PROBLEMAS DE CALCULO DE PROBABILIDADES vasa Caney | Ate Ta aN Do oRSE Ta VEG edPROLOGO .... CAPITULO I, PROBABILIDAD RESULTADOS TEORICOS 1.1, Fenémenos aleatorios 1.2. Probabilidad .. 1.3. Probabilidad condicionada. Sucesos independiente: PROBLEMAS RESUELTOS .... CAPITULO 2. VARIABLES ALEATORIAS .. RESULTADOS TEORICOS .... 2.1. Variables aleatorias unidimensionales .. 2.2. Caracteristicas de las distribuciones de probabilidad unidimensiona- les 2.3. Variables aleatorias multidimensionales 2.4, Variables aleatorias independientes PROBLEMAS RESUELTOS ..... CAPITULO 3. FUNCION CARACTERISTICA. TRANSFORMACION DE vs. as, CONVERGENCIA DE vs. as RESULTADOS TEORICOS . 3.1, Funcién caracteristiea 3.2. Funcisn generatriz de momentos 3.3. Transformacién de variables aleatorias 3.4, Convergencia de vs. as PROBLEMAS RESUELTOS ix 89 91 o1 a 93, 95 ayCAPITULO 4. MODELOS DE PROBABILIDAD 129 RESULTADOS TEORICOS ... 131 4.1. Distribuciones de Bernoulli y binomial . 131 - Distribuciones geométrica y binomial negativa 132 , Distribucién hipergeométrica 133 . Distribucién de Poisson . 134 . Distribueién multinomial 135 . Distribucién uniforme . 136 - Distribucién gamma .. 137 Distribucién exponencial 137 Distribucién de Weibull 138 4.10. Distribucién normal 138 4.11. Distribuciones derivadas de la normal 141 4.12. Distribucién normal multivariante . 144 PROBLEMAS RESUELTOS 145, CAPITULO 5. TEOREMA CENTRAL DEL LIMITE. DISTRIBUCIONES EN EL MUESTREO ... : 183 RESULTADOS TEORICOS , 185 5.1. Teorema Central del Limite 185 5.2. Distribuciones en el muestreo de poblaciones paramétricas 186 5.3. Distribuciones en el muestreo de poblaciones no paramétricas 189 PROBLEMAS RESUELTOS ..,. a 190 CAPITULO 6, METODOS DE ESTIMACION 209 RESULTADOS TEORICOS 201 6.1. Estimadores 211 6.2. Métodos de estimacién 213 6.3. Intetvalos de confianz: 215 PROBLEMAS RESUELTOS 218 CAPITULO 7. CONTRASTES DE HIPOTESIS . 251 RESULTADOS TEORICOS 253 7.1. Generalidades .. 253 7.2. Contrastes paramétricos 7.3. Contrastes de Validacién del Modelo 7.4. Otros contrastes no paramétricos . PROBLEMAS RESUELTOS CAPITULO 9. MODELOS DE REGRESION CAPITULO 10. CONTROL ESTADISTICO DE CALIDAD. FIABILIDAD ... 373 Indice genera CAPITULO 8. ANALISIS DE LA VARIANZA. DISENO DE EXPERIMEN- RESAnO TEOcO eee SULTAI i aa Anélisis de la varianza para una clasificacién simple a 8.2. Disefio de bloques aleatorizado: i 8.3. Disefio de cuadrados latinos 8.4. Disefios factoriales 8.5. Disefios factoriales de tipo 2* PROBLEMAS RESUELTOS ... 313 315 333 335 335 RESULTADOS TEORICOS .. i 9.1. Modelo de regreisén lineal simple 9.2. Contrastes de regresi6n y linealidad. Prediccién 9.3. Modelo de regresién lineal muiltiple 9.4. Modelos de regresién polinmica . PROBLEMAS RESUELTOS . 375 RESULTADOS TEORICOS . ae 10.1. Generalidades on 2 10.2. Graficos de control por variable : 10.3, Interpretacién de los graficos de control por variables . a 10.4. Gréficos de control por alributos, Interpretacién a 10.5. Capacidad del proceso. Control continuo del proceso a 10.6. Fiabilidad ... : a 10.7. Tiempo de fallo en fiabilidad ae 10.8. Test de vida a PROBLEMAS RESUELTOS APENDICE. TABLAS ESTADISTICAS ..... INDICE ALFABETICO . xiPROBABILIDADResultados teoricos 4.1. Fenémenos aleatorios Aa TE Cuando un cientffico realiza un experimento, su interés fundamental se centra en la obtenci6n de informacién sobre la naturaleza y las leyes que rigen el fenémeno sometido a estudio, Entre estos experimentos hay unos para los que se puede prede- cir el resultado, una vez fijadas las condiciones de experimentacién, que se denomi- nan experimentos determintsticos. Sin embargo existen en la Naturaleza otro tipo de fenémenos para los que no es posible predecir el resultado manteniendo invariables todas las condiciones en que se realizan; se denominan fenémenos aleatorios y constituyen el objeto de estudio del Calculo de Probabilidades y de la Estadfstica. E] punto de partida para el estudio de un experimento aleatorio es el conocimiento del conjunto de resultados posibles que se denomina espacio muestral (E), Definicién 1.1. Se lama suceso aleatorio a cualquier subconjunto del espacio muestral. En particular el vacio y el total son sucesos aleatorios a Ios que denominaremos respectivamente suceso imposible y suceso seguro. Denotaremos por A al conjunto de los sucesos aleatorios asociados a un experimento aleatorio con espacio mues- tral £. Dado el suceso A € A, diremos que ocutre A si al realizar el experimento aleatorio se obtiene un resultado que pertenece a A. Es claro que C P(E) y al ser los elementos de. subconjuntos de £, es natural introducir las operaciones si- guientes, Definicién 1.2. Se llama suceso contrario de A € A, y se denota A, al suceso que ocurre cuando no ocurre A. Es claro que @ y E son sucesos contrarios. Definicin 1.3, Dados los sucesos A y B, se llama unidn de A y B, y se denota A U B, al sueeso que ocurre cuando ocurren A 0 B. Se lama inierseccidn de A y B, y se denota A > B, al suceso que ocurre cuando ocurren A y B. Definicién 1.4, Dos sucesos A y B son incompatibles si no pueden ocurrir a la vex en una misma realizacién del experimento aleatorio, es decir A 0 B= ©. Es evidente que los sucesos imposible y seguro son incompatibles y que cual- uier suceso es incompatible con su contrario. Definicién 1.5. Los sucesos A,, A,, .... A, son mutuamente excluyentes si son in- compatibles dos a dos, es decir si A, OA, =@, para todo i #j.1 rrevapmaaa Las operaciones definidas anteriormente son las traslaciones naturales de las equivalentes en teorfa de Conjuntos. En muchas ocasiones es necesario operar entre sucesos. La estructura mas apropiada de (4, U, a, 1.2. Probabilidad Dado un espacio probabilizable (£, 4), se dive que la funcion de conjunto P de- finida sobre A con valores en R es una probabilidad si se verifican los siguientes axiomas: Axioma 1. P(A)> 0, para cada Ae A Axioma 2. Para toda sucesién (A,} de sucesos de tales que 4,0 A, =, para todo i #, se tiene: / [Ua Axioma 3. P (£) La tera (EA. P) se denomina espacio probabilistico o espacio de probabilida- des, de forma que fijado este espacio queda definido el experimento aleatorio, A paitir de esta axiomética, debida a Kolmogorov, se desarrolla la teotfa de pro- babilidades. Se resumen a continuaciGn algunas propiedades de la probabilidad de- tivadas de la axiomatica, Propiedad 2.1, P (@)=0. Propiedad 2.2. Sj Aj, Ay... A, es una familia finita de sucesos mutuamente ex- cluyentes, entonces PIA GA, U.. UA] =P A) + PA) + 0 +P A,) Propiedad 2.3. P(A)=1-—P (A), pata todo A € A, Propiedad 24. P (AUB) =P (A) +P (B)—P(AnB), para todo A, Be A. 4 Resultados tedricc ese nSSn Propiedad 2.5. Para todoA,,A,,...,,€A [Ua |-Scay- YPUoay+ $Y PNA, 4)-..4CD" Aa isk igeet Propiedad 2.6. Si B CA, entonces P (B) < P (A) Propiedad 2.7, P(A) <1, paratodoA ¢ A Propiedad 2.8. P (AU B)< P(A) + P(B), para todo A, Be A. (P es subaditiva). Esta propiedad se generaliza a una sucesi6n {A,} y en este caso se conoce como des- igualdad de Boole. Propiedad 2,9. ols fede (A), para todo A,, A, ....A, A. i 1.3. Probabilidad condicionada. Sucesos independientes we i alea s i el En muchas ocasiones, al realizar un experimento aleatorio, interesa saber si 7 hecho de que ocurra un suceso A aporta alguna informacién sobre la fone