempo hasta que ocurra el primer evento despus de cualquier punto aleatoriamente
seleccionado.
Donde es la cifra media de ocurrencias para el intervalo de inters, la probabilidad exponencial de que
el primer evento ocurra dentro del intervalo designado de tiempo o espacio es.
P(T < t) = 1 - e -
De manera que la probabilidad exponencial de que el primer evento no ocurra dentro del intervalo
designado de tiempo o espacio es:
P(T > t) = e -
Ejemplo:
Un departamento de mantenimiento recibe un promedio de 5 llamadas por hora. Comenzando en un
momento aleatoriamente seleccionado, la probabilidad de que una llamada llegue dentro de media hora
es:
Promedio 5 por hora, como el intervalo es media hora tenemos que = 2,5/media hora.
P (T < 30 min.) = 1- e -5 = 1 - 0,08208 = 0,91792
BIBLIOGRAFA
http://buscador.rincondelvago.com/probabilidades+estadisticas
http://www.google.co.ve/search?hl=es&q=objetivo+de+las+PROBABILIDADES&meta=lr
%3Dlang_es
http://metodosestadisticos.unizar.es/asignaturas/22709/principal.htm
http://www.google.co.ve/search?hl=es&q=probabilidades&meta

Leer ms: http://www.monografias.com/trabajos32/teoria-probabilidades/teoriaprobabilidades.shtml#ixzz4RFXmJmdr

Apuntes: Historia de la estadstica y la probabilidad

Contribucin de cesar el Sunday, June 17 @ 13:26:18 EST

La presencia del hueso astrgalo de oveja o ciervo en las excavaciones arqueolgicas

ms antiguas, parece confirmar que los juegos de azar tienen una antigedad de ms de
40000 aos, y la utilizacin del astrgalo en culturas ms recientes, ha sido ampliamente documentada.
Existen en las pirmides de Egipto pinturas que muestran juegos de azar que datan del ao 3500 a. C. y
Herodoto se refiere a la popularidad y difusin en su poca de los juegos de azar, especialmente la tirada
de astrgalos y dados. Los dados ms antiguos se remontan a unos 3000 aos antes de Cristo y se
utilizaron en el juego como en ceremonias religiosas.
Las civilizaciones antiguas, explicaban el azar mediante la voluntad divina. En Grecia y Roma,
utilizaban la configuracin resultante de tirar cuatro dados para predecir el futuro y revelar la voluntad
favorable o desfavorable de los dioses. Prcticas similares se han encontrado en culturas tan distintas
como la tibetana, la india o la juda. Piaget ha hecho notar que esta actitud mgica ante el azar se
manifiesta igualmente en los nios.
En el Renacimiento aparece un nuevo enfoque global de considerar al mundo, induciendo una
observacin cualitativamente distinta de muchos fenmenos naturales. El abandono progresivo de
explicaciones teolgicas conduce a una reconsideracin de los experimentos aleatorios; y los
matemticos italianos del siglo XVI, comienzan a interpretar los resultados de experimentos aleatorios
simples. Cardano, establece la equiprobabilidad de aparicin de las caras de un dado a largo plazo. A
finales del siglo XVI, exista un intuitivo pero preciso anlisis emprico de los resultados aleatorios.
El desarrollo del anlisis matemtico de los juegos de zar se produce lentamente durante los siglos XVI
y XVII, y algunos autores consideran como origen del clculo de probabilidades la resolucin del
problema de los puntos en la correspondencia entre Pascal y Fermat en 1654. El clculo de
probabilidades se consolida como disciplina independiente en el perodo que transcurre desde la segunda
mitad del siglo XVII hasta comienzos del siglo XVIII.
La teora de la probabilidad fue aplicada con buenos resultados a las mesas de juego y con el tiempo a
otros problemas socioeconmicos.
Durante el siglo XVIII el clculo de probabilidades se extiende a problemas fsicos y actuariales
(seguros martimos). El factor principal impulsor es el conjunto de problemas de astronoma y fsica que
surgen ligados a la contrastacin emprica de la teora de Newton. Estas investigaciones van a ser de
importancia fundamental en el desarrollo de la Estadstica.
La industria de los seguros, que naci en el siglo XIX, requera un conocimiento exacto del riesgo de
perder pues de lo contrario no se podan calcular las plizas. Al cabo de cincuenta aos, muchos centros
de enseanza, estaban estudiando la probabilidad como un instrumento que les permitira entender los
fenmenos sociales.
La necesidad de comparar con exactitud los datos observados con la teora requera un tratamiento
riguroso del mismo, que va a dar lugar a la teora de errores.
D. Bernoulli proporciona la primera solucin al problema de estimar una cantidad desconocida a partir
de un conjunto de mediciones de su valor que, por el error experimental, presentan variabilidad. Fue

