Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 1 Estadistica Matematica PROBABILIDADES Administracion F PDF
Tema 1 Estadistica Matematica PROBABILIDADES Administracion F PDF
Estadística Matemática
USFXCH
Sucre-Bolivia
2013
Los conceptos básicos que debemos considerar
para introducirnos al calculo de las
probabilidades son:
El Experimento aleatorio
El espacio muestral
Los eventos
Operaciones con eventos
Los experimentos u operaciones reales se
dividen en dos:
1. Determinísticos si los resultados del experimento
están completamente determinados y pueden
describirse por una formula matemática llamada
también modelo determinístico.
={CCC,CCS,CSC,SCC,CSS,SCS,SSC,SSS
Los espacios muéstrales discretos son aquellos
que tienen un número finito o infinito
numerable de elementos.
Espacios muéstrales discretos finitos; son
aquellos que tienen un número finito de
elementos por ejemplo: se lanzan dos monedas
simultáneamente y se observan las secuencias
de caras y sellos.
Entonces = 1 x 2 ={(x,y)/x= C,S, y= C,S
={ CC, CS,SC,SS
Espacios muéstrales discretos infinitos son
aquellos en los que puede establecerse una
correspondencia uno a uno con el conjunto de
los enteros positivos de modo que pueda ser
enumerado como 1,2,3,….. Por ejemplo lanzar
una moneda hasta que ocurra cara. Entonces se
establece:
={ C, SC,SSC,SSSC,SSSSC,…….
Espacio Muestral Continuo, es aquel que tiene
un numero no numerable de elementos. Es
decir cuyos elementos son todos los puntos de
algún intervalo.
Por ejemplo:
: Elegir un punto del intervalo cerrado 0,1
={xϵ ℝ/ 0 ≤ x ≤ 1
Se llama EVENTO a cualquier subconjunto del
espacio muestral y lo denotaremos por:
A,B,C,D,E,F,…etc. Así si A es un evento
entonces
A .
Y llamaremos SUCESO a todo elemento del
espacio muestral y lo designaremos por: w, x, y,
etc. Esto es si x es un suceso entonces x ϵ .
Un evento con un solo elemento es un evento
elemental, así si A={w es un evento elemental.
Obsérvese que el evento {w y el suceso w no
son lo mismo, esto lo sabemos de la teoría de
conjuntos.
𝑛 𝑛
DM1a) A1A2A3,..An= 𝑖=1 𝐴𝑖 = 𝑖=1 Ā𝑖 =Ā1Ā2 ,..Ān
𝑛 𝑛
DM2a) A1A2A3,..An= 𝑖=1 Ā𝑖 = 𝑖=1 Ā𝑖 = Ā1Ā2,..Ān
Eventos Mutuamente excluyentes, Dos eventos
A y B definidos en el mismo espacio muestral
se dice que son mutuamente excluyentes si no
pueden ocurrir juntos. Es decir la ocurrencia de
uno excluye la ocurrencia del otro.
En símbolos: AB=
Ejemplo: Se lanza un dado dos veces. Sean los
eventos:
A: La suma de los puntos obtenidos en los dos
lanzamientos es 7
B: En los dos dados se obtiene el mismo número
A y B son eventos mutuamente excluyentes pues
el conjunto A es el conjunto:
(3,4),(4,3),(1,6),(6,1),(5,2),(2,5) y B es el
conjunto: (1,1),(2,2),(3,3),(4,4),(5,5),(6,6) por
lo tanto AB=
Eventos colectivamente exhaustivos; Se dice
que una colección de n eventos: A1,A2,A3,..An,
definidos sobre el mismo espacio muestral son
colectivamente exhaustivos si la unión es igual
al espacio muestral. Es decir:
A1A2 A3 ,..An= 𝑛𝑖=1 𝐴𝑖 =
ABC=0,1,2........=
En muchas situaciones estaremos interesados
en la cantidad de sucesos que tenga el espacio
muestral o algún evento, ambos relacionados a
experimentos aleatorios. Para estos casos
recurrimos a las técnicas de conteo.
