P. 1
Apuntes de Probabilidad

Apuntes de Probabilidad

|Views: 31|Likes:

More info:

Published by: Italia Chavez Valenzuela on Apr 23, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

12/03/2013

pdf

text

original

Sections

  • OPERACIONES CON CONJUNTOS
  • PRODUCTO CARTESIANO
  • DIAGRAMA DE ARBOL
  • PERMUTACIONES
  • COMBINACIONES
  • PROBABILIDAD CLASICA
  • PROBABILIDAD CONDICIONAL E INDEPENDENCIA
  • TEOREMA DE LA MULTIPLICACION
  • PROCESOS ESTOCRASTICOS FINITOS Y DIAGRAMA DE ARBOL
  • TEOREMA DE BAYES
  • DISTRIBUCION BINOMIAL. (Para variables discretas.)
  • DISTRIBUCION DE POISSON
  • FUNCIÓN DE DENSIDAD DE PROBABILIDAD (Para variables contínuas)
  • DISTRIBUCION NORMAL. (Maneja variables continuas)

PROBABILIDAD

INSTITUTO TECNOLOGICO DE TLALNEPANTLA.
SUBDIRECCION ACADEMICA
DEPTO. DE CIENCIAS BASICAS

APUNTES DE PROBABILIDAD
LIC. EN INFORMATICA
NUEVO MODELO

ELABORADOS POR: ING. ANA ELENA MIRANDA LÓPEZ
ENERO 2006 1

PROBABILIDAD

OBJETIVO GENERAL DEL CURSO:

EL ESTUDIANTE COMPRENDERÁ LOS FUNDAMENTOS TEÓRICOS DEL PENSAMIENTO PROBABILÍSTICO

UNIDAD I. TECNICAS DE CONTEO. I.1 Introducción. I.2. Principios de conteo: aditivo y multiplicativo. I.3. Diagramas de árbol. I.4. Permutaciones. I.5. Combinaciones. I.6. Ejercicios de aplicación. UNIDAD II. TEORIA DE LA PROBABILIDAD. II.1. Introducción. II.2. Eventos y espacio muestral. II.3. Axiomas y teoremas de la probabilidad. II.4. Espacio finito y equiprobable. II.5. Probabilidad condicional. II.6. Probabilidad total y teorema de Bayes. II.7. Independencia. II.8. Aplicaciones UNIDAD III. DISTRIBUCION DE PROBABILIDAD DISCRETA. III.1. Introducción III.2. Definición y clasificación de variable aleatorias. III.3. Distribución y esperanza. III.4. Varianza y desviación estándar III.5. Función de probabilidad discreta. III.6. Función de distribución acumulativa.. III.7. Distribución de probabilidad binomial. III.8. Distribución de probabilidad Poisson III.9. Aplicaciones UNIDAD IV. DISTRIBUCIONES DE PROBABILIDAD CONTINUA. IV.1 IV.2. IV.3. IV.4. IV.5. IV.6. IV.7. Introducción Función de densidad de probabilidad. Esperanza y Varianza de una variable aleatoria contínua. Distribución de probabilidad uniforme. Distribución de probabilidad exponencial. Distribución de probabilidad normal. Aproximación de la binomial a la normal.
2

PROBABILIDAD

TEORIA DE CONJUNTOS. Definición. Colección de elementos de cualquier tipo, personas, animales, libros, países, etc. que tienen algo en común y que están bien definidos. Estos objetos o elementos que forman parte de un conjunto, tienen una nomenclatura especial. Para trabajar con Teoría de Conjuntos necesitamos conocer el siguiente lenguaje: Conjunto Elementos Conjunto vacío Conjunto universal Pertenece No pertenece Subconjunto No es subconjunto Tal que Igual que No es igual que Menor que Mayor que Menor o igual que Mayor o igual que Reunión o Unión Intersección Complemento Para todo x Existe un x Implica Bicondicional (sí y solo sí) Es equivalente Conjunción (o) Disyunción (y) Hiperconjunto Relacionado o vinculado Semejante Infinito Adición Diferencia Número de elementos del conjunto A A,B,C... ó {a} a,b,c.... ∅, {} U,S ∈ ∉ ⊂ ⊄ / = ≠ < > ≤ ≥ ∪ ∩ A´, Ac ∀x ∃x ⇒ ⇔ ≡ ∧ ∨ ⊃ ℜ ∼ ∞ + n(A)
3

PROBABILIDAD

METODOS PARA DEFINIR UN CONJUNTO. A) Método de Extensión o de Enumeración. Este enumera cada uno de los elementos que forman el conjunto. B) Método de Comprensión. Este, por medio de una frase de comprensión (lo mas clara que sea posible) describe las características de los elementos del conjunto. Sea A = { a,e,i,o,u } ⇒ Método de extensión o de enumeración.
NOTA: Modo de leerse ( El conjunto A es igual al conjunto de a, e, i, o, u )

Podemos decir que a ∈ A, e ∈ A, i ∈ A, o ∈ A, u ∈ A ó 5 ∉ A A = {x/x es una vocal del alfabeto latino} ⇒ Método de comprensión.
NOTA: Modo de leerse ( El conjunto A es igual al conjunto de todas las x tal que x es una vocal del alfabeto latino )

Ejemplo: Sea 1. B = { 0,1,2,3.....9 } ---------------Finito B = { x/x es un numero entero positivo, 0 ≤ x ≤ 9 } 2. C = { x/x es un numero par entero positivo x ≥ 12 }------------Infinito C = { 12,14,16,18.....} 3. D = { x/x2 = 4, x = 1}-------------Vacío D= ∅ CONJUNTO UNIVERSO ( U, S ). Es el conjunto que tiene todos los elementos en cuestión (no es único) y es un conjunto de referencia. IGUALDAD DE CONJUNTOS. Un conjunto A es igual a un conjunto B, si ambos tienen los mismos elementos, es decir si cada elemento de A esta en B o si cada elemento de B esta en A. A=B⇔B=A Ejemplo: Sea A = {1, 2, 3, 4} , B = { 3, 1, 4, 2, 3 } ∴A=B

4

PROBABILIDAD

NOTA: En teoría de conjuntos no importa el orden en que aparezcan los elementos y además no podemos repetir elementos. SUBCONJUNTO ( ⊂ ). Si todo elemento de un conjunto A es también elemento de un conjunto B entonces se dice que A es subconjunto de B. A ⊂ B ⇒ A esta incluido en B ó A es un subconjunto de B. Ejemplos: Sean C = {1, 3, 5 } y ∴C⊂D ⇒
C es subconjunto de D ó

D = { 5, 4, 3, 2, 1 } D⊃C

NOTA: No existe reciprocidad.

D es un hiperconjunto de C.

Sean C = {1, 2, 3 } y D = { 1, 2, 1, 3 } ∴C⊂D , D⊂C ⇒C=D ó D=C Sean A = {a, e, i, o, u } y B = { e, i, o, u, f } ∴A⊄B n(A) = 5 n(B) = 5

NOTA: Si hay reciprocidad en conjuntos iguales.

NOTA: Distíngase conceptos diferentes, n(A) implica el número de elementos del conjunto A y no cuales son los elementos de A. CONJUNTO POTENCIA. Es la familia de todos los subconjuntos de un conjunto S, y se define: Conjunto Potencia S = 2n ∴ n = número de elementos de S Sea M = { a, b } ; Determinar en forma numérica la familia de subconjuntos y definirlos cada uno de ellos. Conjunto Potencia M = 22 = 4 subconjuntos Conjunto M = { a, b } Subconjuntos M = { a, b } {a} {b}
5

8} . 9} ∴A≠B Sean E = {x. s. El complemento de un conjunto A. 7. Si T = {4. x ∉ A } o bien Ac = { x/x ∉ A } Conclusión: (Ac)c = A Uc = ∅ ∅c = U 6 . es decir que ningún elemento de B esta en A y ningún elemento de A esta en B. Determine el conjunto potencia y defina la familia de subconjuntos. es el conjunto de los elementos de dicho conjunto universo que no pertenecen al conjunto A. 7. 8 } { 4. 8 } { 8. t } ∴E≠F ---------. 4. 3. 7. No tienen elementos comunes. 8} Subconjuntos T = { 4. 7.No son disyuntos. con respecto a un conjunto de referencia ( U ). Sean A = {1. Ac ). -----------Son disyuntos. y se define: Ac = {x/x ∈ U. 7. Conjunto Potencia T = 23 = 8 subconjuntos Conjunto T = {4. CONJUNTO COMPLEMENTO ( A’. 7 } {4} {7} {8} ∅ CONJUNTOS DISJUNTOS O DISYUNTOS.PROBABILIDAD ∅ Ejemplo: NOTA: El conjunto vacío es subconjunto de todos los conjuntos. z} y F = { r. 8} y B = {2. y. 7 } { 4.

