Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SALESIANA
PROBABILIDAD Y ESTADSTICA
A= { a , e , i, o , u } A= {las vocales }
B=
{ 1X , x N , x< 5}B={11 , 12 , 13 , 14 }
A= [ x R x 3x=0 ]
extensin
x 3x=0
x ( x 21 ) =0
x ( x +1 )( x1 )=0
x=0 v x +1=0 v x1=0
x=0 v x=1 v x =1
Ejemplo 3:
Dados los intervalos
a) A
b) A B
a) A B = [3,7 ]
b) A B =
A B={ x /x A x B }
Interseccin de conjuntos
Definicin
A B={ x / x A y x B }
Diferencia entre 2 conjuntos
Definicin
A / B= { x / x A y x no es B }
Est formado por todas las x tal que x sea elemento de A y x no sea elemento de B
Ejemplo 4:
A= {1,3,5 }
B={ 2,9 }
Encontrar:
Complemento de un conjunto
El complemento de A esta formado por todos aquellos elementos que no pertenecen a
A, es decir:
A C =U / A
A B=( A /B ) ( B / A )
Dado los conjuntos A y B, el conjunto C diferencia simtrica est constituido por todos
los elementos del conjunto A que no pertenecen al conjunto B, unidos a todos los
elementos del conjunto B que no pertenecen al conjunto A se llaman diferencia
simtrica de los conjuntos A y B.
Ejemplo 5:
M ={ 1, 3,6, 8, 9 } N= {2, 4, 6, 8 }
M N ={ 1, 2,3, 4, 9 }
M /N
= { 1,3, 9 } N / M = {2, 4 }
A A= A
A A= A
2) Conmutativa
A B=B A
A B=B A
3) Asociativa
( A B ) C= A ( B C )
( A B ) C= A ( B C )
4) Distributiva
A ( B C )=( A B ) ( A C )
A ( B C )=( A B ) ( A C )
5) Identidad
A = A A U=U
A = A U= A
6) Complemento
A A C = ( AC )
=U
=A
A A C = U c =
7) De Morgan
C
( A B) = A B
( A B)C =A C BC
8) Diferencia
A
B
=A
Ejemplo 6:
1) Demostrar que (A U B) \ C = ( A U B U C) \ C
Primera Forma
(A U B U C)\C
(A U B U C)
((A U B) U C)
Hiptesis
C
C
((A U B) C) U (C
((A U B) C) U
(A U B)
Definicin de diferencia
(A U B)\C
Asociativa
C)
Distributiva
Complemento
Identidad
Diferencia
Segunda Forma
(A U B)\C
(A U B)
Hiptesis
((A U B) C) U
Definicin de Diferencia
Identidad
C) U (C C)
((A U B)
((A U B) U C)
(A U B U C)
Identidad
Distributiva
Asociativa
(A U B U C) \C*
Diferencia
B)
(A U B U C)\(A
(A U B U C)
Hiptesis
(A
(A U B U C)
[(A U B U C)
B)
Diferencia
(A U B)
Ley de Morgan
A] U [( A U B U C) B]
A]U [ (B U (A U C)) B]
[(A U ( B U C))
B)
Distributiva
Conmutativa
Asociativa
[(A
[ U ((B U C)
[(B U C)
A] U [(A U C) B]
Distributiva
Complemento
Identidad
Diferencia
Conmutativa
3) Demuestre (A C) U (B
C)\(A
C)]
[C\(A U B)] U [(B
[C
C) \ (A B C)]
(A U B)] U [(B
C) (A B C)]
Hiptesis
Diferencia
[C
[(C
(A
B)] U [(B
C) (A U B U C)]
A) B] U [(B
C)
Morgan
(A U (B C)]
Conmutativa Morgan
[(A
C)
B] U [(B C) A] U
Complemento
[(A
C)
B] U [A C] B]
(A C) U (B
Identidad
B)
Distributiva
EJERCICIOS PROPUESTOS. Tomados del Libro de Walpole R., Myers R., Myers
D.(1999). Probabilidad y estadstica para ingenieros. (sexta edicin).
1. Liste los elementos de cada uno de los espacios muestrales siguientes.
a) El conjunto de enteros entre 1 y 50 divisibles entre 8.
2
A C
B C
A B
A C
b) C
c) (C D) B
CAPTULO 2
INDUCCIN MATEMTICA
La demostracin o afirmacin de que se cumplen una expresin matemtica funcin
de m, se puede demostrar mediante el principio de induccin matemtica.
La induccin matemtica nos permite verificar si la expresin matemtica verdadera
siempre y cuando dicha expresin sea funcin de 1 nmero natural los pasos para la
demostracin mediante induccin matemtica
1. Se comprueba la validez de la afirmacin para n=1
2. Se supone la validez de esta afirmacin para n=k
3. Se demuestra la validez de esta afirmacin para n=k+1 tomando en
consideracin su validez su puesto para n=
1+2+3+4 +n=
n ( n+1 )
=Sn
2
1=
(1+1) 2
= =1
2
2
1+2+3=
3(3+1) 12
= =6
2
2
6=6
2. Suponer que para n=k es verdadera
1+2+3+4 +k =
k ( k +1 )
hipotesis Inductiva
2
1+2+3+4 +k =
k ( k +1 ) ( k +2 )
TI
2
1+2+3+4 +k =
k ( k +1 )
H .I
2
1+2+3+4 +k + ( k +1 )=
k ( k +1 )
+k +1
2
k ( k +1 )
k 2+3 k + 2
+ k +1
2
2
k ( k +1 ) +2 k +2 ( k +2)(k +1)
2
2
2
k +k +2 k +2
2
n(n+1)
LQQD
2
2) Verifique que para todo nmero natural n se cumple n 2
n1
1 2
11
1 20
1 1
2. Suponemos que para n=k es verdadero
k 2n1
k +1 2(k+1 )1
k +1 2k T . I
k1
k +1 2
k +1 2k 2
1 y 2 multiplicamos
k ( k +1) 2 k (2k1)
2
2( k 1)
k + 1
k +1 2k LQQD
EJERCICIOS PROPUESTOS
Demuestre por induccin las siguientes igualdades
n(n+1)(n+2)
6
12+ 22 + 32 ++ n2 =
1
2
5
+ 3 +..+ n )+
( 1 +2
+ 3
+..+ n
n
4
2
n1
+ 3 4 + ...+ (1)
1
n(n+1)
= ( n1
2
1 2
1
1
1
n+ 2
(1 ) ( 1 ..( 1
2
=
4
9
2 n+2
( n+1 )
es fijo,
n
(1+ ) >1+n
n=2
>1
)=2(1+2+3++
(1+ ) >1+2
2
1+2 + > 1+ 2
Es verdadero
n=k
(1+ )k >1+k
H.I
n=k+1
T.I
(1+ )k >1+k
k > 0
k 2+ k +1>1+ k
2
k + k +1+ >1+k +
CAPITULO 3
ESTADISTICA DESCRIPTIVA
Definiciones Preliminares:
Tamao muestra
Variables
Valores
Ejemplo
X: Bienestar Estudiantil UPS
X= (Ingreso familia, Casa propia, Carro propio)
X 1 = Ingreso familia
x 1=2000
x 2=1500
.
.
x n=1000
b) Frecuencia Relativa (
y es igual a
f ri=
fi
n .
c) Frecuencia Acumulada (
es igual a
Fri =
Fi
n .
Tabla de frecuencia:
Es un dispositivo para la agrupacin de datos y as facilitar su interpretacin.
Ejemplo
Obtenga la Tabla de Frecuencia para los siguientes 40 datos de una muestra,
correspondiente al tiempo que se utiliz para atender a las personas en una estacin
de servicio:
3,1
4,5
2,9
2,7
3,8
5,1
2,5
3,6
4,3
5,1
Numero de clase:
2,8
2,8
3,7
3,5
4,4
2,5
5,6
5,1
4,7
4,2
numero de datos
40
Numero de clase
:
6,32455532
Longitud clase:
4,9
3,5
2,1
4,2
2,2
1,8
3,6
6,1
5,7
4,9
3,6
4,1
4,1
3,7
2,9
6,3
4,8
3,9
3,6
3,1
longitud de la clase
de elementos de la clase i
Ancho de la clase:
4,5
=0,75
6
Clase i
1
2
3
4
5
6
Intervalo de Clase
lim.superior
Fi
2,5
5
3,25
7
4
10
4,75
8
5,5
6
6,25
4
lim.inferior
1,75
2,5
3,25
4
4,75
5,5
fri
0,13
0,18
0,25
0,20
0,15
0,10
F
5
12
22
30
36
40
Fri
0,13
0,30
0,55
0,75
0,90
1,00
EJERCICIOS PROPUESTOS
Tabla de distribuciones
1. La tabla muestra la distribucin del ingreso familiar mensual de 80 familias.
Intervalo
640-680
680-720
720-760
760-800
800-840
Frec. Absoluta
Frec. Absoluta
Frec. Relativa
acumulada
48
60
0,125
0,075
Clase
[1,2)
Marca
F
1
f/n
F/n
6
0.25
0.7
0.9
8
0.05
Respuesta:
Nmero
1
2
3
4
5
6
7
Clase
[1,2)
[2,3)
[3,4)
[4,5)
[5,6)
[6,7)
[7,8)
Marca
1.5
2.5
3.5
4.5
5.5
6.5
7.5
F
1
5
10
12
8
2
2
F
1
6
16
28
36
38
40
f/n
0.025
0.125
0.25
0.3
0.2
0.05
0.05
F/n
0.025
0.15
0.4
0.7
0.9
0.95
1
Frec.absoluta
32
Frec. Realtiva
0.30
0.05
0.10
Frec. Absoluta
7
Frec. Relativa
0.52
5
Respuesta: n=50.
GALINDO Edwin, Estadstica - Mtodos y Aplicaciones, ProCiencia Editores 2011,
Ejercicios: Anlisis Exploratorio de datos pag18.
Frec. Absoluta
48
60
Frec. Relativa
0.125
0.075
x 1 + x 2+ x3 ..+ x n 1 n
x =
= xi
n
n i=1
Una de las caractersticas principales de la media es que se distorsiona con valores
atpicos es decir valores muy grandes o muy pequeos.
Ejemplo:
2, 6, 11, 8, 11, 4, 7, 5, 90
x =
100 9
30 x
x 30 =
x=3
6+11+ 8+11+5+7
=8
6
MODA
Moda muestral: es el dato que ms se repite en un conjunto de datos (Mo).
MEDIANA
Mediana muestral: es el valor a partir del cual el 50% de datos estn sobre el y el otro
50% de datos estn bajo el, no es sensible a datos atpicos (Md).
La mediana se puede calcular a partir de datos que deben estar ordenados de menor
a mayor y para datos pares como impares, cuyo clculo se puede realizar mediante la
siguiente expresin.
{(
x n +1 sin es par
2
Md= 1
x +x
si n es impar
2 n2 ( n2 +1)
Ejemplo
Para datos impares
2, 2, 3, 4, 5, 6, 7, 7
Md=x n+1
2
9+1
= x5
2
Md =x
Para datos pares
3, 3, 4, 4, 4, 5, 6, 7, 8, 23
Md=
1
2
Md=
1
2
( 4 +5 ) = 4,5
x 5+ x 6 )
Ejemplo
Para 20 datos obtener el porcentaje
x 25 =x 0,2520=x 5=5
x 65 =x 0,6020=x 12=8
x 33 =x 0,3320=x 7=6
x 75 =x 0,7520=x 15=23
A partir del dato 23 todos los datos que estn sobre l representan el 75, y los datos
que estn bajo el representan el 17%.
s emprica
R
4
VARIANZA
Varianza muestral: es un valor representativo de la dispersin de un conjunto de
datos con respecto a la media.
n
( x 1 x )2
s 2= i=1
n1
s 2=
n x 2i ( x i )
i=1
i =1
n(n1)
Ejemplo
11, 2, 6, 8, 11, 4, 7, 5
x =
( x 1 x )2
s 2= i=1
n1
2
DESVIACIN ESTANDAR
Desviacin estndar muestral: es el valor representativo de la dispersin de un
conjunto de datos extrado la raz.
s 2=Var ( x)
s= Var (x )
Ejemplo
Encontrar otra expresin para el clculo de la varianza
( x 1 x )2
s=
2
n1
2
2
( x i 2 x 1 x + x )
s=
2
n1
x i 2 x1 x + x
s2 =
n1
s=
x 2i n x 2
n1
Ejercicio
Encontrar la varianza y la desviacin x edad
x 1=22
x 1=21
x 1=23
x 1=22
x 1=22
x 1=19
x =21,5
PRIMERA FORMA
( x 1 x )2
s=
2
n1
s=
s 2=1,9
s= 1,9=1,38
SEGUNDA FORMA
x 2i n x 2
s=
2
n1
21,5
2
[ ( 22 )2+ ( 21 )2+( 23 )2+( 22 )2 + ( 22 )2 +( 19 )2 ]6
s 2=
s 2=1,9
s= 1,9=1,38
Frecuencia
Intervalo
Frecuencias
24
21
12 14
14
46
16
14 16
20
68
15
16 18
22
8 10
26
18 20
18
10 12
23
20 22
25
20.5
20
19.5
19
18.5
18
17.5
(C)
No. Das
13
Respuesta: 19
( xix )3
As= i=1
s3n
Apuntamiento o Curtosis
El coeficiente de apuntamiento o curtosis de una variable sirve para medir el grado
concentracin de los valores que toma en torno a su media.
n
(xi x )4 /n
Ap= i=1
s4
x ;
a
b
c
d
e
f
La mediana;
s;
El rango;
La asimetra;
La curtosis ;
Respuestas: a)
x ;
a
b
c
d
e
f
La mediana;
s;
El rango;
La asimetra;
La curtosis ;
Respuestas: a)
Grupo 2:
Respuesta:
x 1=2;
x =
1
mi , fi
n i=1
s=
1
2
fi (mix )
n1 i=1
nmero de datos
nmero de clase
mi
fi
frecuencia de la clase i
Ejemplo:
La tabla de frecuencias siguiente contiene los datos agrupados en 6 clases del nmero
de artculos vendidos por un almacn en 50 das. Calcule la media y varianza.
Media:
x =
1
( m1 f 1+m 2 f 2+ m3 f 3+ m4 f 4 +m5 f 5+ m6 f 6 )
50
x =
1
( 152+ 2510+3512+4514+ 559+ 653 )
50
x =40,4
Lo que indica que en promedio diariamente se ha vendido 40 artculos.
Varianza:
s 2=
1
[2 ( 1540,4 )2+ 10 (2540,4 )2 +12 ( 3540,4 )2+ 14 ( 4540,4 )2+ 9 ( 5540,4 )2 +3 ( 6540,4 )2 ]
49
s =164,12
s=12,81
La desviacin estndar indica que la diferencia de ventas entre das fue
aproximadamente de 12 artculos.
Ejemplo:
Se dispone de los siguientes datos incompletos en una tabla de frecuencia.
Numero
Clase
Marca
F
F
f/n
F/n
1
[5,10)
7,5
2
2
0,05
0,05
2
[10,15)
12,5
8
10
0,2
0,25
3
[15,20)
17,5
14
24
0,35
0,6
4
[20,25)
22,5
7
31
0,175
0,775
5
[25,30)
27,5
5
36
0,125
0,9
6
[30,35)
32,5
3
39
0,075
0,975
7
[35,40)
27,5
1
40
0,025
1
Se conoce adems que la media calculada con los datos agrupados es 19.7
Fr =0,6 ( 40 )
Fr 3=24
F r 3=
F3
n
0,6=
F3
n
F r 6=
F6
n
40 ( 0,975 ) =F6
F6 =39
f 6 /n=
f6 3
= =0,075
n 40
f 2 /n=F i2 /nFi 1 /n
f 2 /n=0,250,5=0,2
F r 2=
F2
n
0,25 ( 40 ) =F2
F2 =40
Ecuaciones:
k
x+ y=121.
19,7=
x =
1
mi , fi
n i=1
1
( 7,52+12,58+17,514+ 22,5 x +27,5 y +32,53+37,51 )
40
788=495+22,5 x+ 27,5 y
293=22,5 x +27,5 y 2.
293=22,5 (12 y )+ 27,5 y
293=27022,5 y +27,5 y
23=5 y
y=4,6 5
x+ 5=12
x=7
DIAGRAMA DE CAJA
Sirve para analizar grupos de datos de diferentes poblaciones, o de la misma.
Ejemplo:
A continuacin se presenta dos diagramas de caja referentes a dos cursos, que se
desea analizar la nota de estadstica, realice el anlisis respectivo.
Diagrama caja grupo 1
Min
Q1
Max
Diagrama caja grupo 2
Q2
Q3
Min
Q1
Q2
Q3
Max
ANALISIS
1) Se puede ver en los diagramas de caja que las notas mnimas y mximas de
los dos grupos son idnticas.
2) Se puede ver en los grficos que en el grupo 1 hay menos dispersin que en el
grupo 2.
3) Se puede ver en los diagramas que el 25% de alumnos del grupo 1 tienen baja
nota que los del grupo 2.
4) Se puede observar que las notas del promedio del grupo 2 son ms altas que
las del grupo 1.
5) Se puede observar que en el grupo 1 las notas son homogneas alrededor de
la media, mientras que en el grupo 2 comparadas con el grupo 1 se puede
visualizar que existen personas con excelentes notas.
Ejemplos:
1. Se desea conocer la representacin de los niveles de cotinina de fumadores.
Remitase a los 40 niveles de cotinina de los fumadores de la siguiente tabla:
NIVELES DE COTININA: Fumador
1
35
130
123
0
112
234
167
131
477
164
250
173
289
198
245
265
227
17
48
210
103
253
86
44
222
87
284
277
149
121
1
32
313
266
208
3
491
290
173
Q3
Q1 , la
datos(acomdelos en orden del mas bajo al mas alto). El minimo de 0 y el mximo son
491 son fciles de identificar en la lista ordenada. Ahora, proceda a calcular los
cuartiles. Encontramos el cuartil uno:
Q1=P25=86.5
La mediana es 170, que es el valor que est a la mitad entre los valores 20o y 21o,
tambin encontramos
b) Creamos la grfica del cuadro para datos, utilizamos el valor mnimo(0) y el valor
mximo (491) para determinar la escala de valores; despus, graficamos los valores
del resumen de los cinco nmeros como se indica a continuacin.
Q1 Mediana Q2
Mnim
17
86
251.
0
20
10
30
Mximo
491
40
50
Q3=22 minutos
Valor mximo=30 minutos
Elabore un diagrama de caja para los tiempos de entrega. Qu conclusiones deduce
sobre los tiempos de entrega?
El primer paso para elaborar un diagrama de caja consiste en crear una escala
adecuada a lo largo del eje horizontal. Enseguida, dibujamos na caja que inicie en
Q1
Q3
lnea vertical para representar la mediana (18 minutos). Por ltimo, prolongamos lneas
horizontales a partir de la caja dirigidas al valor mnimo (13 minutos) y al valor mximo
(30 minutos). Estas lneas horizontales que salen de la caja, a veces reciben el
nombre de bigotes, en virtud de que se asemejan a los bigotes de un gato.
Valor mnimo
Mediana
Valor mximo
12 14 16 18 20 22 24 26 28 30 32
El diagrama de caja muestra que el valor medio de las entregas, 50% consume entre
15 y 22 minutos. La distancia entre los extremos de la caja, 7 minutos, es el rango
intercuartil. Este rango es la distancia entre el primer y tercer cuartil, muestra la
propagacin o dispersin de la mayora de las entregas.
CAPTULO 4
FUNDAMENTOS DE LA TEORIA DE PROBABILIDAD
Definicin: principio bsico de conteo o principio de multiplicacin.
El principio indica, si un proceso se lo puede dividir en n subprocesos y cada
subproceso se puede realizar de
se lo puede realizar de
r 1 , ,
rn
r 1 * r 2 ** r n maneras.
Ejemplo:
Se lanza un dado y una moneda. Cuntos resultados diferentes se obtiene de este
experimento?
Respuesta: al lanzar el dado se puede tener m=6 resultados diferentes; mientras que
al lanzar la moneda se obtiene n=2 resultados diferentes. Por lo tanto, el nmero total
de resultados del experimento es mxn=6x2=12.
