REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA

EDUCACIÓN UNIVERSITARIA

UNIVERSIDAD POLITÉCNICA TERRITORIAL

DEL ESTADO BOLÍVAR

PROGRAMA NACIONAL DE FORMACIÓN EN INFORMÁTICA

UNIDAD CURRICULAR: MATEMÁTICAS

TALLERES

Profesor: Bachiller:

Ulises Castro Yurady Silva

C.I.19.332.236

CIUDAD BOLÍVAR, JULIO 2020

ALGEBRA DE BOOLE

 función booleana: es una función cuyo dominio son las palabras conformadas por

los valores binarios 0 ó 1 ("falso" o "verdadero", respectivamente), y
cuyo codominio son ambos valores 0 y 1.

Formalmente, son las funciones de la forma ƒ : Bn → B, donde B = {0,1} y n un entero no

negativo correspondiente a la aridad de la función.

 Literal: Es toda ocurrencia de una variable, ya sea complementada o sin

complementar, en una expresión de conmutación.

Por ejemplo, en la expresión de conmutación:

A·B+C·A+D+B·1
A, B, C y D son Variables.
A, B, C, A, D y B son Literales.
1 es una Constante.
RAELA Expresión Dual es:
(A + B) · (C + D) · 1

 término canónico de una función lógica a todo producto o suma en la cual

aparecen todas las variables en su forma directa o inversa. Una Función lógica que
está compuesta por operador lógico puede ser expresada en forma canónica usando
los conceptos de minterm y maxterm. Todas las funciones lógicas son expresables
en forma canónica, tanto como una "suma de minterms" como "producto de
maxterms". Esto permite un mejor análisis para la simplificación de dichas
funciones, lo que es de gran importancia para la minimización de circuitos
digitales.

 Suma de productos

Se puede decir que productos es la multiplicación booleana de variables o sus

complementos. Cuando dos o más productos se suman mediante la suma booleana, la
expresión se llama suma de productos.
Ejemplos:

AB + ABC
AB' + CD'
A'BC + AB'C' + ABC' + ABC

En una expresión de forma suma de productos, un el complemento no debe extenderse

sobre más de una variable, sin embargo, más de una variable puede estar afectada por el
complemento. Es decir, el término A'B'C' es válido, pero no el termino(ABC)'.

 Producto de sumas

Cuando dos o más términos de suma se multiplican, la expresión resultante recibe el

nombre de producto de sumas.

Ejemplos:

(A+B')(A+B+C)

(A' + B + C')(C+D)

(A+B+C)(C'+D')(A+B)

Su forma canónica (minitérmino) es la suma de productos de aquellos términos en los que

el valor de la expresión es uno. El resultado es:

F=ABC + ABC' + AB'C 

 En la expresión:

F=(A+B')(A+B+C)

Su forma canónica (maxitérmino) es el producto de sumas de aquellos términos en los que

el valor de la expresión es uno. El resultado es:

F=(A+B+C)(A+B+C')(A+B'+C)(A+B'+C')(A'+B+C)(A'+B+C')
EJERCICIO

Aplicando los Teoremas de Expansión Canónica, exprese la siguiente función: f(X + ȲZ)

a) Como suma de ms f= Σm( )10

b) Como producto de Maxtermino f= ΠM( )10

f= X + ȲZ

X +=1

Y+Ȳ=1

Z+=1

f= X.1.1+ Ȳ Z.1

f= X(Y+Ȳ) (Z+)+ ȲZ (X +)