pionero en la aplicacin del clculo infinitesimal al clculo de probabilidades.

Tambin Abraham de Moivre, el reverendo Thomas Bayes y Joseph Lagrange inventaron frmulas y
tcnicas de probabilidad.
El impulso fundamental proviene de la obra de Pierre Simon, Marqus de Laplace, quien indujo la
primera definicin explcita de probabilidad y desarroll la ley normal como modelo para describir la
variabilidad de los errores de medida; tambin formul y estim el primer modelo explicativo
estadstico. Por su parte, Gauss hizo su aportacin en la estimacin de modelos estadsticos.
Bravais, gelogo y astrnomo, es el primero en considerar la relacin entre errores de medida
dependientes entre s; Benjamn Pierce propone el primer criterio para rechazar observaciones
heterogneas con el resto y S. Newcomb, el ms famoso astrnomo americano del siglo XIX, introduce
los primeros mtodos de estimacin cuando hay errores fuertes en algunos datos (Estimacin Robusta).
TOMA DE DECISIONES

En la actualidad la teora matemtica de la probabilidad constituye el fundamento de las aplicaciones

estadsticas tanto en la investigacin social como en la toma de decisiones.

Vivimos en un mundo donde somos incapaces de pronosticar el futuro con absoluta certeza. La
necesidad de sortear la incertidumbre nos lleva a estudiar y aplicar la teora de la probabilidad. En
muchos casos nosotros, como ciudadanos honestos, tendremos algn conocimiento sobre los posibles
resultados de una decisin. Si organizamos esta informacin y la analizamos sistemticamente,
podremos reconocer nuestras suposiciones, comunicar a otros nuestro razonamiento y tomar una
decisin ms inteligente de la que lograramos recurriendo a un mtodo que no sea cientfico.
El hombre de negocios, as como el jugador de pquer o el estratega militar, debe tambin tomar
decisiones en condiciones de incertidumbre con respecto al futuro. Su apreciacin del futuro se
manifiesta al relacionar una probabilidad numrica con cada evento posible que pueda influir en el
resultado de sus decisiones, y si utiliza estas probabilidades, junto con informacin de ndole econmica,
mejora el proceso de toma de decisiones.
Para tener xito en la toma de decisiones, se necesita la capacidad de tratar sistemticamente con la
incertidumbre misma mediante cuidadosas evaluaciones y aplicaciones de mtodos estadsticos
concernientes a las actividades de los negocios.

LA TEORA DE LA PROBABILIDAD
La probabilidad relacionada con un evento es un nmero comprendido entre 0 y 1, y representa el riesgo
o la posibilidad de que ocurra ese evento. Una probabilidad de (P = 0) significa que el evento es
imposible; si P = 0.50, es tan probable que el evento ocurra como que no ocurra; si P = 1, es seguro que
suceda. El valor de P no puede ser negativo ni mayor que uno.
Se puede considerar que la probabilidad es la frecuencia relativa de "xitos" o aciertos (es decir, la
ocurrencia de un evento determinado) en un proceso aleatorio en que se ha repetido un gran nmero de
pruebas o ensayos. La frecuencia relativa es el nmero de "xitos" dividido entre el nmero de pruebas
efectuadas.

Fuentes de Probabilidades
Es posible estimar probabilidades mediante cualquiera de las tres siguientes maneras alternativas:

1. Frecuencia relativa de eventos pasados. Las probabilidades pueden estimarse a partir de las
frecuencias relativas que se observen en un experimento controlado, o mediante muestreo de un
universo grande y finito. La probabilidad a priori (previa) se deduce de la experiencia obtenida
de la observacin prolongada.
Las probabilidades de eventos complicados pueden determinarse a partir de las probabilidades
de eventos ms sencillos, por medio de un mtodo de simulacin, utilizando un modelo
experimental diseado para representar las condiciones reales del mismo.

