Prob PDF

PROBABILIDADES
Prof.: David Becerra Rojas
CONCEPTOS BÁSICOS
1. Experimento: Proceso de realizar una observación
o una medición.
2. Experimento Aleatorio ( E ): Experimento en que
son posibles más de un resultado, los cuales
pueden ser indicados con anterioridad, y se puede
repetir muchas veces bajo las mismas condiciones
3. Espacio Muestral ( S ): Conjunto de todos los
posibles resultados de un experimento aleatorio.
Ejemplos de Espacio Muestral:

E1: Se lanza un dado y se cuenta el número de
puntos que aparecen en la cara superior.
S 1: { 1 , 2 , 3 , 4 , 5 , 6 }
1
E2: Se lanza una moneda 4 veces y se cuenta el
número de sellos obtenidos.
S 2: { 0 , 1 , 2 , 3 , 4 }

E3: Se enciende una ampolleta y se anota el
tiempo que transcurre hasta que se quema.
S3: { t ϵ |R / t > 0 }

E4: Se lanza una moneda dos veces, se
registra el signo que aparece.
S4: { CC , CS , SC , SS }
2
E5: Salen artículos en una línea de producción.
Se cuenta el número de artículos defectuosos
producidos.
S5: {0, 1 , 2, 3, 4, . . . . . . n }
n: Total de artículos producidos

E6: Una caja contiene 10 fichas, de las cuales 3 son
verdes. Se extrae al azar una ficha después de
otra y se cuenta el número de fichas sacadas de
la caja , después de haber obtenido:
a.- La última ficha verde
S6a= { 3, 4, 5, 6, 7, 8, 9, 10}
b.- La primera ficha verde

S6b= { 1, 2, 3, 4, 5, 6, 7, 8}
SUCESO Ó EVENTO
Sea E un Experimento y sea S un espacio
muestral asociado a E, entonces A es un
suceso si y solo si A se define como un
conjunto de posibles resultados del
experimento aleatorio, es decir un
subconjunto del espacio muestral S.
3
Observación:
1.- Sean A y B dos suceso asociados a un mismo

experimento E , entonces:
A  B: Es un nuevo suceso que ocurre si y solo si ocurre A , ocurre B o ambos.
A  B: Es un nuevo suceso que ocurre si y solo si ocurre A y ocurre B.

_
A : Es un nuevo suceso que ocurre si y solo si no ocurre A .
2.- Sean A1, A2,.......Ak, sucesos asociados a un

mismo experimento, entonces:
A1  A2 .…  Ak: Es un nuevo suceso que ocurre si y solo si ocurre

al menos un Ai.
A1  A2 .....  Ak: Es un nuevo suceso que ocurre si y solo si ocurren

todo los Ai a la vez.
SUCESOS MUTUAMENTE
EXCLUYENTES(SME)
Sean A y B dos sucesos asociados a un mismo
espacio muestral S, se dice A y B son sucesos
Mutuamente excluyentes si no pueden
ocurrir ambos a la vez. Es decir si la
intersección es vacía .
Si A  B =   A y B son SME
FRECUENCIA RELATIVA
Sea E un experimento, y sea A un suceso asociado
a E. Supongamos que el experimento E se realiza
n veces, y que nA son las veces que ocurre el
suceso A, entonces se define Frecuencia Relativa
al suceso A como:
nA
fA 
n
4
FRECUENCIA RELATIVA
Propiedades:
1.- 0  ƒA  1
2.- ƒA = 1 Si cada vez que se realiza el
experimento ocurre A.
3.- ƒA = 0 Si A nunca ocurre.
4.- Sean A, B SME , entonces ƒAUB = ƒA +ƒB

e.d. Si A  B =   ƒAUB = ƒA +ƒB
FRECUENCIA RELATIVA
Propiedades:
5.- Si E se repite muchas veces, digamos