2. 7. 8.3. Diagramas lineales.7. Representación Gráfica de conjuntos. 9.Conecta a los conjuntos por medio de segmentos de recta bajo el criterio de colocar el conjunto de mayor numero de elementos en primera posición y después desglosarlos. Ac = { x/x es un numero impar positivo entero. B) El conjunto A. 6. x ≤ 10 } Defina el complemento de A por el método de comprensión y el método de enumeración. 7 . Puntos: Elementos. Diagramas de Venn Euler.9} Ejercicio: La empresa “X” fabrica camisas de manga larga y corta.. Circulo: Conjuntos y sus relaciones. 4. si consideramos el conjunto A como todas las camisas de manga larga que fabrica la empresa “X” determinece: A) El conjunto U.PROBABILIDAD Ejemplos: Sean: S = {1. x ≤ 10 } Ac = {1. C) El conjunto Ac. 10} A = {x/x es un numero par positivo entero. A) U = { x/x es una camisa que fabrica la empresa “X” } B) A = { x/x es una camisa de manga larga que fabrica la empresa “X” } C) Ac = { x/x es una camisa de manga corta que fabrica la empresa “X” } REPRESENTACION GRAFICA DE CONJUNTOS. 5. 3.Representación con figuras Geométricas: Rectángulo: Conjunto Universo.5..

c } B = { a. A∪B= A⊂B INTERSECCION. b. simultáneamente } a) U A B b) U A B c) U B A 8 .PROBABILIDAD Sea A = { a. A ∩ B = { x/x ∈ A y x ∈ B. UNION. A ∪ B = { x/x ∈ A y/o x ∈ B } a) U A B b) U A B c) U B A A∪B= A∪B= A y B son disyuntos. b } A B Diagrama Lineal: ⇒B⊂A Diagrama de Venn: U A B B⊂A OPERACIONES CON CONJUNTOS.

b E B y se define por el método de comprensión de la siguiente forma: A X B = { (a.A – B ={ x/x ∈ A.b) / a ∈ A..PROBABILIDAD A∩B= DIFERENCIA. 1. x ∉ B } 2. b ∈ B } 9 .b) ⇒ a E A. 2 conjuntos.a) U A B A∩B=∅ A y B son disyuntos A∩B= B⊂A b) U A B c) U A B A-B= 2. Ac = { x/x ∉ A } ó { x/x ∈ U. que esta formado por todas las parejas ordenadas (a. el conjunto producto A y B o producto cartesiano A X B (A cruz B).. x ∉ A } 1.B – A ={ x/x ∈ B.a) A-B=A A y B son disyuntos b) U A B A-B=∅ U A B c) A B B-A= COMPLEMENTO. x ∉ A } a) U A B B-A= B B-A= b) U A B c) U A B Ac = Ac = Ac = PRODUCTO CARTESIANO. Sean A y B.

b ∈ B.b) } CONCLUSION: Se pueden brindar 6 opciones al consumidor.a)(1.1)(b.3) 10 . por ejemplo si tomo (a.2) (b.2) (a. Nos sirve para mostrar esquemáticamente todas las combinaciones posibles en un producto cartesiano.3) } B X A = { (1. Conjunto A a AXB b Conjunto B 1 2 3 1 2 3 Conjunto A X B (a.PROBABILIDAD A X B X C = { (a. Utilice el producto cartesiano para determinar cuantas opciones podemos brindarle al consumidor.1) (a.a)(2.1) (b.1)(a.3) (b. por estrategia considera lanzar el jabón en dos diferentes colores: azul y blanco y en tres diferentes tamaños: chico.3)(b.2)(b.2) significa un jabón azul en tamaño mediano.b)(2. c ∈ C } Ejemplo: En una empresa de artículos de tocador pretende lanzar al mercado un jabón de tocador.a)(3.2)(a. Azul = a =A Blanco = b Mediano = Grande = A X B = { (a.c) / a ∈ A. 2 3 =B Chico = 1 DIAGRAMA DE ARBOL.b. (según el ejemplo anterior).b)(3. mediano y grande.

.. y si después de efectuado un tercer evento puede realizarse de n 3 maneras diferentes.....nn 11 .nn! Principio Fundamental de Conteo. Permutación es la ordenación de un conjunto de “n” objetos tomados “r” a la vez en un orden dado.. TECNICAS DE CONTEO.r) = n! (n-r)! Cuando n = r Cuando n ≠ r P circular = (n-1)! P repetición = n! n1!·n2!·n3!·.. Si un evento puede realizarse de n 1 maneras diferentes. n = # de elementos del conjunto. • • PERMUTACIONES. r = # de elementos que se toman de vez en vez..PROBABILIDAD UNIDAD I. OBJETIVO. PERMUTACIONES. 3..r) = n! P (n.. P (n.... 4.... FORMULAS: 1. COMBINACIONES.El estudiante aplicará las técnicas de conteo en la solución de problemas. en que los eventos puedan realizarse en el orden indicado es el producto de: n1 · n2 · n3 · .... y si continuando el procedimiento un segundo evento se puede realizar de n2 maneras diferentes. 2.

n! Es el producto de los enteros positivos sucesivos desde “n” hasta 1.F tomadas de 3 a la vez.. n! = (n-2)(n-1) n ó n! = 1 · 2 · 3 · 4 · 5 . 9! = 9·8·7·6·5·4·3·2·1 = 362880 = 504. 3... 8.3) = 6! P(n.C... 6! 6·5·4·3·2·1 720 5! = 5·4·3·2·1 = 120 = 1 7! 7·6·5·4·3·2·1 5040 42 (3-3)! = 0! = 1 NOTA: El factorial de 0. 2. 9. 4. 7. en otras palabras hallar el numero de palabras diferentes que podemos formar con 3 letras. 0} 26 · 25 · 9 ·10 ·10 = 585... ¿Cuántas placas diferentes pueden grabarse? ch n1 · n2 · n3 · n4 · n5 solo quedan 2 Letras distintas 28 26 letras ll 26 25 9 10 10 DF MEX 3 dígitos.D.000 Placas diferentes.E. 5. n=6 r=3 P (6.. 6. 12 . Factorial de un Numero. 7! = 7 · 6 · 5 · 4 · 3 · 2 · 1 = 5040. donde el 1º ≠ 0 {1.. Ejemplos de Permutaciones: 1. es 1 por definición.PROBABILIDAD Ejemplo: Supongamos que una placa de automóvil consta de 2 letras distintas seguidas de 3 dígitos. Hallar el numero de permutaciones de las 6 letras siguientes: A. de las cuales el primero no puede ser 0.r) = n! (n-3)! = 6·5·4·3·2·1 = 120 palabras diferentes de 3 letras.B.n Ejercicio: Calcular.

(12-5)! 5·4·3·2·1 3.3) = 9! = 9·8·7·6·5·4·3·2·1 = 504 números diferentes de tres dígitos. 4. (9-3)! 6·5·4·3·2·1 Por el principio fundamental del conteo: n1 A) B) C) D) E) 9 6 8 8 8 · · · · · · n2 8 8 7 7 7 · · · · · · n3 7 7 4 5 1 = 504 números diferentes de tres dígitos. 8. = 56 números de 3 dígitos múltiplos de 5. = 224 números de 3 dígitos pares. 5.PROBABILIDAD (6-3)! 3·2·1 n1 · n2 · n3 120 palabras = diferentes de 3 letras Por el principio fundamental de conteo: 6 5 4 2. 7. = 280 números de 3 dígitos impares. B) Cuantos números de estos son mayores de 400. cuantos equipos diferentes se pueden formar para un torneo de basquet si son 5 gentes las que juegan. 2. 3. D) Cuantos números de estos son impares.5) = 12! = 12·11·10·9·8·7·6·5·4·3·2·1 = 95040 palabras diferentes de 3 letras. De un total de 12 personas. E) Cuantos números de estos son múltiplos de 5. = 336 números de 3 dígitos mayores de 400. n=9 r=3 A) P (9. 9 } A) Cuantos números se pueden formar. 13 . P (12. C) Cuantos números de estos son pares. 6. Si se toman números de 3 dígitos y tenemos un conjunto { 1.

