Está en la página 1de 18

[Escriba el ttulo del documento] Estadistica

PROBABILIDADES

2013

La probabilidad es la posibilidad numrica, medida entre 0 y 1, de que ocurra un evento. A pesar de la difundida aplicacin de los principios de la probabilidad, existe dos perspectivas para asignar probabilidades: Los enfoques objetivo y subjetivo. La probabilidad objetiva se subdivide en: a) Probabilidad clsica b) Probabilidad emprica
CLASICO(resultados igualmente probables)

OBJETIVO PROBABILIADAD SUBJETIVO


empirico(datos historicos)

opinion personal

PROBABILIDAD CLASICA La probabilidad clsica parte del supuesto de que los resultados de un experimento son igualmente posibles. El muslo clsico es el que se relaciona con mayor frecuencia con las apuestas y juegos de azar. La probabilidad clsica de un evento E se determina mediante: ( ) ( ) ( ) La probabilidad clsica implica la determinacin de la probabilidad de algn evento a priori(antes de hecho). Por tanto, antes de sacar una carta de una baraja de 52 cartas, se puede determinar que la probabilidad de sacar una carta cualquiera es: ( ) ( ) Al tirar un dado equilibrado, la probabilidad de obtener a) un dos y b) un tres, es: ( ) ( )

El espacio muestral de tirar una moneda presenta dos resultados: caras y cruces. De ah que, si los dos resultados son igualmente probables( es decir, la moneda est equilibrada ), la probabilidad de que caiga cara es ( Y la probabilidad de que caiga cruz es )

[Escriba el ttulo del documento]


( )

2013

Si se saca una canica de una urna en la que haya 321, la probabilidad de obtener una cualquiera es ( )

El enfoque clsico tambin se puede aplicar a eventos que comprenden dos o mas resultados. Por ejemplo, se puede querer determinar la probabilidad de sacar una de las cuatro reinas de una mazo de 52 cartas. En este y en casos semejantes es necesario identificar primeramente el nmero de resultados favorables, y despus dividir ese nmero entre el nmero total de resultados del espacio muestral. ( )

Si un evento es imposible, tiene una probabilidad O. en cambio, si un evento es cierto o seguro de ocurrir, debe tener una probabilidad de 1, o bien, del 100%. o ( ) La interpretacin de una probabilidad clsica, como 0.25 , es que si el experimento se repitiera un gran numero de veces un evento que presenta una probabilidad de 0.25 ocurrir casi el 25% de las veces. PROBABILIDADEMPIRICA La probabilidad emprica o frecuencia relativa se basa en el nmero de veces que ocurre el evento como proporcin del nmero de intentos conocidos. El modelo de frecuencia relativa utiliza datos que se han observado empricamente, registra la frecuencia con que ha ocurrido algn evento en el pasado y estima la probabilidad de que el evento ocurra nuevamente con base en estos datos histricos. Frecuencia Relativa ( ) El enfoque emprico de la probabilidad se basa en la llamada ley de los grandes nmeros. La clave para determinar probabilidades de forma emprica consiste en que una mayor cantidad de observaciones proporcionaran un clculoms preciso de la probabilidad. Ley de los grandes nmeros: En una gran cantidad de intentos, la probabilidad emprica de un evento se aproximara a su probabilidad real. Un problema comn con el modelo de frecuencia relativa resulta cuando se hacen estimaciones con unos nmeros insuficientes de observaciones. La probabilidad emprica implica la determinacin de la probabilidad de algn evento o posterior (despus del hecho). Cuando se emplea el enfoque emprico, es importante tomar en cuenta los siguientes puntos: La probabilidad obtenida de esa maneraa es unicamente una estimacion del valor real.

[Escriba el ttulo del documento]

2013

El solo hehco de tirar una moneda 10 veces y obtener cuatro caras no es garantia de que caeran cuatro caras cada vez que se hagan 10 tiradas. De ah que la prueba empirica generalmente no nos proporciona una probabilidad exacta. Cuanto mayor sea el tamao de la muestra, tanto mejor sera la estimacion de la probabilidad. La probabilidad es propia de solo un conjunto de condiciones identicas a aquellas en las que se obtuvieron los datos. La validez de emplear el enfoque de frecuencia relativa depende de la igualacion de dos conjuntos de condiciones. Ejemplo: Un jugador de bsquet, de 100 lanzamientos logro encestar 90. Si queremos saber la probabilidad de que el jugador en el prximo lanzamiento logre encestar, entonces el modelo de frecuencia relativa sirve para estimar dicha probabilidad. Pasado (Datos histricos) EVENTO Encestar(E) Fallar(F) FRECUENCIA 90 100 n 100lanzamientos

FUTURO No sabemos si el prximo lanzamiento el jugador encestara o fallara. Solo sabemos que hay dos posibles resultados: encestar o fallar. Si hacemos E: evento jugador enceste y F: evento jugador falle si las condiciones que se dieron en el pasado se mantuvieron en el futuro, entonces la frecuencia relativa de algn evento, como el evento E, puede utilizarse como la probabilidad de que dicho evento pueda ocurrir. ( ) ( )

Si la frecuencia relativa se hubiese calculado en base a pocos lanzamientos, seria un riesgo aceptarla como la probabilidad emprica de que el jugador enceste. EJEMPLO Si se tira la moneda, digamos 100 veces y cae cara 60, puede ser razonable estimar la probabilidad de caras para futuros lanzamientos. ( ( ) ) ( ( ) )

[Escriba el ttulo del documento]

2013

El enfoque emprico da una probabilidad aceptable cercana al valor real cuando se realiza un gran nmero de ensayos. Generalmente no nos proporciona una probabilidad exacta. EJEMPLO: Se ha registro en el siguiente cuadro la venta diaria en un local comercial durante 100 das, calificndonosle como buena, regular y mala de acuerdo al ingreso diario. VENTA DIAIRIA CLASIFICACION BUENA RGULAR MALA NUMERO DIAS 65 28 7 FREC.RELATIVA 65/100 =0.65 28/100 =0.28 7/100 = 0.07 1.00

100 Cul ser la probabilidad de que la venta en un da cualquiera sea buena? P(Buena) = 0.65 Probabilidad Subjetiva

La probabilidad subjetiva es una evaluacin personal de la posibilidad de q ocurra un evento son el resultado de un esfuerzo por cuantificar nuestros sentimientos o creencias respecto a algo Segunda extraccin Si la primaria es diettica N=9 latas B B B B B B A B A 1 Probabilidad conjunta P(A y B) P(A y B) = P(A) P(B) P(A2/A1)= 2/9 si la primera bebida es normal N=9 latas B B B A B A P(A2/B1) = 3/9 B A B Probabilidad de q A y B ocurran

probabilidad conjunta para 2 intentos

Si los eventos A y B son independientes la probabilidad de q ambos ocurran es igual al producto de sus probabilidades individuales o marginales EJEMPLO. En el lanzamiento de dos dados la probabilidad de q ambos sean 3 es: P(A y B) = P(A) P(B) P(3 y 3) = p(3) P(3) P(ambos ) = 1/6 * 1/6 = 1/36 1 2 2 A 3 P(A)=1/6 4 3 B P(B)=1/6 4 1

[Escriba el ttulo del documento]


5 6 5 6

2013

Ejemplo: una nfora contiene 5 esferas amarillas y 3 esferas blancas. Se extrae una esfera del nfora y se repone. Otra esfera es extrada posteriormente. Encontrando las probabilidades de que a) Ambas sean amarillas b) La primera sea amarilla y la segunda blanca c) La primera sea blanca y la segunda amarilla d) Ambas sean blancas Sea A; evento obtener una esfera amarilla y B: evento obtener una esfera blanca 1 extraccin N=8 B A A B A A B A A o B ? P(A1)=5/8 P(B1)=3/8 A A B A B 2 extraccin N=8 A o B ? B A A P(A2)=5/8 P(B2)=3/8

