PD - PRO1 Curso Probabilidad Unad

Probabilidad I
Programa desarrollado

Educacin Superior Abierta y a Distancia Ciencias Exactas, Ingenieras y Tecnologa 1

rea de Ciencias Exactas, Ingenieras y Tecnolgicas

Cuatrimestre TRES

Programa de la asignatura:
Probabilidad I
Clave:
050910311

Febrero de 2011

Probabilidad I


SECRETARA DE EDUCACIN PBLICA

Alonso Lujambio Irazbal

SUBSECRETARA DE EDUCACIN SUPERIOR

Rodolfo Tuirn Gutirrez

PROGRAMA DE EDUCACIN SUPERIOR ABIERTA Y A DISTANCIA
COORDINACIN GENERAL

Manuel Quintero Quintero

COORDINACIN ACADMICA

Soila del Carmen Lpez Cuevas

DISEO INSTRUCCIONAL

Karla Contreras Chvez

EVALUACIN Y ACREDITACIN DE PROGRAMAS EDUCATIVOS

Karina Montao

AGRADECEMOS LA COLABORACIN EN EL DESARROLLO DE ESTE MATERIAL A:

Mtra. Hayde Gmez Daz y Mtro. Salvador Bernardo Martnez Jimnez

Secretara de Educacin Pblica, 2011

Probabilidad I


Tabla de contenidos
I. Informacin general de la asignatura __________________________________________ 6
a. Ficha de identificacin _____________________________________________________ 6
b. Descripcin ______________________________________________________________ 6
c. Propsito _______________________________________________________________ 7
II. Fundamentacin de la asignatura ____________________________________________ 8
III. Competencia(s) a desarrollar _______________________________________________ 8
IV. Temario _________________________________________________________________ 8
V. Metodologa de trabajo ____________________________________________________ 10
VI. Evaluacin _____________________________________________________________ 11
VII. Materiales de apoyo _____________________________________________________ 12
VIII. Desarrollo de contenidos por unidad _______________________________________ 14
UNIDAD 1. INTRODUCCIN A LA PROBABILIDAD _______________________________ 14
Propsito de la unidad ______________________________________________________ 14
Competencia especfica _____________________________________________________ 14
Presentacin de la unidad ___________________________________________________ 14
1.1. Fundamentos__________________________________________________________ 14
1.1.1. Importancia de la probabilidad _________________________________________ 15
Actividad 1. Por qu aprender probabilidad? __________________________________ 16
1.1.2. Experimento aleatorio ________________________________________________ 16
1.1.3. Eventos simples y compuestos _________________________________________ 18
1.1.4. Espacio muestral ____________________________________________________ 19
Actividad 2. Construye conceptos a travs de ejemplos ___________________________ 22
1.1.5. Tcnicas de conteo __________________________________________________ 22
Actividad 3. Construye conceptos a travs de ejemplos ___________________________ 31
Actividad 4. Espacio muestral de un experimento ________________________________ 31
1.2. Enfoques para el clculo de probabilidades __________________________________ 32
1.2.1. Enfoque clsico _____________________________________________________ 32
1.2.2. Enfoque de frecuencia relativa _________________________________________ 33
1.2.3. Enfoque subjetivo ___________________________________________________ 34
1.3. Reglas bsicas ________________________________________________________ 35
1.3.1. Regla general para suma de eventos ____________________________________ 35
1.3.2. Regla para suma de eventos excluyentes _________________________________ 38
Actividad 5. Probabilidades de uno o ms eventos _______________________________ 40
Evidencia de aprendizaje. Reflexin sobre el respeto a las reglas de trnsito ____________ 41
Consideraciones especficas de la unidad _______________________________________ 42
Fuentes de consulta ________________________________________________________ 43

Probabilidad I


UNIDAD 2. TEORA DE LA PROBABILIDAD _____________________________________ 45
2.1. Clculo de probabilidades ________________________________________________ 45
2.1.1. Definicin de probabilidad _____________________________________________ 46
Actividad 1. Aplicaciones de probabilidad simple y condicional _____________________ 47
2.1.2. Axiomas de probabilidad ______________________________________________ 47
2.1.3. Teoremas de probabilidad _____________________________________________ 48
Actividad 2. Axiomas y teoremas en el clculo de probabilidades ___________________ 49
2.2. Probabilidad condicional _________________________________________________ 50
Actividad 3. Por qu nace la probabilidad condicional? __________________________ 51
2.2.1. Definicin de probabilidad condicional ___________________________________ 51
Actividad 4. Reglas para el clculo de probabilidades condicionales _________________ 55
2.2.2. Eventos independientes ______________________________________________ 57
Actividad 5. Eventos independientes _________________________________________ 60
2.2.3. Teorema de Bayes __________________________________________________ 61
Actividad 6. Teorema de Bayes _____________________________________________ 68
Evidencia de aprendizaje. Aplicacin del teorema de Bayes en las reglas de trnsito _____ 69
Consideraciones especficas de la unidad _______________________________________ 71
Fuentes de consulta ________________________________________________________ 72
UNIDAD 3. MODELOS DE PROBABILIDAD DISCRETOS ___________________________ 73
3.1. Modelos de probabilidad _________________________________________________ 74
3.1.1. Modelos determinsticos vs. probabilsticos _______________________________ 74
3.2. Variable aleatoria discreta ________________________________________________ 76
3.2.1. Definicin de variable aleatoria discreta __________________________________ 77
3.2.2. Distribucin de probabilidad ___________________________________________ 78
3.2.3. Valor esperado y varianza de una variable aleatoria discreta __________________ 79
3.3. Modelos de probabilidad para variables aleatorias discretas _____________________ 82
3.3.1. Modelo Binominal ___________________________________________________ 82
Actividad 1. En qu reas se aplica el modelo Binomial? _________________________ 84
Actividad 2. Aplicacin de la distribucin Binomial _______________________________ 85
3.3.2. Modelo de Poisson __________________________________________________ 86
Actividad 3. En qu reas se aplica el modelo Poisson? _________________________ 88
Actividad 4. Aplicacin del modelo Poisson ____________________________________ 89
3.3.3. Modelo Hipergeomtrico ______________________________________________ 90
Actividad 5. En qu reas se aplica el modelo Hipergeomtrico? __________________ 92