2. Distribuciones tericas. Las probabilidades pueden determinarse sin recurrir a las frecuencias
relativas. Estas probabilidades pueden determinarse a partir de la distribucin binomial, sin
recurrir a experimentos o muestras basadas en la experiencia pasada. La validez de dichas
distribuciones tericas depende de cun fielmente las hiptesis representen la realidad.

3. Apreciacin subjetiva. Si ninguno de los mtodos anteriormente mencionados pueden

utilizarse, el responsable de la toma de decisiones debe estimar las probabilidades en base a su
juicio o criterio y experiencia. Una probabilidad subjetiva es una evaluacin que una persona
que toma decisiones hace acerca de la vero - similitud relativa de que ocurra un evento incierto,
o sea, representa las "apuestas" que se hacen sobre la concurrencia de ese evento. Tales
apreciaciones son sumamente personales y, por lo tanto, dos individuos pueden asignar
diferentes probabilidades subjetivas al mismo evento.

TIPOS DE PROBABILIDADES

1. Probabilidad simple. Probabilidad de que el dato escogido tenga una caracterstica.

2. Probabilidad conjunta. Probabilidad de escoger un dato con dos (o ms) caractersticas
especficas.

3. Probabilidad marginal (al margen de la tabla). No es ms que la probabilidad simple, vista con
otro enfoque; o sea, mientras que la probabilidad simple es un concepto singular, la
probabilidad marginal es esencialmente una suma de probabilidades conjuntas.

4. Probabilidad condicional. La caracterstica especfica del dato es la condicin (condiciona la

probabilidad).

APLICACIONES

La complejidad de los negocios en los ltimos aos, ha incrementado el uso de la estadstica para tomar
decisiones en cualquier nivel de la administracin.

Las aplicaciones de mtodos estadsticos en las diferentes reas son numerosas; por ejemplo: grficas y
tablas estadsticas son usadas frecuentemente por gerentes de ventas para representar hechos numricos
de ventas; mtodos de muestreo son empleados por investigadores de mercado, al hacer encuestas sobre
las preferencias del consumidor sobre ciertas marcas de artculos competitivos; mtodos de control de
calidad, aplicados en produccin, etc.

TECNICAS DE CONTEO
El principio fundamental en el proceso de contar ofrece un mtodo general para contar el
numero de posibles arreglos de objetos dentro de un solo conjunto o entre carios conjuntos.
Las tcnicas de conteo son aquellas que son usadas para enumerar eventos difciles de
cuantificar.

Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro
evento Bpuede n2 maneras diferentes entonces, el nmero total de formas
diferentes en que ambos eventos pueden ocurrir en el orden indicado, es igual
a n1 x n2.
De cuntas maneras pueden repartirse 3 premios a un conjunto de 10 personas, suponiendo
que cada persona no puede obtener ms de un premio?
Aplicando el principio fundamental del conteo, tenemos 10 personas que pueden recibir el
primer
premio. Una vez que ste ha sido entregado, restan 9 personas para recibir el segundo, y
posteriormente quedarn 8 personas para el tercer premio. De ah que el nmero de maneras
distintas de repartir los tres premios.

n
10 x 9 x 8 = 720

Cuntas placas de automvil se pueden hacer utilizando dos letras seguidas de tres cifras?
No se

admiten repeticiones.

26 x 25 x 10 x 9 x 8 = 468000

n un nmero entero positivo, el producto n (n-1) (n-2)...3 x 2 x 1 se llama factorial

de n.
El smbolo ! se lee factorial y es el producto resultante de todos los enteros positivos de
1 a n; es decir, sea
n
5! = 5 x 4 x 3 x 2 x 1 = 120
Por definicin 0! = 1

Si el nmero de posibles resultados de un experimento es pequeo, es relativamente fcil listar

y contar todos los posibles resultados. Al tirar un dado, por ejemplo, hay seis posibles
resultados.
Si, sin embargo, hay un gran nmero de posibles resultados tales como el nmero de nios y
nias por familias con cinco hijos, sera tedioso listar y contar todas las posibilidades. Las
posibilidades seran, 5 nios, 4 nios y 1 nia, 3 nios y 2 nias, 2 nios y 3 nias, etc.