Principio de la multiplicación: Si un
experimento aleatorio (u operación) ℇ1 ocurre
de n1 formas y si para cada una de estas, un
experimento (u operación) ℇ2 ocurre de n2
formas, entonces los dos experimentos
ocurren de n1x n2 formas
Es una condición necesaria y suficiente para
que se aplique el principio de la multiplicación
es que se realicen ambos experimentos (u
operaciones), uno seguido del otro o
simultáneamente.
Ejemplo: Cuántos sucesos tiene el espacio
muestral del experimento aleatorio “lanzar una
moneda y un dado simultáneamente”
#1=2 y #2=6 = 2x6=12 sucesos
=(w1,w2)/ w1 1y w2 2
Generalización del principio de la multiplicación Si
un experimento aleatorio (u operación) ℇ1 ocurre
de n1 formas y si para cada una de estas, un
experimento (u operación) ℇ2 ocurre de n2 formas,
y si para cada una de estas dos primeras , un
experimento (u operación) ℇ3 ocurre de n3 formas
entonces los dos experimentos ocurren de n1x n2
formas y así sucesivamente, la secuencia de k
experimentos (u operaciones) se realizara de
n1xn2xn3x…..xnk formas diferentes.
Consecuencias de los principios de la
multiplicación:
1. En la generalización del principio de la
multiplicación si n1=n2=n3…=nk entonces la
secuencia de los k experimentos (u
operaciones), ocurren de nk formas.
2. Sea N(A), denota el numero de sucesos de un
evento A y supongamos que N(A)=m y N(B)=n.
Entonces el número de formas de seleccionar
un suceso de A y un suceso de B es igual a n x
m. En símbolos:
3. N(AxB)=N(A)xN(B)=n x m
3. En general se cumple:
N(A1xA2xA3x..x Ak)=N(A1)xN(A2)x…xN(Ak)
PRINCIO DE ADICION
Si un experimento aleatorio (u operación) ℇ1 ocurre
de n1 formas y un experimento (u operación) ℇ2
ocurre de n2 formas, entonces el experimento u
operación ℇ, que consiste en realizar ℇ1o ℇ2 (“o” en
el sentido de exclusión, es decir ℇ1y ℇ2 no pueden
ocurrir juntos), ocurren de n1+ n2 formas, siempre
que los espacios muéstrales 1 y 2 asociados a
ℇ1y ℇ2 sean disjuntos.
Generalización del principio de adición: Si un
experimento aleatorio (u operación) ℇ1 ocurre de n1
formas y un experimento (u operación) ℇ2 ocurre
de n2 formas, ….. ℇk ocurre de nk formas; entonces
el experimento u operación ℇ, que consiste en
realizar ℇ1o ℇ2 o….o ℇk (la partícula “o” en el
sentido de exclusión. Es decir ℇ1,ℇ2,…. ℇk no
pueden ocurrir juntos), ocurren que n= n1+
n2+..+nk formas, siempre que los espacios
muéstrales asociados a ℇ sean disjuntos dos a dos.
Consecuencia del principio de adición: Si A y B
son conjuntos disjuntos entonces
N(AB=N(A)+N(B)
En general, si A1,A2,…Ak son conjuntos
disjuntos dos a dos entonces:
N 𝑘
𝑖=1 𝐴𝑖 = 𝑘
𝑖=1 𝑁(𝐴𝑖 )
PERMUTACION; Es un arreglo de todos o parte
de un conjunto de objetos.
Ejemplo: tenemos un conjunto de 3 objetos
A=a, b, c y estamos interesados en el
número de arreglos (permutaciones) del
conjunto A.
Las posibles permutaciones son:
abc, acb, bac, bca, cab, cba
Podemos observar que son 6 permutaciones
distintas.