f= (XY + X Ȳ) (Z+) + X Ȳ Z + Ȳ Z

f= X Y Z + X Ȳ Z + X Y  + X Ȳ  + X Ȳ Z +  Ȳ Z

f= X Y Z + X Ȳ Z + X Y  + X Ȳ  + Ȳ Z

f= 111+101+110+100+001

X Y Z F

0 0 0 0

0 0 1 1

0 1 0 0

0 1 1 0

1 0 0 1

1 0 1 1

1 1 0 1

1 1 1 1
suma de minterminos

f= Σm(1,4,5,6,7)10

X Y Z F

0 0 0 1

0 0 1 0

0 1 0 1

0 1 1 1

1 0 0 0

1 0 1 0

1 1 0 0

1 1 1 0

f= ΠM(0,2,3)10

f= (X+Y+Z) (X+ Ȳ+Z) (X+ Ȳ+)

maxtermino

ESTADÍSTICA

es una disciplina científica que se ocupa de la obtención, orden y análisis de un conjunto de

datos con el fin de obtener explicaciones y predicciones sobre fenómenos observados.

La estadística consiste en métodos, procedimientos y fórmulas que permiten recolectar

información para luego analizarla y extraer de ella conclusiones relevantes. Se puede decir
que es la Ciencia de los Datos y que su principal objetivo es mejorar la comprensión de los
hechos a partir de la información disponible.

1) Historia
Se puede afirmar que la Historia de la estadística comienza alrededor de 1749, aunque
con el tiempo, ha habido cambios en la interpretación de la palabra "estadística". En un
principio, el significado estaba restringido a la información acerca de los estados. Este
fue extendido posteriormente para incluir toda colección de información de cualquier
tipo, y más tarde fue extendido para incluir el análisis e interpretación de los datos. En
términos modernos, "estadística" significa tanto conjuntos de información recopilada,
por ejemplo registros de temperatura, contabilidad nacional, como trabajo analítico que
requiera inferencia estadística.

En el siglo XVIII, el término "estadística" designaba la colección sistemática de

datos demográficos y económicos por los estados. A principios del siglo XIX, el
significado de "estadística" fue ampliado para incluir la disciplina ocupada de recolectar,
resumir y analizar los datos. Hoy la estadística es ampliamente usada en el gobierno, los
negocios y todas las ciencias. Las computadoras electrónicas han acelerado la estadística
computacional y ha permitido a los estadísticos el desarrollo de métodos que usan recursos
informáticos intensivamente.

El término "estadística matemática" designa las teorías matemáticas de

la probabilidad e inferencia estadística, las cuales son usadas en la estadística aplicada. La
relación entre estadística y probabilidades se fue desarrollando con el tiempo. En el
siglo XIX, las estadísticas usaron de forma gradual la teoría de probabilidades, cuyos
resultados iníciales fueron encontrados en los siglos XVII y XVIII, particularmente en el
análisis de los juegos de azar (apuestas). Para 1800, la astronomía usaba modelos
probabilísticos y teorías estadísticas, particularmente el método de los mínimos cuadrados,
el cual fue inventado por Legendre y Gauss. La incipiente teoría de las probabilidades y
estadísticas fue sistematizada y extendida por Laplace; después de este, las probabilidades
y estadísticas han experimentado un continuo desarrollo. En el siglo XIX, el razonamiento
estadístico y los modelos probabilísticos fueron usados por las ciencias sociales para el
avance las nuevas ciencias de psicología experimental y sociología, y por las ciencias
físicas en termodinámica y mecánica estadística. El desarrollo del razonamiento estadístico
estuvo fuertemente relacionado con el desarrollo de la lógica inductiva y el método
científico.
 2) Tipos de estadística

Existen distintos tipos de estadística:

DESCRIPTIVA O DEDUCTIVA: esta clase de estadística se utiliza con el propósito de recolectar, des

pueden visualizarse de manera numérica y gráfica. Sin embargo, su uso se acota sólo al uso de la inform
se puede realizar ningún tipo de generalización.

INFERENCIA O INDUCTIVA: de manera contraria a la anterior, esta clase de estadística tiene la part
maneja, es posible realizar conclusiones y predicciones que incluyan a toda la población. Es decir, que lo
podrán ser extrapolados, y de esta forma realizar un pronóstico inclusivo. Las inferencias pueden presen
relaciones entre una serie de variables, estimaciones numéricas, entre otras.