B, éste es cl problema que se trata de resolver con la introduccién del concepto probabilidad condicionada, Definicién 3.1. Dado un espacio probabilistico (E,4, P) y un suceso A € A on P (A) > 0, se Hama probabilidad de B € A condicionada por A y se denota PUB/A)a Se demuestra fécilmente que [E,A, P (-/ A)] es un nuevo espacio poll! llamado espacio de probabilidades condicionadas por A. Los principales res Se enuncian a continuaci6n. 51. Probabilidad Se Se dice que una fainilia (A, :i¢ 2},A, A para caddie J, es un sisiema com: Pleto de sucesos si son mutuamente excluyentes y U4, =z. Notese que este concepto es la traslacién del concepto de participacién de Een Teo- ria de Conjuntos. Teorema 3.2. (Del producto). Dado el espacio probabilistico (E, A, P), si A, BeAconP(4)>0 y P (B) > 0, entonces: P(AMB) =P (A) P(B/A) =P (B) P(A/B), Este teorema, que es consecuencia inmediata de la definicién, llamado también teo- rema de la probabilidad compuesta admite una generalizacién que se demuestra f4. cilmente por induceién, SIAyAy vA, eA yP (A) > 0, entonces: i= = P ()-rarrasarrasacay.efa fal Teorema 3.3. (De probabilidad total). Si {A,},.. 4 es un sistema completo de suce- Sos y P (A,) > 0 para cada ie N, entonces dado Be A, P(B)= 5 P(A, PBA). Teorema 3.4, (De Bayes). Si (A)}, , 1 es/un sistema completo de sucesos, P(A) > 0 para cadaie Ny Be A es tal que P (B) > 0, entonces: P(A) P(B/A,) SPayPw@say P(A,/B)= > para cada ie AL Resultados tedrico ee ente los dos tiltimos teoremas son vilidos si la familia de sucesos {4,) es are probabilidades de A, se les llama probabilidades a priori, alas de A, /B probabilidades a posteriori y a las de B /A, verosimilitudes. f ) Un concepto fundamental en Estadistica es el de sucesos independientes. Sila informacin que proporciona la ocurrencia de un suceso A no modifica el comporta- miento en probabilidad del suceso B, estamos en presencia de sucesos independien- tes en probabilidad. Definicién 3.5. Se dice que A, B ¢ A son independientes siz P(AMB)=P (A) P(B). Como consecuencia se tiene que si A y B son independientes, entonces P(B/A)=P(B) si P(A)>0 y P(A/B)=P(A) si P(B)>0. Definicién 3.6. Una familia de sucesos H CA esté formada por sucesos indepen- dientes dos a dos si: P(AMB)= P(A): P(B).VAB eH. =f ee Definicién 3.7. Una familia de sucesos H CA esid formada por sucesos compl tamente independientes (por brevedad independientes) si para toda subfamilia finita Aj, Ay, wey © Hse verifica que: P(A, NA, O...04,)=] [P A). Puede ocurrir que P (A, A.A, A,) =P (A,) - P(A,)-P (A,) y que los sucesos A), A, Ay no in sowed dos a dos y también puede darse el caso de una Le lia de sucesos independientes dos a dos que no sean completamente independientes. Si se consideran dos espacios probabilisticos (E,,4, P,) y (Ey»A,, P.) 7 at de definir un experimento compuesto mediante el espacio probabilistico (E, A, P), en donde E=E,XE, ={(¢,,2,):¢, €£\.¢, €E,) Az=AxA,=((A,B): ACA, BEA}1. Probabilidad Ee P(A, B)=P (A): P(B), experimentos independientes. Problemas resuelto ee ee en te eae P(AQB)=1-P(A)—P (B)+P (A) P(B)= =1-P(A)+P (B)[-1+P(A)]= P(A, B) =P (A) - P(B/A), experimentos dependientes SLES eer Por iiltimo y con objeto de unificar las notaciones recordamos a continuacién las férmulas clasicas del Andlisis Combinatorio, y en consecuencia A y B son sucesos independientes. Variaciones: V,,,, =m (m—1)(m—2)...(m—n+1) Combinaciones: C,,=|""|=—™ _ ‘ nl (m—n)! Permutaciones: P,, =m. ‘ si. cid: Variaciones con repeticion: VR ss 1) Como A y B son independientes se sabe que Combinaciones con repeticion: CR, = C. P(AB)= P(A) P(B). Es claro que A = [A 9 B] U [A 4B] y como los sucesos A. B y AO Bson in- Permutaciones con repeticién: PR’ = compatibles resulta que: P(A)=P(ANB)+P (ANB) P(A)=P (A) P(B)+P (ANB) PROBLEMAS RESUELTOS de donde, P(AMB)=P(A)-P (A) P(B)=P(A)[I- P (B= P(A) PB) yen consecuencia A y B son independientes. ii) Alser A, By C independientes se verifica que: Solucién: P(AMB)=P (A) P(B); P(ANC)=P (A) PC); pou: P(BAC)=P(B) PO y P(ANBNC)=P(A)P(B) PC). Como AA B= AUB se tiene que: A A, By Cson independientes si se cumple que P(AMB)= P(AUB)=1- P(AUB)=1-[P(A)+P(B)-P (ANB) Ns ee is : ; P(ANB)=P (A) P (BYP (ANC) =P (APC); i pero al ser A y B independientes, P (A ©) B) = P (A) P (B), luego P(BOC)=P(B)P(C) y P(AMBAC)= P(A) P (B) P(C). 81. Probabilidad —_— Ta primera condicién se verifica por hipétesis, la segunda y ta tercera se deducen de i) y para la ultima se tiene que ANB=[ANBACIULANBNE] como A VBA Cy ABA Cson incompatibles P(ANB)=PLANBAC]+ PLAN BNC] P(A)P (B)= P(A) P(B) P(C)4+P [AN BAC] de donde, P{AQBOC) = P(A) P(B)~P (A) P(B) P(C)= = P(A) P (B)(I-P (C)|= P(A) P(B) PE), como queriamos demostrar. ‘Problema: 13 s Ba un n erupo dec ‘ineo. operas se aquieze etegir un coming dees | person: 5 s ‘ i) Probabitidad de que en dicho comité estén’ {eS persorias: Stein. 4i). Probabilidad de que est una person: ‘determinada, Solucién: E] ntimero de formas de clegir tres Personas de entre cinco es C, + it) Si una persona ha de estar en el comité, s6lo se pueden elegir dos de cntre las cuatro restantes, Inego el mimero de casos favorables a este suceso es 4! Cu2™ 557 = 6 ¥ por tanto P = 6/10 = 3/5, 10 Problema 1.4. De und poblacion de N elesiettoy se sel tamafio.n. Calotilese ta probabilidad de obtener una muestra de TRAIT AEN ii) sin reetmplazamiento, Solucién: i) BJ ndimero de muestras posibles con reemplazamiento es: Ntn-1)_(N+n-D! CRvn=| nl(N—1)! Juego td _ nttw-1)! OR, (N+n-D! Nn ii) Elnmero de muestras posibles sin reemplazamiento es: -(N)._ Cun a luego nl(W—n)! “ON €, veces das dadas, se Probleroa LS." Calculese la frobabiidad | de que al lanzar 1.1 obtenga al menos un seis doble, Sea p-esa, probable, joudiitad cee habrén sei He jugatse para tener p= 1/2? Solucién: El problema resulta més senciflo utilizando el suceso contrario. La pebble de que no salga cl seis doble en una tirada de los dos dados es 35/36 y la de que ni salga ningdn seis doble en 7 tiradas es (35/36)" luego: Wee ea 1. Probabilidad Problemas resuelto. rae iii) Sea C el suceso las cuatro personas bajan en plantas dite B sina de casos favorables @ Ces el nimero de formas de elegir cuatro te cna es decir Cy 4, por el naimero de formas que tienen cuatro personas de baj cuatto plantas elegidas, es decir P,, luego Para la segunda parte se tiene site) a) Y tomando logaritmos resulta PrCow _ 63. 10000 125° P(C)= ie ~ 10g35— log36 =24.47 ASG Net log—=log— ; re ae hee luego han de jugarse 25 partidas para tener probabilidad 1/2 de obtener al menos un seis doble, Soluci6n: i i il 20 equipos dos grupos de 10 es el El ndimero de formas posibles de formar con 20 LG mismo que el de elegir 10 elementos de entre 20 sin que importe el orden, es decir Coo, tor i) El nimero de casos favorables al primer suceso se obtiene ae imponemos que los cuatro estén en el primer grupo sdlo na 2 Cie otros 6 de entre los restantes 16 equipos, es decir de C,,, formas. grupos resulta 2 Cy, ¢ casos favorables y Solucién: El nimero de casos posibles es VR,o.4= 10* = 10000, i) S6lo en uno de los 10000 casos posibles se cumple el suceso A = las cuatro, Personas bajan en la décima planta, luego: P(A) = 1/10000. \)) La probabilidad del suceso B las cuatro personas bajan en la misma planta €s diez veces la de A al haber 10 plantas, luego: P (B) = 1/1000. 13 12Problemas resuelto: Se EEE Gis Ne alee (h-hh) Con Gran ht hobs 2° Solucién: Como al tener més de un mii mero le puede tocar mds de un premio, resulta mas sencillo utilizar el suceso cont trario: que no le toque ningtin premio, Clegir k niimeros de entre n es C, , y el némero de for- entre n-m (los no premiados) es Ci ‘rn, 420M 10 que resul- fener ningtin premio, y la probabilidad mas de elegir k ntimeros de tala probabilidad P, de no t P i e TTA ms nm)! tipli- ii inica diferencia ahora es que el nimero de casos bai, hi ov ie = a a Feieio ds Torta te permutar los niimeros ht, Ftp. as i, de ca por k! nti ] das, Luego en este caso, resulta: (2-1)! (n—m)! nl(n=m—k)! omerk wa con lo que la probabilidad buscada es P= | — Pp, “ae k piezas del oe eee ibles de seleccionar sin reemplazamient ™ El mimero de formas posibles de sel formas posibles de colocar h bolas lote de n piezas viene dado por las combinaciones ordinarias de n elementos toma- pic 1K mt ni ini : en k bolsas numeradas es el de variaciones con repeticién de k elementos tomadoy de h ca hes decir VR, , = k* Para el recuento de casos favorables podemos razonar como sigue, Las A, bolas que han de estar en la primera bolsa son C, ,, de las restantes h- Jy, hy han de ira la se- Sunda bolsa lo que da C,_, ,, formas posibles ¥ asi sucesivamente. El numero de casos favorables serd el prodiicto de estas expresiones, es decir dos de cs i nte r de- ken k, es decir ( } Para que la muestra elegida contenga exactame! s en fectuosi requiere que al mismo tiempo conte! —r correctas. Las formas fc as se requic 1 al mism¢ nga k — r corr eo bles de elegir r piezas de entre las n, defectuosas son | “° | y las de elegir k—r posi gir r piezas de > ( } k 15 14- Problemas resuelt nr rewawerreer ee n, : correctas de entre m, son ( ‘ ) con lo que resulta que el mimero de formas posi- 1200 cada uno de ellos resultando el esquema HMHMH. seleccionamos, con repeticién, tres mimeros entre 1, 2, 3, 4 de forma que la selec- ci6n 111, por ejemplo, significa que las tres mujeres restantes se sienten antes det Primer hombre, Como las cinco mujeres podrén permmiarse entre sf al igual que los hombres, resulta el niimero de casos favorables CR, ,- P,P, con lo que: 443-1 “5-3! pach PP, ( 3 ] . ee ee a i 8 14 16Problemas resuelto 1. Probabilidad Solucién: Designando por A, (= 1, 2, 3, 4) el suceso el camién i-ésimo hace la entrega en forma correcta, el suceso considerado es A, UA, U Ay UA, Como A; yA, no son incompatibles la formula aplicable es: P(A, UA, UA, VA)=P(A\)+ P(A,)+ P(A,)+P(A,)— P(A, OA,)~P(A,0A,)—P(A, 0A, )~ “P(A, A) P(A, A,)—P (A, A )+ #P(A,9.4,94,)+ P(A, A, A) + El ntimero de casos posibles es Ny el de casos favorables es Ta parte entera de N/k, que denotaremos £' [N/K], puesto que entre 1 y Nhay E [N/K] miltiplos de k, Inego FPA, OA NA+ P(A, A= -P(A,NA, 0A, A,). _EIN/ RL es EI ntimero de casos posibles de hacer la entrega es 4! = 24. Los casos fayorables ¥ as probabilidades correspondientes son Para obtener el Iimite formemos la sucesin de probabilidades z para A, 31=6 P(A)=6/24 a e pata A,AA,,2!=2 P(A,0A,)=2/24 a‘ Pe ae PAOAOA)=1/24 "Bk Sk +1 3k 42 Para 4,04, 04, VAI P(A.OA, NA, A,)=1/24 a de forma que desechando los ceros iniciales, que no tienen pec oe ie Sucesién resultante se obtiene tomando sucesivamente un elemento de cada Jas subsucesiones Bites.) ue i Ae rire igs nk? nk+ 1" nk+2°°" nk+k-1 En general: i I consecuencia Pero cada una de estas subsucesiones tiende a a cuando m — o y en conse nt (pee (2) ag yeslecm! t nt 2 nt 3) wt al a i ede (A)- 2 PAA) +...= limp, =1/k. a 1 ei ane ng hed Tey a aa! 18