Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Es un conjunto universal de los elementos que tienen correspondencia con los resultados de algn
experimento.
PUNTOS MUSTRALES.
Es un experimento a los resultados que corresponden a cada uno de los elementos se le define
como puntos mustrales.
EVENTO.
Es cualquier subconjunto de un espacio muestral.
DIFERENCIAS DE PROBABILIDAD.
Principio de razn insuficiente.
Este principio es fundamental para elegir uno de los resultados o sucesos, esto quiere decir que
todos los sucesos, tienen la misma probabilidad de ser elegidos.
FORMULA
Los sucesos deben de ser simtricos lo que limita mucho su aplicacin dado que los problemas
econmicos de negocios y financieros no guardan simetra.
FRECUENCIA RELATIVA.
Es la razn que guarda en un suceso la aparicin de un evento con respecto con un nmero.
ENFOQUE SUBJETIVO.
La probabilidad de ocurrencia de un suceso se interpreta como una medida de esperanza que se le
asigna a dicho suceso.
AXIOMAS PROBABILISTICOS.
Axioma de incertidumbre
La medida de que ocurra todo el espacio muestral es uno.
Axioma de positividad.
Nunca ser negativa la probabilidad de ningn evento.
Tomando los dos axiomas anteriores tenemos que la probabilidad de cualquier evento varia entre
0 y 1.
Eventos independientes
P (A n B) = P (A) + P (B)
Eventos de dependientes.
P (AnB) = P (A) * P (B / A)
FORMULA
Eventos complementarios.
P(A)=1-P(A)
Ejemplo 2
En general la probabilidad de que un prospecto realice una compra despus de haber sido
contactado por un vendedor es igual a P=.40. Si un vendedor selecciona aleatoriamente a 3
prospectos y establece contacto con ellos: cual es la probabilidad de que los tres realicen una
compra?
Puesto que se supone que las acciones de los prospectos son independientes entre si se aplica la
regla de la multiplicacin para eventos independientes
Una variable aleatoria continua Es la que puede tomar un nmero infinitamente grande de valore
que corresponde a los puntos en un intervalo de una recta. Las estaturas y los pesos de las
personas, el tiempo entre dos eventos, la vida tli de un equipo de oficina son ejemplo tpicos de
variables aleatorias.
El modelo probabilstico para la distribucin de frecuencias de una variable aleatoria continua
implica la seleccin de una curva generalmente regular o alisada a la que se le llama distribucin
de probabilidad de una variable aleatoria.
= =
( )()( )
= 2 = 2
( 1)
Con base en los siguientes datos se a determinado que el nmero de camiones de la siguiente
carga que arriba a una cierta hora determinada calcular:
1. El numero esperado de arribos por hora
2. La desviacin estndar de la variable aleatoria discreta
Las observaciones durante un largo periodo muestran que un vendedor determinado puede
concluir una venta en una sola entrevista con una probabilidad de 1.20. Supngase que el
vendedor entrevista a 4 prospectos:
A. Cul es la probabilidad de que 2 prospectos compren el producto
B. Cul es la probabilidad que al menos 2 prospectos compren el artculo
C. Cul es la probabilidad de que todos los prospectos compren el producto.
A causa de las condiciones econmicas imperantes una empresa informa que el 30% de sus cuentas
por cobrar a otras empresas comerciales estn sobre vencidas. Si un contador toma una muestra
aleatoria de 5 de esas cuentas determine la probabilidad de cada uno de los siguientes eventos:
a) Ninguna de las cuentas esta sobre vencida.
b) Exactamente dos cuentas estn sobre vencidas.
c) La mayora de las cuentas estn sobrevenidas.
d) Exactamente el 20% de las cuentas estn sobre vencidas.
Un furgn contena 20 computadoras electrnicas grandes, dos de las cuales estaban defectuosas;
si se selecciona al azar 3 computadoras, cul ser la probabilidad de que alguna de ellas tena
desperfectos.
Cierto grupo departamental se compone de 5 ingenieros y 9 tcnicos, si se elige aleatoriamente a 5
individuos para ser asignados a un proyecto. Cul es la probabilidad de que el grupo encargado del
proyecto incluya exactamente a los 2 ingenieros.
DISTRIBUCIN DE POISSON.
La distribucin de poisson puede usarse para determinar la probabilidad de ocurrencia de un
nmero establecido de eventos cuando estos ocurren en un continuum temporal o espacial. Este
proceso se llama proceso de Poisson; aunque es semejante al proceso de Bernoulli, se distingue de
el, en que los eventos ocurren a lo largo de un continuum (durante un intervalo de temporal, por
ejemplo) y en que no se dan ensayos propiamente dichos. Un ejemplo de un proceso de este tipo
seria la recepcin de llamadas telefnicas en un conmutador. Como es el caso del proceso de
Bernoulli, se supone que los eventos son independientes y el proceso estacionario.
Para determinar la probabilidad de ocurrencia de un nmero establecido de eventos en un proceso
de Poisson solo se requiere de un valor: el nmero medio de eventos a largo plazo en la dimensin
temporal o espacial especifica de inters. Por lo general esta media se representa como (lambda
FORMULA
Tabla de Z.