Probabilidad I


Actividad 6. Aplicacin del modelo Hipergeomtrico ______________________________ 93
Evidencia de aprendizaje. Quin ganar las elecciones? __________________________ 94
Consideraciones especficas de la unidad _____________________________________ 96
Fuentes de consulta ______________________________________________________ 96
UNIDAD 4. MODELOS DE PROBABILIDAD CONTINUOS ___________________________ 98
4.1. Variables aleatorias continuas ____________________________________________ 100
4.1.1. Definicin de variable aleatoria continua _________________________________ 100
4.1.2. Funcin de densidad de probabilidad ___________________________________ 100
Actividad 1. Ejemplos de funciones de densidad _______________________________ 102
4.1.3. Funcin de distribucin de probabilidad _________________________________ 103
4.2. Modelos de probabilidad para variables aleatorias continuas ____________________ 103
4.2.1. Distribucin uniforme continua ________________________________________ 104
4.2.2. Distribucin normal _________________________________________________ 106
Actividad 2. Importancia del modelo normal en la estadstica ______________________ 109
Actividad 3. Valores y parmetros para el clculo de probabilidades ________________ 110
4.2.3. Distribucin normal estndar __________________________________________ 111
Actividad 4. Aplicacin del clculo de probabilidad normal ________________________ 113
Evidencia de aprendizaje. Modelando las ganancias de una empresa ________________ 115
Consideraciones especficas de la unidad ______________________________________ 117
Fuentes de consulta _______________________________________________________ 117

Probabilidad I


I. Informacin general de la asignatura
a. Ficha de identificacin
Divisin Ciencias Exactas, Ingenieras y Tecnologa
Nombre de la licenciatura o ingeniera Licenciatura en matemticas
Nombre del curso o asignatura Probabilidad I
Clave de asignatura 050910311
Seriacin Probabilidad II
Cuatrimestre Tercero
Horas contempladas 72

b. Descripcin
La probabilidad es una rama de la matemtica empleada para modelar diversas situaciones en donde est
presente el azar o la incertidumbre, como ejemplo tenemos diversas situaciones presentes en las ciencias
econmico-administrativas, en las ciencias de la salud, en las ciencias naturales y en s en casi todas las
disciplinas, as como en la vida cotidiana: cuando un inversionista enfrenta riesgos al elegir una accin, un
agricultor al proceder a la siembra, una compaa de seguros al asegurar un auto, una poblacin ante la
amenaza de inundacin y una empresa de transporte en el riesgo de perder la carga.
Por otro lado es preciso mencionar que la probabilidad juega un papel muy importante en la inferencia
estadstica, ya que muchas decisiones se toman usando solo una pequea parte de la informacin de una
poblacin, por ejemplo en la salud de un enfermo se determina a partir de una pequea muestra de su
sangre, o la calidad de un proceso de produccin, seleccionando una muestra de los artculos producidos.
En estos procesos la probabilidad mide los riesgos inherentes a la incertidumbre debida a la informacin
contenida en la muestra. Este curso de probabilidad proporciona las bases para calcular la probabilidad de
enfrentar estos riesgos.
El enfoque de la asignatura se basa en la probabilidad clsica y la probabilidad relativa, donde los
experimentos aleatorios presentan resultados con la misma probabilidad de que suceda y cuando las
muestras para obtener el resultado posible son de tamao grande, respectivamente. Al finalizar, se podr
utilizar y seleccionar reglas bsicas, clculo de probabilidad y modelos probabilsticos para poder predecir
los resultados posibles, en situaciones donde se presenta un cierto grado de incertidumbre.
La asignatura, que se encuentra dentro del tercer cuatrimestre de la licenciatura de Matemticas, te
permitir conocer diversos enfoques y sentar las bases para aplicar axiomas, teoremas en el clculo de
probabilidades, as como aplicar algunos modelos de probabilidad bsicos que son de gran utilidad en la
mayora de los problemas de inferencia estadstica.

