PROBABILIDADES

PRESENTADO POR:
Mg.Ing. Wilbert Chávez Irazábal

SUCESOS DETERMINISTAS Y ALEATORIOS

Cuando realizamos un experimento, diremos que es:

 Determinista: dadas unas  La semana tiene 7 días.

condiciones iniciales, el resultado
es siempre el mismo.  El automóvil gasolinero
sin gasolina no funciona.

 Aleatorio: dadas unas condiciones  La recepción de una

iniciales, conocemos el conjunto
de resultados posibles, pero señal transmitida que
NO el resultado final. atraviesa un medio de
transmisión ruidoso..

1
 SUCESOS
Suceso:
Es cada posibles resultados de un experimento aleatorio
Se llama suceso a un subconjunto del espacio muestral.

W espacio muestral W espacio muestral W espacio muestral

A A
A’
B

W espacio muestral W espacio muestral

UNIÓN INTERS.
A A

B B

SUCESOS

A B = A B
A B = A B
A = A

Los sucesos aleatorios se pueden representar mediante un

diagrama, llamado diagrama de Venn. Ejemplo A = "salir nº par"

2
 VARIABLES ALEATORIA (v.a)

CONCEPTO:

Es una función Real de los elementos de un espacio Muestral ( U o S o W)

 La representación de una variable aleatoria se realiza mediante letras

mayúsculas como por Ejemplo: W, X, o Y
 X(s) es una variable aleatoria X

 Los valores de las variables aleatorias se le representa con la letra

minúscula por ejemplo w, x, o y.

VARIABLES ALEATORIA (v.a)

Condiciones para que una función sea variable aleatoria:

a) El conjunto {X≤x} será un suceso para cualquier numero real x, tal

que X(s) no exceda el numero x.
La probabilidad de este suceso expresada como P{X≤x}, es igual a
la suma de las probabilidades de todos los sucesos elementales
correspondiente al {X≤x}

b) La probabilidad de todos los sucesos {X= } y {X= -} , sea igual a

cero. P {X= -}=0 P {X= } =0

3
 VARIABLES ALEATORIA (v.a)

TIPOS DE VARIABLES ALEATORIAS

 VARIABLES ALEATORIAS DISCRETAS

 VARIABLES ALEATORIAS CONTINUAS

 VARIABLES ALEATORIAS HÍBRIDOS

VARIABLES ALEATORIA (v.a)

Variables Aleatorias Discretas:

Se llama v.a discreta a aquella variable que solo puede tomar un numero
finito de valores dentro de un intervalo.
Por ejemplo: si realizamos el experimento de salir a calle y seleccionar 10
personas al azar para un examen sorpresa de matemáticas, podemos definir
la variable aleatoria A:
 A = número de personas que aprobaron el examen.
Los valores que asume A (en su rango), van del 0 al 10 (0, 1, 2, 3, 4, 5, 6,
7, 8, 9, 10). El rango lo expresaríamos de la siguiente manera:
 RA = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}

La variable aleatoria A asume un número contable de valores, por ello, es

una variable aleatoria discreta.

4
 VARIABLES ALEATORIA (v.a)

Variables aleatorias Continuas:

 Una variable aleatoria continua, es aquella que puede asumir un número

incontable de valores.

 Por ejemplo tomar para X la temperatura de una persona enferma,

tomada con un termómetro de mercurio con una escala de 70° hasta
120°.

VARIABLES ALEATORIA (v.a)

Variables aleatorias Hibridas:
Una v.a. es mixta cuando la v.a para algunos valores se comporta como v.a
discreto y para otros valores como v.a continua.
Por ejemplo: Sea X una variable aleatoria con función de distribución

Como la función FX(x) es continua, entonces la variable aleatoria X es continua. Sea M >0
una constante. Las graficas de las funciones de distribución de las variables X y la
constante M

5
 PROCESOS ALEATORIOS (P.A)

Un proceso aleatorio X(t,s) representa un conjunto de funciones temporales

cuando t y s son variables.
Si v.a x tiene como resultado posibles s de un experimento y se le asigna a
cada resultado s una función del tiempo entonces : X(t,s)
Si una v.a es dependiente del tiempo se le llama también proceso
ESTOCÁSTICO.

Tipos de Procesos Aleatorios

1.- Procesos Estacionarios

2.- Procesos Estacionarios en sentido amplio o débil.
3.- Procesos Ergódico.

TIPOS DE PROCESOS ALEATORIOS

1.- P.A Estacionarios:

Es un procesos Estocástico cuya probabilidad en un instante de tiempo

fijo o una posición fija es la misma para todos los instantes de tiempo o
posiciones.
Por lo tanto la Media y la Varianza si existen no varían a lo largo del
tiempo o la posición.

Por ejemplo:
El Ruido Blanco es Estacionario

6
 TIPOS DE PROCESOS ALEATORIOS

2.- P.A Estacionarios en el Sentido Amplio:

Proceso Aleatorio Estacionario en Sentido Amplio (WSS)
Este P.A. solo requiere que el primer y segundo momento no varíen con
respecto al tiempo.
Todo proceso estacionario que tenga media y varianza es también
estacionario en el sentido amplio.

Si

Para t=0

TIPOS DE PROCESOS ALEATORIOS

3.- P.A Ergódico:

 Este tipo de P.A. se da cuando los promedios estadísticos conjuntos
y los promedios temporales (x ) son iguales.
 Todo proceso ergodico es estacionario, sin embargo lo contrario,
puede ser que no.

Un proceso estacionario X(t) se dice que es ergódico en la media si:

Un P.A. Estacionario X(t) se conoce como ergódico si:

7
 PROBABILIDAD

 La probabilidad constituye un importante parámetro en la

determinación de las diversas casualidades obtenidas tras una serie
de eventos esperados dentro de un rango estadístico.

 La Probabilidad es la mayor o menor posibilidad de que ocurra un

determinado suceso. En otras palabras, su noción viene de la
necesidad de medir o determinar cuantitativamente la certeza o
duda de que un suceso dado ocurra o no.

PROBABILIDAD
Propiedades:

1. P(A) >=0
2. P(Ω) =1
3. P(A U B) = P(A) + P(B),  A,B mutuamente excluyentes.
4. P(A U B) = P(A) + P(B)+ P(A  B)
5. P(ø) =0
6. Si A ⊂ B, entonces, P (A) ≤ P(B)
7. 0 ≤ P(A) ≤ 1 , P(A) = 1 – P(A)
8. Diferencia de sucesos(A-B): Elementos de A que no
pertenecen a B : A – B = AB
Si A  B  P(B-A) = P(B) - P(AB).

8
 PROBABILIDAD CONJUNTA

Se le denomina probabilidad conjunta cuando los sucesos de A y

B se intersecionan en el espacio muestral.

P(A∩B) 0 P(AB) = P(A) + P(B) - P(AB)

De forma equivalente:

P(AB) = P(A) + P(B) - P(AB)  P(A) + P(B)

PROBABILIDAD CONDICIONAL
 Dado un suceso B con probabilidad distinto de cero.

La probabilidad condicional de un suceso A, dado B:

De la ecuación se deduce que los sucesos de A depende de los sucesos

de B.

9
 PROBABILIDAD CONDICIONAL

PROPIEDADES:

1.- Si A y B son mutuamente excluyentes  A B =0

2.-

3.-

4.-

5.- Los suceso A y B son independientes entre si 

PROBABILIDAD CONDICIONAL

PROPIEDADES:

6.-

7.-

10
 PROBABILIDAD CONDICIONAL

EJEMPLO-1:
Considerar el siguiente sistema de filtros junto con la probabilidad de que
cada el filtro funcione correctamente.
Calcular la probabilidad de que el sistema filtre correctamente:

P(A)=0,9

P(B)=0,8 P(C)=0,7

P(A U (B∩C)) = P(A)+P(B∩C)-P(A∩B∩C)=P(A)+P(B)P(C)-P(A)P(B)P(C)

= 0,9 + 0,8 x 0,7 - 0,9 x 0,8 x 0,7 = 0,956

PROBABILIDAD CONDICIONAL

EJEMPLO-2:

Tenemos en el almacén dos tipos de antenas (Yaqui y

Omnidireccional): 20 de Yaguis y 10 Omnidireccionales. Si cogemos
tres antenas al azar
¿cuál es la probabilidad de los tres sean de tipo Yagui?
Solución:
A= Antena tipo Yagui B= Antena tipo Omnidireccional

Llamamos Ai = el i-ésimo antena extraída es de tipo A.

P(A1∩A2∩A3)= P(A1)P(A2|A1)P(A3|A1∩A2) = (20/30)(19/29)(18/28)=0,28079

11
 PROBABILIDAD CONDICIONAL

TEOREMA DE BAYES:

Sea Bn tiene N sucesos excluyentes n=1,2,…..N cuya unión es igual al S

oW

P ( Bn  A) P ( A  Bn )
P( Bn \ A) = .....I P ( A \ Bn ) = ....II
P( A) P ( Bn )

Igualando I y II se obtiene la ecuación del teorema de Bayes.

PROBABILIDAD CONDICIONAL
TEOREMA DE BAYES:

Si

Entonces

P ( A \ Bn ) P ( Bn )
P (Bn \ A) = K


i =1
P ( A \ Bi ) P ( Bi )

12
 PROBABILIDAD CONDICIONAL
TEOREMA DE BAYES:
EJEMPLO-1:
En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De
los varones, son fumadores el 20%.
Si se elije a un individuo al azar y es fumador cual seria 0,1 Fuma
la ¿Probabilidad de que sea un hombre?
0,7 Mujer
0,9
No fuma
Estudiante
Fuman Hombre
Mujer
0,3 0,2
Fuma
Hombre

P( H  F ) P( H )  P ( F | H ) 0,3  0, 2
P( H | F ) =
P( F )
= =
P( H )  P( F | H )  P(M )  P( F | M ) 0,3  0, 2  0,7  0,1
= 0, 46 0,8 No fuma

PROBABILIDAD CONDICIONAL
TEOREMA DE BAYES:
EJEMPLO-2:
Un procesador para computadores puede provenir de cualquiera de tres fabricantes
con probabilidades: p1 = 0,25 ; p2 = 0,50 ; p3 = 0,25.
Las probabilidades de que un procesador funcione correctamente durante 10.000 horas
es 0,1; 0,2 y 0,4 respectivamente para los 3 fabricantes:
A. Calcular la probabilidad de que un procesador elegido al azar funcione durante
10.000 horas.
B. Si el procesador funcionó correctamente durante el período de 10.000 horas ¿cuál es
la probabilidad de que haya provenido del 3er fabricante?
SOLUCION:

13
 TEOREMA DE BAYES
Ejemplo: En una empresa manufacturera de antenas tiene dos maquinas, una
máquina A, produce el 60% de la producción total, mientras que una máquina
B el restante 40%.
 El 2% de las unidades producidas por A son defectuosas, mientras que B
tiene una tasa de defectos del 4%.
 Se cuenta con una unidad defectuosa, se desea conocer la probabilidad de
que venga de la máquina A.

METODO DEL ARBOL:

RELACION DE SEÑALES ELECTRICAS

14
15