El resultado que ocurre en la primera extraccin no tiene ningn efecto en la segunda por lo tanto las respectivas probabilidades son: a) P( A1 y A2 )= P(A1) * P(A2)= 5/8 * 5/8 = 25/64 b) P(A1 y B2 ) = P(A1) * P(B2)= 5/8 * 3/8 = 15/64 c) P(B1 y A2 ) = P(B1) * P(A2)= 3/8 * 5/8 = 15/64 d) P(B1 y B2 ) = P(B1) * P(B2)= 3/8 * 3/8 = 9/64 Asi mismo la probabilidad de q ocurran sucesivamente n eventos en n intentos independientes P(A1 y A2 y..An) = P(A1 A2 . An)

P(A1 y A2 y.An) = P(A1) P(A2) ..P(An) 2 Caso: eventos dependientes P(A1 y B2) = P(A1) * P(B2/A1) La probabilidad de dos eventos dependientes es igual a la probabilidad de un evento multiplicador por la probabilidad condicional del otro.

[Escriba el ttulo del documento]


EJERCICIOS DE PROBABILIDADES

2013

Si se extrae al azar 2 cartas de una baraja ordinaria una a la vez con reemplazo. Cul es la probabilidad de obtener por lo menos un As? EVENTO A: no obtener un As en la primera extraccin EVENTO B: no obtener un as en la segunda extraccin ( ) ( ( ) ( ( ) ) ( ) ) ( ) ( ) ( )

Si yo saco una carta de un mazo de carta. Cul es la probabilidad de obtener 2 cartas en la que la una muestre un As y la otro un rojo? EVENTO A: Obtener un As EVENTO B: Obtener una carta roja

( ) ( )

( )

( ) ( )

Suponga que va a elegir de manera aleatoria un individuo entre una poblacin de 130 personas en esa poblacin hay 40 nios menores de 12 aos, 60 adolescentes y 30 adultos. Cul es las probabilidades de que el individuo sea un adolescente o un adulto? A: adolescentes=60 B: adulto=30 C: nios=40 ( ) ( ) P(A o B)= P(A)+P(B) ( )

[Escriba el ttulo del documento]


Son mutuamente excluyentes y colectivamente exhaustivos Suponga que lanzamos una sola vez un par de dados no cargado. Cul es la probabilidad de obtener 2 en el primer dado y cuatro en el segundo. A: Obtener un dos en el primer dado B: Obtener un cuatro en el segundo dado ( Son independientes ) ( ) ( )

2013

Suponga que usted extrae una muestra aleatoria de una bolsa de fruta. La bolsa contiene 4 manzanas, 6 naranjas y 5 duraznos. Si seleccionamos2 frutas una vez con reemplazo. Cul es la probabilidad de obtener una naranja y una manzana en ese orden? P(A)= Obtener naranja P(B)= Obtener manzana ( )

DIAGRAMA DE ARBOL Cada vendedor de PROMOVIX las etapas del problema como abajo promedio, promedio o arriba del promedio con respecto a su actitud para las ventas, adems cada uno se clasifica respecto a su posibilidad de promocin en regular, buena o excelente. En la tabla se presenta las clasificaciones de estos conceptos para 500 vendedores Habilidad en Ventas Debajo del promedio Promedio Por arriba del promedio D (Regular) 16 45 93 154 E (Buena) 12 60 72 144 F (Excelente) 22 45 135 202 Total 50 150 300 500

A B C Total

COMBINATORIA La combinatoria analiza todo tipo de posibilidades al momento de considerar la cantidad de opciones posibles en un conjunto finito de objetos. Tiene en cuenta la repeticin posible de los mismos, y la no repeticin, al igual que los intercambios de posiciones de los elementos con respecto a su ubicacin y orden especficos. Estos tipos de operaciones se denominan Variaciones, combinaciones y permutaciones Resuelve problemas que aparecen al estudiar y cuantificar las diferentes agrupaciones (ordenaciones, colecciones,...) que podemos formar con los elementos de un conjunto.

[Escriba el ttulo del documento]


Analicemos entre 1, 2, 3, 4 determinar el nmero de dgitos posibles. 2 12 3 13 4 14 1 21 3 23 4 24 1 31 2 32 4 34 1 41 2 42 3 43 M M M F

2013

1 2 3

PRINCIPIO DE CONTEO 4 x 3 = 12

Un edificio tiene 7 puertas de acceso. De cuantas formas puede ingresar una persona al edificio y salir de el por una puerta distinta a la que ingreso. 7 x 6 =42 Determinar ordenar misma 3 de cuantas de deben F F F M M M maneras distintas se puede matemtica y 3 de fsica en un 6 libros. a.) si los libros de la quedar juntos. b.)los de libros

anaquel que tiene espacio para asignatura

matemticas deben quedar juntos pero los de fsica puede colocarse en cualquier lugar.

3.2.1.3.2.1

[Escriba el ttulo del documento]


3.2.1.3.2.1

2013

Cuantas distribuciones distintas , cada una consistentes en 4 letras se pueden formar con la letra de la palabra personal para que cada distribucin empiece y termine con una vocal PERSONAL 3 . 6 . 5 . 2 = 180 FACTORIAL ( )( )( )

PERMUTACIONES El caso particular de variaciones de n elementos tomados en grupos de r, en el que n = r se denomina permutacin. Cada agrupacin difiere de las restantes slo en el orden de colocacin de los elementos, y en cada grupo intervienen todos los elementos del conjunto ( COMBINACION Las agrupaciones combinatorias denominadas combinaciones son las que se obtienen al seleccionar de un conjunto de n elementos grupos de r, de tal forma que cada grupo es diferente de los dems si, y slo si, contiene algn elemento diferente, sea cual sea su orden de colocacin en el grupo. El nmero de combinaciones ordinarias (sin repeticin) que se pueden formar con n elementos tomados de r en r se calcula a partir de la siguiente frmula: )

( ) En cuantas formas puede un jurado otorgar el primero, segundo, tercero entre 12 concursantes. b.)en cuantas formas se puede seleccionar los puestos de presidente, secretaria, tesorero de un club de 12 miembros de manera que ninguno de ellos sea elegido para ms de un puesto. n=12 r=3 ( )

Se va a seleccionar un comit senatorio formado por 7 miembros conservadores y 4 liberales en cuantas diferentes formas se puede formar un comit que tenga 3 observadores y 2 liberales.

[Escriba el ttulo del documento]


n=7 r=3 n=4 r=2 ( ) ( )

2013

DISTRIBUCION PROBABILISTICAS Cuando se analiza un experimento aleatorio, se descubren factores de comportamiento de la probabilidad que siguen modelos propios y distintivos. Por ello, es frecuente asociar a estos experimentos una funcin de probabilidad, que puede adoptar diversas formas y regirse por principios diferentes y cuyo estudio arroja luz sobre la naturaleza y las caractersticas del fenmeno fsico o social ligado al experimento Ejemplo: x 0 1 1 2 1 2 2 3 1 S S S S C C C C 2 S S C C S S C C 3 S C S C S C S C

(x) 0 1 2 3

frecuencia 1 3 3 1 8

P(x) 0.125 0.375 0.375 0.125 1

Variables aleatorias En un experimento aleatorio cabe definir una aplicacin que asigne a cada suceso estocstico del espacio muestral un cierto nmero. Esta aplicacin recibe el nombre de variable aleatoria, y el conjunto de valores que puede asumir una variable aleatoria es su recorrido. Segn el nmero de elementos del recorrido, se distinguen dos tipos de variables aleatorias: Variable aleatoria continua, de recorrido infinito, donde el nmero al que se hace corresponder la aplicacin pertenece al conjunto de los nmeros reales R. Variable aleatoria discreta, que produce como resultado un nmero finito de valores predeterminados, por lo que su recorrido es finito MEDIA ARITMETICA DE UNA DISTRIBUCION DE PROBABILIDAD La media aritmtica se define como la suma del producto de cada valor de la variable aleatoria considerada por su probabilidad.

