Experimentos deterministas

Son los experimentos de los que podemos predecir el resultado antes de que se realicen.

Ejemplo

Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la pelota
bajará. Si la arrojamos hacia arriba, sabemos que subirá durante un determinado intervalo
de tiempo; pero después bajará.

Experimentos aleatorios

S o n a q u e l l o s e n l o s q u e n o s e p u e d e p r e d e c i r e l r e s u l t a d o , ya q u e é s t e d e p e n d e d e l a z a r .

Ejemplos

Si lanzamos una moneda no sabemos de antemano si saldrá cara o cruz.

Si lanzamos un dado tampoco podemos determinar el resultado que vamos a obtener.

Teoría de probabilidades

La t e o r í a d e p r o b a b i l i d a d e s s e o c u p a d e a s i g n a r u n c i e r t o n ú m e r o a c a d a p o s i b l e
resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos
resultados y saber si un suceso es más probable que otro. Con este fin, introduciremos
algunas definiciones:

Suceso

Es cada uno de los resultados posibles de una experiencia aleatoria.

Al lanzar una moneda salga cara.

Al lanzar un DADO se obtenga 4.

Espacio muestral

Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo

representaremos por E (o bien por la letra griega Ω).

Espacio muestral de una moneda:

E = {C, X}.

Espacio muestral de un dado:

E = {1, 2, 3, 4, 5, 6}.

Suceso aleatorio

Suceso aleatorio es cualquier subconjunto del espacio muestral.

Por ejemplo al tirar un dado un suceso sería que saliera par, otro, obtener múltiplo de 3, y
otro, sacar 5.

Ejemplo

Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. Calcular:

1. El espacio muestral.

E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}

2. El suceso A = {extraer tres bolas del mismo color}.

B = {(b,b,b); (n, n,n)}

3. El suceso A = {extraer al menos una bola blanca}.

B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}

4. El suceso A = {extraer una sola bola negra}.

A = {(b,b,n); (b,n,b); (n,b,b)} Espacio de sucesos, S, es el conjunto de todos los sucesos

aleatorios.
Suceso elemental

Suceso elemental es cada uno de los elementos que forman parte del espacio muestral.

Por ejemplo al tirar un dado un suceso elemental es sacar 5.

Suceso compuesto

Suceso compuesto es cualquier subconjunto del espacio muestral.

Por ejemplo al tirar un dado un suceso sería que saliera par, otro, obtener múltiplo de 3.

Suceso seguro

Suceso seguro, E, está formado por todos los posibles resultados (es decir, por el espacio
muestral).

Por ejemplo al tirar un dado un dado obtener una puntuación que sea menor que 7.

Suceso imposible

Suceso imposible, , es el que no tiene ningún elemento.

Por ejemplo al tirar un dado obtener una puntuación igual a 7.

Sucesos compatibles

Dos sucesos, A y B, son compatibles cuando tienen algún suceso elemental común.

Si A es sacar puntuación par al tirar un dado y B es obtener múltiplo de 3, A y B son

compatibles porque el 6 es un suceso elemental común.

Sucesos incompatibles

Dos sucesos, A y B, son incompatibles cuando no tienen ningún elemento en común.

Si A es sacar puntuación par al tirar un dado y B es obtener múltiplo de 5, A y B son

incompatibles.
Sucesos independientes

Dos sucesos, A y B, son independientes cuando la probabilidad de que suceda A no se ve

a f e c t a d a p o r q u e h a ya s u c e d i d o o n o B .

Al lazar dos dados los resultados son independientes.

Sucesos dependientes

Dos sucesos, A y B, son dependientes cuando la probabilidad de que suceda A se ve

a f e c t a d a p o r q u e h a ya s u c e d i d o o n o B .

Extraer dos cartas de una baraja, sin reposición, son sucesos dependientes.

Suceso contrario

El suceso contrario a A es otro suceso que se realiza cuando no se realiza A., Se denota por

Son sucesos contrarios sacar par e impar al lanzar un dado.

Si tiramos una moneda el espacio se sucesos está formado por:

S= { , {C}, {X}, {C,X}}.

Observamos que el primer elemento es el suceso imposible y el último el suceso seguro.

Si E tiene un número finito de elementos, n, de elementos el número de sucesos de E es 2n

Una moneda E= {C, X}.

Número de sucesos = 22 =4

Dos monedas E= {(C,C); (C,X); (X,C); (X,X)}.

Número de sucesos = 24 =16

Un dado E = {1, 2, 3, 4, 5, 6}.

Número de sucesos = 26 = 64
 UNITAT 10 DE 1R

Se llama variable aleatoria a toda función que asocia a cada elemento del espacio
muestral OMEGA un número real.

S e u t i l i z a n l e t r a s m a yú s c u l a s X , Y , . . . p a r a d e s i g n a r v a r i a b l e s a l e a t o r i a s , y l a s r e s p e c t i v a s
m i n ú s c u l a s ( x , y, . . . ) p a r a d e s i g n a r v a l o r e s c o n c r e t o s d e l a s m i s m a s .

Variable aleatoria discreta

Una variable aleatoria discreta es aquella que sólo puede tomar valores enteros.

