Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción:
Uno de los problemas que se encuentran al calcular probabilidades está relacionado con
aquellas situaciones en las que existe un número muy grande de resultados posibles, en el
experimento. Por ejemplo:
Si un experimento aleatorio consiste en lanzar al aire una moneda, una vez, entonces
1
n( S )= 2 =2.
Si un experimento aleatorio consiste en lanzar al aire una moneda, dos veces, entonces
2
n( S )= 2 =4 .
Si un experimento aleatorio consiste en lanzar al aire una moneda, tres veces, entonces
3
n( S )= 2 =8 .
Si un experimento aleatorio consiste en lanzar al aire una moneda, cuatro veces, entonces
4
n( S )= 2 =16 .
Si un experimento aleatorio consiste en lanzar al aire una moneda, cinco veces, entonces
5
n( S )= 2 =32 .
Si un experimento aleatorio consiste en lanzar al aire una moneda, 15 veces, entonces
5
n( S )=2 =32 .
15
η( S )=2 =32 .768 . Ahora, si se desea determinar en cuántos de estos resultados cae
cara hacia arriba, es muy difícil.
La Solución a este problema consiste en utilizar el método de Variables aleatorias y
Distribuciones de probabilidad.
x i P( X =x) i
x 1 P( X= x ) 1
x 2 P( X= x ) 2
x 3 P( X= x ) 3
x k P( X= x k
Suma 1,000
E( X )= . μ x
μ x
E( X )= x = 1∗P( X = 1 )+ 2∗P( X= 2 )+ x x x x ∗P( X = x )+. ..+ x ∗P( X = x )
3 3 k k
Como caso especial de valor esperado se tiene que:
2 2 2 2 2
E( X )= x ∗P( X= x )+ x ∗P( X= x )+ x ∗P( X= x
1 1 2 2 3 3 )+. . .+ x ∗P( X= x
k k)
( E( X ) )
2 2
σ x =E( X )− =E ( x
varianza. Es decir: x . σ x= √σ
Para interpretar el valor de la desviación estándar, se recomienda convertirá en el
C.V=
σ x
∗100
Ejemplo 1:
Suponga que un experimento aleatorio consiste en lanzar al aire una moneda tres veces y
registrar el resultado del lado superior. Suponga además, que X es la variable aleatoria que
representa el número de caras al juagar la moneda tres veces.
Se pide:
a) Construir la distribución probabilística de X .
b) Calcular el valor esperados de X . ¿Qué indica este valor?
c) Calcule la varianza y la desviación estándar X . ¿Qué indica este valor?
d) Represente gráficamente la distribución probabilística de X .
Solución:
a) Distribución probabilística de X
Sabemos que el número de resultados posibles resultados que se obtienen al juagar una
moneda tres es igual a: η( S )=2∗2∗2=8. Dichos resultados se resumen en el siguiente
conjunto:
S={ccc , ccs,csc, scc , css, scs , ssc , sss}
x =2 ,
3 x =3 .
4
Como cada valor de la variable representa un evento, a cada uno de ellos, se les puede asignar
1 3
=0 ,125 P( X=1)= =0 , 375 ,
una probabilidad, así: P(X=0)= 8 , 8
3 1
P( X=2)= =0 , 375 , P( X=3)= =0 ,125 .
8 y 8
0 P(X=0)=0,125
1 P(X=1)=0,375
2 P(X=2)=0,375
3 P(X=3)=0,125
Sumas 1,000
Este resultado indica que el número de caras más probable al jugar con tres monedas, lo más
probable que ocurra se obtengan entre 1 y 2 caras.
( E( X ) )
2 2
σ x =E( X )− =E x =3−
σ x= √ 0 , 75 =0,866.
Axis Title
0.2
0.15
0.1
0.05
0
0 caras 1 cara 2 caras 3 caras
µ=1,5
Ejemplo 2:
Un concesionario de automóviles calcula la proporción (probabilidad)de automóviles nuevos
vendidos que han sido devueltos varias veces para repararles algún defecto durante el periodo
de garantía. Los resultados se presentan en la siguiente Tabla:
Número de devoluciones 0 1 2 3 4
Proporción o Probabilidad 0,30 0,35 0,20 0,10 0,05
a) Representación gráfica:
Poligono de probabilidades
0.35
0.30
Probabilidad
0.20
0.10
0.05
b) Valor esperado:
σ x= √ 1 ,29=1 ,135 .
Número factorial:
Sí n , es un número entero y positivo, entonces, el producto de todos los números
n !=1∗2∗3∗. ..∗(n−2)∗(n−1)∗(n )
Ejemplo 3:
1!=1
2!=1∗2=2
3 !=1∗2∗3=6
4 !=1∗2∗3∗4=24
5 !=1∗2∗3∗4∗5=120
0!=1 , por definición.
Permutaciones:
Un segundo método para determinar el número de resultados posibles que existen en un
experimento aleatorio, son las permutaciones.
n P = ( n−r
r
n!
)!
Ejemplo 4:
Calcular:
a)
6 P = ( 6−3
3
6!
=
720 720
) ! 3! = 6 =120
b)
10 P =10! 4
10 ! 3628800
( 10−4 ) ! 6 ! =720
= =5040
c)
5 P = ( 5−2
2
5!
=
120 120
) ! 3 ! = 6 =20
Ejemplo 5:
Un conferencista dispone de ocho temas sobre los que puede disertar. Se la pide que presente
una serie de cinco conferencias ante un grupo de personas, de manera el orden en que
presenta las conferencias sea importante. ¿De cuantas formas puede organizar su disertación?
Solución:
Como se trata de una organización de los cinco temas que se va a presentar, se está ante un
caso de permutación de n=8 y r=5 . En consecuencia, el número total de formas cómo
el conferencista puede organizar su disertación es:
8 P = 8!3! =40320
5 6 =6720
Combinaciones
Un tercer método para determinar el número de resultados posibles que existen en un
experimento son las combinaciones.
n C = r !* (nn−r
r
!
)!
Ejemplo 6:
Calcular:
a)
5 C = 2!*(5−2)!
2
5! 5 ! 120
= 2 !*3! =12 =10
b)
10 C =102!*(10−2
!
2 =
10!
=
3628800
)! 2 !*8 ! 80640 =45
Para realizar este cálculo con Excel de n C r , se proceda de la siguiente manera:
Ejemplo 7:
Una empresa manufacturera cuenta con ocho tornos para la producción; pero sólo dispone de
tres espacios disponibles en el área de producción para las máquinas. ¿De cuántas maneras se
pueden distribuir los ocho tornos en los tres espacios disponibles?
Solución:
Como se trata de distribuir 8 tornos en los tres espacios disponibles, entonces estamos ante un
caso de una combinación de n=8 y r=3 . En consecuencia, el número total de formas
cómo puede distribuir los ocho tornos en los es0pacios disponibles es igual a: 8 C =563
f (x )=P( X =x )= Para =
x , x , x , . .. , x
1 2 3 k
Ejemplo 3:
Suponga que X es la variable aleatoria que representa el número de hijos de una familia
escogida al azar, entres las familias de los estudiantes de Ciencias económicas de esta
universidad. Suponga además que la función de probabilidad de X es la siguiente:
Se pide:
a) Construir la distribución de probabilidad de X .
b) Calcular el valor esperado de esta distribución.
c) Calcular la varianza
d) La desviación estándar de la X
Solución:
Número de 5−x
hijos P( X= x )=f ( x )=
10
x i
5−1 4
1 P( X=1)=f (1)= = =0 , 40
10 10
5−2 3
2 P( X=2)=f (2)= = =0 ,30
10 10
5−3 2
3 P( X=3)=f (3 )= = =0 , 20
10 10
5−4 1
4 P( X=4 )=f (4 )= = =0 , 10
10 10
Suma 1,0
b) Valor esperado de X
E ( X )= μ =1∗0 , 40+2∗0 ,30+3∗0 , 20+ 4∗0 ,10=2 hijos
x
2 2 2 2 2
E ( X )=1 ∗0 , 40+ 2 ∗0 ,30+ 3 ∗0 , 20+ 4 ∗0 , 10=5
2 2 2 2
c)
σ x =E ( X )−( E( X ) ) =5−2 =1,0
d) σ x= √ 1,0=1,0 hijos
Ejemplo 9:
Se realiza un experimento aleatorio que consiste en lanzar al aire una moneda cuatro
veces, una tras otra.
Suponga que X es la variable aleatoria que representa el número de caras en los
cuatro lanzamientos de la moneda. Suponga además que la función de probabilidad de
X es la siguiente:
f ( x )= P ( X = x )=
4 C x
16 Para x=0,1,2,3,4
Se pide:
a) Encontrar la distribución de probabilidad de X .
b) Determinar la probabilidad de que exactamente en tres lanzamientos se obtenga
cara.
c) Determinar la probabilidad de que a lo sumo en tres lanzamientos se obtenga cara.
d) Determine la probabilidad de que en por lo menos en tres lanzamientos se obtenga
cara.
e) Calcule el valor esperado de X
f) Calcule la varianza y la desviación del número de caras en los cuatro lanzamientos de
la moneda.
g) Construya el polígono de probabilidades que representa ésta distribución de
probabilidad.
Solución:
Suponga que X es la variable aleatoria que representa el número de caras en los
cuatro lanzamientos de la moneda. Suponga además que la función de probabilidad de
X es la siguiente:
f ( x )=P( X = x )=
4 C x
16 Para x=0,1,2,3,4
a) La distribución de probabilidad de X , se muestra en la siguiente Tabla:
Nº
Caras
f ( x )=P( X = x )=
4 C x
x i
16
0
f ( 0)=P ( X=0 )=
4 C 0
=
1
=0 , 0625
16 16
1
f (1 )=P( X =1)=
4 C 1
=
4
=0 , 2500
16 16
2
f (2 )=P( X =2)=
4 C 2
=
6
=0 ,375
16 16
3
f (3 )=P( X=3 )=
4 C 3
=
4
=0 , 2500
16 16
4
f ( 4 )=P( X =4 )=
4 C 4
=
1
=0 , 0625
16 16
Suma 1,0000
f (3 )=P( X=3 )=
4 C 3
=
4
=0 , 2500
16 16
c) Determine la probabilidad de que a lo sumo en tres lanzamientos se obtenga cara.
P( X≤3)=P ( X=0 )+P( X =1)+P( X =2)+ P( X =3 )=0 , 0625+0 , 25+0 , 375+0 , 25=0 , 9375
d) Determine la probabilidad de que en por lo menos en tres lanzamientos se obtenga
cara.
P( X≥3)=P ( X=3 )+P( X =4 )=0 ,25+ 0 ,0625=0 , 3125
e) Calcule el valor esperado de X
E( X )= μ =0∗0 , 0625+ 1∗0 , 25+2∗0 ,375+ 3∗0 ,25+ 4∗0 , 0625=2,0 caras
x
2 2 2 2 2 2
E ( X )= 0 ∗0 , 0625+1 ∗0 , 25+2 ∗0 , 375+3 ∗0 , 25+ 4 ∗0 , 0625=5,0
f) Calcule la varianza y la desviación del número de caras en los cuatro lanzamientos de la
moneda.
2 2 2 2
σ =E ( X )−( E( X ) ) =5−2 =1,0
x
σ =√ 1,0=1,0
x
Polígono de Probabilidad
0.4000
0.3500
0.3000
0.2500
Probabilidad
0.2000
0.1500
0.1000
0.0500
0.0000
0 caras 1 cara 2 caras 3 caras 4 caras
Nº caras
son: x =0,1,2,3 , .. . ,n
i
n C = x!*(n−x
x
n!
)! = Número de maneras de obtener exactamente x éxitos
en n repeticiones de la prueba de Bernoulli.
p = Probabilidad de éxito en cualquier repetición de la prueba de Bernoulli.
x
n− x
( 1− p ) = Probabilidad total de fracasos
Sí X ~ b(3;0,2) , se pide:
Solución:
b) Distribución de probabilidad de X .
x
x 3−x
i C ∗( 0,2 ) ∗( 0,8 )
f ( x )=P( X =x )=3 x
0 3
1 f (1 )=P( X =1)= C ∗( 0,2 ) ∗( 0,8 ) =3∗( 0,2 ) ∗( 0,8 ) =3∗0,2∗0. 64=0 , 384
3 1
2 1
E( X )= μ =n∗ p
x
2
σ x =n∗ p∗( 1− p )
σ x= √ n∗p∗( 1− p)
Ejemplo 11:
Sí X ~ b(10;0,4) , entonces:
E( X )=
2
μ =10∗0,4= 4
x
Ejemplo 12:
Por experiencia se sabe que el 10% de los fusibles producidos por una Compañía son
defectuosos. Si se selecciona al azar una muestra de 12 fusibles,
Solución:
Sean:
n=12 fusibles, tamaño de la muestra.
p=0,10 probabilidad de que un fusible escogido al azar se defectuoso. Probabilidad de
Éxito.
X = Número de fusibles defectuosos en la muestra.
La distribución teórica de X ~ b(12;0,1)
a) Función de probabilidad de X :
x 12−x
f ( x )=P( X =x )=12 C ∗( 0,1 ) ∗( 0,9 )
x
Para x=0,1,2,3,.....,12
b) La probabilidad que ninguno de los 12 fusibles sea defectuoso, es:
0 12
f ( 0)=P ( X=0 )=12 C ∗( 0,1 ) ∗( 0,9 )
0 =1∗1∗0 , 2824=0 ,2824
c) La probabilidad que uno de los 12 fusibles seleccionados sea defectuoso, es:
1 11 11
f (1 )=P( X =1)=12 C ∗( 0,1 ) ∗( 0,9 ) =12∗0,1∗( 0,9 )
1 =0 , 3766
Ejemplo 13:
Se sabe que el 40% de los clientes que entran una perfumería, el sábado en horas de la
tarde, compran algo antes de retirarse, del lugar. Si se escoge al azar una muestra de 20
clientes, de entre los que entraron el pasado sábado por la tarde,
Solución:
Sea X la variable aleatoria que representa el número de clientes que entraron el sábado
pasado a la perfumería y compararon algo antes de retirarse del lugar.
Sea n=20 clientes, tamaño de la muestra.
Sea p=0,4 la probabilidad que un cliente elegido al azar, haya comprado algo antes de
retirarse del lugar.
Puesto que X indica el número de éxitos en una muestra de donde n=20 y
p=0, 40 , entonces, la distribución teórica de X es una binomial con parámetros
n=20 yp=0, 40 Es decir:
a) X ~ b(20;0,4) y su función de probabilidad es:
x 20−x
f ( x )=P( X =x )=20 C ∗( 0,4 ) ∗( 0,6 )
x
Para
x=0,1,2,3,.....,20
b) La probabilidad que ninguno de los 20 clientes haya comprado algo, antes de
retirarse del lugar, es igual a:
0 20
f ( 0)=P ( X=0 )=20 C ∗( 0,4 ) ∗( 0,6 )
0 =1∗1∗0 , 0000=0 , 0000
c) La probabilidad uno de los 20 clientes haya comprado algo, antes de retirarse del
lugar, es igual a:
1 19
f (1 )=P( X =1)=20 C ∗( 0,4 ) ∗( 0,6 )
1 =20∗0,4∗0 , 0001=0 , 0005
d) La probabilidad dos de los 20 clientes hayan comprado algo, antes de retirarse del
lugar, es igual a:
2 18
f (2 )=P( X =2)=20 C ∗( 0,4 ) ∗( 0,6 )
2 =190∗0 ,16∗0 , 0001=0 , 0031
e) La probabilidad que, a lo sumo, dos de los 20 clientes, hayan comprado algo antes
de retirarse del lugar, es igual a:
P( X≤2)=P( X=0 )+P( X=1)+P( X =2)=0 ,0000+0 ,0005+, 00031=0 , 0036
f) La probabilidad que, por lo menos, dos los 20 clientes, hayan comprado algo antes
de retirarse del lugar, es igual a:
P( X≥2)=1−P( X <2 )=1−[ P( X =0 )+P ( X=1 ]=1−[0 , 0000+0 , 0005 ]=0 , 9995
1) Un consultor financiero estima las probabilidades del número de días necesarios para
concluir un proyecto de consultoría como sigue:
Número de días 1 2 3 4 5
x i
P( X = x) i
0,05 0,25 0,45 0,15 0,10
a) Calcule el valor esperado, del número de días necesarios para terminar el proyecto.
¿Qué indica este valor esperado?
b) Calcule la varianza y la desviación estándar del número de días para terminar el
proyecto.
f ( x )=P( X =x )=
x −1
50 Para x=2,3,4,5
a) Construya la distribución probabilidad estadística de X y represéntela gráficamente.
b) Calcule la probabilidad que, en una semana elegida al azar, se vendan por lo menos
tres automóviles nuevos.
c) Calcule el valor esperado de X . ¿Qué indica éste valor?
d) Calcule la varianza y la desviación estándar de X .
x
e ∗3
−3
f ( x )=P( X =x )=
x! Para x=0,1,2,3,......
(Esta ecuación corresponde a la fórmula de Poisson)
¿Cuál es la probabilidad que, en una hora determinada del próximo sábado, lleguen dos
o menos clientes a dicha sala de ventas?
x
e ∗4
−4
f ( x )=P( X =x )=
x! Para x=0,1,2,3,......
(Esta ecuación corresponde a la fórmula de Poisson)
Calcule la probabilidad de que, en una yarda cuadrada de ésta tela, se encuentre por lo
menos un defecto.
7) Suponga que el 5% de los motores para automóvil fabricados por una AB&, son
defectuosos. Si una compañía dedicada al ensamble de automóviles, recibe un
cargamento de 15 motores producidos por AB&, calcule la probabilidad de que entre los
15 se encuentre dos o menos motores defectuosos.
9) Una compañía recibe un pedido muy grande de artículos. Se analiza una muestra
aleatoria de dieciséis artículos, y se acepta el pedido si menos de dos resultan
defectuosos. ¿Cuál es la probabilidad de aceptar un embarque que contenga un 5% de
artículos defectuosos?