Se puede llegar al mismo resultado sin
encontrar las permutaciones correspondientes
de la siguiente manera:
Los arreglos de los objetos se los puede
disponer en tres celdas:
3 2 1
Observaciones
1. La probabilidad de un evento cualquiera A esta
comprendido entre 0 y 1.Es decir
0 ≤ PA ≤ 1
2. PA=0, si A es un evento imposible
3. PA=1, si A es un evento seguro
4. Puesto que todos los elementos de
)={w1,w2,…,wn} son igualmente probables se
1
tiene que la Pwi= , i=1,2,3,..,n
𝑛
Y la P= 𝑛𝑖=1 𝑃 {𝑤𝑖} =1 y si A es un evento de
,entonces:
PA= 𝑤𝑖∈𝐴 𝑃 {𝑤𝑖}
Total 4 4 8 13/2
𝑃[𝐴∩]
P[A/]= 𝑃[] =P[A]
Ejemplo consideremos el lanzamiento de un
dado cuyo espacio muestral es:
=1,2,3,4,5,6 y se consideran los siguientes
eventos:
A: Se observa un número impar
B: Se observa un numero mayor que tres
Entonces:
A=1,3,5 B=4,5,6 AB=5
P[AB]=1/6 y P[B]=3/6, por lo tanto la de que
el evento A ocurra dado que el evento B ha
ocurrido es:
1/6 1
P[A/B]= = notesé que N(AB)=1 y el N(B)=3
3/6 3
Entonces :
N(AB) 1
P[A/B]= =
N(B) 3
Ejemplo 2. Consideremos ahora el lanzamiento
de 2 dados y suponiendo que se nos informa
haber obtenido suma mayor que 6 ¿Cuál es la
probabilidad de obtener suma 7?
A: Obtener la suma de los dados igual a 7
B: Se obtuvo suma mayor que 6
El calculo lo realizamos estableciendo primero
el espacio muestral y conociendo la
probabilidad de ocurrencia del evento B para
luego calcular A que es un evento intersectado
con B es decir existe el evento A dentro del
evento B.
Entonces primero establecemos el espacio
muestral mediante una tabla de doble entrada:
Dado1 1 2 3 4 5 6
Dado 2
1 (1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
2 (1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
3 (1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
4 (1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
5 (1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
6 (1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
P
F P[PF]=0,005
F
P
F
Teorema 5: Si A, B y C son eventos de , tales
P[A]≠0 y P[AB] ≠0 entonces:
P[ABC]= P[A] x P[B/A] x P[C/AB]
=1/2x1/4x3/10=0,5x0,25x0,3=0,037
=3,7%
Este teorema es el mas importante de este
capitulo y requiere primero definir la partición
de un espacio muestral y el teorema de la
probabilidad total que son utilizados para su
cálculo.
PARTICION DE UN ESPACIO MUESTRAL
Definición Se dice que la colección de eventos
B1,B2,..,Bk del espacio muestral representa
una partición del espacio muestral , si cumple
las siguientes condiciones:
a) Los eventos B1,B2,..Bk son mutuamente
excluyentes.
En símbolos BiBj= i≠ji,j=123,..,k
b) Los eventos B1,B2,..Bk son colectivamente
exhaustivos.
En símbolos: 𝑘𝑖=1 𝐵𝑖 =
c) P[Bi]>0 con i=1,2,..,k
B1
Bk
B2
Ejemplo: En el lanzamiento de un dado:
=1,2,3,4,5,6 Si B1= 1,2, B2= 3,4,5 y
B3= 6
B1 B2B3= por lo que se indica que es una
partición del espacio muestral.
En cambio los eventos:
E1=1,2 E2=3,4 E3=6 no son una
partición del espacio muestral por que:
E1 E2E3≠
TEOREMA DE LA PROBABILIDAD TOTAL
Sean: B1,B2,..Bk una partición del espacio
muestral , entonces para cualquier evento A
en se cumple:
Bk⋂A
……
B1 B2 …… Bk
3) Los eventos A⋂Bi y A⋂Bj , i≠j son mutuamente
excluyentes pues:
(A⋂Bi) ⋂ (A⋂Bj) = A⋂(Bi⋂Bj)=,i≠j, i,j=1,2,3,…k
P[A]= P[A⋂B1]+P[A⋂B2]+…+P[A⋂Bk]
=P[B1]P[A/B1] +P[B2]P[A/B2]+ …+P[Bk]P[A/Bk]
= 𝑘𝑖=1 P[Bi]P[A/Bi]
El diagrama de árbol de probabilidad para eventos
sucesivos de la figura siguiente, da una visión
esquemática del teorema de la probabilidad total.
A B1A
B1 Ā B1Ā
A B2A
B2
Ā B2Ā
A
.
Ā
A
.
Ā
A BkA
Bk
Ā BkĀ
De donde
P[A]=P[ 𝑘𝑖=1 𝐵𝑖𝐴]= 𝑘𝑖=1 𝑃 𝐵𝑖 P[A/Bi]
Corolario: Si B es un evento en tal que
0<P[B]<1, entonces para cualquier evento A en
se tiene que:
B
Ā
A BA
B
Ā
Ejemplo: En un laboratorio hay tres jaulas. En la
jaula 1 hay dos conejos pardos y tres blancos,
la jaula 2 tiene 4 conejos pardos y 2 blancos y
la jaula 3 contiene 5 conejos pardos y 5
blancos. Se selecciona una jaula al azar y se
saca un conejo al azar de esta jaula. ¿Cuál es la
probabilidad que el conejo escogido sea
blanco?
Para solucionar el problema seguimos los
siguientes pasos:
1ro Paso: Definimos los siguientes eventos:
1: La jaula 1 es seleccionada
2: La jaula 2 es seleccionada
3: La jaula 3 es seleccionada
A: El conejo escogido es blanco
2do Paso: Definimos el espacio muestral del
experimento que estaría constituido por los
conejos de las tres jaulas del experimento, que
a su vez es una partición del espacio muestral,
es decir:
=1⋃2⋃3
3er Paso: Analizamos la relación del evento con
el espacio muestral con lo que tendríamos:
A , entonces A= 1A⋃2A⋃3A, luego por el
teorema de la probabilidad total tenemos:
P[A]=P[1]P[A/1]+P[2]P[A/2]+P[3]P[A/3]
A 1A
1 Ā 1Ā
A 2A
2 Ā 2Ā
A 3A
3 Ā 3Ā
B1 Ē
E AB2E
B2
A Ē
E
.
Ē
E
.
Ē
E ABkE
Bk
Ē
Ejemplo: Todos los miembros de un club son
médicos o abogados, 40% de los miembros son
médicos, mientras que el 30% de las mujeres son
médicos. El 50% de los médicos y el 30% de los
abogados ganan mas de $60.000 por año. Sin
embargo solamente el 20% de las mujeres médicos
y el 10% de las mujeres abogados gana mas de
60.000 por año
a) Si se escoge aleatoriamente un miembro del
club ¿Cuál es la probabilidad que gane mas de
60.000 por año?
b) Si se escoge aleatoriamente una mujer. ¿Cuál es
la probabilidad que ella gane mas de 60.000
por año?
Consideremos los siguientes eventos:
M: “El miembro del club es un médico”
A: “El miembro del club es un abogado”
F: “El miembro del club es femenino”
G: “El miembro del club gana mas de 60.000 al
año”
a) Debemos calcular la probabilidad de G
=A⋃M
Los eventos A y M forman una partición del
espacio muestral además G
Aplicando el teorema de la probabilidad total
tenemos:
P[G]=P[A]P[G/A]+P[M]P[G/M]
=(0,6)(0,3)+(0,4)(0,5)=0,38=38%
b) Se debe calcular P[G/F].El diagrama siguiente,
muestra el árbol de probabilidades para este caso.
M
G
G
F
A
G
Luego:
P[G/F]=P[M/F]P[G/FM]+ P[A/F]P[G/FA]
=(0,3)(0,2)+(0,7)(0,1)= 0,13=13%
Si los eventos B1,B2,…,Bk forman una partición del
espacio muestral y A, es un evento cualquiera de
, entonces:
𝑃 𝐵𝑟 𝑃[𝐴/𝐵𝑟]
P[Br/A]= 𝑘
𝑖=1 𝑃
𝐵𝑖 𝑃[𝐴/𝐵𝑖]
𝑃 𝐵𝑟 𝑃[𝐴/𝐵𝑟]
=
𝑃 𝐵1 𝑃 𝐴/𝐵1 +𝑃 𝐵2 𝑃 𝐴/𝐵2 +⋯+𝑃 𝐵𝑘 𝑃 𝐴/Bk
Para r=1,2,3,..,k
Este teorema resulta como consecuencia inmediata
del teorema de la probabilidad total. En efecto:
𝑃[𝐵𝑟𝐴] 𝑃 𝐵 𝑃[𝐴/𝐵𝑟]
P[Br/A]= = 𝑘 𝑟
𝑃[𝐴] 𝑖=1 𝑃 𝐵𝑖 𝑃[𝐴/𝐵𝑖]
El numerador resulta del teorema de la
multiplicación y el denominador del teorema
de la probabilidad total.
