PROYECTO TÍTULO V

PROF. JUAN L. TORRES

OCASIO
 La Universidad Interamericana de Puerto Rico,
Recinto de Guayama, en colaboración con el
proyecto Título V, ha desarrollado una serie de
módulos instruccionales para cursos de
matemática y estadística. Un módulo instruccional
es una unidad autónoma de estudio independiente
diseñada para individualizar y facilitar el
aprendizaje. Es una herramienta adicional que le
brinda al estudiante otras opciones de estudio. El
estudiante tiene la oportunidad de aprender de
forma individualizada.
Antes de comenzar a estudiar los módulos debes
contestar la pre-prueba. Es importante que pongas
interés al contestarla.
Te invito a que repases los temas presentados en
los módulos y de tener dudas consulta con el
profesor asignado al curso.
Este módulo se propone ampliar las
actividades de enseñanza y aprendizaje
básicas aplicadas a las matemáticas y la
estadística, incluidos en el Proyecto Título V
Cooperativo: “Fortaleciendo los logros
académicos por medio de un consorcio para
incorporar tecnología en el currículo básico”.
El proyecto está integrado por la Pontificia
Universidad Católica de Puerto Rico en
Ponce desde donde se dirige y sus recintos
de Arecibo, Mayagüez y Guayama; la
Escuela de Artes Plásticas de Puerto Rico y
el Recinto de Guayama de la Universidad
Interamericana.
PREPRUEBA
1. Un experimento tiene cuatro etapas,
con dos resultados posibles en la
primera etapa, cuatro en la segunda,
tres en la tercera y dos en la cuarta.
¿Cuántos resultados experimentales
hay en el experimento?.
PREPRUEBA
2. Un individuo asignó de manera
subjetiva las siguientes probabilidades
a cinco resultados en un experimento.
P(E1) = 0.20, P(E2) = 0.30, P(E3) =
0.15, P(E4) = 0.20, P(E5) = 0.15.
Demuestre que la asignación de
probabilidades cumple con los
requisitos de probabilidad.
PREPRUEBA

3. Una muestra de tamaño n tomada de una

población de tamaño N, para obtener
datos y hacer inferencias sobre las
características de una población. Suponga
que tenemos una población de 50 cuentas
bancarias y que deseamos tomar una
muestra aleatoria de cuatro para
caracterizar a la población. ¿Cuántas
muestras aleatorias distintas es posible
formar con cuatro cuentas.
PREPRUEBA
4. Piense que un espacio muestral tiene cinco
resultados experimentales igualmente
posibles: E1, E2, E3, E4, E5. Sean,
A = {E1, E2} B = {E3, E4}
C = {E2, E3, E5}
a. determine P(A), P(B) y P(C)
b. determine P(AUB)
c. determine P(A∩B)
 La probabilidad es una medida
numérica entre 0 y 1 de la posibilidad
de que ocurra un evento. Una
probabilidad cercana a 1 indica el grado
de certeza de que el evento ocurrirá.
Mientras que una probabilidad cercana
a 0 indica que es difícil que el evento
ocurra.
 Un experimento es cualquier proceso que
produce o genera resultados bien definidos,
como presentamos a continuación:

Experimento Resultados
Lanzar una moneda cara, cruz
Tirar un dado 1, 2, 3, 4, 5, 6
Jugar un partido ganar, perder empatar
 Es el conjunto de todos los resultados
experimentales. Un resultado
experimental también se le conoce
como punto muestral. Por ejemplo, si
lanzamos una moneda tenemos dos
resultados experimentales (puntos
muestrales), cara o cruz.
 Cuando asignamos probabilidades a
eventos es necesario conocer y
contar el número de resultados
experimentales. A continuación
analizamos tres reglas de conteo:
 Experimento de varias etapas -
considere el experimento de lanzar
dos monedas. ¿cuántos resultados
experimentales son posibles en este
experimento?
Este evento se puede considerar un
experimento de dos pasos; primero,
lanza la primera moneda y el segundo
lanzar la segunda moneda. Si la (A)
representa la cara de la moneda y la (B)
la cruz de la moneda, (A, A) denota el
resultado experimental con una cara en
la primera moneda lanzada y una cara
en la segunda moneda lanzada.
Si (S) representa el espacio muestral de
lanzar las monedas podemos obtener lo
siguiente:
S = { (A, A), (A, B), (B, A), (B, B) }
Así, que tenemos cuatro resultados
experimentales.
La regla de conteo para experimentos de
etapas múltiples indica que si un experimento
se puede describir como una sucesión 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). Si el
experimento de lanzar dos monedas (N1 = 2)
y luego lanzar otra (N2 = 2), podemos inferir
de la regla de conteo que hay (2)(2) = 4
resultados experimentales distintos.
 La segunda regla de conteo que
estaremos analizando son las
combinaciones. La regla de
combinaciones nos permite contar la
cantidad de resultados
experimentales cuando en un
experimento se deben seleccionar n
objetos entre un conjunto de N
objetos.
La cantidad de N objetos tomando n a la vez
es:
N N!
c  
N

