Está en la página 1de 65

UNIVERSIDAD AUTNOMA DE QUERTARO

FACULTAD DE INGENIERIA

PROBABILIDAD Y
ESTADSTICA
Profesor: Ing. Benjamn Ziga Becerra

Grupo 11
Junio de 2014

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADSTICA
Profesor: Ing. Benjamn Ziga Becerra
Correo:banja@gmail.com
Cubculo: Edificio F

POR REGLAMENTO:
80% de asistencias
Se exenta la materia con 8
Nota: 3 evaluaciones, una cada 5 semanas

ESTADSTICA: CIENCIA DE LOS DATOS


La Estadstica trata del recuento, ordenacin y clasificacin de los datos
obtenidos por las observaciones, para poder hacer comparaciones y sacar
conclusiones.
APLICACIONES
*TOMA DE DECICIONES
* PRUEBAS DE RESISTENCIA
*PRODUCCIN

ESTUDIO ESTADISTICO
1.-Formulacin de problemas
2.-Diseo de experimentos
3.-recopilacion de datos
4.-organizacin y descripcin
5.- inferencia estadstica
6.- interpretacin y decisin

PROBABILIDAD Y ESTADISTICA

DIAGRAMA DE TALLO Y HOJA


El diagrama de tallo y hoja es una herramienta que permite obtener
unarepresentacin visual informativa de un conjunto de datos, para
su elaboracin es necesario separar para cada uno de los datos el
ltimo dgito de la derecha (hoja) del bloque de cifras restantes (tallo).

Ejemplo:
Diagrama de tallo y hoja de los siguientes datos:
3,35,36,38,40,42,42,44,45,45,47,48,49,50,50,50

TALLO

HOJA

7 6
8 7
9 7
10 1,5
11105
0,8,8 221
183
12 0,1,3
97
154
153
13 1,3,3,4,5,5
245
228
174
14 1,3,5,6,8,9
131
154
15163
0,0,1,1,3,4,4,6,7,8,
190
16207
8,8,8 180
134
178
76
17 0,0,0,3,3,5,7,7,8,9
18218
0,1,2,4,4,5,6,6,8
157
101
19199
0,0,1,1,3,4,6
151
192
20160
0,2,3,4,4,6,9,9
175
149
0,1,7,8201
196
200

TALLO
HOJA
21
8
22
1,8,9
23186
7
174
24
194
5
118
193
167
171
163
87
176

ACTIVIDAD
Organiza en un diagrama
de tallo y hoja los
siguientes datos:

121
120
181
160
194
184
165
145
160
150

181
168
158
208
133
135
172
151
237
170

180
167
176
158
156
229
158
148
150
118

143
141
110
133
123
146
169
158
135
199

PROBABILIDAD Y ESTADISTICA

PRESENTACIN DE DATOS EN HISTOGRAMAS, POLGONOS DE


FRECUENCIA Y OJIVAS.
La distribucin de frecuencias absolutas y relativas se
representan grficamente mediante histogramas y
polgonos de frecuencias.

hi

HISTOGRAMA DE FRECUENCIAS
ABSOLUTAS

Conjunto de r rectngulos (uno para cada intervalo),


que tiene como base la Amplitud del intervalo y
como altura la frecuencia absoluta del intervalo
correspondiente (hi).

Fi

HISTOGRAMA DE FRECUENCIAS ABSOLUTAS RELATIVAS


Conjunto de r rectngulos (uno para
cada intervalo), que tiene como base
la Amplitud del intervalo y como
altura la frecuencia relativa del
intervalo correspondiente (Fi).

POLGONO

DE

FRECUENCIAS
A
Un polgono de frecuencias relativas, absolutas acumuladas o relativas
es un conjunto de segmentos lineales que unen los puntos medios de las
bases superiores de cada rectngulo del histograma de frecuencias
absoluta, relativa o relativa acumulada.
Una ojiva es la curva que resulta de unir los puntos superiores de cada
clase
con las frecuencias (Absolutas relativas) acumuladas hasta dicha
clase,pudiendo as construir ojivas de frecuencias absolutas acumuladas y/o
ojivas de frecuencias relativas acumuladas.

PROBABILIDAD Y ESTADISTICA
1.2

1
0.8
Axis Title 0.6
0.4
0.2
0

Distribucin De frecuencia o histograma.


Los pasos para organizar los datos en distribuciones de frecuencias son:

1.-Determinar el RANGO.
Donde :
es el rango
valor mayor
valor menor
Para el ejercicio:

=245-76=169
El rango de valores o intervalos de clase deben ser del mismo ancho conviene
usar entre 5 y 20 clases depende del nmero de observaciones de la dispersin
de los datos.
El nmero de clases es el nmero de grupos en los que vas a agrupar tus datos
en una tabla de frecuencias pueden ser de 4 a 20 clases y el nmero es a
criterio tuyo dependiendo del nmero de datos. Por ejemplo si tienes 20 datos
puedes tener 4 5 clase, si tienes 120 datos puedes tener 8 clases.

k= nmero de intervalo de clase=Numero de clases=


Donde n es el nmero de datos.

n=numero de datos

K= nmero de clases
4

PROBABILIDAD Y ESTADISTICA
n<50
50<=100
100 <=250
250<=n

5a7
6 a 10
7 a 12
10 a 12

Para el ejercicio:

n=80 ->50<=100 -> k=6 a 10

= 8. 9443 9

2.- Se determinan la AMPLITUD de cada clase (intervalos) mediante:

Para el ejercicio:

((169)/9)= 18. 778


Donde A es la amplitud de la cual se expresar siempre en las mismas unidades
decimales de los datos manejados, redondeando su valora la unidad decimal
inmediata superior
Ejemplo:
a) Si R=194

y k =6 entonces

R/K=194/6=32.3333

b) Si los datos son con un decimal y R/K =0.323333


c) Si los datos son con dos decimales y R/K =0.2566
d)
Para el ejercicio: 18. 778 19

3.-se obtienen los LMITES REALES o frontera de cada clase si


donde u representa la unidad en la que se presentan los
datos, es decir, representa el valor de la unidad decimal mnima de los
datos. Adems
respectivamente.

denotan las fronteras inferior y superior

PROBABILIDAD Y ESTADISTICA

Para el ejercicio:

=76-(1/2*1)=75. 5

Nota:Si la informacin est dada en nmeros enteros la unidad menor es 1si


est000000000 dada en decimos la unidad es 0.1, en centsimos es
0.01,etctera.
INTERVALO

X=

..

.. R

Donde r=k
Para el ejercicio:

Nota:el nmero de clases intervalos que se construyan debe ser tal que el
valor mximo de los datos (

)quede comprendido dentro del intervalo r.

4.-Se determina el PUNTO MEDIO DE CADA INTERVALO el cual se


conoce con marca de clase y se calcula com cmo:

Para el ejercicio:
6

PROBABILIDAD Y ESTADISTICA

5.- Se determina el nmero de datos (


donde i=1,2,,r

TALL
O
7
8
9
10
11
12
13
14
15
16
17
18
19
20

HOJA

TALLO
HOJA

6
7
7
1,5
0,8,8
0,1,3
1,3,3,4,5,5
1,3,5,6,8,9
0,0,1,1,3,4,4,6,7,8,
8,8,8
0,0,0,3,3,5,7,7,8,9
0,1,2,4,4,5,6,6,8
0,0,1,1,3,4,6
0,2,3,4,4,6,9,9
0,1,7,8

21
8
22
1,8,9
23
7
24
5

) quedan ubicados en la clase i,

y es
llamado
FRECUENCIA
ABSOLUTA de la
clase i;
adems
do
nde n es igual a
nmero de datos.

PROBABILIDAD Y ESTADISTICA

6.-FRECUENCIA RELATIVA

La frecuencia relativa de la clase i es el porcentaje o fraccin de los datos que


quedarn localizados en esa clase; se representa como

#interv
alo
1
2
3
4
5
6
7
8
9

Amplit
ud
75.5
94.5
113.5
132.5
151.5
170.5
189.5
208.5
227.5

94.5
113.5
132.5
151.5
170.5
189.5
208.5
227.5
246.5

19
19
19
19
19
19
19
19
19

y se calcula como:

hi

2
0.025
4
0.05
6
0.075
15
0.1875
20
0.25
15
0.1875
12
0.15
2
0.025
4
0.05
80
1
Nota la suma de porcentaje siempre da 100% y como fraccin 1.

PROBABILIDAD Y ESTADISTICA

7.- FRECUENCIA ABSOLUTA ACUMULADA.

