Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. CLASES DE EXPERIMENTOS
1.1 Determinísticos
Ejemplos
Determinísticos:
1.2 Aleatorios
Aun cuando se observen bajo las mismas condiciones y se conozcan los posibles
resultados ninguno se puede anticipar con certeza.
Los primeros se relacionan con la causalidad que implica conocimiento y control de los
factores que determinan el comportamiento del fenómeno.
Los segundos obedecen a factores de casualidad o del azar además de los causales,
pero con la imposibilidad de controlarlos debido al desconocimiento de las causas.
Ejemplos
Aleatorios:
Dado un experimento aleatorio, el conjunto cuyos elementos son los posibles resultados
diferentes (que se desean considerar diferentes) del mismo, se conoce como espacio
muestral asociado al experimento aleatorio, se denota por Ω
Ω= {1,2,3,4,5,6}
SUCESOS
Sucesos elementales: Dado un suceso puede ocurrir que éste pueda ser descompuesto
en sucesos más simples, de forma que la unión de éstos sea precisamente el suceso
considerado. A estos sucesos se les llama sucesos compuestos. Por otra parte, existen
otros sucesos que no pueden ser descompuestos en sucesos más simples, estos sucesos
reciben el nombre de sucesos elementales.
Concepto de probabilidad
casos favorables
p(A) casos totales
Ejemplos
En los ejemplos anteriores suponíamos que los sucesos elementales eran equiprobables,
pero y ¿si el dado o la moneda están trucados?, ¿Cómo podemos saberlo?. Por otro lado
hay experimentos probabilísticos que no son equiprobables, dos ejemplos:
Ejemplo 1:
Lanzamos una tachuela y queremos saber la probabilidad de que caiga con la punta
para arriba o para abajo
Ejemplo 2:
Lanzamos un tiro libre en una canasta de baloncesto y queremos saber la probabilidad de
encestar o de fallar.
P( A B)
p( B / A) o P( A B) P( A) . P( B / A)
P( A)
Problema:
Teorema de la probabilidad total: si tenemos varios sucesos A1, A2,…, An que son
incompatibles dos a dos y cuya unión es E, es decir p(A1 A2 … An)=1 entonces la
probabilidad de otro suceso B se puede calcular por medio de la siguiente fórmula:
p( B) p( A1 ). p( B / A1 ) p( A2 ). p( B / A2 ) ............ p( An ). p( B / An )
Ejemplo:
En una fábrica de tornillos hay tres máquinas que ahora describimos: la máquina A que
hace el 30% de los tornillos de los cuales el 2% son defectuosos, la máquina B que hace
el 50% de los tronillos de los cuales el 1% son defectuosos y la máquina C que hace el
20% restante y el 3% de los tronillos son defectuosos. Calcular
a) la probabilidad de que elegido un tornillo sabiendo que ha sido fabricado por A esté
defectuoso,
b) elegido uno al azar lo haya fabricado la máquina B y no esté defectuoso.
c) la probabilidad de que elegido un tornillo al azar sea defectuoso (probabilidad total)
Teorema de Bayes.
Teorema de Bayes:
Si tenemos varios sucesos A1, A2,…, An que son incompatibles dos a dos y cuya unión es
E, es decir p(A1A2…An)=1 entonces la probabilidad de que ocurra un suceso B
condicionada a cada uno de los sucesos Ai, p(Ai/B), se puede calcular por la siguiente
fórmula:
p( Ai B) p( Ai ). p( B / Ai )
p( Ai / B) n
p( A ). p( B / A )
p( B)
i i
i 1
1) Una fábrica produce tres tipos diferentes de bolígrafos, A, B y C. El número total de unidades
producidas de cada uno de ellos es el mismo (un tercio del total). Salen defectuosos, sin
embargo, un 15 por mil de todos los del tipo A, un 3 por mil de todos los del tipo B y un 7 por mil
de todos los del tipo C. En un control de calidad se detectan el 70% de todos los bolígrafos
defectuosos del tipo A, el 80% de los del tipo B y el 90% de los del tipo C. Los bolígrafos
defectuosos en dicho control se tiran. Si se saca al azar uno de estos bolígrafos defectuosos
que se han tirado, calcula la probabilidad de que sea del tipo A
3) Una compañía dedicada al transporte público explota tres líneas de una ciudad, de forma que el
60% de los autobuses cubre el servicio de la primero línea, el 30% cubre la segunda y el 10%
cubre el servicio de la tercera línea. Se sabe que la probabilidad de que, diariamente, un
autobús se averíe es del 2%, 4% y 1%, respectivamente, para cada línea. Determina la
probabilidad de que, en un día, un autobús sufra una avería.
4) Una empresa del ramo de la alimentación elabora sus productos en cuatro factorías: F1, F2, F3
y F4. El porcentaje de producción total que se fabrica en cada factoría es del 40%, 30%, 20% y
10%, respectivamente, y además el porcentaje de envasado incorrecto en cada factoría es del
1%, 2%, 7% y 4%. Tomamos un producto de la empresa al azar. ¿Cuál es la probabilidad de
que se encuentre defectuosamente envasado?
5) De los créditos concedidos por un banco, un 42% lo son para clientes nacionales, un 33% para
clientes de la Unión Europea y un 25% para individuos del resto del mundo. De esos créditos,
son destinados a vivienda un 30%, un 24% y un 14% según sean nacionales, de la UE o del
resto del mundo. Elegido un cliente al azar, ¿qué probabilidad hay de que el crédito concedido
no sea para vivienda?
6) Tenemos dos urnas, en la primera hay 5 bolas rojas, 4 blancas y 3 verdes. En la segunda hay 5
bolas rojas, 5 blancas y 7 verdes. Extraemos una bola de cada urna.
7) En una cierta ciudad, 40% de la gente tiene pelo castaño, 25% tiene ojos pardos y un 15%
tienen ambas características. Si una persona es seleccionada al azar:
a) y tiene el pelo castaño, cuál es la probabilidad de que también tenga ojos pardos.
b) y tiene ojos pardos, cuál es la probabilidad de que no tenga pelo castaño.
c) cuál es la probabilidad de que no tenga ni los ojos pardos ni el pelo castaño.
10) Un médico ha observado que el 40% de sus pacientes fuma y de estos, el 75% son hombres.
Entre los que no fuman, el 60% son mujeres. Calcula la probabilidad de
11) Se realiza una encuesta sobre las preferencias de vivir en la ciudad o en urbanizaciones
cercanas. Del total de la población encuestada el 60% son mujeres, de las cuales prefieren
vivir en la ciudad un 73%. Se sabe que la probabilidad de que una persona, sea hombre o
mujer, desee vivir en la ciudad es 0.62.
Calcule la probabilidad de que elegido un hombre al azar, prefiera vivir en la ciudad.
13) En cierto país donde existe una enfermedad endémica, se sabe que el 12% de la población
padece dicha enfermedad. Se dispone de una prueba para detectarla, pero no es totalmente
fiable, ya que da positivo en sólo el 90% de los casos de personas realmente enfermas y
también da positivo en el 5% de las personas sanas. ¿Cuál es la probabilidad de que esté
sana una persona a la que la prueba le ha dado positivo?
14) En una empresa trabajan 150 hombres y 50 mujeres. Alguien ha estado fumando en la zona
de descanso. ¿Cuál es la probabilidad de que haya sido una mujer si estimamos que fuman el
30% de los hombres y el 50% de las mujeres?. (Haz una tabla de contingencia)
VARIABLE ALEATORIA
Como introducir el concepto de variable aleatoria discreta para lo cual empezaremos con
algunos ejemplos sencillos
a) Consideremos el experimento aleatorio que consiste en lanzar 3 monedas. El espacio
muestral es:
E = {CCC, CCX, CXC, XCC, CXX, XCX, XXC, XXX}
Supongamos que a cada uno de estos sucesos le asignamos un número real igual al
número de caras obtenidas.
Esta ley que acabamos de construir es una función del espacio muestral E en el conjunto
de los números reales.
A esta función que denotaremos X la llamaremos variable aleatoria, que representa el
número de caras obtenidas en el lanzamiento de 3 monedas
Construimos ahora una tabla con la distribución de frecuencias absolutas y relativas y otra
tabla con los resultados esperados a la vista del cálculo de probabilidades
F ( X ) PX x
Propiedades
- Como F(X) es una probabilidad se verifica que 0 F ( X ) 1
- F(X) = 0 para todo valor de x anterior al menor valor de la variable aleatoria
- F(X)=1 para todo valor de x posterior al mayor valor de la variable aleatoria
- F (X) es creciente
Su representación gráfica tiene forma escalonada, siendo los saltos coincidentes con las
probabilidades p i correspondientes a los valores xi de la variable X.
Ejercicio 1
Un miembro del consejo de Administración de una empresa ha comprobado que, si
bien todos los años tienen una junta, ha habido años que tienen hasta cinco. Por la
experiencia acumulada durante años sabe que el número de juntas anual se distribuye
con arreglo a la siguiente tabla:
Nº de juntas al año 1 2 3 4 5
Probabilidad 2/15 5/15 1/15 3/15 4/15
xi pi PX x
1 2/15
2 5/15
3 1/15
4 3/15
5 4/15
c) Función de distribución
Valor de X F ( X ) PX x
x 1 0
1 x 2 2/15
2 x3 7/15
3 x4 8/15
4 x5 11/15
x5 1
Esperanza matemática
Se llama esperanza matemática o media de una variable aleatoria X que toma los
valores x1 , x 2 ….. x n con probabilidades p1 , p 2 ….. p n respectivamente al valor de la
siguiente expresión:
n
x1 p1 x2 p2 ..... xn p n xi pi
I 1
Varianza
Se llama varianza de una variable aleatoria X que toma los valores x1 , x 2 ….. x n con
Desviación típica
Se define la desviación típica como la raíz cuadrada positiva de la varianza y se
representa por
Ejercicio 1
Un miembro del consejo de Administración de una empresa ha comprobado que, si
bien tofos los años tienen una junta, ha habido años que tienen hasta cinco. Por la
experiencia acumulada durante años sabe que el número de juntas anual se distribuye
con arreglo a la siguiente tabla:
Nº de juntas al año 1 2 3 4 5
Probabilidad 2/15 5/15 1/15 3/15 4/15
a) Calcular la media
b) Calcular la varianza y la desviación típica
c) Probabilidad de que en un año elegido al azar se celebren más de 3 juntas
Solución
Para realizar los cálculos usamos la tabla de probabilidades
xi pi xi pi xi2 pi
a) Media
47
3.13
15
b) Varianza y desviación típica
179
2 (3.13) 2 2.13
15
2.13 1.46
3. A continuación propondremos ejercicios para que los alumnos los vayan realizando
en lo que queda de clase los cuales se corregirán otro día
Los ejercicios que proponen serán los siguientes
Ejercicio 2
Una variable aleatoria discreta tiene la siguiente función de probabilidad
x 2 3 5 6 8
p 0.2 0.1 0.4 0.2 0.1
Ejercicio 3
Sea X una variable aleatoria discreta cuya función de probabilidad es:
x 0 1 2 3 4 5
p 0.1 0.2 0.1 0.4 0.1 0.1
Todo experimento que tenga estas características diremos que sigue el modelo de la
distribución Binomial. A la variable X que representa el número de éxitos obtenidos en
cada prueba la llamaremos variable de la distribución Binomial
Esta variable es discreta ya que únicamente tomará los valores 0, 1, 2…….n
Representaremos por B (n, p) a la distribución Binomial siendo n y p los parámetros de
la distribución
Ejemplo
Una marca de tabacos ha calculado que el número de fumadores en una ciudad es del
35 %. Se escoge al azar una muestra formada por 10 personas. Comprueba si la
variable que expresa el número de fumadores dentro de la muestra sigue una
distribución Binomial. En caso afirmativo señala los parámetros de la distribución
Solución
En cada prueba solo son posibles dos resultados:
A = individuo fumador
A = individuo no fumador
El resultado obtenido de la pregunta Fuma o no fuma en cada individuo de la muestra
es independiente de los otros
La probabilidad del suceso A es P(A) = 0.35 constante
Así pues la variable que representa el número de individuos fumadores en la muestra
es una variable aleatoria que sigue una distribución Binomial cuyos parámetros son n
= 10 y p = 0.35
2. A continuación le pasamos a explicar a los alumnos cual es la función de
probabilidad de la distribución Binomial, la media y varianza y pondremos algunos
ejemplos que aclaren todos estos conceptos
Función de Probabilidad
La función de probabilidad de la distribución Binomial viene dada por la siguiente
expresión
n
P (Obtener x éxitos) = P( X x) p x (1 p) n x
x
Parámetros de la distribución
Si tenemos una distribución Binomial de parámetro n y p se verifica que
Media o esperanza: np
Varianza: 2 np(1 p)
Ejemplo
Una prueba de inteligencia está compuesta por 10 preguntas, cada una de las cuales
tiene 4 respuestas y solo una de ellas correcta. Un alumno tiene prisa por acabar la
prueba y decide contestar aleatoriamente. Se pide
a) Probabilidad de acertar exactamente 4 preguntas
b) Probabilidad de no acertar ninguna
c) Probabilidad de acertar todas
d) Probabilidad de acertar al menos 8
e) Probabilidad de acertar a los sumo 6
f) Media y varianza
Solución
Consideremos los sucesos
A = Contestar bien P (A) = 0.25
A = No contestar bien P ( A ) = 0.75
Se trata de una distribución Binomial de parámetros B (10, 0.25 )
Sea X la variable aleatoria que representa el número de preguntas contestadas
correctamente
10
a) P(acertar 4) = PX 4 (0.25) 4 (0.75)6 0.1460
4
10
b) P (no acertar ninguna) = PX 0 (0.25)0 (0.75)10 0.0563
0
10
c) P(acertar todas) = PX 10 (0.25)10 (0.75)0 0
10
10 10
(0.25)8 (0.75) 2 (0.25)9 (0.75) 0 0.005
8 9
e) P( acertar a lo sumo 3) = P
X 3 PX 0 PX 1 PX 2 PX 3
10 10 10 10
(0.25)0 (0.75)10 (0.25)1 (0.75)9 (0.25) 2 (0.75)8 (0.25)3 (0.75)7 0.7759
0 1 2 3
f) Media y Varianza
np 10 (0.25) 2.5
2 np(1 p) 10(0.25)(0.75) 1.875
Ejercicio1
La probabilidad de que un estudiante obtenga el título de licenciado en Geografía e
Historia es de 0.3. Halla la probabilidad de que de un grupo de siete estudiantes
matriculados en primer curso
a) Ninguno de los 7 finalice la carrera
b) Finalicen todos la carrera
c) Al menos 2 acaben la carrera
d) Halla la media y la desviación típica
Solución
Consideremos los sucesos:
A = Finalizar la carrera P(A) = 0.3
Solución
Consideramos los sucesos
A = Las condiciones socioeconómicas son inaceptables P(A)= 0.35
Distribución de Poisson
En teoría de probabilidad y estadística, la distribución de Poisson es una distribución
de probabilidad discreta. Expresa la probabilidad de un número de eventos ocurriendo
en un tiempo fijo si estos eventos ocurren con una tasa media conocida, y son
independientes del tiempo desde el último evento.
Su distribución de probabilidad está dada por:
donde;
Propiedades Reproductivas
cada una tiene su propio parámetro λi (es decir, los lambda no necesariamente tienen
se toma
Entonces: