Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidad y Estadística
Ingeniería Civil
𝒊𝑪𝝅𝒓
Caracterización de la asignatura.
Esta asignatura aporta al perfil del ingeniero civil nuevas estrategias para
resolver problemas de aplicación matemática referente a la recolección,
análisis e interpretación de datos, busca explicar condiciones regulares en
fenómenos tipo aleatorio en la ingeniería civil actualmente.
Puesto que esta materia dará soporte a otras, más directamente vinculadas
con desempeños profesionales, se encuentra ubicada en el segundo semestre
de la estructura curricular, antes de cursar aquéllas a las que da soporte.
Intención didáctica.
Competencias a desarrollar.
Competencias específicas de la asignatura.
Competencias previas.
Competencias específicas.
Competencias genéricas.
Competencias específicas.
Competencias genéricas.
Competencias específicas.
Competencias genéricas.
Competencias específicas.
Competencias genéricas.
Competencias específicas.
Competencias genéricas.
Contenido
1.- Teoría de la probabilidad.
1.1 Conjuntos, sus operaciones, leyes y su representación.
1.2 Introducción a la probabilidad
1.2.1 Probabilidad de eventos aleatorios.
1.2.2 Diagramas de árbol
1.2.3 Permutaciones y combinaciones.
1.2.4 Espacio muestral y eventos
1.3 Definiciones de probabilidad.
1.3.1 Definición clásica.
1.3.2 Con base en la frecuencia relativa.
1.3.3 Axiomática.
1.4 Probabilidad condicional e independencia
1.5 Teorema de Bayes.
Ahora bien, de acuerdo con nuestra materia, lo que nos interesa estudiar es
el comportamiento de fenómenos aleatorios. Es decir, fenómenos en los
cuales no podemos saber, con plena certeza su resultado. Y dicho
comportamiento, puede relacionarse con el resultado de un determinado
experimento.
𝑺 = 𝑼 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔}
𝑺= 𝑨∪𝑩∪𝑪
La unión de conjuntos; 𝑨 ∪ 𝑩.
Estará dada por todos los resultados que pertenecen al evento A, o al evento
B, o a ambos eventos.
Ejemplo:
𝐴 = {0,1,2,3,4,5} 𝐵 = {4,5,6,7,8,9}
𝑨 ∪ 𝑩 = {𝟎, 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗}
La intersección de conjuntos; 𝑨 ∩ 𝑩.
Estará dada por todos los resultados que pertenecen al evento A y al evento
B, simultáneamente.
Ejemplo:
𝐴 = {0,1,2,3,4,5} 𝐵 = {4,5,6,7,8,9}
𝑨 ∪ 𝑩 = {𝟒, 𝟓}
Diferencia de conjuntos.
Está formado por los elementos del minuendo que no están en el sustraendo.
Es decir; (A-B) es el conjunto formado por los elementos que pertenecen al
conjunto A y que no están en conjunto B.
Ejemplo:
𝐴 = {0,1,2,3,4,5} 𝐵 = {4,5,6,7,8,9}
𝑨 − 𝑩 = {𝟎, 𝟏, 𝟐, 𝟑}
El conjunto Complemento; 𝑨′ .
Está formado por todos los elementos que pertenecen al universo “U” y no
están en el conjunto A.
Ejemplo:
𝑈 = {0,1,2,3,4,5,6,7,8,9} 𝐴 = {4,5,6,7,8,9}
𝐴′ = {0,1,2,3}
Los subconjuntos; 𝑨 ⊂ 𝑩.
Un subconjunto existe, cuando todos los elementos de un conjunto A,
pertenecen a un conjunto B. Se dice también que el conjunto A está incluido
en el conjunto B.
Ejemplo:
𝐴 = {4,5} 𝐵 = {𝟒, 𝟓, 6,7,8,9}
𝑨 ⊂ 𝑩 = {𝟒, 𝟓}
Conjunto vacío; 𝝓
El conjunto vacío es aquel que carece de elementos.
Ejemplo:
𝐴 = {0,1,2,3,4,5} 𝐵 = {6,7,8,9}
𝑨∩𝑩 ={ }= 𝝓
Ejemplo:
𝑨 = {𝟎, 𝟏, 𝟐, 𝟑, 𝟒, 𝟓} 𝑩 = {𝟔, 𝟕, 𝟖, 𝟗}
𝑨∩𝑩 ={ }= 𝝓
-Unión e intersección.