infinitas, entonces ƒA tiende a la
probabilidad de A ( P(A) )
ƒA P(A)
n  Intuitivo
Probabilidad
Definición:
Sea E un experimento y sea S un espacio
muestral asociado a E, entonces a todo
suceso A, le asociaremos un número P(A),
que llamaremos, la probabilidad de que el
suceso A ocurra, y que tiene las siguientes
propiedades:
5
Propiedades:
1. 0  P(A)  1
2. P(S) = 1
3. Sean A, B SME , es decir;
A  B =   P(A  B) = P(A) + P(B)
1. Sean A1, A2,...Ak SME de a pares, entonces:
P(A1 …..  Ak) = P(A1)+....+P(Ak) ó
P( Ai ) =  P(Ai )
Teoremas Básicos:
1.- P() = 0
2.- Si A es el suceso complementario de A,
entonces: P(A) = 1 – P(A)
3.- Si A  B entonces P(A)  P(B)
4.- Sean A y B sucesos cualesquiera,
entonces:
P(A  B) = P(A) + P(B) - P(AB)
Teoremas Básicos:
5.- Sean A, B, C sucesos cualesquiera,
entonces:
P(ABC) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P( A B  C )
6
Ejercicio 1
Sea ; P( A ) = x
P( B ) = y
P( AB ) = z
Determine:
_
1.- P( A  B ) =
_ _
2.- P(AB) =
_
3.- P(AB) =
_____
4.- P (( A  B )  B) =
Ejercicio 2
Sea ;
P(A)=P(B)=P ( C ) = ¼ , P(AB)= P(AC)= 1/8 y
P(BC)= 0 , Determine: P(A  B  C)=
Respuesta: Según Teo. 5 , Tenemos:
P(ABC) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P( A B  C )
Luego;
P( A  B  C ) = 1/4 + 1/4 + 1/4 – 1/8 - 1/8 – 0 + 0 = 1/2
S
A B
1/4 1/8
1/4
1/8
1/4
7
Espacios Muestrales Finitos
Sea E un experimento y sea S = { s1,s2,....sk } un
espacio muestral finito, entonces, a cada suceso de la
forma si = {si } : lo llamaremos suceso elemental.
(el formado por un solo elemento), y le asociaremos
un número pi, que llamaremos, la probabilidad que el
suceso {si} ocurra ( pi=P({si}) ) y que cumple con las
Siguientes condiciones:
1.- pi  0 i= 1,2,......k
2.-  pi = 1

Sea A  S un suceso cualesquiera talque:
S = { s1,s2,....sk }
A={s1 , s2 ,----, sr} ; r  k
luego;
A = {s1 } {s2 }  ----  {sr }
P(A) = P(s1) + P(s2) + --- + P(sr)
por lo tanto; P(A) = p1 + p2 + ----- + pr Prp. 4

Ejemplo:
Supongamos que solo son posibles 3
resultados en un experimento aleatorio, de tal
manera que S = {s1, s2, s3}. Supongamos
además que la ocurrencia de s1, es dos veces
más probable que s2, y que s2 es dos veces más
probable que s3.¿ cuál es el valor de p1, p2 y p3?
8
Sea P({si}) = pi i, i = 1,2,3
Tenemos que : p1 = 2p2
p2 = 2p3
Luego p1 = 2(2p3) = 4p3
Pero p1 + p2 + p3 = 1
por lo tanto:
4p3 + 2p3 + p3 = 1
luego:
p3 = 1/7 , p2 = 2/7 , p1 = 4/7
Sucesos Equiprobables
Dos sucesos se dicen que son equiprobables
si tienen igual probabilidad.
Sea S= {s1,s2,------sk} y
sea p1,p2,....,pk sus probabilidades respectivas,
si los sucesos elementales son equiprobables.
Puesto que:
Si S = { s1,s2,......sk}, y como los {si} son

equiprobables entonces, p1= p2 = ......= pk = p
Luego como:
k k
1
1   pi   p  kp  p
i 1 i 1 k
9
De igual manera si A es un suceso cualesquiera tal que:
A = {s1,s2,------sr}
Donde, p1,p2,....,pr sus probabilidades respectivas, y
equiprobables entonces:
P(A) = p1 + p2 + - - - - - + pr = r p
y como p = 1/k , entonces:
P(A) = r / k
Observación:
Si S es un espacio muestral, donde sus sucesos
elementales son equiprobables y A S
entonces:
P(A) = #A / #S = r / k (Casos favorables/Casos Posibles)
#A: Números de elementos que tiene A y se
lee el cardinal de A.
Ejemplo
Sea E : se lanza un dado equilibrado y se cuenta el número

de puntos que aparecen en la cara superior. Determine:
a.- El espacio muestral

b.- Sea A: sale un número par
B: sale el dos o el tres
Determine:
_ _
P(A) , P(B) , P(AB) , P(AB)
10
1.- El espacio muestral es : S = { 1,2,3,4,5,6}
2.- A = { 2,4,6 } Luego #A = 3

B = { 2,3} Luego #B = 2
Por lo tanto ;
P(A) = 3/6 = 1/2 P(B) = 2/6 = 1/3
_ _
P(A B) = 2/6 = 1/3 P(A B) = 5/6
Métodos de Enumeración
1.- Principio de Adición: ( Regla del o )
E1 n1
}  E1 o E 2 n1+n2
E2 n2
Avión
Ejemplo: E1:Aéreo
Helicóptero
P Bus Q
Auto
Valpso. Stgo.
E2:Tierra Moto
Luego: n1 + n2
2.- Principio de Multiplicación: ( Regla del y )
E1 n1
E2 n2
}  E1 y E2 n1 n2 x
Diagrama del Árbol A
Ejemplo: A M
A
P T Q
M
Chile A Europa
E1:n1 M
M
E2:n2
Luego: n1 x n2 R
Brasil
11
3.- Permutación:
Si tenemos n objetos distintos, y queremos
ordenarlos tomando r de ellos. El número de
formas de hacer esta operación, esta dado por:
n!

n
P r
( n  r )!
4.- Combinación:
Si tenemos n objetos y queremos escoger r de ellos
sin que nos importe el orden. El número de maneras
de hacer esta operación, esta dado por:
n!

n
C r
( n  r )!*r!
Observación:
1.- n! : Se lee n-factorial, y esta dado por:
n! = n (n-1) (n-2) ...... 3 2 1
x x x x x x
= n (n-1)! x
2.- 0! = 1
Ejemplo : 5! = 5 x 4 x 3 x 2 x 1 = 120
= 5 x 4! = 120
12
Ejercicio
1.-Supongamos que una oficina cuenta con 18 personas;
determine:
a.- ¿Cuántas comisiones de 3 se pueden formar?
b.-¿Cuántas directivas con un presidente, un secretario y un
tesorero, se pueden formar?
c.- Si en la oficina hay 10 mujeres.
c1.- ¿Cuántas comisiones de 3 persona se pueden formar,
cuando debe haber una mujer por lo menos?
c2.- ¿Cuántas directivas de 3 personas se puede formar, si
solo una mujer puede pertenecer?
Tarea Nº__
1.-Demostrar:
a.-
Crn  Cnnr
b.-
Crn  Crn11  Crn1
2.- Si en una oficina de 15 persona 8 son mujeres, y se eligen
al azar 4 para un trabajo. ¿Cual es la probabilidad de que:
a.- dos sean mujeres?
b.- al menos dos sean mujeres?
Ejemplo:
Se lanza una moneda dos veces, se registra el
signo que aparece; determine:
1.- El espacio muestral S.
2.- La probabilidad de que salga a lo menos
un sello.
3.- La probabilidad de que salgan más caras
que sello.
13
Ejercicio
Una oficina cuenta con 18 personas, 10 de ellas
mujeres. Se seleccionan al azar dos, una después de
otra, y se clasifican según el sexo. Determine:
a.- El espacio muestral
b.- La probabilidad de que, al menos una sea mujer
c.- La probabilidad de que, hallan mas hombres que
mujeres.
Probabilidad Condicional
Supongamos que tenemos 100 artículos, 20
de ellos defectuosos. Se escogen al azar 2,
uno después del otro, y se definen los
siguientes eventos:
A = el primer artículo es defectuoso
B = el segundo artículo es defectuoso.
Determinar la probabilidad de A y B cuando
el experimento se realiza:
a.- con devolución
b.- sin devolución.
a.- Con devolución:
P(A) = 20/100 = 1/5
P(B) = 20/100 = 1/5
b.- Sin devolución:
P(A) = 20/100 = 1/5
19/99 si ocurrió _A
P(B) = {
20/99 si ocurrió A
14
Notación:
P(B/A): Probabilidad de B dado que
ocurrió el suceso A.
En nuestro caso:
_
P(B/A) = 19/99 y P(B/A) = 20/99
Ejemplo: Se lanza un dado dos veces, el evento se
anota ( X1 , X2 ) donde, Xi es el resultado del
lanzamiento i ( i = 1,2):
1.- Determine: El espacio muestral S
Si se definen: A = {(X1 , X2) / X1 + X2 =8 }
B = {(X1 , X2) / X1 > X2 }
2.- Determine:
P(A), P(B), P(A B), P( B/A), P(A/B)
1.- S = { (1,1) ; (1,2) ; ..........; (1,6)

(2,1) ; (2,2) ;...........; (2,6)
-----------------------------
(6,1) ; (6,2) ;...........; (6,6) }
Luego #S = 36
2.- A = {(2,6);(3,5);(4,4);(5,3);(6,2)} #A = 5
B = {(2,1)
(3,1);(3,2)
(4,1);(4,2);(4,3) #B = 15
(5,1);(5,2) (5,3);(5,4)
(6,1);(6,2);(6,3);(6,4),(6,5)}
15
Por lo tanto: P(A) = 5 / 36
P(B) = 15 / 36 = 5 / 12
y como: (A B) = {(5,3);(6,2)} # (A B) = 2
P(A B) = 2 / 36 = 1 / 18
Luego P(B/A) = 2 / 5 P(A/B) = 2 / 15
Observemos que:
P(B/A) x P(A) = 1/18
P(A/B) x P(B) = 1/18
}= P(A B)
Definición:
P( A  B)
P( A / B) 
P( B)
P( A  B)
P( B / A) 
P( A)
Ejemplo:
Supongamos que en una oficina hay 100 computadores
personales, 40 conectados a Internet, de los cuales solo 14
tienen lector de disco compacto (CD), el total de
computadores con (CD) es de 30. Se extrae uno del
total de computadores al azar determine la probabilidad
de que:
1.- este conectado a Internet.
2.- tenga lector de CD y este conectado a Internet
3.- si esta conectado a Internet, tenga lector de CD.
4.- si se extraen al azar 4 computadores,¿ cuál es la
probabilidad de que al menos dos tengan CD ?
16
Desarrollo:
Sea A = El computador esta conectado a Internet.
B = El computador tiene lector de CD.
Luego tenemos:
A A Total
B 14 16 30
B 26 44 70
Total 40 60 100
Luego; 1.- P(A) = 40 / 100 = 2/5
2.- P(A 75
3.- P( B/A) = 14 / 40 = 7/20
Ejemplo 2:
De una caja que originalmente contiene
2 fichas azules y una ficha blanca, se extraen tres
al azar, en cada extracción, se saca una, se registra
el color y luego se devuelve a la caja junto con dos
fichas del mismo color. Calcule la probabilidad
de que:
a.- Se obtengan dos fichas azules si hay al menos
una ficha blanca.
b.- Solo dos fichas sean blancas.
c.- Al menos dos fichas sean azules.
6/7 A
Diagrama del Árbol
Sea A: la ficha es azul A B
B: la ficha es blanca . 4/5 1/7
4/7 A
A 1/5 B
3/7 B
2/3
4/7 A
2A
1B 2/5 A B
3/7
1/3
B 2/7 A
3/5
B
5/7
B
S = {AAA ,AAB, ABA, BAA, ABB, BAB, BBA, BBB}
17
a.- Se obtengan dos fichas azules si hay al menos
una ficha blanca.
b.- Solo dos fichas sean blancas.
c.- Al menos dos fichas sean azules.
a.- ( 2/3 x 4/5 x 1/7 ) + ( 2/3 x 1/5 x 4/7 ) + ( 1/3 x 2/5 x 4/7 ) =
8 /105 + 8/105 + 8/105 = 24 / 105=8/35
b.- ( 2/3 x 1/5 x 3/7 ) + (1/3 x 2/5 x 3/7 ) + ( 1/3 x 3/5 x 2/7 ) =
6/105 + 6/105 + 6/105 = 18 / 105=6/35
c.- ( 2/3 x 4/5 x 1/7 ) + ( 2/3 x 1/5 x 4/7 ) + ( 1/3 x 2/5 x 4/7 ) +
(2/3 x 4/5 x 6/7 ) = 8/105 + 8/105 + 8/105 + 48/105 = 72 / 105

= 24/35
Definición: Sean B1,B2,......Bk sucesos asociados

a un espacio muestral S. Si se cumplen
las siguientes condiciones:
i.- Bij =   i  j = 1,2,...,k

ii.-  Bi = S
iii.- P( Bi )  0 i ; i = 1,2,...,k
Entonces diremos que B1,B2,....Bk forman

una Partición del espacio muestral S
Sea A un suceso asociado a un espacio muestral S

yComo;
si B1,B2,....Bk una partición de S:
P( A  B)
P( A / B) 
Luego A = (A1)  (A)  ........... P
( B ) )
(A
aún cuando algún A i =   i i = 1,2,...,k por lo tanto
P( A  B)  P( A / B) * P( B)
P(A) = P((A1)  (A)  .....  (A))
nos queda
P(A) = P(A1) + P(A2)+....................+ P (A)

Luego tenemos;
P(A) = P(A/1) x P(B1) + P(A/) x P(B2) +......+ P(A/k) x P(Bk)
Esto se conoce como, Teorema de Probabilidad Total
18
El Teorema de Probabilidad Total también se puede
Escribir como:
k
P( A)   P( A / Bi ) * P( Bi )
i 1
Ejemplo:
Cierto artículo es manufacturado por tres fábricas: F 1, F2, F3.
Se sabe que la F1, produce el doble de artículos que F2 y que esta
y F3, producen el mismo número de artículos.
También se sabe que el 2% de los artículos producidos por cada una
de las dos primeras (F1 y F2), son defectuosos, mientras que el 4%
de los producidos por F3, es defectuoso. Se ponen todos los artículos
juntos, de las tres fábricas, y se elige uno al azar ; Determine:
1. Cuál es la probabilidad de que el artículo escogido sea defectuoso?
2. Si el artículo escogido es defectuoso, ¿Cuál es la probabilidad de

que sea de F1 ?
Sean los siguientes sucesos:

A = { el artículo es defectuoso}
Bi = { el artículo proviene de la Fi } i = 1, 2, 3
S
B1 B2
Luego tenemos: A
B3
P(A) = P[ (A1)  (A)  (A3) ]

= P(A/B1) P(B1) + P (A/B2) P(B2) + P (A/B3) P(B3)
19
Sea ni: número de artículos que produce la Fi
y n = n 1 + n2 + n3
Por lo tanto como :
n1 = 2 n 2
n2 = n 3
entonces
n1 = 2 n 3
y poniendo todo en función de n3, tenemos:
n = 2 n3 + n3 + n3 = 4 n3
Luego P(B1) = n1/n = 2n3 / 4 n3 = 1/2

P(B2) = n2/n = n3 / 4 n3 = 1/4
P(B3) = n3/n = n3 / 4 n3 = 1/4
Por otro lado tenemos:
P(A/B1) = 0.02 P(B1) = ½

P(A/B2) = 0.02 P(B2) = ¼
P(A/B3) = 0.04 P(B3) = ¼
Por lo tanto:
P(A) = P(A/B1) P(B1) + P (A/B2) P(B2) + P (A/B3) P(B3)
= 0.02 x 1/2 + 0.02 x 1/4 + 0.04 x 1/4 = 1/40 =0.025
y 2.- la probabilidad de que sea de la F1 dado que es defectuoso será
Podemos decir que:
P( A / B1 ) * P( B1 )
P( B1 / A)  3
 P( A / B ) * P( B )
j 1
j j
0.02 * 0.5
P ( B1 / A)   0.4
0.02 * 1 / 2  0.02 * 1 / 4  0.04 * 1 / 4
20
Generalizando tenemos:
Sea E un experimento, S un espacio muestral, B1….Bk.
una partición de S, y A un suceso cualesquiera, Entonces:
P( A / Bi ) * P( Bi )
P( Bi / A)  k
; i  1...k
 P( A / B j ) * P( B j )
j 1
Esto se conoce como Teorema de Bayes
Sucesos Independientes
Sean A y B dos sucesos asociados a un espacio muestral S
Diremos que son Independientes, cuando la ocurrencia de
uno no afecta la ocurrencia del otro.
A y B son sucesos Independientes, si y solo si
P( A / B)  P( A)
P( B / A)  P( B)
Ejercicio
1. Si A está incluido en B, entonces B es
independiente de A?
2. Si A y B son sucesos Mutuamente

Excluyentes, entonces son Independientes?
21
Sucesos Independientes
Ejemplo: Se lanza un dado dos veces, el evento se
anota ( X1 , X2 ) donde, Xi es el resultado del
lanzamiento i ( i = 1,2):
Si se definen: A = {(X1 , X2) / X1 es par }
B = {(X1 , X2) / X2 es 4 o 5 }
2.- Determine:
P(A), P(B), P(A B), P( B/A), P(A/B)
Sabemos que el #S = 36
B={(1,4), (1,5)
A = { (2,1), (2,2), (2,3), (2,4), (2,5), (2,6) #B=12
(2,4), (2,5)
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6)
(3,4), (3,5)
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6) }
(4,4), (4,5)
#A=18 (5,4), (5,5)
(6,4), (6,5) }
AB = {(2,4), (2,5)

P(A)= #A / #S = 18/ 36 = 1/2
(4,4), (4,5)
P(B) = #B / #S = 12 / 36 = 1/3 (6,4), (6,5) }
P(AB ) = # AB /#S = 6 / 36 = 1/6
# AB = 6
P( A  B) 1 / 6
 P( A / B)    1 / 2  P(A)
P( B) 1/ 3
 P( A  B)  P( A) * P( B)
P( A  B) 1 / 6
P( B / A)    1 / 3  P(B)
P( A) 1/ 2
Definición
Sean A y B dos sucesos asociados a un espacio muestral S
Diremos que son Independientes si y solo si:
P( A  B)  P( A) * P( B)
22
Ejercicio:
Suponga que 192 de 960 trabajos en una universidad son de alta

prioridad; de éstos, 128 son propuestos por estudiantes. y 64 por
el cuerpo docente. Del total, 640 trabajos son de los estudiantes y
320 de docentes. Si se selecciona un trabajo al azar. Determine:
a.- La probabilidad de que sea de alta prioridad y propuesto por

un estudiante.
b.-La probabilidad de que sea de alta prioridad, dado que
sabemos que fue propuesto por un estudiante.
c.- Es Independiente que el trabajo sea de alta prioridad, con que
sea propuesto por un estudiante?
d.- La probabilidad que si es propuesto por estudiante, no sea
de alta prioridad.
e.- La probabilidad de que no sea propuesto por estudiante.
Ejercicio
Supongamos que la probabilidad de que un

relé se cierra independientemente, es de p.
Determine la probabilidad de que la
corriente pase de R a Q
1
2
R Q
Ejercicio
Tres agencias de aduanas A, B y C pretenden
exportar 5.000 cajas de manzanas cada una. Se
sabe que 1/5 de las cajas de A, y 1/4 de las de
B, están en mal estado. Se juntan todas las cajas
( de las tres agencias) , se selecciona una y se
observa que está en mal estado, ¿Cuál es la
probabilidad que sea de la agencia A?.
23
Ejercicio
La probabilidad de que un vehículo tenga un accidente en
Santiago es de 4/9, y la probabilidad de que un vehículo
tengan accidente en Buenos Aires es 8/15. Se elijen al azar un
Vehículo simultáneamente en cada ciudad, determine la probabilidad
de que tengan accidentes:
a.- Ambos
b.- Al menos uno
c.- Solo el de Buenos Aires
d.- Solo uno
Ejercicio
Si A y B son sucesos Independientes,
entonces, ¿A y B son Independientes?
FIN
Nos vemos en Variables Aleatorias
24

Prob PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Prob PDF

Cargado por

Copyright:

Formatos disponibles

PROBABILIDADES

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Ejemplos de Espacio Muestral:

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Ejemplos de Espacio Muestral:

Prof.: David Becerra Rojas

Ejemplos de Espacio Muestral:

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Ejemplos de Espacio Muestral:

b.- La primera ficha verde

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

1.- Sean A y B dos suceso asociados a un mismo

A  B: Es un nuevo suceso que ocurre si y solo si ocurre A , ocurre B o ambos.

A  B: Es un nuevo suceso que ocurre si y solo si ocurre A y ocurre B.

2.- Sean A1, A2,.......Ak, sucesos asociados a un

A1  A2 .…  Ak: Es un nuevo suceso que ocurre si y solo si ocurre

A1  A2 .....  Ak: Es un nuevo suceso que ocurre si y solo si ocurren

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

4.- Sean A, B SME , entonces ƒAUB = ƒA +ƒB

5.- Si E se repite muchas veces, digamos

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Respuesta: Según Teo. 5 , Tenemos:

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Espacios Muestrales Finitos

por lo tanto; P(A) = p1 + p2 + ----- + pr Prp. 4

Prof.: David Becerra Rojas

Espacios Muestrales Finitos

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Si S = { s1,s2,......sk}, y como los {si} son

Prof.: David Becerra Rojas

y como p = 1/k , entonces:

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Sea E : se lanza un dado equilibrado y se cuenta el número

a.- El espacio muestral

Prof.: David Becerra Rojas

2.- A = { 2,4,6 } Luego #A = 3

P(A) = 3/6 = 1/2 P(B) = 2/6 = 1/3

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Diagrama del Árbol A

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

Prof.: David Becerra Rojas

a.- Con devolución:

P(A) = 20/100 = 1/5