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

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

4. x ≤ 10 } Ac = {1.PROBABILIDAD Ejemplos: Sean: S = {1.. 10} A = {x/x es un numero par positivo entero. 5. 8. Representación Gráfica de conjuntos. 3. C) El conjunto Ac. 2. si consideramos el conjunto A como todas las camisas de manga larga que fabrica la empresa “X” determinece: A) El conjunto U.7.3. Puntos: Elementos. x ≤ 10 } Defina el complemento de A por el método de comprensión y el método de enumeración. 6. Circulo: Conjuntos y sus relaciones. 7 . B) El conjunto A. Diagramas de Venn Euler..9} Ejercicio: La empresa “X” fabrica camisas de manga larga y corta.Representación con figuras Geométricas: Rectángulo: Conjunto Universo.5. 7. Ac = { x/x es un numero impar positivo entero. 9. 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. Diagramas lineales.

b. simultáneamente } a) U A B b) U A B c) U B A 8 . 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. b } A B Diagrama Lineal: ⇒B⊂A Diagrama de Venn: U A B B⊂A OPERACIONES CON CONJUNTOS. c } B = { a. A∪B= A⊂B INTERSECCION. A ∩ B = { x/x ∈ A y x ∈ B. UNION.PROBABILIDAD Sea A = { 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. x ∉ A } 1.a) A-B=A A y B son disyuntos b) U A B A-B=∅ U A B c) A B B-A= COMPLEMENTO. que esta formado por todas las parejas ordenadas (a.b) ⇒ a E A.A – B ={ x/x ∈ A.PROBABILIDAD A∩B= DIFERENCIA. el conjunto producto A y B o producto cartesiano A X B (A cruz 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.. 1.b) / a ∈ A..B – A ={ x/x ∈ B. b ∈ B } 9 . Ac = { x/x ∉ A } ó { x/x ∈ U. 2 conjuntos. x ∉ B } 2. Sean A y B. b E B y se define por el método de comprensión de la siguiente forma: A X B = { (a.

b)(3. por ejemplo si tomo (a. Conjunto A a AXB b Conjunto B 1 2 3 1 2 3 Conjunto A X B (a.2)(a. Azul = a =A Blanco = b Mediano = Grande = A X B = { (a.c) / a ∈ A. 2 3 =B Chico = 1 DIAGRAMA DE ARBOL. mediano y grande. Nos sirve para mostrar esquemáticamente todas las combinaciones posibles en un producto cartesiano.b) } CONCLUSION: Se pueden brindar 6 opciones al consumidor.a)(1.2)(b.2) (a.b)(2. (según el ejemplo anterior).3) 10 .1) (a.2) (b. por estrategia considera lanzar el jabón en dos diferentes colores: azul y blanco y en tres diferentes tamaños: chico.PROBABILIDAD A X B X C = { (a. c ∈ C } Ejemplo: En una empresa de artículos de tocador pretende lanzar al mercado un jabón de tocador.1)(a.b.2) significa un jabón azul en tamaño mediano.1)(b.a)(2.3)(b. Utilice el producto cartesiano para determinar cuantas opciones podemos brindarle al consumidor.3) (b.1) (b.a)(3. b ∈ B.3) } B X A = { (1.

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

.3) = 6! P(n.n Ejercicio: Calcular. 12 .r) = n! (n-3)! = 6·5·4·3·2·1 = 120 palabras diferentes de 3 letras. ¿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. 7. Ejemplos de Permutaciones: 1. en otras palabras hallar el numero de palabras diferentes que podemos formar con 3 letras. 6.F tomadas de 3 a la vez. n=6 r=3 P (6. n! = (n-2)(n-1) n ó n! = 1 · 2 · 3 · 4 · 5 . 2. 4. 8. 9. donde el 1º ≠ 0 {1. 7! = 7 · 6 · 5 · 4 · 3 · 2 · 1 = 5040.C.. 5.E..D. 0} 26 · 25 · 9 ·10 ·10 = 585.. Hallar el numero de permutaciones de las 6 letras siguientes: A. n! Es el producto de los enteros positivos sucesivos desde “n” hasta 1.B.PROBABILIDAD Ejemplo: Supongamos que una placa de automóvil consta de 2 letras distintas seguidas de 3 dígitos.. 9! = 9·8·7·6·5·4·3·2·1 = 362880 = 504. es 1 por definición... 3.. de las cuales el primero no puede ser 0. 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 0.000 Placas diferentes.. Factorial de un Numero.

