Fundamentos de

Probabilidad
Ing. Ferly Urday Luna

Definiciones

Experimento aleatorio: Un experimento aleatorio es todo proceso

que consiste de la ejecucin de un acto o prueba una o mas veces, cuyo
resultado en cada prueba depende del azar y en consecuencia no se
puede predecir con certeza.

Espacio muestral: Es el conjunto que consiste de todos los resultados

posibles de un experimento aleatorio. Se denota por (W). Cada resultado
posible del experimento aleatorio es un elemento del espacio muestral o
punto muestral.
a = {1,2,3,4,5,6}
b = {CCC, CCS, CSC, SCC, SSC, SCS, CSS, SSS}
d = {C, SC, SSC, SSSC, SSSSC,}
e = {t / t 0}
representa al conjunto de nmeros reales.
f = {(x,y) / x2 + y2 25}

Definiciones

Eventos o sucesos: Son cualquier subconjunto de un espacio

muestral.

El evento imposible, , es el que no tiene puntos muestrales, en

consecuencia no ocurre nunca.

Los eventos unitarios o elementales, {i}, son los que contienen un solo
punto muestral.

Los eventos compuestos, son los que contienen de dos a mas eventos.

El evento seguro o cierto, , es el mismo espacio muestral.

Definicin de Probabilidad
La probabilidad mide la mayor o menor posibilidad de que se d un determinado
resultado (suceso o evento) cuando se realiza un experimento aleatorio(.
Sea el espacio muestral asociado a un experimento aleatorio. La
probabilidad de cualquier evento A de , es el nmero real P(A).
Para calcular la probabilidad de un evento se usara la formula:

n(A)
P(A)=
n()

Teoremas de la probabilidad

Teorema N 1:

0 P(A) 1

Teorema N 2:

Si P(A) es la probabilidad de que suceda un evento A, entonces la probabilidad

de que no suceda A es: 1 - P(A).
Ejemplo:
Si la probabilidad de encontrar un error en una declaracin de impuestos
es 0.04 cul es la probabilidad de encontrar una sin errores (o conforme)?

P(A) = 1- P(A)
P(A) = 1 0.04
P(A) = 0.96
As, la probabilidad de encontrar una declaracin de impuestos conforme es 0.960.

Teorema N 3:
Si A y B son dos eventos mutuamente excluyentes, la probabilidad de
que suceda el evento A o el evento B es igual a la suma de sus
probabilidades respectivas:

P(A B) = P(A) + P(B)

Ejemplo:

Teorema 4.
Si el evento A y el evento B no son mutuamente excluyentes, la
probabilidad de que suceda el evento A o el evento B, o ambos, es:

P(A B) = P(A) + P(B) - P(A B)

Los eventos que no son mutuamente excluyentes son los que tienen
algunos resultados en comn.

Ejemplo:

Teorema N 5
La suma de las probabilidades de los eventos en una situacin es igua 1

Teorema N 6

Teorema N 6.
Si A y B son eventos independientes, la probabilidad de que ocurran A y
B es igual al producto de sus probabilidades respectivas:

P[AyB]=p[A]xp[B]

Teorema 7.
Si A y B son eventos dependientes, la probabilidad de que ocurran A y B
es igual al producto de la probabilidad de A por la probabilidad de que si
sucede A suceda tambin B:

P(A y B) = P(A)x P(B|A)

anterior

Revisar el conteo de eventos

Besterfield)

(Pag 296 de

La probabilidad
constituye la base
para el estudio de los
mtodos de la
ESTADISTICA
INFERENCIAL.-

Variable aleatoria
Son todas aquellas magnitudes donde cada uno de los
valores que pueda tomar, en un sistema de referencia o
poblacin, tiene asociada una cierta probabilidad de
ocurrencia.
Definicin: Se denomina variable aleatoria, a una
variable estadstica definida en un espacio muestral
Una variable aleatoria X es
una funcin definida en W
tal que a cada elemento i
le asocia el nmero
real x = X(i), ver en la
figura de la izquierda.

