REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA EL PROCESO SOCIAL DEL

TRABAJO

INSTITUTO NACIONAL DE CAPACITACIN Y EDUCACIN SOCIALISTA

INSTITUTO DE FORMACIN PROFESIONAL INFORPRO

GUARENAS ESTADO MIRANDA

CTEDRA: ESTADSTICA

PROBABILIDAD
Y ESTADSTICA

Seccin H

Instructora: Aprendiz:

Roxana Tovar Mara Astudillo C.I: 25.234.229

Guarenas, abril de 2016

 PROBABILIDAD

Se encarga de evaluar y permitir la medicin de la frecuencia con la que es

posible obtener un cierto resultado en el marco de un procedimiento de carcter
aleatorio. La probabilidad, por lo tanto, puede definirse como la razn entre la
cantidad de casos prsperos y la cantidad de cuestiones posibles. La matemtica,
la fsica y la estadstica son algunas de las reas que permiten arribar a
conclusiones respecto a la probabilidad de eventos potenciales.

TEORA DE PROBABILIDADES

La teora de probabilidades se ocupa de asignar un cierto nmero a cada

posible resultado que pueda ocurrir en un experimento aleatorio, con el fin de
cuantificar dichos resultados y saber si un suceso es ms probable que otro. Con
este fin, introduciremos algunas definiciones:

Suceso: Es cada uno de los resultados posibles de una experiencia aleatoria.

Ejemplos: Al lanzar una moneda salga cara. Al lanzar un dado se
obtenga 4.
Espacio muestral: Es el conjunto de todos los posibles resultados de una
experiencia aleatoria, lo representaremos por E (o bien por la letra griega ).
Ejemplos: Espacio muestral de una moneda: E =
{C, X}. Espacio muestral de un
dado: E = {1, 2, 3, 4, 5, 6}.
Suceso aleatorio: Suceso aleatorio es cualquier subconjunto del espacio
muestral. Ejemplos: Tirar un dado un suceso sera que saliera par,
otro, obtener mltiplo de 3, y otro, sacar 5.

EJEMPLO: Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente

tres bolas. Calcular:

1. El espacio muestral.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
2. El suceso A = {extraer tres bolas del mismo color}.
A = {(b,b,b); (n, n,n)}
3. El suceso B = {extraer al menos una bola blanca}.
B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
4. El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}

TIPOS DE SUCESOS

Exhaustivo: se dice que dos o ms sucesos son exhaustivos si se consideran

todos los posibles resultados. Simblicamente: p (A o B o...) = 1
No exhaustivos: se dice que dos o ms sucesos son exhaustivos si no cubren
todos los posibles resultados.
Mutuamente excluyentes: sucesos que no pueden ocurrir en forma simultnea:
P(A y B) = 0 y p(A o B) = p(A) + p (B)
Ejemplo: hombres, mujeres
Mutuamente no excluyentes: sucesos que pueden ocurrir en forma simultnea:
P (A o B) = p (A) + p (B) ? p (A y B)
Ejemplo: hombres, ojos cafs
Independientes: Sucesos cuya probabilidad no se ve afectada por la ocurrencia
o no ocurrencia del otro:
P ( A I B ) = P ( A ); P ( B I A ) = P (B) Y P (A Y B) = P(A) P(B)
Ejemplo: sexo y color de ojos
Dependientes: sucesos cuya probabilidad cambia dependiendo de la
ocurrencia o no ocurrencia del otro:
P ( A I B ) difiere de p (A); P ( B I A ) difiere de P(B);
Y P (A Y B)= P ( A ) P ( B I A )= P (B) P ( A I B )
Ejemplo: raza y color de ojos

PROPIEDADES DE LOS SUCESOS

 Unin de sucesos: La unin de sucesos, A B, es el suceso formado por todos
los elementos de A y de B.
Interseccin de sucesos: La interseccin de sucesos, A B, es el suceso
formado por todos los elementos que son, a la vez, de A y B.
Diferencia de sucesos: La diferencia de sucesos, A B, es el suceso formado
por todos los elementos de A que no son de B.
Sucesos contrarios: El suceso = E - A se llama suceso contrario o
complementario de A.

AXIOMAS DE LA PROBABILIDAD

1. La probabilidad es positiva y menor o igual que 1.

0 p(A) 1
2. La probabilidad del suceso seguro es 1.
p(E) = 1
3. Si A y B son incompatibles, es decir A B = entonces:
p(A B) = p(A) + p(B)

PROPIEDADES DE LA PROBABILIDAD

1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la

probabilidad del suceso contrario es:

2. Probabilidad del suceso imposible es cero.
3. La probabilidad de la unin de dos sucesos es la suma de sus probabilidades

restndole la probabilidad de su interseccin.

4. Si un suceso est incluido en otro, su probabilidad es menor o igual a la de
ste.
5. Si A1, A2,..., Ak son incompatibles dos a dos entonces:

6. Si el espacio muestral E es finito y un suceso es S = {x 1, x2, ..., xn} entonces:

EJEMPLO: La probabilidad de sacar par, al tirar un dado, es: P (par) = P (2) + P
(4) + P (6)

REGLA DE LAPLACE

Si realizamos un experimento aleatorio en el que hay n sucesos

elementales, todos igualmente probables, equiprobables, entonces si A es un
suceso, la probabilidad de que ocurra el suceso A es:

EJEMPLO: Calcular la probabilidad de que al echar un dado al aire, salga:

1. Un nmero par. Casos posibles: {1, 2, 3, 4, 5, 6}. Casos favorables: {2, 4, 6}.

2. Un mltiplo de tres. Casos favorables: {3, 6}.

3. Mayor que 4. Casos favorables: {5, 6}.

DIAGRAMAS DE RBOL

Para la construccin de un diagrama en rbol se partir poniendo una rama

para cada una de las posibilidades, acompaada de su probabilidad. En el final de
cada rama parcial se constituye a su vez, un nudo del cual parten nuevas ramas,
segn las posibilidades del siguiente paso, salvo si el nudo representa un posible
final del experimento (nudo final). Hay que tener en cuenta: que la suma de
probabilidades de las ramas de cada nudo ha de dar 1.
EJEMPLO: Una clase consta de seis nias y 10 nios. Si se escoge un comit de
tres al azar, hallar la probabilidad de:

1. Seleccionar tres nios.

2. Seleccionar exactamente dos nios y una nia.

3. Seleccionar exactamente dos nias y un nio.

4. Seleccionar tres nias.

TABLAS DE CONTINGENCIA

Un mtodo til para clasificar los datos obtenidos en un recuento es

mediante las tablas de contingencia. Se trata de tablas en cuyas celdas figuran
probabilidades, y en la cual podemos determinar unas probabilidades conociendo
otras de la tabla.

EJEMPLO: Se sortea un viaje a Roma entre los 120 mejores clientes de una
agencia de automviles. De ellos, 65 son mujeres, 80 estn casados y 45 son
mujeres casadas. Se pide:

1. Cul ser la probabilidad de que le toque el viaje a un hombre soltero?

2. Si del afortunado se sabe que es casado, cul ser la probabilidad de que
sea una mujer?

HOMBRES MUJERES
CASADOS 45 80
SOLTEROS
65 120

HOMBRES MUJERES
CASADOS 35 45 80
SOLTEROS 20 20 40
55 65 120

PROBABILIDAD FRECUENCIAL

En muchos casos la Estadstica se combina con los clculos de

Probabilidades con el fin de obtener informacin importante, a partir de la
recoleccin de datos y su anlisis. Por ejemplo, supngase que se tienen datos
estadsticos acerca de 500 individuos en edades entre 20 y 25 aos que
ingresaron a la Escuela Bsica y se retiraron en alguna etapa de su educacin, o
continuaron hasta graduarse de bachilleres; se clasifican en los siguientes grupos:

Se retiran de la Educacin formal antes de aprobar 6 to grado de Educacin

Bsica.
Se retiran de la Educacin formal despus de aprobar el 6togrado y antes de
aprobar el 9no grado.
Se retiran de la Educacin despus de aprobar el 9 no grado y antes de aprobar
el 2do ao del Ciclo Diversificado.
Se gradan de bachilleres.

Los datos son los siguientes:

Grupo 1 Grupo 2 Grupo 3 Grupo 4

105 250 100 45

La frecuencia relativa con nociones de Estadstica de cada grupo es:

Grupo 1 105 21 Grupo 2 250 1

= =
500 100 500 2
Grupo 3 100 1 Grupo 4 45 9
= =
500 5 500 100

En base a estos datos, se puede inferir que, si se escoge un individuo al

azar en la poblacin estudiada, la probabilidad de que sea bachiller es igual a la
frecuencia relativa del grupo 4. Este clculo de la probabilidad de un evento como
la frecuencia relativa del mismo es lo que se denomina ``probabilidad
Frecuencial''.

PROBABILIDAD Y COMBINATORIA

La combinatoria nos puede ser muy til para calcular los sucesos posibles y
favorables, al aplicar la regla de Laplace. Especialmente si hay un gran nmero de
sucesos.
EJEMPLO: Un grupo de 10 personas se sienta en un banco. Cul es la
probabilidad de que dos personas fijadas de antemano se sienten juntas?

Casos posibles: P10=10!

Casos favorables: Si consideramos las dos personas que se sientan juntas
como una sola persona habr 9!; pero pueden estar de dos formas posibles a
la izquierda uno de otro o a la derecha, por tanto se tiene 2 9!

DISTRIBUCIN BINOMIAL

Las caractersticas de esta distribucin son:

a. En los experimentos que tienen este tipo de distribucin, siempre se esperan

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

Para calcular la media y la desviacin estndar de un experimento que tenga

una distribucin Binomial usaremos las siguientes frmulas:

Media o valor esperado.