Para facilitar el conteo examinaremos tres tcnicas:

* La tcnica de la multiplicacin
* La tecnica aditiva
* La tecnica de la suma o Adicion
* La tcnica de la permutacin
* La tcnica de la combinacin.

PRINCIPIO DE LA MULTIPLICACION

Si se desea realizar una actividad que consta de r pasos, en donde el primer

paso de la actividad a realizar puede ser llevado a cabo de N 1 maneras o
formas, el segundo paso de N2 maneras o formas y el r-simo paso de
Nr maneras o formas, entonces esta actividad puede ser llevada a efecto
de. El principio multiplicativo implica que cada uno de los pasos de la
actividad deben ser llevados a efecto, uno tras otro. Si un evento E1 puede
suceder de n1 maneras diferentes, el evento E2 puede ocurrir de n2 maneras diferentes, y as
sucesivamente hasta el evento Ep el cual puede ocurrir de np maneras diferentes, entonces el
total de maneras distintas en que puede suceder el evento ocurren E1 y E2..y Ep es igual a
producto.

N1 x N2 x ..........x Nr maneras o formas

Ejemplo:
Se dispone de 3 vas para viajar de C1 a C2 y de 4 vas para viajar de C2 a C1. De cuntas
formas se puede organizar el viaje de ida y vuelta de C1 a C2.Respuesta: (3)(4)=12

PRINCIPIO ADITIVO.

Si se desea llevar a efecto una actividad, la cul tiene formas alternativas para ser realizada,
donde la primera de esas alternativas puede ser realizada de M maneras o formas, la segunda
alternativa puede realizarse de N maneras o formas ..... y la ltima de las alternativas puede ser
realizada de W maneras o formas, entonces esa actividad puede ser llevada a cabo de,

M + N + .........+ W maneras o formas

Ejemplos:
1)

Una persona desea comprar una lavadora de ropa, para lo cul ha pensado que puede
seleccionar de entre las marcas Whirpool, Easy y General Electric, cuando acude a hacer la
compra se encuentra que la lavadora de la marca W se presenta en dos tipos de carga ( 8 u 11
kilogramos), en cuatro colores diferentes y puede ser automtica o semiautomtica, mientras
que la lavadora de la marca E, se presenta en tres tipos de carga (8, 11 o 15 kilogramos), en
dos colores diferentes y puede ser automtica o semiautomtica y la lavadora de la marca GE,
se presenta en solo un tipo de carga, que es de 11 kilogramos, dos colores diferentes y solo
hay semiautomtica. Cuntas maneras tiene esta persona de comprar una lavadora?

Solucin:

M = Nmero de maneras de seleccionar una lavadora Whirpool

N = Nmero de maneras de seleccionar una lavadora de la marca Easy
W = Nmero de maneras de seleccionar una lavadora de la marca General Electric

M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras

W = 1 x 2 x 1 = 2 maneras

M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora

PRINCIPIO DE LA SUMA O ADICCION

Si una primera operacin puede realizarse de m maneras y una segunda operacin de n
maneras, entonces una operacin o la otra pueden efectuarse de:
m+n maneras.

Ejemplo:
Una pareja que se tiene que casar, junta dinero para el enganche de su casa, en el
fraccionamiento lomas de la presa le ofrecen un modelo econmico un condominio, en el
fraccionamiento Playas le ofrecen un modelo econmico como modelos un residencial, un
californiano y un provenzal. Cuntas alternativas diferentes de vivienda le ofrecen a la pareja?

