Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definición:
El conjunto de todos los posibles resultados de un experimento aleatorio
o estocástico ε recibe el nombre de Espacio Muestral (Ω) (Espacio
Referencial o Universo).
En el estudio de la probabilidad, se referirá como un experimento a
cualquier proceso de observación. A los resultados de esta observación
se le llama “resultados o salidas del experimento” Un experimento ε es
aleatorio, si no se pueden predecir sus resultados o salidas.
Definición:
Se dice que un Espacio Muestral Ω es discreto si los resultados pueden
colocarse en correspondencia uno a uno con el conjunto IN; y será
continuo si sus resultados consisten en un intervalo de números reales.
Definición:
Un suceso A es un subconjunto del Espacio Muestral Ω. Se anota como
A ⊂ Ω.
Definición:
Ejemplos:
1. - Sea el experimento aleatorio ε: “Lanzar un dado”. El conjunto Ω de
todos los resultados posibles, en este caso es Ω = { 1, 2, 3, 4, 5, 6 }.
Veamos ahora algunos ejemplos de sucesos relacionados a este caso:
A = { El resultado es par } = { 2, 4, 6 }
B = { El resultado es mayor que 3 } = { 4, 5, 6 }
C = { El resultado es menor o igual a 6 } = Ω ( C es un suceso seguro )
D = { El resultado es mayor que 6 } = ∅ ( D es un suceso imposible )
2
Nota:
El espacio muestral Ω puede ser interpretado gráficamente para
ambos experimentos así:
3
Ω = {τ / 0 ≤ τ ≤ ∞}
Axiomática de Probabilidades
Conceptos Previos
Operaciones de Boole
Axiomas de Probabilidad
La probabilidad de ocurrencia del suceso A es P(A) si cumple los siguientes
axiomas:
A1.- ∀ A ⊂ Ω ⇒ 0 ≤ P(A) ≤ 1
A2.- P(Ω) = 1
Teoremas de Probabilidades
T1.- Si ∅ es el suceso imposible, entonces P(∅) = 0
P( AC ) = 1 – P(A)
Definición:
Dos sucesos A y B se dicen Estadísticamente Independientes
(independientes) sí y sólo si:
CONSECUENCIAS
A y B sucesos Independientes
1 P(A) = 0 ∨ P(B) = 0
A y B sucesos Excluyentes
A y B sucesos Independientes
2 A y B son sucesos No Excluyentes
P(A) > 0 ∧ P(B) > 0
A y B sucesos Excluyentes
3 A y B son sucesos No Independientes
P(A) > 0 ∧ P(B) > 0
Probabilidad Condicional
Definición:
Sean A y B dos sucesos cualesquiera, donde P(B) > 0, entonces
definimos:
P ( A ∩ B)
P ( A / B) = ; (PC1)
P (B)
Ejemplo:
Sean A y B dos sucesos tales que:
P(A) = 0.8
P(B) = 0.6
P(A∩B) = 0.5 ( ⇐ A y B son sucesos no excluyentes )
Calcular las probabilidades de los siguientes sucesos:
a.- No ocurre el suceso A
b.- ocurre sólo el suceso A
c.- ocurre al menos uno de los dos sucesos
d.- ocurre sólo uno de los dos sucesos
e.- no ocurre ninguno de los dos sucesos
Respuestas:
b.- ocurre sólo A ⇒ P(A\B) ⇒ P(A\B) = P(A) – P(A∩B) = 0.8 – 0.5 = 0.3
por lo tanto:
por otra parte: P(A∪B) = P(A) + P(B) – P(A∩B) = 0.8 + 0.60 – 0.5 = 0.9
Respuestas:
Sea S y C el Sobre i y la Carta i respectivamente, con i = 1, 2, 3, 4.
i i
El diagrama de árbol nos muestra las siguientes posibilidades:
Ω = { (c1, s1), (c1, s2), (c1, s3), (c1, s4), (c2, s1), (c2, s2), ), (c2, s3), (c2, s4),
(c3, s1), (c3, s2), ), (c3, s3), (c3, s4), (c4, s1), (c4, s2), (c4, s3), (c4, s4) }
A = { (c1, s1), (c2, s2), (c3, s3), (c4, s4) } cuya cardinalidad es 4 (#A = 4)
A ∪ B = (A ∩BC) ∪ (A ∩ B ) ∪ (AC∩ B )
A ∪ B = (A \ B) ∪ (A ∩ B ) ∪ (B \ A)
a) Exactamente i caras
( i = 0,1, 2, 3 )
b) Por lo menos i caras
CSS ▼
C (S,C,C)
C SCC ♣ ▼ □
S (S,C,S)
S SCS ■ ▼
C (S,S,C)
S
SSC ■ ▼
S (S,S,S) SSS ♪ ☻
#Ω 8 1 2 3 1 1 7 4 1
Probab. 1/8 1/4 3/8 1/8 1/8 7/8 1/2 1/8
Suceso pregunta a Suceso pregunta b
Respuesta a:
Respuesta b:
Respuesta c:
Respuesta d:
Respuesta:
NEGROS OTRO COLOR ∑
♂ : Alumno hombre ♂ 5 5 10
♀ : Alumno mujer ♀ 10 10 20
N : Alumno de ojos negros ∑ 15 15 30
Esto último nos dice que la probabilidad que de dos sucesos, ocurran ambos es
el producto de la probabilidad que ocurra uno de los sucesos y la probabilidad
que ocurra el otro suceso si el primero ha ocurrido (ocurre o ocurrirá). Así:
P(B) P(A / B)
1/14
Acierto
2/15
Acierto
13/14
Error
2/14
Acierto
13/15
Error
12/14
Error
I O
C 1/10 E 1/10
14
Sean:
P(XYO) = : Probabilidad que el dispositivo X y el dispositivo Y se encuentren
operativos (funcionando).
