Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción:
RESUMEN
Página 1 de 19
GLOSARIO
Probabilidad1: Se define como el grado La probabilidad es la posibilidad
que existe entre varias posibilidades, que un hecho o condición se
produzcan. La probabilidad, entonces, mide la frecuencia con la cual se
obtiene un resultado en oportunidad de la realización de un experimento
sobre el cual se conocen todos los resultados posibles gracias a las
condiciones de estabilidad que el contexto supone de antemano.
1
Tomadode
http://www.definicionabc.com/general/probabilidad.php#ixzz2TCUO6
Axioma: Proposición clara y evidente que no necesita demostración
Sucesos: Cada uno de los posibles resultados que no se pueden
descomponer en otros más simples en un experimento aleatorio.
Espacio Muestral: Conjunto total de sucesos elementales.
Desarrollo temático.
2.1 Conceptos de probabilidad y sus propiedades.
2.2 Axiomas de Probabilidad
2.3Técnicas de Conteo
2.4 Teorema de Bayes
N º de Exitos
p
N º de Posibilida des
Página 2 de 19
Ejemplo 1:
cara, cara, cara ; cara, cara, sello ; cara, sello , cara ; cara, sello , sello
S
sello , cara, cara ; sello , cara, sello ; sello , sello , cara ; sello , sello , sello
Como observamos existen ocho posibilidades Fermat consideraba que estos ocho
casos (sucesos) eran recíprocamente simétricos, o, en otras palabras, igualmente
posibles.
N º de Exitos 3
p 0.375 38%
N º de Posibilida des 8
Que se puede interpretar como: si realizamos el experimento cien veces en
aproximadamente 38 obtendremos alguno de estos resultados (dos caras y un
sello en cualquier orden).
N º de Exitos 1
p 0.125 13%
N º de Posibilida des 8
Ejemplo 2.
Página 3 de 19
1,1; 1,2; 1,3; 1,4; 1,5; 1,6
2,1; 2,2; 2,3; 2,4; 2,5; 2,6
3,1; 3,2; 3,3; 3,4; 3,5; 3,6
S
4,1; 4, 2 ; 4,3; 4, 4 ; 4,5 ; 4,6
5,1; 5,2; 5,3; 5,4; 5,5; 5,6
6,1; 6,2; 6,3; 6,4; 6,5; 6,6
N º de Exitos 3
p 0.083 8%
N º de Posibilida des 36
Que se puede interpretar como: si realizamos el experimento cien veces en
aproximadamente 8 obtendremos este resultado.
N º de Exitos 6
p 0.16 17%
N º de Posibilida des 36
Es decir en 100 lanzamientos se obtienen aproximadamente 17 éxitos.
Página 4 de 19
2.1.2.1 Escala de Probabilidad
P A P A 1
P A 1 P A
N º de exitos 2
p 1
N º Posibilida des 2
Por otra parte si un suceso es imposible su probabilidad es cero, un ejemplo
análogo al anterior podría ser con la misma moneda obtener sello.
N º de exitos 0
p 0
N º Posibilida des 2
2.1.2.2 Reglas Aditivas
Si representamos por A y B dos sucesos que solamente uno de ellos puede ocurrir
en un solo ensayo, se dice que son mutuamente excluyentes, en otras palabras si
ocurre uno no puede suceder el otro. La probabilidad conjunta de que se den los
dos sucesos esta dada por :
Página 5 de 19
A B
P A B P A PB
Si tenemos más sucesos se puede extender este concepto
Ejemplo 1:
AS 2-10 J,K,Q
Diamantes 1 9 3
Corazones 1 9 3
Picas 1 9 3
Tréboles 1 9 3
N=26 FR=18
Página 6 de 19
PN FR PN PFR
PN FR
26 18 44
0.846 85%
52 52 52
PN FR 1 P N FR
PN FR 1
44 8
0.154 15%
52 52
Ejemplo 2:
Si tenemos una caja con seis bolas rojas, cuatro negras y tres rojas si extraemos
una al azar determinar la probabilidad de que sea negra o roja.
