Está en la página 1de 37

EXPERIMENTOS

Definicin 1. Un experimento es
cualquier accin o proceso que
genera observaciones.
Definicin 2. Un experimento
determinstico
es
cualquier
experimento que, al repetirse bajo
las mismas condiciones, genera
siempre los mismos resultados.
Definicin
3.
Un
experimento
aleatorio (o estocstico) es cualquier
experimento que, al repetirse bajo
las mismas condiciones, no genera
siempre los mismos resultados.

ESPACIO MUESTRAL, EVENTO Y EVENTO


ELEMENTAL
Definicin 4. Supongamos que se realiza un experimento
aleatorio. El conjunto de todos los posibles resultados de ese
experimento se denomina ESPACIO MUESTRAL. Cualquier
subconjunto del espacio muestral se llama EVENTO. Si un
evento tiene un solo elemento se llama EVENTO ELEMENTAL.

1 cara, sello n 1 2

2 1, 2, 3, 4, 5, 6 n 2 6
3 defectuoso, no defectuoso n 3 2

REGLAS DE CONTEO, COMBINACIONES Y


PERMUTACIONES

Experimento de varias etapas.


Si un experimento se puede
describir como una sucesin
de k etapas, en las que hay n1
resultados posibles en la
primera etapa, n2 en la
segunda, etc., la cantidad total
de resultados experimentales
es igual a (n1), (n2) (nk).

COMBINACIONES.
Una segunda regla de conteo que con frecuencia es de
utilidad, permite contar la cantidad de resultados
experimentales cuando en un experimento se deben
seleccionar n objetos entre un conjunto de N objetos.

N!
C
n !( N n)!
N
n

PERMUTACIONES

Esta permite que uno pueda calcular el nmero de


resultados experimentales al seleccionar n objetos de un
conjunto de N objetos, donde es importante el orden de
seleccin.

N!
P
( N n)!
N
n

INTRODUCCIN A LA PROBABILIDAD.
La probabilidad asignada a cada resultado experimental debe
estar entre 0 y 1, inclusive. Si denotamos con Ei el i-simo
resultado experimental y P(Ei) es su probabilidad

0 P Ei 1 para todo i
La suma de las probabilidades para los resultados
experimentales debe ser igual a 1. Para n resultados
experimentales

P E1 P E2 ... P En 1

Definicin clsica de probabilidad


Definicin. (Probabilidad de un evento) Sea un
espacio muestral finito y supongamos que todos los
eventos elementales suceden con la misma probabilidad,
es decir, se cumple para cada evento elemental w de .
Entonces, para cada evento A de tenemos:

P ( A)

Nmero de elementos de A
Nmero de elementos de

Definicin clsica de probabilidad


Ejemplo:
Experimento: Se lanza una moneda
Evento:
A: que al lanzar una moneda salga CARA
Calcular la probabilidad de A:
= { C, S},
n( ) = 2
A = { C },
n(A) = 1

TEOREMA. PARA EVENTOS A, B Y C DE UN


ESPACIO MUESTRAL SE TIENE:
1. P() = 0.
2. P(AC) = 1 - P(A) , siendo AC complemento de A.
3. 0 P(A) 1
4. P(A) = P(A B) + P(A B C)
5. Si los eventos A y B son mutuamente excluyentes,
entonces:
P(A U B) = P(A) + P(B)
6. Teorema de adicin de dos eventos no excluyentes.
P(A U B ) = P(A) + P(B) - P(A B)
7. Teorema de adicin para tres eventos.
P(A U B U C) = P(A) + P(B) + P(C) - P(A B) - P(A C) P(B
C) + P(A B C)

ALGUNAS RELACIONES BSICAS DE


PROBABILIDAD
Complemento de un
evento.

P ( A) 1 P( Ac )

Unin de dos eventos.

A B wi / wi A wi B
Interseccin de eventos.

