PROBABILIDAD

INSTITUTO TECNOLOGICO DE TLALNEPANTLA.
SUBDIRECCION ACADEMICA
DEPTO. DE CIENCIAS BASICAS

APUNTES DE PROBABILIDAD
LIC. EN INFORMATICA
NUEVO MODELO

ELABORADOS POR: ING. ANA ELENA MIRANDA LÓPEZ
ENERO 2006 1

PROBABILIDAD

OBJETIVO GENERAL DEL CURSO:

EL ESTUDIANTE COMPRENDERÁ LOS FUNDAMENTOS TEÓRICOS DEL PENSAMIENTO PROBABILÍSTICO

UNIDAD I. TECNICAS DE CONTEO. I.1 Introducción. I.2. Principios de conteo: aditivo y multiplicativo. I.3. Diagramas de árbol. I.4. Permutaciones. I.5. Combinaciones. I.6. Ejercicios de aplicación. UNIDAD II. TEORIA DE LA PROBABILIDAD. II.1. Introducción. II.2. Eventos y espacio muestral. II.3. Axiomas y teoremas de la probabilidad. II.4. Espacio finito y equiprobable. II.5. Probabilidad condicional. II.6. Probabilidad total y teorema de Bayes. II.7. Independencia. II.8. Aplicaciones UNIDAD III. DISTRIBUCION DE PROBABILIDAD DISCRETA. III.1. Introducción III.2. Definición y clasificación de variable aleatorias. III.3. Distribución y esperanza. III.4. Varianza y desviación estándar III.5. Función de probabilidad discreta. III.6. Función de distribución acumulativa.. III.7. Distribución de probabilidad binomial. III.8. Distribución de probabilidad Poisson III.9. Aplicaciones UNIDAD IV. DISTRIBUCIONES DE PROBABILIDAD CONTINUA. IV.1 IV.2. IV.3. IV.4. IV.5. IV.6. IV.7. Introducción Función de densidad de probabilidad. Esperanza y Varianza de una variable aleatoria contínua. Distribución de probabilidad uniforme. Distribución de probabilidad exponencial. Distribución de probabilidad normal. Aproximación de la binomial a la normal.
2

PROBABILIDAD

TEORIA DE CONJUNTOS. Definición. Colección de elementos de cualquier tipo, personas, animales, libros, países, etc. que tienen algo en común y que están bien definidos. Estos objetos o elementos que forman parte de un conjunto, tienen una nomenclatura especial. Para trabajar con Teoría de Conjuntos necesitamos conocer el siguiente lenguaje: Conjunto Elementos Conjunto vacío Conjunto universal Pertenece No pertenece Subconjunto No es subconjunto Tal que Igual que No es igual que Menor que Mayor que Menor o igual que Mayor o igual que Reunión o Unión Intersección Complemento Para todo x Existe un x Implica Bicondicional (sí y solo sí) Es equivalente Conjunción (o) Disyunción (y) Hiperconjunto Relacionado o vinculado Semejante Infinito Adición Diferencia Número de elementos del conjunto A A,B,C... ó {a} a,b,c.... ∅, {} U,S ∈ ∉ ⊂ ⊄ / = ≠ < > ≤ ≥ ∪ ∩ A´, Ac ∀x ∃x ⇒ ⇔ ≡ ∧ ∨ ⊃ ℜ ∼ ∞ + n(A)
3

PROBABILIDAD

METODOS PARA DEFINIR UN CONJUNTO. A) Método de Extensión o de Enumeración. Este enumera cada uno de los elementos que forman el conjunto. B) Método de Comprensión. Este, por medio de una frase de comprensión (lo mas clara que sea posible) describe las características de los elementos del conjunto. Sea A = { a,e,i,o,u } ⇒ Método de extensión o de enumeración.
NOTA: Modo de leerse ( El conjunto A es igual al conjunto de a, e, i, o, u )

Podemos decir que a ∈ A, e ∈ A, i ∈ A, o ∈ A, u ∈ A ó 5 ∉ A A = {x/x es una vocal del alfabeto latino} ⇒ Método de comprensión.
NOTA: Modo de leerse ( El conjunto A es igual al conjunto de todas las x tal que x es una vocal del alfabeto latino )

Ejemplo: Sea 1. B = { 0,1,2,3.....9 } ---------------Finito B = { x/x es un numero entero positivo, 0 ≤ x ≤ 9 } 2. C = { x/x es un numero par entero positivo x ≥ 12 }------------Infinito C = { 12,14,16,18.....} 3. D = { x/x2 = 4, x = 1}-------------Vacío D= ∅ CONJUNTO UNIVERSO ( U, S ). Es el conjunto que tiene todos los elementos en cuestión (no es único) y es un conjunto de referencia. IGUALDAD DE CONJUNTOS. Un conjunto A es igual a un conjunto B, si ambos tienen los mismos elementos, es decir si cada elemento de A esta en B o si cada elemento de B esta en A. A=B⇔B=A Ejemplo: Sea A = {1, 2, 3, 4} , B = { 3, 1, 4, 2, 3 } ∴A=B

4

PROBABILIDAD

NOTA: En teoría de conjuntos no importa el orden en que aparezcan los elementos y además no podemos repetir elementos. SUBCONJUNTO ( ⊂ ). Si todo elemento de un conjunto A es también elemento de un conjunto B entonces se dice que A es subconjunto de B. A ⊂ B ⇒ A esta incluido en B ó A es un subconjunto de B. Ejemplos: Sean C = {1, 3, 5 } y ∴C⊂D ⇒
C es subconjunto de D ó

D = { 5, 4, 3, 2, 1 } D⊃C

NOTA: No existe reciprocidad.

D es un hiperconjunto de C.

Sean C = {1, 2, 3 } y D = { 1, 2, 1, 3 } ∴C⊂D , D⊂C ⇒C=D ó D=C Sean A = {a, e, i, o, u } y B = { e, i, o, u, f } ∴A⊄B n(A) = 5 n(B) = 5

NOTA: Si hay reciprocidad en conjuntos iguales.

NOTA: Distíngase conceptos diferentes, n(A) implica el número de elementos del conjunto A y no cuales son los elementos de A. CONJUNTO POTENCIA. Es la familia de todos los subconjuntos de un conjunto S, y se define: Conjunto Potencia S = 2n ∴ n = número de elementos de S Sea M = { a, b } ; Determinar en forma numérica la familia de subconjuntos y definirlos cada uno de ellos. Conjunto Potencia M = 22 = 4 subconjuntos Conjunto M = { a, b } Subconjuntos M = { a, b } {a} {b}
5

y. 7. 7 } { 4. -----------Son disyuntos. 8 } { 4. Ac ). con respecto a un conjunto de referencia ( U ). 9} ∴A≠B Sean E = {x. Sean A = {1. 7. 8 } { 8. y se define: Ac = {x/x ∈ U. z} y F = { r. Si T = {4. Conjunto Potencia T = 23 = 8 subconjuntos Conjunto T = {4. 3.PROBABILIDAD ∅ Ejemplo: NOTA: El conjunto vacío es subconjunto de todos los conjuntos. 4. El complemento de un conjunto A. Determine el conjunto potencia y defina la familia de subconjuntos. 8} Subconjuntos T = { 4. x ∉ A } o bien Ac = { x/x ∉ A } Conclusión: (Ac)c = A Uc = ∅ ∅c = U 6 . es decir que ningún elemento de B esta en A y ningún elemento de A esta en B. s. 8} . es el conjunto de los elementos de dicho conjunto universo que no pertenecen al conjunto A.No son disyuntos. t } ∴E≠F ---------. No tienen elementos comunes. 7. 8} y B = {2. CONJUNTO COMPLEMENTO ( A’. 7 } {4} {7} {8} ∅ CONJUNTOS DISJUNTOS O DISYUNTOS. 7. 7.

9. C) El conjunto Ac.3. 7 . Circulo: Conjuntos y sus relaciones. 5. Diagramas de Venn Euler.Representación con figuras Geométricas: Rectángulo: Conjunto Universo.. 2. Representación Gráfica de conjuntos. x ≤ 10 } Ac = {1.. x ≤ 10 } Defina el complemento de A por el método de comprensión y el método de enumeración. Ac = { x/x es un numero impar positivo entero. A) U = { x/x es una camisa que fabrica la empresa “X” } B) A = { x/x es una camisa de manga larga que fabrica la empresa “X” } C) Ac = { x/x es una camisa de manga corta que fabrica la empresa “X” } REPRESENTACION GRAFICA DE CONJUNTOS.Conecta a los conjuntos por medio de segmentos de recta bajo el criterio de colocar el conjunto de mayor numero de elementos en primera posición y después desglosarlos.9} Ejercicio: La empresa “X” fabrica camisas de manga larga y corta. 7. 4.7. si consideramos el conjunto A como todas las camisas de manga larga que fabrica la empresa “X” determinece: A) El conjunto U. 3. Puntos: Elementos. 8. B) El conjunto A.5.PROBABILIDAD Ejemplos: Sean: S = {1. 10} A = {x/x es un numero par positivo entero. 6. Diagramas lineales.

PROBABILIDAD Sea A = { a. simultáneamente } a) U A B b) U A B c) U B A 8 . A∪B= A⊂B INTERSECCION. A ∪ B = { x/x ∈ A y/o x ∈ B } a) U A B b) U A B c) U B A A∪B= A∪B= A y B son disyuntos. c } B = { a. b. b } A B Diagrama Lineal: ⇒B⊂A Diagrama de Venn: U A B B⊂A OPERACIONES CON CONJUNTOS. UNION. A ∩ B = { x/x ∈ A y x ∈ B.

a) U A B A∩B=∅ A y B son disyuntos A∩B= B⊂A b) U A B c) U A B A-B= 2.. b ∈ B } 9 .A – B ={ x/x ∈ A. x ∉ A } a) U A B B-A= B B-A= b) U A B c) U A B Ac = Ac = Ac = PRODUCTO CARTESIANO. que esta formado por todas las parejas ordenadas (a.B – A ={ x/x ∈ B. Sean A y B. x ∉ A } 1. b E B y se define por el método de comprensión de la siguiente forma: A X B = { (a.b) / a ∈ A. 1.PROBABILIDAD A∩B= DIFERENCIA. Ac = { x/x ∉ A } ó { x/x ∈ U.. el conjunto producto A y B o producto cartesiano A X B (A cruz B). x ∉ B } 2.a) A-B=A A y B son disyuntos b) U A B A-B=∅ U A B c) A B B-A= COMPLEMENTO. 2 conjuntos.b) ⇒ a E A.

por ejemplo si tomo (a. c ∈ C } Ejemplo: En una empresa de artículos de tocador pretende lanzar al mercado un jabón de tocador.b) } CONCLUSION: Se pueden brindar 6 opciones al consumidor.1) (b. Utilice el producto cartesiano para determinar cuantas opciones podemos brindarle al consumidor.a)(1. Nos sirve para mostrar esquemáticamente todas las combinaciones posibles en un producto cartesiano.2) significa un jabón azul en tamaño mediano.2)(a. mediano y grande.2)(b.a)(3.3) } B X A = { (1.b.1)(b. 2 3 =B Chico = 1 DIAGRAMA DE ARBOL. por estrategia considera lanzar el jabón en dos diferentes colores: azul y blanco y en tres diferentes tamaños: chico. Conjunto A a AXB b Conjunto B 1 2 3 1 2 3 Conjunto A X B (a. (según el ejemplo anterior).c) / a ∈ A.1) (a.a)(2.b)(3.3) (b.PROBABILIDAD A X B X C = { (a. b ∈ B.3) 10 .3)(b.2) (b. Azul = a =A Blanco = b Mediano = Grande = A X B = { (a.b)(2.2) (a.1)(a.

3..El estudiante aplicará las técnicas de conteo en la solución de problemas. OBJETIVO.r) = n! (n-r)! Cuando n = r Cuando n ≠ r P circular = (n-1)! P repetición = n! n1!·n2!·n3!·.... COMBINACIONES.. TECNICAS DE CONTEO.. y si continuando el procedimiento un segundo evento se puede realizar de n2 maneras diferentes. 4.PROBABILIDAD UNIDAD I.. Si un evento puede realizarse de n 1 maneras diferentes. r = # de elementos que se toman de vez en vez. P (n.nn! Principio Fundamental de Conteo... n = # de elementos del conjunto.nn 11 .. FORMULAS: 1. • • PERMUTACIONES..r) = n! P (n. 2.. y si después de efectuado un tercer evento puede realizarse de n 3 maneras diferentes.. Permutación es la ordenación de un conjunto de “n” objetos tomados “r” a la vez en un orden dado. PERMUTACIONES....... en que los eventos puedan realizarse en el orden indicado es el producto de: n1 · n2 · n3 · ..

. n! = (n-2)(n-1) n ó n! = 1 · 2 · 3 · 4 · 5 . de las cuales el primero no puede ser 0.. n=6 r=3 P (6.D. en otras palabras hallar el numero de palabras diferentes que podemos formar con 3 letras. Hallar el numero de permutaciones de las 6 letras siguientes: A. 6.n Ejercicio: Calcular.PROBABILIDAD Ejemplo: Supongamos que una placa de automóvil consta de 2 letras distintas seguidas de 3 dígitos.r) = n! (n-3)! = 6·5·4·3·2·1 = 120 palabras diferentes de 3 letras.C. 0} 26 · 25 · 9 ·10 ·10 = 585... 2. ¿Cuántas placas diferentes pueden grabarse? ch n1 · n2 · n3 · n4 · n5 solo quedan 2 Letras distintas 28 26 letras ll 26 25 9 10 10 DF MEX 3 dígitos.3) = 6! P(n. 8..E. 7. Factorial de un Numero. 5. 12 . 4..B.. 9! = 9·8·7·6·5·4·3·2·1 = 362880 = 504.F tomadas de 3 a la vez. 3.000 Placas diferentes. Ejemplos de Permutaciones: 1. n! Es el producto de los enteros positivos sucesivos desde “n” hasta 1. es 1 por definición. 6! 6·5·4·3·2·1 720 5! = 5·4·3·2·1 = 120 = 1 7! 7·6·5·4·3·2·1 5040 42 (3-3)! = 0! = 1 NOTA: El factorial de 0.. 9. 7! = 7 · 6 · 5 · 4 · 3 · 2 · 1 = 5040.. donde el 1º ≠ 0 {1.

= 56 números de 3 dígitos múltiplos de 5. P (12. cuantos equipos diferentes se pueden formar para un torneo de basquet si son 5 gentes las que juegan. C) Cuantos números de estos son pares. 9 } A) Cuantos números se pueden formar. 4. D) Cuantos números de estos son impares. = 280 números de 3 dígitos impares.PROBABILIDAD (6-3)! 3·2·1 n1 · n2 · n3 120 palabras = diferentes de 3 letras Por el principio fundamental de conteo: 6 5 4 2. 6.5) = 12! = 12·11·10·9·8·7·6·5·4·3·2·1 = 95040 palabras diferentes de 3 letras. 8. (9-3)! 6·5·4·3·2·1 Por el principio fundamental del conteo: n1 A) B) C) D) E) 9 6 8 8 8 · · · · · · n2 8 8 7 7 7 · · · · · · n3 7 7 4 5 1 = 504 números diferentes de tres dígitos. n=9 r=3 A) P (9. 13 . = 224 números de 3 dígitos pares. 2. De un total de 12 personas.3) = 9! = 9·8·7·6·5·4·3·2·1 = 504 números diferentes de tres dígitos. 7. B) Cuantos números de estos son mayores de 400. E) Cuantos números de estos son múltiplos de 5. 5. Si se toman números de 3 dígitos y tenemos un conjunto { 1. = 336 números de 3 dígitos mayores de 400. (12-5)! 5·4·3·2·1 3. 3.

d) Cuantas empiezan con vocal.4) = 5! = 5·4·3·2·1 = 120 palabras de 4 letras que solo contienen consonantes 14 . n3R = 2 P repetición = n! n1!·n2!·n3!·. De cuantas maneras se pueden escoger 3 cartas sucesivas de una baraja de 52 cartas.600 formas diferentes de sacar 3 cartas b) 52 · 51 · 50 sin sustitución.PROBABILIDAD 4.. = 132. Hallar el número de permutaciones que se pueden formar con todas las letras de la palabra “BARRA”. e) Cuantas contienen la letra “I”. n2A = 2 . nT = 5 . n = 52 r=3 a) 52 · 52 · 52 = 140. h) Cuantas pueden tener ambas vocales.. b) Sin sustitución.. n1B = 1 ..608 formas diferentes de sacar 3 cartas con sustitución. b) P (5. g) Cuantas empiezan por “T” y contienen “S”. c) Cuantas empiezan y terminan con consonantes.nn! P(rep) = 5! = 5 · 4 · 3 · 2 · 1 = 120 = 30 permutaciones diferentes. Con la palabra “CRISTAL”: a) Hallar el número de palabras de 4 letras que se pueden formar.. 5... b) Cuales de ellas solo contienen consonantes. 1! · 2! · 2! (2 · 1) · (2 · 1) 4 6. Solo trabajamos con las consonantes. n=7 r=4 a) P (7.. f) Cuantas empiezan por “T” y terminan por vocal..4) = 7! = 7·6·5·4·3·2·1 = 840 palabras de 4 letras que se pueden formar con (7-4)! 3·2·1 las letras de la palabra “CRISTAL”. a) Con sustitución.