[Escriba el ttulo del documento]


( )

2013

[ Ejemplo:

( )]

Se seleccion al azar un grupo de 3 personas de una muestra de 10 que incluye a 4 menores de edad. Interesa conocer de estos ltimos en el grupo. a) Cules son los valores posibles de esta variable aleatoria b) Determine la distribucin probabilsticas de esta variable c) Cul es la probabilidad de que haya: exactamente un menor de edad, por lo menos uno, 2 o ms.

x: nmero de menores de edad 6 mayores de edad 4 menores de edad


6 6 6 6

C3*4C0=20 C2*4C1=60 C1*4C2=36 C0*4C3=4 C3= x 0 1 2 3 Probabilidad 0.167 0.5 0.3 0.033 1

10

DISTRIBUCIN PROBABILSTICA 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.

[Escriba el ttulo del documento]


Las caractersticas de esta distribucin son:

2013

a) En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa, etc, etc., denominados arbitrariamente xito (que es lo que se espera que ocurra) o fracaso (lo contrario del xito). b) Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir no cambian. c) Cada uno de los ensayos o repeticiones del experimento son independientes entre s. d) El nmero de ensayos o repeticiones del experimento (n) es constante.

P(x)

n= es el nmero total de los ensayos x= es el numero de xitos de cada ensayo = es la probabilidad de xitos en cada ensayo

1.- un estudio reciente de los vigilantes de la comisin de transito de una ciudad revelo que el 60%de los conductores en su ciudad se coloca el cinturn de la seguridad al manejar. Se selecciono una muestra de 10 automovilistas en una carretera de esa ciudad. a) Cual es la probabilidad de que exactamente 7 conductores lleven puesto el ci9nturon de seguridad. b) Cual es la probabilidad de que 7 o menos de los conductores lo lleven puesto.

a) n=10 = 0.60 x=7 P(7)=


( ) ( )

[Escriba el ttulo del documento]

2013

b) n= 10 = 0.60

P(x 7)= 0.002+0.011+0.201+0.251+0.215=0.833

Complemento

P(x 7)= 1-P (x 7) = 1- (0.121+0.040+0.006)=0.833

2) un 10% de los empleados de produccin de una fbrica de cemento estn ausentes del trabajo en un determinado da. Suponga que se selecciona al azar 10 trabajadores de produccin para un estudio riguroso de ausentismo.

a) Cual es la variable aleatoria b) la variable es discreta o continua c) Cual es la probabilidad de que ninguno de los 10 empleados seleccionados esten ausentes

la variable aleatoria es el numero de empleados ausentes la variable es discreta

= 0. n=10

P(0)=

) (

[Escriba el ttulo del documento]


x=0

2013

3)En un estudio reciente se hallo que el 90 por ciento de los casos de una ciudad tienen problema estructurales. En una muestra de 9 viviendas cual es la probabilidad de que: a) Las 9 tengan defecto en su estructura b) Menos de 5 posean dicho problemas c) Mas de 5 tengan problemas en su estructura d) Por lo menos 7 en las casas tengan problemas

n=9 =0.9

a) b) c) d)

0.387 P(x5n=9^=0.9)=0.001 0.045+0.172+0.387+0.387=0.991 P(x7n=9^=0.9)=0.946

4)Un fabricante de marcos para ventana sabe por su larga experiencia que el 5% de la produccin tendr algn tipo de defecto que requiere de un ligero ajuste. Cual es la probabilidad de que una muestra de 20 marcos de ventana a) Ninguna necesite arreglo b) Por lo menos una requiere ajustes c) Mas de 2 necesiten arreglos

=0.05 n=20 x=0

[Escriba el ttulo del documento]

2013

P(0)=

) (

Falta el literal by c

Distribucin probabilstica hipergeometrica En teora de la probabilidad la distribucin hipergeomtrica es una distribucin discreta relacionada con muestreos aleatorios y sin reemplazo. Supngase que se tiene una poblacin de N elementos de los cuales, d pertenecen a la categora A y N-d a la B. La distribucin hipergeomtrica mide la probabilidad de obtener x ( ) elementos de la categora A en una muestra de n elementos de la poblacin original.

P(X)= N=representa el tamao de la poblacin S=es la cantidad de xitos en la misma x= representa el numero de xitos que interesa n=representa el tamao de la muestra C= es el smbolo de la combinacin 1) Una poblacin costa de 10 articulos 6 d4 los cuales estn defectuosos, se seleccionan una muestra de 3. cual es la probabilidad de que exacftamente 2 tengan defectos ?

N=10 S=6 N=3 X=2 P(2)=

[Escriba el ttulo del documento]


Distribucin probabilstica de poisson

2013

La distribucin de probabilidad de Poisson es un ejemplo de distribucin de probabilidad discreta. La distribucin de Poissonparte de la distribucin binomial.Cuando en una distribucin binomial se realiza el experimento muchas veces, la muestra n es grande y la probabilidad de xito p en cada ensayo es baja, es aqu donde aplica el modelo de distribucin de Poisson.

P(x)=

En esta distribucion es muy pequea aproximacin y n es muy grande e =2.7182 UTILIDAD

La distribucin de Poisson se utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el total de posibles resultados. Permite determinar la probabilidad de ocurrencia de un suceso con resultado discreto. Es muy til cuando la muestra o segmento n es grande y la probabilidad de xitosp es pequea. Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmenton dado como por ejemplo distancia, rea, volumen o tiempo definido.
1.- la gerente de un banco esta encargada de los prestamos con bases en sus aosa de experiencia que estima que la probabilidad de un solicitante no sea capas de pagar con prestamos es de 0.025 es mas pesado realizo 40 prestamo a)Cul es la probabilidad que 3 prestamos no sean pagados oportunamente b) cual es la probabilidad de que por lo menos 3 prestamos no se liquiden a tiempo . n= 40 =0.025 a)

[Escriba el ttulo del documento]


u=n=40x0.025=1

2013

p(x=3)= b)

( ) (

=0.0613

P(x3)=1- P(x3)=1-[P(X=0)]+P(X=1)+P(X=2) ] P(X=0)= P(X=1)= P(X=2)=


( ) ( ) ( )

( ) (

( ) (

P(X 3)=1-0.3679-0.3679-0.1839=0.0803 2) Se estima que el 0.5% de las llamadas telefnicas a un departamento de facturacin reciben la seal de ocupado Cul es la probabilidad de q ue las 1200 llamadas del dia de hoy 5 hayan recibido dicha seal. n=1200 =0.5%=0.005

u=n.=1200X0.005=6 P(X5^U=6)=1-P(X<5)= 1-[P(X=0)]+P(X=1)+P(X=2)+ P(X=3)+ P(X=4) ] =1-0.0025-0.0149-0.0446-0.0892-0.1339=0.7149 El gerente de personal de una empresa estudia el numero de accidentes en el trabajo ocurra en 1 mes elaborado la siguiente distribucin probabilstica

X N de accidentes 0 1 2 3

P(X) Probabilidad 0.40 0.20 0.20 0.10

X.P(X) 0 0.20 0.40 0.3

P(X) 0 0.20 0.8 0.9

[Escriba el ttulo del documento]


4 0.10 0.4 =1.3

2013

1.6 =3.5

Determinar la media aritmtica, la varianza y la desviacin estndar en dicho periodo =

.P(X)]) =1.81

=3.5x-(

G= =

1.345

3) se elabora una pasta dental con un nuevo sabor y se le dio a probar a un grupo de10 personas, 6 de ellas afirman que les gusta el nuevo sabor y los 4 restantes opinan que no les gusta el nuevo sabor, se seleccionan4 de las 10 personas para quye participen en una nueva entrevista prolongada. cual es la probabilidad de que los mismos seleccionen para la entrevista a 2 que les guste el nuevo sabor o no