A B wi / wi A y wi B

PROPIEDADES DE LA PROBABILIDAD
Experimento: Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
n( ) = 12
Eventos:
A: Al lanzar un dado y una moneda aparezcan el nmero 2 3
con sello.
B: Al lanzar un dado y una moneda aparezcan nmeros pares
con sello.
A = { 2s, 3s },
n(A) = 2
B = { 2s, 4s, 6s } n(B) = 3
A B = { 2s }
n(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 1/12 = 4/12 = 1/3
Ac = { 1s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
P(Ac) = 1 P(A) = 1 2/12 = 10/12
Bc = { 1s, 3s, 5s, 1c, 2c, 3c, 4c, 5c, 6c }
P(Bc) = 1 P(B) = 1 3/12 = 9/12

PROBABILIDAD CONDICIONAL
Probabilidad de A dado B. Es la probabilidad de un evento sujeto a
la ocurrencia de otro evento.

P( A / B)

P( A B)
P( B)

;
P(B)>
0 multiplicacin).
Eventos dependientes (Regla de la
Dos eventos A y B son dependientes si:

P(AB) =
P(A)P(B/A)

Sin
reemplazamiento

Eventos independientes. Dos eventos A y B son


independientes si:

P ( A / B) P( A) P( B / A) P( B)
Entonces,
P(AB) = P(A)P(B)

Con reemplazamiento

PROBABILIDAD CONDICIONAL
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
E: que al lanzar un dado salga un impar
Encontrar la probabilidad de que al lanzar un dado se obtenga
un 3 dado que se obtuvo un impar.
= {1,2,3,4,5,6}
A = {3},
E = { 1,3,5},
(AE) = {3},
P(A) = 1/6
P(A/E) = P(AE)/ P(E)
= 1/6 / 3/6 = (1)(6)/(6)(3)
= 6/18 = 1/3

TEOREMA DE BAYES Y PROBABILIDAD TOTAL

Si conocemos la probabilidad de B en cada uno de los


componentes de un sistema exhaustivo y excluyente de
sucesos, entonces podemos calcular la probabilidad de B
como la suma:
P(B) = P(B A1) + P(B A2) + P( B A3) + . + P( B An)

P ( B ) P ( A1 ) P( B / A1 ) P ( A2 ) P ( B / A2 ) ... P ( An ) P ( B / An )
PROBABILIDAD
TOTAL

TEOREMA DE BAYES
Si conocemos la probabilidad de B en cada uno de
los n componentes de un sistema exhaustivo y
excluyente de sucesos, entonces
si ocurre B, podemos calcular la probabilidad (a
posteriori) de ocurrencia de cada Ai, (i = 1, 2, ... ,
n):

P(B Ai )
P(Ai|B)
P(B)

TEOREMA DE BAYES

P ( A1 / B )

P ( A1 ) P ( B / A1 )
P( A1 ) P ( B / A1 ) P ( A2 ) P ( B / A2 ) ... P( An ) P( B / An )

PROBABILIDAD TOTAL
Ejemplo: En esta aula el
70% de los alumnos son
hombres.
De ellos el 10% son
fumadores. El 20% de las
mujeres son
fumadoras. Cul es la
probabilidad que al
seleccionar
Eventos: una persona,
sta
sea fumadora?
H: Hombre
M: Mujer
F: Fuma

0,1
0,7

Hombre
0,9

Estudiante
0,3

Fuma

0,2

No fuma
Fuma

Mujer
0,8

P(F) = P(FH) + P(FM) = P(F|H) P(H) + P(F|M) P(M)


= 0,1 0,7 + 0,2 0,3 = 0,13

No fuma

TEOREMA DE BAYES
0,1

En el problema anterior:
Se elige a un individuo al
azar
y resulta fumador. Cul es
la
probabilidad que sea una
mujer?

0,7

Hombre
0,9

Estudiante
0,3

Fuma

0,2
Mujer

P(M) = 0,3; P(F) = 0,13


P(M|F) = P(F M)/P(F) = P(F|M) P(M) / P(F)
P(M|F) = 0,20,3 / 0,13 = 0,46

0,8

No fuma
Fuma

No fuma

DISTRIBUCIONES DE PROBABILIDADES

Se introducir el concepto de variable aleatoria, cuya importancia


radica en introducir modelos matemticos en el clculo de
probabilidades. Luego, se considerarn las distribuciones de
probabilidades de variables aleatorias discretas con su media y
varianza respectiva.

VARIABLES ALEATORIAS
Una variable aleatoria es aquella que asume sus valores de acuerdo a
los resultados de un experimento aleatorio. Usualmente se representa
por las ltimas letras del alfabeto: X, Y o Z.
Ejemplos de variables aleatorias:
X: La suma que aparece al lanzar un par de dados.
Y: El nmero de caras que aparecen al lanzar una moneda tres veces.
Z: El nmero de errores que se encuentran en la pgina de un libro.
T: El tiempo de vida de la componente de un sistema
W: El tiempo de espera para ser atendido en un banco

VARIABLES ALEATORIAS
Ejemplos de variables aleatorias
DISCRETAS:
Experimento

Variable
aleatoria

Valores
posibles
V.A

Llamar a cinco
clientes

W: Cantidad
de clientes

0, 1,2,3,4,5

Inspeccionar
un embarque
de 40 chips

X: Cantidad
de chips
defectuosos

0,1,2,.,40

Funcionamient
o de un
restaurante
durante un da

Y: Cantidad
de clientes

0,1,2,3.

Vender un
automvil

Z: Sexo
Cliente

0: hombre y
1: mujer

Ejemplos de variables aleatorias


CONTINUAS:
Experimento

Variable
aleatoria

Valores
posibles V.A

Funcionamiento
de un banco

Tiempo en
minuto, entre
llegadas de
clientes

X>=0

Llenar una lata


de bebida
(mx =12.1
onzas)

Cantidad de
onzas

Proyecto para
construir un
biblioteca

Porcentaje de
terminado del
proyecto

Ensayar un
nuevo proceso
qumico

Temperatura
cuando se lleva
a cabo la
reaccin
deseada (min
150F; mx
212F)

0<=x<=12.1

0<=x<=100

150<=x<=212

VARIABLE ALEATORIA

La funcin de distribucin de probabilidad de una variable aleatoria


es una tabla, grfica o frmula que asigna la probabilidad de
ocurrencia a cada posible valor de la variable aleatoria.
Si p (x) es la funcin de distribucin de probabilidad de una variable
aleatoria X entonces se cumple:

0 p ( x) 1

p x P ( X x)

p x 1
i

EJEMPLO

Un ingeniero mecnico disea la siguiente


pieza mecnica, pero el supervisor se da
cuenta que cada una de sus caras tiene uno,
dos, tres cuatro, cinco y seis rajaduras, el
ingeniero quiere saber si se juntan dos caras
cualquiera frente a frente cual ser el numero
de rajaduras que pueda tener entre ambas,
adems sus probabilidades

x
P(x)

2
1/36

3
2/36

4
3/36

5
4/36

6
5/36

7
6/36

8
5/36

9
4/36

10
3/36

11
2/36

12
1/36

CONTINUACIN
Si los valores de la variable aleatoria X es finito o infinito numerable
entonces se dice que es una variable aleatoria discreta. Si sus
valores es infinito no numerable entonces se dice que es una
variable aleatoria continua.

TIPOS DE VARIABLE ALEATORIA


I. Variable Aleatoria Discreta: Es aquella cuyos valores, constituyen
un conjunto contable (finito, infinito).
Ejemplos:
1. Se extraen tres artculos de un proceso de produccin. Definimos
la variable aleatoria:
X: nmero de artculos defectuosos.
Entonces, X toma valores: 0, 1, 2, 3 y se denota por: X = {0, 1, 2, 3}
2. Observar durante una hora los clientes que llegan a un banco.
Definimos la variable aleatoria:
X: numero de clientes que llegaron en una hora al banco.
Entonces, X toma valores: 0, 1, 2, ; y se denota por:
X = {0, 1, 2, }

TIPOS DE VARIABLE ALEATORIA


II. Variable Aleatoria Continua: Es aquella cuyos valores no se
pueden contar , es decir pertenecen a los nmeros reales, puede ser
un intervalo, la unin de un intervalo
Ejemplos:
1.

El tiempo (en horas) de demora en realizar una reparacin de una


computadora.

2.

La distancia (en kilmetros) que recorre diariamente un taxista.

3.

El tiempo (en minutos) que demora un obrero en cortar y coser un


pantaln.

I. VARIABLE ALEATORIA DISCRETA:


FUNCIN DE DISTRIBUCIN ACUMULADA: F(X)
En muchas ocasiones no nos interesa tanto conocer la probabilidad de que
la variable aleatoria x tome exactamente un determinado valor xi, sino
conocer la probabilidad de que tome valores menores o iguales que un
cierto valor xi.
En tales casos es necesario acumular los distintos valores de la funcin de
probabilidad hasta el valor deseado:
F(X) = p (X x)

Siguiendo con el ejemplo


anterior, tenemos:
x

10

11

12

p(x)

1/36

2/36

3/36

4/36

5/36

6/36

5/36

4/36

3/36

2/36

1/36

F(x)

1/36

3/36

6/36

10/36 15/36 21/36 26/36 30/36 33/36 35/36 36/36

VALOR ESPERADO Y VARIANZA PARA


VARIABLE ALEATORIA DISCRETA

Sea X una variable aleatoria discreta con distribucin


de probabilidad p(x). Entonces el valor esperado o
medio de X es:
E X x p x xP( X x)

La varianza es:

V X E X 2 E 2 X

donde:

E X 2 x 2 p x x 2 P X x

EJEMPLO
Una compaa municipal de autobuses ha comenzado a operar en un nuevo
trayecto. Se cont el nmero de pasajeros de este trayecto en el servicio de
primera hora de la maana.
La tabla adjunta muestra las probabilidades sobre todos los das de la semana.

a) Cul es la probabilidad de que en un da de la semana elegido


aleatoriamente haya al menos cuatro viajeros en este servicio?
b)

Se eligen aleatoriamente dos das de la semana cul es la


probabilidad de en ambos das haya menos de tres viajeros en este
servicio?

Un miembro del consejo de Administracin de una empresa ha


comprobado que, si bien tofos los aos tienen una junta, ha habido aos
que tienen hasta cinco. Por la experiencia acumulada durante aos sabe
que el nmero de juntas anual se distribuye con arreglo a la siguiente
tabla:

Calcule:
a)

Sea X la variable nmero de juntas al ao Es variable


aleatoria discreta?
b) Calcular la funcin de probabilidad y la funcin de distribucin

Resolucin
a) La variable aleatoria X = nmero de juntas al ao es variable aleatoria discreta
ya que solo toma valores enteros
b) La funcin de probabilidad de la variable aleatoria X nos la da el enunciado

Distribucin acumulada

CASOS: Para determinar la probabilidad de


una variable aleatoria discreta
1) P[X a] = F(x a)

(ver tabla de distribucin acumulada)

2) P[X < a] = P[X (a-1)]


3) P[X = a] = (ver directamente en la tabla de P(x); o
P[X = a] = P[X a] - P[X (a-1)]
4) P[X a] = 1 - P[X (a-1)]

5) P[X > a] = 1 - P[X a]

6) P[a x b] = P[X b] - P[X (a-1)]

Aplicacin
Suponga que el nmero de accidentes por semana que ocurren
en una empresa es una variable aleatoria X con funcin de
distribucin de probabilidades dada por:

Hallar el Valor Esperado y la variancia de X.


La empresa incurre en una prdida semanal Y segn el
nmero de accidentes dada por Y = 10 + 8X. Hallar la
prdida esperada semanal.
Si en una semana se sabe que ocurri al menos un
accidente, cul es la probabilidad de que haya ocurrido
exactamente uno?

II. VARIABLE ALEATORIA CONTINUA: Funcin de


probabilidad y Funcin de distribucin acumulada.
Funcin de Probabilidad f(x)
La funcin de probabilidad (fp), representada comnmente como f(x), se
utiliza con el propsito de conocer cmo se distribuyen las probabilidades
de un suceso o evento, en relacin al resultado del suceso.
La funcin de densidad de una v.a. determina la concentracin de
probabilidad alrededor de los valores de una variable aleatoria continua.
La funcin de probabilidad
condiciones:

f(x) tiene que cumplir las siguientes

f ( xj ) 0, para todo - x

f x dx 1

P a X b f x dx
a

Funcin de distribucin

acumulada

F(X )

f t dt

VALOR ESPERADO Y VARIANZA PARA


VARIABLE ALEATORIA CONTINUA
Sea X una variable aleatoria continua con funcin de probabilidad
entonces su Valor Esperado o Media se define como:

Valor esperado o esperanza matemtica (Media)

Y:

Varianza o varianza matemtica

E( X )
2
x

2
X

x f(x)dx

xf(x) dx

f(x),

EJEMPLO
Sea X una V.A. con funcin de densidad:

EJEMPLO
Hallar la Esperanza Matemtica y Varianza del ejemplo anterior: