Está en la página 1de 25

1

Tema 1: TEORA DE LA
PROBABILIDAD
Carlos Alberola Lpez
Lab. Procesado de Imagen, ETSI Telecomunicacin
Despacho 2D014
caralb@tel.uva.es, jcasasec@tel.uva.es,
http://www.lpi.tel.uva.es/sar
1. Para qu estudiar esto?
Se pretende describir y utilizar una herramienta
que nos proporcione capacidad de decisin en
problemas donde existe incertidumbre.
A qu nos estamos refiriendo? Por ejemplo
Dejar caer una piedra
Dejar caer una pluma
No podemos predecir dnde va caer la pluma,
pero si que podemos tratar de saber:
Cmo de probable es que se aleje un radio
de ms de 5 unidades de distancia respecto
del punto (0,0)
Sabiendo la desviacin horizontal, tratar de
predecir la desviacin vertical
Para qu estudiar esto?
Los problemas de comunicaciones tienen
elevados componentes de aleatoriedad
Seales que transportan informacin: son
seales no modelables mediante un
conjunto finito de parmetros. Pero tiene
que haber algo que permita caracterizar
este tipo de seales para garantizar que
puedan pasar sin distorsin a travs de un
determinado medio de transmisin.
Para qu estudiar esto?
Los problemas de comunicaciones tienen
elevados componentes de aleatoriedad
Seales que transportan informacin: son
seales no modelables mediante un
conjunto finito de parmetros. Pero tiene
que haber algo que permita caracterizar
este tipo de seales para garantizar que
puedan pasar sin distorsin a travs de un
determinado medio de transmisin.
2
Para qu estudiar esto?
Los problemas de comunicaciones tienen
elevados componentes de aleatoriedad
Seales que transportan informacin: son
seales no modelables mediante un
conjunto finito de parmetros. Pero tiene
que haber algo que permita caracterizar
este tipo de seales para garantizar que
puedan pasar sin distorsin a travs de un
determinado medio de transmisin.
Las seales de comunicaciones estn
afectadas por ruido (seal superpuesta
indeseada que disvirta el contenido de
stas).
3
2. lgebra de conjuntos
Conjuntos denotados por letras maysculas: A, B, C
Elementos denotados por letras minsculas: a, b, c
Los conjuntos se definen en base a una relacin de
pertenencia, la cual es binaria ( , )
Conjuntos notables: S y
Los conjuntos se pueden describir de forma enumerativa
o partir de una ley que defina pertenencia.
Cardinal
Finito
Infinito
Numerable
No numerable
A a A b

lgebra de conjuntos
De la relacin de pertenencia surge la relacin de
inclusin.
Si un conjunto est incluido en otro se dice que el
primero es subconjunto del segundo, y se denota
mediante
A es subconjunto
A es superconjunto
A no est incluido en B
B A
B A
A B
B A
A
B
B
A
B
A
Operaciones con conjuntos
Igualdad de conjuntos: dos conjuntos son iguales si
tienen los mismos elementos.
Conjunto diferencia: : conjunto formado por
los elementos de A que NO estn en B.
B A C =
Operaciones con conjuntos
Unin de conjuntos :conjunto formado por
los elementos de A y los de B
Interseccin de conjuntos :conjunto formado por
los elementos que pertenecen simultneamente a ambos
conjuntos
B A C U =
B A C I =
4
Operaciones con conjuntos
Es interesante reparar en que
y en que:
La interseccin, por ello, crea un conjunto ms pequeo y la
unin un conjunto ms grande.
Conjuntos disjuntos:
B B A
A B A

U
U
B B A
A B A

I
I
= B AI
Aplicacin sucesiva de operadores
Si las operaciones se aplican repetidamente
escribiremos para abreviar
Y por razones derivadas de los axiomas de la
Probabilidad es habitual escribir (aunque sea un abuso
de notacin):
I
U
I L I I
U L U U
N
i
i N
N
i
i N
A A A A
A A A A
1
2 1
1
2 1
=
=
=
=