Dnde:
o n = nmero de ensayos o repeticiones del experimento
o P = probabilidad de xito o la probabilidad referente al evento del cual se
desea calcular la media que se refiere la media
o Q = complemento de P
Desviacin estndar.
EJEMPLO: Se dice que el 75% de los accidentes de una planta se atribuyen a
errores humanos. Si en un perodo de tiempo dado, se suscitan 5 accidentes,
determine la probabilidad de que; a) dos de los accidentes se atribuyan a errores
humanos, b) como mximo 1 de los accidentes se atribuya a errores de tipo
humano, c) tres de los accidentes no se atribuyan a errores humanos.

Solucin:

a) n = 5
x = variable que nos define el nmero de accidentes debidos a errores
humanos
x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano
p = p(xito) = p(un accidente se deba a errores humanos) = 0.75
q = p(fracaso) = p(un accidente no se deba a errores humanos) = 1-p = 0.25

b)

c) En este caso cambiaremos el valor de p; n =5

x = variable que nos define el nmero de accidentes que no se deben a errores
de tipo humano
x = 0, 1, 2,...,5 accidentes debidos a errores humanos
p = p(probabilidad de que un accidente no se deba a errores humanos) = 0.25
q = p(probabilidad de que un accidente se deba a errores humanos) = 1-p =
0.75

DISTRIBUCIN DE POISSON.
 En este tipo de experimentos los xitos buscados son expresados por
unidad de rea, tiempo, pieza, etc.:

# de defectos de una tela por m2

# de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
# de bacterias por cm2 de cultivo
# de llamadas telefnicas a un conmutador por hora, minuto, etc.
# de llegadas de embarcaciones a un puerto por da, mes, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo,
rea, o producto, la frmula a utilizar sera:

Dnde:

p(x, l) = probabilidad de que ocurran x xitos, cuando el nmero promedio de

ocurrencia de ellos es l
l = media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra

Hay que hacer notar que en esta distribucin el nmero de xitos que
ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada
intervalo de tiempo es independiente de otro intervalo dado, as como cada rea
es independiente de otra rea dada y cada producto es independiente de otro
producto dado.

EJEMPLO: Si un banco recibe en promedio 6 cheques sin fondo por da, cules
son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado,
b) 10 cheques sin fondos en cualquiera de dos das consecutivos?

Solucin:

a) x = variable que nos define el nmero de cheques sin fondo que llegan al
banco en un da cualquiera = 0, 1, 2, 3,...,
l = 6 cheques sin fondo por da
e = 2.718
b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco
en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das
consecutivos

Nota: l siempre debe de estar en funcin de x siempre o dicho de otra forma, debe
hablar de lo mismo que x.

DISTRIBUCIN NORMAL

Caractersticas:

Es generada por una variable de tipo continuo, denominada x; -< x <

La funcin que nos define esta distribucin es:

-< x < . Al dar a la funcin los valores

de m, s2 y valores a x, obtendremos la distribucin en cuestin, la que tiene
forma de campana, por lo que tambin se le conoce como campana de Gauss.
Hay un nmero infinito de funciones de densidad Normal, una para cada
combinacin de m y s. La media m mide la ubicacin de la distribucin y la
desviacin estndar se mide su dispersin.
Es simtrica con respecto a su eje vertical.
Es asinttica con respecto a su eje horizontal; esto quiere decir que jams va a
tocar el eje de las equis.
El rea total bajo la curva es 1.
S sumamos a m s, se observar que aproximadamente el 68.26% de
los datos se encuentran bajo la curva, si sumamos a m 2s, el 95.44% de
 los datos estar entre esos lmites y si sumamos a m 3s, entonces el 99.74%
de los datos caer dentro de esos lmites.

EJEMPLO: El acero que se utiliza para tuberas de agua a menudo se recubre

internamente con un mortero de cemento para evitar la corrosin. En un estudio
de los recubrimientos de mortero de una tubera empleada en un proyecto de
transmisin de agua en California (Transportation Engineering Journal, Noviembre
de 1979) se especific un espesor de 7/16 pulgadas para el mortero. Un gran
nmero de mediciones de espesor dieron una media de 0.635 pulgadas y una
desviacin estndar de 0.082 pulgadas. S las mediciones de espesor, tenan una
distribucin Normal, qu porcentaje aproximado fue inferior a 7/16 de pulgada?

Solucin:

x = variable que nos define el espesor del mortero en pulgadas

= 0.635 pulgadas
= 0.082 pulgadas

P (z = -2.41) = 0.492
P (x < 7/16 pulgadas) = 0.5- p (z = -2.41) = 0.5-0.492 = 0.008
Por tanto, 0.008 x 100% = 0.8% de los recubrimientos de mortero tienen un
espesor menor de 7/16 pulgadas