𝑨 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔}
𝑩 = {𝟐, 𝟒, 𝟔, 𝟖, 𝟏𝟎}
𝑪 = {𝟓, 𝟔, 𝟕, 𝟖, 𝟗}
𝟏) (𝑨 ∪ 𝑩) ∩ 𝑪
𝐴 ∪ 𝐵 = {1,2,3,4,5,6,8,10}
(𝑨 ∪ 𝑩) ∩ 𝑪 = {𝟓, 𝟔, 𝟖}
𝟐) (𝑩 ∩ 𝑪) ∪ (𝑨 ∩ 𝑩)
𝐵 ∩ 𝐶 = {6,8}
𝐴 ∩ 𝐵 = {2,4,6}
(𝑩 ∩ 𝑪) ∪ (𝑨 ∩ 𝑩) = {𝟐, 𝟒, 𝟔, 𝟖}
-Diferencia y complemento.
𝑼 = {𝒂, 𝒃, 𝒄, 𝒅, 𝒆, 𝒇, 𝒈}
𝑨 = {𝒂, 𝒃, 𝒄, 𝒅}
𝑩 = {𝒂, 𝒄, 𝒆, 𝒈}
𝑪 = {𝒃, 𝒆, 𝒇, 𝒈}
𝟑) 𝑨′ −𝑩
𝐴′ = {𝑒, 𝑓, 𝑔}
𝑨′ − 𝑩 = {𝒇}
𝟒) (𝑨 − 𝑪)′
𝐴 − 𝐶 = {𝑎, 𝑐, 𝑑}
(𝑨 − 𝑪)′ = {𝒃, 𝒆, 𝒇, 𝒈}
𝑹 = 𝟓 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔
Claramente notamos que son las que están fuera de la intersección de los
conjuntos de aficionados y la cantidad de aficionados a un solo deporte es la
suma de estas dos cantidades.
La respuesta es:
𝒔𝒐𝒍𝒐 𝒂𝒍 𝒇𝒖𝒕𝒃𝒐𝒍 = 𝟏𝟏
𝒂𝒇𝒊𝒄𝒊𝒐𝒏𝒂𝒅𝒐𝒔 𝒂 𝒖𝒏 𝒔𝒐𝒍𝒐 𝒅𝒆𝒑𝒐𝒓𝒕𝒆: 𝒔𝒐𝒏 𝟏𝟗 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔
𝒔𝒐𝒍𝒐 𝒂𝒍 𝒃𝒂𝒔𝒒𝒖𝒆𝒕𝒃𝒐𝒍 = 𝟖
𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃(𝐴) =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
Ejemplo:
Ejemplo:
Las permutaciones y las combinaciones son arreglos que pueden formarse con
algún grupo o conjunto de objetos, donde puede o no importar el orden. En las
permutaciones, el orden no importa, mientras que en las combinaciones si
importa.
𝐿𝑖𝑛𝑒𝑎𝑙 = 𝑛!
𝐶𝑖𝑟𝑐𝑢𝑙𝑎𝑟 = (𝑛 − 1)!
𝑺𝑰 𝑠𝑒 𝑡𝑜𝑚𝑎𝑛𝑡𝑜𝑑𝑜𝑠𝑙𝑜𝑠𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠(𝑃𝑒𝑟𝑚𝑢𝑡𝑎𝑐𝑖ó𝑛) { 𝑛!
𝑅𝑒𝑝𝑒𝑡𝑖𝑑𝑜𝑠 =
𝑟1! ∙ 𝑟2! ∙ 𝑟3! ∙ . . .∙ 𝑘𝑛 !
𝑛!
𝐶𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛(𝑠/𝑟) =
𝐸𝑣𝑒𝑛𝑡𝑜 (𝑛 − 𝑟)! ∙ 𝑟!
𝑵𝒐 𝑖𝑚𝑝𝑜𝑟𝑡𝑎 𝑒𝑙 𝑜𝑟𝑑𝑒𝑛
𝑛+𝑟−1
𝐶𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛(𝑐/𝑟) =
𝑵𝒐 𝑠𝑒 𝑡𝑜𝑚𝑎𝑛 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 { (𝑛 − 1)! ∙ 𝑟!
