Repblica bolivariana de Venezuela

Ministerio del Poder Popular Para La Educacin Universitaria

Instituto Universitario de Educacin Especializada
IUNE

SUCESOS ALEATORIOS

Integrantes:
Joselin Gonzlez
Jose Ochoa
Yenireth Snchez

Santa Brbara de Zulia, Septiembre del 2015

SUCESOS ALEATORIOS
Llamamos Suceso de un experimento aleatorio (o simplemente Suceso
Aleatorio) a cada uno de los subconjuntos del Espacio Muestral E. El
Conjunto de todos los sucesos de un experimento aleatorio se denomina
Espacio de Sucesos y se representa por la letra S.
PROBABILIDAD
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
contino 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
Clasificacin de los sucesos
Suceso elemental
Suceso elemental es cada uno de los elementos que forman parte del
espacio muestral.
Por ejemplo al tirar un dado un suceso elemental es sacar 5.

Suceso compuesto
Suceso compuesto es cualquier subconjunto del espacio muestral.
Por ejemplo al tirar un dado un suceso sera que saliera par, otro, obtener
mltiplo de 3.
Suceso seguro
Suceso seguro, E, est formado por todos los posibles resultados (es decir,
por el espacio muestral).
Por ejemplo al tirar un dado un dado obtener una puntuacin que sea menor
que 7.
Suceso imposible
Suceso imposible,

, es el que no tiene ningn elemento.

Por ejemplo al tirar un dado obtener una puntuacin igual a 7.

Sucesos compatibles
Dos sucesos, A y B, son compatibles cuando tienen algn suceso
elemental comn.
Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 3, A y
B son compatibles porque el 6 es un suceso elemental comn.
Sucesos incompatibles
Dos sucesos, A y B, son incompatibles cuando no tienen ningn elemento
en comn.

Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 5, A y

B son incompatibles.
Sucesos independientes
Dos sucesos, A y B, son independientes cuando la probabilidad de que
suceda A no se ve afectada porque haya sucedido o no B.
Al lazar dos dados los resultados son independientes.
Sucesos dependientes
Dos sucesos, A y B, son dependientes cuando la probabilidad de que
suceda A se ve afectada porque haya sucedido o no B.
Extraer

dos

cartas

de

una

baraja,

sin

reposicin,

son

sucesos

dependientes.
Suceso contrario
El suceso contrario a A es otro suceso que se realiza cuando no se realiza
A., Se denota por

Son sucesos contrarios sacar par e impar al lanzar un dado.

LEYES DE PROBABILIDAD
La probabilidad mide las posibilidades de que un evento ocurra. Expresado
matemticamente, es igual al nmero de formas que un evento especfico
puede ocurrir, dividido por el nmero total de posibles eventos. Por ejemplo,

si tienes una bolsa con tres canicas, una azul y dos verdes, la probabilidad
de tomar una canica azul sin mirar es de 1/3. Hay slo un resultado posible
de que se seleccione la canica azul, pero hay tres posibles resultados en
total, azul, verde, verde. Usando el mismo razonamiento, la probabilidad de
tomar una canica verde es de 2/3.
Ley de nmeros grandes
Puedes descubrir la probabilidad desconocida de un evento a travs de la
experimentacin. Usando

el

ejemplo

anterior, supongamos que

no

conocemos la probabilidad de sacar una canica de cierto color, pero si

sabemos que hay tres canicas en la bolsa. Haces una prueba y sacas una
canica verde. Haces otra prueba y sacas otra canica verde. En este punto
podras asegurar que la bolsa solo contiene canicas verdes, pero basado en
dos pruebas la prediccin no es confiable. Es posible que la bolsa solo
contenga canicas verdes o puede que las otras dos sean rojas y tu
seleccionaste solo las verdes secuencialmente. Si realizas la misma prueba
100 veces, probablemente descubras que seleccionaste una canica verde
alrededor del 66 por ciento de las veces. Esta frecuencia refleja la
probabilidad correcta ms acertadamente que el primer experimento. Esta es
la ley de nmeros grandes: cuanto ms pruebas realizas, ms preciso ser
que la frecuencia del resultado de un evento refleje su probabilidad real.
Ley de sustraccin
La probabilidad slo tiene rango entre 0 y 1. Una probabilidad de 0 significa
que no hay posibles resultados para un evento. En nuestro ejemplo anterior,
la probabilidad de sacar una canica roja es cero. Una probabilidad de 1
significa que el evento ocurrir en cada una de las pruebas. La probabilidad
de sacar una canica verde o azul es 1. No hay otros posibles resultados. En
una bolsa que contiene una canica azul y dos verdes, la probabilidad de
sacar una verde es de 2/3. Es un nmero aceptable, ya que 2/3 es mayor

que 0 pero menor que 1, es decir, est dentro del rango de valores
aceptables de probabilidad. Conociendo esto, puedes aplicar la ley de
sustraccin, que seala que si conoces la probabilidad de un evento, puedes
sealar acertadamente la probabilidad de que dicho evento no ocurra.
Sabiendo que la probabilidad de sacar una canica verde es de 2/3, puedes
restar ese valor a 1 y determinar correctamente la probabilidad de no sacar
una canica verde: 1/3.
Ley de multiplicacin
Si quieres encontrar la probabilidad de que dos eventos ocurran en pruebas
secuenciales, se usa la ley de la multiplicacin. Por ejemplo, en lugar del
ejemplo anterior de la bolsa con las tres canicas, digamos que es una bolsa
con cinco canicas. Hay una azul ,dos verdes y dos amarillas. Si quieres
encontrar la probabilidad de sacar una canica azul y una verde, en cualquier
orden (y sin devolver la primera canica a la bolsa), busca la probabilidad de
sacar una azul y la probabilidad de sacar una verde. La probabilidad de sacar
una canica azul de la bolsa de cinco es de 1/5. La probabilidad de sacar una
canica verde de entre las restantes es de 2/4, o 1/2. Aplicar correctamente la
ley de multiplicacin implica multiplicar las dos probabilidades, 1/5 y 1/2,
obteniendo 1/10. Esto expresa la probabilidad de que ambos eventos ocurran
juntos.
Ley de suma
Aplicando lo que sabes de la ley de multiplicacin, puedes determinar la
probabilidad de que slo uno de dos eventos ocurra. La ley de suma plantea
que la probabilidad de que uno de dos eventos ocurra es igual a la suma de
las probabilidades de que cada evento ocurra individualmente, menos la
probabilidad de que ambos ocurran. En la bolsa de cinco canicas, digamos
que quieres saber la probabilidad de sacar una canica azul o una verde.
Suma la probabilidad de sacar una azul (1/5) a la probabilidad de sacar una

verde (2/5). La suma es 3/5. En el ejemplo anterior, expresando la ley de

multiplicacin, encontramos que la probabilidad de sacar una canica azul y
una verde es de 1/10. Restando esto a la suma de 3/5 (o 6/10 para una
sustraccin ms simple) nos da una probabilidad final de 1/2.

CALCULO DE PROBABILIDADES PARA DISTINTAS

CLASES DE

SUCESOS
Un suceso puede estar contenido en otro: entonces, la probabilidad del
primer suceso ser menor que la del suceso que lo contiene.
Ejemplo: lanzamos un dado y analizamos dos sucesos: a) que salga el
nmero 6, y b) que salga un nmero par. Dijimos que el suceso a) est
contenido en el suceso b).
P(A) = 1/6 = 0,166
P(B) = 3 / 6 = 0,50
Por lo tanto, podemos ver que la probabilidad del suceso contenido, suceso
a), es menor que la probabilidad del suceso que lo contiene, suceso b).
b) Dos sucesos pueden ser iguales: en este caso, las probabilidades de
ambos sucesos son las mismas.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga
nmero par, y b) que salga mltiplo de 2. Las soluciones coinciden en ambos
casos.
P(A) = 3 / 6 = 0,50

P(B) = 3 / 6 = 0,50

c) Interseccin de sucesos: es aquel suceso compuesto por los elementos

comunes de los dos o ms sucesos que se intersectan. La probabilidad ser
igual a la probabilidad de los elementos comunes.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga
nmero par, y b) que sea mayor que 3. La interseccin de estos dos sucesos
tiene dos elementos: el 4 y el 6.
Su probabilidad ser por tanto:
P(A L B) = 2 / 6 = 0,33
d) Unin de dos o ms sucesos: la probabilidad de la unin de dos
sucesos es igual a la suma de las probabilidades individuales de los dos
sucesos que se unen, menos la probabilidad del suceso interseccin.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga
nmero par, y b) que el resultado sea mayor que 3. El suceso unin estara
formado por los siguientes resultados: el 2, el 4, el 5 y el 6.
P(A) = 3 / 6 = 0,50
P(B) = 3 / 6 = 0,50
P (A L B) = 2 / 6 = 0,33
Por lo tanto: P (A u B) = (0,50 + 0,50) - 0,33 = 0,666
e) Sucesos incompatibles: la probabilidad de la unin de dos sucesos
incompatibles ser igual a la suma de las probabilidades de cada uno de los
sucesos (ya que su interseccin es el conjunto vaco y por lo tanto no hay
que restarle nada).

Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga

un nmero menor que 3, y b) que salga el nmero 6.
La probabilidad del suceso unin de estos dos sucesos ser igual a:
P(A) = 2 / 6 = 0,333
P(B) = 1 / 6 = 0,166
Por lo tanto: P(A u B) = 0,33 + 0,166 = 0,50
f)

Sucesos

complementarios:

la

probabilidad

de

un

suceso

complementario a un suceso (A) es igual a 1 - P(A)

Ejemplo: lanzamos un dado al aire. el suceso (A) es que salga un nmero
par, luego su complementario, suceso (B), es que salga un nmero impar.
La probabilidad del suceso (A) es igual a : P(A) = 3 / 6 = 0,50
Luego, la probabilidad del suceso (B) es igual a: P(B) = 1 - P(A) = 1 - 0,50 =
0,50
Se puede comprobar aplicando la regla de "casos favorables / casos
posibles": P(B) = 3 / 6 = 0,50
g) Unin de sucesos complementarios: la probabilidad de la unin de dos
sucesos complementarios es igual a 1.
Ejemplo: seguimos con el ejemplo anterior: a) que salga un nmero par, y b)
que salga un nmero impar. La probabilidad del suceso unin de estos dos
sucesos ser igual a:

P(A) = 3 / 6 = 0,50
P(B) = 3 / 6 = 0,50
Por lo tanto:P(A U B) = 0,50 + 0,50 = 1

Distribucin de probabilidad
En teora de la probabilidad y estadstica, la distribucin de probabilidad
de una variable aleatoria es una funcin que asigna a cada suceso definido
sobre la variable aleatoria, la probabilidad de que dicho suceso ocurra. La
distribucin de probabilidad est definida sobre el conjunto de todos los
sucesos, cada uno de los sucesos es el rango de valores de la variable
aleatoria.
La distribucin de probabilidad est completamente especificada por la
funcin de distribucin, cuyo valor en cada x real es la probabilidad de que la
variable aleatoria sea menor o igual que x.

CONSTRUCCION DE LA CURVAS NORMALES

La curva normal puede utilizarse para describir distribuciones de puntajes,
para interpretar la desviacin estndar y para hacer un informe de
probabilidades. Veremos que la curva normal es un ingrediente esencial en la
toma de decisiones en estadstica, por medio de la cual el investigador social
generaliza sus resultados de muestras a poblaciones. La curva normal es un
tipo de curva uniforme y simtrica cuya forma recuerda a muchos una
campana y por tanto se le conoce como la curva en forma de campana. Tal
vez el rasgo ms sobresaliente de la curva normal es su simetra: si

doblamos la curva en su punto ms alto al centro, crearamos dos mitades

iguales, cada una fiel imagen de la otra.
Adems, la curva normal es unimodal, ya que solo tiene un pico o punto de
mxima frecuencia aquel punto en la mitad de la curva en el cual coinciden
la media, la mediana y la moda (el alumno recordara que la media, la
mediana y la moda ocurren en distintos puntos en una distribucin
sesgada).).
EL REA BAJO LA CURVA NORMAL
Para poder emplear la curva normal en la resolucin de problemas, debemos
familiarizarnos con el rea bajo la curva normal: aquella rea que est bajo la
curva y la lnea base y que contiene el 100 por ciento, o todos los casos, en
una distribucin normal dada.Podramos encerrar una porcin de esta rea
total dibujando una lnea a partir de dos puntos cualesquiera en la lnea base
hasta la curva. Como veremos, una proporcin una proporcin del rea total,
bajo la curva normal, estar entre la media y cualquier distancia dada de X,
medida de unidades DE. Esto es cierto a pesar de la media y la DE de la
distribucin en particular, y se aplica universalmente a todos los datos
normales distribuidos.

DISTRIBUCIN BINOMIAL
En estadstica, la distribucin binomial es una distribucin de probabilidad
discreta que cuenta 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.
Para representar que una variable aleatoria X sigue una distribucin binomial
de parmetros n y p, se escribe:

La distribucin binomial es la base del test binomial de significacin

estadstica.

APROXIMACIONES DE DISTRIBUCIN BINOMIAL

Existen muchas situaciones en las que se presenta una experiencia binomial.
Cada uno de los experimentos es independiente de los restantes (la
probabilidad del resultado de un experimento no depende del resultado del
resto). El resultado de cada experimento ha de admitir slo dos categoras (a
las que se denomina xito y fracaso). Las probabilidades de ambas
posibilidades han de ser constantes en todos los experimentos (se denotan
como p y q o p y 1-p).
Se designa por X a la variable que mide el nmero de xitos que se han
producido en los n experimentos.
Cuando se dan estas circunstancias, se dice que la variable X sigue una
distribucin de probabilidad binomial, y se denota B(n,p).

DISTRIBUCIN DE POISSON
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 de que ocurra un determinado nmero
de eventos durante cierto perodo de tiempo. Concretamente, se especializa
en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeas, o sucesos "raros".
Fue descubierta por Simon-Denis Poisson, que la dio a conocer en 1838 en
su trabajo Recherches sur la probabilit des jugements en matires
criminelles et matire civile (Investigacin sobre la probabilidad de los juicios
en materias criminales y civiles).