SlideShare uma empresa Scribd logo
1 de 10
Eventos aleatorios, espacio maestral y
        técnicas de conteo.

  PROCESOS INDUSTRIALES EN AREA
           MANOFACTURA
 Universidad Tecnológica de Torreón
EVENTOS ALEATORIOS
   Un evento se entiende como el acontecimiento de un
    hecho en proceso o por venir. Se dice que es
    aleatorio, si no es posible determinarlo con exactitud. En
    todo caso, será posible predecirlo con un nivel dado de
    confianza. Al evento también se le denomina un suceso
    o un fenómeno.

   Generalmente, se simula el evento por un conjunto de
    variables relacionadas entre si. Por lo tanto, un evento
    está representado con una o más variables vinculadas
    entre ellas.

   Si las variables (una o varias de éstas) no son
    predecibles con exactitud se dice que el evento es
    aleatorio. Generalmente las variables representan
    atributos y propiedades de los entes que intervienen en
    el evento, y que pueden ser medidos. De esta manera
    se dice que las variables tienen una magnitud.
   ≻ Evento aleatorio es aquel que bajo el mismo conjunto
    de Condiciones iniciales, puede presentar resultados
    diferentes – es decir, no se puede predecir el resultado
    de cada experiencia particular.
   • Ej.: Lanzamiento de un dado
   ≻ Un experimento se dice aleatorio si verifica las
    siguientes condiciones:
   – Es posible conocer previamente todos los posibles
    resultados asociados al experimento.
   – Es imposible predecir el resultado del mismo antes de
    realizarlo.
   – Es posible repetirlo bajo las mismas condiciones
    iniciales un número ilimitado de veces.
   ≻ A cada realización de un experimento se le llama
    experiencia o prueba.
ESPACIO MUESTRAL
 Un espacio muestral o espacio de
 muestreo es el conjunto de todos los
 resultados posibles de un experimento
 aleatorio. A cada uno de sus elementos
 se los denomina como punto muestral
 o, simplemente, muestra.
Por ejemplo:
   si el experimento consiste en arrojar un dado, el espacio
    muestral será el conjunto formado por los puntos
    muéstrales 1, 2, 3, 4, 5 y 6, ya que esos son los resultados
    posibles de la acción de arrojar el dado. Por lo tanto, el
    espacio muestral del experimento es U = {1, 2, 3, 4, 5, 6}.
   En algunos casos, los experimentos pueden tener dos o
    más espacios muestrales posibles. El experimento de tomar
    un naipe de una baraja española, por ejemplo, tiene un
    espacio de muestreo compuesto por los números y otro
    espacio muestral formado por los palos. La descripción
    más completa, pues, debería incluir ambos valores
    (número y palo) en un eje cartesiano.

   Los espacios muestrales pueden ser discretos (cuando el
    número de sucesos elementales es finito o numerable) o
    continuos (en los casos en que el número de sucesos
    elementales es infinito incontable).
TECNICAS DE CONTEO
   Si el número de posibles resultados de un experimento es
    pequeño, es relativamente fácil listar y contar todos los
    posibles resultados. Al tirar un dado, por ejemplo, hay seis
    posibles resultados.
   Si, 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.
   Las posibilidades serían, 5 niños, 4 niños y 1 niña, 3 niños y 2
    niñas, 2 niños y 3 niñas, etc. Para facilitar el conteo
    examinaremos tres técnicas: La técnica de la multiplicación,
    la técnica de la permutación, y la técnica de la
    combinación.
   La Técnica de la Multiplicación
   La técnica de la multiplicación: Si hay m formas de hacer una
    cosa y hay n formas de hacer otra cosa, hay m x n formas da
    hacer ambas cosas
   En términos de fórmula
   Número total de arreglos = m x n
   Esto puede ser extendido a más de dos eventos. Para tres
    eventos, m, n, y o:
   Número total de arreglos = m x n x o
Ejemplo:
   Un vendedor de autos quiere presentar a sus clientes todas las
    diferentes opciones con que cuenta: auto convertible, auto
    de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines
    deportivos o estándar. ¿Cuántos diferentes arreglos de autos
    y rines puede ofrecer el vendedor?
   Para solucionar el problema podemos emplear la técnica de
    la multiplicación, (donde m es número de modelos y n es el
    número de tipos de rin).
   Número total de arreglos = 3 x 2
   No fue difícil de listar y contar todos los posibles arreglos de
    modelos de autos y rines en este ejemplo. Suponga, sin
    embargo, que el vendedor tiene para ofrecer ocho modelos
    de auto y seis tipos de rines. Sería tedioso hacer un dibujo con
    todas las posibilidades. Aplicando la técnica de la
    multiplicación fácilmente realizamos el cálculo:
   Número total de arreglos = m x n = 8 x 6 = 48