PROBABILIDAD (5-4)! 1 tomadas de la palabra “CRISTAL”. tomadas de la palabra “CRISTAL”. Por el principio fundamental del conteo: n1 5 · · n2 4 · · n3 3 · · n4 2 = 120 palabras de 4 letras que solo contienen consonantes tomadas de la palabra “CRISTAL”. tomadas de la palabra “CRISTAL”. c) 5 · 5 · 4 · 4 = d) 2 · 6 · 5 · 4 400 palabras de 4 letras que empiezan = con vocal. 400 palabras de 4 letras que empiezan y terminan con consonantes. 240 palabras de 4 letras que pueden = tener ambas vocales. 480 palabras de 4 letras que contienen = la letra “i”. tomadas la palabra “CRISTAL”. 40 palabras de 4 letras que empiezan = por “t” y terminan por vocal. tomadas de la palabra “CRISTAL”. 60 palabras de 4 letras que empiezan = por “t” y contienen “s”. tomadas de la palabra “CRISTAL”. tomadas de la palabra “CRISTAL”. e) 4 · 6 · 5 · 4 f) 1 · 5 · 4 · 2 g) 1 · 5 · 4 · 3 h) 4 · 3 · 5 · 4 15 .

b.r) = n! ∴C ( n.bad.bdc. esto es: Combinación a.adc.cbd.dca.d) tomadas de 3 en 3.d b.dba.cba.acb.dac. Determinar el número de combinaciones de las 4 letras siguientes: (a.bda bcd.r) = r! C(n. r ) r! P(n.r) = P ( n.c a.b.d a.cad Demostración: Si: P(n.r) = n = r n n-r Factores combinatorios.cda.r): C(n.c.r)! n! ( n − r )! r! C(n.bac abd.b.dab.dbc.dcb acd.cdb.bca. r ) = r!( n − r )! 16 .c.PROBABILIDAD COMBINACIONES.cab.adb.d Permutaciones abc. Una combinación es una selección de “r” o de “n” objetos donde el orden no se toma en cuenta.r) Despejamos: C(n. observamos que cada combinación que contenga 3 letras produce 3! Igual a 6 permutaciones diferentes. El número de combinaciones de “n” objetos tomador “r” a la vez lo denotamos: C(n.c.r) = Si sustituimos el valor de: n! (n .

4) =   = 4  12 4 = 12·11·10·9 = 495 delegaciones diferentes de 4 estudiantes. n = 12 r=4 a) C 12  C (12. de3letras 3!(4 − 3)! 3 x 2 x1(1x1) 6 NOTA: De igual manera las combinaciones se pueden calcular por el uso de los factores combinatorios como sigue: Su desarrollo consiste en formar un cociente donde el numerador inicia con el valor que marca “n” y se multiplican por tantos factores nos diga “r” decrecientes. usando el factor combinatorio simplificativo  4  4 4 C ( 4. 4·3·2·1 b) Los casados NO VAN. enteros y positivos y se divide entre “r” factorial C(n.3) =  = = = 4combinacionesde3letras  4 − 3 1  1x1 Ejemplos de Combinaciones: 1. y 17 .r) = n = r n n-r 4 4 x3 x 2 C ( 4.PROBABILIDAD Si: n = 4 r=3 C(4. b) De cuantas maneras si 2 de los estudiantes son casados y solo asisten si van juntos. a) De cuantas maneras se puede escoger la delegación si hay 12 estudiantes elegibles. Una delegación de 4 estudiantes de un colegio se selecciona todos los años para asistir a la asamblea de estudiantes.3) = 4! 4 x3 x 2 x1 24 = = = 4combinaciones.3) =   = = 4combinacionesde3letras 3 3 x 2 x1 O bien. c) De cuantas maneras si dos de los estudiantes no asisten al mismo tiempo.

4·3·2·1 SI VAN. 2. pero separados: 10 10 2  C (12. = 120 delegaciones diferentes donde si va el otro.4) =    = 1  = 2 2  2  C 10 2 = 10·9 = 45 delegaciones diferentes donde si van los casados. a) De cuantas maneras el profesor puede escoger un comité de 4. c) NO VAN: 10 10 2  C (12. 18 . pero no separados: 10 10 2  C (12. 4·3·2·1 los casados SI VAN. 2·1 210 + 45 = 255 delegaciones diferentes donde los casados no se separan.4) =    =1  = 0 4  4  C 10 4 = 10·9·8·7 = 210 delegaciones diferentes donde no van los casados.PROBABILIDAD 10 10 2  C (12.4) =    = 2   = 1  3  3  C C 10 3 10 3 = 10·9·8 3·2·1 = 10·9·8 3·2·1 = 120 delegaciones diferentes donde si va uno. Una clase consta de 9 niños y 3 niñas. 210 + 120 + 120 = 450 delegaciones diferentes donde dos estudiantes no asisten al mismo tiempo.4) =    =1  = 0 4    4  C 10 4 = 10·9·8·7 = 210 delegaciones diferentes donde no van los peleados.

n2 = 3 niñas b) C C C n1 · n2 9 3 9 2 9 1 3 1 3 2 3 3 = 9·8·7 · 3 = 252 comités diferentes de 4 personas con 1 niña. 1·1 3·2·1 = 369 comités diferentes de 4 personas con por lo menos una niña.PROBABILIDAD b) Cuantos comités constaran de 1 niña por lo menos. a) Cuantas palabras de 5 letras. c) C n1 · n2 9 3 3 1 = 9·8·7 · 3 = 252 comités diferentes de 4 personas donde 3·2·1 1·1 exactamente hay una niña. 3. 3 consonantes y 2 vocales diferentes (consonantes y vocales) se pueden formar. b) Cuantas de estas contienen la letra “b”. 2·1 2·1 9 · 3·2·1 = 9 comités diferentes de 4 personas con 3 niñas. c) Cuantos tendrán una niña exactamente. 3·2·1 1·1 = = 9·8 · 3·2 = 108 comités diferentes de 4 personas con 2 niñas. n = 12 r=4 a) C 12 4 = 12·11·10·9 = 495 comités diferentes de 4 personas. El alfabeto ingles tiene 26 letras de las cuales 5 son vocales. 19 . 4·3·2·1 n1 = 9 niños.

20 .PROBABILIDAD c) Cuantas contienen la letra “b” y la “c”. n = 26 r=5 a) n3 · n1 · n2 5! b) 5! c) 5! 19 1 5 2 = 5·4·3·2·1 · 19 1·1 · 5·4 = 22800 palabras de 5 letras con 3 2·1 consonantes y 2 vocales diferentes que contienen las letras “b” y ”c”. e) 3! 20 2 4 1 = 3·2·1 · 20·19 2·1 UNIDAD II. TEORIA DE LA PROBABILIDAD. · 4 = 4560 palabras de 5 letras con 3 1·1 consonantes y 2 vocales diferentes que empiezan por la letra “b” y acaban por la letra “a”. e) Cuantas empiezan por “a” y terminan con “b”. d) Cuantas empiezan por “b” y contienen la “c”. 20 2 5 2 = 5·4·3·2·1 · 20·19 · 5·4 = 228000 palabras de 5 letras con 3 2·1 2·1 consonantes y 2 vocales diferentes que contienen la letra “b” 21 3 5 2 = 5·4·3·2·1 · 21·20·19 · 5·4 = 120·1330·10 = 1596000 palabras 3·2·1 2·1 de 5 letras con 3 consonantes y 2 vocales diferentes. d) 4! 19 1 5 2 = 4·3·2·1 · 19 1·1 · 5·4 = 4560 palabras de 5 letras con 3 2·1 consonantes y 2 vocales diferentes que empiezan por la letra “b” y contienen la letra “c”.

