Documentos de Académico
Documentos de Profesional
Documentos de Cultura
BIBLIOGRAFIA
1
UNIDAD 1
INTRODUCCION A LA PROBABILIDAD
1.1 Generalidades
Cada vez que utilizamos las matemáticas con el objeto de estudiar fenómenos
observables es indispensable empezar por construir un modelo matemático para
tales fenómenos. Estos pueden ser de dos tipos:
i) Modelo determinístico:
determinístico: Es aquél en que las condiciones en las que se
verifica un experimento determinan el resultado del mismo.
ii) Modelo probabilístico o estocástico:
estocástico: Es aquél que involucra cierto error que
depende de cosas fortuitas.
Definición:
i) Un experimento es cualquier proceso cuyos resultados no se conocen de
antemano con certeza.
ii) El espacio muestral S del experimento es la colección o conjunto de
todos los posibles resultados del experimento.
iii) Un evento o suceso es cualquier subconjunto del espacio muestral.
Ejemplos:
1._ Experimento:
Experimento Se lanza una moneda 3 veces.
Notación:
Notación
Espacio muestral:
muestral
Eventos:
Eventos
2._ Experimento:
Experimento Un vehículo llega a una intersección de carreteras y puede dar
vuelta a la derecha, a la izquierda o seguir de frente.
Notación:
Notación
Espacio muestral:
muestral
Eventos:
Eventos
3._ Experimento:
Experimento Se lanza una moneda hasta obtener una cruz (x) o tres caras (c).
2
UNIDAD 1
4._ Experimento:
Experimento Se seleccionan al azar cuatro estudiantes de una clase de química
y se clasifican como masculino o femenino. Lista los elementos del espacio
muestral asociado a este experimento. Define un segundo espacio muestral donde
los elementos representen el número de mujeres seleccionadas.
Definición:
Definición
i) El complemento de un evento A con respecto al espacio muestral S es el
conjunto de todos los elementos de S que no están en A. Se denota
como A' , A c o A . A' = { x | x ∈ S y x ∉ A }
Interpretación de la probabilidad
Clásica._
Clásica Está basada en el concepto de resultados igualmente verosímiles, es
decir se asume que cada uno de los resultados tiene la misma oportunidad de
ocurrir.
Frecuentista._
Frecuentista La probabilidad de un evento es interpretada como la frecuencia
relativa con la que se obtendría ese resultado si el proceso se repitiera un gran
número de veces, en condiciones similares.
Subjetiva._
Subjetiva tiene que ver con el grado de conocimiento de la persona sobre el
evento y en base a esta experiencia la persona asigna una probabilidad
conveniente.
3
UNIDAD 1
Elementos
Elementos De Análisis Combinatorio
Factoriales
Definición:
Definición Una permutación es un arreglo de objetos distintos donde el orden es
importante.
Ejemplo.
Ejemplo
Definición:
Definición
Una combinación es un arreglo de objetos distintos donde no importa el orden.
n n!
C k = C kn = =
k k!(n − k )!
n
Ejemplos:
3._ œDe cuántas maneras se pueden formar 6 personas para subirse a un autobús
si ...
a) No hay restricción alguna?
b) Si 3 personas insisten en seguir cada una de ellas a las otras?
c) Si en un determinado conjunto de 2 personas, cada una de ellas se niega a
seguir a la otra?
4
UNIDAD 1
6._ œCuántos números diferentes de 3 dígitos pueden formarse con los números 3,
4, 7, 8 y 9 si se desea que sean mayores que 500 y que no se repitan los
dígitos?
7._ œCuántos números pares de tres dígitos se pueden formar con los números 1,
2, 5, 6, 9 si solo es posible utilizar cada uno de estos una sola vez?
9.- Marcos y Enrique van a jugar un partido de tenis. El primero en ganar dos juegos
seguidos o que gane un total de tres juegos, gana el partido. Hallar el número
de formas en que se puede desarrollar el partido
5
UNIDAD 1
1.3 Axiomas de probabilidad
Definición:
Definición
Sea un espacio muestral S asociado a un experimento y A es un evento cualquiera
de S, la probabilidad del evento A es una función que asigna a A un número real
P( A ) con las siguientes propiedades:
i) 0 ≤ P( A ) ≤ 1
ii) P( S ) = 1
iii) Si A1 , A2 , ..., An son eventos mutuamente excluyentes en S entonces:
n n
P U Ai = ∑ P( Ai )
i =1 i =1
iv) Si A1 , A2 , ... es una secuencia numerable de eventos mutuamente excluyentes
en S, entonces:
∞ ∞
P U Ai = ∑ P( Ai )
i =1 i =1
i) P(∅ ) = 0
ii) P( A') = 1 − P( A)
iii) P( A ∪ B ) = P( A) + P( B ) − P( A ∩ B )
iv) P( A ∪ B ∪ C ) = P ( A) + P ( B) + P (C ) − P( A ∩ B) − P ( A ∩ C ) − P( B ∩ C ) + P( A ∩ B ∩ C )
k k k k
k
v) P U Ai = ∑ P ( Ai ) − ∑ P ( Ai ∩ A j ) + ∑ P( Ai ∩ A j ∩ Ar ) + L + (−1) k −1 P I Ai
i =1 i =1 i< j =2 i < j < r =3 i =1
vi) Si A ⊂ B entonces P( A ) ≤ P( B )
Ejemplos:
Ejemplos
6
UNIDAD 1
2. Se construye un dado de manera que el 1 y el 2 ocurran con el doble de la frecuencia
que se presenta el 5, el cual ocurre con una frecuencia 3 veces superior al 3, al 4 o al 6. Si
se lanza una vez, encuentra la probabilidad de que:
a) El número sea par.
b) El número sea 4.
c) El número sea mayor que 4.
1 1
4. Considera los eventos A y B tales que P(A) = y P(B) = . Determina el valor de
3 2
P(B ∩ A ) para cada una de las siguientes condiciones:
a) A y B son disjuntos,
b) A está contenido en B
1
c) P(A ∩ B) =
8
6._ Supón que en un grupo de 500 estudiantes de último año de facultad se encuentra que
210 fuman, 258 consumen bebidas alcohólicas, 216 comen entre comidas, 122 fuma y
consumen bebidas alcohólicas, 83 comen entre comidas y consumen bebidas alcohólicas,
97 fuman y comen entre comidas, y 52 tienen esos tres hábitos nocivos para la salud.
Si se selecciona al azar a un miembro de este grupo, encuentra la probabilidad de que el
estudiante:
a) Fume pero no consuma bebidas alcohólicas
b) Coma entre comidas y consuma bebidas alcohólicas pero no fume.
c) Ni fume ni coma entre comidas.
7
UNIDAD 1
Probabilidad Condicional
Definición:
Definición La probabilidad condicional de B dado A está dada por
P( B ∩ A)
P( B | A) = con P( A ) > 0.
P( A)
Observación:
Observación
P( B | A ) + P( B' | A ) = 1
P( A ∪ B C ) = P( A C ) + P (B C ) − P ( A ∩ B C )
Ejemplos:
8
UNIDAD 1
3._ Se tienen 2 urnas cada una con 2 cajones. La urna 1 tiene una moneda de oro
en un cajón y una de plata en el otro, mientras que la urna 2 tiene una moneda de
oro en cada uno de los cajones. Se escoge una urna al azar y de esta se escoge un
cajón al azar, se saca la moneda y se observa que es de oro œCuál es la probabilidad
de que la moneda provenga de la urna 2?
Ejemplo:
Ejemplo
1._ Considera una caja con 4 bolitas etiquetadas del 1 al 4. Se saca una de ellas al
azar y se observa el número de la etiqueta. Con los eventos A={1, 2} y B={1, 3}.
Calcular:
a) P(A)
b) P(B)
c) P( A ∩ B )
d) P(A/B)
P( B ∩ A)
Observación Si A y B son independientes, sabemos que P( B ) = P( B | A) =
Observación: ∴
P( A)
P ( B ∩ A) = P ( B ) P ( A) es otra manera de definir que A y B son eventos
independientes.
9
UNIDAD 1
6._ Supón que en un sistema de circuitos como el que se muestra en la figura los
componentes fallan de manera independiente
a) œCuál es la probabilidad de que el sistema completo funcione?
b) Dado que el sistema funciona œCuál es la probabilidad de que el componente
A no funcione?
c) Si se sabe que el sistema no funciona œCuál es la probabilidad de que A
tampoco funciones?
0.7 0.7
A B
10
UNIDAD 1
Teorema
Teorema de la multiplicación
P( A ∩ B) = P( A | B) P( B) = P( B | A) P( A)
P( A1 ∩ A2 ∩ L ∩ An ) = P( A1 ) P( A2 | A1 ) P( A3 | A1 ∩ A2 ) x L xP( An | A1 ∩ A2 ∩ L ∩ An −1 )
Ejemplo:
Ejemplo
7._ La probabilidad de que le apliquen rayos X a una persona que llega a su dentista
es de 0.6, la probabilidad de que una persona a la que se le han aplicado rayos X
tenga también caries es de 0.3, y la probabilidad de que a alguna persona a la que
se le han aplicado rayos X y a la que se le ha curado una caries, se le extraiga
también un diente es de 0.1. œCuál es la probabilidad de que a una persona que
visite a su dentista se le apliquen rayos X, se le cure una caries y se le extraiga un
diente?
Regla de Bayes
Definición:
Definición Si A1 , A2 ,K , An son eventos mutuamente excluyentes, es decir
n
Ai ∩ A j = ∅ con i ≠ j , tales que S = U Ai se dice que { A1 , A2 ,K , An } es una
i =1
partición de S.
A1
A2
B
An
n n
Observa que B = B ∩ S = BI U Ai = U B ∩ Ai
i =1 i =1
11
UNIDAD 1
Pero BAi ∩ BA j = ∅ ∀ i ≠ j = 1, 2, ..., n, por tratarse de una partición de S.
Entonces:
n n
P( B ) = P U B ∩ Ai = ∑ P( B ∩ Ai )
i =1 i =1
n
P( B ) = ∑ P( B | Ai )P( Ai )
i =1
P( Ai B )
P( Ai | B ) =
P( B )
P( B | Ai )P( Ai )
P( Ai | B ) = n
∑ P( B | A )P( A )
i =1
i i
Ejemplos:
Ejemplos
1._ De los viajeros que llegan a un aeropuerto pequeño, 60% utilizan aerolíneas
importantes, 30% viaja mediante aviones privados, y el resto usa aviones
comerciales que no pertenecen a las aerolíneas importantes. De las personas que
usan aerolíneas importantes 50% viaja por negocios, mientras que 60% de los
pasajeros de los aviones privados y 90% de los que usan otras aeronaves
comerciales también viaja por negocios. Supóngase que se selecciona al azar una
persona que llega a este aeropuerto. œCuál es la probabilidad de que la persona
a) viaje por negocios?
b) Viaje por negocios en avión privado?
c) Haya viajado en avión privado dado que lo hace por negocios?
2._ Cuando los artículos llegan al final de una línea de producción, un supervisor
escoge los que deben pasar por una inspección completa, 10% de todos los
artículos son defectuosos, 60% de todos los artículos defectuosos y 20% de todos
los artículos buenos pasan por una inspección completa. œCuál es la probabilidad de
que un artículo
a) haya pasado por la inspección completa?
b) sea defectuoso dado que pasó por una inspección completa?
12
UNIDAD 1
3._ En cierta región del país se sabe por experiencias pasadas que la probabilidad
de elegir a un adulto de más de 40 años con cáncer es de 0.02. Si la probabilidad
de que un doctor diagnostique en forma correcta que una persona tiene cáncer es
de 0.78 y la probabilidad de que diagnostique en forma incorrecta que una persona
tiene cáncer si no lo tiene es de 0.06.
a) œCuál es la probabilidad de que diagnostique que una persona tiene cáncer?
b) Si el diagnostico del doctor es que el paciente tiene cáncer. œCuál es la
probabilidad de que en efecto tenga la enfermedad?
c) Y œCuál la probabilidad de que no la tenga?
13
UNIDAD 1
1.- Identifica empleando las regiones numeradas:
a) U − ( A ∪ B ∪ C )
b) A − (C ∪ B)
c) ( A ∩ B ∩ C ') − ( A ∩ B)
d) ( A ∩ B ') ∪ ( A ∩ C ')
U
e) ( A ∪ B ') ∩ C
A B
f) ( A ∪ B ) − C R5 R4 R6
R1
g) ( A ∩ B ') ∪ C R2 R3
h) B ∩ C' ∩ A R7
C R8
i) ( A ∪ C ) '∩ B '
j) {x | x ∉ A o x ∉ B}
k) {x | x ∈ A o x ∉ C}
l) {x | x ∈ A y x ∉ B}
m) {x | x ∈ A y (x ∈ B y x ∉ C}
n) {x | x ∉ A y x ∈ C}
o) {x | x ∉ A o (x ∈ B y x ∈ C}
14