Mais conteúdo relacionado

Mais procurados

DefinicióN Variable Aleatoria Discreta
DefinicióN Variable Aleatoria DiscretaDefinicióN Variable Aleatoria Discreta
DefinicióN Variable Aleatoria Discretajoeliv
 
Distribucion geometrica
Distribucion geometricaDistribucion geometrica
Distribucion geometricajavier
 
Poisson e hipergeometrica
Poisson e hipergeometricaPoisson e hipergeometrica
Poisson e hipergeometricaLuis Villa
 
Presentación distribuciones discretas denís cañas
Presentación distribuciones discretas denís cañasPresentación distribuciones discretas denís cañas
Presentación distribuciones discretas denís cañasDenis2014
 
Modelos para variable aleatoria discreta
Modelos para variable aleatoria discretaModelos para variable aleatoria discreta
Modelos para variable aleatoria discretaGuillermina Pose
 
Variables Aleatorias
Variables AleatoriasVariables Aleatorias
Variables Aleatoriasantoniovera
 
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...aaalexaaandraaa
 
Miguel peña (1) teoria de probabilidad
Miguel peña (1) teoria de probabilidadMiguel peña (1) teoria de probabilidad
Miguel peña (1) teoria de probabilidadMiguel De Jesus Peña
 
Distribución binoial, bernoulli
Distribución binoial, bernoulliDistribución binoial, bernoulli
Distribución binoial, bernoulliIvan Sldñ
 
Diferencias entre distribucion binomial y poisson
Diferencias entre distribucion binomial y poissonDiferencias entre distribucion binomial y poisson
Diferencias entre distribucion binomial y poissonITM
 
Presentación1 de diagrama de arbol
Presentación1 de diagrama de arbolPresentación1 de diagrama de arbol
Presentación1 de diagrama de arbolYadira Azpilcueta
 
Trabajo final lm
Trabajo final lmTrabajo final lm
Trabajo final lmLMartiinez
 
Formulas de probabilidades (3)
Formulas de probabilidades (3)Formulas de probabilidades (3)
Formulas de probabilidades (3)sistemas2013
 

Mais procurados (18)

DefinicióN Variable Aleatoria Discreta
DefinicióN Variable Aleatoria DiscretaDefinicióN Variable Aleatoria Discreta
DefinicióN Variable Aleatoria Discreta
 
Distribucion geometrica
Distribucion geometricaDistribucion geometrica
Distribucion geometrica
 
Poisson e hipergeometrica
Poisson e hipergeometricaPoisson e hipergeometrica
Poisson e hipergeometrica
 
Distribucion entrada 6
Distribucion entrada  6Distribucion entrada  6
Distribucion entrada 6
 
Presentación distribuciones discretas denís cañas
Presentación distribuciones discretas denís cañasPresentación distribuciones discretas denís cañas
Presentación distribuciones discretas denís cañas
 
Modelos para variable aleatoria discreta
Modelos para variable aleatoria discretaModelos para variable aleatoria discreta
Modelos para variable aleatoria discreta
 
Variables Aleatorias
Variables AleatoriasVariables Aleatorias
Variables Aleatorias
 
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
 
Miguel peña (1) teoria de probabilidad
Miguel peña (1) teoria de probabilidadMiguel peña (1) teoria de probabilidad
Miguel peña (1) teoria de probabilidad
 
Distribución binoial, bernoulli
Distribución binoial, bernoulliDistribución binoial, bernoulli
Distribución binoial, bernoulli
 
Distribucion poisson
Distribucion poissonDistribucion poisson
Distribucion poisson
 
Diferencias entre distribucion binomial y poisson
Diferencias entre distribucion binomial y poissonDiferencias entre distribucion binomial y poisson
Diferencias entre distribucion binomial y poisson
 
Presentación1 de diagrama de arbol
Presentación1 de diagrama de arbolPresentación1 de diagrama de arbol
Presentación1 de diagrama de arbol
 