Probabilidad. 21 . 2. se llama evento elemental. S = numero de casos totales. se le llama punto muestral. puede salir un numero par de 3 maneras diferentes de un total de 6 resultados igualmente posibles.  A ∩ B es el evento que sucede ⇔ A y B suceden simultáneamente. P (A) = 3/6 = ½ de posibilidad de que salga un par. esto es un elemento de “S”. 5. El conjunto “S” de todos los resultados posibles de un experimento dado se le llama ESPACIO MUESTRAL. 3.PROBABILIDAD OBJETIVO: El estudiante aplicará los axiomas y teoremas de la probabilidad en la solución de problemas Definición. al ∅ algunas veces se le denomina el evento imposible y al conjunto “S” se le denomina el evento cierto o seguro. El ∅ y “S” de por si son eventos. 6 } Todos los resultados posibles.  A ∪ B es el evento que sucede ⇔ A ó B o ambos suceden. A = { x/x es un numero par al lanzar un dado } A = { Un numero par al lanzar un dado } ⇒ Forma simplificada A = { 2. Por ejemplo al lanzar un dado común. es el estudio de experimentos aleatorios o libres de determinación. P (A) = n S ∴ n = numero de casos favorables. 4. Un resultado en particular. Podemos combinar eventos para formar nuevos eventos. S = { 1. Si un evento puede suceder de “n” maneras diferentes de un total de “S” casos igualmente posibles entonces la probabilidad esta dada por la siguiente expresión.  Ac es el evento que sucede ⇔ A no sucede. 4. 6 } Espacio reducido de A ( Todos los elementos que contiene solo el conjunto A ) El evento [a] que consta de una muestra simple y que además a ∈ S. Un evento “A” es un conjunto de resultados o en otras palabras es un subconjunto del espacio muestral “S” y normalmente se define por el método de comprensión para después definirlo por el método de enumeración.

La probabilidad del espacio muestral es: P (S) = 1 3. 2... 6 } B = { un numero impar } = { 1. Ejemplo: Láncese un dado y obsérvese el numero que aparece en la cara superior.. 2.. 6 }. Si Ac es el complemento de un evento A P (Ac) = 1 – P (A) 3.. Si A y B son 2 eventos 22 . A y B son eventos mutuamente exclusivos. 3... ya que no pueden suceder simultáneamente....An) = P (A) + P (B) + . 4. 1... Si A ⊂ B ∴ P (A) ≤ P (B) 4.. 3. 4. A = { un numero par } = { 2. Si A1. Teoremas de Probabilidad. Si ∅ es el conjunto vacío P (∅) = 0 2.. observamos que el espacio muestral consiste en los 6 números posibles. 5.. 3. Si A y B son mutuamente exclusivos P (A ∪ B) = P (A) + P (B) 4.A2. 1. P (n). A∩B y diga como son A y B y porque. 6 } A ∩ B = ∅ .. A∩C. Axiomas de Probabilidad. Para todo evento A: 0 ≤ P (A) ≤ 1 2. 3. 5 } A ∪ B = { 1. sea el evento C de salir un numero primo.. 5.. Calcular A ∪B.An son una serie de eventos mutuamente exclusivos P (A1.PROBABILIDAD Dos eventos A y B son llamados mutuamente exclusivos si son disyuntos ⇔ A ∩ B = ∅. Si A y B son 2 eventos P (A-B) = P(A) – P(A ∩ B) 5. 6 } = S A∩C={2} Cc = { 1.. su espacio muestral es S = { 1... 5 } C = { un numero primo } = { 2.. 4.. sea el evento A de salir un numero par y sea el evento B de salir un numero impar.A2. 4. Cc.

. saa.. aaa } ⇒ P (A) = 7/8 B = { aaa. ass. saa. 1. Pi ≥ 0 2.. ssa.Cada Pi es no negativo. numero de maneras en que el espacio muestral puede suceder. asa } = 3/8 P (3) = { aaa } = 1/8 P (0) = s s s ½ ½ ½ = 1/8 P (S) = P (0) + P (1) + P (2) + P (3) = 1 1 /8 + 3/8 + 3/8 + 1/8 = 8/8 = 1 A = { ssa. Casos totales. sss } ⇒ P (B) = 2/8 = 1/4 23 . el evento de S. asa. 2.PROBABILIDAD P (A ∪ B) = P (A) + P (B) – P (A ∩ B) PROBABILIDAD CLASICA... un numero real pi. llamado de probabilidad y que satisface las siguientes propiedades. Pn = 1 Por lo que la probabilidad se define como: P (A) = numero de elementos de A numero de elementos de S ó ó P (A) = numero de maneras en que el evento de A puede suceder. Láncese 3 monedas y observe el numero de águilas que resulten: A) Defina el espacio muestral. sas. S = {sss.. Sea el evento A en el que aparece 1 águila por lo menos. Sea S un espacio muestral {a1.La suma de las Pi. aas. Ejemplos: 1. 3} P (0) = { sss } = 1/8 P (1) = { ssa. B) Determine el espacio reducido de A y B así como la probabilidad de A y B. ass. sas.an}. sea B el evento en que aparecen todas águilas o todos soles.a2. aas. P (A) = Casos favorables.. aas.. un espacio finito de probabilidad se obtiene al asignar a cada punto de ai. ass. aaa} S = {0. sas } = 3/8 P (2) = { saa. asa...a3.. 1. P1 + P2 +. obtenga el espacio de probabilidad para cada punto del espacio muestral.

¿Cuál es la respectiva posibilidad de ganar. P ( B ) y P ( C ) ?. { Seleccionar exactamente 2 niñas. P ( A ).} III.C intervienen en una carrera. cual es la probabilidad de: I.} Evento 1 { 6 niñas } ⇒ n1 Evento 2 { 10 niños } ⇒ n2 S = 16 3 = 560 comités diferentes de 3 personas. (1): 4p + 2p + p = 1 7p = 1 ∴ p = 1/7 ∴Si P (C) = p. { Seleccionar 3 niños.PROBABILIDAD 2. { Seleccionar por lo menos un niño. P (C) = 1/7 Sustituyendo valores en ec.(1) solo se considera a niños.B.} II.(2) P (A) = 2 (2p) = 4p ----------. { Seleccionar por lo menos dos niñas. I ) A = 10 3 = 120 comités de 3 niños 24 . si se escoge al azar un comité de 3. A tiene doble posibilidad de ganar que B y B el doble de ganar de C. Una clase consta de 6 niñas y 10 niños. P (S) = 1 P (S) = P (A) + P (B) + P (C) ----------------. P (A) = 2 P(B) P (B) = 2 P(C) Si consideramos: P (C) = p Entonces: P (B) = 2p ---------------------. (2) y (3): P (C) = 1/7 P (B) = 2 (1/7) = 2/7 P (C) = 4 (1/7) = 4/7 P (S) = 4/7 + 2/7 + 1/7 = 7/7 =1 3. 3 caballos A. { Seleccionar exactamente 2 niños.} IV.(3) Sustituyendo (2) y (3) en la ec.} V.

3035 ⇒ 30.PROBABILIDAD P (A) = 120 = 3/14 = .2678 ⇒ 26.42 % 560 n2 · n1 II )B = 10 6 2 1 45 · 6 = 270 comités de 3 personas con 2 niños exactamente.78 % 560 V ) E = 10 1 10 0 6 2 6 3 = 150 = 20 = 170 comités de 3 personas con por lo menos 3 niñas.2142 ⇒ 21.42 % 560 IV ) D = 10 1 6 2 10 · 15 = 150 comités de 3 personas con 2 niñas exactamente. Las 2 sean espadas. P (E) = 170 = . P (B) = 270 = 27/56 = . P (C) = 540 = 27/28 = .9642 ⇒ 96. Hallar la probabilidad “p” de que: I.4821 ⇒ 48. Se sacan dos cartas al azar de una baraja corriente de 52 cartas.21 % 560 n2 · n1 III ) C = 10 6 1 2 10 2 10 3 6 1 6 0 = 150 = 270 = 120 = 540 comités de 3 personas con 1 niño por lo menos.35 % 560 4. 25 . P (D) = 150 = .

