1 Objetivo

Aplicar y simular algunas técnicas de conteo para determinar probabilidades.

2 Descripción

Cargar librerías
Generar datos a partir de la función source()
Aplicar técnicas de conteo aditivo y multiplicativo
Interpretar resultados de técnicas de conteo
Interpretar diagrama de árbol
Interpretar probabilidades elementales

3 Marco conceptual

3.1 ¿Que son las técnicas de conteo en probabilidad?

Las técnicas de conteo son estrategias matemáticas usadas en probabilidad y estadística que permiten determinar el número total de casos o eventos o situaciones a partir de contabilizar cada uno de ellos dentro de un espacio muestral.

El espacio muestral se define con una literal matemática S

3.1.1 Principio suma o aditivo

Contar cuántas ocasiones existe de un evento dentro de un espacio muestral.

Se tienen cuatro opciones a elegir en un espacio muestral identificada S, ¿Cual es el número de opciones?.

Imaginar que se tienen ciertas opciones ’A, B, C y D para desplazarse de un lugar a otro.

S <- c("A", 'B', 'C', 'D')
n.opciones <- length(S)
paste("El número total de opciones de S es cuatro.", n.opciones)

## [1] "El número total de opciones de S es cuatro. 4"

El principio aditivo significa contar las opciones.

¿En cuántas ocasiones existe A dentro de S?. Una ¿En cuántas ocasiones existe B dentro de S?. Una ¿En cuántas ocasiones existe C dentro de S?. Una.

Imaginar que se acude a una tienda de ropa se pueden elegir algún producto de entre varios de ellos; pantalones, camisas, playeras, zapatos.

Se identifica S nuevamente como espacio muestral que contiene todos los elementos de la muestra.

productos <- c('PANTALON', 'CAMISA', 'PLAYERA', 'ZAPATO')
productos

## [1] "PANTALON" "CAMISA"   "PLAYERA"  "ZAPATO"

n.productos <- length(productos)
paste("El número total de opciones de productos diferentes es: ", n.productos)

## [1] "El número total de opciones de productos diferentes es:  4"

3.1.2 Principio multiplicativo

Combina el principio aditivo con la operación de multiplicación.

Se trata de multiplicar las opciones de un tipo por las opciones de otro tipo y sumar los resultados de cada alternativa.

Se decide ir a una tienda de ropa, se puede adquirir, P Pantalones, C Camisas, P Playeras, Z Zapatos; existe por cada producto marcas de fabricantes específicas. De cada tipo de productos existen diferentes marcas X, Y y Z. De igual forma se puede elegir alguna talla de cualquier marca de algún tipo de productos.

La idea es determinar la cantidad de opciones que se tienen en total utilizando el principio multiplicativo.

¿Cuántas y cuáles opciones existen para elegir un sólo producto diferente?, Es el total de productos. Resp. cuatro opciones, un producto diferente de cada uno.
¿Cuántas opciones se tienen para elegir una marca de pantalón. Resp. tres
¿Cuántas opciones se tienen para elegir una marca de camisa. Resp. tres
¿Cuántas opciones se tienen para elegir una marca de playera. Resp. tres
¿Cuántas opciones se tienen para elegir una marca de zapato. Resp. tres

marcas <- c("X", "Y", "Z")
n.marcas <- length(marcas)
paste("Marcas diferentes a elegir son: ", n.marcas)

## [1] "Marcas diferentes a elegir son:  3"

¿Cuántas opciones existen para elegir un tipo de producto de alguna marca en particular?. Resp. \[ 4\text{ productos diferentes}\times 3\text{ marcas diferentes} = 12\]

paste("Alternativas de elegir producto y marca diferente son: ", n.productos * n.marcas)

## [1] "Alternativas de elegir producto y marca diferente son:  12"

Existe variedad en tallas de cada producto diferente, es decir, los pantalones, las camisas y las playeras tienen tallas diferentes, C Chica, M Mediana, G Grande, X Extra Grande:

De los pantalones existe talla C, M y G, son tres tallas
De las camisas existen tallas M y G, son dos tallas
De las playeras existen tallas C, M, G y X, son cuatro tallas
De los zapatos existen medidas 24, 25, 26, 27 y 28 en tallas centímetros., son cinco tallas o medidas.

tallas.PANTALON <- c("C", "M", "G")
tallas.CAMISAS <- c("M", "G")
tallas.PLAYERAS <- c("C", "M", "G", "X")