e) Cuantas contienen la letra “I”..600 formas diferentes de sacar 3 cartas b) 52 · 51 · 50 sin sustitución.608 formas diferentes de sacar 3 cartas con sustitución. n = 52 r=3 a) 52 · 52 · 52 = 140.. Con la palabra “CRISTAL”: a) Hallar el número de palabras de 4 letras que se pueden formar. Solo trabajamos con las consonantes. f) Cuantas empiezan por “T” y terminan por vocal. 5.. d) Cuantas empiezan con vocal. b) Sin sustitución. a) Con sustitución.nn! P(rep) = 5! = 5 · 4 · 3 · 2 · 1 = 120 = 30 permutaciones diferentes. n=7 r=4 a) P (7.. 1! · 2! · 2! (2 · 1) · (2 · 1) 4 6.. n2A = 2 ..4) = 5! = 5·4·3·2·1 = 120 palabras de 4 letras que solo contienen consonantes 14 . g) Cuantas empiezan por “T” y contienen “S”. nT = 5 . Hallar el número de permutaciones que se pueden formar con todas las letras de la palabra “BARRA”. b) P (5. n1B = 1 . = 132. De cuantas maneras se pueden escoger 3 cartas sucesivas de una baraja de 52 cartas. b) Cuales de ellas solo contienen consonantes.4) = 7! = 7·6·5·4·3·2·1 = 840 palabras de 4 letras que se pueden formar con (7-4)! 3·2·1 las letras de la palabra “CRISTAL”. c) Cuantas empiezan y terminan con consonantes... h) Cuantas pueden tener ambas vocales. n3R = 2 P repetición = n! n1!·n2!·n3!·..PROBABILIDAD 4.

tomadas de la palabra “CRISTAL”. tomadas de la palabra “CRISTAL”. tomadas de la palabra “CRISTAL”. 400 palabras de 4 letras que empiezan y terminan con consonantes. 60 palabras de 4 letras que empiezan = por “t” y contienen “s”.PROBABILIDAD (5-4)! 1 tomadas de la palabra “CRISTAL”. 240 palabras de 4 letras que pueden = tener ambas vocales. tomadas la palabra “CRISTAL”. Por el principio fundamental del conteo: n1 5 · · n2 4 · · n3 3 · · n4 2 = 120 palabras de 4 letras que solo contienen consonantes tomadas de la palabra “CRISTAL”. 480 palabras de 4 letras que contienen = la letra “i”. tomadas de la palabra “CRISTAL”. c) 5 · 5 · 4 · 4 = d) 2 · 6 · 5 · 4 400 palabras de 4 letras que empiezan = con vocal. tomadas de la palabra “CRISTAL”. e) 4 · 6 · 5 · 4 f) 1 · 5 · 4 · 2 g) 1 · 5 · 4 · 3 h) 4 · 3 · 5 · 4 15 . 40 palabras de 4 letras que empiezan = por “t” y terminan por vocal.

r ) r! P(n. El número de combinaciones de “n” objetos tomador “r” a la vez lo denotamos: C(n.cdb.cba.r) = P ( n.bca.cda.bda bcd.r) = Si sustituimos el valor de: n! (n .bad.dab.c a.d) tomadas de 3 en 3.d Permutaciones abc.cab.r) Despejamos: C(n.adc.dca.bdc.r) = n = r n n-r Factores combinatorios.dcb acd.r) = r! C(n.PROBABILIDAD COMBINACIONES.b.dbc.cbd.r) = n! ∴C ( n.bac abd.r)! n! ( n − r )! r! C(n.c. esto es: Combinación a.d b.dba. r ) = r!( n − r )! 16 .b.c.cad Demostración: Si: P(n.dac.acb.r): C(n. Determinar el número de combinaciones de las 4 letras siguientes: (a.d a. Una combinación es una selección de “r” o de “n” objetos donde el orden no se toma en cuenta.adb.b. observamos que cada combinación que contenga 3 letras produce 3! Igual a 6 permutaciones diferentes.c.

enteros y positivos y se divide entre “r” factorial C(n.3) = 4! 4 x3 x 2 x1 24 = = = 4combinaciones.3) =   = = 4combinacionesde3letras 3 3 x 2 x1 O bien.PROBABILIDAD Si: n = 4 r=3 C(4.4) =   = 4  12 4 = 12·11·10·9 = 495 delegaciones diferentes de 4 estudiantes. usando el factor combinatorio simplificativo  4  4 4 C ( 4. n = 12 r=4 a) C 12  C (12. b) De cuantas maneras si 2 de los estudiantes son casados y solo asisten si van juntos.3) =  = = = 4combinacionesde3letras  4 − 3 1  1x1 Ejemplos de Combinaciones: 1. Una delegación de 4 estudiantes de un colegio se selecciona todos los años para asistir a la asamblea de estudiantes. 4·3·2·1 b) Los casados NO VAN. a) De cuantas maneras se puede escoger la delegación si hay 12 estudiantes elegibles. y 17 . de3letras 3!(4 − 3)! 3 x 2 x1(1x1) 6 NOTA: De igual manera las combinaciones se pueden calcular por el uso de los factores combinatorios como sigue: Su desarrollo consiste en formar un cociente donde el numerador inicia con el valor que marca “n” y se multiplican por tantos factores nos diga “r” decrecientes.r) = n = r n n-r 4 4 x3 x 2 C ( 4. c) De cuantas maneras si dos de los estudiantes no asisten al mismo tiempo.

4) =    =1  = 0 4    4  C 10 4 = 10·9·8·7 = 210 delegaciones diferentes donde no van los peleados. 4·3·2·1 SI VAN.4) =    = 1  = 2 2  2  C 10 2 = 10·9 = 45 delegaciones diferentes donde si van los casados. 4·3·2·1 los casados SI VAN. pero separados: 10 10 2  C (12. pero no separados: 10 10 2  C (12. 2·1 210 + 45 = 255 delegaciones diferentes donde los casados no se separan. = 120 delegaciones diferentes donde si va el otro. c) NO VAN: 10 10 2  C (12.4) =    = 2   = 1  3  3  C C 10 3 10 3 = 10·9·8 3·2·1 = 10·9·8 3·2·1 = 120 delegaciones diferentes donde si va uno. 2. Una clase consta de 9 niños y 3 niñas.4) =    =1  = 0 4  4  C 10 4 = 10·9·8·7 = 210 delegaciones diferentes donde no van los casados. a) De cuantas maneras el profesor puede escoger un comité de 4. 18 . 210 + 120 + 120 = 450 delegaciones diferentes donde dos estudiantes no asisten al mismo tiempo.PROBABILIDAD 10 10 2  C (12.

a) Cuantas palabras de 5 letras.PROBABILIDAD b) Cuantos comités constaran de 1 niña por lo menos. n2 = 3 niñas b) C C C n1 · n2 9 3 9 2 9 1 3 1 3 2 3 3 = 9·8·7 · 3 = 252 comités diferentes de 4 personas con 1 niña. El alfabeto ingles tiene 26 letras de las cuales 5 son vocales. 3. c) C n1 · n2 9 3 3 1 = 9·8·7 · 3 = 252 comités diferentes de 4 personas donde 3·2·1 1·1 exactamente hay una niña. 4·3·2·1 n1 = 9 niños. 19 . 2·1 2·1 9 · 3·2·1 = 9 comités diferentes de 4 personas con 3 niñas. 3·2·1 1·1 = = 9·8 · 3·2 = 108 comités diferentes de 4 personas con 2 niñas. b) Cuantas de estas contienen la letra “b”. n = 12 r=4 a) C 12 4 = 12·11·10·9 = 495 comités diferentes de 4 personas. c) Cuantos tendrán una niña exactamente. 3 consonantes y 2 vocales diferentes (consonantes y vocales) se pueden formar. 1·1 3·2·1 = 369 comités diferentes de 4 personas con por lo menos una niña.

· 4 = 4560 palabras de 5 letras con 3 1·1 consonantes y 2 vocales diferentes que empiezan por la letra “b” y acaban por la letra “a”. 20 2 5 2 = 5·4·3·2·1 · 20·19 · 5·4 = 228000 palabras de 5 letras con 3 2·1 2·1 consonantes y 2 vocales diferentes que contienen la letra “b” 21 3 5 2 = 5·4·3·2·1 · 21·20·19 · 5·4 = 120·1330·10 = 1596000 palabras 3·2·1 2·1 de 5 letras con 3 consonantes y 2 vocales diferentes.PROBABILIDAD c) Cuantas contienen la letra “b” y la “c”. d) 4! 19 1 5 2 = 4·3·2·1 · 19 1·1 · 5·4 = 4560 palabras de 5 letras con 3 2·1 consonantes y 2 vocales diferentes que empiezan por la letra “b” y contienen la letra “c”. 20 . TEORIA DE LA PROBABILIDAD. n = 26 r=5 a) n3 · n1 · n2 5! b) 5! c) 5! 19 1 5 2 = 5·4·3·2·1 · 19 1·1 · 5·4 = 22800 palabras de 5 letras con 3 2·1 consonantes y 2 vocales diferentes que contienen las letras “b” y ”c”. e) 3! 20 2 4 1 = 3·2·1 · 20·19 2·1 UNIDAD II. e) Cuantas empiezan por “a” y terminan con “b”. d) Cuantas empiezan por “b” y contienen la “c”.

Un evento “A” es un conjunto de resultados o en otras palabras es un subconjunto del espacio muestral “S” y normalmente se define por el método de comprensión para después definirlo por el método de enumeración. esto es un elemento de “S”. Si un evento puede suceder de “n” maneras diferentes de un total de “S” casos igualmente posibles entonces la probabilidad esta dada por la siguiente expresión. El ∅ y “S” de por si son eventos.  A ∩ B es el evento que sucede ⇔ A y B suceden simultáneamente. Por ejemplo al lanzar un dado común. P (A) = n S ∴ n = numero de casos favorables. 6 } Espacio reducido de A ( Todos los elementos que contiene solo el conjunto A ) El evento [a] que consta de una muestra simple y que además a ∈ S. 21 . 5. 4.PROBABILIDAD OBJETIVO: El estudiante aplicará los axiomas y teoremas de la probabilidad en la solución de problemas Definición. 6 } Todos los resultados posibles. Podemos combinar eventos para formar nuevos eventos. Probabilidad. S = numero de casos totales.  A ∪ B es el evento que sucede ⇔ A ó B o ambos suceden. se le llama punto muestral. se llama evento elemental. al ∅ algunas veces se le denomina el evento imposible y al conjunto “S” se le denomina el evento cierto o seguro. 2.  Ac es el evento que sucede ⇔ A no sucede. 4. Un resultado en particular. puede salir un numero par de 3 maneras diferentes de un total de 6 resultados igualmente posibles. 3. A = { x/x es un numero par al lanzar un dado } A = { Un numero par al lanzar un dado } ⇒ Forma simplificada A = { 2. El conjunto “S” de todos los resultados posibles de un experimento dado se le llama ESPACIO MUESTRAL. P (A) = 3/6 = ½ de posibilidad de que salga un par. S = { 1. es el estudio de experimentos aleatorios o libres de determinación.

6 } = S A∩C={2} Cc = { 1.. 5.. Para todo evento A: 0 ≤ P (A) ≤ 1 2. sea el evento A de salir un numero par y sea el evento B de salir un numero impar. La probabilidad del espacio muestral es: P (S) = 1 3.An) = P (A) + P (B) + .. A∩C.. Ejemplo: Láncese un dado y obsérvese el numero que aparece en la cara superior. 4. sea el evento C de salir un numero primo. Calcular A ∪B. Si A y B son 2 eventos 22 . 5 } C = { un numero primo } = { 2. 6 } A ∩ B = ∅ . Si A y B son 2 eventos P (A-B) = P(A) – P(A ∩ B) 5. 2. 5.A2. Si A y B son mutuamente exclusivos P (A ∪ B) = P (A) + P (B) 4... 3..A2.An son una serie de eventos mutuamente exclusivos P (A1.. Si ∅ es el conjunto vacío P (∅) = 0 2. 3. 3. Si A ⊂ B ∴ P (A) ≤ P (B) 4. 2. A∩B y diga como son A y B y porque. su espacio muestral es S = { 1. 4..... Axiomas de Probabilidad.. ya que no pueden suceder simultáneamente. Teoremas de Probabilidad. Cc. 1. P (n). 4..PROBABILIDAD Dos eventos A y B son llamados mutuamente exclusivos si son disyuntos ⇔ A ∩ B = ∅... 1. 6 } B = { un numero impar } = { 1. 3. 6 }.. Si Ac es el complemento de un evento A P (Ac) = 1 – P (A) 3. observamos que el espacio muestral consiste en los 6 números posibles. A y B son eventos mutuamente exclusivos. 4.. 5 } A ∪ B = { 1..... Si A1.. A = { un numero par } = { 2.

Casos totales. asa } = 3/8 P (3) = { aaa } = 1/8 P (0) = s s s ½ ½ ½ = 1/8 P (S) = P (0) + P (1) + P (2) + P (3) = 1 1 /8 + 3/8 + 3/8 + 1/8 = 8/8 = 1 A = { ssa. B) Determine el espacio reducido de A y B así como la probabilidad de A y B. 1. 2. Sea el evento A en el que aparece 1 águila por lo menos. aas. Pn = 1 Por lo que la probabilidad se define como: P (A) = numero de elementos de A numero de elementos de S ó ó P (A) = numero de maneras en que el evento de A puede suceder. Sea S un espacio muestral {a1. Pi ≥ 0 2. ass.. llamado de probabilidad y que satisface las siguientes propiedades.. numero de maneras en que el espacio muestral puede suceder. un espacio finito de probabilidad se obtiene al asignar a cada punto de ai. P1 + P2 +.a3.La suma de las Pi. obtenga el espacio de probabilidad para cada punto del espacio muestral.a2. ass. ass. 3} P (0) = { sss } = 1/8 P (1) = { ssa. sea B el evento en que aparecen todas águilas o todos soles..PROBABILIDAD P (A ∪ B) = P (A) + P (B) – P (A ∩ B) PROBABILIDAD CLASICA.. ssa. aas.Cada Pi es no negativo.. sss } ⇒ P (B) = 2/8 = 1/4 23 . 1. aas.an}. aaa} S = {0. el evento de S. Láncese 3 monedas y observe el numero de águilas que resulten: A) Defina el espacio muestral. sas. saa. asa. asa. saa. Ejemplos: 1.. S = {sss. aaa } ⇒ P (A) = 7/8 B = { aaa..... sas } = 3/8 P (2) = { saa. sas. P (A) = Casos favorables.. un numero real pi.

{ Seleccionar por lo menos un niño.(2) P (A) = 2 (2p) = 4p ----------. P ( B ) y P ( C ) ?. Una clase consta de 6 niñas y 10 niños. si se escoge al azar un comité de 3. ¿Cuál es la respectiva posibilidad de ganar. (2) y (3): P (C) = 1/7 P (B) = 2 (1/7) = 2/7 P (C) = 4 (1/7) = 4/7 P (S) = 4/7 + 2/7 + 1/7 = 7/7 =1 3.} Evento 1 { 6 niñas } ⇒ n1 Evento 2 { 10 niños } ⇒ n2 S = 16 3 = 560 comités diferentes de 3 personas.} IV. { Seleccionar por lo menos dos niñas. P (A) = 2 P(B) P (B) = 2 P(C) Si consideramos: P (C) = p Entonces: P (B) = 2p ---------------------. { Seleccionar 3 niños. { Seleccionar exactamente 2 niñas.PROBABILIDAD 2.(3) Sustituyendo (2) y (3) en la ec. P (S) = 1 P (S) = P (A) + P (B) + P (C) ----------------.(1) solo se considera a niños. P (C) = 1/7 Sustituyendo valores en ec. { Seleccionar exactamente 2 niños. cual es la probabilidad de: I. 3 caballos A. (1): 4p + 2p + p = 1 7p = 1 ∴ p = 1/7 ∴Si P (C) = p.B.} II. P ( A ).} V.} III. A tiene doble posibilidad de ganar que B y B el doble de ganar de C. I ) A = 10 3 = 120 comités de 3 niños 24 .C intervienen en una carrera.

35 % 560 4.42 % 560 IV ) D = 10 1 6 2 10 · 15 = 150 comités de 3 personas con 2 niñas exactamente.4821 ⇒ 48.21 % 560 n2 · n1 III ) C = 10 6 1 2 10 2 10 3 6 1 6 0 = 150 = 270 = 120 = 540 comités de 3 personas con 1 niño por lo menos.PROBABILIDAD P (A) = 120 = 3/14 = .78 % 560 V ) E = 10 1 10 0 6 2 6 3 = 150 = 20 = 170 comités de 3 personas con por lo menos 3 niñas. Hallar la probabilidad “p” de que: I.2142 ⇒ 21.3035 ⇒ 30. P (C) = 540 = 27/28 = .9642 ⇒ 96. 25 . Se sacan dos cartas al azar de una baraja corriente de 52 cartas. Las 2 sean espadas. P (B) = 270 = 27/56 = . P (D) = 150 = . P (E) = 170 = .2678 ⇒ 26.42 % 560 n2 · n1 II )B = 10 6 2 1 45 · 6 = 270 comités de 3 personas con 2 niños exactamente.

II. Se escogen al azar 3 lámparas entre 15 de las cuales 5 son defectuosas. S = 52 = 1326 muestras de 2 cartas.74 % 1326 5. Ninguna sea defectuosa.88 % 1326 II )B = 13 1 13 1 13 · 13 = 169 muestras diferentes de una espada y una corazón.PROBABILIDAD II. P (B) = 169 = .45 % 455 III) C = 5 1 5 2 10 2 10 1 = 225 = 100 26 . P (B) = 225 = .2637 ⇒ 26. 2 I ) A = 13 = 78 muestras de 2 cartas que son espadas. III. 2 P (A) = 78 = . I ) A = 10 3 = 120 muestras de 3 lámparas que no son defectuosas.37 % 455 II) B = 5 1 10 2 5 · 45 = 225 muestras de 3 lámparas con una defectuosa.4945 ⇒ 49.1274 ⇒ 12. Una por lo menos sea defectuosa. Una exactamente sea defectuosa. S = 15 3 = 455 muestras de 3 lámparas. P (A) = 120 = . Hallar la Probabilidad “p” de que: I.05882 ⇒ 5. Una sea espada y la otra corazón.

hallar la probabilidad de que la suma de sus números sea 10 o mayor.7361 ⇒ 73.(1. Si aparece un 5 en uno de los dos dados por lo menos. (1.1).(1.2). con probabilidad de E > 0. Se lanza un par de dados corrientes. S E A A ∩ E= # de elementos de A ∩ E P (A ∩ E) = A ∩ E S P (A / E) = P (E) = E S Ejemplos: A ∩ E S = E S A ∩ E E 1. la probabilidad de que un evento A suceda. en otras palabras la probabilidad de A dado el evento E se define como sigue: P (A / E) = P(A ∩ E ) P (E) P(A / E) = probabilidad de A dado el evento E.6) 27 .3). S = 36 formas o parejas ordenadas. Sea E un evento arbitrario de un espacio muestral S.(1. una vez que E haya sucedido. Si aparece un 5 en el primer dado.PROBABILIDAD 5 10 = 10 = 335 muestras de 3 lamparas que por lo menos es una defec3 0 tuosa P (C) = 335 = . II.(1. I.61 % 455 PROBABILIDAD CONDICIONAL E INDEPENDENCIA.5).4).(1.

7.2).(5.6)} = 6 A ∩ E = {(5.7.2.6)(6.6)(5.4)(5.5).6)(6.4.3.3)(5. E = 16 formas diferentes.6)(5.5)(2.3).1).5)} = 11 A ∩ E = {(5.5)(5.(5.1).4).(3.6) S= (4. 5.(3.5).5)(6.3)(5.5)} = 3 P (A / E) = P(A ∩ E) = A ∩ E = P (E) E 3 /11 de probabilidad que al lanzar un par de dados cualquiera de los dos dados salga 5 y que la suma de los dados sea 10 o mayor.2)(5.(4.(2.6)} = 2 P (A / E) = P(A ∩ E) = A ∩ E = 2/6 = 1/3 de probabilidad que al lanzar un par de P (E) E dados el primer dado salga 5 y que la suma de los 2 dados sea 10 o mayor.(4. Hallar la probabilidad de que ambos números sean impares.1)(5.5).3). 2.5)(4.5)(5.6.PROBABILIDAD (2.(6.(3.(4.(3.(5.2).(2.4).2).(4.(5.(3.(2.1)(5. Se escogen al azar 2 dígitos del 1 al 9 si la suma es par. 4.6)(1.(6. II ) A = {(4.(6.6)} = 6 E = {(5.2). 9 } Se escogen 2 dígitos del 1 al 9 A = { Ambos números sean impares } Pares = Impares = 4 2 5 2 = 6 muestras de dos dígitos pares.6)(6.5)(5. 8 } n2 = { 1.6) (3.(6.6) I ) A = {(4.(2.5).6)} = 6 E = {(5.(5.4)(6. {1. 6.1). = 10 muestras de dos dígitos impares.4).1). 28 .3).5)(5.4)(6.4)(5.(6.5)(6.5)(6.9} S= 9 2 = 36 muestras.4).(4.2).5)(5.1).6) (6.8. 3.3).3).(2.5)(5.6) (5.4).5.5). n1 = { 2.2)(5.5)(3.

10 2 = 45 muestras de 2 cartas. II.. III. 5 1 5 1 + 5 1 5 1 = 50 formas diferentes. P (B) = 50 = . Las cartas se sacan una después de la otra con sustitución.5555 ⇒ 55. P (A / E) = 10/16 = 0.50 ⇒ 50 % 100 TEOREMA DE LA MULTIPLICACION. Se sacan una tras otra sin sustitución. 5 1 5 1 + 5 1 5 1 = 50 formas diferentes.5 % 3.55 % 45 II ) 10 · 9 = 90 muestras de 2 cartas.5555 ⇒ 55. Las 2 cartas se sacan juntas. Hallar la probabilidad “p” de que la suma sea impar si: I. 29 . P (C) = 50 = .55 % 90 II ) 10 · 10 = 100 muestras de 2 cartas. ( A ∩ E ) = A  = 25 P (A / E ) = 25 = .PROBABILIDAD (A ∩ E) = 10 muestras de 2 dígitos.625 ⇒ 62. S = 10 2 I)E= = 45 muestras de 2 cartas.Se seleccionan al azar dos cartas entre 10 cartas numeradas de 1 a 10.

La primera blanca y las otras 2 rojas. II. 7 rojas 10 bolas (casos totales) 30 . A un jugador se le reparten 5 cartas una tras otra de una baraja de 52 cartas. Las dos primeras sean blancas y la tercera roja. cual es: 13 de tréboles.0495 % 3. 52 13 de diamantes..Intersección entre un elemento que es condicional y un particular. Que una sea roja. Una urna contiene 7 bolas rojas y 3 blancas. Hallar la probabilidad de: I. 13 de espadas. 13 de corazones. se sacan 3 bolas de la urna una tras otra. se toma al azar 3 artículos del lote uno tras otro. Las dos primeras sean rojas y la tercera blanca. IV. III. la probabilidad de que todas sean espadas. Un lote de 12 artículos tiene 4 defectuosos.2545 = 25.0004958 = . una blanca y la tercera roja. A = { Todas sean espadas } P (A) = 13/52 · 12/51 · 11/50 · 10/49 · 9/48 = . 4 defectuosos 12 8 no defectuosos A = { los 3 artículos sean no defectuosos } P (A) = 8/12 · 7/12 · 6/10 · 14/55 = . Hallar la probabilidad de que los 3 artículos sean defectuosos.PROBABILIDAD Para probabilidad condicional. Sea la P (A / E) = P (A ∩ E) P (E) P (A ∩ E) = P (A / E) P (E) Ejemplos: 1.45 % 2.

II.175 = 17.10 = 10 % PROCESOS ESTOCRASTICOS FINITOS Y DIAGRAMA DE ARBOL.05 = 5 % P (B) = .05 = .175 = 17. La clase consta de 4 niños y 3 niñas.83 % III ) P (C) = 3/10 · 7/9 · 6/8 = .175 = 17. 31 .05 = 5 % P (B2) = 3/6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = .05 + .02857 = 2.50 % II ) P (B) = 3/10 · 2/9 · 7/8 = .85 % II) ∇ ∇ ∇ = B1 ∇ ∇ ∇ = B2 P (B1) = 3 /6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = . Los estudiantes de una clase se escogen al azar uno tras otro para presentar un examen.50 % 4.PROBABILIDAD 3 blancas I ) P (A) = 7/10 · 6/9 · 3/8 = . I) ∇∇∇ P (A) = 4/7 · 3/6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = . ∇ = Niña. Hallar la probabilidad de que niños y niñas queden alternados si: I. = Niño.0583 = 5. La clase consta de 3 niños y 3 niñas.50 % IV ) P (D) = 7/10 · 3/9 · 6/8 = .

Hallar la probabilidad de que se escoja un numero par.6861 = 68.61 % ó por complemento P (B) = 1 .4296 = 42.0.38 % P (B) = 1/3 · 6/10 + 1/3 · 5/6 + 1/3 · 5/8 = 6/30 + 5/18 + 5/24 = . 32 .3138 = 0. si sale sol se escoge al azar un numero del 1 al 9 y si sale águila se escoge al azar un numero del 1 al 5. se obtiene por el diagrama de árbol y el teorema de la multiplicación. CAJA II – Contiene 6 lamparas de las cuales 1 son defectuosas. Ejemplos: 1.3138 = 31. Se lanza una moneda de modo que la probabilidad de que caiga sol es igual a 2/3 y la probabilidad de que caiga águila es de 1/3. I Cajas II III Defectuosos No defectuosos Defectuosos No defectuosos Defectuosos No defectuosos P (A) = 1/3 · 4/10 + 1/3 · 1/6 + 1/3 · 3/8 = 4/30 + 1/18 + 3/24 = . CAJA III – Contiene 8 lamparas de las cuales 3 son defectuosas. Pares Sol Nones Moneda Pares Águila Nones P (A) = 2/3 · 4/9 + 1/3 · 2/5 = 8/27 + 2/15 = . Se tienen las 3 cajas siguientes: CAJA I – Contiene 10 lamparas de las cuales 4 son defectuosas. Una manera de describirlo y saber la probabilidad de un evento.6861 2.PROBABILIDAD Es una sucesión finita de experimentos en los cuales cada experimento tiene un numero finito de resultados con probabilidades dadas.96 % TEOREMA DE BAYES.

esto es que los eventos Ai son mutuamente exclusivos y su unión es el espacio muestral.B y C producen respectivamente 50 %. y 20 % del numero total de artículos de una fabrica.2)(0. hallar la probabilidad de que provenga de la maquina A.. por lo tanto la probabilidad para cada evento Ai es la siguiente: P (Ai / B) = P (Ai) P (B / Ai) P (A1) P (B / A1) + P(A2) P (B / A2) + P (An) P (B / An) Ejemplos: 1. A2.05) = 0. ahora bien “B” es otro evento.4054 ⇒ 40.PROBABILIDAD A1 An B A6 A2 A3 A4 A5 Supongamos que los eventos A1. 33 . los porcentajes de desperfecto son: 3 %.54 % P (A / Def) = UNIDAD III. 3 Maquinas A. 30 %.3)(0. An forman parte de un espacio muestral S.03) (0.. y 5 %.. Si se selecciona al azar un articulo defectuoso.03) + (0. 4 %..5)(0.04) + (0. A Maquinas B C Defectuosos No defectuosos Defectuosos No defectuosos Defectuosos No defectuosos P (A / Def) = P (A) P (Def / A) P (A) P (Def / A) + P(B) P (Def / B) + P (C) P (Def / C) 0.5 (0. A3 .

34 .xn } Dichas variables son discretas de la siguiente manera.. Lanzar 3 monedas.Es una función que asocia números reales con cada evento del espacio muestral (también llamada función aleatoria). x (S) = { x1. x2. Ejemplo: Se lanza una moneda 2 veces. Ejemplos de Variables Continuas: Estatura.. OBJETIVO: El alumno aplicará los conceptos de las variables aleatorias discretas en la solución de problemas.... Variable Aleatoria. Ejemplos de Variables Discretas : Fumadores.. Dimensiones. Variables Aleatorias Variables continuas : Es la que toma un número infinito de valores no contables. x3. # de hijos.. DISTRIBUCIONES DE PROBABILIDAD DISCRETA. Punto muestral X aa 0 sa 1 as 1 ss 2 Variables discretas : Es la que toma un número infinito o finito de valores contables... Supóngase que “x” es una variable aleatoria de un espacio muestral S con un conjunto contable infinito...PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETA. f (x) = P (x = a) donde: f (x) = función de probabilidad. Peso.. reprecentese por “x” el numero de soles que resulten. se denota por “X” ó “Y”. Asume cada uno de sus valores con ciertas probabilidades.

x = La variable aleatoria. 35 .PROBABILIDAD p = Probabilidad de x. f (x) ≥ 0 2. Σ n f (xi) = 1 x =1 Ejemplo: Hallar la función de probabilidad para el lanzamiento de una moneda 2 veces y construir su gráfica de función de probabilidad. Se define: F(x) = P( x ≤ a ) F(x) = función de distribución. sa } = 2/4 f(2) = P( x = 2 ) = { ss } = ¼ Gráfica de función de probabilidad: f(x) 2 /4 1 /4 0 x 0 1 2 3 FUNCIÓN DE DISTRIBUCIÓN Ò FUNCIÓN ACUMULATIVA. En general f (x) es una función de probabilidad bajo: 1. Tabla de función de probabilidad: X f(x) 0 ¼ 2 1 /4 2 ¼ f(0) = P( x = 0 ) = { aa } = ¼ f(1) = P( x = 1 ) = { sa.

f(xn) Tabla de función de distribución. µ (x) ó E.. xn ≤ x < ∝ -∝ < x < 0 0≤x<1 1≤x<2 2≤x<∝ /4 1 Gráfica de función de distribución. .xnf(xn) xn ≤ x < ∝ 36 . 0 ¼ F(x) 3 -∝ < x < x 1 x1 ≤ x < x2 x2 ≤ x < x3 x3 ≤ x < x4 . F(x) 1 3 /4 2 /4 1 /4 -∝ 0 1 2 ∝ x Si x es una variable aleatoria discreta..PROBABILIDAD P = probabilidad de x. La media o esperanza (ó valor esperado) denotado: E (x) . entonces la función de distribución es: 0 f(x1) f(x1) + f(x2) f(x1) + f(x2) + f(x3) F(x) . . a = valor que se asigna a x en cualquier número irreal que divide el intervalo {-∝ < x < ∝ } Si x toma un número infinito de valores. .. f(x1) + f(x2) + . . . x = variable aleatoria. µ y se define E (x) = x1 f(x1) + x2f(x2) + ..

µ 2 Varianza x =1 x = √ VAR (x) Desviación Estándar Siguiendo nuestro ejemplo: VAR (x) = 02 (1/4) + 12 (2/4) + 22 (1/4) .E(x). /36 /36 /36 /36 37 .5 = √ 0. mide en cierto sentido el valor promedio de “x” .12 = x 2 /4 + 1 – 1 = 2/4 = ½ = 0.PROBABILIDAD E(x) = Σ n x =1 xi f (xi) Según nuestro ejemplo: E(x) = µ (x) = 0 (1/4) + 1 (2/4) + 2 (1/4) = 2/4 + 2/4 = 1 Esto es. Supóngase que se lanza un par de dados legales y que la variable aleatoria x denota la suma de los números que resulten calcular: .F(x) y gráfica . Cada valor ponderado (afectado x su probabilidad).5 = 0.7071 Ejercicios: 1. La media de una variable aleatoria “x”. y x Tabla de función de probabilidad. VAR x. E(x) es el promedio ponderado de los valores posibles de “x”. la varianza y desviación estándar son conceptos que miden el esparcimiento o dispersión de “x” y los denotamos: VAR (x) = n Σ xi2 f (xi) . x = 2 – 12 punto mues x 1 2 /36 2 3 /36 3 4 /36 4 5 /36 5 6| /36 6 7 /36 5 8 /36 4 9 3 10 2 11 1 12 f(x) .f(x) y gráfica .

4)(1.2)(4.2)(6.5)(4.6) } f (2) = P( x = 2 ) = 1/36 f (3) = P( x = 3 ) = 2/36 f (4) = P( x = 4 ) = 3/36 f (5) = P( x = 5 ) = 4/36 f (6) = P( x = 6 ) = 5/36 f (7) = P( x = 7 ) = 6/36 f (8) = P( x = 8 ) = 5/36 f (9) = P( x = 9 ) = 4/36 f (10) = P( x = 10 ) = 3/36 f (11) = P( x = 11 ) = 2/36 f (12) = P( x = 12 ) = 1/36 Gráfica de función de probabilidad.5)(1.4)(2.2)(5.4)(4.3)(3. f (x) 6 /36 /36 /36 /36 /36 /36 x 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Tabla de función de distribución.3)(2.4)(3.5)(3.4)(5.5)(2.6)(5.6)(2.2)(2.1)(6.3)(4.2)(1.3)(5.1)(3.1)(4.1)(2.1)(5.PROBABILIDAD x={(1.2)(3.3)(6.3)(1.1)(1.6)(3.5)(5.5)(6. 38 .6)(6.4)(6.6) (4.

41 39 .83 = 2.PROBABILIDAD F(x) 0 1 /36 3 /36 6 /36 10 /36 15 /36 21 /36 26 /36 30 /36 33 /36 35 /36 1 -∝ < x < 2 2≤x<3 3≤x<4 4≤x<5 5≤x<6 6≤x<7 7≤x<8 8≤x<9 9 ≤ x < 10 10 ≤ x < 11 11 ≤ x < 12 12 ≤ x < ∝ Gráfica de función de distribución. F(x) 1 /36 33 /36 30 /36 26 /36 21 /36 15 /36 10 /36 6 /36 3 /36 1 /36 35 -∝ x 0 1 2 3 4 5 6 7 8 9 10 11 12 E(x) = 2(1/36) + 3(2/36) + 4(3/36) + 5(4/36) + 6(5/36) + 7(6/36) + 8(5/36) + 9(4/36) + 10(3/36) + 11(2/36) + 12(1/36) = 7 VAR (x) = 22(1/36) + 32(2/36) + 42(3/36) + 52(4/36) + 62(5/36) + 72(6/36) + 82(5/36) + 92(4/36) + 102(3/36) + 112(2/36) + 122(1/36) = 5.83 x = √5.

Tabla de función de distribución y gráfica. . construir: .Tabla de función de probabilidad y gráfica.PROBABILIDAD 2.Esperanza. Varianza y desviación estándar. X f(x) 0 1 1 3 2 3 3 1 /8 /8 /8 /8 x = {número de águilas que resulten} 3 /8 /8 /8 2 1 0 1 2 3 0 1 -∝ < x < 0 0≤x<1 1≤x<2 2≤x<3 3≤x<∝ /8 /8 /8 F(x) 4 7 1 F(x) 1 6 /8 4 /8 2 /8 x 40 ∝ -∝ . Una moneda se lanza 3 veces. x es la variable aleatoria que indica el número de águilas que resulten. .

encuentre f (x) para el numero de microcomputadoras defectuosas. Varianza y desviación estándar.86 3. 10 bm mm P(0) = 10 / 28 1 15 0 /28 2 P(1) = 15 / 28 3 /28 /28 P(2) = 3 / 28 41 . Tabla de función de probabilidad.5 VAR(x) = 0.75 x 1 2 3 = 0. Si una escuela realiza una compra aleatoria de 2 de estas microcomputadoras. sus gráficas. Un embarque de 8 microcomputadoras similares que se envían a un distribuidor contienen tres aparatos defectuosos. bb X f(x) b = buena m = mala S = 8 = 28 muestras de 2 microcomputadoras 2 bb = 5 = 10 muestras de 2 microcomputadoras en buenas condiciones 2 bm = 3 5 = 15 muestras de 2 microcomputadoras con una buena y una mala 1 1 mm = 3 = 3 muestras de 2 microcomputadoras en malas condiciones 2 Gráfica de función de probabilidad. su media.PROBABILIDAD 0 E(x) = 1. así como su función de distribución.

755 42 .PROBABILIDAD 15 /28 /28 10 5 /28 0 0 1 2 3 Tabla de función de distribución. 0 10 -∝ < x < 0 /28 /28 0≤x<1 1≤x<2 2≤x<∝ F(x) 25 1 Gráfica de función de distribución. F(x) 1 25 α /28 /28 /28 /28 20 15 10 5 /28 1 2 3 E(x) = 0.

.1. entonces la función anterior P(k)= b( k. tenemos lo siguiente: p+q=1 ∴q = 1 ... q = probabilidad de fracaso... Sea p = {la probabilidad favorable} y sea q = {la probabilidad desfavorable}.n corresponde a los términos sucesivos del desarrollo binomial........n......n (n4 )qn-4 p4. n....... llamaremos uno de los resultados favorable (o éxito) y al otro desfavorable (o fracaso)..4017 x = 0...PROBABILIDAD VAR(x) = 0.pn 43 .............p ∴p = 1 – q La probabilidad de “k” éxitos en “n” pruebas repetidas.) Consideremos pruebas repetidas e independientes de un experimento con dos resultados..2...3..pn Se llamara distribución binomial puesto que para k = 0.... p ) = ( n k) qn-k pk Donde: k = éxitos n = pruebas repetidas. se denota “b” y se denota por la siguiente expresión...p) es una distribución discreta.4. Si consideramos a “n” y “P” como constantes.... ( q + p )n = qn + (n1) qn-1 p1 + (n2) qn-2 p2 + (n3) qn-3 p3 + (n4) qn-4 p4..... P (k) = b ( k. llamaremos uno de los resultados... P = probabilidad de éxito....6337 DISTRIBUCION BINOMIAL.... (Para variables discretas... K P (k) 0 qn 1 (n1)qn-1 p1 2 (n2) qn-2 p2 3 (n3) qn-3 p3 4...

04687 /64 = 23.32 20 /64 = .62 % b) P = P(1) + P(2) + P(3) + P(4) ⇒ P(0) = qn (fracaso total).2962 ⇒ 29.Estándar0 = Σ (x) = µ = np 2 = = var (x) = npq = x = √npq Ejercicios: Calcular los siguientes valores binomiales: b ( 2 .PROBABILIDAD Esta distribución se conoce también como distribución de Bernoulli y las pruebas independientes con 2 resultados se llaman pruebas de Bernoulli. B) 1 partido por lo menos. 1/2 ) = (6 3) (1/2)6-3 (1/2)3 = (6 3) (1/2)3 (1/8) = 20 (1/8) (1/8) = b ( 3 .43 % de que al lanzar 6 monedas resulten dos soles exactamente. 6 veces o su equivalente 6 monedas corrientes una vez. C) Más de la mitad de los juegos. Se lanza una moneda corriente. 5 . P ( 2 ) = ( 2 .43 % 23. 4 . 1/2 ) = (6 2) (1/2)6-2 (1/2)2 = 15 (1/2)4 (1/2)2 = 15 (1/16)(1/4) = 15 12 80 /243 = . b ( 2 . 1/3 ) = (5 2) (2/3)5-2 (1/3)2 = (5 2) (2/3)3 (1/3)2 = 10 (8/27) (1/9) = b ( 3 . 4 . p = 2/3 q = 1/3 a) P(A) = P(2) = b ( 2 . A) 2 partidos. 2.1/3 ) k n p DISTRIBUCION BINOMIAL Media Varianza Desv. 5 . Calcular la probabilidad de que sucedan 2 soles exactamente.3125 /256 = . El equipo A tiene la 2/3 de probabilidad de ganar cuando juega. 6 . 6 . Si A juega 4 partidos hallar la probabilidad de que A gane. 1/4 ) = (4 3) (3/4)4-3 (1/4)3 = 4 (3/4) (1/64) = 4 (3/256) = Ejemplos: 1. 2/3 ) = 8/27 = 0. llamamos sol al éxito. entonces 1-qn = P = 80/81 44 .

k = Es el numero de resultados que se producen en un intervalo o en la región determinada.25 % DISTRIBUCION DE POISSON. P ( k . estándar µ =λ 2 =λ =√λ λ = Es el numero promedio de resultados que ocurren en el intervalo de tiempo o la región especifica. λ ) = λ k e-λ k! λ = np Aproximación de Poisson. Las propiedades de la distribución de Poisson. el numero de partículas alfa emitidas por una sustancia radioactiva. etc. Esta distribución infinita contable se presenta en muchos fenómenos naturales. tales como el numero de llamadas telefónicas por mi8nuto en un tablero de distribución. DISTRIBUCION DE POISSON Media Varianza Desv. porque se pueden utilizar las probabilidades de Poisson para aproximar sus 45 .71828 La convergencia de la función de Probabilidad binomial hacia la de Poisson tiene un valor practico.PROBABILIDAD c) P(3) + P(4) = 16/27 ⇒ 59. e = Es la constante con valor de 2. el numero de errores por pagina en un texto grande.

Si un banco recibe en promedio 6 cheques falsos al día: A) Cual es la probabilidad que reciba 4 cheques falsos en un día cualquiera.1917 (0.0000061) = 0. 2 ) = 23 e-2 = 8 (0. 1) = 10 e-1 = 1 (0. Cual es la probabilidad de que entren 6 partículas en el contador en un milisegundo determinado. Hallar la probabilidad de que haya 3 artículos defectuosos en una muestra de 100 artículos.38 % 4! 4·3·2·1 B) P (10 .1338 ⇒ 13. Hallar la probabilidad de que 3 o mas sean defectuosos en una muestra de 100. recurrimos a la distribución de Poisson o sea hacemos una aproximación de Poisson. para valores grandes de m y valores grandes de p.02) = 2 P ( 3 . B) Cual es la probabilidad que reciba 10 cheques falsos en 2 días consecutivos cualquiera.48 % 10! 10·9·8·7·6·5·4·3·2·1 3. 6) = 64 e-6 = 1296 (0.3678 ⇒ 36.02. NOTA: Según la información que tenemos.0024) = 0.1353) = 0. 4) = 46 e-4 = 4096 (0.04 % 3! 3·2·1 2. todo indica que debemos hacer la distribución binomial ( b ( k .01) = 1 P (0 .1804 = 18. n . Supongamos que el 2% de artículos de una fabrica son defectuosos. λ = 100 (0.λ) λ = 100 (0. 12) = 1210 e-12 = 6.PROBABILIDAD correspondientes binomiales. P(k. p ) ) sin embargo por ser “m” grande igual con 100 y “p” pequeña igual con 0.0183) = 0.41 % 6! 6·5·4·3·2·1 4.1048 ⇒ 10. Supóngase que el 1 % de los artículos producidos por una maquina son defectuosos. en estos casos podemos utilizar la aproximación de Poisson dada por λ = np Ejercicios: 1.1041 = 10.78 % 46 . A) P (4 . El numero promedio de partículas radioactivas que pasan a través de un contador durante un milisegundo en un experimento de laboratorio es 4.3678) = 0. P (6 .

39 % 2! 2·1 0. FUNCIÓN DE DENSIDAD DE PROBABILIDAD (Para variables contínuas).9195 = fracaso = q éxito = 1 – 0. Recordemos la definición de variables aleatorias que es el conjunto {a ≤ x ≤ b} siendo un suceso de “S” y por lo consiguiente la probabilidad de (a ≤ x ≤ b) esta bien definida.78 % 1! 1 P (2 . f: P(a ≤ x ≤ b) = { área bajo la curva de f / x = a .9195 = 0.0804 ⇒ 8. Supóngase que “x” es una variable aleatoria cuyo conjunto imagen X(S) es un conjunto Continuo.1839 ⇒ 18.3678) = 0.3678) = 0. de números tales como un intervalo.3678 ⇒ 36.PROBABILIDAD 0! 1 P (1 . Supongamos que existe una función continua especial. OBJETIVO: El alumno aplicará los conceptos de las variables aleatorias discretas en la solución de problemas. 1) = 12 e-1 = 1 (0. 1) = 11 e-1 = 1 (0. DISTRIBUCIONES DE PROBABILIDAD CONTINUA.04 % UNIDAD IV. x = b } Como se muestra en la siguiente figura: P (a ≤ x ≤ b) = b f(x) dx 47 .

PROBABILIDAD a a b En este caso se dice que “x” es una variable aleatoria continua.Sea “x” una variable aleatoria continua con la distribución siguiente: ½x f (x) = 0 en otra parte Si 0 ≤ x ≤ 2 Calcular la P(1 ≤ x ≤ 1. R ∑f ( x) ≥ 0 f (x) dx = 1 El valor esperado para una variable continua es igual a una integral. La función “ f ” se llama función de distribución o de probabilidad continua (función de densidad) de “x” que satisface las siguientes condiciones: 1.5) y=½x x 0 1 ó f (x) = ½ x f(x) 1 ½ y=½x 0 ½ P (0 ≤ x ≤ 2) = b f(x) dx = 1 48 1 ½ . µ (x) = E(x) = R x f (x) dx VAR(x) = x2 f (x) dx – µ R 2 x = √ VAR(x) EJEMPLO: 1. 2..

25 2 2 2 2 E(x) = 0 x( ½ x) dx = 0 ½ x2 dx = ½ 0 x2dx = ½ x3 / 3 0 = ½ ((2)3 / 3) – ((0)3 / 3) = ½ ( 8/3 ) = 8/6 = 4/3 = 1.5 1.5) = 1 f(x) dx = 1 (½x) dx = ½ xdx = ½ x2 / 2 1 1 ½ 2 = ½ ((1.7689 = 16 /8 – 1.2311 49 .25 / 2] = 1.25 / 2) – (1/2) = ½ [1.PROBABILIDAD 2 f(x) 1 1 2 a 1.5 P (1 ≤ x ≤ 1.7689 = 0.(1.25 / 4 = 0.5)2 / 2) – ((1)2 / 2) = ½ (2.5 1.3125 Por figura geométrica: a área del trapecio = ½ h · ( b + a ) h b h=½ a=½ b=¾ ½ ( ½ ) · ( ¾ + ½ ) = 5/16 = 31.7689 = 2 – 1.33 = µ (x) VAR(x) = x (½ x) dx – µ 2 = ½ 2 0 0 2 2 x dx – µ 2 = ½ x4 / 4 3 0 2 .33)2 = ½ [ (24 / 4) – (04 / 4) ] – 1.

µ ) 2 2 donde µ y > 0 y son constantes.5 =1 Sin variación de posición y desviación estándar diferente. -2 -1 0 1 2 Distribución Normal P/ Fijo ( =1) = 0. µ = -2 µ =0 µ =2 Variación de posición y desviación estándar fija. Esta función es un ejemplo importante de distribución de probabilidad continua. (Maneja variables continuas). La distribución normal o curva normal o de Gauss se define como sigue: f (x) = 1 2π e.2311 = 0.4807 DISTRIBUCION NORMAL.PROBABILIDAD x = √ 0.½ ( x. 50 Distribución normal fijo ( = 0 ) .

2 ) e Como µ = 0 y siguiente.6% 34. Si sustituimos: t=(x– µ )/ ∴∅(t)= 1 2π en –½ t 2 2 µ 2 ) N (µ.1% 13. Entonces la gráfica de la distribución normal estándar es la µ =0 Restante para . Estándar Designamos a la distribución N ( µ .1% 51 . 2 = 1.61% 2.1% 34.PROBABILIDAD =2 0 Las propiedades de una distribución normal son: DISTRIBUCION NORMAL Media Varianza Desv.5 2.1% 13.

x* es la variable aleatoria estandarizada que corresponde a “x” y por lo tanto x* tiene distribución normal N ( 0 .PROBABILIDAD -3 -2 -1 0 . “x” esta distribuida normalmente. Calculamos la probabilidad de que x caiga entre a y b designada por: P(a≤x≤b) Por lo tanto primero pasamos a “a” y a “b” a unidades estándar. P ( a ≤ x ≤ b ) = P ( a’ ≤ x* ≤ b’ ) = Area bajo la curva normal estándar entre a’ y b’.2 % Para –2 ≤ t ≤ 2 el área bajo la curva es 95.4 % Ahora sea “x” una variable aleatoria continua con distribución normal. Por lo tanto. 1 ).5 1 1 2 . x* = x −µ σ Ejemplos: 52 .5 3 Para –1 ≤ t ≤ 1 el área bajo la curva es 68. de la siguiente forma: a' = a −µ σ b −µ b' = σ donde: a’ y b’ están estandarizadas.

63 t = -0.63 .1057) (-0. 0. 0.75 t = -2. Hallar: ∅(f) para: 1 2 3 t = 1.PROBABILIDAD 1.0459) De tabla 6.1 sobre t 53 .5 12 d) x* = 92-74 = 1.08 . Sea ∅ la distribución estándar.3011 ∅ t = 0.0459 (1.75)(12) + 74 = 95 x* = x – µ = despejada = x = x* + µ µ = 74 2. La media y la desviación estándar de un examen son 74 y 12 respectivamente. a) b) c) d) a) b) c) d) –1 0.25)(12) + 74 = 89 x = (1.75 .75 12 b) x* = 74-74 = 0 12 c) x* = 80-74 = 0. 0.25 1. Hallar los resultados en unidades estándar de los estudiantes que recibieron notas o calificaciones.5 1. a) b) c) d) 65 74 80 92 = 12 a) x* = 65-74 = 0.5)(12) + 74 = 80 x = (1.3011) (-2.08 ∅ t = 0.1057 ∅ t = 0.75 x = (-1) (12) + 74 = 62 x = (0.5 12 En relación con el problema anterior hallar las notas que corresponden a resultados estándar.

54 ) 6) P ( x > 1.37 ≤ x ≤ 2.PROBABILIDAD t 1.73 ≤ x ≤ 0 ) = 0.22 % De tabla sobre t: µ =0 0 1.79 ≤ x ≤ -0.42 2) P ( -0. 0.42 ) = 0.1057) t ∅t 3.42 ) 2) P ( -0. Sea x una variable aleatoria con distribución estándar ∅.2673 ⇒ 26.01 ) 4) P ( 0. hallar: 1) P ( 0 ≤ x ≤ 1.73 % µ =0 54 .13 ) 7) P ( x ≤ 0.5 ) 1) P ( 0 ≤ x ≤ 1.65 ≤ x ≤ 1.73 ≤ x ≤ 0 ) 3) P ( -1.63 .1057 ⇒ P (1.26 ) 5) P ( -1.4222 ⇒ 42.6 3 0.

4633 – 0.37 ≤ x ≤ 2 ) = 0.4147 + 0.25 % µ =0 -1.26 ) = 0.37 0 2.3962 – 0.65 ≤ x ≤ 1.2422 = 0.8925⇒ 89.26 5) p ( -1.79 % µ =0 55 .40 % µ =0 0.73 0 3) P ( -1.4778 = 0.PROBABILIDAD -0.054 ) = 0.79 ≤ x ≤ -.2054 = 0.2579 ⇒ 25.1540 ⇒ 15.65 1.01 4) P ( 0.

5 0.54 6) P ( x > 1.5000 – 0.1292 ⇒ 12.1915 • 2 ⇒ 38.3708 ∴( 0.5 56 .13 7) P ( x ≤ 0.13 ) = 0.30 % µ =0 -0.79 .PROBABILIDAD -1.0.92 % µ =0 1.5 ) = 0.3708 ) = 0.

PROBABILIDAD TABLA 6.1 57 .

111 58 .2 NOTA: COPIAR TABLA DEL LIBRO PARA CÁLCULO DE ÁREAS PAG.PROBABILIDAD TABLA 6.

PROBABILIDAD 59 .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->