Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 3
TEORÍA DE PROBABILIDADES Y DISRIBUCIÓN
Tema 1
PRINCIPIO DE PROBALIDADES
Subtema 1: Permutación y
combinación
Objetiv
o
Conocer las teorías de probabilidades
y su relación con las diferentes
distribuciones de probabilidad
utilizando teoremas para la toma de
decisiones
ACTIVIDAD DE INICIO
LLUVIA DE IDEAS
PRINCIPIOS DE PROBABILIDAD TÉCNICAS DE
CONTEO
Las técnicas de conteo son aquellas que son usadas para
enumerar eventos difíciles de cuantificar.
▶Se les denomina técnicas de conteo a las:
▶combinaciones,
▶permutaciones
M + N + .........+ W maneras
PRINCIPIO ADITIVO
• EJEMPLO: “Se desea comprar una lavadora de ropa, para
lo cuál ha pensado que puede seleccionar de entre las
marcas Whirpool, LG y Mademsa, cuando acude a hacer
la compra se encuentra que la lavadora de la marca W se
presenta en dos tipos de carga ( 8 u 11 kg.), en cuatro
colores diferentes y puede ser automática o
semiautomática, mientras que la lavadora de la marca LG,
se presenta en tres tipos de carga (8, 11 o 15 kg.), en dos
colores diferentes y puede ser automática o
semiautomática y la lavadora de la marca M, se presenta
en solo un tipo de carga, que es de 11 kg., dos colores
diferentes y solo hay semiautomática. ¿Cuántas maneras
existen de comprar una lavadora?”
PRINCIPIO
ADITIVO
M = Número de maneras de seleccionar una lavadora Whirpool
▶ N = Número de maneras de seleccionar una lavadora de la
marca LG
▶ W = Número de maneras de seleccionar una lavadora de la
marca
Mademsa
▶ M = 2 x 4 x 2 = 16 maneras
▶ N = 3 x 2 x 2 = 12 maneras
▶ W = 1 x 2 x 1 = 2 maneras
▶ M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una
lavadora
EJERCICIO DE PRINCIPIO ADITIVO
Rafael Luna desea ir a las Vegas o a Disneylandia en las
próximas vacaciones de verano, para ir a las Vegas
él tiene tres medios de transporte para ir de Chihuahua
al Paso Texas y dos medios de transporte para ir del
Paso Texas a las Vegas, mientras que para ir del paso
Texas a Disneylandia él tiene cuatro diferentes medios
de transporte, a) ¿Cuántas maneras diferentes tiene
Rafael de ir a las Vegas o a Disneylandia?
PRINCIPIOS DE PROBABILIDAD PRINCIPIO
MULTIPLICATIVO
Si se desea realizar una actividad que consta de r pasos,
en donde el primer paso de la actividad a realizar puede
ser llevado a cabo de N1 maneras, el segundo paso de N2
maneras y el r-ésimo paso de Nr maneras, entonces esta
actividad puede ser llevada a efecto de:
N1 x N2 x ..........x Nr maneras
▶ El principio multiplicativo implica que cada uno de los
pasos
de la actividad deben ser llevados a efecto, uno tras otro.
Número total de arreglos = (m)(n)
PRINCIPIO
MULTIPLICATIVO
Un vendedor de automóviles desea anunciar que por $29,999 (dólares) usted
puede comprar un auto convertible, un sedan de dos puertas, o un modelo de
cuatro puertas, y además puede elegir si desea que los rines sean sólidos o
deportivos. ¿cuántos arreglos diferentes de modelos y rines puede ofrecer el
comerciante?
Utilizando la formula de la multiplicación para verificar el total de arreglo posible
tenemos.
Total de arreglos posibles = donde:
(m)(n)
m= es el número de modelos =
3 n= es el tipo de rin = 2
Total de arreglos posibles = (3)(2)
=6
PRINCIPIO
MULTIPLICATIVO
La empresa Stiffin Lamp desarrolló cinco bases para
lámparas de mesa y cuatro pantallas intercambiables.
¿Cuántos arreglos diferentes de base y pantalla se pueden
ofrecer?.
Donde:
Donde:
n=8
r=3
EJERCICIOS DE
PERMUTACIÓN
Se van a utilizar los 10 números dl 0 al 9, para crear
un código de cuatro dígitos e identificar un artículo
de ropa. El 1083 podría identificar una blusa azul,
talla mediana. El 2031, unos pantalones, talla 18; y así
sucesivamente. No se permiten repeticiones de los
números. Es decir el mismo número no puede ser
utilizado dos veces o más en una secuencia. Por
ejemplo 2256, 2562 o 5559. ¿Cuántos códigos
diferentes se pueden establecer?
20
EJERCICIOS DE
PERMUTACIÓN
¿De cuántas formas distintas pueden sentarse ocho
personas en una fila de butacas?
EJERCICIOS DE PERMUTACIÓN
DE M ELEMENTOS
¿De cuántas formas distintas pueden sentarse
ocho
personas en una fila de butacas?
25
EJERCICIOS DE PERMUTACIÓN CON
REPETICIÓN DE M
ELEMENTOS
En el palo de señales de un barco se pueden izar tres
banderas rojas, dos azules y cuatro verdes. ¿Cuántas
señales distintas pueden indicarse con la colocación de
las nueve banderas?
r = número de objetos
seleccionados
EJERCICIOS DE
COMBINACIÓN
En una clase de 35 alumnos se quiere elegir un comité
formado por tres alumnos. ¿Cuántos comités diferentes
se pueden formar?
EJERCICIOS DE
COMBINACIÓN
En un torneo de tenis en el que participan 12 jugadores
se pueden clasificar 3 jugadores para la final. ¿Cuántos
grupos distintos de finalistas se pueden formar?
EJERCICIOS DE COMBINACIÓN
A una reunión asisten 15 personas y se intercambian
saludos
entre todos. ¿Cuántos saludos se intercambian?
EJERCICIOS DE
COMBINACIÓN
Se está organizando el comité de salud ocupacional de
una organización el que está conformado por 9
personas; se cuenta con 6 personas de la parte
administrativa, 8 de la parte operativa y 5 de la parte
técnica. Si el comité debe estas integrado por 4 de la
parte administrativa, 3 de la parte operativa y 2 de la
parte técnica. ¿Cuántos comités pueden salir?
32
EJERCICIOS DE
COMBINACIÓN
Una persona que sale de vacaciones desea llevarse 4
libros para leer: dispone de 4 novelas policiales y 6
libros de cuentos cortos ¿ De cuántas formas puede
hacer la elección si quiere llevar al menos una novela?
Nombre de la Asignatura
Unidad 3
TEORÍA DE PROBABILIDADES Y DISRIBUCIÓN
Tema 1
PRINCIPIO DE PROBALIDADES
S = { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 }
S = { x| 2 ≤ x ≤ 12, x ∈ℵ}
EJEMPLO: ESPACIO DE
EVENTOS
S = { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 }
Algunos eventos de este espacio son: Nota: debe
observarse, en este
caso, que el resultado
A = { 2, 4, 6, 8, 10, 12 } x=4 puede
presentarse si
o si
C = { 3, 5, 7, 9, 11 } D = Y1=1 y Y2=3.
A∪C=S A∩C=∅
C∩D=D A ∩ B = { 10 }
B ∪ C = { 3, 5, 7, 9, 10, 11 } B ∩ C = { 7, 11 }
EJEMPL
O
Se ha determinado un nuevo juego de video. 80
jugadores veteranos de este tipo de atracciones van a
probar su potencial de mercado.
a) ¿Cuál es el experimento?
b) ¿Cuál es un resultado posible?
c) Suponga que 65 jugadores probaron el nuevo juego
y
afirmaron que les gustó. ¿Es 65 una probabilidad?
d) La probabilidad de que el nuevo juego de video sea
un
éxito se calcula que es -1. ¿Qué le indica esto?
e) Especifique un evento posible.
EJEMPLO
a) ¿Cuál es el experimento?
Probar el nuevo juego de computadora
b) ¿Cuál es un resultado posible?
A 73 jugadores les gustó el juego.
c)Suponga que 65 jugadores probaron el nuevo juego y afirmaron
que les gustó. ¿Es 65 una probabilidad?
No. La probabilidad no puede ser mayor que 1. la probabilidad es
igual a 65/80= 0,8125
d) La probabilidad de que el nuevo juego de video sea un éxito se
calcula que es -1. ¿Qué le indica esto?
No puede ser menor que 0 la probabilidad.
a) Especifique un evento posible.
A más de la mitad de las personas que prueban dicho juego les
agradó.
ENFOQUES DE LA PROBABILIDAD
• Probabilidad objetiva: Se subdivide en
posibles.
probabilidad
• Probabilidad Empírica.- Se basa en las
frecuencias
clásica y probabilidad empírica.
los resultados de un experimento sonigualmente
• Probabilidad Clásica.- Se basa en la consideración
relativas.
de que La probabilidad de que un evento
determina
ocurra se observando en qué fracción de
tiempo
sucedieron eventos semejantes en el pasado.
• Probabilidad subjetiva: Es la posibilidad de que
suceda un evento específico, que es asignada por
una persona basándose en cualquier información
que esté disponible.
INTERPRETACIÓN CLASICA DE LA
PROBABILIDAD
Sea n(S) es el número de elementos, igualmente posibles y
mutuamente excluyentes, del espacio muestral S de un
experimento aleatorio, y sea n(A) el número de elementos
de un evento cualquiera A de ese espacio muestral.
n (
P( A) = n(S)
A)
DEFINICIONES PREVIAS
• Eventos mutuamente excluyentes:
– Si se tienen dos o más eventos que pertenecen a S y al realizar el
experimento solo puede ocurrir uno u otro, pero no simultáneamente.
Por ejemplo: A ∩ B = ∅
• Eventos colectivamente exhaustivos:
• Si la unión de los eventos es igual al espacio de eventos.
Por ejemplo: A ∪ B = S
• Eventos mutuamente excluyentes y colectivamente exhaustivos:
• Si se cumplen las dos condiciones anteriores
Por ejemplo: A ∩ B = ∅ y además A ∪ B = S
EJERCICIO
Considere el experimento de lanzar un dado
común. ¿Cuál es la probabilidad del evento
“cae un número par”?
EJERCICI
O al azar una carta de una
Se va a seleccionar
baraja americana de 52 naipes. ¿Cuál es la
probabilidad de que la carta elegida sea una
reina?
Probabilidad
Empírica
Número de que ocurrió
Probabilidad de veces el
que un evento en el
event
suceda pasado
o Número total de
observaciones
EJERCICIO
Se efectuó un estudio con 751 egresados de la carrera de
ingeniería comercial, en la Universidad Estatal de Milagro. Este
experimento reveló que 383 de los 751 egresados no estaban
empleados de acuerdo con su principal área de estudio. Por
ejemplo, un egresado especializado en contaduría, ahora es
gerente de mercadotecnia en una empresa empacadora de
tomates. ¿Cuál es la probabilidad de que un egresado de
ingeniería comercial labore en un área distinta a la de sus
estudios universitarios?
EJERCICIO
Se efectuó un estudio con 751 egresados de la carrera de
ingeniería comercial, en la Universidad Estatal de Milagro. Este
experimento reveló que 383 de los 751 egresados no estaban
empleados de acuerdo con su principal área de estudio. Por
ejemplo, un egresado especializado en contaduría, ahora es
gerente de mercadotecnia en una empresa empacadora de
tomates. ¿Cuál es la probabilidad de que un egresado de
ingeniería comercial labore en un área distinta a la de sus
estudios universitarios?
P (A)= 383/751 = 0,51
EJERCICI
O
El centro Nacional de Estadísticas de salud de
Estados Unidos, informó que de cada 883
decesos, 24 se debieron a accidentes
automovilísticos, 182 al cáncer, y 333 a
enfermedades del corazón. ¿Cuál es la
probabilidad de que una muerte específica se
deba a un accidente automovilístico?
INTERPRETACIÓN
SUBJETIVA DE LA
PROBABILIDAD
De acuerdo con esta interpretación, la probabilidad de
un evento es el grado de certidumbre que tiene una
persona, o grupo de personas, acerca de la ocurrencia
de un evento.
P (Ac) = 1 - P(A)
EVENTO
A
Ac
REGLAS DE PROBABILIDAD
En el experimento de extraer una carta al azar
de un mazo normal de 52 cartas, los eventos:
A: obtener un 5
B: obtener un AS,
¿Cuál es la probabilidad de que salga un 5 o un
AS?
A B
B
A∩B A∩B
nn(S(B) )
P( A ∩ B)
P( A | B) = = P(B)
n(S )
P( A ∩
P( A | B) = P(B)
y análogamente:
P(B | A) =
P(P(AA∩
)
B) B)
PROBABILIDAD
CONJUNTA
Supónganse dos eventos A y B que pertenecen al espacio muestral S
A B
A∩B A∩B
P( A ∩ B) = P( A)P(B)
FÍSICA 46 35 30 111
QUÍMICA 45 40 42 127
MATEMÁTEMÁTICAS 52 38 22 112
Unidad 3
TEORÍA DE PROBABILIDADES Y DISRIBUCIÓN
Tema 2
Distribución de Probabilidad
3.- Distribución
binomial
OBJETIVO
Conocer las teorías de probabilities y su
relación con las diferentes distribuciones de
probabilidad utilizando teoremas para la toma
de decisiones
distribucione
s
ACTIVIDAD DE
INICIO
LLUVIA DE IDEAS
Distribuciones de
probabilidad
• Variable aleatoria: es cualquier
regla que relaciona un número
con cada resultado en el
espacio
muestral
SS. 0 ≤ F (x) ≤ 1
1. 0 ≤ P( y) ≤ 1
Limx→∞ F (x) = 1
2.
∑
P( y).
• =1
Limx→−∞ F (x) = 0
toda y
FX (x) = P(X ≤ x) μX = E( X ) =
∑ ∑
xf X (x) = xP( X = x)
f X ( x) = P( X = x) 2
x x
σ X = E[( X − μX) ] = (∑
x−μ
2 2
X ) P( X = x)
x
38
Distribución hipergeométrica
• Se aplica cuando n > 0.1N
• El muestreo se hace sin reemplazo
Cx nD−Cx N − D n! x!
P(x)= C = (n − x)!
n
x
C nN 39
Distribución
hipergeométrica
• La media y la varianza de la distribución
hipergeométrica
son:
nD nD D N−
μ= N σ = ⎜⎛ N⎟⎜ ⎞⎛N − N⎞⎛−1 ⎟
2 1 ⎟⎜
⎝ ⎠⎝
n ⎠⎝⎠
⎞
40
Distribución
hipergeométrica
Ejemplo: De un grupo de 20 productos, 10 se
seleccionan al azar para prueba. ¿Cuál es la
probabilidad de que 10 productos
seleccionados contengan 5 productos buenos?
Los productos defectivos son 5 en el lote.
• La binomial es una
aproximación
de la hipergeométrica
• La distribución normal se
42
aproxima
La variable aleatoria X tiene una distribución
binomial
⎛
n n−
x
f (x) = P( X = x) = ⎜ ⎟ p (1− p) x x = 0,1,...,
⎞⎝ ⎠ n
x
Tiene media y varianza.
E( X ) = = np
μ
V X( X ) = 2
X = np(1− p)
σ
Distribución de
Poisson
• Se utiliza para modelar datos
discretos
• Se aproxima a la binomial
cuando p es igual o menor a
0.1, y el tamaño de muestra es
grande (n > 16) por tanto np >
1.6
44
Distribución de
Poisson
Una Variable aleatoria X tiene distribución Poisson
si
toma probabilidades con.
e−λλx
f ( x) x = 0,1,..
= x! .
μ = np
σ =
45
Distribución
Exponencial
• Modela artículos con una tasa de
falla constante y está relacionada
con Poisson.
• Modela el tiempo medio entre
llegadas
• Si x se distribuye
exponencialmente, y=1/x sigue
una distribución de Poisson −x
1
f
• La función de densidad de e θ = λe−λx
probabilidad exponencial es: Para x > (x)= θ
= 0
46
Distribución Exponencial
• Donde Lambda es la tasa de
falla y
theta es la media
• La función de densidad de la
distribución exponencial
47
Distribución
Exponencial
El modelo exponencial, con un solo parámetro, es el
más simple de todo los modelos de distribución del
tiempo de vida.
= 1− e−λt
CDF : F(t ) Función de Densidad de Probabilidad Exponencial
=e 0,0035
CONFIABILIDAD : R(t ) 0,0030 λ = 0.003, MEDIA = 333
− λt
0,0025
0,0020
λ = 0.002, MEDIA = 500
f(t)
0,0015 λ = 0.001, MEDIA = 1,000
h =
TASA DE FALLA : (t ) 0,0010
0,0005
λ 0,0000
La distribución Normal estándar
49
CARACTERISTICAS DE UNA DISTRIBUCION
NORMAL
La Normal is simétrica -
-
Cola
Cola
Teóricamente, la
Teóricamente, la Media, mediana, y curva se extiende a
curva se extiende a moda son iguales + infinito
- infinito
La Distribución Normal Estándar
La desviación
estándar sigma
representa la
distancia de la
media al punto de
inflexión de la
curva normal
X
x-3σ x-2σ x-σ x x+σ x+2σ x+σ3
z
-3 -2 -1 0 1 2 3
51