B) Cuantos números de estos son mayores de 400. 3.5) = 12! = 12·11·10·9·8·7·6·5·4·3·2·1 = 95040 palabras diferentes de 3 letras. Si se toman números de 3 dígitos y tenemos un conjunto { 1. = 224 números de 3 dígitos pares. n=9 r=3 A) P (9. 5. 8. 2. 13 .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. = 56 números de 3 dígitos múltiplos de 5. 4. C) Cuantos números de estos son pares. (12-5)! 5·4·3·2·1 3. cuantos equipos diferentes se pueden formar para un torneo de basquet si son 5 gentes las que juegan. E) Cuantos números de estos son múltiplos de 5. 6. 7.3) = 9! = 9·8·7·6·5·4·3·2·1 = 504 números diferentes de tres dígitos. D) Cuantos números de estos son impares. (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. = 280 números de 3 dígitos impares. De un total de 12 personas. P (12. 9 } A) Cuantos números se pueden formar. = 336 números de 3 dígitos mayores de 400.

1! · 2! · 2! (2 · 1) · (2 · 1) 4 6. n3R = 2 P repetición = n! n1!·n2!·n3!·. n=7 r=4 a) P (7. n1B = 1 . 5.. b) P (5. n = 52 r=3 a) 52 · 52 · 52 = 140.600 formas diferentes de sacar 3 cartas b) 52 · 51 · 50 sin sustitución.. Con la palabra “CRISTAL”: a) Hallar el número de palabras de 4 letras que se pueden formar. c) Cuantas empiezan y terminan con consonantes. g) Cuantas empiezan por “T” y contienen “S”. = 132..4) = 5! = 5·4·3·2·1 = 120 palabras de 4 letras que solo contienen consonantes 14 .608 formas diferentes de sacar 3 cartas con sustitución..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”.nn! P(rep) = 5! = 5 · 4 · 3 · 2 · 1 = 120 = 30 permutaciones diferentes. d) Cuantas empiezan con vocal. n2A = 2 . b) Sin sustitución. nT = 5 ... Hallar el número de permutaciones que se pueden formar con todas las letras de la palabra “BARRA”.. e) Cuantas contienen la letra “I”..PROBABILIDAD 4. a) Con sustitución. h) Cuantas pueden tener ambas vocales. De cuantas maneras se pueden escoger 3 cartas sucesivas de una baraja de 52 cartas. b) Cuales de ellas solo contienen consonantes. f) Cuantas empiezan por “T” y terminan por vocal. Solo trabajamos con las consonantes..

240 palabras de 4 letras que pueden = tener ambas vocales. tomadas de la palabra “CRISTAL”.PROBABILIDAD (5-4)! 1 tomadas de la palabra “CRISTAL”. 60 palabras de 4 letras que empiezan = por “t” y contienen “s”. tomadas de la palabra “CRISTAL”. 400 palabras de 4 letras que empiezan y terminan con consonantes. tomadas la palabra “CRISTAL”. tomadas de la palabra “CRISTAL”. 40 palabras de 4 letras que empiezan = por “t” y terminan por vocal. 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”. 480 palabras de 4 letras que contienen = la letra “i”. c) 5 · 5 · 4 · 4 = d) 2 · 6 · 5 · 4 400 palabras de 4 letras que empiezan = con vocal. 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 .

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

PROBABILIDAD Si: n = 4 r=3 C(4. n = 12 r=4 a) C 12  C (12. enteros y positivos y se divide entre “r” factorial C(n. y 17 . b) De cuantas maneras si 2 de los estudiantes son casados y solo asisten si van juntos.3) = 4! 4 x3 x 2 x1 24 = = = 4combinaciones. c) De cuantas maneras si dos de los estudiantes no asisten al mismo tiempo. 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.3) =  = = = 4combinacionesde3letras  4 − 3 1  1x1 Ejemplos de Combinaciones: 1.r) = n = r n n-r 4 4 x3 x 2 C ( 4. Una delegación de 4 estudiantes de un colegio se selecciona todos los años para asistir a la asamblea de estudiantes.3) =   = = 4combinacionesde3letras 3 3 x 2 x1 O bien. 4·3·2·1 b) Los casados NO VAN.4) =   = 4  12 4 = 12·11·10·9 = 495 delegaciones diferentes de 4 estudiantes. usando el factor combinatorio simplificativo  4  4 4 C ( 4. a) De cuantas maneras se puede escoger la delegación si hay 12 estudiantes elegibles.