 n  n!( N  n)!
n

donde N! = N (N-1)(N-2)….(2)(1)
n! = n (n-1)(n-2)….(2)(1)
y 0! = 1
La notación ! Significa factorial; por ejemplo,
4 factorial es 4! = (4)(3)(2)(1) = 24 . Por
definición 0! = 1
Utilizando la regla de combinaciones
podemos calcular la probabilidad de la
cantidad de maneras en que se pueden
seleccionar 6 números distintos de entre un
grupo de 42 para ganar la loto.

N N!
c  
N

 n  n!( N  n)!
n
C  
42
6 
42!

42!
6!(42  6)! 6!36!
(42)( 41)( 40)(39)(38)(37) 3,776,965,920
 
(6)(5)( 4)(3)( 2)(1) 720
 5,245,786
La regla de conteo para combinaciones
indica que hay más de 5 millones de
resultados experimentales para determinar el
ganador de la loto.
 La tercera regla de conteo que
analizaremos son las permutaciones. Ésta
permite calcular el número de resultados
experimentales al seleccionar n objetos
de un conjunto de N objetos, donde es
importante el orden de selección es
importante. Las permutaciones tienen una
estrecha relación con las combinaciones.
Sin embargo, un experimento tiene más
permutaciones que combinaciones.
 El número de permutaciones de N objetos
tomando n a la vez está dado por:

p  n!
N
n  
N
n 
N!
N  n!
 En esta sección veremos como se
pueden asignar las probabilidades a los
resultados experimentales. Las
probabilidades asignadas deben
satisfacer dos requisitos básicos de la
probabilidad:
1. La probabilidad asignada a cada
resultado experimental debe estar entre
0 y 1, inclusive. Si denotamos con Ei el
resultado experimental y P (Ei ) es su
probabilidad, entonces este
requerimiento se puede escribir como:
0≤ P (Ei) ≤ 1 para toda i
2. La suma de las probabilidades para
los resultados experimentales debe
ser igual a uno (1). Para n resultados
experimentales, este requerimiento se
puede escribir como:
P (E1) + P (E2) + …. P (En) = 1
 Veamos como podemos demostrar que
se cumplen los dos requisitos antes
mencionados.
 Ejemplo,
Suponga que un experimento tiene
cinco resultados igualmente probables:
E1, E2, E3, E4, E5. Asigne probabilidades
a cada evento y demuestre que cumple
con los dos requisitos de probabilidad.
P (E1) + P (E2) + P (E3) + P (E4) + P (E5)

0.20 + 0.20 + 0.20 + 0.20 + 0.20 = 1.00

La asignación de probabilidad a los

eventos es un número entre 0 y 1.

La suma de las probabilidades es igual

a 1.
 Para asignar valores de probabilidad
a los resultados experimentales se
usan varios métodos:
1. Método clásico – se usa cuando los
resultados son igualmente probables.
Por ejemplo, si lanzamos una moneda
tenemos dos resultados igualmente
probables, 0.50 que sea cara y 0.50
que sea cruz.
2. Método de frecuencia relativa – es
apropiado cuando se cuenta con
datos para estimar la proporción del
tiempo en que ocurrirá el resultado
experimental. Para explicar este
método considere que un Gerente
desea conocer si el nuevo producto
va a ser comprado por los clientes. Se
hace una encuesta por teléfono para
conocer si los clientes compran o no
el producto.
 ASIGNACIÓN DE
PROBABILIDADES (CONT.)
A continuación se presentan los
resultados de la encuesta. Se realizaron
300 llamadas de las cuales 200
resultaron que comprarían el producto y
100 contestaron que no comprarán el
producto. ¿Cuál es la probabilidad de
que al hacer una llamada el cliente
comprará el producto? 200/300 = 0.67 y
¿cuál es la probabilidad de que no
compre el producto? 100/300 = 0.33
MÉTODOS EN LA ASIGNACIÓN
DE PROBABILIDADES
3. Método subjetivo - expresa el grado de
creencia de la persona que hace el
estudio, y depende del conocimiento
que esta persona tenga sobre el tema.
Precisamente por su carácter de
subjetividad no se considera con
validez científica. Con este método
puede darse el caso de que dos
personas asignen probabilidades
distintas al mismo evento.
 EVENTOS Y SUS
PROBABILIDADES