El dominio de la variable aleatoria X es el espacio muestral W y el rango es un

subconjunto de los nmeros reales que se denotar por RX, siendo,
RX = {x / x = X(), }

Variable aleatoria discreta

La funcin X es una variable aleatoria discreta, si el rango de X es

contable (finito o infinito numerable). Una V.A. discreta asume cada uno
de sus valores con cierta probabilidad que denotaremos por
PX(Probabilidad inducida por X). En efecto si e rango de la variable
aleatoria X es el conjunto finito de nmeros, RX = {1;2;...;Xn} y si B =
{xi} es un evento en RX, entonces:

P(xi) = P[X = xi] = P[w W / X(w) = xi]; i = 1;2;3;

..

Ejemplo

Sea W el espacio muestral de lanzar al aire una moneda tres veces consecutivas, esto es,
W = {SSS, SSC, SCS, CSS, SCC, CSC, CCS, CCC}.

Si X se define en W como el nmero de caras obtenidas, entonces, X es una variable

aleatoria cuyo rango es el conjunto: RX = {0;1;2;3;4}. En efecto,

X = 0; corresponde al elemento elemental {SSS}.

X = 1; corresponde a los elementos elementales {SSC}, {SCS}, {CSS}.

X = 2; corresponde a los elementos elementales {SCC}, {CSC}, {CSS}.

X = 3; corresponde al elemento elemental {CCC}.

P[X = 0] = P({SSS}) = 1/8

P[X = 1] = P({SSC o SCS o CSS}) = 3/8

P[X = 2] = P({SCC o CSC o CSS}) = 3/8

P[X = 3] = P({CCC}) = 1/8

Esperanza matemtica
La media de una v.a. X o media de la distribucin de probabilidad de X
es un nmero real que se denota por X o por . La media es
denominada tambin, esperanza matemtica o valor esperado de X, se
denota tambin por E(X)
La media de una variable aleatoria discreta X con funcin de
probabilidad f (x) es la expresin:

E(X)

x f (x )

x i R X

Varianza

E ( X ) ( x i ) f ( xi )
2
X

Var(X) = E(X2)-2

Distribucin binomial

Las n pruebas son estadsticamente independientes

Los resultados de cada prueba son dos mutuamente excluyentes, xito

(E) y fracaso(F).

La probabilidad de xito en invariante en cada una de las pruebas.

n k nk
f ( x) P[ X k ] p q , con k 0,1,2,3..., n
k
0,

n k nk
p q , si x 0,1,2,..., n 1

k 0 k
1,
si x n
n

F ( x ) P[ X x]

Si

si x 0

X ~ B(n, p) , entonces:

E ( X ) np

2 Var ( X ) npq

Distribucin Poisson
Se aplica a problemas donde la variable aleatoria es el nmero de eventos independientes
que ocurren en un intervalo de tiempo, o en una regin plana(con un promedio dado), por
ejemplo, entre otros:
a) Nmero de llamadas que recibe una central telefnica en el periodo de un minuto.
b) Nmero de accidentes de trabajo que ocurren en una fabrica durante una semana.
c) Nmero de fallas en la superficie de una cermica rectangular.
d) Nmero de bacterias en un volumen de un m3 de agua.

e
f ( x) P[ X x]
, Con x 0,1,2....
x!
x

E ( X ) 2 Var ( X )
Para la extensin del intervalo:

P[ X k ]

e .t t
k!

,Con k 0,1, 2....,etc

Distribucin normal

Se dice que una variable aleatoria continua, X, que toma los valores
reales, - < < , se distribuye normalmente ( o ms brevemente es
normal) con parmetros y y se describe por X~N(,2), si su funcin
de densidad es:

1
f ( x)
e
2

1 x

X
z

Tarea.

Desarrollar en el cuaderno los ejercicios del capitulo 7 del libro de

Besterfield