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

b) Cuantas de estas contienen la letra “b”. 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. 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. c) Cuantos tendrán una niña exactamente. 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. 4·3·2·1 n1 = 9 niños.PROBABILIDAD b) Cuantos comités constaran de 1 niña por lo menos. 19 . a) Cuantas palabras de 5 letras. 3·2·1 1·1 = = 9·8 · 3·2 = 108 comités diferentes de 4 personas con 2 niñas. 3. 1·1 3·2·1 = 369 comités diferentes de 4 personas con por lo menos una niña. 2·1 2·1 9 · 3·2·1 = 9 comités diferentes de 4 personas con 3 niñas. 3 consonantes y 2 vocales diferentes (consonantes y vocales) se pueden formar.

· 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”. TEORIA DE LA PROBABILIDAD. 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. e) 3! 20 2 4 1 = 3·2·1 · 20·19 2·1 UNIDAD II. 20 . 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”.PROBABILIDAD c) Cuantas contienen la letra “b” y la “c”. 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”.

2. P (A) = 3/6 = ½ de posibilidad de que salga un par. es el estudio de experimentos aleatorios o libres de determinación. S = numero de casos totales. puede salir un numero par de 3 maneras diferentes de un total de 6 resultados igualmente posibles. se llama evento elemental. P (A) = n S ∴ n = numero de casos favorables. se le llama punto muestral. 4. El conjunto “S” de todos los resultados posibles de un experimento dado se le llama ESPACIO MUESTRAL. al ∅ algunas veces se le denomina el evento imposible y al conjunto “S” se le denomina el evento cierto o seguro.PROBABILIDAD OBJETIVO: El estudiante aplicará los axiomas y teoremas de la probabilidad en la solución de problemas Definición. 4. 6 } Todos los resultados posibles. 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. 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.  A ∩ B es el evento que sucede ⇔ A y B suceden simultáneamente.  Ac es el evento que sucede ⇔ A no sucede. 21 . 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. Probabilidad. esto es un elemento de “S”. S = { 1. 5. Podemos combinar eventos para formar nuevos eventos. Por ejemplo al lanzar un dado común. El ∅ y “S” de por si son eventos. Un resultado en particular.  A ∪ B es el evento que sucede ⇔ A ó B o ambos suceden. 3. A = { x/x es un numero par al lanzar un dado } A = { Un numero par al lanzar un dado } ⇒ Forma simplificada A = { 2.

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

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

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

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.PROBABILIDAD P (A) = 120 = 3/14 = . Hallar la probabilidad “p” de que: I. Las 2 sean espadas. P (D) = 150 = .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.42 % 560 n2 · n1 II )B = 10 6 2 1 45 · 6 = 270 comités de 3 personas con 2 niños exactamente. P (B) = 270 = 27/56 = . P (C) = 540 = 27/28 = .9642 ⇒ 96.3035 ⇒ 30.2678 ⇒ 26.35 % 560 4. 25 .42 % 560 IV ) D = 10 1 6 2 10 · 15 = 150 comités de 3 personas con 2 niñas exactamente. P (E) = 170 = . Se sacan dos cartas al azar de una baraja corriente de 52 cartas.2142 ⇒ 21.4821 ⇒ 48.

74 % 1326 5. Ninguna sea defectuosa. II. P (B) = 169 = . Una exactamente sea defectuosa. P (A) = 120 = . Una sea espada y la otra corazón. S = 15 3 = 455 muestras de 3 lámparas.37 % 455 II) B = 5 1 10 2 5 · 45 = 225 muestras de 3 lámparas con una defectuosa. I ) A = 10 3 = 120 muestras de 3 lámparas que no son defectuosas.1274 ⇒ 12.88 % 1326 II )B = 13 1 13 1 13 · 13 = 169 muestras diferentes de una espada y una corazón.PROBABILIDAD II. Una por lo menos sea defectuosa.45 % 455 III) C = 5 1 5 2 10 2 10 1 = 225 = 100 26 . III.05882 ⇒ 5.4945 ⇒ 49.2637 ⇒ 26. Hallar la Probabilidad “p” de que: I. 2 I ) A = 13 = 78 muestras de 2 cartas que son espadas. S = 52 = 1326 muestras de 2 cartas. Se escogen al azar 3 lámparas entre 15 de las cuales 5 son defectuosas. 2 P (A) = 78 = . P (B) = 225 = .