= =
= =
=
=
N
i
i
N
i
i
N
i
i
N
i
i
A A
A A
1 1
1 1
I
U
Propiedades de unin e intersec.
Estos operadores satisfacen tres tiles propiedades:
Conmutativa
Asociativa
Distributiva
A B B A
A B B A
I I
U U
=
=
( ) ( )
( ) ( ) C B A C B A
C B A C B A
I I I I
U U U U
=
=
( ) ( ) ( )
( ) ( ) ( ) C A B A C B A
C A B A C B A
I U I U I
U I U I U
=
=
Otras cuestiones adicionales
Conjunto complementario de un conjunto A:
Se denota por
Y se define mediante el conjunto diferencia
Es interesante notar que
Leyes de Morgan
B A B A
B A B A
U I
I U
=
=
A
A S A =
=
=
A A
S A A
I
U
5
( ) B B A U I =
( ) ( ) B A B A U U U
Ejercicio: Demostrar que ( ) ( ) A B A B A = U U U
( ) ( ) B A B A I U I =
( ) A S A = = I
( ) ( ) B A B A I U I =
Ejercicio: Demostrar que ( ) ( ) ( ) ( ) A B B A B A B A I U I I I U =
( ) ( ) B A B A I I U
[ ] ( ) [ ] ( ) B A B B A A U I U U I =
( ) ( ) B A B A U I U =
( ) ( )
3 2 1
U I U
C
B A B A =
( ) ( ) C B C A I U I =
( ) ( ) ( ) ( ) ( ) ( ) B B A B B A A A I U I U I U I =
( ) ( ) ( ) ( ) = U I U I U A B B A
( ) ( ) A B B A I U I =
Sumas y productos!!
3.- Definicin de probabilidad
Se trata de formalizar la nocin intuitiva de qu
cosas son ms probables y cules ms
improbables.
Definicin mediante frecuencia relativa:
con el nmero de veces que sale el
resultado A en las N realizaciones del
experimento llevadas a cabo.
Ej: lanzamiento de dado, inters en obtener
resultado par, se experimenta 1000 veces;
cuntese cuntas (dentro de esas 1000) sale un
2, un 4 un 6 y divdase por N=1000.
( )
N
N
A f
A
N
r

= lim
A
N
Se trata de formalizar la nocin intuitiva de qu
cosas son ms probables y cules ms
improbables.
Definicin mediante frecuencia relativa:
con el nmero de veces que sale el
resultado A en las N realizaciones del
experimento llevadas a cabo.
Ej: lanzamiento de dado, inters en obtener
resultado par, se experimenta 1000 veces;
cuntese cuntas (dentro de esas 1000) sale un
2, un 4 o un seis y divdase.
3.- Definicin de probabilidad
( )
N
N
A f
A
N
r

= lim
A
N
Inconvenientes:
Para saber la
probabilidad de algo
se requiere
experimentar.
Cada vez que se
realice el experimento
se obtiene un nmero
distinto de la frecuencia
relativa (diremos, en
breve, que sta es una
variable aleatoria)
Crear un cuerpo de
doctrina en base a
operaciones en el lmite
es poco cmodo.
6
Definicin de probabilidad
Definicin clsica de la probabilidad:
con el nmero de formas de darse el
resultado A (nmero de casos favorables) y
N el nmero de resultados (casos posibles).
Ej: lanzamiento de dado, inters en obtener
resultado par, y .
( )
N
N
A P
A
C
=
A
N
3 =
A
N 6 = N
Definicin de probabilidad
Definicin clsica de la probabilidad:
con el nmero de formas de darse el
resultado A (nmero de casos favorables) y
N el nmero de resultados (casos posibles).
Ej: lanzamiento de dado, inters en obtener
resultado par, y .
( )
N
N
A P
A
C
=
A
N
3 =
A
N 6 = N
Inconvenientes:
Se asume de forma
implcita
equiprobabilidad de los
resultados.
El nmero de casos
favorables y posibles
podra ser infinito; ello
produce un problema
en la definicin.
Definicin de probabilidad
Se trata de ampliar el marco de definicin de
probabilidad para que:
D cabida a la frecuencia relativa pero no
nos veamos obligados a experimentar.
D cabida a la probabilidad clsica, pero
obviando los problemas de la misma.
Tal ampliacin es la definicin axiomtica de la
probabilidad.
Para tal fin, cambiemos un poco la terminologa:
Definicin axiomtica de probabilidad
La probabilidad se define sobre sucesos, en particular
Conjunto universal S: espacio muestral (suceso
seguro)
Conjunto vaco : suceso imposible
Axiomas de la probabilidad: la probabilidad es una
funcin definida sobre sucesos que debe cumplir:

( )
( ) ( ) ( ) = + =
=

B A si B P A P B A P
S P
A P
I U
1
0 ) (
7
Definicin axiomtica de probabilidad
Consecuencias inmediatas de los axiomas,
obtenidas a partir del lgebra de sucesos:
Ntese que debe verificarse que:
( )
( )
( ) ( ) ( ) ( )
( ) ( ) B A si B P A P
B A si B A P B P A P B A P
P
A P A P

+ =
=
=
I I U
0
1 ) (
( ) S A A P , 1 0
Definicin axiomtica de probabilidad
La definicin axiomtica incluye la definicin
clsica: supongamos que es el nmero de
casos favorables al suceso A, lo propio
para el suceso B y N el nmero de casos
posibles. Es claro pues que
Y si A y B no pueden darse simultneamente
A
N
A
N
( ) 0 =
N
N
A P
A
C
( ) 1 = =
N
N
S P
C
Definicin axiomtica de probabilidad
La definicin basada en frecuencia relativa est
tambin includa dentro de la teora axiomtica
de la probabilidad.
Se demuestra mediante la Ley de los Grandes
Nmeros, teorema asinttico que veremos en la
seccin 4.5.3 (variable N-dimensional)
Y es la base terica de las prcticas de la
asignatura.
Ejercicio: Se desea validar un sistema automtico de medicin de
alturas de edificaciones. Con el objetivo de reducir
costes en el proceso de validacin se descarta la medicin directa
de los edificios para contrastar con la automtica, de forma
que se recurre a la medicin por parte de n expertos, los cuales
emplean sus propios sistemas de medida y que, naturalmente,
no estn exentos de errores. El sistema a validar se considerar
apto para su uso si la medicin que proporciona no se
encuentra en ninguno de los dos extremos, esto es, no es ni la
mayor ni la menor de las n+1 mediciones. Bajo la hiptesis de
que los n + 1 equipos de medida proporcionen medidas similares
(es decir, que todos funcionen correctamente, afectados por
errores similares), obtenga la probabilidad de que el sistema sea
validado.
8
n-1
Solucin:
i
A
Medida automtica cae en posicin i
(i=1,,n+1)
B El sistema es validado
U
n
2 i
i
A B
=
=
Espacio de probabilidad
La definicin de un experimento probabilstico precisa
de la definicin de una terna:
cuyos componentes son:
Espacio muestral
-Cardinal finito
-Card. Infinito
-Numerable
-No numerable
Clase de sucesos
(cerrada con
respecto a
cantidad
numerable de
uniones e
intersecciones)
Ley de asignacin
de probabilidades
- Discreta
- Continua
Ejemplo: lanzamiento de dos dados, con simetra en la construccin
de los mismos, y sin relacin entre ellos. Analicemos los elementos
que integran el espacio de probabilidad:
Espacio muestral: 36 elementos
Sucesos: cualquier subconjunto del mismo (2
36
posibles
sucesos)
Ley asignacin: equiprobabilidad (prob. clsica) por simetra
Suceso B: la suma de las caras es igual a 7. Hallar P(B)
A
i j
: suceso sale cara i en primer dado y cara j en segundo
U
7 j i
ij
A B
= +
=
16 25 34 43 52 61
A A A A A A U U U U U =
9
Suceso B: la suma de las caras es igual a 7. Hallar P(B)
A
i j
: suceso sale cara i en primer dado y cara j en segundo
Prop. asociativa
Probabilidad Condicionada
Se plantea cmo actualizar nuestro conocimiento
probabilstico sobre un experimento una vez que
sabemos algo ms de l.
Concretamente, se asume que un suceso B (de
probabilidad no nula) se ha verificado:
La nueva probabilidad en este espacio se define (y
denota)
Probabilidad Condicionada
Es esta definicin axiomtica? Es fcil comprobar que
s:
Prop. distributiva
A
C
B
Suceso A: la suma de las caras es igual a 7.
Suceso B: ha salido al menos un 6. Hallar P(A|B)
Solucin en espacio condicionado: 2 casos favorables frente a
11 posibles.
Probabilidad Condicionada
10
Solucin en espacio original:
Probabilidad Condicionada
Independencia de pares de sucesos
Supongamos los sucesos A y B, ambos de probabilidad
no nula. Estos sucesos son independientes si se verifica
que:
Ntese que dado que
entonces
( ) ( ) A P B A P = |
Como consecuencia de lo dicho anteriormente
se puede escribir de forma alternativa la definicin de
independencia de la manera
lo cual permite abordar el casos de sucesos de
probabilidad nula. Ntese que si uno de los dos sucesos
tiene probabilidad nula, stos son independientes
( )
( ) ( ) ( ) ( ) ( ) 0 0
0
= = =
=
B P A P B A P A P B A P
A P
I I
Independencia de pares de sucesos
Ejemplo: baraja espaola (40 cartas, 4 palos, 10 cartas por palo). Se
extrae una carta. Defnase A: as; B: rey;C: oro. Hallar P(A|B) y
P(A|C). Son los sucesos B y C independientes de A?
( )
( )
( )
( )
( )
0
B P
P
B P
B A P
B | A P =