# Los zapatos tienen medidas particulares
tallas.ZAPATOS <- as.character(c(24:28))

tallas.PANTALON

## [1] "C" "M" "G"

tallas.CAMISAS

## [1] "M" "G"

tallas.PLAYERAS

## [1] "C" "M" "G" "X"

tallas.ZAPATOS

## [1] "24" "25" "26" "27" "28"

¿Cuántas opciones hay en total de elegir un producto distinto de marca diferente y de talla única?.

n.tallas.pantalones <- length(tallas.PANTALON)
n.tallas.camisas <- length(tallas.CAMISAS)
n.tallas.playeras <- length(tallas.PLAYERAS)
n.tallas.zapatos <- length(tallas.ZAPATOS)

n.opciones <- (n.marcas * n.tallas.pantalones)  + (n.marcas * n.tallas.camisas) + (n.marcas * n.tallas.playeras) + (n.marcas * n.tallas.zapatos)

paste("Existen varias alternativas de elegir producto, marca y talla diferente, son: ", n.opciones)

## [1] "Existen varias alternativas de elegir producto, marca y talla diferente, son:  42"

\[ opciones = (n.marcas \times n.tallas.pantalones) + (n.marcas \times n.tallas.camisas) + \\ (n.marcas \times n.tallas.playeras) + (n.marcas \times n.tallas.zapatos) \]

\[ (3 \times 3) + (3 \times 2) + \\ (3 \times 4) + (3 \times 5) = 42 \]

Si se multiplica el número de opciones de marcas de cada producto por sus correspondientes tallas y sumando parcialmente cada resultado para determinar finalmente el total de opciones.

Se aplica un principio aditivo y multiplicativo para encontrar la cantidad de opciones y poder elegir un producto de entre todo el espacio muestral S.

¿Que sucede si de entre todos los productos hay alternativas de seleccionar para el género femenino y para el género masculino?

\[ opciones = (n.marcas \times n.tallas.pantalones \times n.generos) + (n.marcas \times n.tallas.camisas\times n.generos) + \\ (n.marcas \times n.tallas.playeras\times n.generos) + (n.marcas \times n.tallas.zapatos\times n.generos) \]

\[ (3 \times 3 \times 2) + (3 \times 2 \times 2) + \\ (3 \times 4 \times 2) + (3 \times 5 \times 2) = 84 \]

4 Desarrollo

4.1 Espacio muestral

Se visualiza todo el espacio muestral S

La función source() permite cargar funciones y scripts, para este ejemplo se carga un script que contiene la construcción del espacio muestral.

La función nrow() devuelve la cantidad de registros u observaciones de un data.frame.

source("https://raw.githubusercontent.com/rpizarrog/Probabilidad-y-EstadIstica-VIRTUAL-DISTANCIA/main/scripts/ESPACIO%20MUESTRAL%20pantalones%20camisas%20playeras%20zapatos.r")
S

##    productos marcas tallas   generos
## 1   PANTALON      X      C  Femenino
## 2   PANTALON      Y      C  Femenino
## 3   PANTALON      Z      C  Femenino
## 4   PANTALON      X      M  Femenino
## 5   PANTALON      Y      M  Femenino
## 6   PANTALON      Z      M  Femenino
## 7   PANTALON      X      G  Femenino
## 8   PANTALON      Y      G  Femenino
## 9   PANTALON      Z      G  Femenino
## 10  PANTALON      X      C Masculino
## 11  PANTALON      Y      C Masculino
## 12  PANTALON      Z      C Masculino
## 13  PANTALON      X      M Masculino
## 14  PANTALON      Y      M Masculino
## 15  PANTALON      Z      M Masculino
## 16  PANTALON      X      G Masculino
## 17  PANTALON      Y      G Masculino
## 18  PANTALON      Z      G Masculino
## 19    CAMISA      X      M  Femenino
## 20    CAMISA      Y      M  Femenino
## 21    CAMISA      Z      M  Femenino
## 22    CAMISA      X      G  Femenino
## 23    CAMISA      Y      G  Femenino
## 24    CAMISA      Z      G  Femenino
## 25    CAMISA      X      M Masculino
## 26    CAMISA      Y      M Masculino
## 27    CAMISA      Z      M Masculino
## 28    CAMISA      X      G Masculino
## 29    CAMISA      Y      G Masculino
## 30    CAMISA      Z      G Masculino
## 31   PLAYERA      X      C  Femenino
## 32   PLAYERA      Y      C  Femenino
## 33   PLAYERA      Z      C  Femenino
## 34   PLAYERA      X      M  Femenino
## 35   PLAYERA      Y      M  Femenino
## 36   PLAYERA      Z      M  Femenino
## 37   PLAYERA      X      G  Femenino
## 38   PLAYERA      Y      G  Femenino
## 39   PLAYERA      Z      G  Femenino
## 40   PLAYERA      X      X  Femenino
## 41   PLAYERA      Y      X  Femenino
## 42   PLAYERA      Z      X  Femenino
## 43   PLAYERA      X      C Masculino
## 44   PLAYERA      Y      C Masculino
## 45   PLAYERA      Z      C Masculino
## 46   PLAYERA      X      M Masculino
## 47   PLAYERA      Y      M Masculino
## 48   PLAYERA      Z      M Masculino
## 49   PLAYERA      X      G Masculino
## 50   PLAYERA      Y      G Masculino
## 51   PLAYERA      Z      G Masculino
## 52   PLAYERA      X      X Masculino
## 53   PLAYERA      Y      X Masculino
## 54   PLAYERA      Z      X Masculino
## 55    ZAPATO      X     24  Femenino
## 56    ZAPATO      Y     24  Femenino
## 57    ZAPATO      Z     24  Femenino
## 58    ZAPATO      X     25  Femenino
## 59    ZAPATO      Y     25  Femenino
## 60    ZAPATO      Z     25  Femenino
## 61    ZAPATO      X     26  Femenino
## 62    ZAPATO      Y     26  Femenino
## 63    ZAPATO      Z     26  Femenino
## 64    ZAPATO      X     27  Femenino
## 65    ZAPATO      Y     27  Femenino
## 66    ZAPATO      Z     27  Femenino
## 67    ZAPATO      X     28  Femenino
## 68    ZAPATO      Y     28  Femenino
## 69    ZAPATO      Z     28  Femenino
## 70    ZAPATO      X     24 Masculino
## 71    ZAPATO      Y     24 Masculino
## 72    ZAPATO      Z     24 Masculino
## 73    ZAPATO      X     25 Masculino
## 74    ZAPATO      Y     25 Masculino
## 75    ZAPATO      Z     25 Masculino
## 76    ZAPATO      X     26 Masculino
## 77    ZAPATO      Y     26 Masculino
## 78    ZAPATO      Z     26 Masculino
## 79    ZAPATO      X     27 Masculino
## 80    ZAPATO      Y     27 Masculino
## 81    ZAPATO      Z     27 Masculino
## 82    ZAPATO      X     28 Masculino
## 83    ZAPATO      Y     28 Masculino
## 84    ZAPATO      Z     28 Masculino

N <- nrow(S) # nrow determina la cantidad de observaciones

En caso de que hubiese sólo un artículo de cada tipo de producto de cada marca de cada talla.

¿Cuántas opciones hay de elegir un pantalón de entre todo el espacio muestral? Resp. \(18 / 84 = 0.2142 = 21%\)
La función subset() en R significa hacer un filtro, entre paréntesis se le indica de cual data.frame procesar seguido de alguna condición que es precisamente la que hace el filtro. subset(data.frame, condicion)

producto <- "PANTALON"
productos <- subset(S, productos == producto)
productos

##    productos marcas tallas   generos
## 1   PANTALON      X      C  Femenino
## 2   PANTALON      Y      C  Femenino
## 3   PANTALON      Z      C  Femenino
## 4   PANTALON      X      M  Femenino
## 5   PANTALON      Y      M  Femenino
## 6   PANTALON      Z      M  Femenino
## 7   PANTALON      X      G  Femenino
## 8   PANTALON      Y      G  Femenino
## 9   PANTALON      Z      G  Femenino
## 10  PANTALON      X      C Masculino
## 11  PANTALON      Y      C Masculino
## 12  PANTALON      Z      C Masculino
## 13  PANTALON      X      M Masculino
## 14  PANTALON      Y      M Masculino
## 15  PANTALON      Z      M Masculino
## 16  PANTALON      X      G Masculino
## 17  PANTALON      Y      G Masculino
## 18  PANTALON      Z      G Masculino

n.productos <- nrow(productos)

paste("Existen ", n.productos, " opciones de elegir un(a) ", producto, " de entre todo el espacio muestral", ", representan ",  round(n.productos / N,4), " o sea ", round(n.productos / N * 100, 2), "%  del total del espacio muestral")

## [1] "Existen  18  opciones de elegir un(a)  PANTALON  de entre todo el espacio muestral , representan  0.2143  o sea  21.43 %  del total del espacio muestral"

¿Cuántas opciones hay de elegir una camisa de entre todo el espacio muestral? Resp. \(12 / 84 = 1428 = 14%\)

producto <- "CAMISA"
productos <- subset(S, productos == producto)
productos

##    productos marcas tallas   generos
## 19    CAMISA      X      M  Femenino
## 20    CAMISA      Y      M  Femenino
## 21    CAMISA      Z      M  Femenino
## 22    CAMISA      X      G  Femenino
## 23    CAMISA      Y      G  Femenino
## 24    CAMISA      Z      G  Femenino
## 25    CAMISA      X      M Masculino
## 26    CAMISA      Y      M Masculino
## 27    CAMISA      Z      M Masculino
## 28    CAMISA      X      G Masculino
## 29    CAMISA      Y      G Masculino
## 30    CAMISA      Z      G Masculino

n.productos <- nrow(productos)

paste("Existen ", n.productos, " opciones de elegir un(a) ", producto, " de entre todo el espacio muestral", ", representan ",  round(n.productos / N,4), " o sea ", round(n.productos / N * 100, 2), "%  del total del espacio muestral")

## [1] "Existen  12  opciones de elegir un(a)  CAMISA  de entre todo el espacio muestral , representan  0.1429  o sea  14.29 %  del total del espacio muestral"

¿Cuántas opciones hay de elegir una playera de entre todo el espacio muestral? Resp. \(24 / 84 = 0.2857= 28%\)

producto <- "PLAYERA"
productos <- subset(S, productos == producto)
productos

##    productos marcas tallas   generos
## 31   PLAYERA      X      C  Femenino
## 32   PLAYERA      Y      C  Femenino
## 33   PLAYERA      Z      C  Femenino
## 34   PLAYERA      X      M  Femenino
## 35   PLAYERA      Y      M  Femenino
## 36   PLAYERA      Z      M  Femenino
## 37   PLAYERA      X      G  Femenino
## 38   PLAYERA      Y      G  Femenino
## 39   PLAYERA      Z      G  Femenino
## 40   PLAYERA      X      X  Femenino
## 41   PLAYERA      Y      X  Femenino
## 42   PLAYERA      Z      X  Femenino
## 43   PLAYERA      X      C Masculino
## 44   PLAYERA      Y      C Masculino
## 45   PLAYERA      Z      C Masculino
## 46   PLAYERA      X      M Masculino
## 47   PLAYERA      Y      M Masculino
## 48   PLAYERA      Z      M Masculino
## 49   PLAYERA      X      G Masculino
## 50   PLAYERA      Y      G Masculino
## 51   PLAYERA      Z      G Masculino
## 52   PLAYERA      X      X Masculino
## 53   PLAYERA      Y      X Masculino
## 54   PLAYERA      Z      X Masculino

n.productos <- nrow(productos)

paste("Existen ", n.productos, " opciones de elegir un(a) ", producto, " de entre todo el espacio muestral", ", representan ",  round(n.productos / N,4), " o sea ", round(n.productos / N * 100, 2), "%  del total del espacio muestral")

## [1] "Existen  24  opciones de elegir un(a)  PLAYERA  de entre todo el espacio muestral , representan  0.2857  o sea  28.57 %  del total del espacio muestral"

¿Cuántas opciones hay de elegir un zapato de entre todo el espacio muestral? Resp. \(30 / 84 = 0.2857= 28%\)