PRESA

PLAYAS

Econmico

Residencial

Condominio

Californiano
Provenzal

m=2

n=3

2+3= 5 maneras

PRINCIPIO DE PERMUTACION:
A diferencia de la formula de la multiplicacin, se la utiliza para determinar el numero de
posibles arreglos cuando solo hay un solo grupo de objetos. Permutacin: un arreglos o
posicin de r objetos seleccionados de un solo grupo de n objetos posibles. Si nos damos
cuenta los arreglos a, b, c y b, a, c son permutaciones diferentes, la formula que se utiliza para
contar el numero total de permutaciones distintas es:
FRMULA: n P r = n! (n - r)
Ejemplo: Como se puede designar los cuatro primeros lugares de un concurso, donde existen
15 participantes?
Aplicando la formula de la permutacin tenemos:

n P r = n! (n - r)! = 15! = 15*14*13*12 *11*10*9*8*7*6*5*4*3*2*1 (15-4)!

11*10*9*8*7*6*5*4*3*2*1 = 32760

Donde: n= nmero total de objetos r= nmero de objetos seleccionados!= factorial, producto de

los nmeros naturales entre 1 y n.
NOTA: se puede cancelar nmeros cuando se tiene las mismas cifras en numerador y
denominador. !

PRINCIPIO DE COMBINACION:
En una permutacin, el orden de los objetos de cada posible resultado es diferente. Si el orden
de los objetos no es importante, cada uno de estos resultados se denomina combinacin. Por
ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas seleccionadas de un
grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes, entonces si importa el
orden, los resultados sern permutaciones. Por el contrario si en el equipo no hay funciones
definidas, entonces no importa el orden y los resultados sern combinaciones. Los resultados
en ambos casos son los siguientes:
Permutaciones: AB, AC, BA, CA, BC, CB
Combinaciones: AB, AC, BC
Combinaciones: Es el nmero de formas de seleccionar r objetos de un grupo de n objetos sin
importar el orden.
La frmula de combinaciones es:
n C r = n!

r! (n r)!

Ejemplo: En una compaa se quiere establecer un cdigo de colores para identificar cada una
de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de
las partes, de tal suerte que cada una tenga una combinacin de 3 colores diferentes. Ser
adecuado este cdigo de colores para identificar las 42 partes del producto?
Usando la frmula de combinaciones:
n C r = n! = 7! = 7! = 35
r! (n r )! 3! (7 3)! 3! 4!
El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes del producto.

Estas son una pagina interactiva interesantes, que les puede ser muy util para el mejor
entendimiento de las Tecnicas de Conteo:

CENTRO DE BACHILLERATO TECNOLOGICO

AGROPECUARIO # 148
TEMA: TECNICAS DE CONTEO

MATERIA: PROBABILIDAD Y ESTADISTICA

 EQUIPO: MARIA DOLORES NAVARRO RODRIGUEZ,

MARIA
GUADALUPE VALDOVINOS NARANJO Y ROSA
DELIA OCHOA PICASO.

MAESTRO: ING. SERAFIN

GRADO: 5 SEMESTRE

GRUPO: UNICO AGROPECUARIO.

INTRODUCCION
EN EL SIGUIENTE TRABAJO SE PRESENTA UNA SERIE E EXPLICACIONES
SOBRE LAS TECNICAS DE CONTEOS DE LAS CUALES SE DESPRENDEN LAS
SIGUIENTES:
*REGLA GENERAL DEL CONTEO
*PERMUTACION
*CONVINACIONES
*EJEMPLOS DE CADA UNO DE LAS ANTERIORES
CON EL FIN DE TENER MAS CONOCIMIENTOS SOBRE EL TEMA YA
MENCIONADO Y BASADONOS EN LOS EJEMPLOS PARA UN MEJOR
APRENDIZAJE

TECNICAS DE CONTEO
Las tcnicas de conteo son aquellas que son usadas para enumerar eventos
difciles de cuantificar.
Se les denomina tcnicas de conteo a: las combinaciones, permutaciones y
diagrama de rbol, las que a continuacin se explicarn y hay que destacar que
stas nos proporcionan la informacin de todas las maneras posibles en que
ocurre un evento determinado.

REGLA FUNDAMENTAL DEL CONTEO

Si en experimento est integrado por dos ensayas, donde uno de ellos (una
sola seccin o eleccin) tiene m resultados posibles y en otro ensayo tiene n
resultados posibles, entonces cuando los ensayos se realizan juntos, se tiene:
mxn

REGLA GENERAL DEL CONTEO.