= =
I
Sucesos
mutuamente
excluyentes
Sucesos
independientes
( )
( )
( )
( ) A P
10
1
40
10
40
1
C P
C A P
C | A P = = = =
I
11
Para el caso de N sucesos se deben cumplir las
condiciones siguientes de forma simultnea:
Independencia de mltiples sucesos
Por ejemplo, los sucesos de la figura podran ser
independientes por pares pero no lo seran por tros:
Independencia de mltiples sucesos
A
B
C
Intersecciones
no vacas por
parejas
Pero = C B A I I
Si no son independientes se puede recurrir a aplicar
repetidamente la definicin de probabilidad
condicionada; ello se basa en las propiedades asociativa
y conmutativa de los sucesos
Independencia de mltiples sucesos
( ) ( ) ( )
( )
( ) ( ) ( ) B P B A P B A P
A A A A P
A A A A P A A A P
N N
B
N N
N N N
= =

=
=

I
4 4 4 3 4 4 4 2 1
I I L I I
I I L I I I L I I
1 2 1
1 2 1 2 1
Entonces obtenemos
Cabe preguntarse estamos mejor o estamos peor?
Independencia de mltiples sucesos
12
Ejercicio (Septiembre de 2005): En un juego de cartas de baraja
espaola (40 cartas, 4 palos, 10 cartas por palo) se reparte una nica
carta a cada jugador, siendo 7 el numero de stos. Se pide que
calcule la probabilidad de que no salga un determinado palo (por
ejemplo, que no salgan copas) en tal reparto
i
A
Al jugador i-simo no le sale copa (i=1,,7)
B A ningn jugador le sale copa
Solucin:
( )

=
=
I
7
1 i
i
A P B P
independientes?
( )
=
=
7
1
??
i
i
A P
Los sucesos no pueden ser independientes pues, por ejemplo, si
salen copas a los primeros jugadores el hecho de que salgan copas a
los ltimos es cada vez ms difcil (ms improbable). Pero podemos
escribir, de forma alternativa:
( )
( ) ( ) ( ) ( )
1 1 2 1 2 3 1 2 3 4
4
1 i
i 5
5
1 i
i 6
6
1 i
i 7
7
1 i
i
A P A A P A A A P A A A A P
A A P A A P A A P A P B P
I I I
I I I I

=
= = = =
y ahora
( ) =
1
A P
( )
1 2
A A P
30 cartas, no copas
10 cartas, copas
39
29
=
40
30
( )
40
30
1
= A P
30 cartas, no copas
10 cartas, copas
( )
1 2
A A P
39
29
=
( )
2 1 3
A A A P I
38
28
=
Continuando con este razonamiento
40
30
39
29
38
28
37
27
36
26
35
25
34
24
=
( )
( ) ( ) ( ) ( )
1 1 2 1 2 3 1 2 3 4
4
1
5
5
1
6
6
1
7
7
1
A P A A P A A A P A A A A P
A A P A A P A A P A P B P
i
i
i
i
i
i
i
i
I I I
I I I I
=

=
= = = =
S
Concepto de particin
Teorema de Prob. Total y Bayes
2
A
S
3
A
4
A
1
A
Condiciones a cumplir por los N sucesos para constituir particin
13
S
Teorema de la Probabilidad Total
Podemos escribir el suceso B de la forma
Teorema de Prob. Total y Bayes
2
A
S
3
A
4
A
1
A
B
Entonces, dado que los elementos de la particin son
disjuntos:
lo cual se puede reescribir de la forma
que es la expresin del teorema.
Teorema de Prob. Total y Bayes
Teorema de Bayes: se obtiene de intercambiar el orden
de los condicionantes:
y empleando el Teorema de la Prob. Total
que es la expresin del teorema.
Teorema de Prob. Total y Bayes
1
A
2
A
3
A
Teorema de Prob. Total y Bayes
1
S
2
S
3
S
( )
j i
A S P
Probabilidad de recibir S
i
cuando se ha
transmitido A
j
.
( )
i
A P
Probabilidad de transmitir smbolo A
i
.
E
suceso error en la transmisin
DATOS
14
1
A
2
A
3
A
Teorema de Prob. Total y Bayes
1
S
2
S
3
S
( ) ( ) ( )
i
i
i
A P A E P E P

=
=
3
1
( ) ( ) ( )
i
i
i
A P A E P

=
=
3
1
1
( ) ( ) ( )
i
i
i i
A P A S P

=
=
3
1
1
1
A
2
A
3
A
Teorema de Prob. Total y Bayes
( ) { } 3 , 2 , 1 , j A B P
j
B: La tensin observada X
cae en intervalo I
(supongamos valores medibles, esto es,
esta probabilidad es un dato)
Si observamos que la tensin observada ha cado en el intervalo
I, qu smbolo diramos que se ha enviado?
( )
( ) ( )
( )
( ) ( )
( ) ( )

=
=

=
3
1 j
j j
i i
i i
i
A P A B P
A P A B P
B P
A P A B P
B A P
( ) B A P
i
i
max arg
Experimentos compuestos
A
B
Necesitamos
informacin
adicional
Lanzamiento de un dado
Experimentos compuestos
A: primer nmero cae entre 0,3 y 0,9
B: segundo nmero cae entre 0,5 y 0.7
B
Generacin de dos nms
aleatorios entre 0 y 1
A
AxS
2
S
1
xB
0,5 0,7
0,3
0,9
0
1
1
AxB
15
Experimentos compuestos
El suceso sera, representado
grficamente,
por lo que se puede escribir de forma alternativa
B
S
1
xB
A
AxS
2
0,5 0,7
0,3
0,9
0
1
1
AxB
Experimentos compuestos
No obstante es prctica habitual escribirlo de la forma
Aunque sea un abuso en la notacin pues, como hemos
dicho, los sucesos A y B pertenecen a espacios
muestrales distintos, luego no ha lugar hablar de la
interseccin de los mismos.
1
B
A
0,5 0,7
0,3
0,9
0
1
B AI
Experimentos compuestos
Respecto de la ley para asignar probabilidades en el
experimento compuesto P
c
,
Como norma general no es conocida a partir del
conocimiento exclusivo de P
1
y P
2
.
En el caso en que los subexperimentos sean
independientes se verifica que:
Lo cual escribiremos sin hacer explcito el
experimento en cuestin, esto es,
( ) ( ) [ ] ( ) ( ) B P A P B A P B A P = = I
Experimentos compuestos
Dos leyes de asignacin de probabilidades en el
experimento compuesto pueden dar lugar a las mismas
leyes en cada uno de los subexperimentos. Volvamos al
ejemplo de los dados
i
A
Sale cara i en primer dado (i=1,,6)
j
B
Sale cara j en segundo dado (i=1,,6)
( )
i
A P
?
16
( ) ( ) [ ]
( )

=
=
=

= =
6
1
6
1
2
j
j i
j
j i i i
B A P
B A P S A P A P
U
Experimentos compuestos
Suma de probabilidades de
resultados elementales en esa
lnea
Experimentos compuestos
Dos posibles leyes del experimento compuesto que dan
lugar a equiprobabilidad en cada experimento simple:
Equiprobabilidad de cada resultado
Otra posibilidad
( ) ( )
6
1
36
1
6
1
6
1
= = =

= = j j
j i i
B A P A P
Composicin de Ensayos de
Bernoulli
Un experimento aleatorio se dice que es un ensayo de
Bernoulli si puede dar uno de dos posibles resultados
Por convenio diremos que
Ntese que cualquier experimento aleatorio se puede
interpretar como un ensayo de Bernoulli.
( )
( )
1 , = +

=
=
q p
q A P
p A P

A
A
Composicin de Ensayos de
Bernoulli
Nos centraremos en la composicin de ensayos de Bernoulli
independientes. Concretamente, supondremos que un
determinado ensayo de Bernoulli se realiza N veces, y
trataremos de encontrar la probabilidad de que el suceso A
se verifique k veces (de las N posibles).
Para ello definimos
k
B
Sale k veces (de N posibles) el resultado A
j
k
B Forma j-sima (j=1,,M) de verificarse el suceso B
k

i
A
Sale resultado A en ensayo i-simo
17
Composicin de Ensayos de
Bernoulli
Por ejemplo
Bien entendido que estamos usando notacin abreviada
pues en sentido estricto deberamos escribir
( ) ( ) ( )
N N N k
A S S S A S S S A B = L I L I L I L
2 1 2 1 2 1
1
Composicin de Ensayos de
Bernoulli
Por lo dicho est claro que
Pero hay que resolver algunas cuestiones previas:
1. Son los sucesos de la unin disjuntos?
2. Podemos hallar la probabilidad de cada uno como
funcin de los parmetros del problema (p,q,k y N)?
3. Es importante ser exhaustivos en la enumeracin de
los sucesos ?
4. Cul es el valor de M?
j
k
B
Composicin de Ensayos de
Bernoulli
Vayamos por cada una de las preguntas
1. Los sucesos son disjuntos: cada uno representa una
ordenacin distinta (y exclusiva) de los resultados de
cada ensayo de Bernoulli. Alternativamente
Y esto sucede para cada pareja de sucesos
Consecuencia de esto es:
j
k
B
Composicin de Ensayos de
Bernoulli
2. La composicin consiste en ensayos independientes.
Por ello, por ejemplo:
3. Ntese que tal probabilidad es funcin de cuntos
resultados hay de cada tipo, no de la ordenacin de los
mismos en una determinado secuencia. Por ello todos
los sucesos son equiprobables, luego no hay por
qu ser exhaustivos en la lista de los mismos, sino que
nos basta saber cuntos hay, es decir, cunto vale M.
j
k
B
+1
18
Composicin de Ensayos de
Bernoulli
4. Valor de M:
Cada lnea expresa k ndices extrados de un conjunto
de N ndices. Por ello, todas ellas constituyen los
subconjuntos de k elementos que pueden extraerse de
un conjunto de N. Por ello