Si aparece un 5 en uno de los dos dados por lo menos. 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. una vez que E haya sucedido.(1.(1.5).PROBABILIDAD 5 10 = 10 = 335 muestras de 3 lamparas que por lo menos es una defec3 0 tuosa P (C) = 335 = . II. I.61 % 455 PROBABILIDAD CONDICIONAL E INDEPENDENCIA.4). Sea E un evento arbitrario de un espacio muestral S. hallar la probabilidad de que la suma de sus números sea 10 o mayor. Si aparece un 5 en el primer dado.6) 27 . S = 36 formas o parejas ordenadas.7361 ⇒ 73. con probabilidad de E > 0.2).(1.(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. Se lanza un par de dados corrientes. la probabilidad de que un evento A suceda.(1.1). (1.3).

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.5)(6.5)(5.4.9} S= 9 2 = 36 muestras.5).(3.1)(5.5)(3.3)(5.(6. = 10 muestras de dos dígitos impares.6)} = 6 E = {(5.(6.(4.2).5)(4.5)(6.5).4). 6.(5.(3.1).6)(1.2). 8 } n2 = { 1.3).1).6) S= (4. 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.2)(5.(4.5)(5.(5. E = 16 formas diferentes.(3.6)(5.6)} = 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.(5.5).2).5)(5. n1 = { 2.(6. 5.6)(6.5)(5.4).3).6)} = 6 A ∩ E = {(5.1)(5.(5.(4.4).5)(5.3.5)} = 11 A ∩ E = {(5. Hallar la probabilidad de que ambos números sean impares.4)(5.5)(2.3).5)(6.1).6) I ) A = {(4.(5.5)(5.2)(5.4)(6.6. II ) A = {(4.1).6)} = 6 E = {(5.7.(3.(2.3). 7.4). {1. 28 .4)(6.5.4)(5.(6.2).2.6) (3.8.6) (6.1).(4.6) (5.(2.2).6)(6.(4. Se escogen al azar 2 dígitos del 1 al 9 si la suma es par.(2.(2. 4.PROBABILIDAD (2.(2.5).3). 3.3)(5.5).6)(6.(3.4).6)(5.(6. 2.

Se sacan una tras otra sin sustitución. II.625 ⇒ 62.Se seleccionan al azar dos cartas entre 10 cartas numeradas de 1 a 10.5 % 3. P (A / E) = 10/16 = 0. P (B) = 50 = . Hallar la probabilidad “p” de que la suma sea impar si: I. 29 .50 ⇒ 50 % 100 TEOREMA DE LA MULTIPLICACION. 5 1 5 1 + 5 1 5 1 = 50 formas diferentes.5555 ⇒ 55. Las cartas se sacan una después de la otra con sustitución.5555 ⇒ 55. 10 2 = 45 muestras de 2 cartas. 5 1 5 1 + 5 1 5 1 = 50 formas diferentes.55 % 90 II ) 10 · 10 = 100 muestras de 2 cartas. S = 10 2 I)E= = 45 muestras de 2 cartas. ( A ∩ E ) = A  = 25 P (A / E ) = 25 = . P (C) = 50 = .55 % 45 II ) 10 · 9 = 90 muestras de 2 cartas. Las 2 cartas se sacan juntas.. III.PROBABILIDAD (A ∩ E) = 10 muestras de 2 dígitos.

se toma al azar 3 artículos del lote uno tras otro. 13 de espadas. II. una blanca y la tercera roja. A un jugador se le reparten 5 cartas una tras otra de una baraja de 52 cartas.PROBABILIDAD Para probabilidad condicional. Hallar la probabilidad de: I. se sacan 3 bolas de la urna una tras otra.0495 % 3. 7 rojas 10 bolas (casos totales) 30 . 13 de corazones. III.45 % 2. 52 13 de diamantes. 4 defectuosos 12 8 no defectuosos A = { los 3 artículos sean no defectuosos } P (A) = 8/12 · 7/12 · 6/10 · 14/55 = . Las dos primeras sean blancas y la tercera roja. A = { Todas sean espadas } P (A) = 13/52 · 12/51 · 11/50 · 10/49 · 9/48 = . Que una sea roja. La primera blanca y las otras 2 rojas. la probabilidad de que todas sean espadas. Sea la P (A / E) = P (A ∩ E) P (E) P (A ∩ E) = P (A / E) P (E) Ejemplos: 1.0004958 = . Las dos primeras sean rojas y la tercera blanca. Un lote de 12 artículos tiene 4 defectuosos. Hallar la probabilidad de que los 3 artículos sean defectuosos.Intersección entre un elemento que es condicional y un particular. Una urna contiene 7 bolas rojas y 3 blancas.. IV. cual es: 13 de tréboles.2545 = 25.