APLICADA: Está conformada por las dos clases de estadísticas anteriores. Su objetivo consiste en deduc
determinada. Este tipo de estadística puede ser aplicada en cualquier área que no pertenezca a ella, tal com

ESTADÍSTICA MATEMÁTICA: se refiere al empleo de la estadística, pero desde un punto de vista fo

matemática y de la teoría de la probabilidad. Su uso es necesario debido a que los datos que maneja la est

3) Población
Una población estadística es el total de individuos o conjunto de ellos que presentan o
podrían presentar el rasgo característico que se desea estudiar.
Dentro de las poblaciones estadísticas, fundamentalmente dos tipos de poblaciones:

 Población estadística finita: Es aquella en la que el número de valores que la componen

tiene un fin. Por ejemplo, la población estadística que nos indica la cantidad de árboles de
una ciudad es finita. Es cierto que puede variar con el tiempo, pero en un instante
determinado es finita, tiene fin.
 Población estadística infinita: Se trata de aquella población que no tiene fin. Por ejemplo,
el número de planetas que existen en el universo. Aunque puede que sea finito, el número
es tan grande y desconocido que estadísticamente se asume como infinito.
Adicionalmente, dentro de esta gran clasificación, existen otros tipos de poblaciones.
Poblaciones según la distribución de los datos, según el tipo de dato (cualitativo o
cuantitativo), etc.

4) MUESTRA 

es un subconjunto de casos o individuos de una población. En diversas aplicaciones

interesa que una muestra sea, representativa y para ello debe escogerse una técnica de
muestra adecuada, que produzca una muestra aleatoria adecuada. También es un
subconjunto de la población, y para ser representativa, debe tener las mismas
características de la población. Si se obtiene una muestra sesgada su interés y utilidad
es más limitado, dependiendo del grado de sesgos que presente. 1

Como un subgrupo o subconjunto representativo de la población, extraída seleccionada por

algún método de muestreo. La muestra siempre es una parte de la población. Si se tienen
varias poblaciones, entonces se tendrán varias muestras. La muestra debe poseer toda la
información deseada para tener la posibilidad de extraerla, esto solo se puede lograr con
una buena selección de la muestra y un trabajo muy cuidadoso y de alta calidad en la
recogida de datos.

5) MARCO MUESTRAL 
es una lista de todos los elementos que componen el universo que queremos estudiar y
de la cual se extrae la muestra. Estos elementos a investigar pueden ser individuos,
pero también pueden ser hogares, instituciones o cualquier otra cosa susceptible de ser
investigada
6) VARIABLES CUALITATIVAS
 son aquellas que expresan características o cualidades, y no pueden ser medidas con
números. Por otro lado, las variables cuantitativas, son aquellas que se expresan
mediante un número, por tanto, se puede realizar operaciones aritméticas con ellas.
Ejemplos de variables cualitativas:

 La marca de los celulares de tus amigos.

 Red social preferida por los millenials.
 El color de ojos de los actores de una película.
 Posición en la que llega un corredor en la prueba de 100 metros planos.
 El curso favorito de tus amigos.
 Series de Netflix más vistas en tu país.
 La tienda de ropa preferida por los habitantes de una ciudad.

7) VARIABLES CUANTITATIVAS
Son aquellas que se expresan mediante un número, por tanto, se puede realizar operaciones
aritméticas con ellas. Puede ser discretas o continuas.
Ejemplos de variables cuantitativas:

 El peso de las vacas de una granja.

 Estatura de los habitantes de una ciudad.
 El número de hijos en una familia.
 Número de clientes atendidos en una tienda.
 Velocidad a la que avanza un tren.
 Cantidad de pulgas que tiene un perro.