producto <- "ZAPATO"
productos <- subset(S, productos == producto)
productos

##    productos marcas tallas   generos
## 55    ZAPATO      X     24  Femenino
## 56    ZAPATO      Y     24  Femenino
## 57    ZAPATO      Z     24  Femenino
## 58    ZAPATO      X     25  Femenino
## 59    ZAPATO      Y     25  Femenino
## 60    ZAPATO      Z     25  Femenino
## 61    ZAPATO      X     26  Femenino
## 62    ZAPATO      Y     26  Femenino
## 63    ZAPATO      Z     26  Femenino
## 64    ZAPATO      X     27  Femenino
## 65    ZAPATO      Y     27  Femenino
## 66    ZAPATO      Z     27  Femenino
## 67    ZAPATO      X     28  Femenino
## 68    ZAPATO      Y     28  Femenino
## 69    ZAPATO      Z     28  Femenino
## 70    ZAPATO      X     24 Masculino
## 71    ZAPATO      Y     24 Masculino
## 72    ZAPATO      Z     24 Masculino
## 73    ZAPATO      X     25 Masculino
## 74    ZAPATO      Y     25 Masculino
## 75    ZAPATO      Z     25 Masculino
## 76    ZAPATO      X     26 Masculino
## 77    ZAPATO      Y     26 Masculino
## 78    ZAPATO      Z     26 Masculino
## 79    ZAPATO      X     27 Masculino
## 80    ZAPATO      Y     27 Masculino
## 81    ZAPATO      Z     27 Masculino
## 82    ZAPATO      X     28 Masculino
## 83    ZAPATO      Y     28 Masculino
## 84    ZAPATO      Z     28 Masculino

n.productos <- nrow(productos)

paste("Existen ", n.productos, " opciones de elegir un(a) ", producto, " de entre todo el espacio muestral", ", representan ",  round(n.productos / N,4), " o sea ", round(n.productos / N * 100, 2), "%  del total del espacio muestral")

## [1] "Existen  30  opciones de elegir un(a)  ZAPATO  de entre todo el espacio muestral , representan  0.3571  o sea  35.71 %  del total del espacio muestral"

4.2 Diagrama de Árbol

Es una representación gráfica que permite representar probabilidades de un espacio muestral.

La suma de las frecuencias debe ser el total de los productos.
La suma de las frecuencias relativas o probabilidades relativas debe ser 1.
La suma de las probabilidades en valores % debe ser 100%.

5 Interpretación

1. ¿Para qué sirven técnicas de conteo aditivas y multiplicativas?

Las técnicas de conteo son unos métodos matemáticos que permiten saber cuántas combinaciones u opciones distintas se tienen de los elementos de dentro de un mismo grupo de objetos.

En el principio aditivo, en este caso, en vez de multiplicarse las alternativas para cada evento, lo que sucede es que se suman las varias formas en las que pueden ocurrir.

Esto quiere decir que si la primera actividad puede ocurrir de M formas, la segunda de N y la tercera L, entonces, de acuerdo a este principio, sería M + N + L.

Principio multiplicativo

Este tipo de técnica de conteo, junto con el principio aditivo, permiten comprender fácilmente y de forma práctica cómo funcionan estos métodos matemáticos.

Si un evento, llamémoslo N1, puede ocurrir de varias formas, y otro evento, N2, puede ocurrir de otras tantas, entonces, los eventos conjuntamente pueden ocurrir de N1 x N2 formas.

2. ¿Qué representa un diagrama de árbol e términos de probabilidad?

A veces, cuando los problemas de probabilidad son complejos, puede ser útil hacer un gráfico de la situación. Los diagramas de árbol y los diagramas de Venn son dos herramientas que pueden utilizarse para visualizar y resolver las probabilidades condicionales.

Un diagrama de árbol es un tipo especial de gráfico utilizado para determinar los resultados de un experimento. Consta de "ramas" que se identifican con frecuencias o probabilidades. Los diagramas de árbol pueden hacer que algunos problemas de probabilidad sean más fáciles de visualizar y resolver. El siguiente ejemplo ilustra cómo utilizar un diagrama de árbol.

3. ¿Cómo determinar probabilidades?

Para el cálculo de la probabilidad es necesario dividir el número de sucesos favorables entre el número total de sucesos posibles. Esto genera una muestra y, a partir de los datos obtenidos, se puede realizar el cálculo.

El cálculo de probabilidades se expresa en porcentaje y responde a la siguiente fórmula:

Probabilidad = Casos favorables / casos posibles x 100.

4. ¿Cuántas y cuáles ocasiones existen para elegir un producto que sea pantalón y del género Femenino?9, ¿cuál es su probabilidad?9/21

5. ¿Cuál es la probabilida de elegir una playera del género Masculino de talla G?3/28

6. ¿Cuál es la probabilidad de elegir una camisa del género Femenino talla CH?3/24

7. Existe probabilidad de elegir unos zapatos del número 22 o talla 22.

No existe la probabilidad

Caso 6.Técnicas de Conteo

Ángel Sánchez Alférez

2023-02-23