=
k
N
M
Permutaciones de 4 elementos
4!=24
Permutaciones de 4 elementos: rojo, verde y amarillo iguales
iguales!!!
iguales!!!
iguales!!!
iguales!!!
! 3
! 4
Composicin de Ensayos de
Bernoulli
En nuestro caso tenemos
k veces el resultado
N-k veces el resultado
Luego de las permutaciones de N resultados, tenemos k
valores iguales y otros N-k valores iguales. Por ello
tenemos en total

=
k
N
k N k
N
M
)! ( !
!
A
A
19
Composicin de Ensayos de
Bernoulli
As pues
Esta expresin puede aproximarse por otras ms sencillas.
En particular, si entonces
(aproximacin de Poisson)
5 , 1 , 1 < = << >> a Np p N
Ejercicio 1:
Ejercicio 2:
Ejercicio 3:
Composicin de Ensayos de
Bernoulli
Otra aproximacin til es:
( )
Npq
Np k
k
e
Npq
B P
2
2
2
1
) (

1 >> Npq
Npq Np k Npq Np 3 3 +
Vlido si:
1 . 0
150
=
=
p
N
Composicin de Ensayos de
Bernoulli
Esta aproximacin permite abordar el caso de
probabilidades calculadas sobre unin de varios valores del
suceso . Concretamente:
o bien
Esto quedar claro cuando veamos variables gaussianas
k
B
Ejercicio:Un sistema de control de calidad de productos
qumicos decide, para cada producto que inspecciona, si ste
cumple los requisitos normativos para su aceptacin. Supongamos
que el protocolo de inspeccin rechaza los productos con
una probabilidad p
r
y el proceso de fabricacin es tal que permite
aceptar independencia entre productos. Se pide:
a) Si se dispone de N productos, probabilidad de que
una fraccin no superior al 10% de ellos sea rechazada.
b) Probabilidad de que k productos sean rechazados antes
de aceptar un nmero s de stos.
20
Solucin: a)
B Se descarta una fraccin no superior al 10% de N
k
B Se descartan k productos de N posibles
Supongamos que k
r
es el primer nmero entero menor
que 0.1N. Entonces:
Por lo que:
b) C Se rechazan k productos antes de aceptar s
s-1 aceptaciones, k rechazos ltima aceptacin
[ ]
s k k
A k s B C
+
+ = I 1
k
A
El producto es rechazado en inspeccin k-sima
[ ] N B
k
Se rechazan k productos de N posibles
Entonces:
Al ser composicin de ensayos independientes:
Y teniendo en cuenta que son s+k-1 casos posibles:
Ejercicio:
a): b): c):
21
Solucin: a)
m
A
El primer generador da lugar al nmero m
m
B El segundo generador da lugar al nmero m
Nos dicen que:
35
2
1
) ( =
m m
B A P U
( ) ( )
35
2
1
) ( ) ( = + =
m m m m m m
B A P B P A P B A P I U
35 36 36
2
1
) (
2
1
2
1
= + =
m m
B A P I
Pero:
Luego:
= 0 ) (
m m
B A P I
no son independientes, por ser disjuntos
b)
k
B Se han generado k nmeros (de N posibles) iguales a m
Est claro que:
U
N
k
k
B B
1 =
=
0
B B =
Pero:
Luego: ( ) ( ) ( )
0
1 1 B P B P B P = =
B Al menos uno de los N nmeros generados es igual a m
N N
q q p
N
=

=

1
0
1
0 0
con:
36
2
1
1 1 = = p q
b) Solucin numrica alternativa
La expresin :
se puede aproximar mediante la expresin de Poisson
Luego:
( )
N
N
q B P

= =
36
2
1
1 1 1
ya que:
5 4552 . 1 < = = Np a
( ) ( ) 766 . 0 1
!
1
2
1
1 1 1
0
36 0
= =