Estadística Descriptiva
 datos no agrupados
son los datos sin procesar, y las estadísticas correctas pueden ser determinadas. Los
datos no agrupados son usualmente el punto de inicio de los análisis Es el conjunto de
datos obtenidos en la recopilación, una vez que se han recopilado los datos, el siguiente
paso consiste en organizarlos Cuando la muestra que se ha tomado de la población o
proceso que se desea analizar, es decir, tenemos menos de 20 elementos en la muestra,
entonces estos datos son analizados sin necesidad de formar clases con ellos y a esto es
a lo que se le llama tratamiento de datos no agrupados

 datos agrupados
significan que hay menos datos con los cuales trabajar y mis estadísticas serán
aproximadas. Los datos agrupados se refieren al hecho de que estén ordenados,
clasificados y contados Distribución o tabla de frecuencias Para agrupar u organizar un
conjunto de datos se construye una tabla llamada tabla de frecuencias o distribución de
frecuencias simple. El primer paso para organizar los datos consiste en identificar el
tipo de datos que se tienen, los cuales pueden ser cualitativos o cuantitativos. Cuando
los datos corresponden a valores cualitativos se clasifican en varias clases o categorías,
 que corresponden a las cualidades, valores o atributos obtenidos de cada elemento,
después se efectúa una tabulación, es decir, se realiza un conteo de los elementos, que
pertenece a cada clase o categoría. Para llevar un orden y no omitir algún valor, se
asigna una columna para la tabulación y se coloca una marca para cada elemento de la
muestra o población, donde corresponda su categoría.

 tabla de frecuencias (o distribución de frecuencias)

Es una tabla que muestra la distribución de los datos mediante sus frecuencias. Se utiliza
para variables cuantitativas o cualitativas ordinales.

La tabla de frecuencias es una herramienta que permite ordenar los datos de manera que se
presentan numéricamente las características de la distribución de un conjunto de datos
o muestra.

 intervalos de clase

Se emplean si las variables toman un número grande de valores o la variable es continua.

Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A
cada clase se le asigna su frecuencia correspondiente.

Los intervalos de clase se eligen también de forma que las marcas de clase coincidan con
datos realmente obsérvalo, esto tiende a aminorar el llamado ERROR DE
AGRUPAMIENTO.

 Frecuencia relativa

La frecuencia relativa es igual al número de veces que se repite un evento o sea la

frecuencia multiplicado por el 100% y dividida entre el total de los datos

Ejemplo:

Frecuencia* % = % Total de frecuencia 15* 100% = 1,500 = 90%

Es el total de la frecuencia relativa del 100% o 99% dependiendo de los decimales que
uses, si no te da tu ejercicio tiene algún error.
  Frecuencia acumulada

La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores

inferiores o iguales al valor considerado.

La frecuencia acumulada es la frecuencia estadística F(XXr) con que el valor de una

variable aleatoria (X) es menor que o igual a un valor de referencia (Xr).

La frecuencia acumulada relativa se deja escribir como Fc(X≤Xr), o en breve(Xr), y se

calcula de:

Fc (Hr) = HXr / N

donde MXr es el número de datos X con un valor menor que o igual a Xr, y N es número
total de los datos. En breve se escribe:

Fc = M / N

Cuando Xr=Xmin, donde Xmin es el valor mínimo observado, se ve que Fc=1/N, porque
M=1. Por otro lado, cuando Xr=Xmax, donde Xmax es el valor máximo observado, se ve
que Fc=1, porque M=N.

En porcentaje la ecuación es:

Fc(%) = 100 M / N

 Frecuencia relativa acumulada

La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de un

determinado valor y el número total de datos. Se puede expresar en tantos por ciento.
Ejemplo:

Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas
máximas:

32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 44
  Aproximación de numero de intervalos

la cantidad de intervalos se debe sacar la raíz cuadrada de la cantidad total de datos. -en la
amplitud se debe escoger el número menor y mayor;se restan y listo.

 Rango 

Es el intervalo entre el valor máximo y el valor mínimo; por ello, comparte unidades
con los datos. Permite obtener una idea de la dispersión de los datos, cuanto mayor es
el rango, aún más dispersos están los datos (sin considerar la afectación de los valores
extremos).

 Tamaño o anchura de un intervalo de clase

Es la diferencia entre los límites reales de clase que lo forman y se conoce como
anchura de clase, tamaño de clase o longitud de clase. Si todos los intervalos de clase
de una distribución de frecuencias tienen igual anchura, esta anchura común se
representa por c.

 Histograma 

Es una representación gráfica de una variable en forma de barras, donde la superficie

de cada barra es proporcional a la frecuencia de los valores representados. Sirven para
obtener una "primera vista" general, o panorama, de la distribución de la población, o
de la muestra, respecto a una característica, cuantitativa y continua (como la longitud o
el peso). De esta manera ofrece una visión de grupo permitiendo observar una
preferencia, o tendencia, por parte de la muestra o población por ubicarse hacia una
determinada región de valores dentro del espectro de valores posibles (sean infinitos o
no) que pueda adquirir la característica. Así pues, podemos evidenciar
comportamientos, observar el grado de homogeneidad, acuerdo o concisión entre los
valores de todas las partes que componen la población o la muestra, o, en
contraposición, poder observar el grado de variabilidad, y por ende, la dispersión de
todos los valores que toman las partes, también es posible no evidenciar ninguna
tendencia y obtener que cada miembro de la población toma por su lado y adquiere un
 valor de la característica aleatoriamente sin mostrar ninguna preferencia o tendencia,
entre otras cosas.

 Polígono de frecuencias 

Se forma uniendo los extremos de las barras de un diagrama de barras mediante

segmentos. También se puede realizar trazando los puntos que representan
las frecuencias y uniéndolos mediante segmentos

En estadística, una ojiva es un gráfico que muestra la curva de una función de distribución
acumulativa dibujada a mano. Los puntos trazados son el límite de la clase superior y la
frecuencia acumulativa correspondiente. La ojiva para la distribución normal se asemeja a
un lado de un arco arabesco u ojival. 

Ejercicio:
teniendo en cuenta lo investigado anteriormente, realizar Tabla de Frecuencias
resolviendo el siguiente problema:

Se desea determinar la cantidad de días que pasan los habitantes de Ciudad Bolívar sin
agua, para ello se tomo una muestra al azar de 40 personas a quienes se hizo la siguiente
pregunta:¿Cuantos días tiene que no le llega agua por tubería en su sector?

20 71 22 93 74 75 06 47

28 89 30 41 22 93 84 65

36 07 18 19 90 01 72 83

14 95 36 37 28 29 30 61

R=Xmax-Xmin

K= 1+3,322 log

A= R

R= 95-1
R= 94

K= 1+3,322 log 32

K= 6

A= 94

A= 15,66 ≈ =16

Intervalo de clases f fr % Fa Fr %

01-17 4 0,125 12,5 4 0,125 12,5

17-33 10 0,312 31,2 14 0,437 43,7

33-49 5 0,156 15,6 19 0,593 59,3

49-65 1 0,031 3,1 20 0,624 62,4

65-81 7 0,156 15,6 25 0,78 78

81-97 7 0,218 21,8 32 0,998 99,8

Fr1=F1= 4= 0,125

N 32

Fr2= 10= 0,312

32

Fr3= 5= 0,156

32

Fr4= 1= 0,031

32

Fr5= 5= 0,156
 32

Fr6= 7= 0,218

32

%1= Fr1X100= 12,5

%2= Fr2X100= 31,2

%3= Fr3X100= 15,6

%4= Fr4X100=3,1

%5= Fr5X100=15,6

%6= Fr6X100=21,8

Fa1= F1=4

Fa2=F1+F2=4+10=14

Fa3=F1+F2+F3=4+10+5=19

Fa4= F1+F2+F3+F4= 4+10+5+1=20

Fa5= F1+F2+F3+F4+F5=25

Fa6= F1+F2+F3+F4+F5+F6=32
INTRODUCCION A LA TEORIA DE PROBABILIDADES

La probabilidad asociada a un suceso o evento aleatorio es una medida del grado

de certidumbre de que dicho suceso pueda ocurrir. Se suele expresar como
un número entre 0 y 1 (o un porcentaje entre 0 % y 100 %), donde un suceso imposible
tiene probabilidad cero y un suceso seguro tiene probabilidad uno.

Una forma empírica de estimar probabilidades consiste en obtener la frecuencia con la que

sucede un determinado acontecimiento mediante la repetición de experimentos aleatorios,
bajo condiciones suficientemente estables. En algunos experimentos de los que se conocen
todos los resultados posibles, las probabilidades de estos sucesos pueden ser calculadas de
manera teórica, especialmente cuando todos son igualmente probables.

La teoría de la probabilidad es la rama de las matemáticas que estudia los experimentos o

fenómenos aleatorios. Se usa extensamente en áreas como la estadística, la física,
la matemática, las ciencias sociales, la Investigación médica, las finanzas, la economía y
la filosofía para sacar conclusiones sobre la probabilidad de sucesos potenciales y la
mecánica subyacente de sistemas complejos.

Tipos de probabilidades

 Frecuencial

Esta se determina acorde a la frecuencia de ocurrencia de un fenómeno, en un número

determinado de eventos auto realizados, donde se procede a llevar la anotación de las
mismas frecuencias.

Por ejemplo, se toma una chapa y se lanza 20 veces al aire, se anota las veces que la misma
ha caído con la cara hacia abajo y las veces que la misma ha caído con la cara hacia arriba.

 Matemática

Obedece a un conjunto de operaciones aritméticas que se lleva a cabo, las cuales ameritan
que se calculen en cifras los eventos aleatorios que pueden suceder en un determinado
campo.

Utilizando el ejemplo anterior, se calcularían las veces en las cuales la chapa cae boca
arriba o bien boca abajo.
  Binomial

En este caso, se calcula la posibilidad de éxito o de fracaso de un determinado acto, de

modo tal, que el cálculo va a residir en la cualidad de ocurrencia o no del fenómeno.

 Objetiva

Se conocen de antemano las frecuencias, de forma tal, que solo se conocerán los casos
probables en los que sucederá un fenómeno.

Es decir, acorde a esta probabilidad las condiciones necesarias para la existencia del hecho
ya son previamente conocidas, solamente se determinará un valor aproximado para los
casos posibles en que pueda acontecer el hecho.

 Geométrica

Muchos la han catalogado como un subtipo de la probabilidad matemática, y es aquella en

la cual, los científicos pueden conocer con exactitud las veces o casos favorables en los que
puede darse un evento.

 Subjetiva

Se contrapone a la probabilidad matemática, ya que en esta, solo es posible de determinar

por ciertas eventualidades, que pueden arrogar cierto grado de posibilidad en la ocurrencia
del hecho.

Ejemplo de ello, son las probabilidades que las personas citan en la vida cotidiana, como es
el caso, de indicar que existen probabilidades de que llueva de noche cuando el cielo se ve
despejado.

 Hipergeométrica

Aquella que se realiza acorde a la técnica del muestreo, es decir, la ocurrencia de los
eventos se clasifican por la frecuencia de su acontecimiento, creándose así una serie de
grupos de eventos determinados por su aparición.

Por ejemplo, se lanza un dado, y se anota las veces que sale cada una de sus caras, hasta
establecer una frecuencia de aparición de cada una de estas.
  Poisson

Mecanismo de cálculo de probabilidades más complejos, ya que pretende determinarlas en

espacio y en tiempo también.

 Lógica

Establece la posibilidad de ocurrencia de un hecho de forma inductiva, con arreglo a las

leyes de la lógica.