31 . Hallar la probabilidad de que niños y niñas queden alternados si: I. La clase consta de 4 niños y 3 niñas.175 = 17.85 % II) ∇ ∇ ∇ = B1 ∇ ∇ ∇ = B2 P (B1) = 3 /6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = .175 = 17.05 = 5 % P (B) = .02857 = 2.50 % 4.05 = 5 % P (B2) = 3/6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = . I) ∇∇∇ P (A) = 4/7 · 3/6 · 3/5 · 2/4 · 2/3 · 1/2 · 1/1 = .PROBABILIDAD 3 blancas I ) P (A) = 7/10 · 6/9 · 3/8 = . II.0583 = 5.05 + .83 % III ) P (C) = 3/10 · 7/9 · 6/8 = .10 = 10 % PROCESOS ESTOCRASTICOS FINITOS Y DIAGRAMA DE ARBOL.05 = .50 % II ) P (B) = 3/10 · 2/9 · 7/8 = . La clase consta de 3 niños y 3 niñas.50 % IV ) P (D) = 7/10 · 3/9 · 6/8 = .175 = 17. Los estudiantes de una clase se escogen al azar uno tras otro para presentar un examen. ∇ = Niña. = Niño.

PROBABILIDAD Es una sucesión finita de experimentos en los cuales cada experimento tiene un numero finito de resultados con probabilidades dadas. CAJA II – Contiene 6 lamparas de las cuales 1 son defectuosas.0. 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. Una manera de describirlo y saber la probabilidad de un evento.96 % TEOREMA DE BAYES.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 = . CAJA III – Contiene 8 lamparas de las cuales 3 son defectuosas.3138 = 31.38 % P (B) = 1/3 · 6/10 + 1/3 · 5/6 + 1/3 · 5/8 = 6/30 + 5/18 + 5/24 = . 32 . 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 1/3.61 % ó por complemento P (B) = 1 . se obtiene por el diagrama de árbol y el teorema de la multiplicación. Pares Sol Nones Moneda Pares Águila Nones P (A) = 2/3 · 4/9 + 1/3 · 2/5 = 8/27 + 2/15 = . Hallar la probabilidad de que se escoja un numero par.4296 = 42. Se tienen las 3 cajas siguientes: CAJA I – Contiene 10 lamparas de las cuales 4 son defectuosas. Ejemplos: 1.6861 = 68.3138 = 0.

5)(0. 33 . y 20 % del numero total de artículos de una fabrica. A2..2)(0.4054 ⇒ 40. esto es que los eventos Ai son mutuamente exclusivos y su unión es el espacio muestral.5 (0.03) + (0. 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. ahora bien “B” es otro evento. A3 .54 % P (A / Def) = UNIDAD III. 30 %.3)(0. y 5 %. hallar la probabilidad de que provenga de la maquina A. 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. 3 Maquinas A.04) + (0.. An forman parte de un espacio muestral S.B y C producen respectivamente 50 %.05) = 0. Si se selecciona al azar un articulo defectuoso.. 4 %.03) (0.PROBABILIDAD A1 An B A6 A2 A3 A4 A5 Supongamos que los eventos A1. los porcentajes de desperfecto son: 3 %..

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

x = La variable aleatoria. 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.PROBABILIDAD p = Probabilidad de x. En general f (x) es una función de probabilidad bajo: 1. f (x) ≥ 0 2. 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. Se define: F(x) = P( x ≤ a ) F(x) = función de distribución. 35 .

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

7071 Ejercicios: 1. E(x) es el promedio ponderado de los valores posibles de “x”. VAR x. Supóngase que se lanza un par de dados legales y que la variable aleatoria x denota la suma de los números que resulten calcular: . La media de una variable aleatoria “x”. 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) . /36 /36 /36 /36 37 . y x Tabla de función de probabilidad.5 = 0.F(x) y gráfica .12 = x 2 /4 + 1 – 1 = 2/4 = ½ = 0.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.f(x) y gráfica . mide en cierto sentido el valor promedio de “x” .µ 2 Varianza x =1 x = √ VAR (x) Desviación Estándar Siguiendo nuestro ejemplo: VAR (x) = 02 (1/4) + 12 (2/4) + 22 (1/4) . Cada valor ponderado (afectado x su probabilidad). 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).

3)(4.2)(2.5)(4.2)(6.5)(2.6) } 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.3)(2.1)(4.2)(4.3)(1.4)(1.3)(5.1)(3.5)(1.2)(5.4)(6.5)(6.3)(6.6)(6.PROBABILIDAD x={(1.2)(1. 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.6)(3.4)(4.6)(2.1)(1.6) (4.1)(5. 38 .1)(2.6)(5.3)(3.4)(3.1)(6.2)(3.4)(5.5)(3.4)(2.5)(5.

41 39 .83 x = √5.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.83 = 2. 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.

.PROBABILIDAD 2. construir: .Tabla de función de distribución y gráfica. .Tabla de función de probabilidad y gráfica.Esperanza. 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 ∝ -∝ . x es la variable aleatoria que indica el número de águilas que resulten. Varianza y desviación estándar. Una moneda se lanza 3 veces.

86 3.PROBABILIDAD 0 E(x) = 1. 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 . así como su función de distribución. Varianza y desviación estándar. su media. Un embarque de 8 microcomputadoras similares que se envían a un distribuidor contienen tres aparatos defectuosos.75 x 1 2 3 = 0. encuentre f (x) para el numero de microcomputadoras defectuosas. sus gráficas. Tabla de función de probabilidad.5 VAR(x) = 0. Si una escuela realiza una compra aleatoria de 2 de estas microcomputadoras.

PROBABILIDAD 15 /28 /28 10 5 /28 0 0 1 2 3 Tabla de función de distribución. 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.755 42 .

PROBABILIDAD VAR(x) = 0....4.... tenemos lo siguiente: p+q=1 ∴q = 1 ..pn Se llamara distribución binomial puesto que para k = 0.. p ) = ( n k) qn-k pk Donde: k = éxitos n = pruebas repetidas...p ∴p = 1 – q La probabilidad de “k” éxitos en “n” pruebas repetidas.6337 DISTRIBUCION BINOMIAL.n corresponde a los términos sucesivos del desarrollo binomial..... P (k) = b ( k. entonces la función anterior P(k)= b( k.....pn 43 .n (n4 )qn-4 p4...) Consideremos pruebas repetidas e independientes de un experimento con dos resultados...... Sea p = {la probabilidad favorable} y sea q = {la probabilidad desfavorable}... Si consideramos a “n” y “P” como constantes.....p) es una distribución discreta. K P (k) 0 qn 1 (n1)qn-1 p1 2 (n2) qn-2 p2 3 (n3) qn-3 p3 4.n.. llamaremos uno de los resultados........ (Para variables discretas............ n...1....3..4017 x = 0...2. q = probabilidad de fracaso. P = probabilidad de éxito.. ( q + p )n = qn + (n1) qn-1 p1 + (n2) qn-2 p2 + (n3) qn-3 p3 + (n4) qn-4 p4... llamaremos uno de los resultados favorable (o éxito) y al otro desfavorable (o fracaso).... se denota “b” y se denota por la siguiente expresión...

llamamos sol al éxito. b ( 2 . 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 . 1/4 ) = (4 3) (3/4)4-3 (1/4)3 = 4 (3/4) (1/64) = 4 (3/256) = Ejemplos: 1. 6 . Calcular la probabilidad de que sucedan 2 soles exactamente. 4 .04687 /64 = 23.62 % b) P = P(1) + P(2) + P(3) + P(4) ⇒ P(0) = qn (fracaso total). P ( 2 ) = ( 2 .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.43 % 23. p = 2/3 q = 1/3 a) P(A) = P(2) = b ( 2 .43 % de que al lanzar 6 monedas resulten dos soles exactamente. Si A juega 4 partidos hallar la probabilidad de que A gane. 4 . 2.3125 /256 = .32 20 /64 = . El equipo A tiene la 2/3 de probabilidad de ganar cuando juega. 5 . 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 = .2962 ⇒ 29. C) Más de la mitad de los juegos. B) 1 partido por lo menos. 5 . 6 veces o su equivalente 6 monedas corrientes una vez. entonces 1-qn = P = 80/81 44 .Estándar0 = Σ (x) = µ = np 2 = = var (x) = npq = x = √npq Ejercicios: Calcular los siguientes valores binomiales: b ( 2 . 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 .1/3 ) k n p DISTRIBUCION BINOMIAL Media Varianza Desv. 2/3 ) = 8/27 = 0. 6 .

Las propiedades de la distribución de Poisson. DISTRIBUCION DE POISSON Media Varianza Desv. Esta distribución infinita contable se presenta en muchos fenómenos naturales. el numero de partículas alfa emitidas por una sustancia radioactiva. P ( k . tales como el numero de llamadas telefónicas por mi8nuto en un tablero de distribución. λ ) = λ k e-λ k! λ = np Aproximación de Poisson. porque se pueden utilizar las probabilidades de Poisson para aproximar sus 45 .PROBABILIDAD c) P(3) + P(4) = 16/27 ⇒ 59.25 % DISTRIBUCION DE POISSON. e = Es la constante con valor de 2.71828 La convergencia de la función de Probabilidad binomial hacia la de Poisson tiene un valor practico. el numero de errores por pagina en un texto grande. etc. k = Es el numero de resultados que se producen en un intervalo o en la región determinada. estándar µ =λ 2 =λ =√λ λ = Es el numero promedio de resultados que ocurren en el intervalo de tiempo o la región especifica.

1804 = 18.1041 = 10. Cual es la probabilidad de que entren 6 partículas en el contador en un milisegundo determinado. recurrimos a la distribución de Poisson o sea hacemos una aproximación de Poisson. P(k. Hallar la probabilidad de que 3 o mas sean defectuosos en una muestra de 100.λ) λ = 100 (0.38 % 4! 4·3·2·1 B) P (10 . 2 ) = 23 e-2 = 8 (0. 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.02.3678) = 0.3678 ⇒ 36. λ = 100 (0. Hallar la probabilidad de que haya 3 artículos defectuosos en una muestra de 100 artículos.41 % 6! 6·5·4·3·2·1 4. A) P (4 .0000061) = 0. en estos casos podemos utilizar la aproximación de Poisson dada por λ = np Ejercicios: 1. n . El numero promedio de partículas radioactivas que pasan a través de un contador durante un milisegundo en un experimento de laboratorio es 4.78 % 46 .48 % 10! 10·9·8·7·6·5·4·3·2·1 3.0183) = 0.PROBABILIDAD correspondientes binomiales. P (6 . NOTA: Según la información que tenemos. B) Cual es la probabilidad que reciba 10 cheques falsos en 2 días consecutivos cualquiera. 12) = 1210 e-12 = 6. 6) = 64 e-6 = 1296 (0. Supóngase que el 1 % de los artículos producidos por una maquina son defectuosos.1048 ⇒ 10.02) = 2 P ( 3 .01) = 1 P (0 .0024) = 0. 4) = 46 e-4 = 4096 (0.04 % 3! 3·2·1 2.1338 ⇒ 13. para valores grandes de m y valores grandes de p. 1) = 10 e-1 = 1 (0.1353) = 0. p ) ) sin embargo por ser “m” grande igual con 100 y “p” pequeña igual con 0. Supongamos que el 2% de artículos de una fabrica son defectuosos.1917 (0. todo indica que debemos hacer la distribución binomial ( b ( k .

OBJETIVO: El alumno aplicará los conceptos de las variables aleatorias discretas en la solución de problemas.1839 ⇒ 18.9195 = fracaso = q éxito = 1 – 0. f: P(a ≤ x ≤ b) = { área bajo la curva de f / x = a . 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. Supongamos que existe una función continua especial.9195 = 0. de números tales como un intervalo.PROBABILIDAD 0! 1 P (1 . FUNCIÓN DE DENSIDAD DE PROBABILIDAD (Para variables contínuas).0804 ⇒ 8. x = b } Como se muestra en la siguiente figura: P (a ≤ x ≤ b) = b f(x) dx 47 .39 % 2! 2·1 0.04 % UNIDAD IV. 1) = 11 e-1 = 1 (0.3678) = 0.3678 ⇒ 36. Supóngase que “x” es una variable aleatoria cuyo conjunto imagen X(S) es un conjunto Continuo. DISTRIBUCIONES DE PROBABILIDAD CONTINUA.3678) = 0. 1) = 12 e-1 = 1 (0.78 % 1! 1 P (2 .

2.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. 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: 1.5) 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. La función “ f ” se llama función de distribución o de probabilidad continua (función de densidad) de “x” que satisface las siguientes condiciones: 1..

PROBABILIDAD 2 f(x) 1 1 2 a 1.25 / 2] = 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 = 1.33 = 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 .7689 = 2 – 1.5)2 / 2) – ((1)2 / 2) = ½ (2.5 P (1 ≤ x ≤ 1.25 / 2) – (1/2) = ½ [1.5 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.(1.33)2 = ½ [ (24 / 4) – (04 / 4) ] – 1.25 / 4 = 0.5) = 1 f(x) dx = 1 (½x) dx = ½ xdx = ½ x2 / 2 1 1 ½ 2 = ½ ((1.7689 = 16 /8 – 1.7689 = 0.2311 49 .5 1.

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

1% 34.1% 13.1% 13. Entonces la gráfica de la distribución normal estándar es la µ =0 Restante para . 2 ) e Como µ = 0 y siguiente.PROBABILIDAD =2 0 Las propiedades de una distribución normal son: DISTRIBUCION NORMAL Media Varianza Desv. 2 = 1.61% 2. Si sustituimos: t=(x– µ )/ ∴∅(t)= 1 2π en –½ t 2 2 µ 2 ) N (µ.5 2.6% 34. Estándar Designamos a la distribución N ( µ .1% 51 .

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

75)(12) + 74 = 95 x* = x – µ = despejada = x = x* + µ µ = 74 2. Hallar los resultados en unidades estándar de los estudiantes que recibieron notas o calificaciones. Hallar: ∅(f) para: 1 2 3 t = 1.25 1. a) b) c) d) 65 74 80 92 = 12 a) x* = 65-74 = 0.08 .PROBABILIDAD 1.75 12 b) x* = 74-74 = 0 12 c) x* = 80-74 = 0.0459) De tabla 6. a) b) c) d) a) b) c) d) –1 0.5 12 d) x* = 92-74 = 1.1057 ∅ t = 0.5)(12) + 74 = 80 x = (1.75 . 0. 0.5 1.3011) (-2.3011 ∅ t = 0.63 . La media y la desviación estándar de un examen son 74 y 12 respectivamente.63 t = -0.08 ∅ t = 0. 0.0459 (1.1057) (-0. Sea ∅ la distribución estándar.5 12 En relación con el problema anterior hallar las notas que corresponden a resultados estándar.25)(12) + 74 = 89 x = (1.75 x = (-1) (12) + 74 = 62 x = (0.1 sobre t 53 .75 t = -2.

22 % De tabla sobre t: µ =0 0 1. hallar: 1) P ( 0 ≤ x ≤ 1. 0.13 ) 7) P ( x ≤ 0.1057 ⇒ P (1.63 .73 ≤ x ≤ 0 ) 3) P ( -1. Sea x una variable aleatoria con distribución estándar ∅.5 ) 1) P ( 0 ≤ x ≤ 1.42 ) 2) P ( -0.4222 ⇒ 42.6 3 0.2673 ⇒ 26.37 ≤ x ≤ 2.65 ≤ x ≤ 1.PROBABILIDAD t 1.26 ) 5) P ( -1.1057) t ∅t 3.01 ) 4) P ( 0.73 ≤ x ≤ 0 ) = 0.42 2) P ( -0.73 % µ =0 54 .42 ) = 0.54 ) 6) P ( x > 1.79 ≤ x ≤ -0.

2422 = 0.01 4) P ( 0.73 0 3) P ( -1.4633 – 0.2579 ⇒ 25.4778 = 0.2054 = 0.PROBABILIDAD -0.65 1.3962 – 0.37 0 2.40 % µ =0 0.79 % µ =0 55 .26 5) p ( -1.79 ≤ x ≤ -.054 ) = 0.26 ) = 0.1540 ⇒ 15.8925⇒ 89.65 ≤ x ≤ 1.25 % µ =0 -1.4147 + 0.37 ≤ x ≤ 2 ) = 0.

0.13 7) P ( x ≤ 0.1292 ⇒ 12.30 % µ =0 -0.79 .3708 ) = 0.5000 – 0.5 56 .5 0.3708 ∴( 0.5 ) = 0.PROBABILIDAD -1.54 6) P ( x > 1.1915 • 2 ⇒ 38.13 ) = 0.92 % 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