Tecnológico Nacional de México

Instituto Tecnológico Superior de Purísima del Rincón

Materia:
Probabilidad y Estadística
Título:
Proyecto 2do Parcial

Presenta:
Rivera Valdés Blanca Delia

Numero Control:
RS17110544

Catedrático:

M.C. Rosa Jazmín Trasviña Osorio

Purísima del Rincón, Guanajuato. 25 de octubre de 2018

AXIOMAS

Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que una
función definida sobre un conjunto de sucesos determine consistentemente sus probabilidades.
Los axiomas de la formulación moderna de la teoría de la probabilidad constituyen una base
para deducir a partir de ellas un amplio número de resultados. La letra P se utiliza para
designar la probabilidad de un evento, siendo P(A) la probabilidad de ocurrencia de un evento
A en un experimento.

AXIOMA 1

Si A es un evento de S, entonces la probabilidad del evento A es:

0 ≤ P(A) ≤ 1

Como no podemos obtener menos de cero éxitos ni más de n éxitos en n experimentos, la

probabilidad de cualquier evento A, se representa mediante un valor que puede variar de 0 a 1.

AXIOMA 2

Si dos eventos son mutuamente excluyentes, la probabilidad de obtener A o B es igual a la

probabilidad de obtener A más la probabilidad de obtener B.

P(A ∪ B) = P(A) + P(B)

Excluirse mutuamente quiere decir que A y B no pueden ocurrir simultáneamente en el mismo

experimento. Así, la probabilidad de obtener águila o sol en la misma tirada de una moneda
será:

P(A ∪ B) = P(A) + P(B)

P(A ∪ B) = 1/2 + 1/2 = 1.

En general podemos decir que la suma de las probabilidades de todos los posibles eventos
mutuamente excluyentes es igual a 1:

P(A1) + P(A2) + P(A3) + ... + P(An) = 1

AXIOMA 3

Si A es un evento cualquiera de un experimento aleatorio y A’ es el complemento de A,

entonces:

P(A’) = 1 - P(A)

Es decir, la probabilidad de que el evento A no ocurra, es igual a 1 menos la probabilidad de

que ocurra.

Distribuciones de probabilidad:

Discretas

Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable
aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores
contables, tales como una lista de enteros no negativos.

Con una distribución de probabilidad discreta, cada valor posible de la variable aleatoria
discreta puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una
distribución de probabilidad discreta suele representarse en forma tabular.

Ejemplo

Con una distribución discreta, a diferencia de una distribución continua, usted puede calcular la
probabilidad de que X sea exactamente igual a algún valor. Por ejemplo, puede utilizar la
distribución discreta de Poisson para describir el número de quejas de clientes en un día.
Supongamos que el número promedio de quejas por día es 10 y usted desea saber la

probabilidad de recibir 5, 10 y 15 quejas de clientes en un día.

x P (X = x)

5 0.037833

1 0.12511
0
 x P (X = x)

1 0.034718
5

Usted también puede visualizar una distribución discreta en una gráfica de distribución para ver
las probabilidades entre los rangos.

Gráfica de distribución del número de quejas de clientes

Las barras sombreadas en este ejemplo representan el número de ocurrencias cuando las
quejas diarias de los clientes son 15 o más. La altura de las barras suma 0.08346; por lo tanto,
la probabilidad de que el número de llamadas por día sea 15 o más es 8.35%.

Continuas

Una distribución continua describe las probabilidades de los posibles valores de una variable
aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un conjunto de
valores posibles (conocido como el rango) que es infinito y no se puede contar.

Las probabilidades de las variables aleatorias continuas (X) se definen como el área por debajo
de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una probabilidad
diferente de cero. La probabilidad de que una variable aleatoria continua equivalga a algún
valor siempre es cero.

Ejemplo.

La distribución normal continua puede describir la distribución del peso de hombres adultos.
Por ejemplo, usted puede calcular la probabilidad de que un hombre pese entre 160 y 170
libras.
Gráfica de distribución del peso de hombres adultos

El área sombreada debajo de la curva en este ejemplo representa el rango de 160 a 170 libras.
El área de este rango es 0.136; por lo tanto, la probabilidad de que un hombre seleccionado
aleatoriamente pese entre 160 y 170 libras es de 13.6%. Toda el área por debajo de la curva
equivale a 1.0.

Axiomas de técnicas de conteo:

Los axiomas de probabilidad son las condiciones mínimas que deben verificarse para que una
función definida sobre un conjunto de sucesos determine consistentemente sus probabilidades.
Fueron formulados por Kolmogórov en 1933.

Axiomas de Kolmogórov:

Primer axioma:

La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.

0 £ p(A) ³ 1
Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5

Segundo Axioma:
La probabilidad de que ocurra el espacio muestral d debe de ser 1.
p(d) = 1
Ejemplo: La probabilidad de sacar un número del 1 al 6 en un dado equilibrado es "1".

Tercer Axioma:
Si A y B son eventos mutuamente excluyentes, entonces la,

p(AÈB) = p(A) + p(B)

Ejemplo: La probabilidad de sacar en un dado "as" o sacar "número par" es la suma de las
probabilidades individuales de dichos sucesos.

Según este axioma se puede calcular la probabilidad de un suceso compuesto de varias

alternativas mutuamente excluyentes sumando las probabilidades de sus componentes.

Generalizando:

Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces;

p(A1ÈA2È.........ÈAn) = p(A1) + p(A2) + .......+ p(An)

1. La presidencia nacional de la asociación contra la distribución muscular intenta estimar
la cantidad que ofrecerá cada persona que llama durante el teletón anual de esta
asociación. Usando los datos recolectados en los últimos 10 años, calcula las siguientes
probabilidades de diferentes cantidades prometidas. Dibuje una gráfica que ilustre esta
distribución de probabilidades.
Dólares prometidos 25 50 75 100 125
Probabilidad 0.45 0.25 0.15 0.10 0.06
Dólares frecuenci Probabilida x
a d
25 4.5 0.45 11.25
50 2.5 0.25 12.5
75 1.5 0.15 10.0
100 1 0.1 10
125 0.5 0.05 6.25
Valor esperado: 50.5
14

12

10

0
25 50 75 100 125

Serie 1

2. A partir de la grafica siguiente de una distribución de probabilidad

a. Construya una tabla de la distribución de probabilidad
 Chart Title
0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
8000 9000 10000 11000 12000 13000

Serie 1

Probabilida x
Datos d
8.000 0.5 400
9.000 0.15 1350
10.000 0.25 2500
11.000 0.30 3300
12.000 0.20 2400
13.000 0.05 650
Valor esperado: 10.600

B) Encuentra el valor esperado de la variable aleatoria

Valor Esperado=R.- 10,600

3. La única información con que usted cuenta, con respecto a la distribución de

probabilidad de un conjunto de resultados, es la siguiente lista de frecuencias:

X 0 15 30 45 60 75
Y 25 125 75 175 75 25

A) Construya una distribución de probabilidad por el conjunto de resultados

B) Encuentra el valor esperado de un resultado.

x y Probabilidad Valor esperado

0 25 0.05 0

15 125 0.25 3.75

30 75 0.15 4.5

45 175 0.35 15.75

60 75 0.15 10.5

75 25 0.05 3.75

Valor esperado= 38.25