COROLARIO: Si A y B son eventos en tales
que la P[A]>0 y 0<P[B]<1, entonces:
𝑃 𝐵 𝑃[𝐴/𝐵]
P[B/A]=
𝑃 𝐵 𝑃 𝐴/𝐵 +𝑃 𝐵 𝑃[𝐴 𝐵]
Ejemplo: En un laboratorio hay tres jaulas. En la
jaula 1 hay dos conejos pardos y tres blancos,
la jaula 2 tiene 4 conejos pardos y 2 blancos y
la jaula 3 contiene 5 conejos pardos y 5
blancos. Se selecciona una jaula al azar y se
saca un conejo blanco al azar de esta jaula.
¿Cuál es la probabilidad que el conejo escogido
provenga de la jaula 1?
Para este caso debemos calcular P[1/A] y por la
definición de probabilidad condicional y el
teorema de la multiplicación tenemos:
𝑃[1∩𝐴] 𝑃 1 𝑃[1/𝐴]
P[1/A]= =
𝑃[𝐴] 𝑃[𝐴]
En el ejercicio la probabilidad de A se ha
calculado por el teorema de la probabilidad
43
total y es = 0,4777 𝑜 47, 77%.Luego la:
90
1 3 3
𝑥 270
P[1/A]= 3 5
= 15
43 = =0,4186=41,86%
43/90 645
90
EJEMPLO: Una compañía de desarrollo Urbano esta
considerando la posibilidad de construir un centro comercial
en Yamparaez. Un elemento vital en esta consideraciones es
un proyecto de una autopista que une este sector con el
centro del municipio. Si el concejo municipal aprueba esta
autopista, hay una probabilidad del 0,90 de que la compañía
construya el centro, en tanto que si la autopista no es
aprobada la probabilidad es de solo el 0,20. Basándose en la
información disponible, el presidente de la compañía estima
que hay una probabilidad del 0,60 que la autopista sea
aprobada.
a)¿Cuál es la probabilidad que la compañía construya el
centro comercial?
b)Dado que el centro comercial fue construido ¿ Cuál es la
probabilidad que la autopista haya sido aprobada?
Definimos los eventos:
A:”La autopista es aprobada”
B:”El centro comercial es construido”
a) Debemos calcular P[B] aplicando el corolario del
teorema de la probabilidad total, el Evento B se
escribe: B=AB⋃ĀB y:
B AB
A 𝐵
B ĀB
Ā 𝐵
P[B]=P[AB]+P[ĀB]=P[A]P[B/A]+P[Ā]P[B/Ā]
=(0,60)(0,9)+(0,40)(0,20)=0,54+0,08
=0,62=62%
b)Por el corolario del teorema de Bayes
tenemos:
𝑃 𝐴 𝑃[𝐵/𝐴] (0,6)(0,9) 54
P[A/B]= = = =0,87=87%
𝑃[𝐵] 0,62 62
DEFINICION Los eventos A y B en son
independientes si y solamente si se cumple una de
las siguientes condiciones:
1)P[A⋂B]= P[A]P[B]
2)P[A/B]=P[A] si la P[B]>0
3)P[B/A]=P[B] si la P[A]>0
En otro caso se dice que los eventos A y B son
dependientes.
Los eventos independientes son llamados algunas
veces: Estadísticamente independientes, estocás-
ticamente independientes o independientes en el
sentido probabilístico.
Ejemplo1: Considere el lanzamiento simultaneo
de una moneda y un dado. Sean los eventos
A:”se obtiene cara en la moneda” B: “en el dado
sale 6” Verificar que A y B son independientes.
El espacio muestral compuesto seria:
={(c,1),(c,2),(c,3),(c,4),(c,5),(c,6),(s,1),(s,2),
(s,3), (s,4),(s,5),(s,6)}
Luego: A={(c,1),(c,2),(c,3),(c,4),(c,5),(c,6)}
B={(c,6),(s,6)}
A⋂B={(c,6)}
Entonces en probabilidades tendríamos:
P[A⋂B]=1/12; P[A]=6/12=1/2; P[B]=2/12=1/6
Comprobando:
P[A⋂B]=P[A] P[B]=1/2x1/6=1/12
Lo que indica que ambos eventos son
independientes.
Ejemplo2:En un estudio de una enfermedad al
pulmón se examinan 10.000personas mayores de
60 años. Se halla que 4.000 personas de este
grupo son fumadores. Entre los fumadores 1800
padecen de desordenes pulmonares. Entre los que
no fuman 1500 tienen desordenes pulmonares.
¿Son los eventos “fumadores” y desordenes
pulmonares independientes?
Sean los eventos: A:”La persona elegida al azar
es fumador” y B:”La persona tiene desordenes
pulmonares”.
4000 3300
P[A]= = 0,4 y P[B]= = 0,33
10000 10000
La probabilidad condicional de fumadores dado
un desorden pulmonar es:
1800
𝑃[𝐴∩𝐵] 1800
P[A/B]= = 10000
3300 = =0,55≠P[A]
𝑃[𝐵] 3300
10000
Por lo tanto los eventos A y B no son
independientes
El concepto de eventos independientes puede
extenderse a mas de dos eventos.
Tres eventos A, B y C en , se dice que son
mutuamente independientes si y solamente si
cumplen las siguientes condiciones:
1)Ellos son independientes por pares. Es decir:
P[AB]=P[A] P[B] ; P[AC]=P[A] P[C] y
P[BC]=P[B] P[C]
2) P[ABC]=P[A] P[B] P[C]
Y esto mismo se puede aplicar a n eventos.
TEOREMAS PARA EVENTOS INDEPENDIENTES
Teorema 1: Si Ay B en son eventos
independientes, entonces:
1) A y 𝐵 son independientes
2) 𝐴 y B son independientes
3) 𝐴 y 𝐵 son independientes
Teorema 2: Si A y B son eventos cualesquiera
en y son independientes, entonces:
P[A⋃B]=1- P[𝐴]P[𝐵] = 1- (1-P[A])(1-P[B])
Teorema 3: Si A1,A2,..An son n eventos en
independientes, entonces:
P[ 𝑛𝑖=1 𝐴𝑖 ]=1 - 𝑛𝑖=1 𝑃 𝐴𝑖
=1-[1-P[A1]] [1-P[A2]]….[1-P[An]]
Ejemplo 3: Durante el primer año de uso de un
amplificador de radio puede requerir tres tipos de
reparaciones y las probabilidades correspondientes
son: 0,05;0,04 y 0,12 ¿Cuál es la probabilidad que
un amplificador seleccionado al azar requiera
reparación durante su primer año de uso?. Cada
tipo de reparación es independiente de los otros
dos.
Definimos los eventos:
Ei: “El amplificador seleccionado requiere
reparación del tipo i(i=1,2,3)”
E: “El amplificador seleccionado requiere
reparación”
El evento E, se escribe: E= 3𝑖=1 𝐸𝑖
P[ 3𝑖=1 𝐸𝑖 ] =1-[1-P[E1]] [1-P[E2]] [1-P[E3]]
=1-(1-0,05)(1-0,04)(1-0,12)
= 0,10624=10,62%
EXPERIMENTOS INDEPENDIENTES
Sea un experimento que consiste en una
secuencia de n ensayos 1, 2,.., n. Los ensayos
son independientes si el resultado de cualquier
ensayo no afecta la probabilidad de los
resultados de los otros ensayos. Además si los
Ai, i=1,2,..,n son eventos cualesquiera de i ,
i=1,2,..,n respectivamente , donde los i son
los espacios muestrales asociados a los
experimentos i respectivos. La probabilidad de
la ocurrencia de los n eventos es:
P[A1⋂A2 ⋂.. ⋂An]=P[A1]P[A2]……P[An]
Ejemplo: Consideremos el experimento de
lanzar una moneda y un dado, sea el evento A:
“obtener una cara y un 6”
=1x2, donde: 1={c,s}y 2={1,2,3,4,5,6}
A=A1⋂A2 =A1A2, donde A1={c} A2={6}
Entonces:
P[A]=P[A1]P[A2]=1/2x1/6=1/12
Cuando se habla del enfoque clásico de la
probabilidad en espacios muestrales infinitos
no tiene sentido hablar del cociente de na/n ya
que el espacio muestral tiene infinitos
elementos.
Sin embargo se puede modificar este concepto
asignando probabilidades pi a todos los
sucesos wi, i=1,2,….es decir pi=P[(wi)] tal que:
1) Pi>0 , i=1,2,…..
∞
2) 𝑖=1 𝑃𝑖 = 1
Luego, se define la probabilidad de un evento
A en de la siguiente manera.
4 4 4……..
4
𝑟𝑘 − 𝑟 𝑟𝑘 = 1
𝑘=0 𝑘=0
Factorizando
∞ 𝑘
𝑘=0 𝑟 1 − 𝑟 = 1 𝑦 𝑎 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑒𝑠𝑡𝑜 𝑜𝑏𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑓𝑖𝑛𝑎𝑙𝑚𝑒𝑛𝑡𝑒
∞ 𝑘
𝑘=0 𝑟 = 1 + 𝑟 + 𝑟 2 + 𝑟 3 + ⋯ =1−𝑟
1
5
En el ejemplo 3 , r=
12
El calculo de la probabilidad en los espacios muestrales
continuos es diferente a los discretos.
En los espacios muéstrales continuos se pueden crear
subconjuntos que no son eventos y por lo tanto
cualquier asignación de probabilidad que se les haga
es inconsistente con los axiomas de la probabilidad.
Sin embargo también existen los subconjuntos que son
eventos y son los que estudiaremos en esta
oportunidad.
El espacio muestral continuo tiene sus elementos de la
misma verosimilitud, esto significa que la probabilidad
que un punto ocurra en un subconjunto de , es
proporcional a la longitud del sub intervalo.
Definición de probabilidad en un espacio
muestral continuo: como la razón entre la
longitud del evento “lA” y la longitud del
espacio muestral “l”
lA
Entonces P[A]=
l
Aquí el concepto de longitud representa un
concepto mas amplio, según el caso puede ser:
longitud misma, área, volumen, etc. Mas
apropiadamente se puede hablar de medida del
evento m() y m(A), luego:
𝑚(𝐴)
P[A]=
𝑚()
Ejemplo1: Se elige aleatoriamente un punto
dentro del segmento determinado por el
intervalo [2,10]. ¿Calcular la probabilidad que
pertenezca al segmento [3,5]?
Solución:
={x/x[2,10]} y 𝑚=10-2=8
A={x/x[3,5]} y 𝑚A=5-3=2
2 1
Luego P[A]= = =0,25
8 4
Ejemplo2: La luz de un semáforo aparece cada 4
minutos y dura un minuto para luego cambiar a
verde (por lo tanto es verde durante 3 minutos,
rojo un minuto, etc.). Cada hora en punto la luz del
semáforo cambia a rojo primeramente.
a) Si se llega al semáforo en un instante al azar
entre las 7:55 y 8:05, a.m. ¿Cual es la
probabilidad que usted tenga que detenerse
ante el semáforo?
b) Si se llega al semáforo en un instante al azar
entre las 7:54 y 8:04, a.m. ¿Cual es la
probabilidad que usted tenga que detenerse
ante el semáforo?
Suponiendo que estamos en automóvil, el
espacio muestral seria: ={t/t[7:55, 8:05]}
a) Se consideran los eventos:
A:”Detenerse ante el semáforo si llega entre las
7:55 y8:05”
R: Tiempo que dura la luz roja = 1 minuto
V: Tiempo que dura la luz verde=3 minutos
En el siguiente diagrama se presenta la
situación:
V R V R V R
7:55 7:56 7:57 8:04 8:05
8:00 8:01
m=8,05-7,55=10 minutos
mA=3R=3 minutos
mA 3
Por lo tanto la P[A]= = =0,3=30% de
m 10
probabilidad.
b) Sea el evento B:”Tener que detenerse si llega
al semáforo entre 7,54 y 8,04”
Esto se presenta el siguiente diagrama:
V R V R V
7:54 7:56 7:57 8:04
8:00 8:01
m=8,04-7,54=10 minutos
mB=2R=2 minutos
mA 2 1
Por lo tanto la P[A]= = = =0,2=20% de
m 10 5
probabilidad de detenerse.