𝑛!
𝑉𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛(𝑠/𝑟) =
𝑺í 𝑖𝑚𝑝𝑜𝑟𝑡𝑎 𝑒𝑙 𝑜𝑟𝑑𝑒𝑛 { (𝑛 − 𝑟)!
{ { 𝑉𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛(𝑐/𝑟) = 𝑛𝑚
𝒏𝑷𝒓 = 𝒏𝒓
Ejemplo:
𝟑
10P3 = 𝟏𝟎 = 𝟏, 𝟎𝟎𝟎 𝑩𝒐𝒍𝒆𝒕𝒐𝒔 𝒅𝒆 𝒕𝒓𝒆𝒔 𝒄𝒊𝒇𝒓𝒂𝒔
𝒏!
𝒏𝑷𝒓 =
(𝒏 − 𝒓)!
𝟏𝟎! 𝟏𝟎 ∙ 𝟗 ∙ 𝟖 ∙ 𝟕!
𝟏𝟎 𝑷𝟑 = = = 𝟏𝟎 ∙ 𝟗 ∙ 𝟖 = 𝟕𝟐𝟎 𝒃𝒐𝒍𝒆𝒕𝒐𝒔
(𝟏𝟎 − 𝟑)! 𝟕!
𝒏! 𝒏! 𝒏!
𝒏𝑷𝒏 = = 𝒅𝒐𝒏𝒅𝒆 𝟎! = 𝟏 → 𝒏𝑷𝒏 = = 𝒏!
(𝒏 − 𝒏)! 𝟎! 𝟎!
Existe una manera muy particular que nos brinda una excepción en este tipo
de arreglos. Se llama permutación circular o cerrada. Donde;
𝒏𝑷𝒏 = (𝒏 − 𝟏)!
𝟓 𝑷𝟓 = 𝟓!
Sin embargo, si imaginamos uno de los arreglos que se pueden lograr con las 5
personas, y los giramos, respetando su orden inicial, podemos observar que
existen 5 posiciones iguales, es decir, 5 formas que se repetirán cada vez. De
aquí, entonces que la cantidad real será;
𝒏𝑷𝒏 𝒏!
= = (𝒏 − 𝟏)!
𝒏 𝒏
𝟓 𝑷𝟓 = (𝟓 − 𝟏)! = 𝟒! = 𝟐𝟒
𝒎𝒂𝒏𝒆𝒓𝒂𝒔 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒕𝒆𝒔.
𝒏! 𝒏𝑷𝒓
𝒏𝑪𝒓 = =
(𝒏 − 𝒓)! 𝒓! 𝒓!
Ejemplo:
𝟓! 𝟓! 𝟏𝟐𝟎 𝟏𝟐𝟎
𝟓 𝑪𝟑 = = = = = 𝟏𝟎 𝒎𝒂𝒏𝒆𝒓𝒂𝒔 𝒅𝒊𝒔𝒕𝒊𝒏𝒕𝒂𝒔
(𝟓 − 𝟑)! 𝟑! 𝟐! ∙ 𝟑! 𝟐 ∙ 𝟔 𝟏𝟐
(𝒏 + 𝒓 − 𝟏)!
𝒏𝑪𝒓 =
(𝒏 − 𝟏)! 𝒓!
𝒏! 𝟒! 𝟒! 𝟐𝟒
𝒏𝑷𝒓 = = = = = 𝟐𝟒
(𝒏 − 𝒓)! (𝟒 − 𝟑)! 𝟏! 𝟏
-Espacio muestral.
𝑆 = {1,2,3,4,5,6}
-Evento.
Eventos independientes.
Los eventos independientes son resultados de un experimento aleatorio cuya
probabilidad de ocurrencia no dependen entre sí. Es decir, dos eventos A y B
son independientes si la probabilidad de que suceda el evento A no depende
de que ocurra el evento B y viceversa. Los eventos independientes también se
llaman sucesos independientes.
Ejemplo: Al lanzar una moneda dos veces, los eventos «obtener cara en el
primer lanzamiento» y «obtener cruz en el segundo lanzamiento» son
independientes, porque sacar cara o cruz en el segundo lanzamiento no
depende del resultado conseguido en el primer lanzamiento.
Eventos dependientes.
Los eventos dependientes son resultados de un experimento aleatorio cuya
probabilidad de ocurrencia dependen entre sí. Es decir, dos eventos son
dependientes si la probabilidad de que suceda un evento afecta a la
probabilidad de ocurrencia del otro evento. Los eventos dependientes
también se conocen como sucesos dependientes.
𝑨∩𝑩=∅
𝑷(𝑨 ∪ 𝑩) = 𝟎
Ejemplo:
Si hoy es sábado, sabe con certeza que no es martes. Estos dos eventos
están muy relacionados y se afectan mucho entre sí. Debido a esto, los
eventos mutuamente excluyentes se definen como eventos dependientes. Los
eventos mutuamente excluyentes dependen unos de otros. Si sabe que una
moneda cae cara, sabe que la probabilidad de que caiga cruz es cero. Si pasó
las estadísticas, no hay posibilidad de que haya fallado.
𝑨∩𝑩≠𝝓
𝑟 𝑃(𝐴) 𝑒𝑠 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑.
𝑃(𝐴) = { 𝑟 𝑚𝑎𝑛𝑒𝑟𝑎𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑎𝑠 𝑑𝑒 𝑠𝑢𝑐𝑒𝑑𝑒𝑟.
𝑛
𝑛 𝑒𝑙 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑚𝑎𝑛𝑒𝑟𝑎𝑠 𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑖𝑟.
1 1 1 1 1 1
𝑃(1) = 𝑃(2) = 𝑃(3) = 𝑃(4) = 𝑃(5) = 𝑃(6) =
6 6 6 6 6 6
Y como podemos intuir, si el dado no está cargado, todas las caras poseen la
misma posibilidad de ocurrencia.
𝑟 𝑃(𝐴) 𝑒𝑠 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑.
𝑃(𝐴) = { 𝑟 𝑚𝑎𝑛𝑒𝑟𝑎𝑠 𝑟𝑒𝑝𝑒𝑡𝑖𝑑𝑎𝑠 𝑜𝑐𝑢𝑟𝑟𝑖𝑑𝑎𝑠.
𝑛
𝑛 𝑒𝑙 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑠.
532
𝑃(𝐴) = = 0.532 = 53.20%
1,000
1.3.3 Axiomática.
-Axiomas de la Probabilidad.
Supongamos que se tiene un espacio muestral “𝑆”. Si “𝑆” es discreto, todos los
conjuntos pertenecen a sucesos y viceversa, pero, si “𝑆” es continuo, entonces
sólo subconjuntos especiales, llamados medibles, corresponden a sucesos. A
cada suceso “𝐴” en la clase “𝐶” de sucesos, se asocia 𝑃(𝐴) ∈ ℝ, donde “𝑃” es
una función de variable real definida en “𝐶”. Así se tiene que “𝑃” se llama
función de probabilidad y 𝑃(𝐴) la probabilidad del suceso “𝐴”, si se satisfacen
los axiomas siguientes;
𝑃(𝐴) ≥ 0
𝑃(𝐴) = 1
Teorema 1.
𝟎 ≤ 𝑷(𝑨) ≤ 𝟏
𝑷(𝑨′) = 𝟏 − 𝑷(𝑨)
Independencia.
𝑃 (𝐵) = 𝑃 (𝐵│𝐴).
𝐴 = {𝑥⁄𝑥 < 4}
𝐴 = {1,2,3}
1 1 1
𝑃(𝐴) = + +
6 6 6
𝟑 𝟏
𝑷(𝑨) = = = 𝟎. 𝟓𝟎 = 𝟓𝟎%
𝟔 𝟐
Probabilidad condicional.
Sean A y B dos sucesos tales que 𝑃(𝐴) > 0 . Denotamos por 𝑃(𝐴⁄𝐵) la
probabilidad de A dado que B ha ocurrido. Puesto que se sabe que B ha
ocurrido, este, se convierte en el nuevo espacio muestral remplazando el
original S. De aquí llegamos a la definición:
𝑷(𝑨 ∩ 𝑩)
𝑷(𝑩/𝑨) =
𝑷(𝑨)
1
𝐴 = {𝑥⁄𝑥 < 4} → 𝐴 = {1,2,3} → 𝑃(𝐴) =
2
3 1
𝐵 = {𝑥⁄𝑥 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟 } → 𝐵 = {1,3,5} → 𝑃(𝐵) = =
6 2
2 1
𝐴 ∩ 𝐵 = {𝑥⁄𝑥 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟 < 4} → 𝐴 ∩ 𝐵 = {1,3} → 𝑃(𝐴 ∩ 𝐵) = =
6 3
𝟏
𝑷(𝑨 ∩ 𝑩) 𝟑 𝟐
𝑷(𝑩/𝑨) = = =
𝑷(𝑨) 𝟏 𝟑
𝟐
𝑷(𝑨) ∙ 𝑷(𝑩/𝑨)
𝑷(𝑨/𝑩) =
𝑷(𝑩)
SOLUCIÓN:
𝑺 = {𝑨𝒔, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗, 𝟏𝟎, 𝑱, 𝑸, 𝑹}
𝑎) 𝐴 ∪ 𝐵 𝑏) 𝐴 ∩ 𝐵 𝑐) 𝐴 ∪ 𝐵′ 𝑑) 𝐴′ ∪ 𝐵′ 𝑒) 𝐴 − 𝐵 𝑓) 𝐴′ − 𝐵′
𝑔) (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐵′)
SOLUCIÓN:
𝑎) 𝐴 ∪ 𝐵 = {𝑥⁄𝑥 𝑒𝑠 𝑟𝑒𝑦, 𝑜 𝑒𝑠 𝑡𝑟é𝑏𝑜𝑙}
Ejercicio 1.
La probabilidad de que un trabajador llegue puntual a su trabajo utilizando el
servicio público de transporte, es de ¾. Elabore el diagrama de árbol
correspondiente, si se requieren estudiar los resultados al elegir tres de los
trabajadores. Determine, además, la probabilidad, si se escogen tres de los
trabajadores de que;
-Dos de ellos lleguen puntuales.
-dos lleguen tarde y uno llegue puntual.
Ejercicio 2.
En una fábrica el personal consta de 6 mujeres y 10 hombres. Se le ha
encargado al jefe de recursos humanos elaborar ternas, con la finalidad de
elaborar un programa conveniente para distribuir los goces de vacaciones
más pertinentes. Encuentre, además, la probabilidad de que dichas ternas
estén compuestas por;
-Tres hombres.
-Dos mujeres y un hombre.
Ejercicio 3.
Se desea conocer la cantidad de placas, para automóvil, que se pueden lograr
si se prefiere un arreglo de tres letras, tres números, y al final, una letra.
Determine la probabilidad de que la última letra sea una vocal.
Ejercicio 4.
Se desea conocer la cantidad de cuantas maneras posibles se puede integrar
un comité de representación de nuestro grupo que cuenta con 32 compañeros
8 compañeras. Dicho comité debe tener, un presidente, un tesorero y dos
vocales. Determine la probabilidad de que el comité se encuentre integrado
por:
-50% de hombres y el 50% de mujeres.
-Que el cargo de presidente debe ser ocupado por una mujer.
-Que los vocales sean, un hombre y una mujer.
-Variable aleatoria:
Una variable aleatoria es una función que toma un valor numérico al resultado
de un experimento aleatorio.
𝑋 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑟𝑎𝑠
Tendremos lo siguiente:
Tenemos una función con variable aleatoria discreta que asigna un valor
numérico al resultado de un evento aleatorio.
𝑥1 = 30 𝑘𝑔
…
𝑋 = 𝑒𝑙 𝑝𝑒𝑠𝑜 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑒𝑗𝑒𝑚𝑝𝑙𝑎𝑟 𝑥2 = 150.394876 𝑘𝑔
…
{ 𝑥3 = 1200 𝑘𝑔
Tenemos una función con variable aleatoria continua que asigna un valor
numérico al resultado de un evento aleatorio.
𝒃
𝑷(𝒂 ≤ 𝑿 ≤ 𝒃) = ∫ 𝒇(𝒙)𝒅𝒙 𝑽𝑨𝑪
𝒂
𝑭(𝑿 ≤ 𝒙)
Ejemplo:
Evaluamos la función para cada uno de los valores que puede tomar:
12 + 5 6
𝑓(1) = = ≥0
50 50
22 + 5 9
𝑓(2) = = ≥0
50 50
32 + 5 14
𝑓(2) = = ≥0
50 50
42 + 5 21
𝑓(2) = = ≥0
50 50
6 9 14 21 50
𝑃(1 ≤ 𝑋 ≤ 4) = + + + = =1
50 50 50 50 50
Cumple, también, con la segunda condición, por lo tanto, tenemos una función
de densidad de probabilidad. Como sus valores son discretos, la función se
considera como función de densidad de probabilidad de variable aleatoria
discreta.
𝝁 = 𝑬(𝑿) = ∑ 𝒙 ∙ 𝒇(𝒙)
𝑥 0 1 2 3
𝝁 = 𝑬(𝑿) = 𝟎. 𝟔𝟎
2.3.1 Bernoulli.
𝑋~𝐵𝑒(𝑝)
1 − 𝑝; 𝑠𝑖 𝑥 = 0
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = {
𝑝; 𝑠𝑖 𝑥 = 1
𝜇 = 𝐸(𝑥) = 𝑝
𝜎 2 = 𝑉(𝑋) = 𝑝(1 − 𝑝)
1 𝑥 5 1−𝑥 1
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = ( ) ( ) ; 𝑥 = 0; 1 → 𝑿~𝑩𝒆 ( )
6 6 6
1 0 5 1−0 5 5
𝑓(0) = 𝑃(𝑋 = 0) = ( ) ( ) =1∙( )=
6 6 6 6
1 1 5 0 1 1
𝑓(1) = 𝑃(𝑋 = 1) = ( ) ( ) = ∙ 1 =
6 6 6 6
Ejemplo 2. Luis y Juán lanzarán un dado, por lo cual decidieron hacer una
apuesta. Luis ganará la apuesta si cae un número menor que 3, y Juán ganará
si el resultado es un número mayor o igual a 3.
1−1
2 1 2
𝑓(𝑥) = 𝑃(𝑋 = 1) = ( ) (1 − ( )) ; 𝑥=1
6 6
0
2 1 2
𝑓(𝑥) = 𝑃(𝑋 = 1) = ( ) (1 − ( )) ; 𝑥=1
6 6
𝟐 𝟐
𝒇(𝒙) = 𝑷(𝑿 = 𝟏) = ∙ (𝟏) = ; 𝒙 = 𝟏
𝟔 𝟔
Nota; En este caso podemos notar que el éxito para Luis significará fracaso
para Juán y viceversa; El fracaso de Luis significa éxito para Juán.
2.3.2 Binomial.
𝑋~𝐵𝑖(𝑛, 𝑝)
𝒏
𝒇(𝒙) = 𝑷(𝑿 = 𝒙) = ( ) 𝒑𝒙 𝒒𝒏−𝒙
𝒙
Donde;
𝑛 𝑛!
( ) = 𝑛 𝐶𝑟 =
𝑥 (𝑛 − 𝑟)! 𝑟!
𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜.
𝑞 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑟𝑎𝑐𝑎𝑠𝑜 (1 − 𝑝)
2.3.3 Poisson.
2.3.4 Geométrica.
2.4.1 Uniforme.
2.4.2 Exponencial.
Distribución normal;
𝑋~𝑁(𝜇, 𝜎)
𝟏 𝟏 𝒙−𝝁 𝟐
− ( )
𝒇(𝒙) = 𝑷(𝑿 = 𝒙) = 𝒆𝟐 𝝈
𝝈√𝟐𝝅
Donde:
𝜇 = 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝜎 = 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝑥 = 𝜇 + (𝑧)(𝜎) = 5 + (3)(2) = 11
Puntuaciones “𝒛”
Donde:
𝜇=0
𝜎=1
𝑆𝑖 (𝑉𝑎𝑙𝑜𝑟 − 𝑝) < ∞
𝑆𝑖 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 < 𝑍𝑔𝑟á𝑓𝑖𝑐𝑎
Es decir; 𝑆𝑖 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 no está dentro de los límites de 𝑍𝑔𝑟á𝑓𝑖𝑐𝑎 . Esto indica que cae en la
zona de rechazo de la hipótesis nula.
Bibliografía
Textos: