Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. FACTORIAL (n!)
Producto ordenado de los números enteros positivos, desde el que indica el signo
factorial, hasta llegar a 1.
Ejemplo:
* Tres factorial 3! = (3) (2) (1) = 6
* n factorial n! = (n) (n-1) ...(3) (2) (1) = (n-1)!n
Por definición 0! = 1
1! = 1
2. PERMUTACIONES (INTERESA EL ORDEN)
Objetos a y b, no es igual que a sea primero y b segundo, esto es (ab) ≠ (ba), hay dos
permutaciones
Son todas las ordenaciones diferentes utilizando todos los elementos a la vez.
Ejemplo
Tres elementos 1, 2, 3
muestras de dos sin repetición son: (1,2). (1,3), (2,3), (2,1), (3,1), (3,2)
con repetición sería: (1,2). (1,3), (2,3), (2,1), (3,1), (3,2), (1,1), (2,2), (3,3)
TÉCNICAS DE CONTEO
2. PERMUTACIONES (INTERESA EL ORDEN)
Permutaciones con repetición: nPk = nk
n!
Permutaciones sin repetición: nPk = (n k)!
C1 , C2 , C3 , C4 ,C 5
TÉCNICAS DE CONTEO
n
Combinaciones sin repetición n!
n Cr
k
k! (n - k)!
Solución
¿Son combinaciones o permutaciones?; son combinaciones, por que si se
toman las muestras (carne, vegetal, postre) son iguales, esto es no importa
el orden y es sin repetición.
Solución
¿Son combinaciones o permutaciones?; son combinaciones, por que si se
toman las muestras (carne, vegetal, postre) son iguales, esto es no
importa el orden y es sin repetición.
EVENTO
Puntos muestrales
Ejemplos:
1: Evaluar el estado de salud de una persona
elegida al azar de una población: s (sano) ó e
(enfermo)
2: Evaluar el estado de salud de tres personas
elegidas al azar de una población:(sss) ó (sse) ó
(ses) ó (ess) ó (see) ó (ese) ó (ees) ó (eee)
ESPACIO MUESTRAL ASOCIADO A UN
EXP. ALEATORIO:
Ejemplos:
1= {s , e}
AXIOMAS DE PROBABILIDAD
1. P(A) 0
2. 0 < P(A) < 1
3. P( ) = 1
4. Si A y B son mutuamente excluyentes
A B
P(A U B) = P(A)+P(B)
En general:
P(A1 U A2 U.... U An) = P(A1)+P(A2)+....+P(An)
5. Probabilidad de la Adición de Eventos
a) Si A y B no son mutuamente excluyentes A B
P(A U B) = P(A)+P(B) - P(A ∩ B)
PROBABILIDAD DE UN EVENTO
AXIOMAS DE PROBABILIDAD B
A
C
b) Si A, B y C no son mutuamente excluyentes
NOTA.- AC
A
P(A U AC) = P(A) U P(AC) = 1
Ejemplo: 400 empleados son objeto de estudio a través de una encuesta para
medir la satisfacción. Dentro del análisis se determina la siguiente tabla de
contingencia.
Tabla 1
Podemos ver que la tabla de contingencia proporciona una clara presentación del
número de resultados posibles de las variables relevantes.
¿Porcentaje de empleados satisfechos con su trabajo?
¿Porcentaje de trabajadores que sienten que no progresan en su organización
pero aun así están satisfechos?
La segunda forma de presentar el espacio muestral es usando un Diagrama de
Venn. Este diagrama representa gráficamente los diversos eventos como
“uniones” e “intersecciones” de círculos.
Así podemos ver que un poco más de la mitad de las quejas que
ocurrieron durante el periodo de garantía se debieron a rayones,
abolladuras u otras imperfecciones en la superficie de los procesadores
de alimentos.
Ejemplo:
***************************************************************
SEXO OCUPACION
Desempleados Empleados TOTAL
D D’
***************************************************************
Hombres H 40 460 500
Mujeres H’ 260 140 400
****************************************************************
TOTAL 300 600 900
*****************************************************************
Se elige un adulto al azar, cuál es la probabilidad de que:
a. Esté desempleado
b. Esté desempleado dado que es mujer
c. Esté desempleado dado que es varón
SOLUCION:
n(D H’) 260
a. P (D/M) = ---------------- = ------------ = 0.65
n(H’) 400
Interpretación:
Al elegir un adulto al azar, la probabilidad de que este desempleado dado
que es mujer es de 0.65.
EJEMPLO: Se dispone de 110 historias clínicas,
pertenecientes a pacientes masculinos y femeninos
agrupados por su nivel de hemoglobina.
Sexo M F
Estado (Masculino) (Femenino) Total
A (Anémico) 50 30 80
N
(Normal) 10 20 30
Total 60 50 110
Ejemplo 1:
Supóngase que el 2 % de la población en promedio sean zurdos. Hallar la
probabilidad que en 100 personas haya:
a) 3 o más zurdos.
P = 2 % = 0.02, n = 100 = (0.02)(100) = 2
P (x 3) = 1 - P ( x 2 ) = 1 - 0.677 = 0.323 = 32.3 %
b) exactamente 3 zurdos
c) 3 o menos zurdos
Ejemplo 2:
Suponga que el manuscrito de un texto de ingeniería tiene un total de 50 errores en
las 500 páginas del material. Los errores están distribuidos aleatoriamente a lo largo
del texto. Cuál es la probabilidad de que:
Una página seleccionada aleatoriamente no tenga errores.
Solución
Probabilidad de cometer error 50 / 500 = 0.1
a) = np reemplazando = (1)(0.1) = 0.1
P ( x = 0 ) = = 0.984 = 98.4% e 0.1 0.10
P(X 0) 0.984 98.4%
0!
DISTRIBUCIÓN POISSON
APROXIMACIÓN DE LA DISTRIBUCIÓN DE POISSON A LA BINOMIAL
N = Nº total de elementos
r = Nº de resultados de S en los N elementos
n = Nº de elementos extraídos
Y = Nº de resultados S en los n elementos
PROPIEDADES DE LA DISTRIBUCIÓN HIPERGEOMÉTRICA
nr 2 r(N r)n(N n)
;
N N 2 (N 1)
Ejemplo:
Se realiza un experimento para seleccionar un catalizador
apropiado para la producción comercial de etilendiamina
(EDA), un producto que se utiliza en jabones. Suponga que un
ingeniero químico selecciona al azar tres catalizadores para
probarlos dentro de un grupo de 10 catalizadores, seis de los
cuales tienen baja acidez y cuatro de los cuales son muy
ácidos.
a.Calcule la probabilidad de que no se escogerá un catalizador
muy ácido.
b. Calcule la probabilidad de que se escoja exactamente un
catalizador muy ácido.
Solución: N = 10, n = 3, r = 4, entonces:
4 10 4
0 3 0 1
P (0 ) 0 .1 6 7
10 6
3
DISTRIBUCIÓN NORMAL
(x )2
media 3.1416
1 2
Desv.típica
f (x) e 2 e 2.7182
2 2 x a b s cis a
var ianza
Parámetros
N( , ): para cada valor de y tendremos una función de densidad distinta, por lo tanto
la expresión N ( , 2) representa una familia de distribuciones normales.
DISTRIBUCIÓN NORMAL
FUNCIÓN DE DISTRIBUCIÓN
x (x )2
1 2 2
F (X ) P(X x) e d x, x
2
DISTRIBUCIÓN NORMAL
TIPIFICACIÓN O ESTANDARIZACIÓN
Por ejemplo:
P(Z 2.75) = 0.99702
Por ejemplo:
P(Z > 1.40) = 1- P(Z 1.40)
= 1 – 0.91924 = 0.08076
Otra forma de cálculo:
P(Z > 1.40) = P (Z - 1.40)
= 0.08076
DISTRIBUCIÓN NORMAL
Ejemplo de aplicación
Suponga que un consultor estaba investigando el tiempo que emplearon los obreros de
una planta automotriz en montar una parte específica después de su entrenamiento
para realizar la tarea usando un enfoque de aprendizaje individual.
El consultor determinó que el tiempo en segundos invertido por los obreros entrenados
con este método para montar la parte se distribuirá normalmente con una media de
75 segundos y una desviación estándar de 6 segundos. Cuál es la probabilidad de
que un obrero fabril seleccionado aleatoriamente pueda montar la parte en:
a. menos de 62 segundos
b. En menos de 75 segundos o en más de 81 segundos
c. Entre 75 y 81 segundos
d. En más de 81 segundos
e. ¿Cuántos segundos debe transcurrir antes de que el 50% de los obreros
monten la parte?
f. Cuál es el alcance del primer cuartil (en segundos) para que los obreros
monten la parte.
DISTRIBUCIÓN NORMAL
Aproximación a la normal de la ley binomial
Se puede demostrar (teorema central del límite) que una v.a. discreta con
distribución binomial, se puede aproximar mediante una distribución normal
si n es suficientemente grande y p no está ni muy próximo a 0 ni a 1. Como el
valor esperado y la varianza de X son respectivamente np y npq, El convenio
que se suele utilizar para poder realizar esta aproximación es:
Ejemplo
Durante cierta epidemia de gripe, enferma el 30% de la población. En un
aula con 200 estudiantes de Ingeniería, (a) ¿cuál es la probabilidad de que
al menos 40 padezcan la enfermedad? (b) calcular la probabilidad de que
haya 60 estudiantes con gripe.
DISTRIBUCIÓN NORMAL
Realizar los cálculos con la ley binomial es muy engorroso, ya que intervienen
números combinatorios de gran tamaño, y potencias muy elevadas. Por ello
utilizamos la aproximación normal de X, teniendo en cuenta que se verifican las
condiciones necesarias para que el error sea aceptable
Así aproximando la v.a. discreta binomial X, mediante la v.a. continua normal
XN tenemos:
DISTRIBUCIÓN NORMAL