Ejemplos

El número de hijos de una familia, la puntuación obtenida al lanzar un dado.

Variable aleatoria continua

Una variable aleatoria continua es aquella que puede tomar todos los valores posibles
dentro de un cierto intervalo de la recta real.

Ejemplos

La a l t u r a d e l o s a l u m n o s d e u n a c l a s e , l a s h o r a s d e d u r a c i ó n d e u n a p i l a .

Función de probabilidad

Se llama función de probabilidad de una variable aleatoria discreta X a la aplicación que

asocia a cada valor de xi de la variable su probabilidad pi.

0 ≤ pi ≤ 1

p1 + p2 + p3 + · · · + pn = Σ pi = 1

Ejemplo

Calcular la distribución de probabilidad de las puntuaciones obtenidas al lanzar un dado.

x P i
 1

Representación

La r e p r e s e n t a c i ó n d e u n a d i s t r i b u c i ó n d i s c r e t a d e p r o b a b i l i d a d e s u n d i a g r a m a d e

barras.
S e a X u n a v a r i a b l e a l e a t o r i a d i s c r e t a c u yo s v a l o r e s s u p o n e m o s o r d e n a d o s d e m e n o r a
m a yo r . Ll a m a r e m o s f u n c i ó n d e d i s t r i b u c i ó n d e l a v a r i a b l e X , y e s c r i b i r e m o s F ( x ) a l a
función

F(x) = p(X ≤ x)

La función de distribución asocia a cada valor de la variable aleatoria la probabilidad

acumulada hasta ese valor.

Ejemplo

Calcular la función de distribución de probabilidad de las puntuaciones obtenidas al

lanzar un dado.

X p i

x <1 0

1≤ x < 2

2≤ x < 3

3≤ x < 4

4≤ x < 5

5≤ x < 6

6≤ x 1
R e p r e s e n t a c i ó n La r e p r e s e n t a c i ó n d e u n f u n c i ó n d e d i s t r i b u c i ó n d e p r o b a b i l i d a d e s u n a

gráfica escalonada.

Esperanza matemática o media

Varianza

Desviación típica

Ejemplo

Calcular la esperanza matemática, la varianza, y la desviación típica , de la distribución

de probabilidad de las puntuaciones obtenidas al lanzar un dado.

2
x p i x· p i x ·pi

2
3

6 1 6
Un experimento sigue el modelo de la distribución binomial o de Bernoulli si:

1. En cada prueba del experimento sólo son posibles dos resultados: el suceso A (éxito) y

su contrario .

2 . La p r o b a b i l i d a d d e l s u c e s o A e s c o n s t a n t e , e s d e c i r , q u e n o v a r í a d e u n a p r u e b a a o t r a .
Se representa por p.

3.El resultado obtenido en cada prueba es independiente de los resultados obtenidos

anteriormente.

Variable aleatoria binomial

La v a r i a b l e a l e a t o r i a b i n o m i a l , X , e x p r e s a e l n ú m e r o d e é x i t o s o b t e n i d o s e n c a d a p r u e b a
del experimento.

La v a r i a b l e b i n o m i a l e s u n a v a r i a b l e a l e a t o r i a d i s c r e t a , s ó l o p u e d e t o m a r l o s v a l o r e s 0 ,
1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.

Ejemplo

k = 6, al lanzar una moneda 10 veces y obtener 6 caras.

Distribución binomial

La d i s t r i b u c i ó n b i n o m i a l s e s u e l e r e p r e s e n t a r p o r B ( n , p ) .

n es el número de pruebas de que consta el experimento.

p es la probabilidad de éxito.

La p r o b a b i l i d a d d e es 1− p, y la representamos por q.

La f u n c i ó n d e p r o b a b i l i d a d d e l a d i s t r i b u c i ó n b i n o m i a l , t a m b i é n d e n o m i n a d a f u n c i ó n d e
la distribución de Bernoulli, es:
n es el número de pruebas.

k es el número de éxitos.

p es la probabilidad de éxito.

q es la probabilidad de fracaso.

El número combinatorio

Ejemplo

La ú l t i m a n o v e l a d e u n a u t o r h a t e n i d o u n g r a n é x i t o , h a s t a e l p u n t o d e q u e e l 8 0 % d e l o s
l e c t o r e s ya l a h a n l e i d o . U n g r u p o d e 4 a m i g o s s o n a f i c i o n a d o s a l a l e c t u r a :

1 . ¿ C u á l e s l a p r o b a b i l i d a d d e q u e e l g r u p o h a ya n l e i d o l a n o v e l a 2 p e r s o n a s ?

n = 4

p = 0.8

q = 0.2

B(4, 0.2)

2.¿Y al menos 2?
Media

Varianza

Desviación típica

Ejemplo

La p r o b a b i l i d a d d e q u e u n a r t í c u l o p r o d u c i d o p o r u n a f a b r i c a s e a d e f e c t u o s o e s p 0 . 0 0 2 . S e
envió un cargamento de 10.000 artículos a unos almacenes. Hallar el número esperado de
artículos defectuosos, la varianza y la desviación típica.