UNIVERSIDAD DOMINICANA O&M

ESCUELA DE INGENIERÍA ELECTRONICA

DEPARTAMENTO ACADÉMICO DE INGENIERÍA

ELECTRONICA

COMPLEMENTO DE MATEMÁTICA VECTORIAL

VECTORES, RECTAS Y PLANOS EN R3

EDDY ANTONIO ROSARIO HERNANDEZ

MATRICULA Nº 17-MIEN-1-038

SEMESTRE 2018-C
SANTO DOMINGO-REP, DOM

Introducción
Muchos de los eventos que ocurren en la vida diaria no pueden ser predichos con
exactitud desde antes por diversas razones, pues la mayoría de los hechos están
influidos por factores externos. Además, existen aquellos sucesos que están
directamente influidos por el azar, es decir, por procesos que no se está seguro de
lo que va a ocurrir. Sin embargo, la probabilidad nos permite acercarnos a esos
sucesos y estudiarlos, ponderando las posibilidades de su ocurrencia y
proporcionando métodos para tales ponderaciones.

Precisamente, algunos de esos métodos proporcionados por la probabilidad nos

llevan a descubrir que algunos sucesos tienen una mayor o menor probabilidad de
ocurrir que la ponderación asignada a través del sentido común. Nuestros sentidos,
la información previa que poseemos, nuestras creencias o posturas, nuestras
inclinaciones, son algunos de los factores que intervienen para no permitirnos hacer
ponderaciones reales y sistemáticas. La probabilidad nos permitirá estudiar los
eventos de una manera sistemática y más cercana a la realidad, retribuyéndonos
con información más precisa y confiable y, por tanto, más útil para las disciplinas
humanas.

La probabilidad es una medida numérica de la posibilidad de que ocurra un evento.

Por tanto son una medida del grado de incertidumbre asociado con cada uno de los
eventos enunciados. Si se cuenta con las probabilidades, se tiene la capacidad de
determinar la posibilidad de ocurrencia que tiene cada evento.

LA IMPORTANCIA DE LA PROBABILIDAD Y LA ESTADÍSTICA

En la actualidad la estadística es una ciencia que ha logrado ganar importantes espacios
en muchos ámbitos cotidianos, es indispensable en estudios de poblaciones,
predicciones de riesgos, pero sobre todo proporciona herramientas valiosas en la toma
de decisiones eso sin quitarle al ser humano la última palabra.
Los problemas de probabilidad proporcionan una fuente interesante para que pensemos
un poco más allá de nuestro sentido común, y unido a la estadística nos permite hacer la
llamada inferencia estadística. Vale aclarar que hasta este punto las ideas que
trabajaremos serán algo intuitivas, pero deseamos formalizarlas dentro de poco tiempo.

EL ENFOQUE CLÁSICO

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 clásico de la probabilidad se basa en la suposición 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

También llamado Enfoque Empírico, determina la probabilidad sobre la base de la
proporción de veces que ocurre un evento favorable en un número de observaciones. En
este enfoque no ese utiliza la suposición previa de aleatoriedad. Porque la determinación
de los valores de probabilidad se basa en la observación y recopilación de datos.

Ejemplo:

Se ha observado que 9 de cada 50 vehículos que pasan por una esquina no tienen
cinturón de seguridad. Si un vigilante de transito se para en esa misma esquina un ida
cualquiera ¿Cuál será la probabilidad de que detenga un vehículo sin cinturón de
seguridad?

Tanto el enfoque clásico como el enfoque empírico 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 disposición.
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 ocurrirá o no ocurrirá esa
sola vez. El valor de probabilidad bajo este enfoque es un juicio personal, un ejemplo de
esto los dan los aficionados a un equipo en un determinado deporte donde el aficionado
cree "ciegamente" en la victoria de "su" equipo.

El valor de la probabilidad

El valor más pequeño 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 ocurrirá. 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:

CONCEPTOS.
Si dejamos caer una piedra o la lanzamos y conocemos las condiciones iniciales de
altura, velocidad, etc., sabremos con seguridad dónde caerá, cuanto tiempo tardará, etc.
Esto es una experiencia (experimento) determinista. Pero si lanzamos un dado sobre una
mesa, se ignora qué cara caerá hacia arriba. Es decir, el resultado depende del azar. Es
una experiencia aleatoria.

