SEGUNDA UNIDAD PROBABILIDAD

CONJUNTOS

Definición de Conjuntos: Es una lista, colección o clase de objetos bien definidos, pueden ser:

Un conjunto de números, de personas, letras, ríos, etc. Estos objetos se llaman elementos o
miembros del conjunto.

NOTACIÓN

Es usual denotar los conjuntos por letras mayúsculas.

A,B, X, Y……

Los elementos de los conjuntos se representan por letras minúsculas

a, b,x,y……

FORMAS DE REPRESENTAR UN CONJUNTO:

A={ 1 ,3 , 7 , 10 } Por ejemplo el conjunto A formado por los elementos 1,3,7,10, se indican
separados por comas y encerrados entre llaves { } ESTA SE LLAMA FORMA TABULAR DE UN
CONJUNTO

B= { x| x es par } Se lee “B es el conjunto de los números x tales que x es par” SE DICE QUE ESTA
ES LA FORMA DE DEFINICIÓN POR COMPRENSIÓN O CONSTRUCTIVA DE UN CONJUNTO

Para denotar que un elemento pertenece a un conjunto se utiliza el símbolo ϵ y para denotar que
un elemento no pertenece a un conjunto es

CONJUNTO FINITO E INFINITO

Un conjunto es finito si consta de un cierto número de elementos distintos. Si al contar los

diferentes elementos del conjunto el proceso de contar puede acabar. Si no, el conjunto es
infinito.

IGUALDAD DE CONJUNTOS.

El conjunto A es igual al conjunto B si ambos tienen los mismos elementos, si cada elemento que
pertenece a A pertenece también a B y si cada elemento que pertenece a B pertenece también a
A. Se denota la igualdad de los conjuntos A y B por A=B

CONJUNTO VACÍO Aquel conjunto que carece de elementos. Este conjunto se suele llamar
conjunto nulo. Se denota el conjunto vacío por el símbolo ∅

SUBCONJUNTOS

Si todo el elemento de un conjunto

A={ 1 ,3 , 5 } B= {1 , 2 ,3 , 4 ,5 } podemos decir que A ⊂ B

M = { a ,b }

Entonces 2 M ={ ( a ,b ) , ( a ) , ( b ) , Ø }

A={ 3 ,5 , 7 , 9 } B { 2, 4 , 6 , 8 } Entonces podemos decir que el conjunto A y el

conjunto B son disjuntos.
S= { a , b , c , d } T ={ b , c , d , f , g } S ∪T ={ a , b , c ,d , f , g }
 A={ m, , n , r } B={ b , m , p } A ∩ B= {m }
Diferencia. El conjunto que consiste en todos los elementos de A que no pertenecen a B se

llama la diferencia de A y B, escrita por A – B (región sombreada en la Fig. 1-4).

Complemento. Si B
Teorema 1-2: AUB = BUA

Teorema 1-3: Au (BuC) : (.4u^B)uC = AUBUC

Teorema 1-4: AñB = Bl\A

Teorema 1-5: . An(BnC) = (¿nB) nC -- AñB1C

Teorema 1-6: An(BuC) = (AnB)u(AnC')

Teorema 1-7: .4u(anC) = (AuB)n(AuC)

Teorema 1-8: A-B = AñB'

Teorema 1-9: Si AcB, entonces A')B' 6 B'c.{

Teorema 1-10: AUQ-A,AnQ=9

Teorema 1-11: AU'al -- 11, AnU = A

Teorema 1-12a: (AuB)' = A'ñB'

Teorema 1-12b: (AnB)' = A'UB'

Teorema 1-13: A =(AnB)u(AnB')

Segundo Tema de la Unidad de Probabilidad
probabilidad se refiere al estudio de azar y la incertidumbre en cualquier situación en la cual varios posibles
sucesos pueden ocurrir.

Un experimento es cualquier acción o proceso cuyo resultado está sujeto a la incertidumbre.

El espacio muestral de un experimento denotado por 𝒮, es el conjunto de todos los posibles resultados de
dicho experimento.

Ejemplo 1:
El experimento más simple al que se aplica la probabilidad es uno con dos posibles resultados.
Tal experimento consiste en examinar un fusible para ver si está defectuoso.
S= { D, N }

Ejemplo 2:
Si se examinan tres fusibles en secuencia y se anota el resultado de cada examen, entonces un
resultado del experimento es cualquier secuencia de letras N y D de longitud 3, por lo tanto

𝒮= {NNN, NND, NDN, NDD, DNN, DND, DDN, DDD}

Ejemplo 3: El espacio muestral del experimento en el cual un dado de 6 lados es lanzado dos veces se obtiene

{
S= ( 1 , 1 ) , ( 1 , 2 ) , ( 1 , 3 ) , ( 1 , 4 ) , ( 1 , 5 ) , (1 , 6 ) , ( 2 ,1 ) , ( 2 ,2 ) , ( 2 ,3 ) , ( 2 , 4 ) , ( 2 , 5 ) , ( 2 , 6 ) , ( 3 ,1 ) , ( 3 , 2 ) , ( 3 , 3 ) , ( 3 , 4 ) . ( 3 ,5 ) , ( 3
( 4 , 4 ) , ( 4 ,5 ) , ( 4 , 6 ) , (5 ,1 ) , ( 5 ,2 ) , ( 5 ,3 ) , ( 5 , 4 ) , ( 5 , 5 ) , ( 5 ,6 ) , ( 6 , 1 ) , ( 6 , 2 ) , ( 6 , 3 ) , ( 6 , 4 ) , ( 6 , 5 ) ,∧
Un evento es cualquier recopilación (subconjunto) de resultados contenidos en el espacio muestral 𝒮. Un
evento es simple si consiste en exactamente un resultado y compuesto si consiste en más de un resultado.

El evento A cuáles son los posibles resultados que al lanzar dos dados el resultado sea par en ambos dados
A={ ( 2 ,2 ) , ( 2 , 4 ) , ( 2 , 6 ) , ( 4 , 2 ) , ( 4 , 4 ) , ( 4 , 6 ) , ( 6 , 2 ) , ( 6 , 4 ) ,(6 ,6) }

Algunas relaciones de la teoría de conjuntos

1. El complemento de un evento A, denotado por A´, es el conjunto de todos los resultados en 𝒮 que no están
contenidos en A.
2. La unión de dos eventos A y B, denotados por A ∪ B y leídos “A o B”, es el evento que consiste en todos
los resultados que están en A o en B o en ambos eventos (de tal suerte que la unión incluya resultados donde
tanto A como B ocurren, así también resultados donde ocurre exactamente uno), es decir, todos los resultados
en por lo menos uno de los eventos.
3. La intersección de dos eventos A y B, denotada por A ∩ B y leída “A y B”, es el
evento que consiste en todos los resultados que están tanto en A como en B.

Tomando el ejemplo del espacio muestral del resultado del lanzamiento de los dos dados.
'
A =¿
El Evento B es el resultado que al lanzar dos dados el número sea igual en ambos dados

B= { (1 , 1 ) , (2 , 2 ) , (3 ,3 ) , ( 4 , 4 ) , ( 5 , 5 ) ,(6 , 6) }

A ∪ B= {( 1 , 1 ) (2 , 2 ) , ( 2, 4 ) , ( 2, 6 ) , ( 3 , 3 ) , ( 4 , 2 ) , ( 4 , 4 ) , ( 4 , 6 ) , ( 5 , 5 ) , ( 6 ,2 ) , ( 6 , 4 ) ,(6 , 6) }

A={ ( 2 ,2 ) , ( 2 , 4 ) , ( 2 , 6 ) , ( 4 , 2 ) , ( 4 , 4 ) , ( 4 , 6 ) , ( 6 , 2 ) , ( 6 , 4 ) ,(6 ,6) }

A ∩ B= { ( 2, 2 ) , ( 4 , 4 ) ,(6 , 6) }
Que Ø denote el evento nulo (el evento sin resultados). Cuando A ∩ B = Ø, se dice que A y B son eventos
mutuamente excluyentes o disjuntos.

Axiomas, interpretaciones y propiedades de probabilidad

Dados un experimento y un espacio muestral 𝒮, el objetivo de la probabilidad es asignar a cada evento A un
número P(A), llamado la probabilidad del evento A, el cual dará una medida precisa de la oportunidad de
que A ocurra.
Axiomas
Para cualquier evento A, P(A) ≥ 0.
P(S ) = 1.
Si A1, A2, A3, . . . es un conjunto de eventos mutuamente excluyentes, entonces
∞
P(A1 ∪A2 ∪ A3 ∪…)= ∑ P (A i ¿ )¿
i=1

Proposición
P(Ø) = 0 donde Ø es el evento nulo (el evento que no contiene resultados en absoluto). Esto a su vez implica
que la propiedad contenida en el axioma 3 es válida para un conjunto finito de eventos. es el evento nulo (el
evento que no contiene resultados en absoluto). Esto a su vez implica que la propiedad contenida en el axioma
3 es válida para un conjunto finito de eventos. es el evento nulo (el evento que no contiene resultados en
absoluto). Esto a su vez implica que la propiedad contenida en el axioma 3 es válida para un conjunto finito de
eventos.

TÉCNICAS DE CONTEO

La regla de producto para pares ordenados

Si el primer elemento u objeto de un par ordenado puede ser seleccionado de n1 maneras y por cada una de
estas n1 maneras el segundo elemento del par puede ser seleccionado de n2 maneras, entonces el número de
pares es n1n2.

Ejemplo: Lanzamiento de dos dados ¿cuál es su espacio muestral?

Al lanzar un dado tenemos n1 maneras de tener el resultado.
Al lanzar el segundo dado tenemos n2 maneras de obtener el resultado
Por lo tanto el resultado de todos los posibles resultados será el número de pares de n1n2=6*6=36

Permutaciones y Combinaciones

Un subconjunto ordenado se llama permutación. El número de permutaciones de tamaño

k que se puede formar con los n individuos u objetos en un grupo será denotado
por Pk,n. Un subconjunto no ordenado se llama combinación. Una forma de denotar el
número de combinaciones es Ck,n, pero en su lugar se utilizará una notación que es bastante
común en libros de probabilidad:

( nk) , que se lee “de n se eligen k”.

Para las Permutaciones

n!
nPr =
( n−r ) !
En un departamento sanitario se tienen cinco oficinas adyacentes que van a ser ocupadas por cinco
enfermeras, A,B,C,D y E, ¿De cuántas maneras diferentes pueden asignarse las enfermeras a las oficinas?

5!
P =
5 5 =5 !=1∗2∗3∗4∗5=120
( 5−5 ) !
Suponiendo que tenemos ahora 6 enfermeras a quien se les va a signar oficinas adyacentes pero ahora solo
tenemos 4 oficinas disponibles, aquí se necesita determinar el número de permutaciones de 6 cosas tomadas
cuatro a la vez.

6! 6 ! 1∗2∗3∗4∗5∗6 720
P =
6 4 = = = =360
( 6−4 ) ! 2 ! 1∗2 2

Para las combinaciones

 ()
n!
n C r= =n
r !∗( n−r ) ! r

Ejemplo:

Obtener el número de combinaciones de cuatro cosas tomadas dos a la vez se obtiene:

()
4!
4 C 2= = 4 =¿ 6
2!∗( 4−2 ) ! 2

Ejemplo 2 de combinaciones:

Suponga que un conductor de terapia de grupos en una clínica de enfermeros mentales

tiene 10 pacientes de los cuales debe formar un grupo de seis, ¿Cuántas combinaciones
de pacientes son posibles?
10 ! 10! 1∗2∗3∗4∗5∗6∗7∗8∗9∗10 10
10 C 6= = =
6 !∗( 10−6 ) ! 6 !∗4 ! 1∗2∗3∗4∗5∗6∗1∗2∗3∗4
=
6( )
=210

Ejercicios
El consejo estudiantil tiene 4 representantes, tienen que ser seleccionados dos de ellos
para que asistan a una convención estatal. El orden de selección si es importante; porque
irán uno como presidente y otro como tesorero:
Rolando, Mayra, Damar y Edgar.

Selección Presidente Tesorero

1ª R M
2ª. R D
3ª R E
4ª M R
5ª M D
6ª M E
7ª D R
8ª D M
9ª D E
10ª E R
11ª E M
12ª E D

4! 4 ! 1∗2∗3∗4 24
4 P2 = = = = =12
( 4−2 ) ! 2 ! 1∗2 2
Se remite al consejo estudiantil y supóngase que 2 de los 4 representantes tienen que ser seleccionados para
que asistan a una convención estatal. El orden de selección no es importante; lo que importa es cuáles de los
dos son seleccionados.

Rolando, Mayra, Damar y Edgar.

Asistencia a la convención sin nombramiento
Rolando y Mayra
Rolando y Damar
Rolando y Edgar
Mayra y Damar
Mayra y Edgar
Damar y Edgar

4! 4! 1∗2∗3∗4
4 C 2= = = =6
2!∗( 4−2 ) ! 2 !∗2! 1∗2∗1∗2

El almacén de una universidad recibió 25 impresoras, de las cuales 10 son impresoras láser y 15 son modelos
de inyección de tinta. Si 6 de estas 25 se seleccionan al azar para que las revise un técnico particular,
a).- ¿cuál es la probabilidad de que exactamente 3 de las seleccionadas sean impresoras láser (de modo que las
otras 3 sean de inyección de tinta)?

P ( que exactamente 3 sean impresoras laser de las 6 que se quieren seleccionar )=P ( D3 )=?
10 C 3∗15 C 3 120∗455 54600
P ( D 3 )= = = =0.3083=30.83 %
25 C 6 177100 177100

b).- ¿Cuál es la probabilidad de que por lo menos sean tres impresoras láser?

P ( D3 ∪ D 4 ∪ D5 ∪ D6 ) =P ( D3 ) + P ( D4 ) + P ( D5 ) + P( D6)

P ( D3 )=0.3083

P ( D )=
( 4 )( 2 ) 210∗105 22050
10 15
= = =0.1245
4
177100 177100 177100

P ( D )=
( 5 )( 1 ) 252∗15
10 15
= =
3780
=0.0213
5
177100 177100 177100

P ( D )=
( 6 )( 0 ) 210∗1
10 15
= =
210
=0.00118
6
177100 177100 177100
P ( D3 ∪ D 4 ∪ D5 ∪ D6 ) =P ( D3 ) + P ( D4 ) + P ( D5 ) + P ( D6 ) =0.3083+0.1245+ 0.0213+0.00118=0.4552=45.52 %
c).- Cuál es la probabilidad de que por lo menos sean tres impresoras de inyección de tinta?
Definición de probabilidad condicional

Para dos eventos cualesquiera A y B con P(B) ˃0, la probabilidad condicional de A dado que B ha
ocurrido está definida por
P ( A ∩B)
P(AB)=
P( B)

En una planta se ensamblan componentes complejos en dos líneas de ensamble diferentes,

A y A´. La línea A utiliza equipo más viejo que A´, por lo que es un poco más lenta y menos
confiable. Suponga que en un día dado la línea A ensambla 8 componentes, de los cuales
2 han sido identificados como defectuosos (B) y 6 como no defectuosos (B´), mientras
que A´ ha producido 1 componente defectuoso y 9 no defectuosos. Esta información se resume
en la tabla adjunta.
Condición
Líneas de Ensamble B B´
A 2 6
A´ 1 9

8
P ( componente de la línea A seleccionado ) =
18
2
P( A ∩ B) 18 2∗18 2
P ( haya sido ensamblada en lalínea A dado que está defectuosa ) = = = = =66.66 %
P(B) 3 3∗18 3
18

Ejercicio 2: suponga que tenemos un espacio muestral S constituido por la

población de adultos de una pequeña ciudad que cumplen con los requisitos para obtener
un título universitario. Debemos clasificarlos de acuerdo con su género y situación laboral.
Los datos se presentan en la tabla.

Clasificación de los adultos en una pequeña ciudad.

Empleado Desempleado Total

Hombre 460 40 500
Mujer 140 260 400
Total 600 300 900

Se seleccionará al azar a uno de estos individuos para que realice un viaje a través
del país con el fi n de promover las ventajas de establecer industrias nuevas en la ciudad.
Nos interesaremos en los eventos siguientes:

M: se elige a un hombre,
E: el elegido tiene empleo.
Al utilizar el espacio muestral reducido E, encontramos que

460
P (M ∩ E) 900 460 23
P(M/E)= = = = =38.33 %
P(E) 600 600 60
900
Ejercicio 3: La probabilidad de que un vuelo programado normalmente salga a tiempo es
P(D) =0.83, la probabilidad de que llegue a tiempo es P(A) = 0.82 y la probabilidad de que
salga y llegue a tiempo es P(D ∩ A) = 0.78. Calcule la probabilidad de que un avión
a) llegue a tiempo, dado que salió a tiempo; y b) salió a tiempo, dado que llego a tiempo.

P(D ∩ A) 0.78
a) P ( A / D )= = =93.95 %
P (D) 0.83
P(D ∩ A) 0.78
b) P ( D/ A )= = =95.12 %
P( A) 0.82

TEOREMA DE BAYES

Ley de probabilidad total. Sean A1, . . . , Ak eventos mutuamente excluyentes y exhaustivos. Entonces para
cualquier
otro evento B,
k
P ( B )=P ( B / A 1 )∗P ( A1 ) +... … .+ P ( B/ A k )∗P ( A k ) =∑ P(B/ A i ¿ )∗P( A i)¿
i=1

Regresemos al ejemplo de la población de adultos, en el que se selecciona un individuo al

azar de entre los adultos de una pequeña ciudad para que viaje por el país promoviendo
las ventajas de establecer industrias nuevas en la ciudad. Suponga que ahora se nos da
la información adicional de que 36 de los empleados y 12 de los desempleados son
miembros del Club Rotario.

Deseamos encontrar la probabilidad del evento A de que el individuo seleccionado sea

miembro del Club Rotario.
A=( E ∩ A)∪(E ´ ∩ A)

P ( A )=P ( E ∩ A ) ∪ P ( E ´ ∩ A )=P ( E )∗P ( A / E ) + P ( E ´ )∗P (A / E ´ )

Empleado Desempleado Total

Hombre 460 40 500
Mujer 140 260 400
Total 600 300 900

600 2 300 1
P ( E )= = P ( E ´)= = P¿
900 3 900 3

600 300
∗36 ∗12
900 900
P ( A )= + =5.33 %
600 300

Teorema : Si los eventos B1, B2,... Bk constituyen una partición del espacio muestral S,
tal que
P(Bi) ≠ 0 para i = 1, 2,..., k, entonces, para cualquier evento A de S,
 k k
P ( A )=∑ P ( Bi ∩ A ) =¿ ∑ P(Bi ¿) P ¿ ¿ ¿
i =1 i=1

Problemario:

Problema 1
Supóngase que de todos los individuos que compran cierta cámara digital, 60% incluye
una tarjeta de memoria opcional en su compra, 40% incluyen una batería extra y 30% incluyen tanto una
tarjeta como una batería. Considere seleccionar al azar un comprador y sea A = {tarjeta de memoria
adquirida} y B= {batería adquirida}. Entonces P(A) = 0.60,
P(B) = 0.40 y P(ambas adquiridas) = P(A ∩ B) = 0.30.
a) Determinar la probabilidad de que una tarjeta de memoria opcional sea adquirida dado que el
individuo seleccionado adquirió una batería extra.

P ( de que unatarjeta de memoria opcional sea adquirida dado que elindividuo seleccionado adquirió una batería

b) Ahora determinar la Probabilidad de que el individuo seleccionado adquirió una batería extra dado
que adquirió una tarjeta de memoria opcional.

P ( de que elindividuo seleccionado adquirió una bateria extra dado que adquirió una tarjetade memoria adquirió

Problema 2
En cierto grupo de estudiantes de secundaria, que consiste de 60 muchachas y 40 muchachos, se observa que
24 muchachas y 16 muchachos usan lentes. Si se elige al azar un estudiante (muchacha o muchacho) de este
grupo, la probabilidad de que el estudiante use lentes
El evento H estudiantes de la secundaria (muchachos)
El evento H´ estudiantes de la secundaria (muchachas)
El evento L estudiantes que usan lentes
40
P ( L )= =40 %
100
¡Cuál es la probabilidad de que el estudiante elegido al azar use lentes, dado que el estudiante es un
muchacho?
P (L∩ H ) 16
P ( L/ H )= = =40 %
P(H ) 40

Problema 3
Una revista de noticias publica tres columnas tituladas “Arte” (A), “Libros” (B) y “Cine”
(C). Los hábitos de lectura de un lector seleccionado al azar con respecto a estas columnas
Son

Lee con A B C A∩B A∩C B∩C A∩B∩C

regularidad
Probabilidad 0.14 0.23 0.37 0.08 0.09 0.13 0.05

Problema 4
Una compañía ha encontrado que las entregas a clientes se demoran debido al retraso en el despacho de las
unidades repartidoras, consultando los registros, se concluye que la probabilidad de demora para cualquier
unidad de las 5 existentes es de 0.4, además se sabe que el despacho de cada unidad es independiente. Se pide
graficar f(x),
si n=5
p=0.4
q=0.6
Los posibles valores de x son (0,1,2,3,4,5)
FUNCIONES DE PROBABILIDAD

FUNCIONES DE PROBABILIDAD DISCRETA

La forma en que se distribuyen los datos obtenidos al realizar un experimento, pueden
representarse mediante lo que se denomina una función de Probabilidad. Para generarla
se requiere de un conjunto de conceptos básicos que se presentan a continuación.
VARIABLE ALEATORIA.- Se define como variable aleatoria a la función o regla que hace
corresponder un número real a cada uno de los resultados de un experimento.
Ejemplo:
Experimento.- Lanzar dos monedas y registrar la cara que se presenta.

Resultados Real Asociado

x= número de águilas
A,A 2
A,S 1
S,A 1
S,S 0

Donde A representa la ocurrencia de Águilas, y S la ocurrencia de sol.

Los valores que puede tomar la variable aleatoria x “número de águilas obtenidas” son
0,1,2
Variable aleatoria discreta.- Cuando la variable aleatoria solamente puede tomar valores
enteros, como en el caso anterior, se dice que es una variable aleatoria discreta.
Variable aleatoria continua.- En cambio cuando la variable aleatoria puede tomar
cualquier valor real dentro de un rango continuo se dice que la variable aleatoria es
continua.
Ejemplo:
Experimento.- Probar un dispositivo electrónico y registrar el tiempo de falla.
En este caso la variable aleatoria Y= tiempo de falla, puede tomar cualquier valor real
positivo.

Distribución de Probabilidad Discreta.

A la función o expresión matemática que nos permite asignar probabilidades de
ocurrencia a cada uno de los eventos simples y mutuamente excluyentes de una variable
aleatoria, discreta se denomina función de probabilidad, si y solo si, satisface las
siguientes condiciones:
f ( xi ) ≥ 0
∑ f ( x )=1la suma está definida sobre todos los valores de x
Ejemplo:
Considere el experimento de lanzar un dado legal y observar el número que presenta la
cara superior, en este caso los posibles valores de la variable aleatoria son (1,2,3,4,5,6)
por lo que se trata de una variable aleatoria discreta, y puesto que el dado es legal no
existe razón para favorecer algún resultado.
Esto último se puede representar mediante la siguiente función
 {
1
para x=1 ,2 , 3 , 4 , 5 , 6
f ( x )= 6
0 para cualquier otro valor

Debe notarse que la expresión f(x) cumple con las dos condiciones.
f ( xi ) ≥ 0
∑ f ( x )=1la suma está definida sobre todos los valores de x
Función de Distribución Acumulada
Para representar la probabilidad de que la variable aleatoria tome un valor determinado o
menor, se utiliza la función de distribución acumulada, que como su nombre lo indica
acumula las probabilidades correspondientes a los diferentes eventos que se analizan. Se
representa por F(x).

F ( x )=∑ f ( x i )=1 la suma está definida sobre todoslos valores de i tales que x i ≤ x

Ejemplo:
Siguiendo el experimento del dado.
1 1 1 1
F ( x )=P ( x ≤ 3 ) =f ( x 1 ) +f ( x 2 ) + f ( x3 ) = + + =
6 6 6 2
Que representa la probabilidad de que la variable aleatoria tome un valor menor o igual a
3
VALOR ESPERADO Y VARIANZA.-
Para poder describir una distribución se requieren al menos dos parámetros de suma
importancia, la media o valor esperado, que representa la localización de la distribución, y
la varianza que se emplea para determinar la dispersión de los datos con respecto a la
media.
VALOR ESPERADO
Si x es una variable aleatoria discreta, el centro de gravedad de su distribución de
probabilidad se encuentra mediante el valor esperado de X, E(X), definido como:
n
E ( x )=∑ x i f ( x i )
i=1
Ejemplo
Determinar el valor esperado de la variable aleatoria definida en el ejemplo del dado.
x 1 2 3 4 5 6
f(x) 1/6 1/6 1/6 1/6 1/6 1/6

( 16 )+ ( 2) ( 16 )+( 3 )( 16 )+( 4 ) ( 16 )+ (5 ) ( 16 )+( 6 ) ( 61 )=3.5

6
E ( x )=∑ x i f ( x i )=( 1 )
i=1

VARIANZA.
La varianza se utiliza para medir la variabilidad que presenta una variable aleatoria con
respecto a su media o valor esperado, y se representa con VAR(x) o por σ 2

Distribuciones de Probabilidad Discreta

Binomial.- Esta distribución se presenta cuando en un experimento solo existen dos tipos
de resultados, ÉXITO Y FRACASO. Además el experimento se realiza n veces y los
resultados de un experimento a otro son independientes.
La probabilidad de éxito en cada ensayo denotada por “p” es la misma para cada ensayo
y la variable aleatoria X de interés representa el número de éxitos obtenidos al realizar los
n experimentos.
Así pues:
p= probabilidad de éxito
q= probabilidad de fracaso=1-p
x= número de éxitos deseados.
n= número de ensayos realizados.

{
n!
px q n−x para cuando x =0 ,1 , 2 ,3 , … . , n
f ( x )= x !∗( n−x ) !
¿
0 en cualquier otro punto

Además la media y la varianza para esta distribución están dadas por:

E(x)= μ=np
VAR(x)= σ 2=npq
σ =√ npq

Ejemplo:
Si el 80% de la producción en un proceso cumple con las especificaciones de calidad, al
tomar una muestra de 6 piezas, se desea encontrar la probabilidad de obtener
exactamente 3 piezas buenas.

6!
f ( 3 )= ¿
3!∗( 6−3 ) !

b) utilizando las tablas

El valor que arroja las tablas es el acumulado es decir
f ( x ≤3 )=f ( 0 )+ f ( 1 ) +f ( 2 ) + f ( 3 )=0.9830
f ( x ≤2 )=f ( 0 )+ f ( 1 ) +f ( 2 )=0.9011
Para calcular f ( x=3 )=f ( x ≤3 )−f ( x ≤2 )=0.9830−0.9011=0.0819=8.19 %

DISTRIBUCIÓN POISSON
Cuando en un experimento se desea calcular el número de ocurrencias de un suceso por
unidad de tiempo,masa, longitud, etc. Se dice que la variable aleatoria discreta así
definida sigue una distribución Poisson.

Esta distribución presenta las siguientes características.

1. La media de la distribución puede estimarse a partir de datos históricos.
2. Si el intervalo de ocurrencia (por ejemplo, el tiempo) se hace lo suficientemente
pequeño entonces:

a). La probabilidad de que un suceso ocurra en ese intervalo es un número muy pequeño
y se mantiene constante para cualquier otro intervalo de la misma magnitud.
b). La probabilidad de que ocurran dos o más sucesos en el intervalo definido en el inciso
a), es tan pequeño que se asigna una probabilidad de cero.
c). El número de sucesos que ocurren en un intervalo de cualquier magnitud es
independiente del número de sucesos que ocurren en cualquier otro intervalo de la
misma magnitud.

Algunas aplicaciones de la distribución Poisson son; la distribución de las llamadas

telefónicas que llegan a un conmutador en una hora, día, etc. El número de autos que
pasan por un cierto punto de la ciudad en un intervalo de tiempo determinado.

La función de probabilidad Poisson está definida por:

 {
f ( x )=
λ x e− λ
x!
0 para cualquier otro punto
para cuando x =0 ,1 , 2 ,3 , … .

Problemas de estimación de una y dos muestras

Una sola muestra: estimación de la media

( )
Z α ∗σ Z α ∗σ
2 2
P X− <μ<X + = 1−α
√n √n

Se encuentra que la concentración promedio de zinc que se obtiene en una muestra de

mediciones en 36 sitios diferentes de un rio es de 2.6 gramos por mililitro. Calcule los
intervalos de confianza del 95% y 99% para la concentración media de zinc en el rio.
Suponga que la desviación estándar de la población es de 0.3 gramos por mililitro.