ACTIVIDAD INVESTIGATIVA

Ing. Cesar Brango

Estudiante
Andry Liceth Feria Moreno

Código. 952110171

Grupo S5

Universidad autónoma del caribe

Barranquilla - Atlántico.
30/04/2022

1
 Índice

1. Índice…………………………………………………………………….2

2. Introducción……………………………………………………………..3

3. Objetivos………………………………………………………………...4

4. Investigacion……………………………………………………………5

5. General………………………………………………………………….8

6. Específicos……………………………………………………………...10

7. Marco teórico o contenido…………………………………………….14

8. Anexo……………………………………………………………………27

9. Conclusión o Análisis………………………………………………….28

10. Bibliografía……………………………………………………………...29

2
 Introducción

He visto cómo se pueden resumir los datos obtenidos del estudio de una (o una
población) en una tabla estadística o un gráfico. No obstante, tras la elaboración de
la tabla y su representación gráfica, en la mayoría de las ocasiones resulta más
eficaz “condensar” dicha información en algunos números que la expresen de
forma clara y concisa.

3
Objetivos

• Sintetizar conjuntos de datos mediante tablas o gráficos.

• Comprender la información del tema con el trabajaremos a lo largo de este

curso

• Interpretar los resultados para futuras encuestas que realizaremos.

• Aplicar apropiadamente los métodos estadísticos en la recolección de

información y procesos matemáticos básicos en lo que es cálculos
estadísticos.

4
Investigación

 Que es Probabilidad
Una de las características más especiales de los seres humanos, que nos diferencia
del resto de animales, es nuestra capacidad de “predicción”, de anticiparnos a los
acontecimientos que van a ocurrir. A veces fallamos, pero otras muchas no. Esta
capacidad nos ha permitido llegar hasta donde estamos hoy, pudiendo predecir tanto
peligros como oportunidades. Piénsalo, nuestros antepasado que eran capaces de
predecir el ataque de un depredador fueron los que sobrevivieron. Ahora, decenas de
miles de años después hemos dado un paso más y nos preguntamos ¿qué es la
probabilidad?

La probabilidad es el cálculo matemático que evalúa las posibilidades que existen de

que una cosa suceda cuando interviene el azar.

Vamos a plantear un par de ejemplos, porque la probabilidad -como tantos conceptos

en matemáticas, es una construcción abstracta, pero con ejemplos se entiende
mejor.

Si giras la siguiente ruleta, ¿en qué números se puede parar?

5
La ruleta se puede parar en un número del uno al cinco. Hemos construido, sin
darnos cuenta, lo que se llama un experimento (girar una ruleta) y el espacio
muestral (los números del uno al cinco). El espacio muestral es un conjunto que tiene
por elementos los sucesos que se pueden dar, esto es, los números del uno al cinco.

Por nuestras experiencias en el mundo de los juegos ya sabemos más cosas del
experimento anterior. Es posible que la ruleta se pare en uno de esos números y
es imposible que salga un ocho, por ejemplo. ¡Sabemos un montón de probabilidad y
no nos dábamos cuenta!

Vamos a plantear otro experimento, en otro contexto distinto:

Viendo este aparcamiento, si sale un coche de los que están aparcados, ¿de qué
color podría ser?

Las posibilidades están muy claras, del aparcamiento podría salir un coche rojo o un
coche amarillo. Es imposible que salga un coche verde, o una moto azul. Pero,
aunque es posible que salga un coche amarillo, hay mucha más probabilidad de que
sea rojo, porque hay muchos más coches rojos que amarillos.

Cómo se calcula la probabilidad

6
Para calcular la probabilidad, continuando con el ejemplo anterior, no hay más que
contar los coches que hay de cada color. Como 6 de los 7 coches del aparcamiento
son rojos, podemos plantearlo como una fracción: la probabilidad de que del
aparcamiento salga un coche rojo será una fracción con numerador 6 (el número de
coches rojos) y denominador 7 (el número total de coches).

La probabilidad de que salga un coche rojo sería igual a 67. La probabilidad de que
salga un coche amarillo sería igual a 17. La probabilidad de que salga un coche azul
sería 0, porque no hay coches azules aparcados.

Generalizando esta idea llegamos a cómo se calcula la probabilidad: con una

fracción que se suele llamar regla de Laplace. Ponemos en el numerador el número
de casos favorables y en el denominador el número de casos posibles.

Ya podemos calcular probabilidades de sucesos sencillos. Por ejemplo, podemos

hacer predicciones de las bolas que pueden salir de este bombo:

En el bombo hay 8 bolas:

La probabilidad de que salga una concreta de él es 18

7
Pero cuatro bolas son iguales, y tienen el número 5, por lo que la probabilidad de que
salga un cinco es 48. Si te piden que apuestes por algún resultado, el más probable
es el cinco.

Los matemáticos, viendo los beneficios que se pueden obtener de estas

predicciones, han desarrollado mucho este campo y, en Smartick también lo hemos
hecho, con una secuencia de ejercicios ordenados por nivel y que se adapta al
aprendizaje de cada uno.

Ejemplo: Lanzar una moneda al aire

Si lanzas una moneda la probabilidad de que salga cara es 12, fíjate que es la misma
de que salga cruz.

Ejemplo: Tirar un dado

Si lanzas un dado de seis caras la probabilidad de que salga un tres será 16.

8
También puedes calcular la probabilidad de que salga un número par, ya que las
caras que muestran un número par son 3 (2, 4 y 6) de un total de seis caras, es, por
tanto, 36=12

Para qué sirve la probabilidad

La probabilidad se utiliza en muchas áreas como las matemáticas, la estadística, la

física, la economía, las ciencias sociales, entre otras. Los primeros estudios de
probabilidad se desarrollaron para resolver problemas de juegos y es allí donde más
se nota su uso, porque te puede servir para tener más oportunidades de ganar, o
para ahorrarnos dinero (al no jugar a juegos en los que es muy probable perder).

9
  Experimentos aleatorios

Un experimento aleatorio es aquél en el que si lo repetimos con las mismas

condiciones iniciales no garantiza los mismos resultados. Así, por ejemplo, al lanzar
una moneda no sabemos si saldrá cara o cruz, al lanzar un dado no sabemos qué
número aparecerá, la extracción de las bolas de sorteos, loterías, etc. son
experiencias que consideramos aleatorias puesto que en ellas no podemos predecir
los resultados.
Por el contrario los experimentos deterministas son aquellos en que si se repiten las
mismas condiciones iniciales se garantiza el mismo resultado. Por ejemplo, un móvil
que circula a una velocidad constante durante un determinado tiempo, recorre
siempre el mismo espacio; una combinación de sustancias en determinadas
proporciones y temperatura producen siempre el mismo resultado de mezcla; un
examen con ninguna respuesta correcta produce siempre el mismo resultado:
CERO.

 Espacio muestral

Al conjunto formado por todos los posibles resultados elementales de un experimento

aleatorio se le denomina espacio muestral de dicho experimento.
Si consideramos como ejemplo el experimento consistente en el lanzamiento de una
moneda:

Los sucesos elementales son Cara (C) y Cruz (X).

10
El espacio muestral asociado a dicho experimento es: E = {C, X}.

En el siguiente vínculo puedes observar algunos ejemplos de espacios muestrales

Sucesos y tipos de sucesos

Se denomina suceso a cualquier subconjunto de un espacio muestral, es decir, a

cualquier posible resultado de un experimento aleatorio. Dentro de la gran
generalidad que entraña esta definición, se pueden destacar algunos casos
particulares de sucesos:

Suceso seguro.
El suceso seguro es aquél que está formado por todos los resultados posibles del
espacio muestral (E), es decir aquél que se realiza siempre.

Suceso imposible.
El suceso imposible es aquél que no ocurre nunca. Se expresa con el símbolo Ø.

Suceso elemental.
Un suceso se dice que es un suceso elemental si está formado por un único
elemento del espacio muestral.

Suceso compuesto.
Un suceso se dice que es un suceso compuesto si está formado por más de un
elemento del espacio muestral.

Suceso contrario o complementario

Se define el suceso contrario a A como el suceso que ocurre cuando no ocurre A.
Puede notarse como:

11
En la siguiente escena puedes observar cómo se construyen los espacios muéstrales
de algunos experimentos. Es recomendable que visualices todos los casos que se
plantean.

 Eventos y clases de eventos

Un evento es un subconjunto del espacio muestral de un experimento aleatorio. Los

eventos normalmente se denotan con las letras mayúsculas A, B, C; y tienen la
característica de ser subconjuntos de S ((A, B, C) Ì S). Los eventos pueden ser:

12
Se clasifican en:

Evento simple, siendo aquel que tiene un solo punto muestral.

Evento compuesto, siendo aquel que tiene dos o más puntos muéstrales.

Donde el punto muestral es cada uno de los resultados posibles de un experimento

aleatorio. Representándose al número de puntos muéstrales por #S.

Ejemplo:

Evento simple:

A: que salgan tres sellos.

A = {(S,S,S)}

#A = 1

Evento compuesto:

B: Que salgan al menos dos sellos.

B = {(S,S,S), (S,S,A), (S,A,S), (A,S,S)}

#B = 4

Ante estos conceptos es posible llegar a pensar que un evento y un punto muestral
son lo mismo, pero realmente no lo son. Un ejemplo claro se puede observar en el
lanzamiento del dado, un evento sería por ejemplo que salga número par, para lo

13
cual servirían los puntos muestrales {2} {4} {6}. De ahí las diferencias entre unos y
otros.

Operaciones básicas con eventos aleatorios

Ya que los eventos son subconjuntos del espacio muestral S, se pueden aplicar las
conocidas operaciones con conjuntos, a los eventos, como son la unión, la
intersección y la diferencia de eventos.

Operación Expresión Descripción

Unión AÈB Unión de eventos originales: es el evento

que sucede si y solo si A sucede o B
sucede o ambos suceden

Intersección AÇB Intersección de los eventos originales, es el

evento que sucede si y sólo si A y B
suceden simultáneamente.

Complemento AÌ = S - A El complemento de un conjunto son todos

aquellos elementos de S que no pertenecen
al conjunto A.

Diferencia A-B La diferencia de los eventos originales A y

B, es el evento que sucede solo en A pero
no en B.

Unión (A È B)

14
El evento formado por todos los elementos de A y todos los elementos de B. La
probabilidad de la unión de dos eventos es igual a la suma de las probabilidades
individuales de los dos eventos que se unen, menos la probabilidad del suceso
intersección.

Ejemplo: Al lanzar un dado al aire y analizar los siguientes dos eventos.

Evento A: que salga número par.

Evento B: que salga número impar.

La unión se forma por los puntos muestrales {1}, {2}, {3}, {4}, {5} y {6}.

Cuya probabilidad es

P(A) = 3 / 6 = 0.50

P(B) = 3 / 6 = 0.50

P (A Ç B) = 0 / 6 = 0.00

Por lo tanto (A È B) = (0.50 + 0.50) – 0.00 = 1.00

15
Intersección (A Ç B)

Es el evento formado por todos los elementos que son, a la vez, de A y de B. Es

aquel evento compuesto por los elementos comunes de los dos o más sucesos que
se intersectan. La probabilidad será igual a la probabilidad de los elementos
comunes.

Ejemplo: Al lanzar un dado al aire y analizar los siguientes dos eventos.

Evento A: que salga número par.

Evento B: que sea mayor que 3.

La intersección de estos dos eventos tiene los puntos muestrales {4}

y {6}.

Su probabilidad será por tanto P(A Ç B) = 2 / 6 = 0.33

16
Complemento (AÌ)

La probabilidad de un suceso complementario (A) es igual a 1 - P(A).

Ejemplo: Si se lanza un dado al aire y se analiza el evento que salga un número

impar su complementario, suceso (AÌ), es que obtengamos un número par.

De esta manera, la probabilidad de cada suceso es:

P(A) = 3 / 6 = 0.50

AÌ= 1 - P(A) = 1 – 0.50 = 0.50

La unión de dos eventos complementarios es igual a 1.

Diferencia (A - B)

La diferencia de eventos, A − B, es el evento formado por todos los puntos

muestrales de A que no son de B.

17
Ejemplo: Al lanzar un dado al aire y analizar los siguientes dos eventos.
Evento A: que salga número par.

Evento B: que sea múltiplo de 3.

A = {2, 4, 6}

B = {3, 6}

A − B = {2, 4}

 Variable independiente

Un variable independiente es una variable que representa una cantidad que se

modifica en un experimento.

A menudo xxx es la variable que se utiliza para representar la variable independiente

en una ecuación.

Ejemplo:

18
Estás haciendo tareas domésticos para ganar tu mesada. Por cada tarea que haces
obtienes \$3$3dollar sign, 3.

¿Cuál es la variable independiente?

La variable independiente es la cantidad de tareas que haces, pues esta es la

variable sobre la que tienes control.

 Variables dependientes

Una variable dependiente representa una cantidad cuyo valor depende de cómo se
modifica la variable independiente.

A menudo yyy es la variable que se utiliza para representar la variable dependiente

en una ecuación.

Ejemplo:

Utilicemos el mismo contexto.

Estás haciendo tareas domésticos para ganar tu mesada. Por cada tarea que haces
obtienes \$3$3dollar sign, 3.

¿Cuál es la variable dependiente?

La variable dependiente es la cantidad de dinero que obtienes, pues la cantidad de

dinero que ganas depende del número de tareas que hagas.

19
  Técnicas de Conteo

Las técnicas de conteo son una serie de métodos de probabilidad para contar el
número posible de arreglos dentro de un conjunto o varios conjuntos de objetos.
Estas se usan cuando realizar las cuentas de forma manual se convierte en algo
complicado debido a la gran cantidad de objetos y/o variables.

Por ejemplo, es muy sencillo la solución a este problema: imagínate que tu jefe te
pide que cuentes los últimos productos que han llegado en la última hora. En este
caso podrías ir y contar uno a uno los productos.

Sin embargo, imagina que el problema es este: tu jefe te pide que cuentes cuántos
grupos de 5 productos del mismo tipo pueden formarse con los que han llegado la
última hora. En este caso, el cálculo se complica. Para este tipo de situaciones se
utilizan las llamadas técnicas de conteo.

Estas técnicas son varias, pero las más importantes se dividen en dos principios
básicos, que son el multiplicativo y el aditivo; las permutaciones y las combinaciones.

 Principio multiplicativo

Aplicaciones

El principio multiplicativo, junto con el aditivo, son básicos para entender el

funcionamiento de las técnicas de conteo. En el caso del multiplicativo, consiste en lo
siguiente:

Imaginemos una actividad que conlleva un número concreto de pasos (el total lo
marcamos como “r”), donde el primer paso puede hacerse de N1 formas, el segundo
paso de N2, y el paso “r” de Nr formas. En este caso, la actividad podría realizarse
del número de formas resultante de esta operación: N1 x N2 x……….x Nr formas

20
Es por ello que este principio se llama multiplicativo, e implica que todos y cada uno
de los pasos que se necesitan para llevar a cabo la actividad deben de realizarse uno
tras otro.

Ejemplo

Vamos a imaginar a una persona que quiere construir un colegio. Para ello,
considera que la base del edificio puede construirse de dos maneras distintas,
cemento o concreto. En cuanto a las paredes, pueden ser de adobe, cemento o
ladrillo.

En cuanto al techo, este puede construirse de cemento o lámina galvanizada.

Finalmente, la pintura final sólo puede realizarse de una forma. La pregunta que se
plantea es la siguiente: ¿Cuántas formas tiene de construir el colegio?

En primer lugar, consideramos el número de pasos, que serían la base, las paredes,
el tejado y la pintura. En total, 4 pasos, por lo que r=4.

Lo siguiente sería enumerar las N:

N1= formas de construir la base=2

N2= formas de construir las paredes=3

N3= formas de hacer el tejado = 2

N4= formas de realizar pintura = 1

Por lo tanto, el número de formas posibles se calcularía mediante la fórmula antes

descrita:

21
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 formas de realizar el colegio.

 Principio aditivo

Aplicaciones

Este principio es muy simple, y consiste en que, en el caso de existir varias

alternativas de realizar una misma actividad, las formas posibles consisten en la
suma de las distintas formas posibles de realizar todas las alternativas.

Dicho de otra forma, si queremos realizar una actividad con tres alternativas, donde
la primera alternativa puede realizarse de M formas, la segunda de N formas y la
última de W formas, la actividad puede realizarse de: M + N +………+ W formas.

Ejemplo

Imaginemos esta vez a una persona que quiere comprar una raqueta de tenis. Para
ello, tiene tres marcas a elegir: Wilson, Babolat o Head.

Cuando va a la tienda ve que la raqueta Wilson puede comprarse con el mango de

dos tamaños distintos, L2 o L3 en cuatro modelos distintos y puede ser encordada o
sin encordar.

La raqueta Babolat, en cambio, tiene tres mangos (L1, L2 y L3), hay dos modelos
diferentes y puede también ser encordada o sin encordar.

La raqueta Head, por su parte, solo está con un mango, el L2, en dos modelos
diferentes y solo sin encordar. La pregunta es: ¿Cuántas formas tiene esta persona
de comprar su raqueta?

M = Número de formas de seleccionar una raqueta Wilson

22
N = Número de formas de seleccionar una raqueta Babolat

W = Número de formas de seleccionar una raqueta Head

Realizamos el principio multiplicador:

M = 2 x 4 x 2 = 16 formas

N = 3 x 2 x 2 = 12 formas

W = 1 x 2 x 1 = 2 formas

M + N + W = 16 + 12 + 2 = 30 formas de elegir una raqueta.

Para saber en qué momento hay que utilizar el principio multiplicativo y el aditivo,
únicamente hay que fijarse en si la actividad tiene una serie de pasos para realizarse,
y si existen varias alternativas, el aditivo.

Permutaciones

Aplicaciones

Para comprender qué es una permutación, es importante explicar qué es una

combinación para poder diferenciarlas y saber cuándo utilizarlas.

Una combinación sería un arreglo de elementos en los cuales no nos interesa la

posición que ocupa cada uno de ellos.

Una permutación, en cambio, sería un arreglo de elementos en los cuales sí nos

interesa la posición que ocupa cada uno de ellos.

23
Vamos a poner un ejemplo para entender mejor la diferencia.

Ejemplo

Imaginemos una clase con 35 alumnos, y con las siguientes situaciones:

El profesor quiere que tres de sus alumnos le ayuden a mantener la clase limpia o
entregar materiales a los otros alumnos cuando lo necesite.

El profesor quiere nombrar a los delegados de clase (un presidente, un asistente y un

financiero).

La solución sería la siguiente:

Imaginemos que por votación se elige a Juan, María y Lucía para limpiar la clase o
entregar los materiales. Obviamente, podrían haberse formado otros grupos de tres
personas, entre los 35 alumnos posibles.

Debemos preguntarnos lo siguiente: ¿es importante el orden o la posición que ocupa

cada uno de los alumnos a la hora de seleccionarlos?

Si lo pensamos, vemos que realmente no es importante, ya que el grupo va a

encargarse de las dos labores por igual. En este caso, se trata de una combinación,
ya que no nos interesa la posición de los elementos.

Ahora imaginemos que se eligen a Juan como presidente, a María como asistente y
a Lucía como financiera.

En este caso, ¿importaría el orden? La respuesta es sí, ya que si cambiamos los

elementos, cambia el resultado. Es decir, si en vez de poner a Juan como presidente,

24
le ponemos como asistente, y a María como presidente, el resultado final cambiaría.
En este caso se trata de una permutación.

Una vez comprendida la diferencia, vamos a obtener las fórmulas de las

permutaciones y de las combinaciones. Sin embargo, antes hay que definir el término
“n!” (ene factorial), ya que se utilizará en las distintas fórmulas.

n!= al producto desde 1 hasta n.

n!= 1 x 2 x 3 x 4 x………..x n

Utilizándolo con números reales:

10!=1 x 2 x 3 x 4 x………x 10=3,628,800

5!= 1 x 2 x 3 x 4 x………x 5=120

La fórmula de las permutaciones sería la siguiente:

nPr=n!/(n-r)!

Con ella podremos averiguar los arreglos donde el orden es importante, y donde los
n elementos son distintos.

 Combinaciones

Aplicaciones

Como hemos comentado anteriormente, las combinaciones son los arreglos en

donde no nos importa el la posición de los elementos.

25
 Su fórmula es la siguiente:

nCr=n!/(n-r)!r!

Ejemplo

Si existen 14 alumnos que quieren ser voluntarios para limpiar el aula, ¿cuántos
grupos de limpieza podrán formarse si cada grupo ha de ser de 5 personas?

La solución, por tanto, sería la siguiente:

n = 14, r = 5

14C5 = 14! / (14 – 5 )!5! = 14! / 9!5! = 14 x 13 x 12 x 11 x 10 x 9!/ 9!5!= 2002 grupos

Permutaciones y Combinaciones

Objetivo de Aprendizaje

 Usar el Principio Fundamental de Conteo para calcular permutaciones y combinaciones.

Introducción

Algunas situaciones de probabilidad implican múltiples eventos. Cuando uno de los eventos
afecta a otros, se llaman eventos dependientes. Por ejemplo, cuando objetos son escogidos
de una lista o grupo y no son devueltos, la primera elección reduce las opciones para futuras
elecciones.

Existen dos maneras de ordenar o combinar resultados de eventos dependientes.

Las permutaciones son agrupaciones en las que importa el orden de los objetos.
Las combinaciones son agrupaciones en las que el contenido importa pero el orden no.

Eventos Dependientes

26
Dos eventos son dependientes si el estado original de la situación cambia de un evento al
otro, y esto altera la probabilidad del segundo evento.

Los eventos dependientes ocurren cuando una acción elimina

un resultado posible, y el resultado no es devuelto antes de
que suceda una segunda acción. A esto se le llama elección
sin devolución.

Una forma de saber si eventos son dependientes o independientes es encontrar si un

resultado eliminado es devuelto (haciéndolos independientes) o no devuelto (haciéndolos
dependientes). Aquí hay algunos ejemplos .

Situación Evento Por qué los eventos

son dependientes

En una fiesta, sacas Sacar el nombre de John Una vez que sacas un nombre, no lo
cuatro papelitos con pones de nuevo en el conjunto de
nombres de invitados Sacar el nombre de Perna nombres de donde lo sacaste. Cada
para formar un equipo vez, hay un nombre menos en el
de 4 personas. ¿Cuál espacio muestral, y (si el evento
Sacar el nombre de Tosho
es la probabilidad de continúa ocurriendo) un nombre
que John, Perna, menos en el espacio de eventos. La
Sacar el nombre de Lee
Tosho, y Lee probabilidad de que un evento
quedarán en el suceda cambia con cada nueva
mismo equipo? sacada.

27
Sacas una canica de La primera sacada es roja. Estos eventos son
una bolsa con 2 La segunda sacada es
verde. dependientes porque no
canicas rojas, 2
devuelves la primera canica
blancas, y una verde.
Te quedas la canica y que sacaste. Quedan menos
luego sacas otra. canicas en el espacio
¿Cuál es la muestral, por lo que la
probabilidad de sacar probabilidad de sacar una
una canica roja y
canica verde es distinta para
luego sacar la canica
verde?
la segunda sacada que para
la primera.

Sacas dos cartas de Una carta es un 2. Como se sacan 2 cartas, la

un mazo estándar de Otra carta es un 2. probabilidad de que le primera sea 2
52 cartas. (En un es diferente de la probabilidad de
mazo estándar, cada que la segunda sea 2. (Menos
carta tiene un palo — cartas de donde escoger resulta en
corazones, picas, un espacio muestral más pequeño.)
diamantes, o tréboles
— y un rango — As,
2, 3, 4, 5, 6, 7, 8, 9,
10, Jota, Reina y Rey.
¿Cuál es la
probabilidad de que
ambas cartas sean
2s?

28
Beth tiene 10 pares de calcetines: 2 negros, 2 cafés, 3 blancos, 1 rojo, 1 azul, y 1
verde. Hoy quiere usar el par blanco, pero tiene prisa para llegar al trabajo, por lo que
agarra un para al azar. Si no es blanco, lo tirar a la cama y saca otro. Elige el
enunciado que mejor describe esta situación.

A) Los eventos son dependientes, porque Beth no elimina ninguno de los resultados.

B) Los eventos son dependientes, porque el resultado eliminado es devuelto después

de cada intento.

C) Los eventos son dependientes, porque un resultado es eliminado en cada intento

y no es devuelto.

A) Incorrecto. Cada vez, Beth toma uno de los resultados y lo deja fuera. Después
del primer intento, quedan sólo 9 pares de calcetines, por lo que la probabilidad de

sacar un par blanco cambia de a . Los eventos son dependientes, porque un

resultado es eliminado en cada intento y no es devuelto.

B) Incorrecto. Si los resultado eliminados fueran devueltos, los eventos serían

independientes porque sus probabilidades no cambiarían. En cambio, cada vez, Beth
toma uno de los resultados y lo deja fuera. Después del primer intento, quedan sólo 9
pares de calcetines, por lo que la probabilidad de sacar un par blanco cambia

de a . Los eventos son dependientes, porque un resultado es eliminado en

cada intento y no es devuelto.