Si un experimento est compuesto por k ensayos realizados en un orden
definido, donde el primero tiene n, resultados posibles, etc. entonces el
nmero de resultados posibles para el experimento es:
N1 x n2 x n3 xx ni.

PERMUTACIONES
En matemticas, dado un conjunto finito, llamamos permutacin a cada una de
las posibles ordenaciones de todos los elementos de dicho conjunto.
Por ejemplo, en el conjunto {1, 2,3}, cada ordenacin posible de sus elementos,
sin repetirlos, es una permutacin. Existe un total de 6 permutaciones para
estos elementos: "1,2,3", "1,3,2", "2,1,3", "2,3,1", "3,1,2" y "3,2,1".
El nmero de permutaciones de n objetos es el nmero de formas en los que
pueden acomodarse esos objetos en trminos de orden.
La tcnica de la permutacin es aplicada para encontrar el nmero posible de
arreglos donde hay solo u grupo de objetos.

Ejemplo:
Suponga que hay ocho tipos de computadora pero solo tres espacios
disponibles para exhibirlas en la tienda de computadoras. De cuantas
maneras diferentes pueden ser arregladas las 8 mquinas en los tres espacios
disponibles?
n P r = n! = 8! = 8! = 336
(n r)!
(8 3)!
5!
En el anlisis anterior los arreglos no presentan repeticiones, es decir, no hay
dos espacios disponibles con el mismo tipo de computadora. Si en los arreglos
se permite la repeticin, la frmula de permutaciones es la siguiente:
n Pr = nr

Para ilustrar el punto, queremos saber cuntas series de 2 letras se pueden

formar con las letras A, B, C, si se permite la repeticin? Las permutaciones
son las siguientes:
AA, AB, AC, BA, CA, BB, BC, CB, CC
Usando la frmula:
n Pr = nr = 3P2 = 32 = 9
1 . C u n to s n me ro s d e 5 ci fra s d i fe ren te s se pu e d e fo rm a r co n
lo s d g i to s: 1 , 2 , 3 , 4 , 5 ?
m = 5

n = 5

S en tra n to d o s l o s e le me n to s. De 5 d g i to s e n tra n sl o 3 .
S im po rta e l o rde n . Son n me ro s d i stin to s el 1 2 3 , 2 3 1 , 3 2 1 .
No se re p i ten l o s e l em en to s. El en u n cia d o no s p id e qu e la s ci fra s
sea n d i fe ren te s.
p5 = 5 != 5 .4 .3 .2 .1 =1 2 0
2 . D e cu n ta s fo rma s di sti n ta s pu e d en se n ta rse o ch o p e rson a s
en un a fi l a de bu ta ca s?
S en tra n to d o s
pe rso n a s.

los

e le me n to s.

Tien e n

q ue

sen ta rse

las

S im po rta e l o rde n .
No se rep i te n l o s el e me n to s. U n a pe rso n a n o se pu e d e re pe ti r.
p8 =8 !=4 0 3 20
3 . D e cu n ta s fo rma s di sti n ta s pu e d en se n ta rse o ch o p e rson a s
al re de d o r d e u na me sa re d o nd a ?
p c8 =(8 -1 ) != 7 !=5 0 4 0
4 . C on la s ci fra s 2 , 2 , 2 , 3 , 3 , 3 , 3 , 4 , 4 ; cu n to s n m e ro s de
nu e ve ci fra s se p u ed e n fo rma r?
m = 9

a = 3

b = 4

c = 2

a + b + c = 9

S en tra n to d o s l o s e le me n to s.
S im po rta e l o rde n .
S se rep i te n l o s el e me n to s.
pR 9 3 ,4 ,2 = 9 !/3 !.4 !.2 != 1 2 60
5 . C on l a s le tra s de l a p a la b ra li b ro , cu n ta s o rd en a cio n e s
di sti n ta s se p u ed e n h a ce r qu e e mp ie ce n p o r vo ca l ?
La p al a b ra e mp ie za po r i u o seg u id a d e l a s 4 l e tra s re sta n te s
tom ad a s de 4 e n 4 .

