Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EXPERIMENTO ALEATORIO: Ei
Un experimento aleatorio es cualquier hecho o fenómeno cuyo resultado no puede
predecirse antes de que sea realizado.
Ejemplos :
E1 : Observar si una máquina excavadora está encendido o no.
E2 : Determinar el tiempo que una excavación tarda hasta encontrar la veta.
E3 : Determinar el ganador de cuatro contratistas que participan para la exploración de cierta
mina.
E4 : Decidir donde situar dos nuevas plantas recicladoras en Trujillo.
ESPACIO MUESTRAL: i
Se define así, al conjunto de todos los resultados posibles de un experimento aleatorio.
A los elementos del espacio muestral se les conoce como “puntos muestrales”.
Ejemplos :
El espacio muestral asociado a los experimentos anteriores.
1 : encendido , apagado
2 : 0 meses. , 1 mes. , ... , etc.
3 : B1 , B2 , B3 , B4 donde Bi :representa al i-ésimo excavación.
4 : R1 , R2 ,..., Rn donde Ri : representa algún lugar de Trujillo.
SUCESO O EVENTO : Ai
Es un subconjunto del espacio muestral. Se clasifica en :
Cara
Fácil de Operar
Barata
Cara
Inicio Dificultad Mediana
Barata
Cara
Difícil de Operar
Barata
EJERCICIO EN CLASE
del experimento aleatorio sean igualmente probables; es decir cada uno de los elementos del
espacio muestral tienen la misma probabilidad de salir.
PROPIEDADES :
Si A es un evento imposible, P(A) = 0.
Si A es un evento seguro, P(A) = 1.
La probabilidad de un evento A es igual a la unidad menos la probabilidad de su complemento.
Es decir : P(A) = 1 - P(A´)
Si A1 y A2 son dos eventos tal que A1 A2 , entonces P(A1) P(A2).
Si A1 y A2 son dos eventos cualesquiera, entonces
P(A1 A2) = P(A1) + P(A2) - P(A1 A2).
Si A1 y A2 son dos eventos mutuamente excluyentes, entonces
P(A1 A2) = P(A1) + P(A2).
La probabilidad de un evento cualesquiera (A) , siempre estará comprendida entre 0 y 1. Es
decir : 0 P(A) 1
Ejemplo: Un nuevo gerente de Recursos Humanos de una empresa minera es sometido a tres
exámenes de conocimientos y actitud (Preguntas Objetivas: Verdadero, falso).
Calcular las probabilidades de los siguientes sucesos:
a) Que los tres exámenes apruebe.
b) Que ninguno de los exámenes apruebe.
c) Al menos un examen apruebe.
d) Que apruebe dos exámenes.
Solución :
A AAA
A
D AAD
A
A ADA
D
Inicio D ADD
-9- Universidad Nacional de Trujillo - 2021-1
ESTADISTICA 2
A DAA
A
D DAD
D
A DDA
D
D DDD
Luego : N() = 8
a) A1 = AAA N(A1) = 1
b) A2 = DDD N(A2) = 1
Ejercicio 1. Un almacén tiene 12 baterías para volquete de las cuales 3 baterías están
defectuosas; Obtener la probabilidad cuando extraemos 3 baterías al azar (con reposición) y se
obtiene 1 batería defectuosa y cuando se obtiene todas las baterías defectuosas.
Ejercicio 2. Un almacén tiene 12 baterías para volquete de las cuales 3 baterías están
defectuosas; Obtener la probabilidad cuando extraemos 3 baterías al azar (sin reposición) y se
obtiene 1 batería defectuosa y cuando se obtiene todas las baterías defectuosas.