= =

=
a
k
a
k
N
e e
k
a
B P B P
c)
k
B Se han generado k nmeros (de N posibles) iguales a m
Est claro que:
U
N
k
k
B B
1501 =
=
Por lo que:
De forma alternativa:
( ) ( )

=

= =
N
k
k N k
N
k
k
q p
k
N
B P B P
1501 1501
B Ms de 1500 de los N nmeros generados son iguales a m
( ) ( ) ( )

=

= = =
1500
0
1500
0
1 1 1
k
k N k
k
k
q p
k
N
B P B P B P
( ) 119 . 0 18 . 1 1
15 . 38
1455 1500
1
1500
1 = =


G G
Npq
Np
G
22
Solucin: d)
i
j
A
Resultado del experimento j es i (i=1,2,X),(j=1,,N)
2 1
k k
B
Salen k1 1s y k2 2s
j
k k
B
2 1
Forma j-sima (j=1,,M) de verificarse el suceso
2 1
k k
B
( ) ( )

= = =
=

= =
M
1 j
j
k k
M
1 j
j
k k k k
M
1 j
j
k k k k
2 1 2 1 2 1 2 1 2 1
B P B P B P B B
U U
( )
4 4 4 3 4 4 4 2 1
L
4 4 3 4 4 2 1
L
43 42 1
L
2 1
2 1 2 1
2
2 1 1 1
1
1 2 1
2 1
2 2
2
2
1
1 1
2
1
1
k k N
X
N
X
k k
X
k k
k
k k k k
k
k
j
k k
A A A A A A A A A B
+
+ + + + + + +
=
( ) ( )
( )
2 1 2 1
2 1 2 1 2 1 1 1 1 2 1
2 1
2 2
2
2
1
1 1
2
1
1
k k N k k
X
N
X
k k
X
k k k k k k k
j
k k
q r p
A A A A A A A A A P B P
+
+ + + + + + +
=
= L L L
Permutaciones de 4 elementos
4!=24
Permutaciones de 4 elementos: rojo, verde y amarillo iguales
iguales!!!
iguales!!!
iguales!!!
iguales!!!
23
k
1
k
2
N-(k
1
+ k
2
)
( ) ( )

=
+
=
2
1
1 2 1 2 1
k
k N
k
N
! k k N ! k ! k
! N
M
Cunto vale ?
M
Entonces:
( )
( )
2 1 2 1
2 1
2
1
1
k k N k k
k k
q r p
k
k N
k
N
B P
+

=
S
2
A
S
3
A
4
A
1
A
Solucin: a)
13
B
11
B
12
B
C
U
i
M
j
ij i
B A
1 =
=
( )
( )
( ) ( ) ( )
i
M
j
ij
i
M
j
ij
i
i
i
A P
B C P
A P
B C P
A P
A C P
A C P
i i

= =
= =
U U
I I
I 1 1
Entonces:
( )
( )
( )
( ) ( )
( )
i
ij ij
M
j
i
i
i
A P
B P B C P
A P
A C P
A C P
i

=
= =
1
I
Al ser sucesos disjuntos:
ij i ij i ij
B A B A B = I
Y dado que :
Entonces podemos escribir que :
( ) ( )
( )
( )
( )
( )
( )

= =
= =
i i
M
j i
i ij
ij
M
j i
ij
ij i
A P
A B P
B C P
A P
B P
B C P A C P
1 1
I
( ) ( )

=
=
i
M
j
i ij ij
A B P B C P
1
Teorema de la Probabilidad Total para probabilidades condicionadas!!!!
24
b)
( )
( )
( )

= =
=
i i
M
j i
i ij
M
j
i ij
A P
A B P
A B P
1 1
I
( )
( ) ( )
( )
( )
( )

= =
= = = =
i i
M
j
M
j i
i
ij
i i
ij
A P
A P
B P
A P A P
B P
1 1
1
1
25