Con base en lo anterior, los experimentos o fenómenos aleatorios son los que pueden
dar lugar a varios resultados, sin que pueda ser previsible enunciar con certeza cuál de
estos se va a observar en la realización del experimento. La vida cotidiana está plagada
de sucesos aleatorios. Muchos de ellos, de tipo social (viajes, accidentes,

Entonces, en el contexto de la probabilidad, un experimento es definido como un

proceso que genera resultados definidos. Y en cada uno de las repeticiones del
experimento, habrá uno y solo uno de los posibles resultados experimentales.

Algunas definiciones que son importantes para el poder conceptualizar los

procesos de la probabilidad:

Espacio muestral.- Es el conjunto de todos los resultados posibles de un experimento,

por ejemplo al lanzar una moneda, el espacio muestral es E = {Águila, cara (o
número)} o E = { A, C }. Si se lanza un dado las posibles opciones de resultados
(espacio muestral) serían E = { 1,2,3,4,5,6 }.

Evento o Suceso. Es todo subconjunto de un espacio muestral. Por ejemplo en el

espacio muestral del lanzamiento de un dado, los siguientes son eventos: a) Obtener un
número primo: a = { 1,2,3,5}. b) Obtener un número primo y par: a = {2}. c) Obtener
un numero mayor o igual a 5: a = { 5, 6 }

Eventos mutuamente excluyentes.- Dos eventos son mutuamente excluyentes si no

pueden ocurrir en forma simultánea, esto es, si y sólo si su intersección es vacía. Por
ejemplo, en el lanzamiento de un dado los eventos B = {2} y C = {5, 6} son
mutuamente excluyentes por cuanto B C = . En otras palabras, la ocurrencia de un
evento excluye la ocurrencia de otros. Por ello no son excluyentes cuando es posible
que ocurran ambos. Lo que no significa que deban ocurrir estos eventos en forma
simultánea.

Eventos dependientes. Dos o más eventos serán dependientes cuando la ocurrencia o

no-ocurrencia de uno de ellos afecta la probabilidad de ocurrencia del otro (u otros).

Eventos Complementarios.- Si A B = y A B = E, se dice que A y B son eventos

complementarios: Ac = B y Bc = A

Su Medición Matemática o Clásica. Si en un experimento aleatorio todos los resultados

son equiprobables (iguales probabilidades), es decir, la ocurrencia de uno es igualmente
posible que la ocurrencia de cualquiera de los demás, entonces, la probabilidad de un
evento A es la razón:
P(A) = número de casos favorables para A/número total de casos posibles

A partir de esta definición las probabilidades de los posibles resultados del experimento
se pueden determinar a priori, es decir, sin realizar el experimento.

Se deduce de la definición lo siguiente:

0 P(A) 1 La medición probabilística es un número real entre 0 y 1, inclusive, ó 0%

P(A) 100% en porcentaje.

P () = 0 y P (E) = 1

Su Medición Experimental o Estadística.- La frecuencia relativa del resultado A de un

experimento es la razón FR = número de veces que ocurre A/número de veces que se
realiza el experimento

Si el experimento se repite un número grande de veces, el valor de FR se aproximará a

la medición probabilística P del evento A. Por ejemplo, si lanzo 100 veces una moneda,
el número de veces que obtengo cara es cercano a 50, o sea FR es cercano a 50%.

1) Reglas de Conteo.

Al asignar probabilidades es necesario saber identificar y contar los resultados

experimentales, si el número de posibles resultados de un experimento es pequeño, es
relativamente fácil listar y contar todos los posibles resultados. Por ejemplo, al tirar un
dado se obtiene solo 6 posibles resultados s = {1,2,3,4,5,6}, como se ha visto
anteriormente, aun tirando dos datos se pueden obtener estos resultados: S = {(1,1),
(1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3),
(3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5),
(5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6) }Sin embargo, hay un gran número de
posibles resultados tales como el número de niños y niñas por familias con cinco hijos,
sería tedioso listar y contar todas las posibilidades. Que serían, 5 niños, 4 niños y una
niña, 3 niños y 2 niñas, etc. Para facilitar el conteo veamos tres técnicas de conteo, la de
multiplicación, la técnica de permutación y la de la combinación.

