Documentos de Académico
Documentos de Profesional
Documentos de Cultura
METODOS O ENFOQUES
• Actividad que origina un evento.
• Proceso de hacer una observación y
EXPERIMENTO obtener un resultado.
ALEATORIO
CONCEPTOS
BÁSICOS
s 1
0.5
c, s 2
Experimentos y Eventos
¿Cuál es la probabilidad de obtener 1 cara si arrojamos
una moneda tres veces?
Número de Resultados Favorables
Prob
Número de Resultados Posibles
A∩B
EJERCICIOS PROPUESTOS
1. ¿Cuál es la probabilidad de que salga un número menor que 3 ó mayor que 5 al lanzar un
dado?
Solución: P(<3) = 2 1
y P(>5) =
6 6
= P(<3) + P(>5)
2 1
= + = 3 = 1 =00.5
6 6 6 2
2. ¿Cuál es la probabilidad de que salga un número menor que 4 ó un número impar, al lanzar
un dado?
= 3 + –3 2 4
=
6 6 6 6
Mutuamente excluyentes
No mutuamente
excluyentes
¿Cómo calculamos los siguientes ejercicios de
probabilidades
Diapositiva 14
Diapositiva 14
Ejemplo resuelto:
De una baraja de cartas, ¿Cuál es la probabilidad
de que al extraer una carta, que sea As o espada?
Solución
: P(A) es la probabilidad de extraer el primer As
4
𝑃 𝐴 =
52
P(B) es la probabilidad de extraer el segundo As
3
𝑃 𝐵 =
51
Por tanto:
4 3 12
𝑃 𝐴𝑦𝐵 = 52 𝑥 51= 2652 = 0,0045
REGLA DE LA MULTIPLICACIÓN
Solución
: P(A) es la probabilidad de extraer el primer As
4
𝑃 𝐴 =
52
P(B) es la probabilidad de extraer el segundo As
4
𝑃 𝐵 =
52
Por tanto:
4 4 16
𝑃 𝐴𝑦𝐵 = 52 𝑥 52= 2704 = 0,0059
EJEMPLO N° 3:
En una urna hay 4 bolas azules, 5 blancas
y 3 rojas. Se sacan tres bolas al azar de una
en una con remplazo. Hallar la probabilidad
de que se extraiga una de cada color
Solución :
Si la primera bola se devuelve, la probabilidad del evento B no
depende del evento A
P(A n B) = P(A) x P(B) x P(C)
(A*B*R)+(A*R*B)+(B*A*R)+(B*R*A)+ (R*A*B)+(R*B*A)
=(4/12) (5/12) (3/12) = (60/1728) = 0.0347
= 0.0347 * 6 = 0.2083 = 20,83%
REGLA DE LA MULTIPLICACIÓN
P(A ∩ B) = P(A y B)
Probabilidad Condicional
EVENTOS DEPENDIENTES A y B
P ( AyB)
P( A | B)
P( B)
Donde P(A) es mayor que cero
P (A o D) = C D
Artículos en idioma español
P (A|D) = 4 2 6
A
P (C|B) = Artículos en idioma inglés
1 3 4
Son C y B B
independientes? Total 5 5 10
Solución
6
P (A) = 10 Evento
Artículos Artículos sobre
Total
Evento sobre gestión
1 estadística
D
P (C y B) =10 C
Artículos en idioma español
4 2 6
P (A o D) = A
Artículos en idioma inglés
(6 5 - 2) 9 1 3 4
P(Ao D) B
10 10
Total 5 5 10
P (A|D) =
2
P(A y D) 10 2
Son C y B no son
P(A | D)
independientes
P(D) 5 5
5 1
10 P(C) P(B | C)
10 5
5 1
1
P(C y B) 10 1
P (C|B) =
P(C | B)
P(B)
4
4
10 5
10
P (B) =
P (C o B) =
P (A y D) =
P (A|D) =
P (C|B) =
Son C y B
independientes?
Ejercicios propuestos
5. Se ha realizado una encuesta a una muestra de estudiantes del tiempo que permanecen en internet
al realizar su trabajo de investigación de acuerdo a su especialidad, dando los siguientes resultados:
Para un estudiante que recién ingresa en la universidad, determine las siguientes probabilidades:
a) Que sea de Ingeniería
b) Que permanezca en internet al realizar su trabajo mas de 3 horas
c) Que sea de Derecho dado que permanecerá en internet al realizar su trabajo 2 horas
d) Que sea de Derecho o Medicina
e) Que sea de Ingeniería y permanezca en internet al realizar su trabajo 3 horas
https://www.vitutor.com/pro/2/a_a.html
CONTENIDOS CONCEPTUALES
• DISTRIBUCIÓN DE PROBABILIDADES:
• Variable aleatoria
• Media y varianza
VARIABLE ALEATORIA
Es aquella que puede asumir
ciertos valores, con frecuencia
números enteros que resultan
principalmente del conteo
VARIABLE
DISCRETA Ejm.:
El lanzamiento de monedas.
El número de productos defectuosos que
VARIABLE produce una máquina.
ALEATORIA
Es aquella que puede tomar
cualquier valor dentro de un
Es una variable cuyo rango dado de infinitos valores.
VARIABLE
valor es el resultado
de un evento aleatorio
CONTINUA Ejm.:
El contenido de gaseosa en una botella.
La cantidad de leche que produce una vaca
diariamente.
VARIABLES DISCRETAS
Ejemplos:
• El resultado que muestra la cara de un dado.
• El número de hijos.
• El número de goles en un
partido de futbol.
VARIABLES CONTÍNUAS
Ejemplos:
• El peso de los alumnos de la
modalidad de gente que trabaja
de la UC.
REQUISITOS
• La suma de todas la probabilidades debe ser 1. σ 𝑃 𝑥 = 1
• Para cada valor de x, debe verificar: 0 ≤ 𝑃(𝑥) ≤1
MEDIDAS DE PROBABILIDAD:
• MEDIA O VALOR ESPERADO: µ = 𝐸 𝑥 = σ [𝑥 ∗ 𝑃(𝑥)]
• VARIANZA: σ 2 = σ [ 𝑥 − µ 2 ∗ 𝑃(𝑥)]
• DESVIACIÒN ESTÀNDAR: : σ = σ 2
Ejm. 1:
• En un estudio de un método de X P(x)
0 0,125 0 0,28125
1 0,375 0,375 0,09375
2 0,375 0,750 0.09375
3 0,125 0,375 0.28125
Total 1 1,500 0.75000
• Calculando la esperanza matemática:
= 1,5
https://www.youtube.com/watch?v=0oBfdHHudTg
DISTRIBUCIÓN BINOMIAL
Una distribución de probabilidad binomial
resulta de un procedimiento que cumple
con todos los siguientes requisitos:
1. El procedimiento tiene un número fijo de
ensayos.
2. Los ensayos deben ser independientes.
(El resultado de cualquier ensayo
individual no afecta las probabilidades de
los demás ensayos).
3. Todos los resultados de cada ensayo
deben estar clasificados en dos
categorías (generalmente llamadas éxito
y fracaso).
4. La probabilidad de un éxito permanece
igual en todos los ensayos.
Distribución Binomial
P x n C x p q x nx
Media Varianza
np ; npq
2
Ejemplo 1:
Pagos de vencimientos de
Éxito
préstamos
Reemplazando y efectuando
los cálculos se tiene:
P x n C x p q x n x
P x 3 8 C3 (0,20)3 (0,80)8 3
P x 3 8 C3 (0,20)3 (0,80)5
P x 3 0,1468
Interpretación: La probabilidad de los 8 clientes notificados por vencimientos de
pagó por la Caja Huancayo, 3 de ellos realicen sus pagos es de 14,68%
Ejemplo 2:
Reemplazando y efectuando
los cálculos se tiene:
P x n C x p q x n x P x 2 10 C2 (0,0,05)2 (0,95)10 2
P x 2 10 C2 (0,0,05)2 (0,95)8
P x 2 0,0746
Reemplazando y efectuando
los cálculos se tiene:
P x n C x p q x n x
P x 0 10 C0 (0,0,05)0 (0,95)10 0
P x 0 10 C0 (0,0,05)0 (0,95)10
P x 0 0,5987
Interpretación: La probabilidad de que entre 10 unidades de
ensamblaje, ninguno se encuentren defectuosas es de 59,83%
Ejemplo 3:
Éxito
Tornillo P x n C x p q x n x
defectuoso
La probabilidad de encontrar
un pantalón con algún
desperfecto de la producción
total de una máquina
remalladora es de 0,24. Si se
extrae una muestra de 4
pantalones, calcule la media y
la varianza de la distribución.
Solucionario:
Pantalón con
Media
Éxito
np
desperfecto
4 0, 24 0,96
2 4 0, 24 0, 76 0, 7296
DISTRIBUCIÓN POISSON
https://www.youtube.com/watch?v=8uS6-XTjenA
DISTRIBUCIÓN POISSON
Una distribución de probabilidad Poisson resulta
de un procedimiento que cumple con todos los
siguientes requisitos:
1. El experimento consiste en contar el número
“x” de veces que ocurre un evento en un
intervalo. Esto es en una unidad de tiempo, área
o volumen.
2. La probabilidad de que un evento ocurra en una
unidad dada de tiempo, área o volumen es la
misma para todas las unidades.
3. El número de eventos que ocurren en una
unidad de tiempo, área o volumen es
independiente del número de los que ocurren
en otras unidades.
4. El número medio (o esperado) de eventos en
cada unidad se denota por la letra griega
(“lambda”)
Distribución de Poisson
X .e
P x ; e 2,7183
x!
: Denota el número medio de eventos que ocurren en una
unidad dada de tiempo, área o volumen.
x: Denota un número específico de eventos que ocurren
durante una unidad dada de tiempo, área o volumen.
e: Denota la constante matemática “épsilon”
x!: Denota el factorial de “x”
P(x) : Denota la probabilidad de que ocurran “x” eventos en
una unidad dada de tiempo, área o volumen.
Media ; Varianza
; 2
Ejemplo 5:
En un centro telefónico de
atención a clientes se reciben
en promedio 6 llamadas por
hora. ¿Cuál es la probabilidad
de que en una hora
seleccionada aleatoriamente
se reciban exactamente 2
llamadas?
Solucionario:
6 llamadas por
Media () hora Reemplazando y efectuando
los cálculos se tiene:
Número de eventos 2 llamadas en
esperados (x) una hora
62.e6
P X 2
2!
X .e P X 2 0,0446
Px ; e 2,7183
x!
Interpretación:
La probabilidad de que en una hora, exactamente se reciban 2
llamadas por hora es de 4,46 %
Ejemplo 6:
2 personas en 10
Media () 12 personas en una hora
minutos
Número de eventos 3 personas en 10
3 personas en 10 minutos
esperados (x) minutos
12 personas 60 minutos
n 2 personas
n 10 minutos
X .e
Media () 200/500 = 0,40
Número de eventos
1 página
(cualquier P x
esperados (x)
página) x!
Reemplazando y efectuando los cálculos
se tiene:
Interpretación:
0,401.e0,40 La probabilidad de que
P X 1 cualquier página elegida al
azar del libro de 500 páginas
1! tenga un error es del 26,81%.
P X 1 0,2681
Calculando la media y la
; 2
varianza, se tiene:
2 0, 40
Probabilidad
y Estadística
Tema:DISTRIBCIÓN
NORMAL
DISTRIBUCIÓN NORMAL
Si una variable aleatoria continua
Fórmula
tiene una distribución con una
gráfica simétrica y en forma de
campana, como la de la figura
adjunta, a la vez que puede ser
descrita por medio de la ecuación
dada como fórmula, decimos que
tiene una distribución normal.
Cada diferente par de valores para media () y desviación estándar () resultará en
una función de distribución de probabilidad normal diferente.
µ1=µ2=µ3
µ1 µ2 µ3
La desviación estándar (σ) determina la forma de la
µ1< µ2 < µ3 curva. A menor dispersión la curva será más
La media aritmética (µ) fija la posición de la curva estrecha y puntiaguda, a mayor dispersión, la curva
respecto al eje “x”. será más ancha y más aplanada.
CARACTERISTICAS DE UNA DISTRIBUCIÓN
NORMAL ESTÁNDAR (σ = 1 y μ = 0)
Distribución normal de probabilidad con características fijas:
z = -1,61
RESPUESTA:
P(z≤-1,61) = 0,0537
Calcule las probabilidades acumuladas en cada área a la izquierda de:
1) z = -1,45
2) z = 1,93
3) z = 0,48
CÁLCULO DE PROBABILIDADES EN LA CURVA
NORMAL ESTÁNDAR
Segundo caso: A la derecha de un "z" determinado:
Se calcula por complementario.
0,7967
z = 0,83
RESPUESTA:
P(Z≥0,83)=1 - 0,7967 = 0,2033
Calcule la probabilidad acumulada a la derecha de:
1) z = -0,75
2) z = 1,35
3) z = 2,18
CÁLCULO DE PROBABILIDADES EN LA CURVA
NORMAL ESTÁNDAR
Tercer caso: Entre dos valores "z" determinados
Se calcula por diferencia de áreas (Área pedida = Área mayor – Área menor).
Calcule
Tercerla probabilidad
caso: en la
Entre dos valores “z”curva normal
determinados: CÁLCULO DE ÁREAS
Se calcula porentre
comprendida diferencia
z1 =de-1,23
áreas.y z = 0,43
2
Área mayor: A la izquierda de 0,43
0,6664
z1 = -1,23 z2 = 0,43
Área menor: A la izquierda de -1,23
RESPUESTA:
0,1093
P(-1,23<z≤0,43)=0,6664 – 0,1093
P(-1,23<z≤0,43) = 0,5571
Calcule la probabilidad acumulada entre:
1) z1 = - 1,54 y z2 = -1,28
2) z1 = 0,31 y z2 = 1,17
3) z1 = - 1,29 y z2 = 1,13
CÁLCULO DE PUNTUACIONES "z"
DE PROBABILIDADES DADAS:
Si la probabilidad aparece en la tabla: Se calcula directo de la tabla el valor de z
0,9115
RESPUESTA:
z = 1,35
CÁLCULO DE PROBABILIDADES EN LA CURVA NORMAL
ESTÁNDAR QUE NO FIGURAN EN LA TABLA
Se calcula por interpolación
Calcule la Entre
Tercer caso: probabilidad
dos valorescuando z≤1,7265
“z” determinados: CÁLCULO DE PROBABILIDADES
(el área aporladiferencia
Se calcula izquierda de de z1 = 1,7265)
áreas.
z Prob.
1,72 0,9573
z1 = 1,7265 1,7265 Ai
1,73 0,9582
1, 73 1, 72 0,9582 0,9573
RESPUESTA:
P(z≤1,7265) = 0,957885 1, 73 1, 7265 0,9582 Ai
Ai 0,957885
Calcule la probabilidad acumulada a la izquierda de:
1) z1 = 1,035
2) z1 = - 0,2753
ESTANDARIZACIÓN DE VALORES CUANDO σ ≠ 1 y μ ≠ 0:
Puntuación “z”
Definición: Una puntuación "z" es el número de desviaciones estándar que un valor "x" se encuentra por
arriba o por debajo de la media. Se calcula mediante la siguiente expresión:
x Media
z
Desv.Est.
6.8 − 5.8
𝑧= = 0.2381
4.2
Calcule el valor “z” que corresponde en cada caso:
1) Media = 15 litros ; Desv. Estándar = 3.25 litros ; x = 21 litros
Convirtiendo:
24 - 22
oz= 2
oz= 1
P(z<1) = 0,8413
z=1
El tiempo promedio que se demora el estudiante universitario en almorzar es de 22 minutos, con
una desviación estándar de 2 minutos.
Si aleatoriamente se elige a un estudiante de esta población determine:
b) La probabilidad de que su tiempo de almorzar sea entre de 21 a 24,6 minutos
Convirtiendo:
P(-0,5<z<1,3) = b - a
21 - 22 24,6 - 22
o z= o z= P(-0,5<z<1,3) = 0,9032-0.3085
2 2
o z= -0,5 o z= 1,3 P(-1,22<z<1,34) = 0,5947
P(z<-0,5) = 0,3085 = a P(z<1,3) = 0,9032 = b P(21<x<24,6) = 0,5947
a b
Convirtiendo:
26 - 22
oz= 2
oz= 2
P(z<2) = 0,9772
P(x<26) = 0,9772
0,9772
P(x>2) = 1-0,9772=0,0228
z=2
Ejemplo 2
σ1<σ2<σ3
σ1= σ2= σ3
Es diferente para cada
conjunto de datos
µ1 µ2 µ3 µ1=µ2=µ3
µ1< µ2 < µ3
Cuando μ ≠ 0 y σ ≠ 1, x
se “estandariza” para
𝑥𝑖 −𝑚𝑒𝑑𝑖𝑎
z=
calcular la probabilidad 𝐷𝑒𝑠𝑣.𝐸𝑠𝑡á𝑛𝑑.
4) ¿Qué me falta
2) ¿Cómo aprendí?
aprender?