II.4945 ⇒ 49. S = 52 = 1326 muestras de 2 cartas.1274 ⇒ 12. S = 15 3 = 455 muestras de 3 lámparas. 2 P (A) = 78 = . Una exactamente sea defectuosa.74 % 1326 5. P (A) = 120 = .PROBABILIDAD II. Una por lo menos sea defectuosa. P (B) = 225 = .2637 ⇒ 26. 2 I ) A = 13 = 78 muestras de 2 cartas que son espadas. Se escogen al azar 3 lámparas entre 15 de las cuales 5 son defectuosas. Una sea espada y la otra corazón. Hallar la Probabilidad “p” de que: I.45 % 455 III) C = 5 1 5 2 10 2 10 1 = 225 = 100 26 . I ) A = 10 3 = 120 muestras de 3 lámparas que no son defectuosas.05882 ⇒ 5.37 % 455 II) B = 5 1 10 2 5 · 45 = 225 muestras de 3 lámparas con una defectuosa.88 % 1326 II )B = 13 1 13 1 13 · 13 = 169 muestras diferentes de una espada y una corazón. P (B) = 169 = . Ninguna sea defectuosa. III.

hallar la probabilidad de que la suma de sus números sea 10 o mayor.6) 27 .(1.3). Si aparece un 5 en el primer dado.61 % 455 PROBABILIDAD CONDICIONAL E INDEPENDENCIA.4).(1. S = 36 formas o parejas ordenadas. (1. en otras palabras la probabilidad de A dado el evento E se define como sigue: P (A / E) = P(A ∩ E ) P (E) P(A / E) = probabilidad de A dado el evento E. una vez que E haya sucedido.7361 ⇒ 73. la probabilidad de que un evento A suceda.PROBABILIDAD 5 10 = 10 = 335 muestras de 3 lamparas que por lo menos es una defec3 0 tuosa P (C) = 335 = . I. S E A A ∩ E= # de elementos de A ∩ E P (A ∩ E) = A ∩ E S P (A / E) = P (E) = E S Ejemplos: A ∩ E S = E S A ∩ E E 1.(1. Se lanza un par de dados corrientes.1). II.2). con probabilidad de E > 0. Si aparece un 5 en uno de los dos dados por lo menos.(1.5).(1. Sea E un evento arbitrario de un espacio muestral S.

(2.6)} = 6 E = {(5.4)(6.6)} = 2 P (A / E) = P(A ∩ E) = A ∩ E = 2/6 = 1/3 de probabilidad que al lanzar un par de P (E) E dados el primer dado salga 5 y que la suma de los 2 dados sea 10 o mayor.5).1).(6.5)} = 3 P (A / E) = P(A ∩ E) = A ∩ E = P (E) E 3 /11 de probabilidad que al lanzar un par de dados cualquiera de los dos dados salga 5 y que la suma de los dados sea 10 o mayor.4).3). 8 } n2 = { 1.6)(6.6)(6.4). = 10 muestras de dos dígitos impares.5.(5.(2. II ) A = {(4.2)(5.2).5)(6. 3.3.3)(5.6) I ) A = {(4.2).(2.5)(5.1)(5.(3.(6.5)(5.(4. {1.(5.5)(5.3). 6.3)(5.(6.5).5)(6.5).2).5).6)(5.6) (3.3).6) S= (4.(3.(3. n1 = { 2.5)(5.PROBABILIDAD (2.2). 7.9} S= 9 2 = 36 muestras.(5.1).(4.(3.5)(5.5).6)(1.6)} = 6 A ∩ E = {(5.(4.4).7. 9 } Se escogen 2 dígitos del 1 al 9 A = { Ambos números sean impares } Pares = Impares = 4 2 5 2 = 6 muestras de dos dígitos pares.4).3).(2.1).5)(6.6)(6.5)} = 11 A ∩ E = {(5. 2.1)(5. 4.6.2.2).1).6) (5.6)} = 6 E = {(5.5)(2. E = 16 formas diferentes.(4.(5.(4.5)(4.5)(3.(2.4)(6.(3.8.6)(5.(5.4). Hallar la probabilidad de que ambos números sean impares. Se escogen al azar 2 dígitos del 1 al 9 si la suma es par.1).4)(5. 28 .2)(5.(6.4. 5.5)(5.(6.3).4)(5.6) (6.

5555 ⇒ 55. 10 2 = 45 muestras de 2 cartas. Las 2 cartas se sacan juntas.. ( A ∩ E ) = A  = 25 P (A / E ) = 25 = .50 ⇒ 50 % 100 TEOREMA DE LA MULTIPLICACION. P (A / E) = 10/16 = 0.55 % 90 II ) 10 · 10 = 100 muestras de 2 cartas. III. Las cartas se sacan una después de la otra con sustitución.5555 ⇒ 55. 5 1 5 1 + 5 1 5 1 = 50 formas diferentes.625 ⇒ 62. Hallar la probabilidad “p” de que la suma sea impar si: I. P (C) = 50 = . 29 . Se sacan una tras otra sin sustitución.Se seleccionan al azar dos cartas entre 10 cartas numeradas de 1 a 10. S = 10 2 I)E= = 45 muestras de 2 cartas.55 % 45 II ) 10 · 9 = 90 muestras de 2 cartas.5 % 3. P (B) = 50 = .PROBABILIDAD (A ∩ E) = 10 muestras de 2 dígitos. II. 5 1 5 1 + 5 1 5 1 = 50 formas diferentes.

A = { Todas sean espadas } P (A) = 13/52 · 12/51 · 11/50 · 10/49 · 9/48 = . II. Las dos primeras sean blancas y la tercera roja. Una urna contiene 7 bolas rojas y 3 blancas. la probabilidad de que todas sean espadas. III. 13 de espadas. Sea la P (A / E) = P (A ∩ E) P (E) P (A ∩ E) = P (A / E) P (E) Ejemplos: 1..0495 % 3. se toma al azar 3 artículos del lote uno tras otro. 52 13 de diamantes. una blanca y la tercera roja. Que una sea roja. 7 rojas 10 bolas (casos totales) 30 .45 % 2. Un lote de 12 artículos tiene 4 defectuosos.2545 = 25. A un jugador se le reparten 5 cartas una tras otra de una baraja de 52 cartas. Hallar la probabilidad de: I. Las dos primeras sean rojas y la tercera blanca. IV.PROBABILIDAD Para probabilidad condicional. 13 de corazones. La primera blanca y las otras 2 rojas. cual es: 13 de tréboles. 4 defectuosos 12 8 no defectuosos A = { los 3 artículos sean no defectuosos } P (A) = 8/12 · 7/12 · 6/10 · 14/55 = .0004958 = .Intersección entre un elemento que es condicional y un particular. Hallar la probabilidad de que los 3 artículos sean defectuosos. se sacan 3 bolas de la urna una tras otra.

PROBABILIDAD 3 blancas I ) P (A) = 7/10 · 6/9 · 3/8 = .85 % II) ∇ ∇ ∇ = B1 ∇ ∇ ∇ = B2 P (B1) = 3 /6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = .175 = 17.05 = 5 % P (B2) = 3/6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = . II.0583 = 5.175 = 17. I) ∇∇∇ P (A) = 4/7 · 3/6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = .83 % III ) P (C) = 3/10 · 7/9 · 6/8 = . = Niño. Los estudiantes de una clase se escogen al azar uno tras otro para presentar un examen. 31 .05 = 5 % P (B) = . ∇ = Niña. Hallar la probabilidad de que niños y niñas queden alternados si: I.50 % IV ) P (D) = 7/10 · 3/9 · 6/8 = .175 = 17. La clase consta de 4 niños y 3 niñas.05 + .50 % 4.50 % II ) P (B) = 3/10 · 2/9 · 7/8 = . La clase consta de 3 niños y 3 niñas.05 = .10 = 10 % PROCESOS ESTOCRASTICOS FINITOS Y DIAGRAMA DE ARBOL.02857 = 2.

4296 = 42.61 % ó por complemento P (B) = 1 .6861 2. I Cajas II III Defectuosos No defectuosos Defectuosos No defectuosos Defectuosos No defectuosos P (A) = 1/3 · 4/10 + 1/3 · 1/6 + 1/3 · 3/8 = 4/30 + 1/18 + 3/24 = . Se tienen las 3 cajas siguientes: CAJA I – Contiene 10 lamparas de las cuales 4 son defectuosas.3138 = 0. se obtiene por el diagrama de árbol y el teorema de la multiplicación. Hallar la probabilidad de que se escoja un numero par. Se lanza una moneda de modo que la probabilidad de que caiga sol es igual a 2/3 y la probabilidad de que caiga águila es de 1/3. Ejemplos: 1.96 % TEOREMA DE BAYES.38 % P (B) = 1/3 · 6/10 + 1/3 · 5/6 + 1/3 · 5/8 = 6/30 + 5/18 + 5/24 = .PROBABILIDAD Es una sucesión finita de experimentos en los cuales cada experimento tiene un numero finito de resultados con probabilidades dadas. 32 . Pares Sol Nones Moneda Pares Águila Nones P (A) = 2/3 · 4/9 + 1/3 · 2/5 = 8/27 + 2/15 = .3138 = 31.0. CAJA II – Contiene 6 lamparas de las cuales 1 son defectuosas.6861 = 68. si sale sol se escoge al azar un numero del 1 al 9 y si sale águila se escoge al azar un numero del 1 al 5. CAJA III – Contiene 8 lamparas de las cuales 3 son defectuosas. Una manera de describirlo y saber la probabilidad de un evento.

esto es que los eventos Ai son mutuamente exclusivos y su unión es el espacio muestral. y 20 % del numero total de artículos de una fabrica. hallar la probabilidad de que provenga de la maquina A. y 5 %.03) + (0.PROBABILIDAD A1 An B A6 A2 A3 A4 A5 Supongamos que los eventos A1. 30 %. 4 %. por lo tanto la probabilidad para cada evento Ai es la siguiente: P (Ai / B) = P (Ai) P (B / Ai) P (A1) P (B / A1) + P(A2) P (B / A2) + P (An) P (B / An) Ejemplos: 1. 3 Maquinas A.B y C producen respectivamente 50 %.2)(0.03) (0.05) = 0. Si se selecciona al azar un articulo defectuoso.3)(0. An forman parte de un espacio muestral S.5)(0. A2.54 % P (A / Def) = UNIDAD III.5 (0.. los porcentajes de desperfecto son: 3 %.. ahora bien “B” es otro evento..4054 ⇒ 40.04) + (0. A3 .. A Maquinas B C Defectuosos No defectuosos Defectuosos No defectuosos Defectuosos No defectuosos P (A / Def) = P (A) P (Def / A) P (A) P (Def / A) + P(B) P (Def / B) + P (C) P (Def / C) 0. 33 .

.. Peso.Es una función que asocia números reales con cada evento del espacio muestral (también llamada función aleatoria).. Variables Aleatorias Variables continuas : Es la que toma un número infinito de valores no contables.. Ejemplos de Variables Discretas : Fumadores. 34 . OBJETIVO: El alumno aplicará los conceptos de las variables aleatorias discretas en la solución de problemas.PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD DISCRETA. Ejemplos de Variables Continuas: Estatura. f (x) = P (x = a) donde: f (x) = función de probabilidad. x (S) = { x1...... Dimensiones. x2.. Ejemplo: Se lanza una moneda 2 veces. Variable Aleatoria. reprecentese por “x” el numero de soles que resulten. DISTRIBUCIONES DE PROBABILIDAD DISCRETA. Asume cada uno de sus valores con ciertas probabilidades. x3. Supóngase que “x” es una variable aleatoria de un espacio muestral S con un conjunto contable infinito... Lanzar 3 monedas. # de hijos. se denota por “X” ó “Y”. Punto muestral X aa 0 sa 1 as 1 ss 2 Variables discretas : Es la que toma un número infinito o finito de valores contables.xn } Dichas variables son discretas de la siguiente manera.

f (x) ≥ 0 2. 35 . x = La variable aleatoria. En general f (x) es una función de probabilidad bajo: 1. sa } = 2/4 f(2) = P( x = 2 ) = { ss } = ¼ Gráfica de función de probabilidad: f(x) 2 /4 1 /4 0 x 0 1 2 3 FUNCIÓN DE DISTRIBUCIÓN Ò FUNCIÓN ACUMULATIVA. Tabla de función de probabilidad: X f(x) 0 ¼ 2 1 /4 2 ¼ f(0) = P( x = 0 ) = { aa } = ¼ f(1) = P( x = 1 ) = { sa. Se define: F(x) = P( x ≤ a ) F(x) = función de distribución. Σ n f (xi) = 1 x =1 Ejemplo: Hallar la función de probabilidad para el lanzamiento de una moneda 2 veces y construir su gráfica de función de probabilidad.PROBABILIDAD p = Probabilidad de x.

. .xnf(xn) xn ≤ x < ∝ 36 . x = variable aleatoria. 0 ¼ F(x) 3 -∝ < x < x 1 x1 ≤ x < x2 x2 ≤ x < x3 x3 ≤ x < x4 .. F(x) 1 3 /4 2 /4 1 /4 -∝ 0 1 2 ∝ x Si x es una variable aleatoria discreta. La media o esperanza (ó valor esperado) denotado: E (x) . µ y se define E (x) = x1 f(x1) + x2f(x2) + ... xn ≤ x < ∝ -∝ < x < 0 0≤x<1 1≤x<2 2≤x<∝ /4 1 Gráfica de función de distribución. . µ (x) ó E. .PROBABILIDAD P = probabilidad de x. entonces la función de distribución es: 0 f(x1) f(x1) + f(x2) f(x1) + f(x2) + f(x3) F(x) . a = valor que se asigna a x en cualquier número irreal que divide el intervalo {-∝ < x < ∝ } Si x toma un número infinito de valores.f(xn) Tabla de función de distribución. f(x1) + f(x2) + . ..

y x Tabla de función de probabilidad.f(x) y gráfica .F(x) y gráfica . Supóngase que se lanza un par de dados legales y que la variable aleatoria x denota la suma de los números que resulten calcular: .12 = x 2 /4 + 1 – 1 = 2/4 = ½ = 0. la varianza y desviación estándar son conceptos que miden el esparcimiento o dispersión de “x” y los denotamos: VAR (x) = n Σ xi2 f (xi) . Cada valor ponderado (afectado x su probabilidad).µ 2 Varianza x =1 x = √ VAR (x) Desviación Estándar Siguiendo nuestro ejemplo: VAR (x) = 02 (1/4) + 12 (2/4) + 22 (1/4) . La media de una variable aleatoria “x”.5 = 0. mide en cierto sentido el valor promedio de “x” .7071 Ejercicios: 1. x = 2 – 12 punto mues x 1 2 /36 2 3 /36 3 4 /36 4 5 /36 5 6| /36 6 7 /36 5 8 /36 4 9 3 10 2 11 1 12 f(x) .E(x). /36 /36 /36 /36 37 . E(x) es el promedio ponderado de los valores posibles de “x”.PROBABILIDAD E(x) = Σ n x =1 xi f (xi) Según nuestro ejemplo: E(x) = µ (x) = 0 (1/4) + 1 (2/4) + 2 (1/4) = 2/4 + 2/4 = 1 Esto es.5 = √ 0. VAR x.

6)(5.1)(2.4)(3.5)(5.3)(6.5)(4.6)(3.6) (4.3)(5.4)(6.2)(5. 38 .PROBABILIDAD x={(1.6)(2.4)(5.4)(2. f (x) 6 /36 /36 /36 /36 /36 /36 x 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Tabla de función de distribución.3)(3.4)(1.2)(2.2)(6.1)(5.6)(6.1)(4.5)(2.4)(4.5)(3.3)(2.2)(3.5)(6.3)(4.2)(4.1)(1.2)(1.5)(1.6) } f (2) = P( x = 2 ) = 1/36 f (3) = P( x = 3 ) = 2/36 f (4) = P( x = 4 ) = 3/36 f (5) = P( x = 5 ) = 4/36 f (6) = P( x = 6 ) = 5/36 f (7) = P( x = 7 ) = 6/36 f (8) = P( x = 8 ) = 5/36 f (9) = P( x = 9 ) = 4/36 f (10) = P( x = 10 ) = 3/36 f (11) = P( x = 11 ) = 2/36 f (12) = P( x = 12 ) = 1/36 Gráfica de función de probabilidad.1)(3.3)(1.1)(6.

83 x = √5.83 = 2.PROBABILIDAD F(x) 0 1 /36 3 /36 6 /36 10 /36 15 /36 21 /36 26 /36 30 /36 33 /36 35 /36 1 -∝ < x < 2 2≤x<3 3≤x<4 4≤x<5 5≤x<6 6≤x<7 7≤x<8 8≤x<9 9 ≤ x < 10 10 ≤ x < 11 11 ≤ x < 12 12 ≤ x < ∝ Gráfica de función de distribución. F(x) 1 /36 33 /36 30 /36 26 /36 21 /36 15 /36 10 /36 6 /36 3 /36 1 /36 35 -∝ x 0 1 2 3 4 5 6 7 8 9 10 11 12 E(x) = 2(1/36) + 3(2/36) + 4(3/36) + 5(4/36) + 6(5/36) + 7(6/36) + 8(5/36) + 9(4/36) + 10(3/36) + 11(2/36) + 12(1/36) = 7 VAR (x) = 22(1/36) + 32(2/36) + 42(3/36) + 52(4/36) + 62(5/36) + 72(6/36) + 82(5/36) + 92(4/36) + 102(3/36) + 112(2/36) + 122(1/36) = 5.41 39 .

Tabla de función de probabilidad y gráfica. X f(x) 0 1 1 3 2 3 3 1 /8 /8 /8 /8 x = {número de águilas que resulten} 3 /8 /8 /8 2 1 0 1 2 3 0 1 -∝ < x < 0 0≤x<1 1≤x<2 2≤x<3 3≤x<∝ /8 /8 /8 F(x) 4 7 1 F(x) 1 6 /8 4 /8 2 /8 x 40 ∝ -∝ . Varianza y desviación estándar. .Tabla de función de distribución y gráfica.PROBABILIDAD 2. x es la variable aleatoria que indica el número de águilas que resulten. Una moneda se lanza 3 veces.Esperanza. construir: . .

su media. encuentre f (x) para el numero de microcomputadoras defectuosas.PROBABILIDAD 0 E(x) = 1. Un embarque de 8 microcomputadoras similares que se envían a un distribuidor contienen tres aparatos defectuosos. Tabla de función de probabilidad. bb X f(x) b = buena m = mala S = 8 = 28 muestras de 2 microcomputadoras 2 bb = 5 = 10 muestras de 2 microcomputadoras en buenas condiciones 2 bm = 3 5 = 15 muestras de 2 microcomputadoras con una buena y una mala 1 1 mm = 3 = 3 muestras de 2 microcomputadoras en malas condiciones 2 Gráfica de función de probabilidad. 10 bm mm P(0) = 10 / 28 1 15 0 /28 2 P(1) = 15 / 28 3 /28 /28 P(2) = 3 / 28 41 . Si una escuela realiza una compra aleatoria de 2 de estas microcomputadoras.86 3. Varianza y desviación estándar. así como su función de distribución. sus gráficas.5 VAR(x) = 0.75 x 1 2 3 = 0.

755 42 . F(x) 1 25 α /28 /28 /28 /28 20 15 10 5 /28 1 2 3 E(x) = 0. 0 10 -∝ < x < 0 /28 /28 0≤x<1 1≤x<2 2≤x<∝ F(x) 25 1 Gráfica de función de distribución.PROBABILIDAD 15 /28 /28 10 5 /28 0 0 1 2 3 Tabla de función de distribución.

llamaremos uno de los resultados.4.6337 DISTRIBUCION BINOMIAL.. (Para variables discretas.. ( q + p )n = qn + (n1) qn-1 p1 + (n2) qn-2 p2 + (n3) qn-3 p3 + (n4) qn-4 p4....PROBABILIDAD VAR(x) = 0..... se denota “b” y se denota por la siguiente expresión. p ) = ( n k) qn-k pk Donde: k = éxitos n = pruebas repetidas.... Sea p = {la probabilidad favorable} y sea q = {la probabilidad desfavorable}. Si consideramos a “n” y “P” como constantes.....p) es una distribución discreta........ tenemos lo siguiente: p+q=1 ∴q = 1 .....n (n4 )qn-4 p4.p ∴p = 1 – q La probabilidad de “k” éxitos en “n” pruebas repetidas......1.2.. entonces la función anterior P(k)= b( k.n corresponde a los términos sucesivos del desarrollo binomial. n...pn 43 ....4017 x = 0...... q = probabilidad de fracaso..3........) Consideremos pruebas repetidas e independientes de un experimento con dos resultados....n.pn Se llamara distribución binomial puesto que para k = 0...... P = probabilidad de éxito.... P (k) = b ( k.. K P (k) 0 qn 1 (n1)qn-1 p1 2 (n2) qn-2 p2 3 (n3) qn-3 p3 4.. llamaremos uno de los resultados favorable (o éxito) y al otro desfavorable (o fracaso)...

04687 /64 = 23. 2/3 ) = 8/27 = 0. Calcular la probabilidad de que sucedan 2 soles exactamente. 6 . b ( 2 .43 % de que al lanzar 6 monedas resulten dos soles exactamente. El equipo A tiene la 2/3 de probabilidad de ganar cuando juega. Si A juega 4 partidos hallar la probabilidad de que A gane. 1/4 ) = (4 3) (3/4)4-3 (1/4)3 = 4 (3/4) (1/64) = 4 (3/256) = Ejemplos: 1. 5 . 4 . P ( 2 ) = ( 2 . llamamos sol al éxito.32 20 /64 = .62 % b) P = P(1) + P(2) + P(3) + P(4) ⇒ P(0) = qn (fracaso total). Se lanza una moneda corriente. 1/2 ) = (6 3) (1/2)6-3 (1/2)3 = (6 3) (1/2)3 (1/8) = 20 (1/8) (1/8) = b ( 3 .PROBABILIDAD Esta distribución se conoce también como distribución de Bernoulli y las pruebas independientes con 2 resultados se llaman pruebas de Bernoulli. A) 2 partidos. 1/2 ) = (6 2) (1/2)6-2 (1/2)2 = 15 (1/2)4 (1/2)2 = 15 (1/16)(1/4) = 15 12 80 /243 = . B) 1 partido por lo menos. 6 veces o su equivalente 6 monedas corrientes una vez. 5 . 1/3 ) = (5 2) (2/3)5-2 (1/3)2 = (5 2) (2/3)3 (1/3)2 = 10 (8/27) (1/9) = b ( 3 .Estándar0 = Σ (x) = µ = np 2 = = var (x) = npq = x = √npq Ejercicios: Calcular los siguientes valores binomiales: b ( 2 . 6 . 4 . p = 2/3 q = 1/3 a) P(A) = P(2) = b ( 2 . entonces 1-qn = P = 80/81 44 .43 % 23.2962 ⇒ 29. 2.3125 /256 = . C) Más de la mitad de los juegos.1/3 ) k n p DISTRIBUCION BINOMIAL Media Varianza Desv.

k = Es el numero de resultados que se producen en un intervalo o en la región determinada. DISTRIBUCION DE POISSON Media Varianza Desv.PROBABILIDAD c) P(3) + P(4) = 16/27 ⇒ 59. P ( k . etc. Las propiedades de la distribución de Poisson. e = Es la constante con valor de 2.25 % DISTRIBUCION DE POISSON. Esta distribución infinita contable se presenta en muchos fenómenos naturales. el numero de partículas alfa emitidas por una sustancia radioactiva. estándar µ =λ 2 =λ =√λ λ = Es el numero promedio de resultados que ocurren en el intervalo de tiempo o la región especifica. porque se pueden utilizar las probabilidades de Poisson para aproximar sus 45 . el numero de errores por pagina en un texto grande.71828 La convergencia de la función de Probabilidad binomial hacia la de Poisson tiene un valor practico. λ ) = λ k e-λ k! λ = np Aproximación de Poisson. tales como el numero de llamadas telefónicas por mi8nuto en un tablero de distribución.

en estos casos podemos utilizar la aproximación de Poisson dada por λ = np Ejercicios: 1.3678) = 0.48 % 10! 10·9·8·7·6·5·4·3·2·1 3. A) P (4 .1338 ⇒ 13. 2 ) = 23 e-2 = 8 (0. todo indica que debemos hacer la distribución binomial ( b ( k .04 % 3! 3·2·1 2. Supongamos que el 2% de artículos de una fabrica son defectuosos. P(k. λ = 100 (0. n .38 % 4! 4·3·2·1 B) P (10 . Si un banco recibe en promedio 6 cheques falsos al día: A) Cual es la probabilidad que reciba 4 cheques falsos en un día cualquiera.0024) = 0. NOTA: Según la información que tenemos. recurrimos a la distribución de Poisson o sea hacemos una aproximación de Poisson. 6) = 64 e-6 = 1296 (0.3678 ⇒ 36. Supóngase que el 1 % de los artículos producidos por una maquina son defectuosos.02) = 2 P ( 3 .1917 (0.0000061) = 0. Hallar la probabilidad de que haya 3 artículos defectuosos en una muestra de 100 artículos. El numero promedio de partículas radioactivas que pasan a través de un contador durante un milisegundo en un experimento de laboratorio es 4.0183) = 0.λ) λ = 100 (0. 4) = 46 e-4 = 4096 (0. 1) = 10 e-1 = 1 (0.1048 ⇒ 10. Hallar la probabilidad de que 3 o mas sean defectuosos en una muestra de 100.02.PROBABILIDAD correspondientes binomiales. P (6 . para valores grandes de m y valores grandes de p.1041 = 10. 12) = 1210 e-12 = 6. Cual es la probabilidad de que entren 6 partículas en el contador en un milisegundo determinado. p ) ) sin embargo por ser “m” grande igual con 100 y “p” pequeña igual con 0.1353) = 0.01) = 1 P (0 .1804 = 18.78 % 46 . B) Cual es la probabilidad que reciba 10 cheques falsos en 2 días consecutivos cualquiera.41 % 6! 6·5·4·3·2·1 4.

1) = 11 e-1 = 1 (0.0804 ⇒ 8.78 % 1! 1 P (2 . x = b } Como se muestra en la siguiente figura: P (a ≤ x ≤ b) = b f(x) dx 47 .3678) = 0. Recordemos la definición de variables aleatorias que es el conjunto {a ≤ x ≤ b} siendo un suceso de “S” y por lo consiguiente la probabilidad de (a ≤ x ≤ b) esta bien definida.9195 = fracaso = q éxito = 1 – 0.PROBABILIDAD 0! 1 P (1 .1839 ⇒ 18.3678 ⇒ 36. Supongamos que existe una función continua especial. FUNCIÓN DE DENSIDAD DE PROBABILIDAD (Para variables contínuas).3678) = 0.9195 = 0. DISTRIBUCIONES DE PROBABILIDAD CONTINUA. de números tales como un intervalo. 1) = 12 e-1 = 1 (0.39 % 2! 2·1 0.04 % UNIDAD IV. f: P(a ≤ x ≤ b) = { área bajo la curva de f / x = a . Supóngase que “x” es una variable aleatoria cuyo conjunto imagen X(S) es un conjunto Continuo. OBJETIVO: El alumno aplicará los conceptos de las variables aleatorias discretas en la solución de problemas.

. La función “ f ” se llama función de distribución o de probabilidad continua (función de densidad) de “x” que satisface las siguientes condiciones: 1. R ∑f ( x) ≥ 0 f (x) dx = 1 El valor esperado para una variable continua es igual a una integral. µ (x) = E(x) = R x f (x) dx VAR(x) = x2 f (x) dx – µ R 2 x = √ VAR(x) EJEMPLO: 1.Sea “x” una variable aleatoria continua con la distribución siguiente: ½x f (x) = 0 en otra parte Si 0 ≤ x ≤ 2 Calcular la P(1 ≤ x ≤ 1. 2.5) y=½x x 0 1 ó f (x) = ½ x f(x) 1 ½ y=½x 0 ½ P (0 ≤ x ≤ 2) = b f(x) dx = 1 48 1 ½ .PROBABILIDAD a a b En este caso se dice que “x” es una variable aleatoria continua.

(1.5)2 / 2) – ((1)2 / 2) = ½ (2.PROBABILIDAD 2 f(x) 1 1 2 a 1.25 / 2] = 1.33)2 = ½ [ (24 / 4) – (04 / 4) ] – 1.5) = 1 f(x) dx = 1 (½x) dx = ½ xdx = ½ x2 / 2 1 1 ½ 2 = ½ ((1.25 2 2 2 2 E(x) = 0 x( ½ x) dx = 0 ½ x2 dx = ½ 0 x2dx = ½ x3 / 3 0 = ½ ((2)3 / 3) – ((0)3 / 3) = ½ ( 8/3 ) = 8/6 = 4/3 = 1.7689 = 16 /8 – 1.25 / 2) – (1/2) = ½ [1.7689 = 0.25 / 4 = 0.33 = µ (x) VAR(x) = x (½ x) dx – µ 2 = ½ 2 0 0 2 2 x dx – µ 2 = ½ x4 / 4 3 0 2 .5 P (1 ≤ x ≤ 1.3125 Por figura geométrica: a área del trapecio = ½ h · ( b + a ) h b h=½ a=½ b=¾ ½ ( ½ ) · ( ¾ + ½ ) = 5/16 = 31.5 1.2311 49 .5 1.7689 = 2 – 1.

½ ( x. Esta función es un ejemplo importante de distribución de probabilidad continua.µ ) 2 2 donde µ y > 0 y son constantes.5 =1 Sin variación de posición y desviación estándar diferente. 50 Distribución normal fijo ( = 0 ) .2311 = 0.PROBABILIDAD x = √ 0. µ = -2 µ =0 µ =2 Variación de posición y desviación estándar fija. -2 -1 0 1 2 Distribución Normal P/ Fijo ( =1) = 0.4807 DISTRIBUCION NORMAL. (Maneja variables continuas). La distribución normal o curva normal o de Gauss se define como sigue: f (x) = 1 2π e.

2 ) e Como µ = 0 y siguiente. Estándar Designamos a la distribución N ( µ .6% 34.PROBABILIDAD =2 0 Las propiedades de una distribución normal son: DISTRIBUCION NORMAL Media Varianza Desv.1% 13.1% 13.1% 51 . 2 = 1.61% 2. Entonces la gráfica de la distribución normal estándar es la µ =0 Restante para .1% 34. Si sustituimos: t=(x– µ )/ ∴∅(t)= 1 2π en –½ t 2 2 µ 2 ) N (µ.5 2.

de la siguiente forma: a' = a −µ σ b −µ b' = σ donde: a’ y b’ están estandarizadas. P ( a ≤ x ≤ b ) = P ( a’ ≤ x* ≤ b’ ) = Area bajo la curva normal estándar entre a’ y b’. x* es la variable aleatoria estandarizada que corresponde a “x” y por lo tanto x* tiene distribución normal N ( 0 . Calculamos la probabilidad de que x caiga entre a y b designada por: P(a≤x≤b) Por lo tanto primero pasamos a “a” y a “b” a unidades estándar.4 % Ahora sea “x” una variable aleatoria continua con distribución normal. “x” esta distribuida normalmente. x* = x −µ σ Ejemplos: 52 .5 1 1 2 . Por lo tanto.2 % Para –2 ≤ t ≤ 2 el área bajo la curva es 95.PROBABILIDAD -3 -2 -1 0 . 1 ).5 3 Para –1 ≤ t ≤ 1 el área bajo la curva es 68.

1 sobre t 53 .75 t = -2. 0.25)(12) + 74 = 89 x = (1.63 . La media y la desviación estándar de un examen son 74 y 12 respectivamente. a) b) c) d) 65 74 80 92 = 12 a) x* = 65-74 = 0.5 12 d) x* = 92-74 = 1. 0.5 12 En relación con el problema anterior hallar las notas que corresponden a resultados estándar. Hallar los resultados en unidades estándar de los estudiantes que recibieron notas o calificaciones. Sea ∅ la distribución estándar.0459) De tabla 6. a) b) c) d) a) b) c) d) –1 0.1057) (-0.5)(12) + 74 = 80 x = (1.63 t = -0.3011) (-2.75 x = (-1) (12) + 74 = 62 x = (0.3011 ∅ t = 0.75)(12) + 74 = 95 x* = x – µ = despejada = x = x* + µ µ = 74 2. 0.08 ∅ t = 0.1057 ∅ t = 0.0459 (1.75 .25 1.75 12 b) x* = 74-74 = 0 12 c) x* = 80-74 = 0.PROBABILIDAD 1. Hallar: ∅(f) para: 1 2 3 t = 1.08 .5 1.

1057 ⇒ P (1.73 ≤ x ≤ 0 ) 3) P ( -1.65 ≤ x ≤ 1.4222 ⇒ 42.73 % µ =0 54 .42 ) = 0.26 ) 5) P ( -1.2673 ⇒ 26.42 ) 2) P ( -0.42 2) P ( -0.79 ≤ x ≤ -0.5 ) 1) P ( 0 ≤ x ≤ 1. 0. hallar: 1) P ( 0 ≤ x ≤ 1.6 3 0.37 ≤ x ≤ 2.1057) t ∅t 3.PROBABILIDAD t 1.63 . Sea x una variable aleatoria con distribución estándar ∅.13 ) 7) P ( x ≤ 0.22 % De tabla sobre t: µ =0 0 1.73 ≤ x ≤ 0 ) = 0.01 ) 4) P ( 0.54 ) 6) P ( x > 1.

26 5) p ( -1.3962 – 0.79 ≤ x ≤ -.79 % µ =0 55 .26 ) = 0.65 ≤ x ≤ 1.2422 = 0.25 % µ =0 -1.37 ≤ x ≤ 2 ) = 0.01 4) P ( 0.1540 ⇒ 15.4147 + 0.8925⇒ 89.73 0 3) P ( -1.2579 ⇒ 25.054 ) = 0.PROBABILIDAD -0.37 0 2.65 1.2054 = 0.40 % µ =0 0.4778 = 0.4633 – 0.

5000 – 0.5 0.1292 ⇒ 12.5 ) = 0.54 6) P ( x > 1.30 % µ =0 -0.1915 • 2 ⇒ 38.13 7) P ( x ≤ 0.PROBABILIDAD -1.3708 ) = 0.3708 ∴( 0.5 56 .0.13 ) = 0.79 .92 % µ =0 1.

1 57 .PROBABILIDAD TABLA 6.

2 NOTA: COPIAR TABLA DEL LIBRO PARA CÁLCULO DE ÁREAS PAG.PROBABILIDAD TABLA 6. 111 58 .

PROBABILIDAD 59 .

Sign up to vote on this title
UsefulNot useful