29
C) Correcto. Cada vez, Beth toma uno de los resultados y lo deja fuera. Después del
primer intento, quedan sólo 9 pares de calcetines, por lo que la probabilidad de sacar

un par blanco cambia de a

 Variables aleatorias discretas y continuas

Una variable aleatoria es una función que asigna un valor numérico, al resultado de
un experimento aleatorio. Una variable aleatoria puede ser discreta o continua. Las
variables aleatorias discretas son aquellas que presentan un número contable de
valores; por ejemplo, el número de personas que viven en una casa (pueden ser 3, 5
o 9). Las variables aleatorias continuas son aquellas que presentan un número
incontable de valores; por ejemplo, el peso de las vacas en una granja (una vaca
puede pesar 632,12 kg, otra puede pesar 583,12312 kg, otra 253,12012 kg, otra
198,0876 kg y nunca terminaríamos de enumerar todos los posibles valores). Como
estas definiciones son muy difíciles de entender a simple vista, vamos a explicarlas a
detalle.

 Variable aleatoria

Una variable aleatoria es una función que asigna un valor numérico, al resultado de
un experimento aleatorio. Recordemos que el resultado de un experimento aleatorio
depende del azar. Veamos los ejemplos.

Ejemplo 1 de variable aleatoria

Tenemos una moneda que en sus caras tiene por un lado un gato y por el otro, un
perro.

30
Vamos a realizar un experimento aleatorio que consiste en lanzar 2 monedas.
Colocaremos los resultados en el siguiente gráfico:

Definimos nuestra variable aleatoria X:

X = número de perros.

31
Ten en cuenta que la variable aleatoria siempre va con letras mayúsculas (en este
caso X), mientras que los valores de su rango siempre con letras minúsculas (en este
caso x1 , x2 , x3).

Los valores del rango de esta variable aleatoria son:

x1 = 0

x2 = 1

x3 = 2

En el dominio de la función tenemos el espacio muestral, es decir, todos los

resultados posibles de nuestro experimento aleatorio. Mientras que el rango tenemos
un conjunto de números reales.

Ejemplo 2 de variable aleatoria

En un banco hay 3 cajeros automáticos. Vamos a realizar un experimento aleatorio

que consiste en ir al banco a una hora al azar del día y ver qué cajeros están
ocupados y qué cajeros están vacíos.

32
Colocamos en el siguiente gráfico los resultados, los cajeros vacíos (V) irán de color
rojo y los ocupados (O) de color verde.

Definimos nuestra variable aleatoria Y:

Y = número de cajeros automáticos ocupados.

33
Ten en cuenta que la variable aleatoria siempre va con letras mayúsculas (en este
caso Y), mientras que los valores de su rango siempre con letras minúsculas (en este
caso y1 , y2 , y3, y4).

Los valores del rango de esta variable aleatoria son:

y1 = 0

y2 = 1

y3 = 2

y4 = 3

Las variables aleatorias se clasifican en discretas o continuas en función de los

valores numéricos que asumen. Veamos esto a detalle.

 Variable aleatoria discreta

34
Una variable aleatoria discreta es aquella que puede asumir un número contable de
valores.

Por ejemplo, si realizamos el experimento de salir a calle y seleccionar 10 personas

al azar para un examen sorpresa de matemáticas, podemos definir la variable
aleatoria A:

A = número de personas que aprobaron el examen.

Los valores que asume A (en su rango), van del 0 al 10 (0, 1, 2, 3, 4, 5, 6, 7, 8, 9,

10). El rango lo expresaríamos de la siguiente manera:

RA = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}

La variable aleatoria A asume un número contable de valores, por ello, es una

variable aleatoria discreta.

Otro ejemplo, vamos a realizar el experimento de registrar los automóviles a una

caseta de peaje. Podemos definir la variable aleatoria V:

V = número de vehículos que llegan durante el periodo de un día.

Los valores que asume V (en su rango), son 0, 1, 2, 3, 4, 5, …; así sean muchos
vehículos los que llegan, siempre podremos contar la cantidad de valores que asume
V. Por ello, la variable V es una variable aleatoria discreta.

 Variable aleatoria continua

Una variable aleatoria continua, es aquella que puede asumir un número incontable
de valores.

35
Por ejemplo, si realizamos el experimento de ir a mi granja y estudiamos las
características de las vaquitas, podemos definir la variable aleatoria C:

B = peso de una vaca en la granja de Jorge (en kilogramos).

Alguna vaquita puede pesar 425,1872 kg; otra puede pesar 612,5874541 kg; otra
puede pesar 545,897512121 kg. Si tomamos más vacas, podríamos tener más
valores y nunca terminaríamos.

Se conoce que el becerro más pequeño tiene un peso de 30 kg, y la vaca más
grande tiene un peso de 1000 kg.

Y así, tendríamos un número incontable de valores para el rango de esta variable. El

rango de esta variable puede ser cualquier valor dentro del intervalo que va desde 30
kg hasta 1000 kg.

Por ello, se trata de una variable aleatoria continua.

Otro ejemplo, si vamos a una agencia del banco y registramos los datos de atención
a los clientes, podemos definir la variable aleatoria D:

36
D = tiempo de atención a los clientes del banco (en segundos).

Un cliente puede ser atentido en 24,123 s; otro cliente en 72,32142 s; otro en

51,123123 s. Si seguimos tomando más clientes, tendríamos más valores. Se
conoce además que el tiempo mínimo de atención en ventanilla es de 1 s y el tiempo
máximo es de 240 s.

Y así, tendríamos un número incontable de valores para el rango de esta variable. El

rango de esta variable puede ser cualquier valor dentro del intervalo que va desde 1
s hasta 240 s. Por ello, se trata de una variable aleatoria continua.

En general, las variables aleatorias discretas representan datos que provienen del
conteo del número de elementos, mientras que, las variables aleatorias continuas
representan datos que provienen de mediciones, por ejemplo, tiempo, peso, longitud,
etc.

37
38
Conclusión

En definitiva, todos los conceptos antes mencionados se analizaron de tal manera

de hacer más fácil su comprensión y entendimiento, ya que la estadística es un
método científico que pretende sacar conclusiones a partir de unas observaciones
hechas. Actúa como disciplina puente entre los modelos matemáticos y los
fenómenos reales proporcionando una metodología que evalúa y juzga los datos.

Esto nos proporcionara un mejor entendimiento para culminar este corte y la

totalidad de la asignatura de manera efectiva.

39
Bibliografía

 https://www.smartick.es/blog/matematicas/probabilidad-y-
estadistica/probabilidad-que-es/
 https://proyectodescartes.org/iCartesiLibri/materiales_didacticos/Introduccion
EstadisticaProbabilidad/3ESO/9SucesosOperacionesSucesos.html
 http://estadisticadelaprobabilidadivsemestre.blogspot.com/p/evento-y-clases-
de-evento.html
 https://www.youtube.com/watch?v=xYco67hkECs
 http://tsu-estadistica.blogspot.com.co/2013/02/eventos-aleatorios-y-espacio-
muestral.html
 https://www.youtube.com/watch?v=7xZ_kKMiqGU
 https://www.youtube.com/watch?v=xYco67hkECs
https://www.youtube.com/watch?v=sB561fsJGWA
 https://es.khanacademy.org/math/cc-sixth-grade-math/cc-6th-equations-and-
inequalities/cc-6th-dependent-independent/a/dependent-and-independent-
variables-review
 https://www.lifeder.com/tecnicas-de-conteo/
 Jeffrey, R.C., Probability and the Art of Judgment, Cambridge
University Press. (1992).
 William Feller, “An Introduction to Probability Theory and Its Applications“, (Vol
1), 3rd Ed, (1968), Wiley

 Hogg, Robert V.; Craig, Allen; McKean, Joseph W. (2004). Introduction

to Mathematical Statistics (6th ed.). Upper Saddle River: Pearson.
 https://content.nroc.org/Algebra.HTML5/U12L2T3/TopicText/es/text.html#:~:te
xt=Las%20permutaciones%20son%20agrupaciones%20en,importa%20pero
%20el%20orden%20no.&text=Dos%20eventos%20son%20dependientes%20
si,la%20probabilidad%20del%20segundo%20evento.
 https://matemovil.com/variable-aleatoria-discreta-y-continua/
 https://www.youtube.com/watch?v=_wonmKS4Blk&ab_channel=Matem%C3
%B3vil

40