PROBABILIDAD CONDICIONAL
P(A1A2) = P(A1)P(A2)
P(A1A2) = P(A1)P(A2A1)
P(A1A2)
P(A1A2) =
P(A2)
Ejemplo 1: Los alumnos de la U.N.T. que pertenecen a las carreras de Ing. de Sistemas, Ing
Civil e Ing. Metalúrgica. Se clasifican por sexo y carrera tal como sigue:
Solución :
P(A1B1) 250/1000
Entonces P(A1B1) = = = 0.3125
P(B1) 800/1000
P(A2B1) 350/1000
b) Entonces P(A2B1) = = = 0.4375
P(B1) 800/1000
Ejemplo 2: La Empresa minera Yanacocha tiene en su almacén, una urna que contiene 100
muestras de cobre de 3 cm3 de volumen de los cuales 10 de ellos son defectuosos.
Además contiene 50 muestras de cobre de 2 cm3 de volumen y 5 muestras de cobre
de la misma dimensión están defectuosos. Si se escoge una muestra de cobre al
azar y se sabe que es DEFECTUOSO ¿Cuál es la probabilidad que sea de 3 cm3 de
volumen?
Solución:
P(3 Pulg D)
P(3 Pulg D) =
P(D)
TEOREMA DE BAYES
P(ABj) P(Bj)P(ABj)
P(BjA) = =
P(A) k
P(Bi)P(ABi)
i=1
Ejemplo: Un campamento minero recibe sus reguladores de voltaje de tres proveedores: 60%
del proveedor B1, 30% del proveedor B2, y 10% del proveedor B3. Si 95% de los
reguladores de voltaje que provienen de B1,80% de los reguladores del proveedor
B2, y el 65% de los reguladores proporcionados por B 3 tienen un rendimiento de
acuerdo con las especificaciones, queremos conocer la probabilidad de que un
regulador de voltaje específico, cuyo rendimiento corresponde a las especificaciones
, provenga del proveedor B3.
Solución 1:
B1
0.60 0.95 N P(B1)P(A B1) = 0.57
P(B3)P(A B3)
P(B3 A) =
3
P(Bi)P(A Bi)
i=1
(0.10)(0.65)
P(B3 A) =
(0.60)(0.95) + (0.30)(0.80) + (0.10)(0.65)
P(B3 A) =0.074
Solución 2:
EJERCICIOS en clase
1. Sobre un estante hay cinco pilas secas, una de las cuales está descargada. Usted
escoge dos pilas para colocarlas en su linterna. ¿Cuál es la probabilidad de que la
linterna no funcione, debido a que compró una pila descargada?
2. Una minera tiene almacenados nueve motores diferentes, dos de los cuales fueron
suministrados por un proveedor en particular. Se deben distribuir los motores en tres
líneas de producción, con tres motores en cada línea. Encuentre la probabilidad de que
los dos motores del proveedor especificado sean asignados a la primera línea, si la
asignación de los mismos es aleatoria.
3. Existen dos métodos A y B para enseñar a los trabajadores cierta habilidad minera. El
porcentaje de fracasos es 20% para A y 10% para B. Sin embargo, B cuesta más y por
eso se utiliza solamente en el 30% de los casos (se utiliza A en el otro 70%). Se entrenó
a un trabajador según uno de los dos métodos pero no logró aprenderlo correctamente.
¿Cuál es la probabilidad de que haya recibido el entrenamiento con el método A?
VARIABLE ALEATORIA
Se dice que X es una v. a. si es una función que tiene como dominio (Conjunto de
partida) a los elementos de un espacio muestral () y como rango (Conjunto de llegada) a los
elementos de los números Reales.
X: R
AAA R
AAD
ADA 3
DAA
ADD 2
DAD
DDA 1
DDD
0
FUNCION DE PROBABILIDAD
Sea X una v.a. discreta con rango Rx , asociamos a ella una función
(a) P(x) 0 , x R x
DISTRIBUCION DE PROBABILIDAD DE X
Rx x1 x2 ... xk
y su representación gráfica es :
P(x2)
P(xk)
P(x1)
x1 x2 ... xk
Solución :
Luego :
Representación Tabular :
Rx 0 1 2 3
Representación Gráfica:
P(x)
3/8
1/8
0 1 2 3 x
Sea X una v. a. discreta con rango R x y función de probabilidad P(x) ; sea x un número real
cualquiera , la Función de Distribución de X se denota por ¨F(x)¨ y se define como :
Ejemplo : En un campamento minero, se sabe por experiencia que un nuevo trabajador debe
asistir a un programa de capacitación de la mina. Si el campamento minero tiene
450 trabajadores de las cuales 125 no asistieron a dicho programa 100 asistieron 1
vez, 60 asistieron por 2 veces, 80 asistieron por 3 veces y 85 por 4 veces. Ahora si
se selecciona al azar un trabajador y hacemos X: Nº de veces que este trabajador
haya asistido al programa de capacitación de la mina. Calcular y dar la función de
distribución.
Solución :
P(3) = 80/450
P(4) = 85/450
Luego Calculamos la Función de Distribución:
Representación Tabular:
Rx 0 1 2 3 4
P(X) 125/450 100/450 60/450 80/450 85/450
F(X) 125/450=0.28 225/450=0.5 285/450=0.63 365/450=0.8 450/450=1
0 1
Representación Gráfica:
0 , si x0
0.28 , si 0x1
Entonces : F(X) = 0.50 , si 1x2
0.63 , si 2x3
0.81 , si 3x4
1 , si 4x
F(x)
0.81
0.63
0.50
0.28
0 1 2 3 4 x
FUNCION DE PROBABILIDAD
f(x)
- +
- x=a x=b +
x , 0x1
f(x) = 2-x , 1x2
0 , en otros casos
Hallar :
a) La gráfica de f(x) c) P( x 4)
b) P( -1 x ½ ) d) P( ¼ x 3/2 )
Solución :
a)
f(x)
1-
0 1 2 x
1/2 0 1/2
x 2 1/2 1
b ) P(-1 ≤ x ≤ 1/2)= ∫ f ( x)= ∫ 0 dx+ ∫ xdx= |0 =
−1 −1 0 2 8
c) Ejercicio .
d) Ejercicio .
FUNCION DE DISTRIBUCION
cuya gráfica es :
f(x)
- x +
F( x ) = P( X x )
ESPERANZA MATEMATICA
Definición : Sea x una variable aleatoria discreta con una distribución de probabilidad p(x) , y
sea E(x) el valor esperado o promedio de x , entonces :
E(x) = x p(x)
donde se suman los elementos para todos los valores de la variable aleatoria x
VARIANZA
Ejemplo : Sea x una v.a. con la distribución de probabilidad dada en la tabla siguiente :
x p(x)
-1 0.05
0 0.10
1 0.40
2 0.20
3 0.10
4 0.10
5 0.05
Solución :
Solución :
EJERCICIOS EN CLASE
1. Se sabe que un grupo de cuatro componentes contiene dos defectuosos. Un ingeniero de
materiales prueba los componentes uno por uno hasta encontrar los dos defectuosos. Una
vez encontrado el segundo defectuoso, se concluye la prueba, pero se prueba el segundo
defectuoso como comprobación. Sea X el número de pruebas necesarias hasta encontrar
el segundo defectuoso. Encuentre la función de probabilidad y la de distribución para X.
2. Una compañía subarrendataria (SERVI) debe preparar una propuesta para ganar un
contrato de evaluacion de suelos en un asiento minero. El costo de prepararla es $5,000 y
las probabilidades de obtener utilidades brutas potenciales de $50,000 , $30,000 , $10,000
o $0 son de 0.20 , 0.50 , 0.20 y 0.10 , respectivamente, suponiendo que la propuesta sea
aceptada. Si la probabilidad de que la propuesta sea aceptada es 0.30, ¿Cuál es la
utilidad neta esperada?
x/2 , 0x1
f(x) = 4 – x/2 , 1x8
0 , en otros casos
Hallar :
a) La gráfica de f(x) c) P( x 4)
b) P( -1 x 1½ ) d) P( ¼ x 5/2 )
a) Cada ensayo tiene solo dos resultados posibles, denominados por Éxito “E” y Fracaso “F”.
b) La probabilidad de Éxito denotado por “p”permanece constante de ensayo a ensayo, por lo
tanto la probabilidad de fracaso es “q =1-p” , también permanece constante.
c) Los ensayos sucesivos son independientes, es decir el resultado de un ensayo cualquiera
es independiente de los resultados de los ensayos anteriores.
DISTRIBUCION BINOMIAL
El espacio muestral de los n ensayos , tiene 2 n elementos, de los cuales son una
sucesión de n símbolos E y F . Es decir = EEEFFEF...FEF,...
definimos ahora una variable aleatoria de la siguiente manera:
X: Nº de éxitos obtenidos en los n ensayos de Bernoulli luego Rx = 0,1,2,...,n
Entonces la v.a. X así definida se llama una VARIABLE ALEATORIA BINOMIAL
Y la distribución de probabilidad de la v.a. binomial X , se lla DISTRIBUCION
BINOMIAL y se denota frecuentemente por b(X:n,p)
La distribución Binomial de la v.a. X es :
n p x q n−x
P( X )=P( X =x )= x
{( )
0
(1) La Media de v.a. Binomial es : = E(X) = np
(2) La varianza de la v.a. Bonomial es : 2 = V(X) = npq
P( x)=P( x=x= ( nx ) p q
x n−x
NOTA IMPORTANTE
En la práctica se extrae una muestra sin reemplazo de una población finita, cuando el
tamaño de ésta es pequeño en relación con el de la población (tamaño de la muestra no mayor
que el 10% de la población) y siempre que “p” no sea cerca a 0 ni a 1.
R x = 0 , 1 , 2 , 3 , 4
DISTRIBUCION DE POISSON
Diremos que los eventos discretos que se generan en un intervalo continuo (unidad de
medida: longitud, área, volumen, etc. ) forman un proceso de Poisson con parámetro , si
tiene la siguientes propiedades :
1) El número de éxitos, que ocurre en una unidad de medida es conocido e igual a .
2) La ocurrencia de un evento en una unidad h no afecta a la ocurrencia o no ocurrencia de
otro intervalo no trasladado de longitud h (Es decir, la ocurrencia de los sucesos son
independientes)
3) Sea una unidad de medida suficientemente pequeño de longitud h , luego :
(i) La probabilidad de un éxito en esta unidad pequeña es proporcional a la longitud del
intervalo, esto es : h .
(ii) La probabilidad de 2 o más éxitos en esta unidad pequeña es aproximadamente 0.
En un proceso de Poisson de parámetro se observa t unidades de medida, definimos
a X de la siguiente manera :
X : número de ocurrencia de eventos en las t unidades de medida.
Entonces R x = 0 , 1 , 2 , ...
ℓ− λ t ( λ t )x
P( X= x )=
0
{ x!
,
, x=0,1,2 , .. . ,
en otros casos
ℓ− λ ( λ )x
P( X= x )=
0
{x!
,
, x=0,1,2 ,. . .,
en otros casos
Solución :
6 x e-6
P(X = x) = x = 0,1,2,...
x!
4
6x e-6
a) P(X 5) = 1- P(X 4) = 1- 1 0.285 0.715
x=0 x!
b) P(X = 0) = e-6 = 0.0025
Ejemplo : La empresa Aceros Arequipa produce ciertas planchas de acero bajo cierto peso
específico. Se sabe que la probabilidad de que una plancha de acero sea
defectuosa es 0.02. En un lote de 100 piezas, ¿Cuál es la probabilidad de que no
Solución :
n = 100 p = 0.02 Luego = n p = (100)(0.02) = 2
Entonces:
2 x e -2
P(X = x) =
x!
a) P(X = 0) = e -2 = 0.135335
3
2 x e -2 19 e -2
b) P(X 3) =
x=0 x!
=
3
= 0.857123
EJERCICIOS en clase
6. Si la probabilidad de que cierto análisis de muestra de suelo no esté bien analizado es
0.05. ¿Cuáles son las probabilidades de que entre 16 análisis de muestras de suelo
a) a lo máximo dos no estén bien analizados;
b) al menos cuatro no estén bien analizados?
DISTRIBUCION NORMAL
Una variable aleatoria continua X, se dice que está distribuida normalmente. con media
- y varianza 2 0 , si su función de densidad de probabilidad está dada por :
- (x - ) 2
1
f(x) = e 2 2
, - x
2
1/2 -
1/2e
- + X
Y2
1
f( + y) = f( - y) = e -
2 2
2
La función de distribución acumulativa de la variable aleatoria X distribuida normalmente esta
dada por :
x ( r−μ )2
−
1 2σ 2
F( x )=P( X≤x )=∫ e dr
−∞ σ √2 π
La grafica de la Función de distribución Acumulativa es :
f(x) F(x)
P(X x)
1/2
x X 0 X
V ( x ) = 2
Si Z es una v.a. que tiene una distribución Normal con media = 0 y varianza
2 = 1 , entonces a Z se le llama v.a. Normal estándar y su función de densidad es :
- Z2
1
f(x) = e 2
, - Z
2
z t2
1 −
2
F( X≤x )=∫ e dt
−∞ √ 2 π
x-
z =
donde : E(Z)=0 y V(Z)=1
Representación Gráfica :
f(z)
DISTRIBUCION T DE STUDENT
Definición :- Sea Z una variable aleatoria normal con media 0 y varianza 1. Y sea Y una
variable aleatoria que tiene una distribución Chi-Cuadrado con r grados de
libertad, y si Z e Y son independientes, entonces la variable aleatoria
Z Z r
T = =
Y Y
r
Se dice que tiene una Distribución t - de Student ( o Distribución t ) con r grados de libertad.
2
= Var ( T ) =
r
r -2
,r2
0 t
P(Tt)=
Se dice que es una variable aleatoria Chi - Cuadrado con r grados de libertad.
El grado de libertad r , es el número de variables aleatorias independientes que se suman.
= E ( 2 ) = r
2 = Var ( 2 ) = 2r
Es decir , la media es igual al número de grados de libertad y su varianza es igual a dos veces
el número de grados de libertad.
Cuando (r = grado de libertad) aumenta la Distribución Chi - Cuadrado se aproxima a
una Distribución Normal. Por esta razón, es que en la práctica, cuando r es grande ( r 30 ).
La probabilidad de la Chi - Cuadrado pueden calcularse empleando aproximación Normal.
Se puede encontrar en la Tabla la probabilidad de que la v.a. 2 que tiene una distribución Chi
- Cuadrado ( 2 ( r ) , 0 30 ) sea menor o igual a un valor constante 2 representado por :
P ( X 2 ) = , 0 1
Gráficamente :
1-
0 2 2
P ( X 2 ) =
DISTRIBUCION F DE FISHER
Definición : Sea U y V dos variables aleatorias independientes que tiene distribuciones Chi-
Cuadrado , con r1 y r2 grados de libertad, respectivamente . Entonces la variable
aleatoria :
U
r1
F =
V
r2
F = E(F) =
r2
r2 2
r2 2
2 r 22 ( r 1 + r 2 2)
F
2
= Var ( F ) =
r 1 ( r 2 2) 2 ( r 2 4)
r2 4
1-
0 f F
P ( F f ) =
EJERCICIOS en clase
1. Ciertos estudios demuestran que el rendimiento de 1 galón de gasolina para
motoniveladoras compactos vendidos en EE.UU., tiene una distribución normal, con un
rendimiento promedio de 30.5 kilómetros por galón y una desviación estándar de 4.5
kilómetros por galón. Si un fabricante desea diseñar una motoniveladora compacta
más económico que el 95 % de las motoniveladoras compactos vendidos en EE.UU.
¿Cuál debe ser el rendimiento mínimo de la motoniveladora nueva?