Así:
Del gráfico del circuito se puede apreciar que existen 4 rutas posibles para la
salida O a partir de la entrada I; a saber:
15
1. IABDO
2. IABEO
3. I CD O
4. I CE O
I O
C 1/10 E 1/10
P(AF ∪ BF) = P(AF) + P(BF) – P(AF ∩BF) y como son sucesos independientes
P(EO) 0,9 O
P(DF)
0,1
P(EF) 0,1
P(AO ∪ BO) 0,9801
P(DO)
O
0,9
P(CF)
0,1
P(AF ∪ BF) 0,0199 P(DO) 0,9 O
P(CO)
P(EF) 0,1
0,9
P(DF) 0,1
P(EO) 0,9 O
16
0,9801*0,1*0,9+0,9801*09+0,0199*0,9*0,9+0,0199*0,9*0,1*0,9=0,9880299.
Así con esta configuración existe un casi 99% de probabilidades que el
circuito funcione correctamente.
En un curso, se presenta un caso de Tifoidea y tres casos de Gripe. Las edades de los
alumnos fluctúan entre los 12 y los 15 años. Suponga que para este grupo etario la
tasa de incidencia de la Tifoidea es de un 5% y la de Gripe un 8%. Se sabe a priori
que ambos sucesos son independientes. Si se selecciona aleatoriamente un alumno
del curso, indique cuál es la probabilidad que el alumno seleccionado:
a) No enferme de Tifoidea
b) No sufra de Gripe
c) Enferme de Gripe y Tifoidea
d) Presente cualquiera de las enfermedades pero no ambas
e) No presente ninguna de las enfermedades
Respuesta a:
P( T c ) = 1– P( T ) = 1– 0,05 = 0,95
Respuesta b:
P( G c ) = 1– P( G ) = 1– 0,08 = 0,92
Respuesta c:
Respuesta d:
Respuesta e:
Respuesta a:
P(A ∩ B) = ? ; A y B eventos independientes con P(A) = 0,5 y P(B) = 0,75
esto nos dice que A y B son sucesos no excluyentes.
Por otro lado, A y B independientes si y sólo si P(A ∩ B) = P(A)* P(B) de
modo que
P(A ∩ B) = 0,5*0,75 = 0,375
Respuesta b:
P(A ∪ B) = ?
P(A ∪ B) = P(A) + P(B) – P(A ∩ B) = 0,5 + 0,75 – 0,375 = 0,875
Respuesta c:
P([A ∪ B] c) = ?
P([A ∪ B] c) = 1– P(A ∪ B) = 1– 0,875= 0,125
18
n
P(B) = ∑ P(B / A ) · P(A ) ; (PT1)
i=1 i i
n
Partición: {A } donde los conjuntos A son mutuamente excluyentes
i i =1 i
y de la unión de éstos resulta Ω, en lenguaje matemático:
n
Ω= ∪{ Ai } = A ∪ A ∪ ......... ∪ A
i =1 1 2 n
Ω A . . . . . ..
n
.
A .
1
B .
A A
2 4
A
3
19
Teorema de Bayes
n
Sea { A } una partición de Ω tal que P(A ) > 0 ;∀ i = 1, 2, ........, n y sea
i i =1 i
B un suceso tal que P(B) > 0. Entonces para cualquier 1 ≤ k ≤ n se tiene:
P( B / A ) * P( A )
P( A / B) = n k k
; 1≤ k ≤ n ; (TB1)
k
∑ P( B / A ) * P( A )
i =1 i i
M1 Ω
B
M2
M3
3
P( B) = ∑ P( B / M ) * P( M ) donde P(B/Mi) es la probabilidad de que
i =1 i i
el artículo defectuoso provenga de la máquina iésima y donde P(Mi) es la
probabilidad de producción de artículos de la máquina iésima (buenos y
defectuosos). En cambio el Teorema de Bayes responde a la contingencia que
presenta la siguiente situación:
P( B / M ) * P( M )
P( M / B) = 3 k k
; 1≤k ≤ 3
k
∑ P( B / M ) * P( M )
i =1 i i
EJEMPLO:
En una industria hay tres máquinas que fabrican el mismo artículo, y su
producción diaria está detallada en el siguiente cuadro:
Respuesta a)
5 4 6 15 1
= + + = =
600 600 600 600 40
= 0,025
22
Respuesta b)
La respuesta nos la entrega el Teorema de Bayes. Así esta probabilidad es:
Ahora se verá cómo resolver el mismo problema, pero usando la técnica de los
diagramas decisionales o de árbol:
5 ( D)
200
200
1 600
195
200 (B)
4 ( D)
250
250
2 600
246 ( B )
250
6 ( D)
150
150
3 600
144 ( B )
150
23
150 6
*
2
P(M3/Defectuoso) = 600 150 = = 0,4
1 5
40
Veamos otros ejemplos de las aplicaciones de estos teoremas:
P(a) = 0,6 * 0,8 + 0,4 * 0,4 = 0,64 es la probabilidad que una persona
cualquiera apruebe el Test de Selección.
0 , 6 * 0 ,8
P(b) = = 0,75 es la probabilidad que una persona que aprueba el Test
0 , 64
de Selección resulte adecuada para el cargo.
Se desea ir al centro de la ciudad y llegar antes de las 18:00 hrs. Se sabe que:
TX Taxi AT 0,8
OML Otro medio de locomoción
TX
AT A tiempo (Antes de las 18:00 hrs.)
T Tarde (Después de las 18:00 hrs.) 0,3 T 0,2
AT 0,4
OML
0,7 T 0.6
1
Los valores subrayados corresponden a los datos entregados por el enunciado del problema
25
0,7*0,6
P(b) = = 0,875 es la probabilidad de llegar atrasado al
0,3*0, 2 + 0,7*0,6
centro de la ciudad si no se recurre al taxi.
SP 0,1
B
0,3 DP 0,9
P(a) = 0,4 * 0,8 + 0,3 * 0,2 + 0,3 * 0,1 = 0,41 es la probabilidad que la acción
de la empresa suba de precio durante los próximos seis meses.
26
( + ) 0,98
Con Cáncer
0,03 ( - ) 0,02
( + ) 0,04
Sin Cáncer
0,97 ( - ) 0,96
0,03*0,98
P(a) = = 0,431
0,03*0,98+ 0,97*0,04
Renuncia 0,6
Continúa 0,4
Renuncia 0,4
Continúa 0,6
Renuncia 0,9
Continúa 0,1
Correcto 72%
Defectos estructurales
40% Erróneo 28%
Correcto 88%
Otras causas
60% Erróneo 12%
0, 4*0,72
= 0,353
0, 4*0,72+ 0,6*0,88
Éxito 0,4
RCR
0,7 Fracaso 0,6
Éxito 0,452
CLV
0,3 Fracaso 0,548
29
0,3*0, 452
= 0,326
0,3*0, 452+ 0,7*0, 4
Una urna contiene 3 bolas blancas y 5 bolas negras. Se extrae una bola al azar y se
la separa. Luego se extrae otra bola; ¿Cuál es la probabilidad que esta segunda bola
sea blanca?.
Blanca 2 / 7
Blanca 3 / 8
Negra 5/7
Blanca 3 / 7
Negra 5/8
Negra 4/7
3 2 5 3 3
La probabilidad que esta segunda bola sea negra es: * + * = = 0,375
8 7 8 7 8
La siguiente figura explica la forma de asignar las probabilidades al diagrama
decisional:
B B
N N
B B B B N N N
N N
B B B
N N N
N N
N
N N
30
Acierto 1/3
C1 (Apropiada) 1/3
Falla 2/3
Acierto 1/3
C2 (Apropiada) 1/3
Falla 2/3
Acierto 1/5
C3 (Inapropiada) 1/3
Falla 4/5
1 1 1 1 1 1 13
P(a) = * + * + * = = 0,2 8
3 3 3 3 3 5 45
La respuesta a la pregunta b) la podemos obtener, calculando la probabilidad
de ocurrencia del suceso contrario, es decir, dado que ha logrado pescar un
pez, la probabilidad que lo haya hecho usando la carnada inapropiada es:
31
1 1
*
3 5 3 3 10
= ⇒ P(b) = 1 - = ≈ 0,769
13 13 13 13
45
También se puede contestar esta pregunta fijándose directamente en el
diagrama y notando que la probabilidad pedida es:
1 1 1 1 1 1
* + * 2* *
3 3 3 3 3 3 10
P(b) = = = , puesto que según el diagrama y
13 13 13
45 45
usando la notación de los teoremas de la Probabilidad Total y de Bayes:
1 1
*
P(C1 / B) = P(C2 / B) = 3 3 siendo B el suceso de atrapar un pez.
13
45
C1 Ω
B
C2
C3
Mono explicatorio
Enfermedad Sintomatología
X 99%
A
2% ~X 1%
X 50%
B
0,5% ~X 50%
X 0,4%
C
97,5% ~X 99,6%
0,02*0,99
≈ 0,756
0,02*0,99+ 0,005*0,5+ 0,975*0,004
Esto quiere decir que algo más de las 3/4 partes de la población que presenta
el síntoma X ha contraído la enfermedad A de alta gravedad.
Alto 60%
Fútbol
50% Bajo 40%
Alto 45%
Novela
30% Bajo 55%
Alto 18%
Opera
20% Bajo 82%
0, 2*0,82
≈ 0,31
0, 2*0,82+ 0,3*0,55+ 0,5*0, 4
Crítica optativa
Un análisis más a fondo del problema nos indica que la calidad de la televisión
de ese país de América del Sur parece no ser muy buena, puesto que un simple
cálculo de la probabilidad de obtener bajas tasas de sintonía alcanza al 52,9%.
De tres cajas PortaCDs idénticas una contiene dos CDs musicales de moda (CD In) y
otro pasado de moda (CD Out), una segunda caja contiene un CD de moda y un CD
pasado de moda, y la tercera contiene dos CDs pasados de moda. Todos los CDs
fueron grabados en forma pirata, y ninguno posee etiquetas de identificación. Tras
tomar una de las cajas al azar, un empleado toma al azar un CD de la misma. Si este
CD resultó ser uno de moda, ¿Cuál es la probabilidad que el otro CD tomado de la
misma caja sea también un CD de moda?
CDIN CD de moda C1 C2 C3
CDOUT CD pasado de moda CDIN CDIN CDOUT
Ci Caja PortaCD i (i = 1, 2, 3 ) CDIN CDOUT CDOUT
Ci 1° Elección 2° Elección
CDIN (1/1)
CDIN (2/2)
CDOUT (0/1)
C1 (1/3)
CDIN (0/1)
CDOUT (0/2)
CDOUT (0/1)
CDIN (0/1)
CDIN (1/2)
CDOUT (1/1)
C2 (1/3)
CDIN (1/1)
CDOUT (1/2)
CDOUT (0/1)
CDIN (0/1)
CDIN (0/2)
CDOUT (1/1)
C3 (1/3)
CDIN (0/1)
CDOUT (2/2)
CDOUT (1/1)
∑
n
Ω A . . . . . .
n
A .
1
B .
.
A A A
2 3 4
36
P(B / A ) * P( A ) ; 1≤ k ≤ n ;
P(A / B) = k k
∑
n
k
P(B / A ) * P( A )
i i
i =1
(TB1)
La representación en diagramas de árbol para estos teoremas queda como:
A1 P(B/A1)
P(A1) B
A2 P(B/A2)
P(A2) B
A3 P(B/A3)
P(A3) B
▪
▪
▪
Ak P(B/Ak)
P(Ak) B
▪
▪
▪
An P(B/An)
P(An) B
37
Sea una moneda “cargada”, donde la probabilidad que al lanzarla resulte cara es 2/3
y que salga sello es 1/3.
¿Cuál es la probabilidad que al lanzarla 3 veces seguidas, resulten 3, 2, 1 y 0 caras?
Obtener el diagrama de la distribución de probabilidades, y comparar la situación
con el diagrama de probabilidades de una moneda “buena”.
L1 L2 L3 Ω Conteo
2/3 C (C,C,C) ■
C
2/3 1/3 S (C,C,S) ♫
C
1/3 2/3 C (C,S,C) ♫
S
2/3 1/3 S (C,S,S) ♪
P(i) Resultado
□ P(0) 1/3*1/3*1/3
♪ P(1) 2/3*/1/3*1/3+1/3*2/3*1/3+1/3*1/3*2/3
♫ P(2) 2/3*/2/3*1/3+2/3*1/3*2/3+1/3*2/3*2/3
■ P(3) 2/3*2/3*2/3
∑P(i) 1
⎛ n⎞ k n−k n! k n −k
P( X = x) = P( x = k ) = ⎜ ⎟q × (1 − q) = q × (1 − q)
⎝k ⎠ (n − k )!×k!
Si n = 1, la distribución binomial recibe el nombre de distribución de
Bernoulli
38
3− k 3− k
⎛ 3 ⎞⎡2 ⎤k ⎡1 ⎤ 3! ⎡2 ⎤
k
⎡1 ⎤
P (k ) = ⎜ ⎟⎢ ⎥ × ⎢ ⎥ = × ⎢ ⎥
⎝ k ⎠⎣3 ⎦ ⎣3⎦ ( 3 − k )! × k ! ⎢⎣ 3 ⎥⎦ ⎣3⎦
3− 0
⎛ 3 ⎞⎡ 2 ⎤0 ⎡1 ⎤ 3! ⎡ 2 ⎤
0
⎡1 ⎤
3
1
P (0 ) = ⎜ ⎟ ⎢ ⎥ × ⎢ ⎥ = × ⎢ ⎥ =
⎝ 0 ⎠⎣ 3 ⎦ ⎣3 ⎦ 3 !× 0 ! ⎢⎣ 3 ⎥⎦ ⎣3 ⎦ 27
3−1
⎛ 3 ⎞ ⎡ 2 ⎤1 ⎡1 ⎤ 3! ⎡ 2 ⎤
1
⎡1 ⎤
2
6 2
P (1 ) = ⎜ ⎟ ⎢ ⎥ × ⎢ ⎥ = × ⎢ ⎥ = =
⎝ 1 ⎠⎣ 3 ⎦ ⎣3 ⎦ 2 !× 1 ! ⎢⎣ 3 ⎥⎦ ⎣3 ⎦ 27 9
3− 2
⎛ 3 ⎞⎡2 ⎤2 ⎡1 ⎤ 3! ⎡ 2 ⎤
2
⎡1 ⎤
1
12 4
P (2) = ⎜ ⎟⎢ ⎥ × ⎢ ⎥ = × ⎢ ⎥ = =
⎝ 2 ⎠⎣3 ⎦ ⎣3⎦ 1 !× 2 ! ⎢⎣ 3 ⎥⎦ ⎣3⎦ 27 9
3− 3
⎛ 3 ⎞⎡ 2 ⎤3 ⎡1 ⎤ 3! ⎡ 2 ⎤ 3 ⎡1 ⎤
0
8
P (3 ) = ⎜ ⎟ ⎢ ⎥ × ⎢ ⎥ = ⎢ ⎥ × ⎢ ⎥ =
⎝ 3 ⎠⎣ 3 ⎦ ⎣3 ⎦ 0 !× 3 ! ⎣ 3 ⎦ ⎣3 ⎦ 27
3− k 3
⎛ 3 ⎞⎡ 1 ⎤ k ⎡ 1 ⎤ 3! ⎡ 1 ⎤
P (k ) = ⎜ ⎟⎢ ⎥ × ⎢ ⎥ =
⎝ k ⎠⎣ 2 ⎦ ⎣ 2 ⎦ ( 3 − k )! × k ! ⎢⎣ 2 ⎥⎦
3
⎛ ⎞⎡1 ⎤
3 1
P (0 ) = ⎜ ⎟ ⎢ ⎥ =
⎝ 0 ⎠⎣ 2 ⎦ 8
3
⎛ 3 ⎞⎡ 1 ⎤ 3
P (1 ) = ⎜ ⎟ ⎢ ⎥ =
⎝ 1 ⎠⎣ 2 ⎦ 8
3
⎛ 3 ⎞⎡ 1 ⎤ 3
P (2 ) = ⎜ ⎟⎢ ⎥ =
⎝ 2 ⎠⎣ 2 ⎦ 8
⎛ 3 ⎞⎡ 1 ⎤3 1
P (3 ) = ⎜ ⎟ ⎢ ⎥ =
⎝ 3 ⎠⎣ 2 ⎦ 8
Hallar la probabilidad que un trabajador opere, de una manera adecuada, una nueva
maquinaria en la i-ésima oportunidad de manejarla.
X P(X) Explicación
0 1/120 P(FFFF)
1 1/12 P(FFFO) + P(FFOF) + P(FOFF) + P(OFFF)
2 7/24 P(OOFF) + P(OFOF) + P(OFFO) + P(FOOF) + P(FOFO) + P(FFOO)
3 5/12 P(FOOO) + P(OFOO) + P(OOFO) + P(OOOF)
4 1/5 P(OOOO)
Σ 1 P(0) + P1) + P(2) + P(3) + P(4)
1/20
1/120
0
0 1 2 3 4
[ X ] N° de operaciones correctas en 4 intentos
42
m
i)
n
Por otra parte, la probabilidad de capturar un pez marcado tomando como
espacio muestral la población total N de peces está dada por:
M
ii)
N
Así, igualando ambas probabilidades, puesto que según los conocimientos del
estadístico, deberían ser iguales:
M m
=
N n
de donde se obtiene para el número N de la población:
M
iii) N=
m
n
Se ve que la idea del estadístico es sencilla, pero en términos de eficacia, sería
mucho más eficiente repetir la experiencia de las etapas 1° y 2° un número k
de veces -por ejemplo, k = 15- para así obtener los valores medios de M y de
la probabilidad m/n y expresar el número N como el cuociente entre los
43
M
iv) N=
m
n
44
Unidades estándar
Supóngase que en un curso de diez alumnos se tienen las notas finales de los
ramos de Estadísticas y Contabilidad que a continuación se detallan:
Estadísticas Contabilidad
Alumno Nota Alumno Nota
1 5,60 1 4,80
2 6,40 2 6,40
3 4,50 3 3,60
4 6,80 4 3,80
5 3,50 5 6,40
6 4,60 6 5,20
7 5,60 7 5,60
8 6,80 8 4,20
9 5,40 9 4,00
10 4,40 10 3,50
Promedio 5,36 Promedio 4,75
Desv. Típica 1,05 Desv. Típica 1,05
6 , 40 − 5 , 36
Z = = 0 , 99
2 Est 1 , 05
6 , 40 − 4 , 75
Z = = 1 , 57
2 Cont 1 , 05
Como Z2Cont > Z2Est entonces la nota 6,40 obtenida por el alumno 2 en
contabilidad es mejor que el 6,40 que obtuvo en estadísticas.
Nota: Los puntajes estandarizados, por tratarse de números reales, son mejores
mientras más a la derecha se ubiquen en la recta numérica de los reales.
96 − 95
Z = = 0 ,5
1 2
88 − 90
Z = = − 0 ,2
2 10
110 − 100
Z = = 0 ,9
3 11
x 0 1 2 3 4 5 6 7
p(x) 1/p 1/p 4/p 5/p 3/p 2/p 1/p 1/p
Respuesta a)
∑
Como
p(x) = 1
x= 0
entonces 1 = 1/p + 1/p + 4/p + 5/p + 3/p + 2/p + 1/p + 1/p y así 18/p = 1, en
consecuencia p = 18
Así la tabla de la función cuantía resulta:
x 0 1 2 3 4 5 6 7
p(x) 1/18 1/18 4/18 5/18 3/18 2/18 1/18 1/18
Distribución de Probabilidad
Probabilidad
3/10 5/18
1/4 2/9
1/5 1/6
3/20
1/9
1/10
1/18 1/18 1/18 1/18
1/20
0
0 1 2 3 4 5 6 7
x [ N° goles marcados ]
47
Respuesta b)
Respuesta c)
La esperanza matemática, o el valor esperado del número de goles, E(X), es:
7
E( X ) =
∑ x =0
xp ( x ) = 0 × 118 + 1 × 118 + 2 × 2 9 + 3 × 518 + 4 × 1 6 + 5 × 19 + 6 × 118 + 7 × 118 = 59
18
= 3 518
∑ ( )2
2 2 2 2 2 2 2 2 2 2
V( X ) = x p(x) − E (X) = 0 × 118+1 × 118+ 2 × 29 + 3 × 518+ 4 × 16 + 5 × 19 + 6 × 118+ 7 × 118− 59
18
x=0
V ( X ) = 2 281 324 = 929 ⇒ σ = V (X ) = 929
324 ≅ 1 , 693305
324
X
La interpretación de esto es que el verdadero valor de la esperanza de X (con
un 66,7 % de probabilidad de ser así) se encuentra entre los valores:
[ E(X) - σX , E(X) + σX ]
es decir: 1,58447 ≤ E(X) ≤ 4,97108, se puede interpretar con el mismo rango
de probabilidad que el promedio de goles por partido varía entre 2 y 4 tantos.
f(x)
x
0 1 2 3
48
⎧ kx ∀ x ∈ [0 ,1 [ ⎫
⎪ ⎪
f (x) = ⎨ k ∀ x ∈ [1 , 2 [ ⎬
⎪ − kx + 3 k ∀ x ∈ [2 , 3 ]⎪
⎩ ⎭
Se sabe que para que f(x) sea una fdp debe cumplir con:
+∞ 0 1 2 3 ∞
∫
−∞
f ( x ) dx = 1 ⇔ 1 =
∫ ∫ ∫ ∫
−∞
0 dx +
0
kxdx +
1
kdx +
2
( − kx + 3 k ) dx +
∫
3
0 dx
P (a ≤ x ≤ b) =
∫a
f ( x ) dx ∀ a ∧ b ∈ℜ
en consecuencia, se tiene:
+∞ 2 3 +∞
P (1,5 ≤ x ∠ + ∞ ) =
1,5
∫ f ( x ) dx =
∫
1, 5
1 dx +
2
∫2
( −1 2 x + 3 2 ) dx +
∫
3
0 dx
1,5+ε 1,5+ε
P ( X = 1,5) = lim
ε →0 ∫
1,5−ε
f (t )dt = lim
ε →0
1,5−ε
∫ 1 tdt = lim
2 ε →0
ε =0
Nota:
Para una variable aleatoria continua, la probabilidad que ésta alcance un valor
determinado siempre es nula, sin embargo, no lo es cuando la probabilidad se
calcula en torno a un rango de un valor de la variable.
Ejemplo: En un curso de 35 alumnos cuyas estaturas van desde 1.42 m hasta
1,78 m, se puede calcular una probabilidad no nula que la estatura varíe, por
ejemplo entre 1,58m y 1,65 m. Sin embargo, la probabilidad que la estatura
sea de exactamente 1,61 m es nula, porque este valor de la estatura, que se
puede dar dentro del curso, puede variar según la precisión del instrumento de
medición.
Justificación Matemática
La probabilidad que el valor x de una variable aleatoria X se encuentre entre x
y x + Δx es:
x+Δx
∫
de manera que si Δx→ 0, se tiene
P (x ≤ X ≤ x + Δx) = f ( t ) dt
x
aproximadamente P ( x ≤ X ≤ x + Δ x ) = f ( x ) Δ x y calculando el límite
cuando x tiende a cero se obtiene que P(X = x) = 0.
50
Variable Aleatoria
Definición:
Sea ε un experimento y Ω el espacio muestral asociado con él. Una
función X que asigna a cada uno de los elementos s de Ω, un número
real X(s), se llama variable aleatoria.
X(CC) = 2
X(CS) = X(SC) = 1
X(SS) = 0
Ω RX
s X(s)
Definición:
Sea ε un experimento y Ω el espacio muestral asociado con él. Sea X una
variable aleatoria definida y sea RX su recorrido. Sea B un evento
respecto a RX, es decir, B ⊆ RX. Supóngase que A se define como:
Ω RX
A B
s X(s)
Definición:
Sea B un evento en RX, entonces:
P(B) = P(A) donde A = { s ∈ Ω / X(s)∈ B} (**)
es decir, se define P(B) igual a la probabilidad del evento A ⊆ Ω en el
sentido dado por (*)
(En realidad no había elección acerca del valor P(X = 1) consistente con (**),
una vez determinada P(CS, SC). En este sentido, se inducen las
probabilidades asociadas con eventos de RX)
52
Definición:
Se dice que X es una variable aleatoria continua, si existe una función
f, llamada función de densidad de probabilidad (fdp) de X, que satisface
las siguientes condiciones:
∫
− ∞
f ( x ) dx = 1
c) ∀ a<b∈ ℜ se tiene: b
P (a ≤ x ≤ b ) =
∫
a
f ( x ) dx
Nota i:
c
De c) se deduce
P (x = c) =
∫c
f ( x ) dx = 0
Nota ii:
Si X sólo toma valores en un intervalo finito, por ejemplo, [a, b], se puede
[ ]
establecer que f(x) = 0 ∀x ∉ a, b . En consecuencia, la fdp está definida
para todos los valores reales de x, y se debe exigir que
+∞
∫
−∞
f ( x ) dx = 1
∫a
f ( x ) dx
Definición:
La función de distribución acumulada (fda) o simplemente la función
de distribución, para una variable aleatoria continua o discreta X se
define por:
F(x) = P(X ≤ x)
x
F (x) = P ( X ≤ x) =
∫
− ∞
f ( t ) dt
para el caso de una v.a. discreta. Donde la suma se toma sobre todos los
índices j que satisfacen xj ≤ x
F(x) se caracteriza por las siguientes propiedades:
F (x ) = P ( X ≤ x) =
∫
− ∞
f ( t ) dt
dF ( x )
y derivando ambos lados se tiene = f ( x ) en todos los puntos
dx
donde f(x) es continua, es decir, la derivada de la función distribución
acumulada es la función de densidad de probabilidad (fdp).
54
0 a b x 0 x
Definición:
Sea X una v.a. discreta con valores posibles x1, x2, x3, . . . ., y supóngase
que es posible rotular esos valores de modo que x1 < x2 < x3 < . . . . Sea
F la función de distribución acumulada (fda) de X. Entonces:
x 0 1 2 3 4 5 6 7
p(x) 1/18 1/18 4/18 5/18 3/18 2/18 1/18 1/18
Respuesta a)
x 0 1 2 3 4 5 6 7
p(x) 1/18 1/18 4/18 5/18 3/18 2/18 1/18 1/18
F(x) 1/18 1/18+1/18 4/18+2/18 5/18 +6/18 3/18+11/18 2/18+14/18 1/18+16/18 1/18+17/18
F(x) 1/18 1/9 1/3 11/18 7/9 8/9 17/18 1
55
⎧ 0 ∀ x ∈ ]− ∞ ,0 [⎫
⎪ 1 ∀ x ∈ [0 , 1 [ ⎪
⎪ 18 ⎪
⎪ 1
9 ∀ x ∈ [1 , 2 [ ⎪
⎪
⎪
1
3 ∀ x ∈ [2 , 3 [ ⎪⎪
⎪ 11
F ( x ) = ⎨ 18 ∀ x ∈ [3 , 4 [ ⎪⎬
⎪ 7 ∀ x ∈ [4 , 5 [ ⎪⎪
⎪ 9
⎪ 8
9 ∀ x ∈ [5 , 6 [ ⎪
⎪ 17
⎪ 18 ∀ x ∈ [6 , 7 [ ⎪⎪
⎪⎩ 1 ∀ x ∈ [7 , +∞ [ ⎪⎭
F(x)
Función Distribución Acumulada de Probabilidades
1
17/18
8/9
7/9
11/18
1/3
1/9
1/18 x
0 1 2 3 4 5 6 7
Respuesta b)
La probabilidad que se hagan entre 2 y 3 goles por partido está dada por:
f(x)
1/2
x (kl)
0 1 2 3
Respuesta a)
Lo que se pide evaluar es la probabilidad de vender 1.500 litros sujeto al
suceso consistente en que se venderán entre 1.000 y 2.000 litros de
combustibles, esto expresado en notación de probabilidades condicionales es
P(x ≤ 1,5 / 1 ≤ x ≤ 2). Así:
+∞ 2 3 +∞
P( x ≥ 1,5/1 ≤ x ≤ 2) = = 2 = = 2
P(1 ≤ x ≤ 2) 2 1
∫ 2 dx ∫ 2 dx
1 1 2
1 1
P( x ≥ 1,5)
P( x ≥ 1,5 /1 ≤ x ≤ 2) = = 1 Esto indica que es un suceso seguro.
P(1 ≤ x ≤ 2)
57
x
0 1
Respuesta:
De acuerdo con lo estudiado se tiene para la fda F:
⎧ 0 ∀ x ∈ ]− ∞ ,0 ]⎫
⎪ x ⎪
∫
⎪ 2 ⎪
⎪ ⎪
F ( x ) = ⎨ x = 2 tdt ∀ x ∈ ]0 ,1 ] ⎬
⎪ ⎪
⎪ 0 ⎪
⎪⎩ 1 ∀ x ∈ ]1 , +∞ [ ⎪⎭
x
0 1
58
Se sabe que el 75% de las veces durante el mes de agosto llueve más de 20 cm3 y
un 35% de las veces llueve menos de 30 cm3. Suponiendo normalidad en las
precipitaciones durante agosto:
a) Hallar la cantidad media de precipitaciones durante agosto
b) Hallar la probabilidad que precipiten entre 40 y 60 cm3.
c) Hallar la probabilidad que entre 6 y 10 días de agosto precipiten entre 40 y
60 cm3.
Respuesta a)
Así:
Respuesta b)
Ahora se debe encontrar para la v.a. X definida como precipitaciones durante
agosto en cm3, P(40cc ≤ X ≤ 60 cc) = P(X ≤ 60 cc) – P( X ≤ 40 cc), para lo
cual se debe calcular los valores estandarizados Z(40 cc) y Z(60 cc):
Respuesta c)
La probabilidad que llueva entre 40 cc y 60 cc entre 6 y 10 días de agosto es:
z 0'00 0'01 0'02 0'03 0'04 0'05 0'06 0'07 0'08 0'09
0.0 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.1 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.70540 0.70884 0.71226 0.71566 0.71904 0.72240
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.7 0.75804 0.76115 0.76424 0.76730 0.77035 0.77337 0.77637 0.77935 0.78230 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891
1.0 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.90320 0.90490 0.90658 0.90824 0.90988 0.91149 0.91309 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92786 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.6 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96637 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.97320 0.97381 0.97441 0.97500 0.97558 0.97615 0.97670
2.0 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.3 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520
2.6 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736
2.8 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
3.0 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99897 0.99900
3.1 0.99903 0.99906 0.99910 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.2 0.99931 0.99934 0.99936 0.99938 0.99940 0.99942 0.99944 0.99946 0.99948 0.99950
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.99960 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.99970 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.99980 0.99981 0.99981 0.99982 0.99983 0.99983
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.7 0.99989 0.99990 0.99990 0.99990 0.99991 0.99991 0.99991 0.99992 0.99992 0.99992
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
4.0 0.99997 0.99997 0.99997 0.99997 0.99997 0.99997 0.99998 0.99998 0.99998 0.99998
4.1 0.99998 0.99998 0.99998 0.99998 0.99998 0.99998 0.99998 0.99998 0.99999 0.99999
4.2 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999
4.3 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999 0.99999
4.4 0.99999 0.99999 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000
60
Respuesta a)
Respuesta b)
Respuesta a)
Debe cumplirse con la condición:
n
i) ∑ p( x ) =1
i =1
i ; p ( xi ) > 0
x p( x)
4
a1
7
2
a2
7
1
a3
7
62
Respuesta b)
El valor esperado o esperanza para la variable X es:
3
E ( X ) = ∑ xi × p( xi ) = x1 × p( x1 ) + x2 × p( x2 ) + x3 × p( x3 )
i =1
4 2 1 1
E ( X ) = a1 × + a2 × + a3 × = ( 4a1 + 2a2 + a3 ) 2i)
7 7 7 7
Respuesta c)
Para calcular la varianza es necesario calcular previamente E ( X 2 )
3
E ( X 2 ) = ∑ x 2i × p( xi ) = x 21 × p( x1 ) + x 2 2 × p( x2 ) + x23 × p( x3 )
i =1
4 2 1
E ( X 2 ) = a 21 × + a 2 2 × + a 23 ×
7 7 7
1
E ( X 2 ) = ( 4a 21 + 2a 2 2 + a 23 ) 3i )
7
Así de 2i) y de 3i) se tiene la varianza:
Va( X ) = E ( X 2 ) − E 2 ( X )
2
1 ⎡1 ⎤
Va( X ) = ( 4a 21 + 2a 2 2 + a 23 ) − ⎢ ( 4a1 + 2a2 + a3 ) ⎥
7 ⎣7 ⎦
Respuesta c)
La desviación típica es:
⎡1 ⎡1 ⎤ ⎤
2
σ= ⎢ ( 1 2 3 ) ⎢⎣ 7 ( 1 2 3 )⎥⎦ ⎥
4a 2
+ 2a 2
+ a 2
− 4a + 2 a + a
⎣⎢ 7 ⎦⎥
1 ⎡
7 ( 4a 21 + 2a 2 2 + a 23 ) − ( 4a1 + 2a2 + a3 ) ⎤
2
=
7 ⎣ ⎦
Distribución de Probabilidades
4/7
2/7
1/7
a1 a2 a3 x
63
a) Hallar el valor de k
b) Hallar la distribución de probabilidad con sus valores numéricos
correspondientes.
c) Hallar la probabilidad que el agente venda menos de tres pólizas
semanales.
d) Si el agente vende más de cinco pólizas en la semana, recibe un
bono. Determinar la probabilidad que el agente reciba el bono.
e) Determinar el número de pólizas que se espera que el agente venda
semanalmente.
f) Hallar la probabilidad que el agente venda exactamente cuatro pólizas
semanales.
Respuesta a)
Usando las condiciones de una ddp:
n
∑ p( x ) =1
i =1
i ; p ( xi ) > 0
9
∑x
i =1
i p( x i ) = 1 = 0 × 0,05 + 1× 0,09 + 2 × 2k + 3 × 0,11 + 4 × 0, 22 + 5 × 0,18 + 6 × 0,10 + 7 × 0, 20 + 8 × 4k
1 = 0,95 + 6k
5
6k = 1 − 0,95 = 0,05 =
100
5
1
k = 100 =
6 120
Respuesta b)
Así, la ddp queda:
X 0 1 2 3 4 5 6 7 8
1 9 1 11 11 9 1 1 1
p( X )
20 100 60 100 50 50 10 5 30
64
Respuesta c)
La probabilidad que el agente venda menos de tres pólizas semanales está dada por:
P ( X < 3) = P ( X = 0 ) + P ( X = 1) + P ( X = 2 )
1 9 1
P ( X < 3) = + +
20 100 60
47
P ( X < 3) = = 0,156
300
Respuesta d )
La probabilidad que el agente reciba el bono está dada por:
P ( X > 5) = P ( X = 6 ) + P ( X = 7 ) + P ( X = 8)
1 1 1
P ( X > 5) = + +
10 5 30
1
P ( X > 5) = = 0, 3
3
Respuesta e)
El número de pólizas que se espera que el agente venda semanalmente corresponde a:
9
5 9 1 11 11 9 1 1 1
E ( X ) = ∑ x i p( x i ) = 0 × + 1× + 2 × + 3× + 4 × + 5× + 6 × + 7 × + 8×
i =1 100 100 60 100 50 50 10 5 30
9
E(X ) = = 4,5
2
Respuesta f )
La probabilidad que el agente venda exactamente cuatro pólizas se obtiene directamente de
la distribución de probabilidades:
11
P ( X = 4) = = 0, 22
50
Distribución de Probabilidad
11/50
1/5
9/50
11/100
1/10
9/100
1/20
1/30
1/60
0 1 2 3 4 5 6 7 8 X
65
Respuesta a)
n
E( X ) = ∑ xi P ( xi )
i =0
n
⎛ n⎞ n
n! n
n(n −1)!
E( X ) = ∑k ⎜ ⎟ qk (1− q)n−k = ∑k qk (1− q)n−k = ∑k qqk −1 (1− q)n−k
k =0 ⎝ k ⎠ k =0 k !( n − k ) ! k =0 k (k −1)!( n − k ) !
n
n(n −1)! n
(n −1)!
=∑k qqk −1 (1− q)n−k = nq∑ qk −1 (1− q)n−k Sea : k −1 = j
k =0 k (k −1)!( n − k ) ! k =1 (k −1)!( )
n − k !
n−1 n −1
n−1
(n −1)! ⎛ ⎞ j
= nq∑ q j (1− q)n−1− j = nq∑⎜ = nq ( q + (1− q)) = nq(1)n−1
n−1− j n−1
⎟ q (1− q)
j =0 j !( n −1− j ) ! j =0 ⎝ j ⎠
E( X ) = nq
Respuesta b)
Para calcular la varianza de la v.a. X , es necesario calcular E( X 2 )
n
⎛ n⎞ n
n! n
k ( n −1) !
E( X 2 ) = ∑k 2 ⎜ ⎟ qk (1− q)n−k = ∑k 2 qk (1− q)n−k = nq∑ qk −1(1− q)n−k Sea : k −1 = j
k =0 ⎝k ⎠ k =0 k !( n − k )! k =1 ( k −1) !( n − k ) !
= nq∑
n−1
( j +1)( n −1)! q j (1− q)n−1− j = nq ⎡ n−1 j ( n −1)! q j (1− q)n−1− j + n−1 ( n −1)! q j (1− q)n−1− j ⎤
⎢∑ ∑ ⎥
j =0 j !( n −1− j ) ! ⎣ j =0 j !( n −1− j ) ! j =0 j !( n −1− j ) ! ⎦
E( X 2 ) = ( nq) + nq (1− q) y con este resultado, usando Va( X ) = E( X 2 ) − E2 ( X ) = ( nq) + nq (1− q) − ( nq)
2 2 2
Respuesta a)
Se trata de una ddp binomial, donde la probabilidad de éxito, es decir, un hijo hombre, es igual
a la probabilidad de un fracaso, o sea tener una hija. Así q = 1 = 1 − q . El número de intentos
2
para tener hijos es 8:
Así el número esperado de hijos varones es:
E ( X ) = nq = 8 × 1 = 4
2
Respuesta b)
Por otra parte, la probabilidad que el número esperado de hijos varones suceda es:
⎛8⎞
( ) ( 12 ) ⎛8⎞
( ) 70 70 35
4 8− 4 8
P ( X = 4) = ⎜ ⎟ 1 =⎜ ⎟ 1 = 8 = = ≈ 0, 27
⎝ 4⎠ 2 ⎝ 4⎠ 2 2 256 128