La frecuencia absoluta acumulada hasta la clase i representael nmero de


datos u observaciones que tuvieron un valor menor o igual en la Frontera
superior en la clase i.
Se simboliza como Fi y se calcula sumando las frecuencias absolutas desde la
primera clase hasta la clase i; es decir:

Para i=1,2,.,r
Para el ejercicio:
#interv
alo
1
2
3
4
5
6
7
8
9

Amplit
ud
75.5
94.5
113.5
132.5
151.5
170.5
189.5
208.5
227.5

94.5
113.5
132.5
151.5
170.5
189.5
208.5
227.5
246.5

19
19
19
19
19
19
19
19
19

hi=
2
4
6
15
20
15
12
2
4
80

Fi

0.025
0.05
0.075
0.1875
0.25
0.1875
0.15
0.025
0.05
1

2
6
12
27
47
62
74
76
80

8.- FRECUENCIA RELATIVA ACUMULADA.

La frecuencia relativa acumulada hasta la clase i representa el porcentaje de


datos que tuvieron un valor menor que la Frontera superior de la clase i, y se
denota como
y se calcula dividiendo la frecuencia absoluta acumulada de la
clase i entre el nmero total de datos.
Para el ejercicio:
#interv
alo
1
2
3
4
5

Amplit
ud
75.5
94.5
113.5
132.5
151.5

94.5
113.5
132.5
151.5
170.5

19
19
19
19
19
9

hi=
2
4
6
15
20

0.025
0.05
0.075
0.1875
0.25

Fi

Hi
2
6
12
27
47

0.025
0.075
0.15
0.3375
0.5875

PROBABILIDAD Y ESTADISTICA
6
7
8
9

170.5
189.5
208.5
227.5

189.5
208.5
227.5
246.5

19
19
19
19

15
12
2
4
80

0.1875
0.15
0.025
0.05
1

62
74
76
80

MEDIDAS NUMRICAS
Por el tipo de informacin que proporcionan se clasifican en medidas de
tendencia central, medidas de dispersin y medidas de forma.
MEDIDAS DE TENDENCIA CENTRAL
Son valores representativos de un conjunto de datos que se sitan en la parte
central de los mismos. Las medidas de tendencia central ms conocidos son: la
media, la mediana y la moda.
Media aritmtica ms conocida como media y es el promedio de un
conjunto de valores es la medida de tendencia central ms utilizada y por lo
general es la ms representativa y se denota por y se define por:

Datos agrupados

Para

Datos no agrupados

Donde n es igual al nmero de datos.


Para el ejercicio:

=13146/80=164.325

=13091/80=163.6375

10

0.775
0.925
0.95
1

PROBABILIDAD Y ESTADISTICA
Media Ponderada es la media que se utiliza cuandoa cada valor de la
varible X, se le otorga una ponderacin o peso distinto. Para calcularla
utilizamos la formula:

~
X=

Mediana de un conjunto de datos ordenados es el valor que divide al


conjunto en dos conjuntos de igual tamao o bien es el promedio de los
dos valores centrales.
Se denota por:

Datos no agrupados.
Ejemplo
160 160 160 163 163 165 167 167 168 169
n=10

(163+165)/2=164

Datos agrupados
Cuando los datos estn agrupados entonces se realiza una interpolacin
lineal utilizando las fronteras superiores y la frecuencia acumulada, es
decir, los datos de la ojiva para encontrar el valor de X en el cual la
frecuencia acumulada es n/2 donde n es igual al nmero de datos.

Donde Fi es la Frontera inferior del intervalo con mayor frecuencia.


Para el ejercicio:

Fi=27

Fs=151.5

Fi=47

Fs=170.5

#interv
alo
4

Amplitu
d
132.5

151.5

19
11

Fi

hi=
15

0.1875

Fi

Hi
27

0.3375

PROBABILIDAD Y ESTADISTICA
5

151.5

170.5

19

20

0.25

Para el ejercicio:

Dnde:
Me = Mediana
L i 1=

= Lmite inferior de la clase de la mediana =151.5

Ni= fi = Frecuencia de la clase de la mediana =20


N =n=Total de datos o frecuencias =80
N i 1=Fi-1 = Frecuencia acumulada anterior a la mediana.= 27
a=A=amplitud=19
((151.5)/1)+(((40-27)/(20))19)= 163. 85

Moda de un conjunto de datos, es el valor que se repite con mayor


frecuencia se denota por:
o en ocasiones simplemente Mo. Si existen ms de una moda entonces
se dice que los datos tienen distribucin bimodal.
Datos no agrupados

12

47

0.5875

PROBABILIDAD Y ESTADISTICA
Se deben contar las repeticiones que puedan existir y el que se repita
mayor nmero de veces ser la moda si todos los datos aparecen el mismo
nmero de veces entonces se dice que no existe la moda.
Para el ejercicio:
Moda=158
Datos agrupados
Para datos agrupados la moda se aproxima con la marca de clase del
intervalo con mayor frecuencia o bien utilizamos la frmula:

Para el ejercicio:
#interv
alo
4
5
6

Amplitu
d
132.5
151.5
170.5

151.5
170.5
189.5

19
19
19

hi=
15
20
15

Fi

0.1875
0.25
0.1875

Moda=161

RELACION ENTRE MODA, MEDIA Y MEDIANA


Para un conjunto de datos con distribucin de frecuencia unimodal (una
moda) y poca simetra se tiene la siguiente relacin emprica:

13

Hi
27
47
62

0.3375
0.5875
0.775

PROBABILIDAD Y ESTADISTICA

Si la distribucin es simtrica y unimodal entonces se tienen la siguiente


relacin:

.
CUARTILES DECILES Y PERCENTILES
As como la mediana es el valor que divide a un conjunto de datos
ordenados en dos conjuntos de igual tamao los datos pueden dividirse en
cuatro conjuntos de igual tamao,(cuartiles), en 10 conjuntos de igual
tamao (deciles), y en 100 conjuntos de igual tamao (percentiles) los
cuales se denotan por las letras

Datos no agrupados
1.- Ordenamos los datos de menor a mayor.
2 .-Buscamos el lugar que ocupa cada cuartil mediante la expresin.

Datos agrupados
Cuartiles.
1.-Ordenamos los datos de menor a mayor.
2.-Buscamos la clase donde se encuentran, en la tabla de las frecuencias
acumuladas.

Deciles.
Los deciles son los nueve valores que dividen la serie de datos en diez partes
iguales.
1.-Ordenamos los datos de menor a mayor.

14

PROBABILIDAD Y ESTADISTICA
2.-Buscamos la clase, en la tabla de las frecuencias acumuladas, donde se
encuentra

,.

Percentiles
Los percentiles son los 99 valores que dividen la serie de datos en 100 partes
iguales.
1.-Ordenamos los datos de menor a mayor.
Buscamos la puntuacin, en la serie, o la clase, en la tabla de las frecuencias
acumuladas, donde se encuentra

,.

MEDIDAS DE DISPERSIN
Estas proporcionan un indicador del alejamiento de los datos.Tambin se
les llama medidas de variacin. Las medidas ms utilizadas son el rango,
la desviacin media, la varianza, desviacin estndar,, el rango semi
intercuartil, y el coeficiente de variacin.
Rango
De un conjunto de datos es la diferencia entre el mayor valor menos el
menor valor.
Se denota por rango o simplemente R.
R=245-76=169
Datos agrupados
Para datos agrupados se utilizan los lmites mayor y menor.
R=246.5-75.5=171
Desviacin promedio de un conjunto de datos es el promedio de la
distancia de cada valor con respecto a la media se denota por DM y se
define por:

15

PROBABILIDAD Y ESTADISTICA
Datos no agrupados

Datos agrupados
Desviacin mediana
Una variacin del a DM es la desviacin mediana la cual consiste en tomar
el promedio de las distancias con respecto a la mediana se denota por
DMd y se define por:

Datos no agrupados
DMd=
Datos agrupados

OBSERVACIN
Tanto la desviacin media como la mediana son poco utilizadas en la
prctica por lo difcil de manejar el valor absoluto. Para eliminar el signo de
la diferenciay evitar el clculo del valor absoluto se define la variancia o
varianza de un conjunto de datos utilizando el cuadrado de la diferencia.
No puede utilizarse solamente la suma de las desviaciones porque esta da

como resultado siempre 0 esto es:


Por esta razn se obtiene el valor absoluto en el caso de la desviacin
media y que se eleva al cuadrado para la variancia.
Variancia de un conjunto de datos es el promedio de la distancia
cuadradas de cada valor con respecto a su media. Se denota por:

O por

dependiendo del valor que utilice para promediar.

Nota: Se divide entre n cuando se considera que se tienen todos los datos
posibles (poblacin) y se divide entre n-1 cuando se tiene una fraccin de
los datos (muestras).

16

PROBABILIDAD Y ESTADISTICA

Dat
os no agrupados

Datos agrupados

Desviacin estndar de un conjunto de datos es la raz cuadrada de la


apariencia y se denota por y se calcula por:

Media ponderada en ocasiones no todos los valores de la variable tiene


el mismo peso.
Esta importancia que asignamos a cada variable
corresponde a la denominada ponderacinde la variable, equivale a su
peso especfico.
La media aritmtica ponderada se utiliza cuando a cada valor de la
variable X se le otorga una ponderacin o peso distinto y se define por:

Problema:
|Un estudiante realiza 3 exmenes de complejidad creciente por lo que al
primero se le asigna una ponderacin de 1, al segundo 2 y el tercero de 3.
Sus calificaciones en cada uno de los exmenes fueron: X1=6, X2=8,
X3=5.
Calcula la media ponderada de las calificaciones.

Desviacin mediana: una variacin de la medicin media es la desviacin


mediana, la cual consiste en tomar el promedio de las distancias respecto a la
mediana. Se denota por DMd y se define por:
17

PROBABILIDAD Y ESTADISTICA

Tanto la desviacin media como la desviacin mediana son poco utilizadas en la


prctica por lo difcil de manejar el valor absoluto para eliminar el signo de las
diferencias
y evitar el clculo del valor absoluto se define la variancia o
varianza de un conjunto de datos utilizando el cuadrado de la diferencia, no
puede utilizarse solamente la suma de las desviaciones, porque este da como
resultado cero esto es:

Por esta razn se obtiene el valor absoluto en caso de la desviacin media y que
se eleva al cuadrado para la variancia de un conjunto de datos es el promedio
de las distancias cuadradas de cada valor con respecto a su media se denota
por:

o por

Dependiendo del valor que utiliza para promediar se divide entre n, cuando se
considera que se tiene todos los datos posibles (poblacin) y se divide entre n1 cuando se tiene una fraccin de datos (muestra).
Poblacin:

Muestra:

18

PROBABILIDAD Y ESTADISTICA
Desviacin estndar: de un conjunto de datos es la raz cuadrada de la
varianza y se denota por:

Coefciente de variacin de un conjunto de datos es una medida de


dispersin en relacin con la media de los datos, se define mediante el

coeficiente:
Rango Intercuartilico de un conjunto de datos es la diferencia entre el tercero
y el primer cuartil y se define:
Rango semi-intercuartilico es el promedio del rango Intercuartilico es:

Rango percentil de un conjunto de datos, es la diferencia entre le percentil 90


y el percentil 10:

EL MTODO DE MNIMOS CUADRADOS:


En ocasiones se tiene una serie de datos y se desconoce la funcin que los
a ha generado y se desea saber cul es esta.
Sea la muestra observada de valores del par de variables (X, Y):
(x1, y1), (x2, y2), (x3, y3), ..., (xn, yn)
Se trata de obtener los valores a y b de manera que se minimice la funcin:

La solucin es la siguiente:

Sustituyendo los valores a y b anteriores, tenemos la recta:


y = a + bx

19

PROBABILIDAD Y ESTADISTICA

COEFICIENTE DE CORRELACIN EL COEFICIENTE DE CORRELACIN


LINEAL R
La recta de regresin es la que mejor se ajusta a la nube de puntos.
La recta de regresin pasa por el punto

llamado centro de gravedad.

Recta de regresin de Y sobre X


La recta de regresin de Y sobre X se utiliza para estimar los valores de la Y a
partir de los de la X.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la
variable X.

Recta de regresin de X sobre Y


La recta de regresin de X sobre Y se utiliza para estimar los valores de la X a
partir de los de la Y.
La pendiente de la recta es el cociente entre la covarianza y la varianza de la
variable Y.

Si la correlacin es nula, r = 0, las rectas de regresin son perpendiculares entre


s, y sus eucaciones son:
y=
x=
Covarianza
La covarianza de una variable bidimensional es la media aritmtica de los
productos de las desviaciones de cada una de las variables respecto a sus
medias respectivas.
La covarianza se representa por sxy o xy.

La covarianza indica el sentido de la correlacin entre las variables


Si xy > 0 la correlacin es directa.
Si xy < 0 la correlacin es inversa.

20

PROBABILIDAD Y ESTADISTICA

Coefciente de correlacin lineal


El coeficiente de correlacin lineal es el cociente entre la covarianza y el
producto de las desviaciones tpicas de ambas variables.
El coeficiente de correlacin lineal se expresa mediante la letra r.

Propiedades

1. El coeficiente de correlacin no vara al hacerlo la escala de medicin.


Es decir, si expresamos la altura en metros o en centmetros el coeficiente de
correlacin no vara.
2. El signo del coeficiente de correlacin es el mismo que el de la covarianza.
Si la covarianza es positiva, la correlacin es directa.
Si la covarianza es negativa, la correlacin es inversa.
Si la covarianza es nula, no existe correlacin.
3. El coeficiente de correlacin lineal es un nmero real comprendido entre 1 y
1.
1 r 1
4. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la
correlacin es fuerte e inversa, y ser tanto ms fuerte cuanto ms se aproxime
r a 1.
5. Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin
es fuerte y directa, y ser tanto ms fuerte cuanto ms se aproxime r a 1.
6. Si el coeficiente de correlacin lineal toma valores cercanos a 0, la correlacin
es dbil.
7. Si r = 1 1, los puntos de la nube estn sobre la recta creciente o
decreciente. Entre ambas variables hay dependencia funcional.

21

PROBABILIDAD Y ESTADISTICA

SEGUNDA UNIDAD
CONJUNTOS
Algunas veces es deseable considerar el orden de los elementos en un
conjunto como significante.
Un par de elementos en los cuales
distinguimos uno
de los elementos como el primero y el otro no
necesariamente como el segundo, se llama par ordenado. Un par ordenado
se denota como(x,y) donde x es el primer elemento y yel segundo
elemento. Si A,B son dos conjuntos, al conjunto de pares x,y que se pueden
formar donde x pertenece a A y Y pertenece a b se llama producto
cartesiano de A y B y se denota por AxB.
Ejemplo :

Si

A=

EJERCICIO_
Sea A{,1,0}

B{1/2,0}

Encuentre AxB.
RESPUESTA:
AXB={(,1/2),(,0,)(1,1/2 ),(1,0),(0,1/2),(0,0)}
1. A = A
LGEBRA DE CONJUNTOS
22

PROBABILIDAD Y ESTADISTICA
Defnicin: Un conjunto A es una coleccin de objetos tales que, dado un
objeto cualquiera v se puede determinar si v pertenece a A (v A) o no
pertenece a A (v A).
Ejemplos:
1.- A= {1, 2, 3, 4}
2.- B= {
}
3.- C= {a, b, c, d}
4.- D= {x
5.- E=Z

Conjunto Universo (U): Al conjunto formado por todos los elementos que se
relacionan con la situacin o problema que se est estudiando. A los conjuntos
universales tambin se le llama espacio muestra y se le suele denotar con (S)
cuando se estudian probabilidades. Cada uno de los elementos del espacio
muestra se llama punto muestra.
Conjunto Vaco

: es aquel que no tiene elementos y se suele denotar por

Ejemplo: Sea A el conjunto de estados de la Repblica Mexicana que tienen


frontera con Rusia.
A un conjunto A se denomina subconjunto de un conjunto B si todos o cada
uno de los elementos de A pertenecen a B y se denota por (
Ejemplo:
Sea A= {2, 4, 6}
B= {1, 2, 3, 4, 5, 6, 7, 8, 9}

), (

DIAGRAMAS DE VENN
Para ayudar a entender los conjuntos y posteriormente sus operaciones y
aplicaciones, se usan los diagramas de Venn Euler que son representaciones
graficas de los conjuntos. La denominacin ms comn es Diagramas de Venn.
En estos diagramas el conjunto universal U o espacio muestral se representa
como un rectngulo, dentro del cual se indican todos los conjuntos o
subconjuntos de inters.
Ejemplo:

23

PROBABILIDAD Y ESTADISTICA

OPERACIONES CON CONJUNTOS


El conocer las operaciones con conjuntos nos facilitan entender los clculos de
probabilidad. Las operaciones con conjuntos son: unin, interseccin, diferencia,
complemento y el producto complemento cartesianos.
Unin: Sean A y B conjuntos arbitrarios. La unin de A y B expresada por
(

) es el conjunto de elementos que pertenecen a A o a B, o a ambos.


U
U

Interseccin: Sean A y B conjuntos arbitrarios. La interseccin de A y B (


).
Es el conjunto de elementos que pertenecen a A o a B

={

Se llama conjuntos disjuntos o conjuntos mutuamente exclusivos, a aquellos


conjuntos que...
U

B
24

PROBABILIDAD Y ESTADISTICA

Diferencia: La diferencia de A y B o el complemento relativo de B con


respecto a A es expresado por: A-B, es el conjunto de elementos que
pertenecen a A pero no a B

\
Complemento: El complemento absoluto o simplemente complemento de A (
) es el conjunto de elementos que pertenecen al espacio muestral y que no
pertenecen al conjunto A.

Algunas veces es deseable considerar el orden de los elementos en un conjunto


como significante. Un par de elementos en los cuales distinguimos----- como el
primero y el otro no necesariamente diferente, como el segundo, se llama por
ordenado. Un par ordenado se denota como (x, y) donde x es el primer
elemento y y es el segundo elemento.
Si A, B son dos conjuntos, al conjunto de pares (x, y) que se puede formar
donde

se llama producto cartesiano de A y B y se denota por:

Ejemplo:

Si,

Ejercicio: Sea

25

PROBABILIDAD Y ESTADISTICA

LEYES DEL ALGEBRA PARA CONJUNTOS

CARDINALIDAD
La cardinalidad de un conjunto S denotado por n(s)=#(s);
Se refiere al nmero de elementos de que consta el conjunto.
EJEMPLOS
SI A={a,b,c,d}

Si B={0}

Entonces n(A)=4 y #(B)=1


n() =0

LEYES DE LA CARDINALIDAD

26

PROBABILIDAD Y ESTADISTICA

1.-

si

2.-

si

3.-

4.-

5.Problema:
Sea un lote formado por 100 piezas de las cuales 15 le falta un tornillo y a las
otras 10 diferentes les faltan dos tornillos cuntas piezas con todos los tornillos
tenemos?
Sea A {piezas que les falta un tornillo}
B {piezas que les faltan dos tornillos}
n (A)=15
n (B)=10

Sea un lote de 100 piezas de las cuales 25 tienen el defecto w y 10 tienen el


defecto z, una pieza puede tener dos defectos a la vez.Se sabe que tres piezas
tienen ambos defectos, cuntas piezas no tienen defectos?
Sea W {piezas defecto W}
Z {piezas defecto Z}
n (W)=25
27

PROBABILIDAD Y ESTADISTICA

n (Z)=10

Sea A y B sub-conjuntos de un conjunto universal U y suponga que n (U)=200 y


que n (A)=100 y que n (B)=80 y que n (AB)=40

Un tipo de botella de plstico es producida por una maquina automtica y se ha


encontrado que en la produccin de dicha botella se presentan 3 tipos de
defectos llmense A, B, C.
En un lote de 1000 se encontr que 30 tuvieron el defecto tipo A, 20 el defecto
B y 40 el defecto tipo C, 10 los defectos A y B; 5 los defectos A y C; 4 los
defectos B y C; 2 A, B y C.
a)
b)
c)

Diagrama de Venn
Qu cantidad tuvo un solo defecto?
Qu cantidad tuvo al menos uno de los defectos?
28

PROBABILIDAD Y ESTADISTICA
d)
e)

Qu cantidad tuvo cuando mucho dos?


Qu cantidad tuvo A o C?

b)=927

c)=58

d)=73

e)=71
Una empresa de la industria automotriz requiere 22 titulados en ingeniera para
trabajar en ella, los aspirantes deben de ser ingenieros mecnicos elctricos o
qumicos. Los ingenieros mecnicos deben de ser 11, elctricos 12 y qumicos
10, ahora bien algunos puestos deben ser ocupados por ingenieros con doble
titulacin en concreto 5 han de ser mecnicos y elctricos y 4 mecnicos y
qumicos y 4 elctricos y qumicos. Tambin quiere la empresa para reas ms
completas que hayan ingenieros con triple titulacin.
Cuntos ingenieros poseen los tres ttulos?
Cuntos puestos de trabajo est ofreciendo la empresa para ingenieros que
nicamente estn titulados en Ingeniera Elctrica?
Cuntos puestos son para ingenieros elctricos y qumicos pero no mecnicos?

EXPERIMENTOS ALEATORIOS ESPACIO MUESTRAL Y EVENTOS


Experimento aleatorio es aquel que proporciona diferentes resultados an
cuando se repita siempre de la misma manera.
Ejemplo 1.

29

PROBABILIDAD Y ESTADISTICA
Supngase que se toma una muestra de aire de un estanque de
almacenamiento para analizar la presencia de una molcula rara, los resultados
del experimento pueden resumirse de una manera muy sencilla; la muestra
contiene no la molcula. Esta situacin puede considerarse como un evento
aleatorio con slo dos resultados posibles.
Ejemplo 2.
La energa que consume una reaccin qumica puede cambiar cuando el
experimento se repite en distintos momentos o un laboratorio diferente, este es
un experimento aleatorio con muchos resultados.
Ejemplo 3.
Fabricamos tornillos con una mquina, el resultado del experimento es que
algunos pueden ser defectuosos.
Para modelar y analizar un experimento aleatorio primero se bebe de
comprender el conjunto de resultados posibles del experimento, el conjunto de
posibles resultados recibe el nombre de espacio muestral del experimento. El
espacio muestral se denota con la letra S.
Problema.
cul sera el espacio maestral de los ejemplos anteriores?
1.-S= {Si, No}
2.-S= No se puede expresar
3.-s= {Defectuoso, No defectuoso}

Supngase que realizamos el siguiente experimento usando una moneda


normal, realice el primer lanzamiento y si es sol vuelva a lanzar la moneda y as
sucesivamente. Determine el espacio muestral.
S= {A, SA, SSA, SSSA }
En experimentos aleatorios que implican a seleccin de artculos de un lote, es
necesario indicar si el artculo seleccionado ser colocado o no, en el lote antes
de seleccionar el siguiente.
Ejemplo: Si el lote contiene 3 artculos supngase {a, b, c} y el experimento
consiste en seleccionar dos de ellos, sin remplazo, entonces el espacio muestral
puede representarse como:
S= {ab, ac, bc}

30

PROBABILIDAD Y ESTADISTICA
Sin embargo los artculos se devuelven antes de seleccionar el siguiente, el
muestreo se denomina con remplazo en este caso, los posibles resultados son:
S= {ab, ac, bc, aa, bb, cc}
Un espacio muestral es discreto si est formado por un conjunto finito o infinito
contable de resultados.
Un evento es un subconjunto del espacio muestral de un
experimento aleatorio.
El inters recae en describir eventos nuevos a partir de combinaciones
existentes ya que los eventos son subconjuntos entonces es posible utilizar las
operaciones vistas de conjuntos y el diagrama de Venn.
Problema 1.
En un experimento donde se seleccionan dos componentes y se clasifican
conforme cumplen o no los requerimientos de temporizacin elctrica del
producto. Un resultado de este experimento es que la primera parte sea
aceptable. A y la segunda sea no aceptable N; esto se denotara como A o N.
esto puede representarse mediante el espacio muestral S.
S= {AA, AN, NN, NA}
La mejor representacin de un espacio muestral depende de los objetivos que
se persigan. Por ejemplo, si solo se tiene el inters por el nmero de artculos
aceptables obtenidos en la muestra entonces el espacio muestral se puede
escribir como:
S= {2, 1, 1, 0}
Considere el espacio muestral del problema inicial y suponga que los eventos:

Encuentre:
a)
b)

=S
= S= {AN, AN, NA, NA} = {AN, NA}

c)

= S= {NN}

d)

= S = {AA}

e)

= S = {NN, AA}

f)

= S =
31

PROBABILIDAD Y ESTADISTICA

g)

= S = {(AA, AN), (AN, NA), (NA, NN), (AA, NA), (AA, NN),}

h)

= S = {AA}

Las mediciones del tiempo redondeadas al minuto ms prximo necesario para


completar una reaccin Qumica puede modelarse utilizando el espacio
muestral S= {1, 2, 3,}

Sean:

g) Probar las leyes de Morgan con los conjuntos dados.

4.3

TEORIA

FUNDAMENTAL

DE

CONTEO,

PERMUTACIONES

COMBINACIONES
Uno de los propsitos de estudiar los mtodos de conteo es aprender a contar
cosas o sucesos sin tener la necesidad de numerarlos uno por uno. El principio
bsico de conteo nos provee esta herramienta para contar sin enumerar.
REGLA DE LA SUMA
Si se puede realizar una primera tarea de m maneras, mientras que otras se
pueden realizar las dos tareas simultneamente, entonces realizar cualquiera de
ella se puede lograr de m+n maneras.

REGLA DEL PRODUCTO


Si un procedimiento se pude preparar en primera y segunda etapa, y si hay m
posibles resultados para la primera etapa y n para la segunda, entonces el
procedimiento total se puede realizar siguiendo el orden designado de mn
maneras.
32

PROBABILIDAD Y ESTADISTICA

Ejemplo:
El fabricante de un automvil proporciona vehculos equipados con distintas
opciones que el cliente selecciona, cada vehculo solicita:
a) con o sin transmisin automtica
b) con o sin aire acondicionado
c) con una de tres opciones posibles en cuanto a un sistema de sonido estreo
(Sony, Panasonic, IWA)
d) En uno de cuatro colores exteriores.
Si el espacio muestral est formado por el conjunto de todos los tipos posibles
de vehculos. Cul es el nmero de resultados en el espacio muestral?
Definicin: Para un entero n0 n factorial denotada por n! se define por:
Si n=0 0!=1
Si n>0 n!=n(n-1) (n-2)
n!=n(n-1)!
Ejemplos:
Encontrar:
5!
5!= (5) (4) (3) (2) (1)=120

Definicin: Dada una coleccin de un objeto, cualquier disposicin de ellos se


denomina permutacin de la coleccin, (importa el orden)

Si hay n objetos, denominados

1rn

Entonces por la regla del producto el nmero de permutaciones de tamao r


para n objetos es:
n Pr=n!