Trabajo final lm
Trabajo final lmTrabajo final lm
Trabajo final lm
 
Probabilidades-Estadistica
Probabilidades-EstadisticaProbabilidades-Estadistica
Probabilidades-Estadistica
 
Variable aleatoria
Variable aleatoriaVariable aleatoria
Variable aleatoria
 
Formulas de probabilidades (3)
Formulas de probabilidades (3)Formulas de probabilidades (3)
Formulas de probabilidades (3)
 
Tablas de probabilidades discretas
Tablas de probabilidades discretasTablas de probabilidades discretas
Tablas de probabilidades discretas
 

Destaque

Muestreo Estadístico. Presentación diseñada por el MTRO. JAVIER SOLIS NOYOLA
Muestreo Estadístico. Presentación diseñada por el MTRO. JAVIER SOLIS NOYOLAMuestreo Estadístico. Presentación diseñada por el MTRO. JAVIER SOLIS NOYOLA
Muestreo Estadístico. Presentación diseñada por el MTRO. JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
Estadística, gráficos, tablas y estadígrafos.
Estadística, gráficos, tablas y estadígrafos.Estadística, gráficos, tablas y estadígrafos.
Estadística, gráficos, tablas y estadígrafos.Julia Bravo Gómez.
 
Elaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadísticaElaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadísticaGerardo Lagos
 

Destaque (6)

Espacios muestrales-2
Espacios muestrales-2Espacios muestrales-2
Espacios muestrales-2
 
Estadistica 2 2
Estadistica 2 2Estadistica 2 2
Estadistica 2 2
 
Muestreo Estadístico. Presentación diseñada por el MTRO. JAVIER SOLIS NOYOLA
Muestreo Estadístico. Presentación diseñada por el MTRO. JAVIER SOLIS NOYOLAMuestreo Estadístico. Presentación diseñada por el MTRO. JAVIER SOLIS NOYOLA
Muestreo Estadístico. Presentación diseñada por el MTRO. JAVIER SOLIS NOYOLA
 
Rango Intercuartil
Rango IntercuartilRango Intercuartil
Rango Intercuartil
 
Estadística, gráficos, tablas y estadígrafos.
Estadística, gráficos, tablas y estadígrafos.Estadística, gráficos, tablas y estadígrafos.
Estadística, gráficos, tablas y estadígrafos.
 
Elaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadísticaElaboración de tablas de frecuencia, estadística
Elaboración de tablas de frecuencia, estadística
 

Semelhante a Eventos aleatorios etc

Estadística aplicada aplicada a la ingeniería química semana 03 - 05
Estadística aplicada aplicada a la ingeniería química    semana 03 - 05Estadística aplicada aplicada a la ingeniería química    semana 03 - 05
Estadística aplicada aplicada a la ingeniería química semana 03 - 05Joselyn Belen Matias Brañez
 
Ejemplos sencillosdc
Ejemplos sencillosdcEjemplos sencillosdc
Ejemplos sencillosdcPaToDoMunos
 
eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.Carlos Eduardo Candela
 
ultimo trabajo de segunda unidad
ultimo trabajo de segunda unidadultimo trabajo de segunda unidad
ultimo trabajo de segunda unidadbere201991
 
Introducción a la Probabilidad
Introducción a la ProbabilidadIntroducción a la Probabilidad
Introducción a la ProbabilidadPaolo Castillo
 
Teoria de-probabilidad. TRABAJO DE ESTADISTICA
Teoria de-probabilidad. TRABAJO DE ESTADISTICATeoria de-probabilidad. TRABAJO DE ESTADISTICA
Teoria de-probabilidad. TRABAJO DE ESTADISTICAizquielar
 
Primera presentacion
Primera presentacionPrimera presentacion
Primera presentacionNancy Leal
 
Estadistica 5. Probabilidades
Estadistica   5. ProbabilidadesEstadistica   5. Probabilidades
Estadistica 5. ProbabilidadesEdward Ropero
 
Yoleidis medina estadistica seccion y.v probabilidades
Yoleidis medina estadistica seccion y.v  probabilidadesYoleidis medina estadistica seccion y.v  probabilidades
Yoleidis medina estadistica seccion y.v probabilidadesI.U.P. SANTIAGO MARIÑO
 
ELEMENTOS DE LA PROBABILIDAD
ELEMENTOS DE LA PROBABILIDAD ELEMENTOS DE LA PROBABILIDAD
ELEMENTOS DE LA PROBABILIDAD 1500743412
 

Semelhante a Eventos aleatorios etc (20)

Estadística aplicada aplicada a la ingeniería química semana 03 - 05
Estadística aplicada aplicada a la ingeniería química    semana 03 - 05Estadística aplicada aplicada a la ingeniería química    semana 03 - 05
Estadística aplicada aplicada a la ingeniería química semana 03 - 05
 
Ejemplos sencillosdc
Ejemplos sencillosdcEjemplos sencillosdc
Ejemplos sencillosdc
 
eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.
 
Alina isela2
Alina isela2Alina isela2
Alina isela2
 
Alina isela2
Alina isela2Alina isela2
Alina isela2
 
ultimo trabajo de segunda unidad
ultimo trabajo de segunda unidadultimo trabajo de segunda unidad
ultimo trabajo de segunda unidad
 
Estadisticadocx
EstadisticadocxEstadisticadocx
Estadisticadocx
 
Introducción a la Probabilidad
Introducción a la ProbabilidadIntroducción a la Probabilidad
Introducción a la Probabilidad
 
Teoria de-probabilidad. TRABAJO DE ESTADISTICA
Teoria de-probabilidad. TRABAJO DE ESTADISTICATeoria de-probabilidad. TRABAJO DE ESTADISTICA
Teoria de-probabilidad. TRABAJO DE ESTADISTICA
 
Ce ps 2-08.01.2011
Ce ps 2-08.01.2011Ce ps 2-08.01.2011
Ce ps 2-08.01.2011
 
PRESENTACION.
PRESENTACION.PRESENTACION.
PRESENTACION.
 
Primera presentacion
Primera presentacionPrimera presentacion
Primera presentacion
 
Estadis trab fin
Estadis trab finEstadis trab fin
Estadis trab fin
 
Estadistica 5. Probabilidades
Estadistica   5. ProbabilidadesEstadistica   5. Probabilidades
Estadistica 5. Probabilidades
 
Estadis trab fin
Estadis trab finEstadis trab fin
Estadis trab fin
 
Introduccion
IntroduccionIntroduccion
Introduccion
 
Procesos ..[1]
Procesos ..[1]Procesos ..[1]
Procesos ..[1]
 
Separata probabilidad
Separata probabilidadSeparata probabilidad
Separata probabilidad
 
Yoleidis medina estadistica seccion y.v probabilidades
Yoleidis medina estadistica seccion y.v  probabilidadesYoleidis medina estadistica seccion y.v  probabilidades
Yoleidis medina estadistica seccion y.v probabilidades
 
ELEMENTOS DE LA PROBABILIDAD
ELEMENTOS DE LA PROBABILIDAD ELEMENTOS DE LA PROBABILIDAD
ELEMENTOS DE LA PROBABILIDAD
 

Mais de Zoniia ALmanza

Elinaceptablecostodelosmalosjefes mayo 29 del 2012
Elinaceptablecostodelosmalosjefes mayo 29 del 2012Elinaceptablecostodelosmalosjefes mayo 29 del 2012
Elinaceptablecostodelosmalosjefes mayo 29 del 2012Zoniia ALmanza
 
Capacidadyhabilidaddelproceso 28 de mayo 2012
Capacidadyhabilidaddelproceso 28 de mayo 2012Capacidadyhabilidaddelproceso 28 de mayo 2012
Capacidadyhabilidaddelproceso 28 de mayo 2012Zoniia ALmanza
 
Domingo 27 de mayo datos aleatorios
Domingo 27 de mayo datos aleatoriosDomingo 27 de mayo datos aleatorios
Domingo 27 de mayo datos aleatoriosZoniia ALmanza
 
26 mayo ejemplos de correlacion y regresion simple
26 mayo ejemplos de correlacion y regresion simple26 mayo ejemplos de correlacion y regresion simple
26 mayo ejemplos de correlacion y regresion simpleZoniia ALmanza
 
21 mayo del 2012 chek list
21 mayo del 2012 chek list21 mayo del 2012 chek list
21 mayo del 2012 chek listZoniia ALmanza
 
2 mayo 50 palabras traducidas
2 mayo 50 palabras traducidas2 mayo 50 palabras traducidas
2 mayo 50 palabras traducidasZoniia ALmanza
 
Has gossip in the workplace ever improved someone
Has gossip in the workplace ever improved someoneHas gossip in the workplace ever improved someone
Has gossip in the workplace ever improved someoneZoniia ALmanza
 
¿Qué cosas importantes crees que deberías aprender y no estas aprendiendo par...
¿Qué cosas importantes crees que deberías aprender y no estas aprendiendo par...¿Qué cosas importantes crees que deberías aprender y no estas aprendiendo par...
¿Qué cosas importantes crees que deberías aprender y no estas aprendiendo par...Zoniia ALmanza
 
Intervalos de confianza p subir al blog
Intervalos de confianza p subir al blogIntervalos de confianza p subir al blog
Intervalos de confianza p subir al blogZoniia ALmanza
 
Tipos de pruebas de hipotesis para subir al blog
Tipos de pruebas de hipotesis para subir al blogTipos de pruebas de hipotesis para subir al blog
Tipos de pruebas de hipotesis para subir al blogZoniia ALmanza
 
EVENTOS ALEATORIOS CON AUDIO
EVENTOS ALEATORIOS CON AUDIOEVENTOS ALEATORIOS CON AUDIO
EVENTOS ALEATORIOS CON AUDIOZoniia ALmanza
 
Distrubuciones para subir al blog
Distrubuciones para subir al blogDistrubuciones para subir al blog
Distrubuciones para subir al blogZoniia ALmanza
 

Mais de Zoniia ALmanza (20)

Elinaceptablecostodelosmalosjefes mayo 29 del 2012
Elinaceptablecostodelosmalosjefes mayo 29 del 2012Elinaceptablecostodelosmalosjefes mayo 29 del 2012
Elinaceptablecostodelosmalosjefes mayo 29 del 2012
 
Capacidadyhabilidaddelproceso 28 de mayo 2012
Capacidadyhabilidaddelproceso 28 de mayo 2012Capacidadyhabilidaddelproceso 28 de mayo 2012
Capacidadyhabilidaddelproceso 28 de mayo 2012
 
Domingo 27 de mayo datos aleatorios
Domingo 27 de mayo datos aleatoriosDomingo 27 de mayo datos aleatorios
Domingo 27 de mayo datos aleatorios
 
26 mayo ejemplos de correlacion y regresion simple
26 mayo ejemplos de correlacion y regresion simple26 mayo ejemplos de correlacion y regresion simple
26 mayo ejemplos de correlacion y regresion simple
 
21 mayo del 2012 chek list
21 mayo del 2012 chek list21 mayo del 2012 chek list
21 mayo del 2012 chek list
 
21 mayo histogramas
21 mayo histogramas21 mayo histogramas
21 mayo histogramas
 
2 mayo 50 palabras traducidas
2 mayo 50 palabras traducidas2 mayo 50 palabras traducidas
2 mayo 50 palabras traducidas
 
2 mayoo
2 mayoo2 mayoo
2 mayoo
 
18 de mayo del 2012
18 de mayo del 201218 de mayo del 2012
18 de mayo del 2012
 
Has gossip in the workplace ever improved someone
Has gossip in the workplace ever improved someoneHas gossip in the workplace ever improved someone
Has gossip in the workplace ever improved someone
 
Trabajo soniia
Trabajo soniiaTrabajo soniia
Trabajo soniia
 
Trabajo soniia
Trabajo soniiaTrabajo soniia
Trabajo soniia
 
Trabajo soniia
Trabajo soniiaTrabajo soniia
Trabajo soniia
 
¿Qué cosas importantes crees que deberías aprender y no estas aprendiendo par...
¿Qué cosas importantes crees que deberías aprender y no estas aprendiendo par...¿Qué cosas importantes crees que deberías aprender y no estas aprendiendo par...
¿Qué cosas importantes crees que deberías aprender y no estas aprendiendo par...
 