Los doce resultados son:
Cara= c
Sello= s
{(1,c),(1,s), (2,c),(2,s), (3,c),(3,s), (4,c),(4,s), (5,c),(5,s), (6,c),(6,s)}
PERMUTACIONES
Son los arreglos diferentes que se pueden hacer con los elementos de un grupo.
En estos arreglos se debe considerar el orden de los elementos incluidos, su clculo
es:
n PK =
n!
( nk ) !
COMBINACIONES
Son los arreglos que se pueden hacer con los elementos de un conjunto considerando
que el orden de los elementos en cada arreglo no es de inters.
n CK=
n!
( nk ) ! k !
Ejemplo:
Un grupo de 15 personas, 7 leen la revista A, 5 leen la revista B y 6 ninguna revista.
Encuentra la cantidad de personas que leen al menos una revista.
TABLA DE CONTINGENCIA
Leen A
No leen A
Total
Leen B
3
2
5
No leen B
4
6
10
7
8
15
C =
9!
=126
5!4!
C = 6
=2
=6
= {cara, sello}
Ejemplo:
Experimento: Lanzamiento dos monedas
= {(
C1 , C2 ),( C1 , S 2 ), ( S1 ,C 2 ) , ( S 1 , S2 ) }
Conjunto Partes de
(subconjuntos)
se le denomina cardinalidad de
2n .
Todo espacio muestral podra tener las siguientes caractersticas, siendo estas:
a) Espacio muestral de variable Discreta, si sus elementos son nmeros enteros;
finitos si sus elementos son numerables e infinitos si no lo son.
b) Espacio muestral variable continua, si sus elementos forman parte de un
intervalo y sus elementos son infinitos.
Ejemplo:
1) Experimento: Lanzamiento de una moneda
numerable.
2) Experimento: Sueldo de una empresa
numerable.
EVENTOS
Los eventos son subconjuntos de , siendo estos de dos tipos, simples y
compuestos:
Evento Simple: est formado por un elemento o un punto muestral.
Evento Compuesto: est formado por varios puntos muestrales.
Probabilidad de eventos
Generalmente la probabilidad clsica se define de la siguiente manera:
Probabilidad de A:
Ejemplo:
Un grupo de 15 personas, 7 leen la revista A, 5 leen la revista B y 6 ninguna revista.
Encuentra la cantidad de personas que leen al menos una revista.
Leen B
Leen A
3
No leen A 2
Total
5
Del cuadro se obtiene directamente que:
No leen B
4
6
10
7
8
15
4 leen A, nicamente
2 leen B, nicamente
3 leen A y B
P (al menos lean una revista) =
9
15
Sea
C C 36
=
=0,039.
C
455
i=1
n
P ( n Ei ) = P( E i) ;
i=1
E1 E 2 .. En ) = P ( E1 ) + P ( E2 ) + P ( En ), esto se debe a
P(
i , j ; Ei E j = se dice Ei y E j , y
s= { E 1 , E2 , , E n }
i=1
n
P ( n E1 ) =
P(E 1)=1
i=1
Ejemplo:
1) Cul es la posibilidad que al lanzar un dado se obtenga un nmero par.
P (Obtenga par)
P(
P(
1 1 1 1
+ + =
6 6 6 2
1 1 1 1 1 1
+ + + + +
6 6 6 6 6
P( 6
)=1
Ejemplo:
P (Extraer 2 bateras buenas) =
C 6
= =0,4
c 15
1.
P( A) 0
2.
P ( )=1
3.
A 1 , A 2 s A 1 A 2= P( A 1 A2 )=P ( A1 ) + P( A 2)
PROPIEDADES DE LA PROBABILIDAD
1) Probabilidad de un evento nulo
P ( ) =0
Demostracin:
s=s
P ( s )=P ( s )+ P ()
1=1+ P()
P ( ) =0 LQQD
2) Probabilidad del evento complemento
P ( Ec )=1P ( E)
Demostracin:
s=E E c
P( s)=P( E Ec )
P ( s )=P ( E ) + P(Ec )
1=P ( E ) + P(E c )
P ( Ec )=1P ( E )
3) Probabilidad de eventos incluidos
Si A B , entonces P ( A ) P ( B )
Demostracin:
B= A ( A B)
P ( B ) =P ( A )+ P( A c B)
P (B) P ( A)
4) La probabilidad de un evento est entre 0 y 1
0 P( E) 1
Demostracin:
E S
P() P( E) P( S)
0 P( E) 1
5) Probabilidad de la diferencia de eventos
P ( AB )=P ( A )P ( A B )=P ( A Bc )
Demostracin:
A= ( AB ) ( A B )
P ( A )=P ( AB ) + P ( A B )
P ( AB )=P ( A )P ( A B )=P ( A Bc )
6) Regla aditiva de probabilidad de Eventos
P ( A B )=P ( A ) + P ( B )=P ( A B )
Demostracin:
( A B )=( AB) ( A B ) ( B A )
P ( A B )=P ( AB )+ P ( A B ) + P ( BA )
P ( A B )=P ( AB )+ P ( A B ) + P ( BA )
P ( A B )=P ( A ) + P ( B )+ P ( A B )
Ejemplo:
P ( A 1 A2 ) =P ( A 1 ) + P ( A 2 )P( A 1 A 2)
= 0,7 + 0,8 - 0,6
= 0,9
P( B) 0
P( A/ B)=
P ( A B) P (AB)
=
P(B)
P(B)
Ejemplo:
1) La probabilidad del que el evento M ocurra es igual a 1, la probabilidad de
que el evento N ocurra es 3, y la probabilidad de que los complementos
de M y N ocurran es de
P (M )=
P ( N )=
1
4
3
5
3
10
Son independientes M y N?
P ( M N )=
3
10
P ( M c N c )=P( M N )c =1P(M N )
3
=1P ( M ) P ( N ) + P ( M N )
10
3
1 3
=1 + P ( M N )
10
4 5
3
3
= +P (M N )
10 20
3
=P ( M N )
20
Para demostrar que M y N son independientes se deber demostrar que:
P ( M N )=P ( M ) P ( N )
P ( M N )=
3
(1)
20
1
3
4
3
P ( M ) . P ( N )=
= (2)
5
20
(1) = (2)
ante
cierto
medicamento.
Se
les
proporcion
el
R
H
M
Total
4,8
4,8
9,6
+
R
3,2
7,2
10,4
8
12
20
P ( A 1 )=
8
20
12
20
A 2=
P ( A 3 )=
9,6
20
A 3=
P ( A4)=
10,4
20
4,8
20
A 5=
P ( A 6 )=
7,2
20
4,8
9,6
al elegir una persona al azar sea hombre puesto que reacciono
negativamente
P ( A 8 )=
4,8
10
/ H=
A8=R
a)
b)
4,8
H / R =
=0,5
9,6
P ( A ) =P
H R
P
P
H /R =
P ( A )=P
Observacin:
a)
P ( A B ) =P ( B ) P ( A / B)=P ( A ) P(B/ A)
b)
C /( A B)
P ( A B C )=P ( ( A B ) C )=P ( A B ) P
Ejemplo:
1) En un taller trabajan 7 hombres y 3 mujeres, se escogen al azar 3
personas. Halla la probabilidad de que todas las personas seleccionadas
sean hombres.
P (3 personas seleccionadas sean hombre) = P (1ra persona seleccionada sea
hombre) P (2da persona seleccionada sea hombre, dado que la 1ra persona
seleccionada fue hombre) P (3ra persona seleccionada sea hombre, dado que las
anteriores fueron hombres)
7
6
10
5
9
7
= sin reposicin
8
24
7
7
10
7
10
343
=
con reposicin
10
1000
EJERCICIOS PROPUESTO
Tenemos dos urnas; una A con 4 bolas rojas y 6 blancas, y otra B con 7
bolas rojas y 3 blancas. Se selecciona al azar una urna, se extrae una bola
y se coloca en la otra urna. A continuacin, se extrae una bola de la
segunda urna. Calcula la probabilidad de que las 2 bolas extradas sean
del mismo color.
R: 0,509
8. Juan y Pedro lanzan una pelota a un blanco. La probabilidad de que Juan
d en el blanco es 1/3 y la probabilidad de que d Pedro es 1/4.
Supngase que Juan lanza primero y que los dos chicos se van turnando
para lanzar:
a) Calcula la probabilidad de que el primer lanzamiento que d en el blanco sea
el segundo de Juan.
b) Cul es la probabilidad de que Juan d en el blanco antes de que lo haga
Pedro?.
R: a) 1/6 y b) 2/3
9. En una clase infantil hay 6 nias y 10 nios. Si se escoge a 3 alumnos al
azar, halla la probabilidad de:
a) Seleccionar 3 nios.
b) Seleccionar 2 nios y una nia.
R: a) 3/14 y
b)27/56
10. Dos nios escriben en un papel una vocal cada uno, cul es la
probabilidad de que sea la misma?.
R: 1/5
P ( B ) = P ( A i ) P (B / A)
i=1
Demostracin:
A
1
A
1
A
1
A
1
A i son particiones
Subconjuntos
A i A j =
P( B)=( B A i ) ( B A2 ) (B An )
P(B)=( B A i ) ( B A J ) =
P ( B ) =P ( A i ) P(B / A i)+ P ( A 2 ) P (B / A 2)++ P ( A n ) P(B / A n)
Ai
P()P(B / A i)
n
P ( B ) =
i=1
P( Ai / B)=
P ( Ai B )
P ( B)
P ( Ai ) P( B/ Ai )
n
P ( A i ) P (B / A i)
i=1
EJERCICIOS PROPUESTOS. Tomados del Libro de Walpole R., Myers R., Myers
D.(1999). Probabilidad y estadstica para ingenieros. (Sexta edicin).
1. En cierta regin del pas se sabe por experiencia del pasado que la
probabilidad de seleccionar un adulto mayor de 40 aos de edad con
cncer es 0.05. Si la probabilidad de que un doctor diagnostique de forma
correcta que una persona con cncer tiene la enfermedad es 0.78 y la
probabilidad de que diagnostique de forma incorrecta que una persona
CAPTULO 5
VARIABLES ALEATORIAS
x : R
Observacin:
P: [0,1]
A P ( A ) [ 0,1 ]
tR,
PROPIEDADES
1. La Funcin es Creciente:
2.
F ( t )=P ( x t )= pj
j t
3.
P ( a x b )=F ( b )F(a)
4.
P ( a x b )=F ( b )F ( a )+ P ( x=a )
5.
6.
7.
a
P ( x=a )=F ( a )F
a
P ( x <a )=F
P ( a< x< b )=F ( b )F ( a )P( x=b)
Observacin:
P(x(A)=1) = P(x=1) = P1
P(x=2) = P2
P(x=3) = P3
No existe correlacin
Correlacin no lineal
y
y i
( x i x )
1
S xy =
n1
Si x=y
y
y i
( x i x )
1
S xy =S xx=
n1
S xy =
1
(x x )2 =S 2x =Var ( x )
n1 i
r=
S xy
,1 r 1
Sx Sy
Valor de r
XyY
Cercano a 1
Cercano a -1
Cercano a 0
[ S xi , yj ]=
S2x1 S x 1 x 2
S x2 x1 S 2x 2
Demostracin:
S xy =S yx
( y i y ) ( xi x ) =S xy
1
(x i x ) ( y i y ) =
n1
1
n1
Matriz de correlacin.- es una matriz cuadrada simtrica y depende del nmero de
variables aleatorias y su diagonal es 1.
r ij =
r 1,1 r 1,2
r 2,1 r 2,2
Demostracin:
r=
S xy
Sx Sy
r 1,1=
S xx S 2x
= =1
S x S x S 2x
r 1,2=r 2,1
r 1,2=
S xy
S
= yx =r 2,1
Sx Sy S y Sx
ESPERANZA MATEMTICA
Definicin: la esperanza matemtica de una variable aleatoria discreta es:
n
E ( x )= pi x i , pi=P(x =xi )
i=1
Observacin:
La esperanza matemtica es una especie de promedio.
E ( x )= x f ( x ) dx , x I
Observacin:
b
E ( x )= x f ( x ) dx , x (a , b)
a
E ( c )=c , c es cte
+
E ( x )= x f ( x ) dx
E ( c )= c f ( x ) dx
E ( c )=c f ( x ) dx
E ( c )=c
2.
E ( x+ y )=E ( x ) + E ( y )
+
E ( x )= x f ( x ) dx
E ( g( x) ) = g(x ) f ( x ) dx
E ( x+ y )= ( x+ y ) f ( x ) dx
E ( x+ y )= x f ( x ) dx + y f ( x ) dx
E ( x+ y )=E ( x ) + E ( y )
3.
E ( cx )=cE ( x )
+
E ( cx )= cx f ( x ) dx
E ( cx )=c x f ( x ) dx
E ( cx )=c E ( x )
LA VARIANZA
Definicin: la varianza de una variable aleatoria x (discreta o continua) se define:
Var ( x )=E ( x E ( x ) )
x 22 xE ( x ) +( E ( x ) )
E( 2)
Var ( x )=
x
xE()+( E ( x ) )
E (x 2)2 E
Var ( x )=
x
E()+( E ( x ) )
E( x 2)2 E
Var ( x )=
Var ( x )=E (x 2)2 E( x 2 )+(E ( x ))2
Var ( x )=Ex 2(E ( x ) )2
Definicin de varianza variable aleatoria discreta:
Sea x una v.a.d la varianza se define:
n
Var ( x )= ( x iEx ) 2 pi
i=1
Var ( x )= xi pi(Ex)
2
i=1
Var ( x )= ( xEx )2 f ( x ) dx
I [a , b]
Var ( x )= x 2 f ( x ) dx(Ex)2
a
PROPIEDADES DE LA VARIANZA
1.
Var ( c ) =0 ; c es cte
Var ( x )= ( xEx )2 f ( x ) dx
Var ( c ) = ( cEx )2 f ( x ) dx
Var ( c ) = ( cc )2 f ( x ) dx
Var ( c ) =0
2.
Var ( cx )= ( cx Ecx ) f ( x ) dx
2
Var ( cx )= c ( xE( x ) ) f ( x ) dx
Var ( cx )=c
( xE( x ))2 f ( x ) dx
Conocemos:
(x+ y)
[ 22 E ( x + y ) ( x+ y ) + E ( x+ y)]
Var ( x + y )=E
x
[( 2+2 xy+ y 2)2 E ( x+ y )( x + y ) + Ex+ Ey ]
Var ( x + y )=E
x
x
( 2+2 xy+ y 2)+ Ex+ Ey
( 2+2 xy + y2 )2 E
Var ( x+ y )=E
x
( 2+2 xy+ y )2 E x 2+ 2 Exy2 E y 2
Var ( x + y )=E + Ex + Ey
2
x
+( y + 2 yEy + E y 2)+
Var ( x+ y )=E
2
E[(xEx )( yEy)]
0;
x 1
x +1
F ( x )=
; 1< x 3
4
1;
x> 3
1
( x+1 ) ;
4
F ' ( x )=f ( x)
1
( x+1 ) dx ;
4
1
1
( 1 )=
4
4
1
f ( x )= 4
0
;1< x 3
; en otro caso
x
1
E ( x )= xf ( x ) dx= dx= xdx=1
4 1
1
1 4
2
E x2 = x2 f (x) dx=
1
Var ( x )=
1
x 2 dx= 73
4 1
13
10
2
0,3
4
0,1
5
0,2
6
0,4
Var ( y )=
i=1
y
( i)2 pi= [ 4 ( 0,3 ) +16 ( 0,1 ) +25 ( 0,2 ) +36 ( 0,4 ) ]=
4
i=1
Var ( y )=
111 22 2 71
=
5
5
25
( )
111
5
2 .
E ( s )=E ( x + y + z )
x
z
E ( s )=E
E ( s )=+ +
E ( s )=3
Var ( x )=Var ( x + y + z )
x
z
Var ( x )=Var
Var ( x )= 2 + 2 + 2
Var ( x )=3 2
T =3 E ( T )
E ( T ) =E (3 x )
E ( T ) =3 E ( x )
E ( T ) =3
Var ( T )=Var ( 3 x )
Var ( T )=9Var ( x )
Var ( x )=9
|x| .
f ( x )= x ,x <0
x ,x 0
1
E ( x )= x 2 dx+ x2 dx=
0
1 1
+ =0
3 3
EJERCICIOS PROPUESTOS
1
315 x
(1- 4
0<x<1
f(x)=
0
a
b
2
otro x
calcule la esperanza
calcule la varianza de x
0.25(e
0<x<2
f(x)=
0
otro x
1<x<2
0
a
b
4
otro x
1
2
0 x 1
f(x)=
0
a
b
5
resto
cuya funcin de
x
1500 2
si 0 x 1500
f(x)=
( x3000)
1500 2
si 1500 x 3000
RESPUESTA
1 a)0.5
b)0.11
2.a)0.1516 b)0.3813
3.a)1.5 kg b)0.0833
4.a)0.25 horas b)0.0125
5.a)1500 minutos
k =E (x k ) .
M ( t )=E (e xt )
Definida para valores t, en los cuales la esperanza existe.
Teorema: sea x una f.g.m con derivadas continuas de cualquier orden entonces:
k
d
k
k =E ( x ) = k M ( t ) , para t=0
dt
Ejemplos.
1) Encuentre la funcin generadora de momentos para la v.a cuya
probabilidad es:
x
pi
-4
0,2
6
0,3
10
0,5
Sabemos:
m
xt
xt
4 t
6t
10t
M ( t )=E ( e ) = e P (x=x i)=0,2e + 0,3 e +0,5 e
i=1
1
f ( x )= 4
0
;1< x 3
; en otro caso
3
M ( t )=E ( e xt ) =
1
1 xt
1
e dx= ( e3 t et )
4
4t
CAPTULO 6
DISTRIBUCION V.A DISCRETAS
Distribucin de Bernoulli.- Si x v.a, si fue una distribucin de Bernoulli entonces tiene
dos posibles resultados
a) xito P (xito) =p
b) Fracaso P (Fracaso)=q
Distribucin Binomial .- dado n pruebas de Bernoulli conocer la posibilidad de k
xitos en las n pruebas
k
nk
P ( x=k )=nC k p q
p=P( exito)
q=P( fracaso)
x Bin (n , p) P(exito)
Muestra Bernoulli
E ( x )=np
Var ( x )=n pq
1. Distribucin Binomial
E ( x )=n p
y=D( p)
Donde
x B ( n , p )= y + y + y + y+ + y
Q x ( t )=Q y ( t )Q y ( t )Q y ( t )Q y ( t )
( p et +q )( p e t +q )( p e t + q )( p et +q )( p e t + q)
Teorema de momento
e=Qt 0 (t)
Q (t )=n( p et +q)n+1 p et
Si t=0
Q ( 0 )=n (1)n1 p
n p
E ( x )=E[ y + y + y + y ++ y ]
E ( x )=E ( y )+ E ( y )+ + E ( y )
E ( x )=n p
Var x = E(x2) u2 (1)
E(x2) = Q2 (t)
Q ( t )=n ( n1 ) ( p et + q )
n2
p e t p et + p et [n ( p e t +q )
si T =0
Q ( t )=n 2 p2n p2 +n p2 (2)
Var x=n2 p2 n p 2+ npn2 p2
Var x=np n p 2
Var x=np ( 1 p )
Var x=n p q
n1
Ejemplos:
1) Una maquina llena de cajas de palillos de fosforo .En una porcin del
0%la maquina no llena las cajas por completo se forma al azar 25 cajas
de fosforo . calcule la probabilidad de q no haya ms de 2 cajas
incompletas
xito = cajas incompletas
X #de cajas incompletas
P ( x 2 ) =P ( x=0 ) + P ( x =1 )+ P ( x=2 )
P ( x=0 )=25 C 0 (0,1)0 (0,9)25=0,07
1
24
23
P ( exito )= p=0,8
x= personasdesfavorables
b) xito favorable
P ( exito )= p=0,2
x= personas favorables
4 motores
a)
P ( x=k )=0,96
P ( no se observa mas de una falla )= p( x 1)
b)
P ( x=0 ) + P ( x=1 )
0
0,99
c)
4 C 3 ( 0,01 ) ( 0,99)
6
3,96 X 10
DISTRIBUCION HIPERGEOMETRICA
Investigar la probabilidad de que en el grupo elegido contenga exactamente k-bolas
rojas
N bolas
n rojas
N-n
negras
p=
n C k Nn C
=k=0,1 . min [ n. r ]
NC r
r k
Muestra (1)
p=
n
; q=1 p
N
N p Ck Nn C
=k=0,1 . min [ n .r ]
NC r
P ( x=k )=
E ( x )=
r k
rn
=rp
N
Var ( x )=rpq
N r
n1
Distribucin Hipergeomtrica
k N k
(
x )( nk )
E ( x )= x
( Nn )
n
x=0
N k
(
( k1 ) !
nk )
k
( x1 ) ! ( kx ) ! N
(n)
n
x=1
( k1 ) N k
x1 nk
N
x=1
n
n
()
Puesto que:
N k = ( N1 )(k 1)
(n1
y ) ( n1 y )
( Nn )= n ! ( NNn! ) ! = Nn ( N1
n1 )
k1 N k
(
x 1)( nk )
( Nn )
n
x=1
( k1 ) N1k +1
y
n1 y
nk
nk
=
M x=1
N
N1
n1
(
( )
E ( x )=
nk
N
PARMETROS
x binomial (n,p)
x hipergeometrica (N,n,r)
Ejemplos:
1. En una lnea de control de calidad se revisan 10 artculos determinando
que hay 3 que no cumplen con las especificaciones. Si se escogen al
azar 2 artculos identifique los parmetros de la ley y halle la esperanza
de V.A , que describe el nmero de piezas correctas , las dos escogidas
N bolas
n
correctas
U-n
incorrecto
Muestra (r)
P ( x=0 )=
3 C2 7 C0
=0,06
10 C2
P ( x=1 )=
3 C 17 C 1
=0,46
10 C 2
P ( x=2 )=
3C 0 7C 2
=0,46
10C 2
N=articulos
3 artculos no cumplen especificacin
2 artculos se escogen al azar
E ( x )= x i pi
i=1
0+0,46+ 2(0,46)
1,38
E ( x )=
rn
7
=rp=2( )
N
10
7
E ( x )= =1,4
5
N=10 personas
1 hombres3 H
3 mujeres 1 H
Grupo de 4 personas
x=# de hombres
P ( x=3 )=
7 C3 3 C1
=0,03
10 C 4
No existe discriminacin
DISTRIBUCION GEOMETRICA
Sea una secuencia de pruebas de Bernoulli con probabilidad de xito p ,en lugar de
contar el # de xitos ,nos interesa conocer el # de intentos hasta obtener el primer
xito
Una sucesin de prueba de este tipo se dice que es un experimento geomtrico
x v . a . d G( p)
E ( x )=
1
p
Var ( x )=
q
p2
Distribucin Geomtrica
Esperanza
Qx ( t ) = e
1+k
i=0
p q = p ( e+ q)
k
K=0
p
1e t q
E ( x )=
pq
2
(q1)
p=q1
E ( x )=
pq q
=
p2 r
E ( x )=
q
p
Varianza
Var x= E ( x2 ) u'
Si t=0;
E ( x 2) =
Q (t ) q(1+ p)
=
t2
p2
Var ( x )=
Var ( x )=
q +q q
p2
q
p2
Ejercicios:
1. Cuando se graba un comercial de tv la probabilidad de que un actor recite
el dialogo de su toma es de 0.3. Cul es la probabilidad que el actor recite
correctamente su dialogo en la 6ta vez
q 0,7
= 2 =7,78
2
p 0,3
P ( exito )= p=0,1
P ( x=k )=qk1 p
0
1
1
E ( x )= =
=10
p 0,1
DISTRIBUCION DE POISSON
Sea x una v.a.d se dice que x sigue una distribucin de Poisson con parmetro es un
promedio de los sucesos por unidad de tiempo es decir: x P(), la distribucin de
Poisson indica la probabilidad de sucesos o de una unidad de tiempo
e
(
)
P x=k =
; k =0,1,2 .
k
E ( x )=c y Var ( x ) =
Observacin:
t
e (t)
P ( x=k )=
; k=0,1,2 .
k
Distribucin de poision
F ( x )=
x=0
e x
x!
Q (t )=E (e)
e [1+
2
+ +]
1! 2 !
(e
Q (t )=e
e
!
t1
Esperanza
u=E(x)
Donde
= Q(t)
t
= e
=+e 1
E ( x )=
Varianza
2
Var ( x )=E ( x ) [ E ( x ) ]
Var ( x )=(+ )
Var ( x )=
Ejemplo:
1) El promedio de llamadas que recibe una central telefnica en un minuto
es de 1,5 halle la probabilidad de que en 4 minutos se reciban:
a) 3 llamadas
b) Menos de 3 llamadas
c) No menos de 4 y no ms de 7
a)
=1,5
llamadas
minuto
t=4 minutos
x= de llamadas 4 minutos
3
P ( x=3 )=
e(1,5 ( 4) ) ( 1,5 ( 4 ) )
=0,089
3!
b)
+
+
+
4!
5!
6!
7!
0,133+0,16+ 0,16+0,14
0,593
2) En un hotel el promedio de pedidos a la habitacin es igual a dos cada
media hora. Halle la probabilidad de que en una hora se reciba
a) Tres pedidos
b) Menos de 3 pedidos
=2
] [
pedidos
pedidos
=4
30 min
1 hora
t=1 h
e( 1,5 (1) ) ( 4 ( 1 ) )
=0,195
3!
b)
( )
mx ( t )=
( p e t )r
donde q=1p
(1q e t )r
E ( X )=r /P
Var ( X )=rq / p2
adecuadamente el Windows?;
Cul es el nmero medio de personas que usan la computadora desde el
momento en que se enciende hasta que alguien no cierra el programa
adecuadamente?;
Respuestas: a) 0.032 b) 5
f ( x )=
1
, x [ a , b ]
ba
0 , en otro caso
0
xa
F ( x )=
, x [ a , b]
ba
1 , x> b
E ( x )=
a+b
2
;Var ( x )=( ba )
2
b
1
1
x
dx=
ba
ba
( )
1
( b a ) = a+b
( ) x dx=( 2 ( ba
2
))
2
x f ( x ) =
a
E ( x ) =
a
Var ( x )=E ( x 2 ) ( E ( x 2 ) )
b
x2
a
1
( ba
) dx
1
x 3
ba
1
b 2 +ab+ a2
3
3
=
( b a ) =
3
3
3 ( ba )
1
Var ( x )= ( b2 +ab+ a2 )
3
b 22 ab+a 2
12
( a+b2 )2
2
b 2ab+ a2 (a+ b)
3
4
2
b 2 ab+a
12
Var ( x )=
( ba)
12
DISTRIBUCIN EXPONENCIAL
Sea x una variable aleatoria continua, se dice que z sigue una distribucin exponencial
so el parmetro , y se nota que el parmetro X sigue una distribucin exponencial
X()
1/
E(X)=
x e
E(X)=
lim x e x dx
b
dx =
u=x
dv=
du=dx
v=
e x
0
1 x
e
x x
1
lim
e + ex dx
b
0
b
[ ]
lim [x ex ]
1 x
e
1
1
lim b e x e x +
dx
lim
lim 1
1 x
e
+ b
+
lim b e
Distribucin Exponencial
y (t )=E [ etx ]= e tx e dx
0
(t)e(t ) x dx
0
E ( x )=
Q ( t )=
(1
=
t
1
1
t 1
)
Var ( x )= 212
Var ( x )=
2
1
2
2
Var ( x )=
1
2
Ejemplos:
1. Una variable aleatoria est distribuida segn una ley exponencial del
parmetro
=3.
f ( x )=
{ e0,x,x<0 0
f ( x )=
0
{3 e0,x<
,x 0
3 x
Pr(0.13
0.7)
0.7
3 e3 x dx
0.13
1
3(e3 x ) 0.7
3
0.13
e3(0.7 ) e3(0.13)
+
= 3
3
3
=
3 (0.04 +0.23 )
= 0.57
b)
E(x) =
3 e3 x x dx
0
e3 x x dx
= 3 blim
e3 x dx
u=x
dv=
du=dx
e3 x
v=
3
b
3 x
3 lim xe
b
+1/3 e3 x dx
0
] [
]
]
e3 x
e3 x b
b
+1/3
= 3 blim
3
3
0
3 x
3 x
e
e
e
b
+
= 3 blim
3
9
9
b
=
e3 x
e3 x
lim
+ lim 1/9
3
b 9
b
lim
b
3 1/3 lim
b
1
1/ 9 lim 3 x +1 / 9
3b
b
e
e
1
1
( 0 ) (0)+ 1/9
3
9
1
3
= 1/500
0,x <0
x
f ( x )= 1 1
e 500 ,x 0
500
1 500
= 500 e dx
600
1
500
= 500 e dx
600
1
500
= 500 500 e
600
= e 500 + e
1
=
500
+e
=0+ e
600
500
6
5
6
5
=0.30
b)
P(x 350+300/ x >350 )
P(A/B)= P
( A B)
P (B)
P( x >650)
P( x>350)
1e
=
1e
650
500
350
500
= 0.72/0.50
= 1.432
DISTRIBUCIN NORMAL
X es una variable aleatoria continua, se dice que X sigue una distribucin normal
2
1
.e
2
( x )
2
2
X N ( , 2) .
Su grfico es simtrico.
Si
X N ( , 2)
X Z ; Z=
Si x-
Si
Z N ( 0,1) .
xR
Ejemplo:
1) El permetro craneal de os hombres en una ciudad, es una variable
aleatoria con
=60cm y 2 =2.
X N ( 60,2)
P(57
z1=
64)
5760
2
z2=
z1=-1.5
= P(-1.5
6460
2
z2=2
Z
2)
T 60
2
ZT=0.97
(0.97*2)+60=T
T=61.94
c)
P(X T )=0.352
0.352 -0.3-0.008 = -0.38
ZT=
T 60
2
ZT=-0.38
=(-0.38*2)+60=T
T= 59.24
2) En una fbrica de autos un ing. est diseando autobuses pequeos,
sabe que la estatura de la poblacin est distribuida con media de 1.7m y
5cm. Que altura mnima debe tener los autobuses para que no ms del 1%
de las personas golpee su cabeza por la parte superior del bus.
X ="Estatura de la poblacin
X N(170cm,5cm)
P(x T )= 0.01
ZT=2.33
T=(2.33*5)+170
T=181.63cm
3) Se toman dos exmenes sobre 100 puntos en el primero se obtuvo una
media de 80 y desviacin estndar de 4 y en el segundo una media de 65
y desviacin estndar de 5. Un estudiante saco 84 en el primer examen y
75 en el segundo. En cul de los dos resultados obtuvo mejor
resultado?
X1 N(80,4)
X2 N(65,5)
P(x 84 ) =
8480
4
= 0.84
P(x 75 ) =
7565
5
= 0.97
DISTRIBUCIN GAMMA
( )=(1)! ; z
b
x b1 ex dx
0
u= x
du = (b-1) x b2 dx
b1
dv= e
v=e
dx
u.v-v.dv
e
(x).(b1) x b2 dx
xb 1 .ex
lim [ x
lim b
e
b
(x). x b2 dx
.e ]
+(
0
1
x
e
(x). x b2 dx
+(
1
eb
e
(x)x b 2 dx
(
( 1 )=
e
(x)x 2 dx
( )=(1) ( 1 )
( 1)
( )=( 1)( 2) )
= ( 1 ) ( 2 )( 3 )( 4 ) .
=1
=2
x 1 ex dx
0
dx
y e y () dy
0
si Y=x/
dy 1
=
dy
y e y dy
dy=dx
( +1 ) = x ex dx
0
x e
dx= +1
( +1 )
1
( )
( +1 )
( )
( )
( )
+1
( +1 )
WEIBULL
Ejercicios propuestos
1. Sea T
Determine:
a)P(T<1)
b)P(T>5)
c)P(2<T<4)
R: a)0,049
Weibull (0,5 y 3)
b)1,2208
C)0,011
R: 0,90
EJERCICIOS RESUELTOS
INDUCCION MATEMATICA
1. Determine para que valores de n
N es verdadera la desigualdad al
2n >n2 +4 n+5
Al examinar los valores los valores n =1,2,3,4,5.6 se da cuenta que la desigualdad no
se cumple .Por lo que se tendr que demostrar por el mtodo de induccin incompleta
que para todos los valores de n
7 la desigualdad es verdadera
Resolucin
Paso 1
Si n =7, obtenemos
Paso 2
2 >k + 4 ( k ) +5
de n=k, o sea,
Paso 3
k+1
>(k +1) + 4 ( k + 1 )+ 5
2k+1 >2 k 2 +8 k + 10
Transformando el segundo miembro de esa desigualdad obtenemos
k 2 +2 k >0
que
n(n+1)
2
Demostracin:
Queremos probar que
n N
p(1) :1=
1(1+1)
2
: 1+2+3+4+..+n=
n(n+1)
2
n(n+1)
2
1+2+3+4+k=
Sea k
k (k +1)
2
= p(k+1) es verdadero hay que
debe formarse de
k (k +1)
+ (k+1)= (
2
k
2
k +2
2 )
+1)(k+1)=(k+1)
n N
: 1+2+3+4+..+n=
n(n+1)
2
es verdadera
1*2*3*4n > 2
= 16 verdadero
1*2*3*4..k> 2 ,
con k
4 ; esto es
4.
1*2*3*4..k(k+1)> 2
, k 4.
En efecto
1*2*3*4k (k+1) =(1*2*3*4..k) (k+1) >
Luego 1*2*3*4n >
n>
2 , y por lo
nN
,n
4 1*2*3*4 ..
1*2+2*3+3*4+..n(n+1)=
n(n+1)(n+2)
3
n(n+1)(n+2)
Demostracin .Sea p(n), 1*2+2*3+3*4+.+n(n+1)=
3
Entonces p(1), 1*2 =
123
3
=2 verdadera .
k (k +1)(k +2)
3
k (k +1)(k +2)
+(k+1)(k+2)
3
k (k +1)(k + 2)
3
+(k+1)(k+2)=
(k +1)(k + 2)( k+ 3)
3
k
Que es justamente la tesis deseada y lo que prueba que p (n) es verdadera para todo
natural n
1
1
1
1
+
+
+ .+
> n
1 2 3
n
Demostracin
1
Sea p(n) la proposicin dada, luego para n =2, se tiene que 1 + 2
proposicin verdadera
Hiptesis de induccin : n=k
>
. La
1
1
1
1
+
+
+ .+
> k
1 2 3
k
Tesis: n=k+1, Por demostrar que
1
1
1
1
1
+ + + .+ +
> k +1
1 2 3
k k +1
1
k +1
Sumando
1
1
1
1
1
1
+ + + .+ +
>k +
1 2 3
k k +1
k + 1
Como
k+
1
k +1
k 2+ k +1 > k +1
k +1
k +1
k +1
Se concluye la demostracin
x=
x=
4+ 2+ 6+5+7+5+ 4+ 6
8
39
8
x=4.875
b) La mediana
Ordenamos datos:
2 + 4 + 4 + 5 + 5 + 6 + 6 +7
1
M d= ( x 8 + x 8 )
2 2 2 +1
1
M d= ( x 4 + x 5)
2
1
M d= (5+5)
2
Md=
10
2
Md=5
c) S
n
( x 1x )2
S= i=1
n1
2
8.265625+1.53125+ 0.03125+2.53125+4.515625
7
16.905003
7
4.22625
2. Dadas n=9 mediciones 5, 8, 8, 4, 4, 9, 7, 5, 4.
Determine:
a) La media muestral
x=
x=
5+8+8+ 4+ 4+ 9+7+5+ 4
9
54
9
x=6
b) La mediana
Ordenamos datos:
4 + 4 + 4 + 5 + 5 + 7 + 8 + 8 + 9
M d= X
n +1
)
2
M d= X
M d= X
9 +1
)
2
10
)
2
M d= X (5)
M d=5
c) S
n
( x 1x )2
S= i=1
n1
2
12+2+1+8+ 9
7
32
7
4.571428571
X=
X=
814
25
X =32.56
b) Mediana
Ordenamos datos.
31+31+31+31+31+31+32+32+32+32+32+32+32+33+33+33+33+34+34+34+34+34+34+
34
Md=x n+1
2
Md=x 25+1
2
Md=x 13
Md=32
c) Moda
Puede ser 32 y 34
4. Dados los datos y sus frecuencias
a) Media
xi 2 5 7 10
ni 8 12 16 14
( 28 ) + ( 512 )+ (716 )+(1014)
X=
8+12+16+ 14
X=
16+ 60+112+140
50
X=
328
50
X =6.56
b) Moda
La moda es7 porque hay 16 veces
c) Rango
R=102
R=8
a) La media Armnica
H=
n
n
x1
i=1
H=
H=
100
1
1
1
1
1
1
1
+
+
+
+
+
+
15510 16014 16526 17028 17512 1808 1852
100
1
1
1
1
1
1
1
+
+
+
+
+
+
1550 2240 4290 4760 2100 1440 370
H=184.9
b) La media geomtrica
Mg=
100
Mg=
100
7.932810 22
Mg=169
6. Las notas de un examen de 6 alumnos son: 6, 5, 9, 19, 3 y 18. Un alumno
aprueba si su nota es mayor o igual que el promedio y que la mediana de
las notas. Qu porcentaje de los alumnos aprobaron el examen?
X=
6+ 5+9+19+3+18
6
X=
60
6
X =10
Aprueban 2 estudiantes
Si 6 estudiantes es el 100%, cuantos son 2?
2100
6
=33.33
(Probabilidad y estadstica para ingenieros, Ronald E. Walpole, pgina 9,
ejercicios 1, 2 3)
X=
X=
1243
10
X =124.3
b) Mediana
Se ordenan los datos
110, 111, 116, 117, 118, 122, 123, 125, 126, 175
M d=
1
x +x
2 n2 n2 +1
1
M d= ( x 10 + x 10 )
+1
2 2
2
1
M d= ( x 5 + x 6 )
2
1
M d= (118+122)
2
1
M d= (240)
2
M d=120
a) La varianza
X=
572+572+573+568+570
5
X =571
n
( x 1x )2
S= i=1
n1
2
S=
2+4 +9+1
4
S=4
b) Desviacin Estndar
S 2=16
c) Rango
R=573568
R=5
49
61
18
40
35
36
40
29
46
48
39
39
34
37
44
56
47
42
49
42
29
27
38
25
43
57
36
62
21
49
41
37
31
39
22
40
16
28
35
25
51
37
25
37
28
43100
50
4300
50
=86
86% representa a los empleados menores que 50 aos.
b) Qu porcentaje de los empleados es mayor que 35.5?
Hay 33 empleados mayores que 35.5 aos
Decimos: Si 50 es el 100% 33 cuanto ser:
33100
50
3300
50
=66
66% representa a los empleados mayores que 35.5.
10. Se conduce un estudio de los efectos de fumar sobre los patrones de
sueo. La medicin que se observa es el tiempo, en minutos, que toma
quedarse dormido, se obtienen estos datos.
69.3 56.0 22.1 47.6 53.2 48.1
a) Media
X=
X=
296.3
5
X =59.26
b) Desviacin Estndar
( x 1x )2
S= i=1
n1
S=
S=
98.8036+10.6276+1380.8656+ 135.9556+36.7236+124.5456
4
S=
1787.5216
4
S=446.8804
2
S =199702.09
EJERCICIOS RESUELTOS
Tabla de Distribuciones
1. Completar los datos que faltan en la siguiente tabla estadstica:
Xi
1
2
3
4
5
6
7
8
Fi
4
4
7
5
7
Fi
Ni
0.08
16
0.16
0.14
28
38
45
F 1=4
4
=0.08
N
N=50
Segunda fila:
4
=0.08
50
F2 =4+ 4=8
Tercera fila:
n3
=0.16
50
n3=0.16 .50=8
Cuarta fila:
N 4 =16+7=23
Quinta fila:
n5=
5
=0.1
50
Sexta fila:
28+ N 8=38
N 8=10
n6 =
10
=0.2
50
Sptima fila:
n7 =
7
=0.17
50
Octava fila:
N 8=N =50
N 8=5045=5
n8=
5
=0.1
50
RESPUESTAS NMERO
CORRECTAS DE PERSONAS
[0, 10)
[10, 20)
[20, 30)
[30, 40)
[40, 50)
[50, 60)
[60, 70)
[70, 80)
40
60
75
90
105
85
80
65
xi 2
Intervalo
Xi
ni
Ni
xi . ni
[0,10)
40
40
200
1000
1506.67
[10,20)
15
60
100
900
13500
1660,00
[20,30)
25
75
175
1875
46875
1325,00
[30,40)
35
90
265
3150
110250
690,00
[40,50)
45
105
370
4725
212625
245,00
[50,60)
55
85
455
4675
257125
1048,00
[60,70)
65
80
535
5200
338000
1786,67
[70,80)
75
65
600
600
4875
365625
134500
2101,67
10363,33
a)
x=
2=
25600
=42,67
600
1345000
42,672=420,94
600
=17,27
Me=40+
Para
300265
.10=43.44
370265
( xiX )
Q1=20+
Para
Q3=50+
Para
150100
.10=26.66
175100
450370
.10=59.41
455370
P20=20+
Para
120100
.10=22.66
175100
P85=60+
510455
.10=68.88
535455
CURTOSIS Y ASIMETRIA
Ejercicios Resueltos. (Libro Galindo pgina 38)
1. Calcular los coeficientes de simetra y apuntamiento de los sueldos de diez
personas que ganan (en dlares).
170
172
Calculando
168
165
173
178
180
165
167
x =171 y s=5,1
(xix )3
i=1
(170171)3+(172171)3+ +( 172171)3
=
=55.8
10
(xix )4
i=1
172
( xix )3 /n
As= i=1
55,8
=0.421
5,13
Los datos son levemente asimtricos, con asimetra hacia la derecha; tambin, son
platicrticos, debido a posibles valores atpicos.
Calculando
=4 y s=2,45
(xix )3
i=1
48
=12
4
288
=72
4
(xix )4
i=1
n
n
( xix )3 /n
As= i=1
12
=0.421
2,453
( xi x )4 /n
Ap= i=1
3=
72
3=1
2,454
12
12
12
15
17
(xi- x )^3
Dato
s
6
9
9
12
12
12
15
17
Total
-166.375
-15,625
-15,625
0,125
0,125
0,125
42,875
166,375
12
x =11.5
S=3,279
n
(xix )3 / n
As=
i=1
12/ 8
=0.035
3
(3,279)
Dato
s
6
9
9
12
12
12
15
17
Total
(xi- x )^4
12
12
12
15
17
915,0625
39,0625
39,0625
0,0625
0,0625
0,0625
150,0652
915,0652
2058,5
x =11.5
S=3,279
n
( xi x )4 /n
Ap= i=1
3=
2058,5/8
3=0,77
3,279 4
10-12-12-14-10-10-16-12-14-10
x =12
s=2
n
( xi x )4 /n
Ap= i=1
3=
352/10
3=0,8
24
Ademas,
se
supone
que
las
horas
comprenden
ensayos
independientes con probabilidad constante de falla p=0.0005. Por otra parte, una
computadora de repuesto no es afectada por la cantidad de tiempo que transcurra
antes de activarse. Por consiguiente, X tiene una distribucin binomial negativa
con p=0,0005 y r=3. En consecuente.
E(X) =3/0.0005= 6000 horas
Cul es la probabilidad de que las tres computadoras fallen en un vuelo en 5 horas?
La probabilidad es P(X5)
P(X5) = P(X=3)+ P(X=4)+ P(X=5)
()
1.2510
10
10
+3.7510
()
10
+ 7.4910
1.24910
f ( 20 ) = 19 0.917 ( 0.13 )
2
( )
El
valor
rq/ p2=
esperado
de
es
3 ( 0.9 )
=270.
( 0.1 )2
Existe otro aspecto que debe resaltarse. Cuando r=1, la distribucin binomial negativa
se reduce a la distribucin geomtrica.
3. Una mquina, que est daada, envasa latas de conserva de una en una y
de manera independiente. Se considera que el 5% de lo envasado resulta
defectuoso. Si la maquina se detiene penas produce el tercer defectuoso:
a) Cul es el nmero de latas producidas hasta que se detiene la maquina?
b) Cul es la probabilidad de que la maquina se detenga en la novena lata
producida?
c) Cul es la probabilidad de que se detenga sin producir ninguna lata buena?
a) Calculemos la esperanza de X:
r
3
E ( X )= =
=60
p 0.05
c) Que ninguna lata producida fue buena, significa que las 3 primeras latas fueron
defectuosas; es decir, k=3
3
33
Pr ( X =3 )=C 31
=0.00125
31 (0.05) (10.05)
x4
P ( X=x )= x 1 0,34 ( 10.3 ) , x=4,5,6 .
4 1
104
P(X =10)= 10 1 0,3 4 (10.3 )
=0.08
41
5.
k = 6 dispositivos de medicin
r = 3 dispositivos que muestran desviacin excesiva
p = p(dispositivo muestre una desviacin excesiva) = 0.05
q = p(dispositivo no muestre una desviacin excesiva) = 0.95
3
63
Pr ( X =6 ) =C61
=0.001072
31 (0.05) (10.05)
E(x)=
x f (x)
dx =
0.25 x
0
E( x
)=
x f (x)
2
0.25 42
dx =
2
dx =
0.25 x 2
0
es un valor promedio
0.25 43
dx =
3
0.25 4 2
4
2
Var(x)= 0.25 43
= 3
3
2) El peso (en gramos) de un insecto se distribuye segn
si 1 x 2
1
f(x) =
0
a
b
resto
Determine la esperanza de x:
Determine la varianza de x:
E(x)=
x f (x)
dx =
x
1
E( x
2
dx = 2
1
2
= 2
2
)= x f (x) dx =
23
2
x
dx = 3
1
7
13
=
3
3
2
x
Var (x)=E(
(E( X 2
3 2
1
2
Var(x)= 7
= 12
3)
si 0 x 1
-6x(x-1)
f(x) =
0
resto
E(x)= x f (x) dx =
x (6 x ( x1 ) ) dx =
0
E( x
6 x3 +6 x 2 dx
0
2
)= x f (x) dx =
x2
0
(-6x(x-1))dx =
6
5
3
2 =
2
1
2
3
3
2 = 10
2
x
Var (x)=E(
(E( X 2
1 2
1
2
Var(x)= 3
= 20
10
4)
2
5 (x+2)
f(x)=
0
0 x 1
otro x
Respuesta
2
E(x)= E(x)= x f (x) dx = x 5 ( x+ 2) dx =
25x
0
8
4x
dx =
15
5
E( x
)=
x f (x)
2
dx =
x
0
2
4
11
+
= (4 )5 (3)5 = 30
2
3
2
2
( x +2) dx 2 x + 4 x dx
5
5
5
0
8 2
15
Var(x)= 11
=0.0822
30
5) Calcule el promedio y la varianza para la atencin en la cafetera
En donde x es una variable aleatoria continua
siendo su densidad de probabilidad
2(
x +1
0 x 2
f(x)=
0
otro caso
x +1
8
2 x ()
x f (x)
E(x)= E(x)=
dx =
(2)8
(2)x 2 (2)x
(2)4
dx = 8 + 8 dx = 8(3) + 16 =
0
7
6
El promedio para la atencin a cada cliente
E( x
2
)= x f (x) dx =
216
= ( 4)8
2 x2
0
28
5
(3)8 = 3
2
7 2
6
Var(x)= 5
=0.3055
3
2
x +1
)d x 2 x + 2 x dx
8
8
8
0
DISTRIBUCION DE WEIBULL
1. La duracin de un ventilador , en horas, que se usa en un sistema
computacional tiene una distribucin de Weibull con = 1,5 y = 0,0001
a)Cul es la probabilidad de que un ventilador dure ms de 10000
horas ?
1,5
P (T >10000 )=1(1e[(0,0001)(10000)] )
1,5
e[(0,0001)(10000)] = 0,3679
b)Cul es la probabilidad de que un ventilador dure menos de 500 horas ?
1,5
x
2
F x ( x )= x e 25 (x >0)
25
( x< 0)
25
P [ 3 X 25 ] =F X
(X es una variable continua y por eso podemos escribir P[3 X 25] = P[3 < X 25] =
FX (25) FX(3).) El 69077 % del tiempo el aerogenerador estara funcionando.
3. Suponga que X tiene una distribucin de Weibull con = 100 horas y =
0,2 determine la esperanza y la varianza de X
E ( x )=100 1+
1
=1005 !=1200horas
0,2
1 2
=3,61 X 10 10
0,2
1
V ( x ) =1002 1+
1002
0,2
1+
E ( x )=5000 1+
1
=5000 [ 3 ]=50002 !=10000horas
0,5
Y tenemos
=e1,095=0,334
P ( x >6000 ) =1F ( 6000 )=exp
Por lo tanto solo el 33,4% de todos los rodamientos durara al menos 6000 horas.
5. Asuma que la vida de una lmpara fluorescente sigue una distribucin de
Weibull con parmetros =2 y = 10.000 horas
Determine la probabilidad de que la lmpara dure al menos 8000 horas.
=e0,64 =0,5273
P ( x >8000 )=1F ( 8000 )=exp
PROBABILIDAD CONDICIONAL
1. El 70% de empresas tiene errores en sus activos financieros, el 60% tiene errores
en sus pasivos financieros y el 40% tiene errores en sus activos y en sus pasivos
financieros. Obtn razonadamente el porcentaje de empresas sin errores en sus
activos, en sus pasivos o en ambos. De una muestra de 500 empresas, cuntas se
espera que no tengan errores ni en sus activos ni en sus pasivos financieros?
Solucin:
Llamemos A = {tener errores en los activos financieros} y B = {tener errores en los
pasivos financieros}. Entonces:
P ( A )=0,7
P ( B ) =0,6
P ( A B )=0,4
P ( A C )=1P ( A )
P ( A C )=10,7
P ( A C )=0,3
P ( BC ) =1P ( B )
P ( BC ) =10,6
P ( BC ) =0,4
BC = (A B)C. Entonces:
A B C
P ( A C BC ) =P
P ( A C BC ) =1P ( A B )
P ( A C BC ) =1[ P ( A ) + P ( B )P ( A B ) ]
lo que significa un 10 %
BC . Pero,
Segn lo anterior se espera que un 10% de las empresas no tengan errores ni en sus
activos ni en sus pasivos financieros. Si tenemos una muestra de 500 empresas
podemos esperar que:
500
10
=50
100
financieros.
2. Si los sucesos A y B son independientes y compatibles, cules de las siguientes
afirmaciones son ciertas?
a) P(A
B) = P(B)
b) P(B
A) = P(A) + P(B)
Solucin:
a) Como A y B son independientes
=> P ( A B ) =P ( A )P(B)
si P(A) = 1.
b)
P ( B A )=P ( B ) + P ( A )=P( B A )
> P ( A ) + P ( B ) =P ( B ) + P ( A )=P(B A)
> P ( B A )=0
> B A=
afirmacin no es cierta.
3. Se ha comprobado que el 48% de los alumnos de Bachillerato de cierta regin son
aficionados a la msica clsica y a la pintura, y que el 60% de los aficionados a la
pintura tambin son aficionados a la msica clsica. Si se elige al azar un alumno de
Bachillerato de esa regin, qu probabilidad hay de que no sea aficionado a la
pintura?
Solucin:
Llamemos A = {ser aficionado a la msica clsica} y B = {ser aficionado a la pintura}.
Segn el enunciado P(A
P (B)=
P( A B)
P( A /B)
P (B)=
0,48
=0,8
0,6
> P ( A1 A 2 A 3 A 4 ) =P ( A 1 )P
A2
A
P 3 A2 P( A 4 A 1 A 2 A 3)
A1
A1
( ) (
P ( A B )=P ( A ) + P ( B )+ P ( A B )=0,6+0,80,5=0,9
a)
C
A B =1P ( A B ) =10,9=0,1
C
C
P ( A B )=P
b)
6. En una muestra de 1.000 personas hay 300 que saben ingls, 100 que saben ruso y
50 ambos idiomas. Con estos datos averigua si son independientes o no los sucesos
saber ingls y saber ruso.
Solucin:
Llamemos A = {saber ingls} y B = {saber ruso}. Entonces :
P ( A )=
300
=0,3
1000
P (B)=
100
=0,1
1000
P( A B=
50
=0,05)
1000
P ( A B ) =P ( A )P( B) PERO
P ( A )P ( B )=0,30,1=0,03 0,05=P (A B) .As A y B son independientes.
7. Estudiando un determinado colectivo de personas resulta que: 2 de cada 5 son
morenas, y 3 de cada 9 tienen los ojos azules, teniendo el resto los ojos de distinto
color al azul. Calcula las siguientes probabilidades:
a) Que una persona sea morena y tenga los ojos azules.
b) Que una persona sea morena o no tenga los ojos azules
Solucin:
Llamemos M = {ser morena} y A = {tener los ojos azules}. Entonces P(M) = 2/5 y
P(A) = 3/9 = 1/3. Adems ambos sucesos son claramente independientes pues el color
del pelo o de la piel no debe de influir para nada en el color que se tenga de ojos.
a)
b)
P ( M A ) =P ( M )=
( 25 )( 13 )= 152
C
C
C
C
C
P ( M A ) =P ( M ) + P ( A ) P ( M A ) =P ( M ) + P ( A ) P ( M )P ( A )
2
2
2 2 5
2 2 4 12 4
+
= + = =
5 3
3
5 3 15 15 5
a) P [ ( A B ) ( B A
C
) ]=P ( A B C )+ P(B A C )
P ( AB ) + P ( BA )
P ( A )P ( A B ) + P ( B )P ( B A )
P ( A )+ P ( B )2P( A B)
0.99+0,9520,990,951,881=0,059
P ( A ) + P ( B ) P ( A B)
C
b) A B =1P ( A B ) =1
P ( AC BC )=
1( 0,99+0,950,990,95 )=1O ,9995=0,0005
9. Dos profesores comparten un nmero de telfono. De las llamadas que llegan, 2/5
son para el profesor A y 3/5 son para el profesor B. Sus ocupaciones docentes les
alejan de este telfono, de modo que A est fuera el 50% del tiempo y B el 25%.
Calcula la probabilidad de estar presente un profesor cuando le llamen.
Solucin:
Sean A = {llamar al profesor A}, B = {llamar al profesor B}, F = {estar fuera}. El
problema ofrece las siguientes probabilidades: P(A) = 2/5 = 0,4 P(B) = 3/5 = 0,6P(F/A)
= 0,5 y P(F/B) = 0,25. De estas dos ltimas probabilidades se deduce claramente la
probabilidades P( FC/A) = 05 (del tiempo que A est presente) y P( FC/B) = 0,75 (del
tiempo que B est presente).
La probabilidad de estar presente un profesor cuando le llamen se puede representar
as:
P [ ( FC A ) ( F C B ) ]=P ( FC A ) + P ( F C B )
P
FC
FC
P ( A )+ P
P ( B )
A
B
( )
( )
0,50,4+0,750,6=0,65
10. El despertador de Javier no funciona muy bien, pues el 20% de las veces no
suena.
Cuando suena, Javier llega tarde a clase con probabilidad 0,2, pero si no suena, la
probabilidad de que llegue tarde es 0,9. Javier ha llegado tarde a clase, cul es la
probabilidad de que haya sonado el despertador?
Solucin:
Sean los sucesos S = {el despertador de Javier suena} y T = {Javier llega tarde a
clase. Entonces P(S) = 0,8 P(T/S) = 0,2 y P(T/S ) = 0,9.
P ( S T ) 0,16
S
=
=
=0,47
T
0,34
P (T )
()
P ( H )P( M / H)
P(H/M)= P ( H )P M + P ( V )P( M /V )
H
( )
0.60.2
P(H/M)= 0.60.2+ 0.40.35
P(H/M)=0.12/0.26
P(H/M)=0.46
La probabilidad de que el infante sea nia dado que es menos de 24 meses es de 0.46
2. Un mdico cirujano se especializa en cirugas estticas. Entre sus pacientes,
el 20% se realizan correcciones faciales, un 35% implantes mamarios y el
restante en otras cirugas correctivas. Se sabe adems, que son de gnero
masculino el 25% de los que se realizan correcciones faciales, 15% implantes
mamarios y 40% otras cirugas correctivas. Si se selecciona un paciente al azar,
determine:
a. Determine la probabilidad de que sea de gnero masculino
Se definen los sucesos:
Suceso F: pacientes que se realizan cirugas faciales
Suceso M: pacientes que se realizan implantes mamarios
Suceso O: pacientes que se realizan otras cirugas correctivas
Suceso H: pacientes de gnero masculino
La probabilidad de que sea de gnero masculino se refiere a un problema de
probabilidad total, ya que es el suceso condicionado y las cirugas los condicionantes.
Dicho valor ser:
P(H)=P(F)*P(H/F)+P(M)*P(H/M)+P(O)*P(O/H)
P(H)= 0.2*0.25*0.35*0.15+0.45*0.40
P(H)=0.28
b. Si resulta que es de gnero masculino, determine la probabilidad que se haya
realizado una ciruga de implantes mamarios.
P ( M )P(H / M )
P(M/H)= P ( F )P ( H /F ) + P ( M )P H + P ( O )P(O/ H)
M
( )
0.350.15
P(M/H)= 0.20.25+0.350.15+0.450.40
P(P/M)=0.0525/0.2825 = 0.19
3. Un Doctor dispone de tres equipos electrnicos para realizar ecosonogramas.
El uso que le da a cada equipo es de 25% al primero, 35% el segundo en y 40% el
tercero. Se sabe que los aparatos tienen probabilidades de error de 1%, 2% y 3%
respectivamente. Un paciente busca el resultado de una ecografa y observa que
tiene un error. Determine la probabilidad de que se ha usado el primer aparato.
Se definen los sucesos:
Suceso P: seleccionar el primer aparato
Suceso S: seleccionar el segundo aparato
Suceso T: seleccionar el tercer aparato
Suceso E: seleccionar un resultado con error
Se puede observar que la pregunta es sobre determinar la probabilidad de que un
examen errado sea del primer aparato, es decir, ya ha ocurrido el error. Por lo tanto,
debemos recurrir al teorema de bayes. Claro est, que es necesario de igual forma
obtener la probabilidad de que los aparatos produzcan un resultado errneo, por lo
tanto:
P(P/E)=
P(P)P(E /P)
E
E
P ( P )P
+ P ( S )P
+ P ( T )P( E/T )
P
S
( )
( )
0.250.01
P(P/E)= 0.250.01+0.350.02+0.40.03
P(P/E)= 0.0025/0.0215 = 0.116
Ej. Tomados del Libro de Walpole R., Myers R., Myers D.(1999). Probabilidad y
estadstica para ingenieros. (sexta edicin). pag 48 y49.
4. En cierta planta de montaje, tres mquinas, B1, B2 y B3, montan 30%, 45% y
25% de los productos respectivamente . Se sabe de la experiencia pasada que el
2%, #% y 2% de los productos ensamblados por cada mquina, respectivamente,
tiene defectos. Ahora, suponga que se selecciona de forma aleatoria un
producto terminado Cul es la probabilidad de que est defectuoso?
Considere los eventos siguientes
A: el producto est defectuoso.
B1: El producto est ensamblado por la mquina B1
B2: El producto est ensamblado por la mquina B2
B3: El producto est ensamblado por la mquina B3
Al aplicar la regla de eliminacin, podemos escribir:
P(A)= P(B1)P(A/B1)+P(B2)P(A/B2)+P(B3)P(A/B3)
P(B1)P(A/B1)= (0.3)(0.02)=0.006
P(B2)P(A/B2)=(0.45)(0.03)=0.0135
P(B3)P(A/B3)=(0.25)(0.02)=0.005
P(A)=0.006+0.0135+0.005
P(A)=0.0245
5. Con referencia al ejercicio anterior, si se elige al azar un producto y se
encuentra que es defectuoso Cul es la probabilidad de que est ensamblado
por la mquina B3
Con el uso de la regla de Bayes:
P ( B 3 ) P( A /B 3)
P(B3/A)= P ( B1 ) P A + P ( B 2 ) P A + P ( B 3 ) P( A /B 3)
B1
B2
( )
0.005
P(B3/A)= 0.006+0.0135+0.005
P(B3/A)=0.005/0.0245
P(B3/A)=10/49
( )