 Condicionada

En este caso, se establece la relación de causalidad entre dos hechos, ya que solo es posible
determinar la ocurrencia de uno, si el otro ha sucedido de forma previa.

 De intersección y De la unión

En este caso, se analiza la relación que puede establecerse entre dos hechos, es decir, se
selecciona un evento y otro, siendo posible considerar la existencia de un tercer hecho, si
estos dos suceden.

Es decir, al igual que la condicionada, se sujeta la existencia de un evento siempre y

cuando dos de los que le antecedan sucedan por igual.

Espacio muestral

consiste en el conjunto de todos los posibles resultados de un experimento aleatorio, junto

con una estructura sobre el mismo (ver más adelante).

Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio muestral es el

conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un evento o suceso es
cualquier subconjunto del espacio muestral con estructura de σ-álgebra,1 llamándose a los
sucesos que contengan un único elemento sucesos elementales. En el ejemplo, el suceso
"sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estaría formado por los
sucesos elementales {(cara, cara)} y {(cara, cruz)}.

Para algunos tipos de experimento puede haber dos o más espacios de muestreo posibles.
Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas, una posibilidad del
espacio de muestreo podría ser el número (del as al rey), mientras que otra posibilidad sería
el palo (diamantes, tréboles, corazones y picas). Una descripción completa de los
resultados, sin embargo, especificaría ambos valores, número y palo, y se podría construir
un espacio de muestreo que describiese cada carta individual como el producto
cartesiano de los dos espacios de muestreo descritos.

Evento aleatorio o fuente de sucesos aleatorio

 es un subconjunto de un espacio muestral, es decir, un conjunto de posibles resultados que

se pueden dar en un experimento aleatorio. En teoría de la probabilidad a cada evento
aleatorio se le puede asignar una medida de probabilidad, y el conjunto de todos los
sucesos aleatorios constituye una álgebra de conjuntos.

Tipos de eventos

 Evento o suceso elemental

Un suceso o evento simple es un subconjunto del espacio muestral formado por un único

elemento. Ejemplos de espacios muestrales y sucesos elementales:

 Si se trata de contar objetos y el espacio muestral S = {1, 2, 3, 4, 5, 6, 7, ...}

(los números naturales), entonces los sucesos elementales son cada uno de los
conjuntos {k}, donde k ∈
 Si se lanza una moneda dos veces, S = {cc, cs, sc, ss}, donde (c representa "sale cara" y
s, "sale cruz"), los sucesos elementales son {cc}, {cs}, {sc} y {ss}.
 Si X es una variable aleatoria normalmente distribuida, S = (-∞, +∞), los números

reales, los sucesos elementales son todos los conjuntos {x}, donde x ∈  .

Los sucesos elementales pueden tener probabilidades que son estrictamente mayores que
cero, no definidas o cualquier combinación de estas:

 Por ejemplo, la probabilidad de cualquier variable aleatoria discreta está determinada

por las probabilidades asignadas a los sucesos elementales del experimento que
determina la variable.
 Por otra parte, cualquier suceso elemental tiene probabilidad cero en cualquier variable
aleatoria absolutamente continua.
Propiedades de la probabilidad
1. La suma de las probabilidades de un suceso y su contrario vale 1.
2. Probabilidad del suceso imposible es cero.
3. La probabilidad de la unión de dos sucesos es la suma de sus probabilidades menos
la probabilidad de su intersección.
4. Si un suceso A está incluido en otro suceso B, entonces la probabilidad de A es
menor o igual a la probabilidad de B.
5. Si A1, A2, ..., Ak son incompatibles dos a dos
6. Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn}
 
 
Teoría Combinatoria

Es la parte de Matemáticas que se encarga de crear grupos de datos, objetos, etc., y además
de llevar a cabo los cálculos necesarios. Entre las diferentes formas que hay para llevar a
cabo estos agrupamientos tenemos las: Variaciones, Permutaciones y Combinaciones