Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MÓDULO
PROBABILIDADES
PRESENTACIÓN
2
Se espera el modulo sea de utilidad para los estudiantes y elector, está sujeto a críticas y
sugerencias que servirán para mejorar el presente documento.
El Autor
INDICE
3
PRESENTACIÓN
4. Probabilidad de un evento………………………………………………………………………………8
5. Probabilidad condicional……………………………………………………………………………….11
8. Variable aleatoria………………………………………………………………………………………16
8.1. Variables aleatorias discretas y continuas…………………………………………………….16
REFERENCIAS BIBLIOGRAFICAS
¿Qué son los juegos de azar, porque se relacionan con la probabilidad y la estadística?
Los juegos de azar no todo es simple suerte puesto que se requiere de habilidades matemáticas,
datos agrupados y una buena memoria.
Ganar en un juego de azar no radica solamente en la habilidad que tiene el jugador, también
interviene la destreza para calcular, las posibilidades tanto favorables como desfavorables que se
derivan del propio juego, de las acciones que se van realizando en el tiempo que se juega pero, si
todo fuera matemáticas aplicadas no se llamarían juegos de azar puesto que aún el matemático o
jugador más experto puede fallar, este es el componente imprescindible llamado suerte o azar que
puede arrebatar la victoria ( TIS, 2013)
La historia de los juegos de azar a lo largo de la humanidad no se puede abarcar en unos cuantos
párrafos con tantas modificaciones que estos han recibido a través de las diferentes generaciones
que se han fascinado con ellos es casi imposible deducir con exactitud el origen o comienzo de
ellos, desde los griegos se a tenido registro de ellos es por eso que nos hace pensar que la
humanidad, los juegos de azar la probabilidad y la estadística se han desarrollado al mismo tiempo.
La historia de la probabilidad comenzó cuando dos matemáticos Pierre Fermat y Blais Pascal
trataban de explicar algunos problemas relacionados con los juegos de azar pero la probabilidad en
5
si se les atribuye a los matemáticos Jakob Bernoulli y Siméon Denis Poisson con el libro las leyes
de los grandes números (BJV, 2015).
Durante el siglo XVIII la probabilidad tuvo un notable desarrollo debido a la popularidad que
ganaron los juegos de azar durante el renacimiento. Se desarrollaron los primeros teoremas
distribución binominal (teorema de Jakob Bernoulli) teorema central de limite y teoría de errores
estas teorías fueron recopiladas por Pierre Laplace y publicadas en 1812 en su libro teoría analítica
de la probabilidad donde se exponen un análisis matemático sobre los juegos de azar. Además, de
dar una fórmula que puede ser aplicada a cualquiera de tales probabilidades teóricas, siempre y
cuando el espacio muestral S sea finito y los resultados sean igualmente probables, es decir, sean
equiprobables.
PROBABILIDADES
(o medición).
Ejemplos:
Ejemplo:
Ejemplo.
a) Sacar una bola verde de una caja que contiene 10 bolas verdes
b) Si lanzamos una piedra al aire, podemos afirmar con certeza que volverá a caer a la
superficie de la tierra, pero no podemos saber con precisión el punto en el que caerá. Así, la
caída es un fenómeno o experimento determinístico, mientras que el lugar en que se
producirá dicha caída es aleatorio, ya que existe incertidumbre respecto del punto preciso
en el que caerá.
Al lanzar una moneda, el espacio muestral es = {sale cara, sale sello} ó = {c, s}.
Al lanzar un dado de seis caras, el espacio muestral es
= {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6} ó = {1, 2, 3, 4, 5, 6}
Al lanzar tres monedas, el espacio muestral es = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c),
(s,c,s), (s,s,c), (s,s,s)}
2.2. Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio muestral.
Propiedad.
2.3. Eventos mutuamente excluyentes. Dos eventos son mutuamente excluyentes si no pueden
ocurrir en forma simultánea, esto es, si y sólo si su intersección es vacía.
Ejemplo.
a) Intersección de eventos.
A∩B={w/w A w B}
b) Reunión de eventos
AUB={w/w A v w B}
c) Diferencia de eventos
A-B={w/w A w B}
d) Complemento de un evento
Ac={w/w A}
Ejercicios.
Autoevaluación y retroalimentación.
4. Probabilidad de un evento
P(A)=
También P(A) =
evento A de , es el número real P(A) que satisface los siguientes axiomas, llamadas axiomas
de Kolmogorov.
i) 0 P(A )
ii) P( )=1
Teoremas.
i) P( )=0
ii) 0 P(A) 1 equivale a 0 % P(A) 100 %
iv) P( )= 1- P(A)
v) P ( A U B ) = P ( A ) + P ( B ) – P ( A ∩ B ) ( Regla de la adición)
vi) P(AΔB)=P(A)+P(B)–2P(A∩B)
La probabilidad de un evento es un números real, según el teorema ii) puede ser expresado por
un número decimal, por una fracción o en porcentaje.
Ejemplo.
Se lanza dos dados una vez ¿cuál es la probabilidad de obtener números iguales en ambas
caras?
Solución.
A = { ( 1 ; 1 ) , (2 ; 2 ), ( 3 ; 3 ) , ( 4 ; 4 ) , ( 5 ; 5 ) , ( 6 ; 6 ) } , donde # ( A ) = 6, que es
números favorable al evento A.
P(A) = = 6 / 36 = 1 /6 = 0,17 = 17 %
Luego la probabilidad de obtener números iguales en ambas caras al lanzar dos dados es ;
1 /6 o 0,17 o 17 %
Ejercicios.
Escala
10) Marcar la respuesta correcta de una pregunta del examen con cuatro alternativas: ……..
1) Se lanzan dos dados al azar, ¿cuál es la probabilidad de que la suma de sus puntos sea
7?
2) Se lanzan dos dados al azar ¿cuál es la probabilidad de que la suma de sus puntos sea
4?
3) Si la probabilidad de ganar un juego es 0, 23 ¿cuál es la probabilidad de perderlo?
4) Una bolsa contiene 5 bolas rojas, 8 blancas, 4 verdes y 7 negras. Si se extrae una bola
al azar ¿cuál es la probabilidad de extraer una bola roja o blanca?
5) Se extrae al azar una carta de una baraja compuesta por 52 naipes ¿cuál es la
probabilidad de que se obtenga un as?
6) ¿Cuál es la probabilidad de que, en una sola tirada de dos dados, aparezca el mismo
número en las caras superiores?
7) ¿Cuál es la probabilidad de obtener exactamente dos caras en un tiro de tres monedas?
8) ¿Cuál es la probabilidad de obtener dos cuando menos dos caras en un tiro de tres
monedas?
9) En un deposito hay almacenados 25 equipos de televisión. En la tabla estos equipos se
hallan clasificados según la marca y el modelo. Con los datos de la tabla encontrar:
Marca Total
Modelo B1 B2 B3
S1 700 225 500 1425
S2 650 175 400 1225
11
a) P ( B1 ) b) P ( S4 ∩ B2 ) c) P ( S3 / B3 ) d) P ( S1 U B1 )
e) P ( B1 / S4 ) f) P ( S2 ∩ B3 ) g) P ( B1 U B3 )
c) Iinvestigue sobre el concepto de probabilidad teórica y probabilidad empírica.
Autoevaluación y retroalimentación.
5. Probabilidad condicional
Cuando se trabaja con fenómenos aleatorios, muchas veces podemos contar con cierta
información que modificaría nuestra estimación de la probabilidad del mismo. En estos casos, se
dice que la probabilidad del evento en cuestión está condicionada a la ocurrencia de otro evento.
Ejemplo.
dos juguetes al azar de una en una. ¿Cuál es la probabilidad de que el niño escoja los dos juguetes
rojos?
Solución.
P ( A ∩ B ) = P ( A ) P ( B / A ) = ( 2 / 8 ) ( 1 / 7) = 2 / 56 = 1 /28
PROPIEDADES
i) 0 P(A/B )
ii) P( /B)=1
Sean los eventos A y B , si el evento A no depende de la realización del evento B, se dice que A y
B son eventos independientes. Es decir:
Ejemplo.
13
Solución.
Como después de sacar el primer juguete esta se devuelve al recipiente, entonces los eventos A y
B son eventos independientes, luego utilizamos la relación:
P ( A ∩ B ) = P(A) P( B ) = ( 2 / 8 ) ( 2 / 8 ) = 4 / 64 = 1 / 16
Ejercicios.
1) En una caja hay 7 bolas rojas y 3 verdes. Se sacan dos bolas al azar de una en una. Hallar la
probabilidad de que la primera bola sea roja y la segunda también.
a) Si después de sacar la primera bola ésta se devuelve para sacar la segunda ( extracción con
restitución?
b) Si después de sacar la primera bola ésta no se devuelve para luego sacar la segunda
(extracción sin restitución)
2) Se ha determinado que en un grupo de niños, hay niños que tienen desnutrición y niños que
están parasitados. El 5 % de los niños sufren de desnutrición mientras que el 10 % están
parasitados. Adicionalmente, el 3 % de los niños sufren desnutrición y están parasitados.
Autoevaluación y retroalimentación.
Sea un espacio muestral en donde se halla definida una probabilidad P. Si A 1, A2 , …, An, son
eventos con la propiedad : A1 U A2 U …U An = y disjuntos dos a dos entonces se cumple:
P (B) = P ( B / Ai ) P ( Ai) , B
7. Teorema de Bayes
Sea un espacio muestral en donde se halla definida una probabilidad P. Si A 1, A2 , …, An, , son
eventos con la propiedad : A1 U A2 U …U An = y disjuntos dos a dos entonces se cumple:
P (Ai / B) =
Ejercicios.
b) Se escoge un comunero al azar y resulta que habla quechua ¿ cuál es la probabilidad que sea
mujer?.
b) Se escoge al azar un poblador y resulta que es desocupado. ¿Cuál es la probabilidad que sea
del distrito B?
b) Se escoge un artículo al azar y resulta defectuoso ¿cuál es la probabilidad que sea de la fábrica
A?
4) Investigue sobre aplicaciones prácticas del teorema de las probabilidades totales y el teorema de
Bayes.
Autoevaluación y retroalimentación.
8. Variable aleatoria
Gráficamente:
R
X
w
X(w)=x
Ejemplo.
a) Sea el espacio muestra que se obtiene al lanzar dos monedas una vez. Se define la variable
aleatoria X como “ el número de caras obtenidas”.
El espacio muestra es:
= { ( c ; c) , ( c; s ) , ( s ; c ) ; ( s ; s ) }
w ( c ; c) ( c; s ) (s;c) (s;s)
X(w) 2 1 1 0
b) Sea el espacio muestra que se obtiene al lanzar dos dados una vez. Se define la variable
aleatoria X como “ la suma de los números que aparecen en las caras superiores”.
= { ( 1 ; 1) , ( 1; 2 ) , … , ( 6; 5 ) ; ( 6 ; 6 ) }
RX = { 2 ; 3 ; 4 ; 5 ; 6 ; 7 ; 8 ; 9 ; 10 ; 11 ; 12 }
w ( 1 ; 1) ( 1; 2) … (6;5) (6;6)
X(w) 2 3 … 11 12
Ejemplo.
Ejercicios. Identifique cuales son variables aleatorias discretas y cuales son continuas:
f(x) = P ( X = x ) , para todo x número real ( finito o infinito) que satisface las siguientes
condiciones.
a) f (x) 0 b) =1
Ejemplo. Sea la variable X el número de caras que resultan al lanzar dos monedas una vez.
Determine
a) La función de probabilidad de X.
b) La función de distribución acumulada
Solución.
w ( s ; s) ( c; s ),( s ; c ) (c;c)
xi 0 1 2
F(x) =
Pues:
F ( 0 ) = f (0) = 1 / 4 = 0,25
F( 1 ) = f(0) + f ( 1 ) = 1 / 4 + 2 / 4 = ¾ = 0,75
F ( 2 ) = f(0) + f ( 1 ) + f (2) = 1 / 4 + 2 / 4 + 1 / 4 = 1
E(X)= =
Ejemplo.
19
Sea la variable X el número de caras que resultan al lanzar dos monedas una vez. Determine la
esperanza de la variable X.
Solución.
xi 0 1 2
E (X) = = 0 ( 1 / 4 ) + 1 ( 1 /2 ) + 2 ( 1 /4 ) = 1
Luego E(X) = 1
V (X) = E ( X - )2= = =
Ejercicios.
a) Sea la variable aleatoria X el número de caras que resultan al lanzar tres monedas una vez.
Determine:
b) Sea la variable aleatoria X la suma de las caras superiores que resultan de lanzar dos
dados una vez..
Autoevaluación y retroalimentación.
i) f(x) 0, R
ii) =1
Observación:
P ( X = a) = 0 =
F(X) = P ( X x) = , para -
La esperanza o valor esperado de la variable aleatoria continua X , con función de densidad f(x) es
la media cuya expresión es :
La varianza de una variable aleatoria continua X, con función de densidad f(x) es;
V(X) = E [( X - ) 2] = .
También:
V ( X ) = E [X2] - 2
Ejemplo.
La altura de un cierto árbol sigue una variable aleatoria con función de densidad:
Solución:
V ( X ) = E [X2] - 2
=
22
Luego: V ( X ) = E [X2] - 2
= 13 - = 1,358
Ejercicio.
Determine:
c) L a P ( X > 1 /2 )
d) La esperanza y la varianza
Autoevaluación y retroalimentación.
REFERENCIAS BIBLIOGRAFICAS.