1

Repblica Bolivariana de Venezuela

Ministerio del Poder Popular para la Educacin
Instituto Universitario Politcnico Santiago Mario
Barcelona Estado Anzotegui
Seccin UD




PROBABILIDADES





Bachilleres:
Farrera Isabel CI: 22.864.536
Meja Juan C.I: 21.388.531
Meza Paola C.I.: 23.998.979
Ortega Albany C.I.: 24.203.457



Barcelona 15/07/2013
Profesor: Effran Lpez


2


ndice

Introduccin................................................................................. 3
Probabilidad................................................................................. 4
Enfoque Clasico........................................................................... 5
Evento.......................................................................................... 6
Tipos de Evento............................................................................ 7
Espacio Muestral.......................................................................... 7
Experimento Aleatorio.................................................................. 7
Tipos de Experimento Aleatorio.................................................... 8
Experimento Determinstico......................................................... 9
Teorema de Bayes........................................................................ 9
Distribucin de Poisson................................................................ 10
Distribucin Binomial.................................................................. 11
Distribucin Normal..................................................................... 12
Conclusin................................................................................... 14








3


Introduccin
La probabilidad es una herramienta de ayuda para la toma de
decisiones porque proporciona una forma de medir, expresar y analizar las
incertidumbres asociadas con eventos futuros de razones entre el nmero de
casos favorables y el nmero de casos posibles.
El concepto de probabilidad nace con el deseo del hombre de conocer
con certeza los eventos futuros. Es por ello que el estudio de probabilidades
surge como una herramienta utilizada por los nobles para ganar en los
juegos y pasatiempos de la poca. El desarrollo de estas herramientas fue
asignado a los matemticos de la corte.
Con el tiempo estas tcnicas matemticas se perfeccionaron y
encontraron otros usos muy diferentes para la que fueron creadas.
Actualmente se continu con el estudio de nuevas metodologas que
permitan maximizar el uso de la computacin en el estudio de las
probabilidades disminuyendo, de este modo, los mrgenes de error en los
clculos.







4


Probabilidad
La probabilidad constituye un importante parmetro en la
determinacin de las diversas casualidades obtenidas tras una serie de
eventos esperados dentro de un rango estadstico.
La probabilidad se encarga de evaluar todas aquellas actividades en
donde se tiene incertidumbre acerca de los resultados que se pueden
esperar, esto quiere decir que la probabilidad est presente en casi en todas
las actividades que se pretenda realizar, ejemplos:
Cualquier proyecto de Ingeniera o de otras reas
Competencias deportivas
Juegos de azar, etc.
La probabilidad de un evento se denota con la letra p y se expresa en
trminos de una fraccin y no en porcentajes, por lo que el valor de p cae
entre 0 y 1. Por otra parte, la probabilidad de que un evento "no ocurra"
equivale a 1 menos el valor de p y se denota con la letra q:

Ejemplo. Determine la probabilidad de que en cierta lnea de produccin se
manufacture un producto defectuoso, si se toma como referencia que la
produccin de la ltima semana en esta lnea fue de 1,500 productos, entre
los que se encontraron 8 productos defectuosos.

P (producto defectuoso) = No de productos defectuoso /Total de productos
producidos en la semana
= 18 / 1500 = 0.012


5

Lo anterior nos indica que es muy probable que 1.2 productos de cada
100 que se manufacturen en esa lnea sern defectuosos.
Los tres mtodos para calcular las probabilidades son la regla de la
adicin, la regla de la multiplicacin y la distribucin binomial.
Enfoque Clsico
El enfoque clsico dice que si hay x posibles resultados favorables a
la ocurrencia de un evento A y z posibles resultados desfavorables a la
ocurrencia de A, y todos los resultados son igualmente posibles y
mutuamente excluyente (no pueden ocurrir los dos al mismo tiempo),
entonces la probabilidad de que ocurra A es:


El enfoque clsico de la probabilidad se basa en la suposicin de que
cada resultado sea igualmente posible. Este enfoque es llamado enfoque a
priori porque permite, (en caso de que pueda aplicarse) calcular el valor de
probabilidad antes de observar cualquier evento de muestra.
Ejemplo: Si tenemos en una caja de bombones 20 bombones de chocolate
con man y 5 bombones de chocolate blanco. La probabilidad de sacar un
bombn de chocolate blanco en un intento es:





6

Evento
Un evento es el resultado posible o un grupo de resultados posibles de un
experimento y es la mnima unidad de anlisis para efectos de clculos
probabilsticos los eventos se clasifican de la siguiente forma:
o Mutuamente excluyentes: aquellos que no pueden ocurrir al mismo
tiempo. Ejemplo: cara o escudo.
o Independientes: Estos no se ven afectados por otros
independientes. Ejemplo: el color del zapato y la probabilidad que llueva
hoy.
o Dependientes: cuando un evento afecta a la probabilidad de ocurrencia
de otro. Ejemplo: repaso, calificaciones.
o No excluyentes entre s: cuando la ocurrencia de uno de ellos no
impide que ocurra el otro. Ejemplo: que una persona sea doctor que
tenga 56 aos, ser estudiante y ya estar casado.
Tipos de evento
o Suceso simple o elemental: Aquel suceso que est formado por un
nico resultado del espacio muestral.
o Suceso compuesto: Aquel suceso que est determinado por 2 o ms
resultados del mismo.
o Suceso seguro: Aquel suceso que est formado por todos los resultados
posibles del experimento y por tanto, coincide con el espacio muestral.
o Suceso imposible: Aquel suceso que nunca se verifica. Se representa
con la letra.


7

Espacio Muestral
En la teora de probabilidades, el espacio muestral o espacio de
muestreo (denotado E, S, o U) consiste en el conjunto de todos los
posibles resultados individuales de un experimento aleatorio.
Los espacios de muestreo aparecen de forma natural en una
aproximacin elemental a la probabilidad, pero son tambin importantes en
espacios de probabilidad.
Experimento aleatorio
Es aquel que bajo el mismo conjunto aparente de condiciones
iniciales, puede presentar resultados diferentes, es decir, no se puede
predecir o reproducir el resultado exacto de cada experiencia particular.
Se conoce el procedimiento que se va a seguir y los posibles
resultados pero no se puede predecir con certeza cul de estos resultados
ser el final antes de realizar el experimento.
Un experimento se denomina aleatorio si verifica las siguientes condiciones:
Si los resultados se pueden contar se le llama experimento aleatorio
numerable; y si no se pueden contar, se le llama experimento aleatorio
no numerable.
Si es posible conocer previamente todos los posibles resultados (el
espacio muestral, constituido por diferentes sucesos) o por lo menos
nombrar al ltimo resultado se le llama experimento aleatorio finito; y si
no se puede nombrar al ltimo resultado, se le llama experimento
aleatorio infinito.
Es imposible predecir el resultado exacto del mismo antes de realizarlo.
A cada realizacin de un experimento se le llama experiencia o prueba
8

Tipos de experimento aleatorio
o Determinista: un experimento que siempre que se repita con las mismas
condiciones inciales se obtiene igual resultado.
o Aleatorio: cuando al repetirse con las mismas condiciones inciales, no
se puede predecir el resultado. (Ejemplo: lanzar un dado extraer una
carta).
Los fenmenos o experimentos aleatorios. Son los que pueden dar lugar
a varios resultados, sin que pueda ser previsible enunciar con certeza cul
de estos va a ser observado en la realizacin del experimento a pesar de
haberlo realizado en similares condiciones.
A la coleccin de resultados que se obtiene en los experimentos
aleatorios se le llama espacio muestral.
Experimento Determinstico
Los experimentos determinsticos son aquellos en los que podemos
predecir el resultado antes de que se realicen.
Ejemplo: Si dejamos caer una piedra desde una ventana sabemos sin lugar
a dudas que la piedra bajar. Si la arrojamos hacia arriba sanemos que
subir durante un determinado intervalo de tiempo pero despus bajar.
Teorema de Bayes
El teorema de Bayes, enunciado por Thomas Bayes, en la teora de la
probabilidad, es el resultado que da la distribucin de probabilidad
condicional de un evento aleatorio A dado B en trminos de la distribucin de
probabilidad condicional del evento B dado A y la distribucin de probabilidad
marginal de slo A.
9

Teorema
Sea {A
1
,A
3
,...,A
i
,...,A
n
} un conjunto de sucesos mutuamente
excluyentes y exhaustivos, y tales que la probabilidad de cada uno de ellos
es distinta de cero. Sea B un suceso cualquiera del que se conocen las
probabilidades condicionales P (B | A). Entonces, la probabilidad P
(A | B) viene dada por la expresin:

Donde:
P (A
i
) son las probabilidades a priori.
P (B | A
)
es la probabilidad de B en la hiptesis A.
P (A | B) son las probabilidades A posteriori.
Esto se cumple
Adems, unido a la definicin de Probabilidad condicionada, obtenemos
la Frmula de Bayes, tambin conocida como la Regla de Bayes:



Distribucin de Poisson
Se llama as en honor a Simen Dennis Poisson (1781 - 1840), francs
que desarrollo esta distribucin la cual describe la cantidad de veces que
ocurre un evento en un intervalo determinado.

10

Caractersticas:
En este tipo de experimento los xitos buscados son expresados por
unidad de rea, tiempo, pieza, etc.:
de defectos de una tela por m2
de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
de bacterias por cm2 de cultivo
de llamadas telefnicas a un conmutador por hora, minuto, etc.
de llegadas de embarcaciones a un puerto por da, mes, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de
tiempo, rea, o producto, la formula a utilizar seria:
Donde:

P(x,e) = probabilidad de que ocurran x xitos, cuando el nmero
promedio de ocurrencia de ellos es:
u= media o promedio de xitos por unidad de tiempo, rea o producto
e= 2.718, la base de los logaritmos naturales.
x = variable que nos denota el nmero de xitos que se desea que ocurra.

Hay que hacer notar que en esta distribucin el nmero de xitos que
ocurren por unidad de tiempo, rea o producto es totalmente al azar y que
cada intervalo de tiempo es independiente de otro intervalo dado, as como
11

cada rea es independiente de otra rea dada y cada producto es
independiente de otro producto dado.
Ejemplo:
Supongamos que en un proceso manufacturero el 10% de las
unidades producidas son defectuosas. Encuentre la probabilidad de que una
muestra de 10 unidades seleccionadas de el proceso tengan exactamente 3
defectuosas, usando la formula de la Distribucin de Poisson.
Solucin:
El tamao de la poblacin N (total de unidades producidas) es muy
grande. La probabilidad de una unidad defectuosa extrada de la poblacin
es de P=10% o de 0,1.n=10 y X=3.

Formula de la distribucin de Poisson:

Sustituimos los valores en la formula nos queda de la siguiente manera:
12


Anlisis del resultado:
La probabilidad de que salgan 3 unidades defectuosas es, de 6,13%.
En teora de probabilidad y estadstica, la distribucin de Poisson es
una distribucin de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad que ocurra un determinado
nmero de eventos durante cierto periodo de tiempo.
Distribucin Binomial
En estadstica, la distribucin binomial es una distribucin de
probabilidad discreta que mide el nmero de xitos en una secuencia de n
ensayos de Bernoulli independientes entre s, con una probabilidad fija p de
ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se
caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A
uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al
otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el
anterior experimento se repite n veces, de forma independiente, y se trata de
calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la
binomial se convierte, de hecho, en una distribucin de Bernoulli.


13

1. La ltima novela de un autor ha tenido un gran xito, hasta el punto de que
el 80% de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados
a la lectura:
A. Cul es la probabilidad de que en el grupo hayan ledo la novela 2
personas?
B. Y cmo mximo 2?
La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el
80% de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a
la lectura:
A. Cul es la probabilidad de que en el grupo hayan ledo la novela 2
personas?
B(4, 0.2) p = 0.8 q = 0.2

B.Y cmo mximo 2?


La distribucin Normal
Se trata, sin duda, del modelo continuo ms importante en estadstica,
tanto por su aplicacin directa, veremos que muchas variables de inters
general pueden describirse por dicho modelo, como por sus propiedades,
que han permitido el desarrollo de numerosas tcnicas de inferencia
estadstica. En realidad, el nombre de Normal proviene del hecho de que
14

durante un tiempo se crey, por parte de mdicos y bilogos, que todas las
variables naturales de inters seguan este modelo.
Su funcin de densidad viene dada por la frmula:

1. Si X es una variable aleatoria de una distribucin N(, ), hallar:
p(3 X +3)
Ejemplo:
La media de los pesos de 500 estudiantes es de 151 libras y la
desviacin tpica es de 15.Suponiendo que los pesos se distribuyen
normalmente,
Cuntos estudiantes pesan? :
a) entre 120 y 155 libras?




Se aplica la siguiente formula de de distribucin normal :

15


Buscamos el valor de Z-2.


La grafica de las reas bajo la curva normal para los valores de Z-1 Y Z-2
queda de la siguiente manera:






16




En la siguiente tabla, buscamos el rea o probabilidad de Z-1= -2,06 y Z-
2 = 0,26 es 0,4803 y 0,102


17



Aplicamos una regla de tres y obtenemos el nmero de estudiantes que
se encuentran entre los pesos 120 y 155 libras.

18

Anlisis del resultado:

Por lo tanto el nmero de estudiantes que est dentro de estos lmites
(120 y 155 libras) es de 291


19

Conclusin
La estadstica es una rama de la matemtica que est no se encuentra
muy visible en lo cotidiano pero que en realidad es de mucha utilidad para
interpretar y ver desde un punto de vista muy general datos que se obtienen.
A travs de sus grficas, medidas de tendencia central y de dispersin
podemos ver ms claro y concreto un conjunto de datos que se nos hacen
muy complicados, en resumen son un verdadero mtodo de ayuda para
informar.














20

Bibliografa
Estadstica 9na Edicin, Autor: Mario F. Triola. Editorial: Pearson Educacin.
Mxico, 2004
Estadstica 3era Edicin Autores: Murray R. Spiegel Larry J.
StephensEditorial: The Megraw Hill. Mexico, 2002