7654321 de 7 hasta 1
n (n-1) (n-2) (n-r+1) de 7 hasta r
33

PROBABILIDAD Y ESTADISTICA

Si n=r nPr=n! (0!=1)


Considere plantas de automviles tal como eran antes, es decir, con solo
nmeros de 6 dgitos. Los dgitos son seleccionados del conjunto {0, 1, 2 9}
para cada uno de los 6 dgitos que compone el nmero de la placa tenemos 10
posibilidades. Determine el nmero de placas que se pueden fabricar si hay
repeticin.
101010101010=10
Observacin: Se nombra a una persona supersticiosa a dirigir el departamento
de obras pblicas. Por considerarlo de mala suerte, la persona establece que los
dgitos en la placa no pueden repetirse. Cuntas placas distintas pueden
prepararse ahora?

Si n=r

=10! (0!=1)

COMBINACIONES
El orden en que seleccionamos los objetos es importante para calcular el
nmero de Permutaciones. Sin embargo, ahora que queremos saber el nmero
de arreglos de n objetos tomados k a la vez sin importarnos el orden de los
objetos seleccionados. Estos arreglos donde no nos interesa el orden se conocen
como combinaciones.
Ejemplo:
Supngase que tengo conjunto (ABCD). Cuntos y cules son las maneras que
podemos seleccionar 3de ellas si nos interesa el orden?
ABC

ACB

CBA

BAC

CAB

BCA

ACD

CDA

DCA

ADC

CAB

DAC

ABD

BAD

ADB

BDA

DAB

DBA

34

PROBABILIDAD Y ESTADISTICA

ACD

ADB

CBD

BDC

DBC

DCB

Si importa el orden

Si no importa el orden

Simplifique.

1)

2)

Las permutaciones que ocurren al arreglar en un crculo se llaman


Permutaciones circulares, dos permutaciones circulares no se consideran
diferentes a menos que los objetos diferentes conforme recorremos en la
direccin de las manecillas del reloj lo sean.
Teorema: El nmero de permutaciones de n objetos distintos arreglados en un
crculo son (n-1)!
Ejemplo:
Suponga que tiene el conjunto (ABC) determine cuantas y cules son las
permutaciones circulares.

35

PROBABILIDAD Y ESTADISTICA

ABC
CAB
PERMUTACION CON REPETICION
Teorema: El nmero de formas de partir un conjunto de n objetos en r celdas
con n elementos en la primera celda, n elementos en la segunda celda, y as
sucesivamente es:

Determine el nmero de permutaciones diferentes de la palabra Mississippi


n= 1

# de M

n= 4

# de i

n= 4

# de s

n= 2

# de p

n=n+n+n+n=11

PRUEBAS ORDENADAS
Muchos problemas del anlisis combinatorio y en particular de probabilidad se
relacionan con la seleccin de un objeto tomado de algn lugar que contiene n
objetos. Cuando escogemos un objeto tras un lugar r veces definimos esta
seleccin como una prueba ordenada de tamao r, se consideran dos casos.
1.- prueba con sustitucin En este caso cada objeto se selecciona y se
regresa a su lugar (urna) antes de tomar el siguiente objeto, puesto que hay n
maneras diferentes para escoger cada objeto, segn el principio fundamental de
conteo.
r veces

Pruebas ordenadas diferentes de tamao r con sustitucin.

36

PROBABILIDAD Y ESTADISTICA
2.-pruebas sin sustitucin. Aqu el objeto no se devuelve al lugar (urna) antes
de escoger el siguiente. sea que una prueba ordenada de tamao r sin
sustitucin es simplemente una permutacin de r objetos y por lo tanto hay

Pruebas ordenadas diferentes de tamao r sin sustitucin tomadas de un grupo


de n objetos.
*Si no se permiten repeticiones y considerando el conjunto de nmeros S= {2,3,
5, 6, 7, 9}
a) determine Cuntos nmeros de 3 dgitos se pueden formar con el conjunto
S?

b) Cuntos de estos son menores de 400?

c) Cuntos son pares?

d) Cuntos son impares?

)=80

)-(

e) Cuntos son mltiplos de 5?


=20

f) Cuntos son mltiplos de 9?

De cuantas maneras se pueden dividir 10 objetos en dos grupos que


contengan 4 y 6 objetos respectivamente

37

PROBABILIDAD Y ESTADISTICA

Se va a formar un comit de dos matemticos y tres ingenieros civiles a


partir de 5 matemticos y de 7 ingenieros civiles. De cuantas maneras
se puede hacer si?:
a) Se puede incluir cualquier matemtico y cualquier ingeniero

=
b) Un ingeniero en particular debe est en el comit
c) Dos matemticos no pueden pertenecer al comit

Cuntas ensaladas diferentes se pueden hacer con lechuga, escarola, endibia,


berro y achicora?

*Nota: En general para cualquier

Cuntas palabras de 4 consonantes diferentes y 3 vocales distintas se pueden


formar a partir de 7 consonantes y de 5 vocales? (No es necesario que la
palabra tenga significado)

COEFICIENTE BINOMIAL

A los nmeros
con frecuencia se llaman coeficientes
binomiales por que provienen de la expansin binomial

PROPIEDADES DE
38

PROBABILIDAD Y ESTADISTICA
i.
ii.
iii.

Hay n+1 trminos


La suma de los exponentes de x y de y en cada termino es n
Los exponentes de x decrecen una unidad en cada termino
desde n hasta 0, mientras que los exponentes de y crecen
similarmente desde 0 hasta n

iv.

El coeficiente de cualquier termino es


donde r es el
exponente de x o de y
Los coeficientes de trminos equidistantes de los extremos son
iguales.

v.

Encuentre los coeficientes de

Determine el termino constante en la expansin de

Demuestre que las combinaciones de

INTERPRETACION DE LA PROBABILIDAD
Introduccin: Con frecuencia es til cuantificar la posibilidad de que se presente
un resultado de un experimento aleatorio. La posibilidad de un resultado se
cuantifica asignndole un nmero en el intervalo
, o un porcentaje del 0 al
100%. Entre ms grande sea el nmero, mayor es la posibilidad del resultado de
xito.
La probabilidad de un resultado puede interpretarse como la probabilidad
subjetiva o grado de creencia, de ocurra cierto resultado, otra interpretacin de
la probabilidad del resultado se interpreta como el valor lmite de la proporcin
de veces que el resultado aparece en n repeticiones del experimento
aleatorio, a medida que n sin cota (limite) alguna.

39

PROBABILIDAD Y ESTADISTICA
Las probabilidades de un experimento alguno a menudo se asignan sobre la
base de un modelo razonable del sistema que se estudia, un enfoque es asignar
las probabilidades con base en el concepto de resultados igualmente probable.
Cada vez que un espacio muestral est formado por N posibles resultados

igualmente probables, la probabilidad de cada uno de ellos ser


Para un espacio muestral discreto, la probabilidad de un evento E,
denotado por P(E), es igual a la suma de las probabilidades de los resultados en
E.

Los resultados posibles de un experimento aleatorio son a, b, c, d con


probabilidad {0.1, 0.3, 0.5 y 0.1} sean eventos:
A= {a, b}
B= {b, c, d}
C= {d}
Encuentre:
1.
2.
3.
4.
5.
6.

P(A)=(0.1+0.3)=0.4
P(B)=(0.3+0.5+0.1)=0.9
P(C)=0.1
P(A)=(0.5+0.1)=0.6
P(B)=0.1
P(C)=(0.1+0.3+0.5)=0.9

7.

=0.3

8.

=1

9.

=0

La inspeccin visual de cierto componente de un proceso de fabricacin de


semiconductores arrojo los siguientes resultados.
Nmero de partculas
0
1
2
3
4

Proporcin de componentes
0.40
0.20
0.15
0.10
0.05
40

PROBABILIDAD Y ESTADISTICA
5 o ms

0.10

Si se elige al azar un componente de este proceso y se hace una inspeccin de


el
1. Cul es la probabilidad de que No contenga partculas?
2. Cul es la probabilidad de que un componente contenga 3 o ms
partculas en el sitio de inspeccin?
3. Cul es la probabilidad de que el componente contenga 0 o ms de 3
partculas en el punto de inspeccin?