Principio Aditivo

Si se desea llevar a efecto una actividad, la cual 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 última
de las alternativas puede ser realizada de W maneras o formas, entonces esta actividad
puede llevarse a cabo de M + N +.... + W maneras o formas.

Ejemplo 1.

Una personas desea comprar una lavadora de ropa, para lo cual 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 W se presenta en dos tipos (8 u 11 kg), en
cuatro colores diferentes y puede ser automática o semi automática, mientras que la
lavadora E, se presenta en tres tipos de carga (8, 11 o 15 kg), en dos colores diferentes y
puede ser automática o semiautomática y la lavadora GE, se presenta en un solo tipo de
carga, de 11 kg, dos colores diferentes y solo hay semiautomática. ¿Cuántas maneras
tiene esta persona de comprar una lavadora?

M = Número de maneras de seleccionar una lavadora Whirpool = 2 x 4 x 2 = 16

maneras
N = Número de maneras de seleccionar una lavadora Easy = 3 x 2 x 2 = 12 maneras
W = Número de maneras de seleccionar una lavadora GE = 1 x 2 x 1 = 2 maneras.

Por lo tanto la lavadora se puede escoger de 16 + 12 + 2 maneras diferentes.

Nota: es interesante notar que la compra de una lavadora responde a una frase "o
compro W o compro E o compro GE", pero no se compran más de una.

FACTORIAL DE UN NÚMERO
Es el producto de n por todos los naturales menores que él y se representa con el n!
n!=n·(n-1)!(n-2)·...·3·2·1

Ejemplo 1: hallar 6!

6! = 6 x 5 x 4 x 3 x 2 x 1 = 720

Ejemplo 2: 4!

4! = 4 x 3 x 2 x 1 = 24

NOTA: Considerando que todos los productos tienen por lo menos dos factores, no
tienen sentido los símbolos 0! Y 1!, pero para poder aplicar las fórmulas a todos los
casos, se definen los números factoriales de 0 y de 1 como 0! = 1 y 1! = 1.

Encontrar la factorial de los siguientes números

5! 6! 0! 8! 10! 3!
Permutaciones y Combinaciones.

El entendimiento de estos conceptos se puede lograr al definir a ambos, para establecer

sus diferencias y de entender claramente cuando se puede utilizar una combinación o
utilizar una permutación al momento de querer cuantificar los elementos de algún
evento.

Combinación.- Es todo arreglo de elementos en donde no nos interesa el lugar o

posición que ocupa cada uno de los elementos que constituyen dicho arreglo.

Permutación.- Es todo arreglo de elementos en donde interesa el lugar o posición que

ocupa cada uno de los elementos que constituyen dicho arreglo.

Ejemplo:

Suponga que en un salón de clases, existen 35 alumnos.

a) El maestro desea que tres de los alumnos lo ayuden en actividades tales como
mantener el aula limpia o entregar material a los alumnos cuando sea así necesario.

b) El maestro desea que se nombre a los representantes del salón (Presidente Secretario
y Tesorero).

a) Los elegidos son Daniel, Arturo y Rafael para limpiar el aula o entregar material
(aunque pudieron haberse seleccionado a estos alumnos o a otros para realizar este
trabajo), la pregunta obligada es ¿Es importante el orden de selección de los elementos
que van a formar el grupo de tres personas?, y se nota que en este caso no tiene
importancia, ya que lo único que interesaría es el contenido de cada grupo, o dicho de
otra forma, ¿quiénes están en el grupo?, por tanto en este caso se trata de una
combinación, lo que significa que las combinaciones nos permite formar grupo o
muestras de elementos en donde lo único que interesa es el "contenido" (quienes o que
conforman a los grupos o muestras) de los mismos.

b) Suponga que se han nombrado como representantes del salón a Daniel como
presidente, a Arturo como Secretario y a Rafael como Tesorero, pero resulta que a
alguien se le ocurre hacer los cambios que se muestran a continuación:

CAMBIOS
PRESIDENTE Daniel Arturo Rafael Daniel
SECRETARIO Arturo Daniel Daniel Rafael
TESORERO Rafael Rafael Arturo Arturo

Tenemos ahora 4 tipos de representaciones, ¿ se trata de la misma representación? la

respuesta inmediata es no, ya que el cambio de función que se hace a los integrantes de
la representación original hace que definitivamente cada una de las representaciones
trabaje de manera diferente, un presidente tomará decisiones diferentes a otro, aun
cuando se encuentre en el mismo "cuadro" electo, ¿importa el orden de los elementos en
estas representaciones?, por supuesto que sí, luego entonces las representaciones
definidas anteriormente son diferentes ya que el orden o la forma en la que se asignan
las funciones sí importa, por lo tanto en este caso se está tratando con permutaciones.

OBTENCIÓN DE FÓRMULA DE PERMUTACIONES.

 Para hacer esto, partiremos de un ejemplo.

¿Cuántas maneras hay de asignar los cuatro primeros lugares de un concurso de

creatividad que se verifica en las instalaciones de nuestro instituto, si hay 14
participantes?

Solución:

Haciendo uso del principio multiplicativo,

14x13x12x11 = 24,024 maneras de asignar los primeros tres lugares del concurso

Esta solución se debe, a que al momento de asignar el primer lugar tenemos a 14

posibles candidatos, una vez asignado ese lugar nos quedan 13 posibles candidatos
para el segundo lugar, luego tendríamos 12 candidatos posibles para el tercer lugar y
por último tendríamos 11 candidatos posibles para el cuarto lugar.

Luego si n es el total de participantes en el concurso y r es el número de

participantes que van a ser premiados, y partiendo de la expresión anterior, entonces.

14 x 13 x 12 x 11 = n x (n - 1) x (n - 2) x.......... x (n – r + 1)

Si la expresión anterior es multiplicada por (n – r)! / (n – r)!, entonces

= n x (n –1 ) x (n – 2) x ......... x (n – r + 1) (n – r)! / (n – r)!

= n!/ (n – r)!

Por tanto, la fórmula de permutaciones de r objetos tomados de entre n objetos es:

Esta fórmula nos permitirá obtener todos aquellos arreglos en donde el orden es
importante y solo se usen parte (r) de los n objetos con que se cuenta, además hay
que hacer notar que no se pueden repetir objetos dentro del arreglo, esto es, los n
objetos son todos diferentes.

Entonces, ¿qué fórmula hay que usar para arreglos en donde se utilicen la n objetos con
que se cuenta?

Si en la fórmula anterior se sustituye n en lugar de r, entonces.

nPn= n!/ (n –n)! = n! / 0! = n! / 1 = n!

Como 0! = 1 de acuerdo a demostración matemática, entonces

nPn= n!
Ejemplos:
1) ¿Cuantas representaciones diferentes serán posibles formar, si se desea que
consten de Presidente, Secretario, Tesorero, Primer Vocal y Segundo Vocal?, sí
esta representación puede ser formada de entre 25 miembros del sindicato de una
pequeña empresa.

Solución:

Por principio multiplicativo:

25 x 24 x 23 x 22 x 21 = 6, 375,600 maneras de formar una representación de ese

sindicato que conste de presidente, secretario, etc., etc.

Por Fórmula:

n = 25, r=5

P = 25!/ (25 –5)! = 25! / 20! = (25 x 24 x 23 x 22 x 21 x....x 1) / (20 x 19 x 18 x... x

25 5
1)=
= 6, 375,600 maneras de formar la representación

PERMUTACIONES CON REPETICION.

En los casos anteriores se han obtenido permutaciones en donde todos los elementos
utilizados para hacer los arreglos son diferentes. A continuación se obtendrá una
fórmula que nos permite obtener las permutaciones de n objetos, cuando entre esos
objetos hay algunos que son iguales.

Ejemplo:
Obtenga todas las permutaciones posibles a obtener con las letras de la palabra OSO.
Solución:

Para obtener la fórmula, es necesario primero suponer que todas las letras de la palabra
OSO son diferentes y para diferenciarlas pondremos subíndices a las letras O, por lo que
quedaría, O1SO2, y las permutaciones a obtener serían:

P = 3! = 6
3 3

Definiendo las permutaciones tenemos que estas serían,

O1SO2, O2SO1, SO1O2, SO2O1, O1O2S, O2O1S

¿Pero realmente podemos hacer diferentes a las letras O?, eso no es posible, luego
entonces ¿cuántos arreglos reales se tienen?

Como:
 Arreglos reales
O1SO2 = O2SO1 OSO
SO1O2 = SO2O1 SOO
O1O2S= O2O1S OOS
Entonces se observa que en realidad sólo es posible obtener tres permutaciones con las
letras de la palabra OSO debido a que las letras O son idénticas, ¿pero qué es lo que nos
hizo pensar en seis arreglos en lugar de tres?, el cambio que hicimos entre las letras O
cuando las consideramos diferentes, cuando en realidad son iguales.

Para obtener los arreglos reales es necesario partir de la siguiente expresión:

El número de arreglos reales = No. de permutaciones considerando a todos

los objetos como diferentes
Los cambios entre objetos
iguales

El número de arreglos reales = 3! / 2! = 3 x 2! / 2! = 3

Por tanto la fórmula a utilizar sería;

Donde:

nPx1,x2,......, xk = Número total de permutaciones que es posible obtener con n objetos,

entre los que hay una cantidad x1 de objetos de cierto tipo, una cantidad x2 de objetos de
un segundo tipo,...... y una cantidad xk de objetos del tipo k.

n = x1 + x2 +...... + xk

Ejemplos:

1) Obtenga todas las señales posibles que se pueden diseñar con seis banderines,
dos de los cuales son rojos, tres son verdes y uno morado.

Solución:

n = 6 banderines
X1 = 2 banderines rojos
X2 = 3 banderines verdes
X3 = 1 banderín morado
6P2,3,1 = 6! / 2!3!1! = 60 señales diferentes
PRUEBAS ORDENADAS.

Se le llama prueba ordenada al hecho de seleccionar r objetos de entre n objetos

contenidos en una urna uno tras otro. Una prueba ordenada puede ser llevada a
efecto de dos maneras:
 1) Con sustitución (con reemplazo).- En este caso se procede a seleccionar el
primer objeto de entre los n que hay, se observa de qué tipo es y se procede a
regresarlo a la urna, luego se selecciona el siguiente objeto, lo anterior se repite
hasta que se han extraído los r objetos de la prueba, por tanto el número de
pruebas ordenadas de con sustitución se obtiene:

Número total de pruebas ordenadas con sustitución = n x n x n x.........x n =

nr

Hay n maneras de seleccionar el primer objeto, luego al seleccionar el segundo

objeto, dado que se ha regresado a la urna el primer objeto, también se tendrán n
objetos y así sucesivamente.

2) Sin sustitución (sin reemplazo).- En este caso se procede a seleccionar el

primer objeto, el cual no es regresado a la urna, luego se selecciona el segundo
objeto, lo anterior se repite hasta completar los r objetos de la prueba, por lo que
el número total de pruebas ordenadas sin sustitución se obtiene:

Número total de pruebas ordenadas sin sustitución = n(n-1)(n-2).........(n-r +1)

= nPr

Hay n maneras de seleccionar el primer objeto, luego al seleccionar el segundo

objeto, hay n –1 maneras, dado que el primer objeto no se regresa a la urna, luego
cuando se extrae el r-ésimo objeto, hay (n –r +1) de que sea seleccionado.

Ejemplos:

1) ¿Cuántas maneras hay de que se asignen tres premios de un sorteo en

donde el primer premio es una departamento, el segundo premio es un auto y el
tercer premio es un centro de cómputo, si los participantes en este sorteo son 120
personas, a. Sí la asignación se puede hacer con sustitución, sí la asignación se
puede hacer sin sustitución.

Solución:

a. Por principio multiplicativo:

120 x 120 x 120 = 1, 728,000 maneras de asignar los premios

Por fórmula: n =120, r = 120

Nr = 1203 = 1, 728,000 maneras de asignar los tres premios

COMBINACIONES.
Como ya se mencionó anteriormente, una combinación, es un arreglo de elementos en
donde no nos interesa el lugar o posición que ocupan los mismos dentro del arreglo. En
una combinación nos interesa formar grupos y el contenido de los mismos.

La fórmula para determinar el número de combinaciones es:

nCr = Combinaciones de r objetos tomados de entre n objetos

Donde se observa que,

La expresión anterior nos explica como las combinaciones de r objetos tomados de

entre n objetos pueden ser obtenidas a partir de las permutaciones de r objetos tomados
de entre n objetos, esto se debe a que como en las combinaciones no nos importa el
orden de los objetos, entonces si tenemos las permutaciones de esos objetos al dividirlas
entre r!, les estamos quitando el orden y por tanto transformándolas en combinaciones,
de otra forma, también si deseamos calcular permutaciones y tenemos las
combinaciones, simplemente con multiplicar estas por el r! obtendremos las
permutaciones requeridas.

P = nCr r!
n r

Y si deseamos r = n entonces;

n Cn = n! / (n –n)!n! = n! / 0!n! = 1

¿Qué nos indica lo anterior?

Que cuando se desea formar grupos con la misma cantidad de elementos con que se
cuenta solo es posible formar un grupo.

Ejemplos:
1) a. Si se cuenta con 14 alumnos que desean colaborar en una campaña pro
limpieza del Tec, cuantos grupos de limpieza podrán formarse si se desea que
consten de 5 alumnos cada uno de ellos,
b. si entre los 14 alumnos hay 8 mujeres, ¿cuántos de los grupos de limpieza
tendrán a 3 mujeres?, c. ¿cuántos de los grupos de limpieza contarán con 4
hombres por lo menos?

Solución:
a. n = 14, r = 5
 14 C5 = 14! / (14 – 5)!5! = 14! / 9!5!
= 14 x 13 x 12 x 11 x 10 x 9!/ 9!5!
= 2002 grupos

Entre los 2002 grupos de limpieza hay grupos que contienen solo hombres, grupos que
contienen solo mujeres y grupos mixtos, con hombres y mujeres.

b. n = 14 (8 mujeres y 6 hombres), r=5

En este caso nos interesan aquellos grupos que contengan 3 mujeres y 2 hombres

C3*6C2 = (8! / (8 –3)!3!)*(6! / (6 – 2)!2!)

8
= (8! / 5!3!)*(6! / 4!2!)
= 8 x7 x 6 x 5 /2!
= 840 grupos con 3 mujeres y 2 hombres, puesto que
cada grupo debe constar de 5 personas
Para el cálculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a
continuación se enumeran.

AXIOMAS
Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que una
función definida sobre un conjunto de sucesos determine consistentemente sus
probabilidades. Fueron formulados por Kolmogórov en 1933.

Axiomas de Kolmogórov:

Primer axioma:

La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.

0 £ p(A) ³ 1

Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5

Segundo Axioma:

La probabilidad de que ocurra el espacio muestral d debe de ser 1.

p (d) = 1

Ejemplo: La probabilidad de sacar un número del 1 al 6 en un dado equilibrado es "1".

Tercer Axioma:

Si A y B son eventos mutuamente excluyentes, entonces la, p (AÈB) = p(A) + p (B)

Ejemplo: La probabilidad de sacar en un dado "as" o sacar "número par" es la suma de las
probabilidades individuales de dichos sucesos.

Según este axioma se puede calcular la probabilidad de un suceso compuesto de varias

alternativas mutuamente excluyentes sumando las probabilidades de sus componentes.

Generalizando: Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An,

entonces;

p (A1ÈA2È.........ÈAn) = p (A1) + p (A2) +.......+ p (An)

Ejemplo:

Para el experimento aleatorio de tirar un dado, el espacio muestral es W = {1, 2, 3, 4, 5, 6}. En

este espacio el conjunto de sucesos es P(W) = {Æ, {1}, {2}, ...{1,2}, {1,3}, ...{1,2,3,4,5,6}}. Para
establecer una probabilidad hay que asignar un número a todos esos sucesos.

Sin embargo si se ha asignado a los sucesos elementales p({1})= p({2})= ...= p({6})= 1/6, por la
propiedad ii), p.e. la probabilidad del suceso {1, 3} es p({1,3})= p({1})+ p({3})=2/6.

Nota: El suceso {1} es: "el resultado de tirar el dado es la cara 1", el suceso {1, 3} es: "el
resultado de tirar el dado es la cara 1, o la 3", el suceso {1, 3, 5} es: "el resultado de tirar el
dado es una cara impar".

TEOREMAS
TEOREMA 1. Si f es un evento nulo o vacío, entonces la probabilidad de que ocurra f debe ser
cero. p (f)=0

Ejemplo: La probabilidad de que un estudiante sea mujer es "1 menos la probabilidad de que
no sea varón".

DEMOSTRACIÓN:

Si sumamos a fun evento A cualquiera, como f y A son dos eventos mutuamente excluyentes,
entonces p (AfÈ)=p(A) +p (f)=p(A). LQQD

TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p (Ac)= 1 – p(A).

DEMOSTRACIÓN:

Si el espacio muestral d, se divide en dos eventos mutuamente exclusivos, A y Aclueco d=AÈAc,

por tanto p (d)=p(A) + p (Ac) y como en el axioma dos se afirma que p (d)=1, por tanto, p (Ac)=
1 - p(A) .LQQD

TEOREMA 3. Si un evento A Ì B, entonces la p(A) £ p (B).

DEMOSTRACIÓN:

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

tanto, B=AÈ (B \ A) y p (B)=p(A) +p (B \ A), luego entonces si p (B \ A) ³0 entonces se cumple
que p(A) £p (B). LQQD
ESPACIOS FINITOS DE PROBABILIDAD.
Sea el espacio muestral, que contiene n elementos {a1, a2, a3,.....,an}, si a cada
uno de los elementos de d le asignamos una probabilidad pi ³ 0, entonces estamos
transformando este espacio muestral en un espacio finito de probabilidad; el que
debe cumplir con las siguientes características:

1) Las probabilidades asociadas a cada uno de los elementos de deben ser

mayores o iguales a cero, p 0. i

2) La sumatoria de las probabilidades asociadas a cada uno de los elementos de

debe de ser igual a 1.
P =1 i

En caso de que no se cumpla con las características antes mencionadas, entonces

no se trata de un espacio finito de probabilidad.
Ejemplos:

1. Se lanza al aire un dado normal, si la probabilidad de que aparezca una de sus

caras es proporcional al número que ostenta, a) ¿cuál es la probabilidad de que
aparezca un número par?, b) ¿cuál es la probabilidad de que aparezca un número
primo?
Solución:
= {1, 2, 3, 4, 5, 6}

TEOREMA DE BAYES
TEOREMA DE LA MULTIPLICACIÓN PARA PROBABILIDAD CONDICIONAL.
Tomando como referencia la fórmula de probabilidad condicional, despejando,
p (AՈE) = p (E) p (A|E) Teorema de la multiplicación para probabilidad condicional
Donde:

P (AՈE) = probabilidad de que ocurran A y E

P (E) = probabilidad de que ocurra E
P (A|E) = probabilidad de que ocurra el evento A dado que el evento E ya ocurrió

Ejemplos:
En un lote de producción hay 25 productos, 5 de los cuales tienen defectos menores y 9 tienen
defectos mayores, si se toman de este lote tres productos uno tras otro, determine la
probabilidad de que:

a. El primer producto no tenga defectos y que el segundo y tercero tengan defectos mayores,
b. El primer producto tenga defectos menores, el segundo tenga defectos mayores y que el
tercero no tenga defectos,
c. El primer producto y el tercero no tengan defectos.
Solución:

a. Definiremos algunos eventos;

B1 = evento de que el primer producto seleccionado no tenga defectos
DM2 = evento de que el segundo producto seleccionado tenga defectos mayores
DM3 = evento de que el tercer producto seleccionado tenga defectos mayores
P (B1ՈDM2ՈDM3) = p (B1) p (DM2|B1) p (DM3|B1ՈDM2)
= (11/25)*(9/24)*(8/23)
= 0.44*0.375*0.347826
= 0.05739

Distribución binomial
Distribución de Bernoulli de parámetro
 Conclusión
La Estadística es una ciencia matemática que se utiliza para describir, analizar e
interpretar ciertas características de un conjunto de individuos llamado población.
Cuando nos referimos a muestra y población hablamos de conceptos relativos pero
estrechamente ligados. Una población es un todo y una muestra es una fracción o
segmento de ese todo.

Podemos dividir la estadística en dos ramas; la estadística descriptiva, que se dedica a

los métodos de recolección, descripción, visualización y resumen de datos originados a
partir de los fenómenos en estudio; y la estadística inferencial, que se dedica a la
generación de los modelos, inferencias y predicciones asociadas a los fenómenos en
cuestión.

La estadística trata en primer lugar, de acumular la masa de datos numéricos

provenientes de la observación de multitud de fenómenos, procesándolos de forma
razonable. Mediante la teoría de la probabilidad analiza y explora la estructura
matemática subyacente al fenómeno del que estos datos provienen y, trata de sacar
conclusiones y predicciones que ayuden al mejor aprovechamiento del fenómeno.