Evento – un evento es un conjunto de

puntos muestrales.

Probabilidad de un evento – la
probabilidad de un evento es igual a
la suma de las probabilidades de los
puntos muestrales en el evento.
COMPLEMENTO DE UN EVENTO
 Dado un evento llamado A se define como
el evento formado por todos los puntos
muestrales que no están A. El complemento
c

de A se representa con A.
 La probabilidad de un evento mediante el
complemento se describe a continuación:
   
P A  P A  1 al despejar por P (A)
c

P  A  1  P  A 
obtenemos
c
 La unión de A y B es el evento que contiene
todos los puntos muestrales que pertenecen a
A o B, o ambos. La unión de A y B se
representa con (A U B). Por ejemplo:

Sean A = { E1, E2, E4 } y B = { E3, E5 }

La unión de A y B se presenta como sigue

(A U B) = { E1, E2, E3, E4, E5 }

LEY ADITIVA
 La ley aditiva es útil cuando se tienen
dos eventos A y B, y se desea conocer
la probabilidad de que ocurra al menos
uno de ellos. La probabilidad de la
unión de A y B, P(AUB) es igual a la
suma de la probabilidad de A más la
probabilidad de B. Esto es, si los
eventos A y B son mutuamente
excluyentes.
P(AUB) = P(A) + P(B)
 ¿QUÉ SON EVENTOS
MUTUAMENTE EXCLUYENTES?

 Se dice que dos eventos son

mutuamente excluyentes si no tienen
puntos muestrales en común.
 La probabilidad de la unión de dos
eventos A y B, empleando la ley aditiva
para eventos mutuamente excluyentes,
se obtiene como sigue:
P(AUB) = P(A) + P(B)
 Dados dos eventos, A y B, la
intersección de A y B es el evento que
contiene los puntos muestrales que
pertenecen simultáneamente a A y B,
y se representa como (A ∩ B). Por
ejemplo, Sean A = {E1, E4, E5} y
B = {E2, E3, E4}
La intersección de A y B (A ∩ B) = {E4}
POSPRUEBA
 Resuelve los siguientes ejercicios.
1. Una muestra de tamaño n tomada de una
población de tamaño N, para obtener datos
y hacer inferencias sobre las características
de una población. Suponga que tenemos
una población de 50 cuentas bancarias y
que deseamos tomar una muestra aleatoria
de cuatro para caracterizar a la población.
¿Cuántas muestras aleatorias distintas es
posible formar con cuatro cuentas.
POSPRUEBA
2. Piense que un espacio muestral tiene
cinco resultados experimentales igualmente
posibles: E1, E2, E3, E4, E5. Sean,
A = {E1, E2} B = {E3, E4}
C = {E2, E3, E5}
a. determine P(A), P(B) y P(C)
b. determine P(AUB)
c. determine P(A∩B)
POSPRUEBA
3. Un individuo asignó de manera
subjetiva las siguientes probabilidades
a cinco resultados en un experimento.
P(E1) = 0.20, P(E2) = 0.30, P(E3) =
0.15, P(E4) = 0.20, P(E5) = 0.15.
Demuestre que la asignación de
probabilidades cumple con los
requisitos de probabilidad.
POSPRUEBA
4. Un experimento tiene cuatro etapas,
con dos resultados posibles en la
primera etapa, cuatro en la segunda,
tres en la tercera y dos en la cuarta.
¿Cuántos resultados experimentales
hay en el experimento?.
BIBLIOGRAFÍA
 Anderson, Sweeney, Williams (2004).
Estadística para Administración y
Economía . (8ª ed.). México:
Internacional Thomson