B=6 B=4
R=3
P N R P N P R
PN FR
4 3 7
0.538 54%
13 13 13
Si tenemos sucesos que comparten alguna característica o que no son
mutuamente excluyentes es decir cuando la posibilidad de que ocurra un suceso
no impide la ocurrencia del otro. En este caso la probabilidad de los dos sucesos
se determina asi:
Página 7 de 19
P A B P A PB P A B
Ejemplo :
PT A
13 4 1
52 52 52
PT A
16
0.308 31%
52
Ejemplo :
Página 8 de 19
PC As R
13 4 26 1 13 2 1
52 52 52 52 52 52 52
PC As R
28
0.538 54%
52
Sucesos Independientes
Dos sucesos son independientes si la probabilidad de presentación de uno no se
ve afectada por el otro, hay que anotar que el enlace en este tipo de sucesos es
“ i “ es decir que se den el uno y el otro, también hay que tener en cuenta que en
estos experimentos el muestreo se hace con reposición. El axioma es:
PN FR
26 3 78
* 0.0288 2.88%
52 52 2704
Página 9 de 19
PF F A PF * PF * P A
PN FR
12 12 4 576
* * 0,0040965 4,09 / 1000
52 52 52 140608
Ejemplo 3
Si tenemos una caja con seis bolas blancas cuatro negras y dos rojas al
extraer al azar tres de ellas con reposición (extraemos la primera anotamos
cual es y nuevamente vuelve a la caja para extraer la segunda) ¿Cual es la
probabilidad de obtener: una blanca , una no blanca y otra negra?
PN FR
6 6 4 144
* * 0,08333333 8%
12 12 12 1708
Ejemplo 4
Página 10 de 19
Sucesos Dependientes
Los sucesos se consideran dependientes si la probabilidad en un segundo suceso
se ve afectado por el primero y en el tercero por lo que haya sucedido en el
primero y el segundo. Es de anotar que en este tipo de experimentos el muestreo
se realiza sin reposición. El axioma es:
P A B C.......N P A* PB A* PC B A* * * *P N . * * * * * C B A
Que se lee: El primer suceso será el numero de éxitos sobre el espacio muestral ,
para el segundo suceso será la probabilidad del segundo dado que ya se evaluó la
probabilidad del primero y asi sucesivamente.
Ejemplo 1
PN FR
26 3 78
* 0,02941176 2.9%
52 51 2652
Que resulto ser un poco mayor que si el experimento fuera con reposición, aunque
no se puede afirmar que en sucesos dependientes necesariamente la probabilidad
es mayor.
Ejemplo 2
PN FR
12 11 4 528
* * 0,0039819 3,98 / 1000
52 51 50 132600
Que resulto ser un poco menor que si el experimento fuera con reposición, lo que
comprueba que no se puede afirmar que en experimentos con reposición la
probabilidad sea mayor o menor , es necesario evaluarla en cada caso.
Página 11 de 19
Ejemplo 3
Si tenemos una caja con seis bolas blancas cuatro negras y dos rojas al
extraer al azar cuatro de ellas sin reposición ¿Cual es la probabilidad de
obtener: una blanca , una no blanca , una negra y otra roja?
Probabilidad Condicional
P A B
PB A
P A
Ejemplo:
Supongamos que se realizo una encuesta donde se les pregunto a hombres y
mujeres sobre su situación de empleo obteniéndose:
Una de estas personas se seleccionara al azar para que realizar un viaje con
todos los gastos pagos.
Página 12 de 19
Si llamamos el evento elegir hombre dado que tiene empleo
PH E
490
0,75384615 75%
650
A partir del espacio muestral podemos deducir la probabilidad que tenga empleo.
P E
650
0,67708333 68%
960
Y de la misma manera la probabilidad de que en todo el grupo sea elegido un
hombre empleado
P E H
490
0,51041667 51%
960
Al aplicar probabilidad condicional
490
PE H 960 490
PH E 0.75384615 75%
P E 650 650
960
2.3 Técnicas de Conteo
Uno de los principales retos de la estadística es establecer el tamaño del
espacio muestral de los sucesos en un experimento, como también el número
de veces que ocurrirá un evento de una forma rápida. En este aparte se
trabajaran las técnicas para contar sucesos.
Ejemplo 1
Una persona desea construir su casa, para lo cual considera que puede
construir los cimientos de su casa de cualquiera de dos maneras (concreto o
block de cemento), mientras que las paredes las puede hacer de adobe, o
ladrillo y el techo puede ser de concreto o lámina galvanizada ¿cuántas
maneras tiene esta persona de construir su casa?
Página 13 de 19
Concreto , adobe, Concreto ; Concreto , Ladrillo , Concreto
Concreto , Ladrillo , La min a Galvanizada ; Concreto , adobe, La min a Galvanizada
S
Block Cemento , adobe , Concreto ; Block Cemento , Ladrillo , Concreto
Block Cemento , Ladrillo , La min a Galvanizada ; Block Cemento , adobe, La min a Galvanizada
Tamaño S n1 * n 2 * n3
Donde
n1 : Cimientos
n 2 : Muros
n3 : Techo
Tamaño S 2 * 2 * 2 8
Ejemplo 2
Cuántas placas para automóvil pueden ser diseñadas si deben constar de tres
letras seguidas de cuatro números, si las letras deben ser tomadas del
abecedario español (26 Letras) y los números de entre los dígitos del 0 al 9?,
a. Si es posible repetir letras y números, b. No es posible repetir letras y
números, c. Cuántas de las placas diseñadas en el inciso b empiezan por la
letra D y empiezan por el cero
Página 14 de 19
Permutación simple
Se define como el número de arreglos posibles de un conjunto donde no se repiten los
elementos y no se puede replicar así mismo un evento , es de anotar que se cuenta el
orden de los elementos .
Formula
P n!
Donde
n= Numero de elementos
!= Factorial
Ejemplo 1
Si tenemos la siguiente palabra AMO de cuantas formas se pueden generar palabras (
sin sentido ortográfico) .
P=3! =1*2*3 =6
Ejemplo 2
¿De cuantas formas se pueden sentar a la mesa una familia de seis personas?
n= 6
P=6!=1*2*3*4*5*6=720
Formula
n!
n Pr1 , r2 , r3, .....rk
r1!*r2!*r3!*........... * rk !
Donde
n= Numero de elementos
r1,r2,r3,……rn = Repeticiones
!= Factorial
Ejemplo 1
Si tenemos la siguiente palabra AMA de cuantas formas se pueden generar palabras (
sin sentido ortográfico) .
Página 15 de 19
Son tres mediante la fórmula:
3! 1* 2 * 3
3P2 3
2! 1* 2
Ejemplo 2
Si tenemos la siguiente palabra CARRASQUILLA de cuantas formas se pueden generar
palabras ( sin sentido ortográfico) . La letra A , se repite tres veces , la letra R, dos veces y
la L dos veces.
12! 479001600
12 P3 ,2 ,2 19´958.400
3!*2!*2! 6*2*2
Variación
Se define como una permutación donde de un conjunto con “n” elementos , se
selecciona un subconjunto “r” y se establece el numero de arreglos posibles.
Formula
n!
n Pr
n r !
Ejemplo 1
Si tenemos la siguiente palabra AMO de cuantas formas se pueden generar arreglos de
dos letras (sin sentido ortográfico).
3! 3!
3P 2 6
3 2! 1!
Ejemplo 2
En una urna que contiene 46 balotas numeradas se extraen 6 al azar ¿cuantos
resultados son posibles si me interesa el orden?.
n=46
r=6
46! 46! 5,5026E 57
46P6 6.744´109.680,00
46 6! 40! 8,1592E 47
Combinatoria
Página 16 de 19
Formula
n!
nCr
r !n r !
Ejemplo 1
Si tenemos la siguiente palabra AMO de cuantas formas se pueden generar arreglos de
dos letras sin contar el orden y sin sentido ortográfico.
S AM ; OM ; AO
Son tres mediante la fórmula:
3! 3!
3C 2 3
2!3 2! 2!*1!
Ejemplo 2
En una urna que contiene 46 balotas numeradas se extraen 6 al azar ¿cuantos
resultados son posibles si no me interesa el orden?
n=46
r=6
46! 46! 5,5026E 57
46C 6 9´366.819
6!*46 6! 6!*40! 720 * 8,1592E 47
PBR A
PBR A k
P B A
i 1
i
Página 17 de 19
Ejemplo
Cierta fabrica de tornillos dispone de tres maquinas para su producción , la
proporción de tornillos por maquinas es : La maquina A el 35% , La maquina B
el 40% y La maquina C el 25% , debido a la calibración y vetustez algunos
tornillos resultan defectuosos, se han realizado conteos y se determino que el
porcentaje de tornillos defectuosos por maquina es: La maquina A el 5% , La
maquina B el 4% y La maquina C el 2% , toda la producción llega a un mismo
sitio, donde el encargado de control de calidad selecciona un tornillo al azar
que resulta ser defectuoso. ¿Cuál es la maquina donde está la mayor
probabilidad?
P(D)=0.05
P´(D)=0.95
P(A)=0.35
P(D)=0.04
P(B)=0.40
P´(D)=0.96
P(C)=0.25
P(D)=0.02
P´(D)=0.98
Para la maquina B
PB D PB * PD 0.40 * 0.04 0,016
PB D PB * PD 0.40 * 0.96 0,384
0.40
Página 18 de 19
Para la maquina C
PC D PB * PD 0.25 * 0.02 0,005
PC D PB * PD 0.25 * 0.98 0,245
0.25
P A D
PD A
P A D PB D PC D
PD A
0.0175
0,454545455 45%
0.0175 0.016 0.005
P B D
PD B
P A D PB D PC D
PD B
0.016
0,41558442 42%
0.0175 0.016 0.005
La probabilidad de que el tornillo defectuoso provenga de la maquina C es:
PC D
PD C
P A D PB D PC D
PD C
0.005
0,12987013 13%
0.0175 0.016 0.005
Por lo tanto la maquina donde existe más probabilidad de que provenga el tornillo
defectuoso es la Maquina A
Página 19 de 19