S en tra n to d o s l o s e le me n to s.
S im po rta e l o rde n .
No se rep i te n l o s el e me n to s.
----

P2. P4 = 2. 4. 3. 2. 1
0----

COMBINACION
Una combinacin es un modo de seleccionar objetos de un conjunto, en donde
(al contrario de una permutacin) el orden en el cual se disponen los elementos
no es importante. Informalmente, una combinacin es un ordenamiento
de n elementos tomados de k en k, con o sin repeticin, llamada sucintamente
combinaciones de n en k.
En una permutacin, el orden de los objetos de cada posible resultado es
diferente. Si el orden de los objetos no es importante, cada uno de estos
resultados se denomina combinacin. Por ejemplo, si se quiere formar un
equipo de trabajo formado por 2 personas seleccionadas de un grupo de tres
(A, B y C). Si en el equipo hay dos funciones diferentes, entonces si importa el
orden, los resultados sern permutaciones. Por el contrario si en el equipo no
hay funciones definidas, entonces no importa el orden y los resultados sern
combinaciones. Los resultados en ambos casos son los siguientes:
Permutaciones: AB, AC, BA, CA, BC, CB
Combinaciones: AB, AC, BC
1 . E n un a cla se de 3 5 al um no s se qu i e re e le g i r un com i t
fo rm ad o po r tre s al um n o s. C u n to s com i t s di fe re n te s se
pu e d en fo rm a r?
No en tra n to d o s l o s e le me n to s.
No im po rta e l o rde n : Jua n , An a .
No se rep i te n l o s el e me n to s.
C3 35 = 35 .3 4 .3 3 /3 .2 .1 =6 5 45
2 . D e cu n ta s fo rma s pu e d en me zcla rse lo s si e te co l o re s d el
a rco iri s to m n do l o s d e tre s e n tre s?
No en tra n to d o s l o s e le me n to s.
No im po rta e l o rde n .
No se rep i te n l o s el e me n to s.
3. A una reunin asisten 10 personas y se intercambian saludos entre
t o d o s. C u n t o s s a l u d o s s e h a n i n t e r c a m b i a d o ?

N o e n t r a n t o d o s l o s e l e m e n t o s.
N o i m p o r t a e l or d e n .
No se repiten los elementos.
C 2 1 0 = 1 0 . 9/ 2 = 4 5
4. En una bodega hay en un cinco tipos diferentes de botellas. De
c u n t a s f o r m a s s e p u e d e n e l e g i r c u at r o b o t e l l a s ?
N o e n t r a n t o d o s l o s e l e m e n t o s. S l o e l i j e 4 . .
N o i m p o r t a e l or d e n . D a i g u a l q u e e l i j a 2 b o t e l l a s d e a n s y 2 d e r o n ,
que 2 de ron y 2 de ans.
S s e r e p i t e n l o s e l e m e n t o s. P u e d e e l e g i r m s d e u n a b o t e l l a d e l
mismo tipo.
C R 4 5 = ( 5 + 4 - 1 ) !/ 4 !( 5 - 1) != 8 !/ 4 !4 != 7 0
5 . C u n t a s a p u e s t a s d e L o t er a P r i m i t i v a d e u n a c o l u m n a h a n d e
rellenarse para asegurarse el acierto de los seis resultados, de 49?
N o e n t r a n t o d o s l o s e l e m e n t o s.
N o i m p o r t a e l or d e n .
No se repiten los elementos.
C 6 4 9 = 4 9 !/ ( 4 9 - 6 ) !. 6 != 1 3 9 8 3 8 1 6

CONCLUCION
Al investigar este tema lo comprend un poco y veo que es un tema muy importante
que nos servir ms adelante en nuestros estudios en las permutaciones el nmero de
permutaciones de n objetos es el nmero de formas en los que pueden acomodarse
esos objetos en trminos de orden y en el caso de las combinaciones, lo importante es
el nmero de agrupaciones diferentes de objetos que pueden incurrir sin importar su
orden.
Tambin este tema me permiti adquirir ms conocimientos porque este es un tema
nuevo para m. Podemos hacer permutaciones y combinaciones de lo que hacemos en
nuestra vida diaria, lo de un da o lo que nos suceda en una hora.