Intervalos de confianza p subir al blog
Intervalos de confianza p subir al blogIntervalos de confianza p subir al blog
Intervalos de confianza p subir al blog
 
Tipos de pruebas de hipotesis para subir al blog
Tipos de pruebas de hipotesis para subir al blogTipos de pruebas de hipotesis para subir al blog
Tipos de pruebas de hipotesis para subir al blog
 
EVENTOS ALEATORIOS CON AUDIO
EVENTOS ALEATORIOS CON AUDIOEVENTOS ALEATORIOS CON AUDIO
EVENTOS ALEATORIOS CON AUDIO
 
Ejercicios resueltos
Ejercicios resueltosEjercicios resueltos
Ejercicios resueltos
 
`1 ejmplo de cada uno
`1 ejmplo de cada uno`1 ejmplo de cada uno
`1 ejmplo de cada uno
 
Distrubuciones para subir al blog
Distrubuciones para subir al blogDistrubuciones para subir al blog
Distrubuciones para subir al blog
 

Eventos aleatorios etc

  • 1. Eventos aleatorios, espacio maestral y técnicas de conteo. PROCESOS INDUSTRIALES EN AREA MANOFACTURA Universidad Tecnológica de Torreón
  • 3. Un evento se entiende como el acontecimiento de un hecho en proceso o por venir. Se dice que es aleatorio, si no es posible determinarlo con exactitud. En todo caso, será posible predecirlo con un nivel dado de confianza. Al evento también se le denomina un suceso o un fenómeno.  Generalmente, se simula el evento por un conjunto de variables relacionadas entre si. Por lo tanto, un evento está representado con una o más variables vinculadas entre ellas.  Si las variables (una o varias de éstas) no son predecibles con exactitud se dice que el evento es aleatorio. Generalmente las variables representan atributos y propiedades de los entes que intervienen en el evento, y que pueden ser medidos. De esta manera se dice que las variables tienen una magnitud.
  • 4. ≻ Evento aleatorio es aquel que bajo el mismo conjunto de Condiciones iniciales, puede presentar resultados diferentes – es decir, no se puede predecir el resultado de cada experiencia particular.  • Ej.: Lanzamiento de un dado  ≻ Un experimento se dice aleatorio si verifica las siguientes condiciones:  – Es posible conocer previamente todos los posibles resultados asociados al experimento.  – Es imposible predecir el resultado del mismo antes de realizarlo.  – Es posible repetirlo bajo las mismas condiciones iniciales un número ilimitado de veces.  ≻ A cada realización de un experimento se le llama experiencia o prueba.
  • 6.  Un espacio muestral o espacio de muestreo es el conjunto de todos los resultados posibles de un experimento aleatorio. A cada uno de sus elementos se los denomina como punto muestral o, simplemente, muestra.
  • 7. Por ejemplo:  si el experimento consiste en arrojar un dado, el espacio muestral será el conjunto formado por los puntos muéstrales 1, 2, 3, 4, 5 y 6, ya que esos son los resultados posibles de la acción de arrojar el dado. Por lo tanto, el espacio muestral del experimento es U = {1, 2, 3, 4, 5, 6}.  En algunos casos, los experimentos pueden tener dos o más espacios muestrales posibles. El experimento de tomar un naipe de una baraja española, por ejemplo, tiene un espacio de muestreo compuesto por los números y otro espacio muestral formado por los palos. La descripción más completa, pues, debería incluir ambos valores (número y palo) en un eje cartesiano.  Los espacios muestrales pueden ser discretos (cuando el número de sucesos elementales es finito o numerable) o continuos (en los casos en que el número de sucesos elementales es infinito incontable).
  • 9. Si el número de posibles resultados de un experimento es pequeño, es relativamente fácil listar y contar todos los posibles resultados. Al tirar un dado, por ejemplo, hay seis posibles resultados.  Si, 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.  Las posibilidades serían, 5 niños, 4 niños y 1 niña, 3 niños y 2 niñas, 2 niños y 3 niñas, etc. Para facilitar el conteo examinaremos tres técnicas: La técnica de la multiplicación, la técnica de la permutación, y la técnica de la combinación.  La Técnica de la Multiplicación  La técnica de la multiplicación: Si hay m formas de hacer una cosa y hay n formas de hacer otra cosa, hay m x n formas da hacer ambas cosas  En términos de fórmula  Número total de arreglos = m x n  Esto puede ser extendido a más de dos eventos. Para tres eventos, m, n, y o:  Número total de arreglos = m x n x o
  • 10. Ejemplo:  Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estándar. ¿Cuántos diferentes arreglos de autos y rines puede ofrecer el vendedor?  Para solucionar el problema podemos emplear la técnica de la multiplicación, (donde m es número de modelos y n es el número de tipos de rin).  Número total de arreglos = 3 x 2  No fue difícil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sería tedioso hacer un dibujo con todas las posibilidades. Aplicando la técnica de la multiplicación fácilmente realizamos el cálculo:  Número total de arreglos = m x n = 8 x 6 = 48