AXIOMAS DE PROBABILIDAD
Los axiomas satisfacen las probabilidades de cualquier experimento
aleatorio. Los axiomas aseguran que las probabilidades asignadas en un
experimento puedan interpretarse como frecuencias relativas, ya que son
consistentes con el conocimiento intuitivo de las relaciones entre frecuencias
relativas.
Los axiomas no determinan la probabilidad, estas se asignan con base en
el conocimiento que se tiene se sistema estudiado. Son embargo, los
axiomas facilitan el clculo de las probabilidades de algunos eventos a partir
de otros.
La probabilidad es un nmero que se asigna a cada miembro de una
coleccin de eventos de un experimento aleatorio y que satisface las
siguientes propiedades.
Si S es el espacio muestral y E es cualquier evento del experimento
aleatorio
1) P(S)= 1
2) 0P(E)1
3)

con

se tiene

4)
5) Para cualquier evento E

6) Si el evento

est contenido en el evento

41

entonces

PROBABILIDAD Y ESTADISTICA

REGLAS DE ADICION;
Las probabilidades de un evento compuesto a menudo pueden obtenerse a
partir de las probabilidades de cada uno de los eventos que lo forman. En
ocasiones, las operaciones bsicas de los conjuntos tambin son tiles para
determinar la probabilidad de un evento compuesto.
La siguiente tabla presenta la historia de 940 obleas de un proceso de
fabricacin de semiconductores. Supngase que se elige al azar una oblea de la
tabla.
OBLEAS EN PROCESO DE FABRICACION
EN EL CENTRO DEL INSTRMENTOS DE DEPOSICIN
ELECTRONICA
No
Si
Contaminacin No
514
68
alta
Si
112
246
Sea A: el evento en el que la oblea tiene alto nivel de contaminacin
B: el evento en el que la oblea est en el centro de un instrumento de
deposicin electrnica
Determine la probabilidad de:

1) P(A)=

2) P(B)=

3)

4)
=
Sea E: el evento donde la oblea no est en el centro de deposicin electrnica y
tampoco tiene altos

5) P(E)=
Realice el diagrama de Venn
*Nota:

Si

son

eventos

mutuamente

42

excluyentes

entonces

la,

PROBABILIDAD Y ESTADISTICA

Definicin: Se dice una coleccin de eventos

es mutuamente

excluyente si, para todos los pares


*Nota: para una coleccin de eventos mutuamente excluyentes se tiene:

En una operacin de maquinado, sea x la longitud de una parte y suponga que


para el 10% de las partes x<7.55mm
el 15% de las partes
el 25% de las partes
Si se escoge una parte de esta operacin Cul es la probabilidad de que la
longitud sea mayor o igual que 7.59?
Sea E: el evento
E: el evento
E: el evento

PROBABILIDAD CONDICIONAL
Sea A y B dos eventos tal que la P(B)>0 dentese por P(A/B) la probabilidad de
A dado que ocurri B
Puesto que se sabe que ocurri B este se convierte en el nuevo espacio
muestral, remplazando al original S, luego entonces se tiene.
Definicin: La probabilidad condicional de un evento A dado un evento B,
denotado por P(A/B) es:

Observacin: Si consideramos que todos los resultados. son


igualmente probables. Si existe un total de N resultados entonces note que

43

PROBABILIDAD Y ESTADISTICA

Encuentre la probabilidad de que en un lanzamiento sencillo de un dado resulte


un nmero menor que cuatro si:
a) No se da otra informacin
b) El dado callo en un nmero impar
Sea A el evento donde sale un nmero menor que 4

Sea B el evento donde sale un nmero impar menor que 4

44

PROBABILIDAD Y ESTADISTICA

c) P (B|A)

La produccin diaria de 850 partes contiene 50 que o satisface los


requerimientos del cliente. Del lote se eligen al azar dos partes, rin remplazo.
Cul es la probabilidad de que la segunda parte sea defectuosa dado que la
primera es defectuosa?
Sea A el evento donde la primera parte sea defectuosa
B el evento donde la segunda parte es defectuosa
Defectuosas [50]
Produccin [850]

TERCERA UNIDAD
VARIABLE ALEATORIA
DISTRIBUCIONES DE PROBABILIDAD DISCRETA.

45

PROBABILIDAD Y ESTADISTICA
Con frecuencia el inters recae en resumir con un nmero el resultado de un
experimento aleatorio, en algunos casos las descripciones de los resultados son
suficientes pero en otros es til asociar un nmero con cada resultado posible
del espacio muestral.
Las variables que asocian un nmero con el resultado de un experimento
aleatorio se conocen como variables aleatorias o variable estocstica.
Definicin: Una variable aleatoria es una funcin que asigna un nmero real
cada resultado en el espacio muestral de un experimento aleatorio.
Nota: La variable aleatoria se denota con letras maysculas tal como X y con
letra minscula xi el valor posible de x. El conjunto de los posibles valores de la
variable aleatoria recibe el nombre de rango de X.
Definicin: Una variable aleatoria discreta es una variable aleatoria con
rango largo finito contable o infinito contable.
Problema 1.
El sistema de comunicaciones por voz de una empresa tiene 78 lneas externas
en un determinado momento se observa el sistema y algunas lneas estn
ocupadas sea X una variable aleatoria que denota el nmero de variables en
uso determine el rango de X.
R.[0,48]
Notaciones: las distribuciones de probabilidad se suelen denotar: F(x)=P(x=X).
El conjunto de pares ordenados (x,f(x)) es una funcin de probabilidad de
funcin masa de probabilidad o distribucin de probabilidad de una variable
aleatoria discreta x para cada resultado posible de x se cumple lo siguiente:

1.-

2.3.Un embargue de 8 computadora similares para una tienda contiene tres que
estn defectuosas. Si la UAQ hace una compra al azar de dos de estos
contadores encuentre la distribucin de probabilidad para el nmero de
defectuosas.

46

PROBABILIDAD Y ESTADISTICA
Sea X una variable aleatoria cuyos valores de X representan los computadores
defectuosos.
Xi=0,1,2
X
F(x)

F(0)=P(x=0)=

0
10/2
8

1
15/2
8

2
3/28

F(1)=P(x=1)=

F(2)=P(x=2)=

Se carga una moneda de modo que la cara tenga una posibilidad de ocurrir dos
veces mayor que la Cruz. Si se lanza 3 veces la moneda
a) determine el espacio muestral:
Sea X una variable aleatoria cuyos valores x representan la P(x)
b) probabilidad de que sea cara
c) sea x la variable que asigna a cada punto del espacio muestral el mayor
nmero de caras sucesivas que suceda. Encuentre la distribucin de
probabilidad y su grfica de barras.

Observacin: las variables aleatorias son tan importantes en los experimentos


que en ocasiones se ignora el espacio muestral original del experimento y el
inters se dirige hacia la distribucin de probabilidad de la variable aleatoria.
FUNCIONES DE DISTRIBUCIN ACUMULADA
Hay muchos problemas donde deseamos calcular la probabilidad de que el valor
observado de una variable aleatoria sea mayor o igual que un nmero real. Al
escribir
definimos a f(x) como la distribucin acumulada
como la distribucin acumulada de la variable x.

Observacin los eventos :

en general son eventos independientes.

47

PROBABILIDAD Y ESTADISTICA
Defnicin: la funcin de distribucin acumulada de la variable aleatoria

discreta x denotada por

es

Donde f(x) satisface las siguientes propiedades;

1.2.-

3.-Si

entonces

Ejemplo determine la funcin de distribucin acumulada del problema anterior.


F(0)=F(0)=1/27
F(1)= F(0)+ F(1)=1/27+10/27
F(2)= F(0)+ F(1)+ F(2)=1/27+10/27+8/27
F(3)= F(0)+ F(1)+ F(2)+ F(3)=1/27+10/27+8/27+8/27
DISTRIBUCIN DE PROBABILIDAD CONTINUA.
Aunque la distribucin de probabilidad continua de una variable aleatoria
continua no puede representarse de forma tabular se puede establecer como
una frmula, dicha frmula necesariamente estar en funcin de los valores
numricos de la variable continua X y como tal se presentar mediante la
notacin funcional f(x).
Al tratar con variables aleatorias continuasf(x)por lo general se llama funcin
de densidad de probabilidad o funcin de densidad de X. Como X se define
sobre un espacio muestral continuo es posible que tenga un nmero infinito de
discontinuidades.
Defnicion: una funcin f(x)es una funcin de densidad de la variable aleatoria
continua X si para cualquier intervalo de nmeros reales [X1,X2]se cumple:

1.-

48

PROBABILIDAD Y ESTADISTICA

2.-

3.-

Definicin la funcin de distribucin acumulada de la variable aleatoria continua


X es:

para -<x<
Suponga que el error en la temperatura de reaccin en C para un experimento
de laboratorio encontrado es una variable aleatoria continua que tiene la
funcin de densidad de probabilidad.
F(x)

-1<x<2
1

en cualquier otro caso.

a)Verifique la propiedad dos de la funcin de densidad.


b)Encuentre la probabilidad de x se encuentre entre P(0<x<1)
c)Encuentre la distribucin acumulada

Encuentre la constante k de manera que la funcin sea una funcin de densidad

F(x)

k
1

-1<x<2
en cualquier otro caso.

Encuentre la funcin de distribucin acumulada en (1<x<2)


49

PROBABILIDAD Y ESTADISTICA
DISTRIBUCIONES MS UTILIZADAS DE VARIABLES ALEATORIAS
Objetivo: distinguir las diferentes condiciones de aplicacin de las distribuciones
de variacin de variables aleatorias. Se estudiaran algunas distribuciones de
probabilidad de variables aleatorias discretas que ms destacan en la teora
estadstica y en la prctica; distribucin uniforme discreta si una variable
aleatoria puede tomar n valores distintos con igual probabilidad, decimos que
sta tiene una distribucin uniforme discreta.
Defnicin: una variable uniforme x y distribucin uniforme discreta y se
conoce como variable unitaria discreta si y slo si su distribucin de
probabilidad esta dada por:
Observacin: suponga que x es una variable aleatoria uniforme discreta sobre
los enteros consecutivos a, a+1, a+2.b ab

Entonces la media se puede calcular como:

y la desviacin estndar:

Ejercicio 1
Se lanza un dado ordinario para i=1,2,.,6 definimos la variable aleatoria como
la cara del dado que sale hacia arriba obtenga la distribucin de probabilidad de
esta variable aleatoria as como su media y desviacin estndar.

Ejercicio 2
Suponga que un profesor de probabilidad tiene 17 alumnos y que la siguiente
lista de nmeros son las calificaciones finales de los alumnos {}
a) Encuentre la funcin de distribucin de que uno de los 17 se ha elegido.
b) Encuentre la media y desviacin estndar de la calificacin.

DISTRIBUCIN DE BERNOUILLI
Si un experimento tiene dos resultados posibles llmese xito y fracaso, y sus
probabilidades son respectivamente P y 1-P.

50

PROBABILIDAD Y ESTADISTICA
Entonces el nmero de xitos 0 o 1 tiene una distribucin de Bernoulli es decir
una variable aleatoria X tiene una distribucin aleatoria Bernoulli (ensayo con
reposicin) y se conoce como variable aleatoria de Bernoulli si y slo si su
distribucin de probabilidad est dada por:

Demuestre que la distribucin de Bernoulli efectivamente que es una


distribucin (cumple con la Propiedad)

DISTRIBUCIN BINOMIAL
Los ensayos de Bernouilli cumplen un papel muy importante en la probabilidad
y la estadstica y se caracterizan porque el nmero de ensayos es fijo el
parmetro p (probabilidad de xito individual) es el mismo para cada ensayo y
adems todos los ensayos son independientes.
El nmero x de xitos en n experimentos de Bernouilli se denomina variable
aleatoria binomial. La distribucin de probabilidad de esta variable aleatoria
discreta se llama distribucin binomial y sus valores se denota eran como:
b(x;n,p), pues depende del nmero de pruebas y de la probabilidad de xito de
una prueba nada.
Un experimento de Bernouilli puede tener como resultado un xito con
probabilidad p y un fracaso con probabilidad q=1-p .Entonces la distribucin de
probabilidad de la variable aleatoria binomial x, el nmero de xitos en n
pruebas independientes es:

b(x;n,p)=

para x=0,1,2,.,n

Problema 1.La probabilidad de que cierto tipo de componentes sobreviva a


una prueba de choque nada es 3/4 encuentre la probabilidad de que sobrevivan
exactamente 2 de las siguientes cuatro componentes que se prueban.
51

PROBABILIDAD Y ESTADISTICA

b(2;4,3/4)=
Cul es la probabilidad de obtener 5 guilas en 12 lanzamientos de una
moneda equilibrada?
b(5;12,1/2)=0.1933

Teorema la media y la varianza de la distribucin binomial son:


=np

=np(1-p)=npq

EXPERIMENTOS MULTINOMIALES
El experimento binomial se convierte en un experimento multinomial si cada
prueba tiene ms de 2 resultados posibles por ello la clasificacin de un
producto fabricado como ligero pesado o aceptable se trata como un
experimento multinomial.

Definicin Distribucin multinomial:


Si una prueba dada puede conducir a los k resultados E,E,....,Ek con
probabilidades P,P,....,Pkentonces X,X,....,Xk, que representan el nmero de
ocurrencias para E,E,....,Eken n pruebas independienteses
f(X,X,....,X_{k}:P,P,....,Pk:n)

Con

con

Problema:
Si se lanzan 6 veces un par de dados. Cul es la probabilidad de obtener un 7
u11 dos veces, un par de igual una vez y cualquier otra combinacin 3 veces?

52

PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN GEOMTRICA Y BINOMIAL NEGATIVA.


Suponga una serie de ensayos de Bernoulli independientes con probabilidades
de xito en cada ensayo sin embargo en lugar de tener un nmero fijo de
ensayos ahora esto se realizan hasta que se obtenga un xito. Por ejemplo se
puede estar interesado en la probabilidad de que un futbolista que ejecuta una
serie de penaltis falle por tercera ocasin en el sptimo intento o bien de que el
quinto examen que presenta un alumno sea segundo que repruebe.
Defnicin: una variable aleatoria X tiene una distribucin binomial negativa y
se denomina variable aleatoria binomial negativa si y slo si su distribucin de
probabilidad est dada por:

para x=k,k+1..
A esta distribucin tambin se le conoce como distribucin de tiempo de espera
binomiales o como distribucin de Pascal.
Problema 1 :
Si la probabilidad es de 0.40 de que un conductor de automvil de la ciudad de
Quertaro se pase la luz roja en el momento en que sta se acaba de poner.
Cul es la probabilidad de que el dcimo conductor que llega a una esquina en
el instante que la luz roja se acaba de poner sea el tercero en pasarse el alto?

Teorema:
Teorema: la media y la varianza de la distribucin binomial negativa es:

Problema:
Encuentre la probabilidad de que una persona que lanza tres monedas obtenga
slo soles o slo guilas por segunda vez en el quinto lanzamiento.

Como la distribucin binomial negativa con K=1 tiene muchas aplicaciones


importantes le dan un nombre especial se denomina distribucin geomtrica.
53

PROBABILIDAD Y ESTADISTICA
Una variable aleatoria X tiene una distribucin geomtrica y se denomina
variable aleatoria geomtrica si y slo si su distribucin de probabilidad est
dada por:

para x=1,2,3
Problema:
Suponga que la probabilidad de encontrar estacionamiento en la UAQes igual a
25% en un da cualquiera. Calcular la probabilidad de encontrar
estacionamiento en una semana cualquiera en un da mircoles.
p=0.25
q=0.75
x= lunes, martes,mircoles.
X=1,2,3
g(3;0.25)=(0.25)(1-0.25) =0.1406
Problema:
Si la probabilidad de 0. 75 de que un solicitante de licencia de manejo apruebe
el examen en un ensayo dado cul es la probabilidad que un solicitante pase la
prueba en el cuarto ensayo?
P=0.01171

DISTRIBUCIN HIPERGEOMTRICA
Para obtener una forma anloga a la distribucin binomial que se aplique al
muestreo sin reemplazo en cuyo caso los ensayos no son independientes
estimaremos un conjunto de n elementos de los cuales k son considerados
aciertos y n-k fallas, nos interesa la probabilidad de encontrar x aciertos en n
ensayos pero ahora elegimos sin sustitucin n de los n elementos del conjunto.
Definicin distribucin hipergeomtrica
El numero de xitos en una muestra aleatoria de tamao n que se selecciona de
n artculos de las que k se denominan xitos y n-k fracasos est dada por:

H(x;N,n,k)

para x0,1,2,.,n

54

PROBABILIDAD Y ESTADISTICA
Problema
Se selecciona al azar un comit de cinco alumnos entre tres civiles y cinco de
automatizacin. Encuentre la distribucin de probabilidad para el nmero de
civiles en el comit.
X0,1,2,3
N8
n5
k3
X
H(x;8,5,3)

0
1/5
6

1
15/5
6

2
30/5
6

3
10/5
6

Teorema La Medida Y La Varianza De La Distribucin Hipergeomtrica


son:

Problema.
En una jaula hay 30 pericos rusos y 20 pericos chinos. Si extraemos 10 pericos
al azar, cul es la probabilidad de que tres de ellos hablen chino?

N50
n10
k20
x3

55

PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN NORMAL
La distribucin continua de probabilidad ms importante en todo el campo de la
estadstica es la distribucin normal su grfica se denomina curva normal es
una curva con forma de campana.

La cual describe aproximadamente muchos fenmenos que ocurren en la


naturaleza la industria y la investigacin.
En 1733 Abraham De Moivre desarrollo la ecuacin matemtica de la curva
normal. La distribucin normal a menudo se denomina distribucin gaussiana.
Defnicin: Distribucin Normal la funcin de densidad de la variable aleatoria
X con media y varianza

es:

Propiedades De La Curva Normal.


1. La moda (punto sobre el eje horizontal donde la curva es un mximo) ocurre
en x=.
2. La curva es simtrica alrededor de un eje vertical a travs de la media .
3. La curva tiene sus puntos de inflexin en x= , es cncava hacia abajo si
-<X< +, y es cncava hacia arriba en cualquier otro punto.
4. La curva normal se aproxima al eje horizontal de manera asinttica conforme
nos alejamos de la media en cualquier direccin.
5. El rea total bajo la curva y sobre el eje horizontal es igual a 1.

56

PROBABILIDAD Y ESTADISTICA
Afortunadamente se puede transformar todas las observaciones de cualquier
variable aleatoria normal x a un nuevo conjunto de observaciones de una
variable aleatoria normal Z con media 0 y varianza 1 esto se puede realizar
mediante la transformacin:

Siempre que X tome un valor x, el valor correspondiente de Z est dado por


z=(x- )/. Por lo tanto, si X cae entre los valores x=x1 y x=x2 , la variable
aleatoria Z caer entre los valores z1=(x1-)/ y z2=(x2-)/.
En consecuencia, podemos escribir

Problema 1.
Encuentre la probabilidad de que z sea menor qu 1.74.
P(z<1.74)0.9591
Problema 2.
Encuentre el valor de Z que corresponde a la probabilidad de 0.4148.
Problema 3.
Dada una distribucin normal estndar encuentre el rea bajo la curva y la
grfica que yace.
A) a la derecha de z1.84
B) entre z-1.97 y z0.86
Problema 4.
Dada una distribucin normal estndar encuentre el valor de k tal que
A)p(z<k)0.3015
b)p(k<z<-0.18)

57

PROBABILIDAD Y ESTADISTICA
Defnicin :La distribucin de una variable aleatoria normal con media 0 y
varianza 1 se llama distribucin normal estndar.

Problema 5
Dada una distribucin normal con media50 y desviacin estndar igual a 10
encuentre la probabilidad de que X tome un valor entre 45 y 62.

Problema 6
Dada una distribucin normal con media 40 y desviacin estndar 6 encuentre
el valor de X que tiene: a) 45% del rea a la izquierda.
Problema 7
Cierto tipo de batera de almacenamiento dura en promedio tres aos con una
desviacin estndar de punto cinco aos, suponga que la relacin de la batera
se distribuye normalmente encuentre la probabilidad de que una batera dure
ms de 2. 3 aos.
Problema 8
Una empresa elctrica fabrica focos con duracin antes de fundirse que se
distribuye normalmente con una media 800 horas y desviacin estndar de 40
horas. Encuentre la probabilidad de que un foco se funda entre 778 y 834 horas.
Problema 9
En un proceso industrial el dimetro de un cojinete es una parte importante, el
comprador establece que las especificaciones en el dimetro sean 3 .01cm. La
implicacin es que ninguna parte qu caiga fuera de estas especificaciones se
aceptarn. Se sabe que en el proceso el dimetro de un cojinete tiene una
distribucin normal con 3 , 0.005. En promedio cuntos cojinetes se
descartan se descartan?
Problema 10
Se utilizan medidores para rechazar todos los componentes donde cierta
dimensin no est dentro de la especificacin 1. 50d. Se sabe que esta
medicin se distribuye de forma normal con media 1 .5 y varianza 0.04.
Determine el valor de tal que las especificaciones cubran el 95 por ciento de las
mediciones.
b) Encuentre el sexto decir que deja el 60 por ciento de rea a la izquierda
Problema 11

58

PROBABILIDAD Y ESTADISTICA
La calificacin promedio para un examen es 74 y la desviacin estndar igual a
7. Si el 12% de la clase obtiene A y las calificaciones siguen una curva con
distribucin normal.
Cul es la a ms baja posible y la vez ms alta posible?

DISTRIBUCIN GAMMA Y EXPONENCIAL


La distribucin exponencial es un caso especial de la distribucin gamma .
Estas distribuciones juegan un papel importante en la teora de colas y
problemas de confiabilidad
La relacin entre la gamma y la exponencial permite que la gamma
involucre en tipos de problemas similares

se

Definicin la funcin gamma se define como:

Distribucin gamma la variable aleatoria continua X tiene una distribucin


gamma con parmetros alfa y beta y su funcin de densidad est dada por:

Nota la distribucin gamma donde 1 se llama distribucin exponencial.


Tarea grfica de gamma

59

PROBABILIDAD Y ESTADISTICA
DISTRIBUCIN EXPONENCIAL
La variable aleatoria continua X tiene una distribucin exponencial con
parmetro y su funcin de densidad est dada por:

Teorema:
La media y la varianza de la distribucin gamma son:

Mientras que en la distribucin exponencial son:

DISTRIBUCIN T DE STUDENT
Esta distribucin es simtrica y acampanada de aspecto similar a la de la
campana normal ideada por W. Gosset (1876-1937) qumico, matemtico ingls
que trabajaba en una fbrica de cerveza Guinness en Dubln.
La ecuacin es prcticamente igual a la utilizada para la distribucin muestral
de medias para el caso de que n > 30, en donde usamos la distribucin normal,
podemos encontrar la distribucin de los valores t de student para aquellos
casos cuando n < 30.
Definicion la variable aleatoria continua t tiene una distribucin t de student con
n grados de libertad si su funcin de densidad de probabilidad es:

F(t)=

-<t<

GRADOS DE LIBERTAD
Se utiliza para indicar el numero de elementos de datos que son libres de otros,
en el sentido de que no pueden deducirse de otros.

60

PROBABILIDAD Y ESTADISTICA
Si n es grande(n30), la grafica f(t)se aproxima a la curva normal estndar
dado que la distribucin t es simtrica es decir

Nota: como la distribucin t es simtrica alrededor de la media 0 tenemos:


,es decir el valor t que deja un rea de 1- a la derecha y por tanto
una rea de a la izquierda. Es igual al valor t que deja un en la cola
derecha de la distribucin.

La grfica de distribucin t de Student con nueve grados de libertad es:

Donde V=9
Encuentre el valor t1 para el cual:
a) el rea sombreada a la derecha es 0.05.

b) el rea sombreada total igual a 0.03.

c) el rea sombreada a la izquierda =0.01

61

PROBABILIDAD Y ESTADISTICA

d) el rea sombreada a la izquierda de t=0.90

e)Encuentre el valor t para los cuales el rea de la cola a la derecha de la


distribucin t es 0.05 si el grado de libertad es igual a:
a) V=16 b)V=27 c) V=200

d) V=70

Observacin la variable V denota los grados de libertad mientras que n denota


el numero de datos pero V =n-1 para tratar sobre inferencias sobre se usa:

Donde

Problema 1 .
Encuentre K P(k<t<-1.761)=0.045 para una muestra a de tamao 15 que utiliza
distribucin normal.

Problema 2.
Un ingeniero afirma que el rendimiento medio de la poblacin de cierto proceso
en lotes es 500 g por milmetro de materia prima para verificar esta afirmacin
muestre a 25 lotes cada mes.
Si el valor te calculado cae entre -0.05 y 0.05 queda satisfecho con su
afirmacin. qu conclusin extraera de una muestra con media=5/8g y
=40g?
Suponga que la distribucin de rendimiento es aproximadamente normal

62

PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN DE POISSON
Cuando n es grande el clculo de probabilidad binomial mediante el uso de
frmulas implica una prohibitiva cantidad de clculo.
Defnicin: una variable aleatoria X que tiene una distribucin de Poisson se
denomina variable aleatoria de Poisson.
Simen Denis Poisson (1781-1840), si y slo si su distribucin de probabilidad
est dada por teorema la de la distribucin de Poisson est dada por:

Teorema: La y

de la distribucin de poisson estn dadas por:

=
Si los aciertos ocurren en una situacin donde se aplican las condiciones
anteriores a razn media de por tiempo unitario o por regin unitaria el
nmero promedio de aciertos en un intervalo de t unidades de tiempo o t
unidades de la regin especfica es una variable aleatoria de Poisson con media:
=t
Problema 1
Cierto tipo de telas para tapicera tiene en promedio dos defectos por metro si
se supone una distribucin de Poisson cul es la probabilidad de que un rollo
de 3 metros de esta te la tenga 4 o ms defectos?
R. 0.8488
Problema 2
Suponga que se lanzan un par de dados balanceados y la variable aleatoria X
denota la suma de los puntos. Encuentre:
a) La distribucin de probabilidad para X.
b) La distribucin f(x) para variable aleatoria X.
c) Varianza de la variable aleatoria x.
R. 5.83
Problema 3

63

PROBABILIDAD Y ESTADISTICA
En un lote de 12 televisores hay dos que estn defectuosos. Si se eligen al azar
3 para enviarlos a un hotel, cuntos aparatos descompuestos pueden
esperarse en el envo?
R. Un promedio de 0.5

Problema 4
Si el 20%de tornillos producidos por una mquina son defectuosos. determine
la probabilidad de que 4 tornillos escogidos al azar:
A) 1 sea defectuoso
R. 0.4096
B) 0 sean defectuosos
R. 0.4096
C) 2sean defectuosos
R.0.8192

Felices Vacaciones!!

64