Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo 9 Teoria de La Probabilidad PDF
Modulo 9 Teoria de La Probabilidad PDF
Ejemplo:
Suponga que le interesa el número de caras que aparecen en tres lanzamientos de una
moneda. Tal es el experimento. Los posibles resultados son: cero caras, una cara, dos
caras y tres caras. ¿Cuál es la distribución de probabilidad del número de caras?
Hay ocho posibles resultados. En el primer lanzamiento puede aparecer una cara, una
cruz en el segundo lanzamiento y otra cruz en el tercer lanzamiento de la moneda. O
puede obtener cruz, cruz y cara, en ese orden. Para obtener los resultados del conteo
(5.8), aplique la fórmula de la multiplicación: (2)(2)(2), es decir, 8 posibles resultados.
Estos resultados se listan enseguida.
Lanzamiento de la moneda
Resultado Primero Segundo Tercero Número de
posible Caras
1 C C C 0
2 C C Cr 1
3 C Cr C 1
4 C Cr Cr 2
5 Cr C C 1
6 Cr C Cr 2
7 Cr Cr C 2
8 Cr Cr Cr 3
Observe que el resultado cero caras ocurre sólo una vez; una cara ocurre tres veces; dos
caras, tres veces, y el resultado tres caras ocurre una sola vez. Es decir, cero caras se
presentó una de ocho veces. Por consiguiente, la probabilidad de cero caras es de un
octavo; la probabilidad de una cara es de tres octavos, etc. La distribución de
probabilidad se muestra en la tabla 1. Como uno de estos resultados debe suceder, el
total de probabilidades de todos los eventos posibles es 1.000. Esto siempre se cumple.
La gráfica 1 contiene la misma información.
Tabla y Grafica1:
Distribución de probabilidad de los eventos relativos a cero, una, dos y tres caras en tres
lanzamientos de una moneda
Presentación gráfica del número de caras que resultan de tres lanzamientos de una
moneda y la probabilidad correspondiente.
Una variable aleatoria discreta adopta sólo cierto número de valores separados. Si hay
3,…, 100. Una variable discreta suele ser resultado de contar algo. Por definición:
Los tiempos de los vuelos comerciales entre Atlanta y Los Ángeles son de 4.67
horas, 5.13 horas, etc. La variable aleatoria es la cantidad de horas.
La presión, medida en libras por pulgada cuadrada (psi), en un nuevo neumático
Chevy Trail-blazer puede ser de 32.78 psi, 31.62 psi, 33.07 psi, etc. En otras
palabras, es razonable que se presente cualquier valor entre 28 y 35. La variable
aleatoria es la presión de la llanta.
Por lógica, si organiza un conjunto de posibles valores de una variable aleatoria en una
distribución de probabilidad, el resultado es una distribución de probabilidad. Así,
¿Cuál es la diferencia entre una distribución de probabilidad y una variable aleatoria?
Una variable aleatoria representa el resultado particular de un experimento. Una
distribución de probabilidad representa todos los posibles resultados, así como la
correspondiente probabilidad.
Las herramientas que se utilizan, así como las interpretaciones probabilísticas, son
diferentes en el caso de distribuciones de probabilidades discretas y continuas. ¿Cuál
diría que es la diferencia entre los dos tipos de distribuciones? Por lo general, una
distribución discreta es el resultado de contar algo, como:
El número de caras que se presentan en tres lanzamientos de una moneda.
El número de estudiantes que obtienen A en clase.
El número de empleados de producción que se ausentaron hoy en el segundo
turno.
El número de comerciales de 30 segundos que pasan en la NBC de las 8 a las
11de la noche.
Media
La media constituye un valor típico para representar la localización central de una
distribución de probabilidad. También es el valor promedio de larga duración de la
variable aleatoria. La media de una distribución de probabilidad también recibe el
nombre de valor esperado. Se trata de un promedio ponderado en el que los posibles
valores de una variable aleatoria se ponderan con sus correspondientes probabilidades
de ocurrir. La media de una distribución de probabilidad discreta se calcula con la
fórmula:
∑[ ( )] ←Formula 1
Aquí P(x) es la probabilidad de un valor particular x. En otras palabras, se multiplica
cada valor x por la probabilidad de que ocurra y enseguida se suman los productos.
John Ragsdale vende automóviles nuevos en Pelican Ford. Por lo general, John vende la
mayor cantidad de automóviles el sábado. Ideó la siguiente distribución de
probabilidades de la cantidad de automóviles que espera vender un sábado determinado.
Cantidad de automóviles
Probabilidad P(x)
vendidos, x
0 .10
1 .20
2 .30
3 .30
4 .10
Total 1.00
∑[ ( )]
= 0(.10)+1(.20)+2(.30)+3(.30)+4(.10)
=2.1
Estos cálculos se resumen en la siguiente tabla.
¿Cómo interpretar una media de 2.1? Este valor indica que, a lo largo de una gran
cantidad de sábados, John Ragsdale espera vender un promedio de 2.1 automóviles por
día. Por supuesto, no es posible vender exactamente 2.1 automóviles un sábado en
particular. Sin embargo, el valor esperado se utiliza para predecir la media aritmética de
la cantidad de automóviles vendidos a la larga. Por ejemplo, si John trabaja 50 sábados
en un año, puede esperar vender (50) (2.1) o 105 automóviles sólo los sábados. Por
consiguiente, a veces la media recibe el nombre de valor esperado.