Probabilidad I


La probabilidad se encuentra relacionada con otras reas del conocimiento, por lo que ser base para otras
asignaturas como Probabilidad II, Estadstica, Anlisis combinatorio y Procesos estocsticos. Por ejemplo,
la estadstica es una medicin cuantitativa de fenmenos y su relacin es que la probabilidad estudia la
posibilidad de que ocurra un cierto evento dentro de un estudio estadstico.
En la unidad 1. Introduccin a la probabilidad. Se estudiaran los diferentes enfoques para el clculo de
probabilidades y las reglas bsicas.
En la unidad 2. Teora de la probabilidad. Se abordan los axiomas y teoremas para el clculo de
probabilidades y probabilidades condicionales.
En la unidad 3. Modelos de probabilidad discretos. Se estudian los modelos de probabilidad para variables
aleatorias discretas: Bernoulli, Binomial, Hipergeomtrico y Poisson.
En la unidad 4. Modelos de probabilidad continuos. Se estudian modelos de probabilidad para variables
aleatorias continuas: uniforme continua, normal y normal estndar.
Al finalizar, el egresado ser capaz de interpretar los resultados de los anlisis de la informacin para
establecer concordancias y diferencias en la toma de decisiones.

c. Propsito
El propsito de la asignatura es formar profesionales competentes en el uso de la probabilidad, con un
conjunto de habilidades que posibiliten el conocimiento, de acuerdo con propsitos concretos y en
contextos especficos que promuevan el aprendizaje y el crecimiento individual, la interaccin y la
convivencia en su vida acadmica y social.
Por lo tanto en el curso:
- Identificars los conceptos bsicos de probabilidad como experimento aleatorio, espacio muestral,
eventos, probabilidad clsica, relativa y subjetiva que fundamentan el clculo de probabilidades.
- Aplicars las tcnicas de conteo, para hallar el nmero de ocurrencias de un evento en los
resultados posibles.
- Utilizars axiomas y teoremas para el clculo de probabilidades de eventos simples, compuestos,
independientes y dependientes.
- Utilizars los modelos probabilsticos para el clculo de probabilidades de un experimento aleatorio
considerando las propiedades de su funcin de distribucin y sus valores asociados.
- Identificars una funcin de densidad a travs de sus caractersticas.
- Identificars las propiedades de distribucin uniforme continua y de una funcin de probabilidad
acumulada para una variable continua.
- Aplicaras el modelo normal y normal estndar para el clculo de probabilidades, apoyndote en
tablas de normal estndar.

Probabilidad I


II. Fundamentacin de la asignatura
El estudio de la probabilidad en el perfil del egresado es fundamental, dada la importancia y la frecuencia
de su aplicacin en la vida cotidiana y en otras reas de la ciencia. Adems, en el diseo curricular de la
carrera, el conocimiento adquirido en esta asignatura, ser base para el aprendizaje significativo de otras
reas, por ejemplo la Estadstica.
Por otro lado, la verdadera utilidad de la probabilidad es cuando se aplica. Utilizarla para tomar decisiones
cundo se tiene fenmenos de mucha incertidumbre, saber si un evento suceder y el grado de prediccin
son importantes en la toma de decisiones, por ejemplo para tener el control de ganancias o de perdidas
sobre fenmenos aleatorios que suceden en la industria, en la ciencia, en la educacin, etc.
Adems, para poder obtener los resultados probabilsticos correctos de diversos experimentos o
fenmenos aleatorios, es importante que se comprenda bien los conceptos, las propiedades, axiomas y
teoremas que presenta la teora de la probabilidad, pero como toda rea de la matemtica, su verdadero
entendimiento llega en la aplicacin de lo que se presenta tericamente, a travs de ejercicios y actividades
que debers desarrollar, por lo tanto para lograr los objetivos de la asignatura y sobre todo, lograr un
aprendizaje significativo, el curso de Probabilidad se desarrolla con enfoque prctico con base en casos
reales que ocurren en nuestro alrededor.

III. Competencia(s) a desarrollar
Utilizar modelos probabilsticos para medir los parmetros de incertidumbre de diversos eventos por medio
de distribuciones, variables aleatorias discretas y continuas mediante las tcnicas de probabilidad.
- Identificar los principios bsicos de la probabilidad para obtener los resultados de un experimento
aleatorio por medio de las tcnicas de conteo y las reglas bsicas.
- Utilizar axiomas y teoremas de la probabilidad para resolver eventos independientes mediante la
aplicacin de la teora de Bayes y la probabilidad condicional.
- Utilizar modelos de probabilidad discretos para el anlisis de eventos a travs del valor esperado y
la varianza de las variables aleatorias discretas.
- Utilizar los modelos de probabilidad continuos para el anlisis de eventos a travs de variables
aleatorias continuas y con el uso de tablas de clculo de probabilidad.
IV. Temario
Unidad 1. Introduccin a la probabilidad
1.1. Fundamentos
1.1.1. Importancia de la probabilidad
1.1.2. Experimento aleatorio

Probabilidad I


1.1.3. Eventos simples y compuestos
1.1.4. Espacio muestral
1.1.5. Tcnicas de conteo
1.2. Enfoques para el clculo de probabilidades
1.2.1. Enfoque clsico
1.2.2. Enfoque de frecuencia relativa
1.2.3. Enfoque subjetivo
1.3. Reglas bsicas
1.3.1. Regla general para suma de eventos
1.3.2. Regla para suma de eventos excluyentes

Unidad 2. Teora de la probabilidad
2.1. Clculo de probabilidades
2.1.1. Definicin de probabilidad
2.1.2. Axiomas de probabilidad
2.1.3. Teorema de probabilidad
2.2. Probabilidad condicional
2.2.1. Definicin de probabilidad condicional
2.2.2. Eventos independientes
2.2.3. Teorema de Bayes

Unidad 3. Modelos de probabilidad discretos
3.1. Modelos de probabilidad
3.1.1. Modelos determinsticos vs. probabilsticos
3.2. Variable aleatoria discreta
3.2.1. Definicin de variable aleatoria discreta
3.2.2. Distribucin de probabilidad
3.2.3. Valor esperado y varianza de una variable aleatoria discreta
3.3. Modelos de probabilidad para variables aleatorias discretas
3.3.1. Modelo Binomial
3.3.2. Modelo de Poisson
3.3.3. Modelo Hipergeomtrico

Unidad 4. Modelos de probabilidad continuos

Probabilidad I


1.1. Variables aleatorias continuas
1.1.1. Definicin de variable aleatoria continua
1.1.2. Funcin de densidad de probabilidad
1.1.3. Funcin de distribucin de probabilidad
1.2. Modelo de probabilidad para variables aleatorias continuas
1.2.1. Distribucin uniforme continua
1.2.2. Distribucin normal
1.2.3. Distribucin normal estndar

V. Metodologa de trabajo
La asignatura Probabilidad I est conformada por cuatro unidades de aprendizaje: fundamentos y prcticas
de la probabilidad. Cada unidad contiene un bloque de ejercicios prcticos sobre aspectos probabilsticos
enfocados en diversos contextos con la intencin de formarte con competencias matemticas.
La metodologa de enseanza es el Aprendizaje Basado en el Estudio de Casos y la verdadera
comprensin del marco terico de la probabilidad, llega con la aplicacin de sus fundamentos tericos, por
lo tanto el marco de trabajo de este curso se basa en el desarrollo de ejercicios y actividades que dirige al
alumno en su proceso de aprendizaje, con el propsito de que al trmino del curso, sean capaces de
analizar y aplicar axiomas, teoremas, modelos probabilsticos, etc., en la solucin de problemas
especficos.
Para poder cumplir con el propsito anterior, se presenta el diseo de contenidos de manera sencilla y
organizada, que permitir dirigir adecuadamente al alumno en su proceso de aprendizaje, adems junto
con ellos, se presentan bloques de ejercicios y actividades que debern resolver, los cuales estn
planteados en base a sucesos reales, para que el alumno alcance las competencias definidas y adquiera
con ello un aprendizaje significativo.
Las actividades estn diseadas para la reflexin, anlisis, participacin o colaboracin grupal, es por ello
que para alcanzar el objetivo de cada actividad se debe cumplir adecuadamente las instrucciones que se
presentan y utilizar las herramientas que se proponen en cada actividad y que provee el aula.
Se presenta un foro por unidad y tiene la finalidad de interactuar entre compaeros, a travs de un
planteamiento y anlisis del tema, donde pondrn proponer sus puntos de vista e incluso debatir con base
en la reflexin y as poder llegar al final a un conceso grupal.
En cada una de las unidades temticas se presentan autoevaluaciones que permitirn identificar fortalezas
o debilidades en relacin al tema visto. Se recomienda que, para la realizacin de los ejercicios se
acompae de un cuaderno y lpiz, ya que muchos de ellos se debern realizar operaciones matemticas
para llegar a la respuesta correcta.

Probabilidad I


Tambin se utilizan la Wiki para construir, de forma grupal, conceptos relacionados al tema, con base en
investigaciones previas, a la participacin.
Las actividades y las evidencias de aprendizaje sern revisadas y retroalimentadas por su Facilitador(a) del
curso. Dicha revisin se centrar en la evaluacin, como un proceso de revisin de los avances y
dificultades que presentan a la hora de trabajar los contenidos y en la retroalimentacin (tanto en las
actividades como en el foro), de manera que el experimentar caminos de solucin, que no siempre llevan a
una respuesta correcta, sea una oportunidad de aprendizaje.

VI. Evaluacin
En el marco del Programa de la ESAD, la evaluacin se conceptualiza como un proceso participativo,
sistemtico y ordenado que inicia desde el momento en que el estudiante ingresa al aula virtual. Por lo que
se le considera desde un enfoque integral y continuo.
Por lo anterior, para aprobar la asignatura de Probabilidad I, se espera la participacin responsable y activa
del estudiante as como una comunicacin estrecha con su facilitador para que pueda evaluar
objetivamente su desempeo. Para lo cual es necesaria la recoleccin de evidencias que permitan apreciar
el proceso de aprendizaje de contenidos: declarativos, procedimentales y actitudinales.
En este contexto, la evaluacin es parte del proceso de aprendizaje, en el que la retroalimentacin
permanente es fundamental para promover el aprendizaje significativo y reconocer el esfuerzo. Es requisito
indispensable la entrega oportuna de cada una de las tareas, actividades y evidencias, as como la
participacin en foros, wikis, blogs y dems actividades programadas en cada una de las unidades, dentro
del tiempo especificado y conforme a las indicaciones dadas. La calificacin se asignar de acuerdo con la
escala establecida para cada actividad, por lo que es importante que el estudiante la revise antes de
realizar la actividad correspondiente.
A continuacin presentamos el esquema general de evaluacin.
Recursos y herramientas Valor
Actividades formativas (envos a taller y tareas) 30%
Interaccin en el aula y trabajo colaborativo (foro, y
base de datos)
10%
E-Portafolio. Evidencias de aprendizaje y
autorreflexin
50%

Probabilidad I


Examen final 10%
Cabe sealar que, para aprobar la asignatura, se debe de obtener la calificacin mnima indicada por la
ESAD.
VII. Materiales de apoyo
Bibliografa bsica
Johnson, R. y Kuby, P. (2006). Estadstica elemental. Mxico: Thomson Paraninfo, S. A.
Triola, Mario F. (2006). Estadstica elemental. Mxico: Addison Wesley Longman.
Ruiz, Elena y Ruiz, Elvia. (2007). Probabilidad y estadstica. Mxico: McGraw-Hill Interamericana.
Walpole, R., Myers, R. H. y Myers, Sharon. (2007). Probabilidad y estadstica para ingenieros. Pearson
Education.
Bibliografa complementaria
Evans, M. J. (2005). Probabilidad y estadstica. Reverte.
Gamiz Casarrubias, Beatriz E. (2003). Probabilidad y estadstica con prcticas en Excel. Mxico: Just in
time Press.
Lincoln L. Chao. (2000). Introduccin a la estadstica. Mxico: Compaa Editorial Continental.
Spiegel, Murray R. y Stephens, Larry J. (2002). Estadstica, Mxico: McGraw-Hill.
Devore, Jay L. (2005). Probabilidad y estadstica para ingeniera y ciencias. Mxico: Thomson.
H.T. Hayslett, Jr. (1987) Estadstica simplificada. Mxico: Grupo editorial Sayrols.

Fuentes cibergrficas
http://www.uaim.edu.mx/web-carreras/carreras/CALIDAD/04TRIM/PROBABILIDAD.pdf
http://www.vitutor.com/estadistica.html
http://www.fisterra.com/mbe/investiga/probabilidades/probabilidades.asp
http://www.zweigmedia.com/MundoReal/tutindex.html
http://www.itch.edu.mx/academic/industrial/sabaticorita/amarillo.htm
http://www.csanpablo.com.ar/apuntes_archivos/fisica_archivos/probabilidad_y_%20estadistica.PDF
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/amarillo.htm
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm

Probabilidad I


http://www.cmat.edu.uy/~mordecki/notas_probabilidad.pdf
http://www.matematicas.unam.mx/lars/libros/cip.pdf
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/contenido.html

Probabilidad I


VIII. Desarrollo de contenidos por unidad
UNIDAD 1. INTRODUCCIN A LA PROBABILIDAD

Propsito de la unidad
Al finalizar la unidad:
- Identificars los resultados posibles de un experimento aleatorio utilizando la tcnica bsica de
conteo.
- Obtendrs la probabilidad de un evento simple y de dos o ms eventos.

Competencia especfica
Identificar los principios bsicos de la probabilidad para obtener los resultados de un experimento aleatorio
por medio de las tcnicas de conteo y las reglas bsicas.

Presentacin de la unidad
Uno de los objetivos del estudio de la ciencia es que el estudiante comprenda los fenmenos que ocurren a
su alrededor y poder predecir los efectos que de ellos se derivan. De lo anterior, nace la importancia del
estudio de la probabilidad. Para esto, es necesario que el estudiante aprenda hacer anlisis cualitativo y
cuantitativo de situaciones que se le presentan, pero para su interpretacin es necesario emplear
estrategias que surgen de la probabilidad.
De acuerdo con este planteamiento, la presente unidad ofrece elementos tericos bsicos sobre
experimentos aleatorios, eventos, tcnicas de conteo, probabilidad de conteo, nociones clsica y
frecuencial de la probabilidad y las reglas bsicas para calcular probabilidades, incluidos en las lecturas
complementarias y en los ejercicios, pero el hilo conductor son las actividades que, como estrategias de
enseanza, permiten el logro de los aprendizajes a travs de la prctica.
1.1. Fundamentos
La matemtica sirve para modelar situaciones que se presentan en la vida cotidiana o en otras reas de la
ciencia, pero al tratar de modelar los fenmenos de la naturaleza o sociales, se han encontrado con que
hay situaciones que obedecen a un modelo determinista y otros que obedecen a un modelo aleatorio, por
ejemplo, es difcil representar el fenmeno de que una persona de bajos recursos y que pertenece a una
nacin con problemas sociales tenga un accidente o no en el prximo ao.

Probabilidad I


La probabilidad propone la forma de resolver estos conflictos que se presentan, la cual radica en calcular
una medida numrica que representa la posibilidad de que ocurra un evento de un fenmeno o
experimento aleatorio, el cual a travs de observaciones o a recoleccin de datos puede determinar los
resultados donde la mayor parte de ellos son inciertos y dependen del azar.
Los resultados de un experimento forman un conjunto llamado espacio muestral que no es ms que la
coleccin de todos los resultados posibles de un experimento.
Adems, se hace uso de propiedades y tcnicas donde habra que contar el nmero de veces que pueden
ocurrir todos los sucesos que se desean observar, para ello, se utilizar el principio fundamental de conteo.
Por lo anterior, en este tema, se expone los conceptos bsicos y que son considerados fundamentos del
estudio de la probabilidad, es decir, son necesarios para la comprensin y la aplicacin del clculo de
probabilidades, las funciones de distribuciones y modelos probabilsticos que se presentarn en los
siguientes captulos.
1.1.1. Importancia de la probabilidad
Sin duda alguna, todos nos hemos enfrentado a la incertidumbre. Tanto en la naturaleza como en nuestra
moderna sociedad, infinidad de fenmenos presentan diversos resultados y son impredecibles.
Por ejemplo, tenemos los fenmenos ambientales como terremotos, tornados, huracanes, nevadas,
heladas, inundaciones, etc. Estos son parte de nuestra vida cotidiana; aunque, nadie puede determinar con
precisin cundo van a ocurrir, lo que s podemos hacer, tomando en cuenta los datos histricos, es
estimar qu tan posible es que sucedan.
En nuestra sociedad, la probabilidad es usada en la medicina, la biologa, la agricultura, la economa, la
demografa, la meteorologa, la poltica, etc. En sus inicios, la probabilidad jug un papel muy importante en
el estudio de los juegos de azar y apuestas. Tambin la probabilidad tiene un uso importante en la medicin
de riesgos, como es el caso de las compaas de seguros de auto, vida y martimos, entre otros. Por
ejemplo, para saber si un automovilista sufrir un accidente, una compaa de seguros determinar y
evaluar la posibilidad de que suceda, determinar la prdida econmica para poder implementar una prima
de seguro que sea suficiente en caso de que suceda, adems considerar tener un riesgo capital mnimo,
para que sea rentable y se pueda generar un negocio.

Probabilidad I


Actividad 1. Por qu aprender probabilidad?
Propsitos
- Activar la reflexin sobre la importancia de la probabilidad.
- Incrementar los conocimientos sobre los conceptos bsicos de probabilidad con los integrantes del
grupo con el fin de llegar a acuerdos comunes y consensos colectivos.
- Propiciar una situacin comunicativa a travs del debate y los acuerdos comunes.

Instrucciones
1. Lee el subtema1.1.1. Importancia de la probabilidad y luego analiza la importancia de estudiarla.
Puedes ampliar tu informacin con una bsqueda en Internet.
2. Posteriormente, reflexiona sobre tus hallazgos y participa en el foro respondiendo la pregunta Por
qu debemos aprender probabilidad?
3. Define tu postura y replica al menos a uno de tus compaeros. (Todas las posturas son vlidas,
siempre y cuando estn argumentadas).
4. Espera la retroalimentacin por este mismo medio.

1.1.2. Experimento aleatorio
Definicin: Experimento o fenmeno aleatorio es un experimento que puede dar lugar a varios
resultados sin que pueda ser previsible, antes de realizar el experimento, determinar con certeza cul de
estos resultados va a ser observado.
Definicin: Experimento no aleatorio (Determinista) es un experimento en el que se obtiene siempre el
mismo resultado. Ejemplo: Si lanzamos un objeto desde la misma altura y bajo las mismas condiciones
ambientales, cul ser su velocidad? Correcto, siempre ser la misma, y adems la podemos calcular con
la siguiente expresin.

Ejemplo 1. Un oficial de trnsito encargado de un crucero debe de entregar a sus superiores un reporte
diario del nmero de infracciones levantadas. El experimento consiste en observar en un turno de ocho
horas cuntas boletas de infraccin entreg el oficial de trnsito.

Probabilidad I


a. Es un experimento aleatorio?
b. Hay distintos resultados posibles?
c. Es posible prever el nmero de infracciones por turno?
Tus respuestas deben de ser a) s b) s y c) no. Por supuesto que es un experimento aleatorio.
Ejemplo 2. Un mayorista en artculos elctricos, para tomar la decisin de adquirir un lote de 100 lmparas,
selecciona del lote, al azar, 10 de ellas y las prueba. Acepta el lote si hay al menos 9 en buen estado. (Es
decir si hay 9 o 10 en buen estado)
c. Cuntos resultados puede haber?
d. Es posible prever el nmero de lmparas en buen estado?
Tus respuestas deben de ser a) s, b) s, c) 11 y d) no. Por supuesto que es un experimento aleatorio.
Ejemplo 3. El prximo domingo juegan la final de un torneo los dos mejores equipos. Nos interesa el
resultado de esta final.
c. Cuntos resultados puede haber?
Tus respuestas deben de ser a) s, b) s, y c) 2. Por supuesto que es un experimento aleatorio y uno tiene
que ganar y el otro perder; solo hay dos resultados posibles.

Probabilidad I


Ejercicio 1. De las siguientes situaciones, determina si es un experimento
aleatorio o determinista.
Experimento Respuesta
1. El movimiento de un coche cuando
est en espera, al prender la luz
verde del semforo.

2. Lanzar un producto al mercado.
3. El resultado de un juego de
basquetbol.

4. Las consecuencias del tiempo con
relacin al frente fro.

5. Volumen de un litro de agua a 0 C.

6. Lanzar una pelota al aire.

7. Aprobar un examen.

8. Los nacimientos de bebs en das
nublados.

9. Introducir la mano en un vaso de
agua.

10. El libro preferido de los alumnos de
un grupo de probabilidad.

1.1.3. Eventos simples y compuestos
Definicin: Se llama evento simple o suceso aleatorio a la observacin de un resultado en un experimento
aleatorio. Se llama evento compuesto a la observacin simultnea de dos o ms resultados en un
experimento aleatorio. Los eventos los denotaremos con letras maysculas como A, B, C, D, E, que
denotan conjuntos. Si estos eventos o conjuntos contienen un solo elemento, se llaman eventos simples; si
contienen ms de un elemento, se llaman eventos compuestos.
Ejemplo 1. Un saln de fiestas ofrece a sus clientes tres tipos de men: Bsico (1), Gala (2) y Ejecutivo (3),
de los cuales pueden elegir entre el 4T (Ensalada, Sopa, Plato Fuerte y Postre) o el 3T (Ensalada, Sopa
y Plato Fuerte).
Representemos el evento aleatorio Los clientes prefieren el men bsico.

Probabilidad I


A = {(1, 4T), (1,3T)} As que tenemos un evento simple o compuesto?
Si tu respuesta fue compuesto ests en lo correcto.
Ahora representemos algunos eventos simples.
a) El cliente prefiere el Bsico de 3T B ={ ( , ) }
b) El cliente prefiere el Ejecutivo de 4T C ={ ( , ) }
Si tus respuestas fueron:
a) B = {(1, 3T)} y b) C = {(3, 4T)} es correcto.
Ejercicio 2. Completa los siguientes enunciados con las palabras que estn en la parte
superior.
Evento-simple Evento-compuesto Experimento -aleatorio Experimento-
determinista Suceso

Un______________ puede dar lugar a varios resultados, sin que puedan ser previsibles.
Se llama _____________ a la observacin de un resultado en un experimento aleatorio.
El ________________es el resultado de la observacin de un experimento.
Un _________________ es aquel donde se obtiene el mismo resultado.
Se llama _____________ a la observacin simultnea de dos o ms resultados en un experimento
aleatorio

1.1.4. Espacio muestral
Definicin: Se llama espacio muestral al conjunto de todos los resultados posibles en un experimento
aleatorio. Al espacio muestral lo denotaremos con la letra S (de space, en ingls), cabe mencionar que
tambin se puede representar por la letra E o por la letra griega y que la eleccin del smbolo a utilizar
depende del autor. En este contexto, utilizaremos el smbolo S para representar el espacio muestral.

Probabilidad I


Ejemplo 1. En el ejemplo del saln de fiestas, nuestro espacio muestral tendr seis resultados posibles:
Representamos el espacio muestral
S= {(1, 3T), (1,4T), (2, 3T), (2,4T) {(3, 3T), (3,4T)}
Podemos tambin usar un diagrama de rbol para representar S:
Men Tipo #

1 Bsico

3T

1
4T

2

2 Gala

3T

3
4T

4

3 Ejecutivo
3T

5
4T

6

Probabilidad I


Ejercicio 3. De los siguientes 3 casos, identifica el espacio muestral de cada una de las
situaciones presentadas. Si es necesario, dibuja el diagrama del rbol para representar S. A
continuacin relaciona las siguientes columnas.
Situacin 1. Sea dos nios (A, B) y cuatro dulces (1, 2, 3, 4). Se reparte solo un dulce a cada nio.
Situacin 2. Sea tres jvenes (A, B, C) y tres seoritas (1, 2, 3), en una pista de baile.
Situacin 3. Sea dos bebes (A,B), tres chupones ( 1,2,3) y cuatro diferentes listones para el chupn
(L1,L2,L3,L4).
a) {(A,B),(A,1)(B,1),(A,2)(B,2),(A,3)(B,3)(A,
4),(B,4)}
b) {(A,1)(B,1),(A,2)(B,2),(C,1)(C,2)(A,3),(B,
3),(C,3)}
c) 12
d) 9
e) 8
f) {(A,1)(B,1),(A,2)(B,2),(A,3)(B,3),(A,4),(B,
4)}
g) 24
( ) Nmero de resultados del espacio muestral de
la situacin 3.
( ) Representacin del espacio muestral S de la
situacin 1
( ) Representacin del espacio muestral de la
situacin 2
( ) Nmero de elementos del espacio muestral de la
situacin 2
( ) Nmero del espacio muestral de la situacin 1.

Probabilidad I


Actividad 2. Construye conceptos a travs de ejemplos
Propsitos
Al finalizar la actividad, el alumno podr:
- Ejemplificar los conceptos bsicos de la probabilidad.
- Colaborar y sociabilizar y llegar a un consenso en su investigacin.
Desarrollo
Los estudiantes construirn un Wiki de conceptos bsicos de la probabilidad a travs de ejemplos que
observen a su alrededor. Sern capaces de ejemplificar conceptos como experimento, suceso, evento,
etc., de manera colaborativa con los dems integrantes del equipo.
Instrucciones
1. El maestro organizar equipos de 4 integrantes y les asignar a cada equipo algunos de los
conceptos siguientes: Experimento aleatorio, suceso, experimento determinista, evento simple,
evento compuesto y espacio muestral.
2. Observa a tu alrededor e identifica algn caso real que pueda ejemplificar los conceptos asignados.
3. Ponte de acuerdo con tu equipo y selecciona el o los ejemplos a exponer en el Wiki.
4. De acuerdo al equipo asignado y los conceptos solicitados por el maestro, podrs agregar o
modificar solo la parte que le toc construir a tu equipo.
5. Por ltimo, revisa cada una de las aportaciones de los dems equipos y, si deseas, podrs agregar
o modificar el contenido de los dems equipos.

1.1.5. Tcnicas de conteo
Las tcnicas de conteo pertenecen a una rama de las matemticas llamada anlisis combinatorio y son
expresiones matemticas que facilitan el enumerar los resultados de un experimento aleatorio, sobre todo
cuando es difcil contar o representar con diagramas de rbol.
Para conocer la probabilidad de que suceda un evento, en donde se presenta en gran nmero de
resultados posibles y difciles de contar, se convierte en casi imposible sin estas tcnicas de conteo, ya que
con la utilizacin adecuada de estas tcnicas, obtendremos el nmero total de posibles resultados,
suficiente para que podamos encontrar la probabilidad de que suceda un evento.
Por lo tanto, en este tema estudiaremos las permutaciones y las combinaciones, que se consideran base
en el clculo de probabilidades.

Probabilidad I


Permutaciones
Definicin: Una permutacin es un arreglo ordenado (es decir, el orden es importante)
de m elementos distintos seleccionados de un conjunto X = {x
1
, x
2
,...,x
n
}, el cual tiene n
elementos, en donde m n.
Ejemplo 1. En el Senado de la Repblica se desea elegir una comisin de dos senadores para la
Educacin Superior. Para tal fin se registraron tres senadores: Beltrones (B), Garca (G) y Zoreda (Z). La
comisin est integrada por un Presidente y un Secretario. De cuntas formas puede integrarse la
comisin?
La respuesta es de seis formas, a saber: BG, BZ, GB, GZ, ZB y ZG Observa que BG no es igual a GB ya
que en el primero Beltrones preside y en el segundo es secretario.
Ejemplo 2. Considera el conjunto con las letras M = {m, o, r, a}. Cuntas palabras distintas pueden
formarse con las cuatro letras? Dado que el orden es importante la m ocupa el primer lugar, la o el
segundo, la r el tercero y la a el cuarto. Si cambiamos las letras de lugar, cambiar el sentido de la palabra,
por ejemplo roma, ramo, rmao, armo, amor. Cuntas palabras puedo formar? Ntese que rmao no tiene
significado, pero lo consideraremos como una palabra.
Si tu respuesta fue 24, es correcta. Vamos a representar las 24 permutaciones (Tabla 1):
Para el primer lugar tenemos cuatro posibilidades, al elegir una letra quedan tres posibilidades para el
segundo lugar, para el tercero dos posibilidades y una sola para el cuarto lugar.
Lugar 1 2 3 4

m

o
r a
a r
r
o a
a o
a
r o
o r
m r a

Probabilidad I


o
a r
r
a m
m a
a
r m
m r

r
m
o a
a o
o
m a
a m
a
m o
o m

a
m
r o
o r
o
r m
m r
r
m o
o m
Tabla 1. Permutaciones de 4 letras.
Ejemplo 3. Considera el mismo conjunto con las letras M = {m, o, r, a}. Cuntas palabras distintas
pueden formarse ahora con dos letras?
Usando el mismo razonamiento para el ejercicio anterior tendramos 4 x 3 = 12
Para el primer lugar tenemos cuatro posibilidades, al elegir una letra quedan tres posibilidades para el
segundo lugar. Puedes observar en la tabla anterior los 12 resultados, en la primera y segunda columna.
Expresin para el clculo de permutaciones. Representamos por nPm el nmero de arreglos
ordenados de m elementos distintos seleccionados de un conjunto X el cual tiene n elementos.

Probabilidad I


nPm = n x (n 1) x (n-2) xx (n-m+1)
En el ejemplo 3, se observan cuatro elementos distintos en M, es decir, n = 4 y deseamos formar palabras
de 4 elementos, por lo que m = 4 entonces el nmero de permutaciones se calcular de la siguiente forma:
4P4 = 4 x (4 1) x (4-2) xx (4-4+1)
4P4 = 4 x (3) x (2) x (1) = 24
Nota en el diagrama de rbol del ejemplo que para el primer lugar podemos asignar las cuatro letras, pero
para el segundo lugar solo podemos asignar tres letras debido a que ya hay una en el primer lugar y no se
permite repetir; de igual forma para el tercer lugar solo podemos asignar dos y para el cuarto una.
Notacin factorial. Se define el factorial por la expresin n! y representa el siguiente producto:
n! = n x (n-1) x (n-2) xx 1
Podemos representar la expresin para el clculo de permutaciones usando notacin factorial:
nPn = n!
, Para n>m
Ejemplo 4. Consideremos que se tiene cuatro placas informativas diferentes para cuatro macetas
disponibles De cuntas formas diferentes se puede colocar las placas en las macetas?
Si tu respuesta fue 24, es correcta. Para este ejemplo, se tiene que n=4 placas y m=4 macetas,
sustituyendo se tiene
= , donde el factorial de (0)!=1

Por lo tanto
= = =4! = 4 x 3 x 2 x 1 = 24

Probabilidad I


De lo anterior observa que, cuando n=m, podemos aplicar directamente la frmula nPn = n!, y utilizando
la notacin factorial tenemos el resultado inmediato.
4P4= 4!=4 X 3 X 2 X 1 = 24
Ejemplo 5. Considera el mismo conjunto con las letras del ejemplo 3, M = {m, o, r, a}. Cuntas palabras
distintas pueden formarse ahora con dos letras?
Utilizando nuevamente la frmula y dado que n=4 y m=2 tenemos que
= = = = 12
Ejemplo 6. Supn que hay diez candidatos para los puestos de presidente, vicepresidente, secretario y
director de relaciones pblicas. De cuntas formas pueden llenarse estos cuatro puestos?
En este problema, n=10 y r=4. Obviamente hay 10 formas de ocupar el primer puesto. Una vez que esto se
ha hecho, quedan nueve candidatos; por lo tanto, hay nueve formas de ocupar el segundo puesto. De
manera semejante, hay ocho formas de ocupar el tercer puesto y siete formas de ocupar el ltimo puesto.
Entonces, el nmero total de formas o permutaciones para ocupar las cuatro posiciones teniendo diez
candidatos es
10 X 9 X 8 X 7 = 5040
lo cual es el producto de cuatro factores.
La misma respuesta se obtiene si se utiliza la ecuacin alterna.
10P4 = 10 ! = 10 x 9 x 8 x 7 x 6! = 10 X 9 x 8 x 7 = 5040
(10-4)! 6!

Probabilidad I


Combinaciones
Definicin: Una combinacin es un subconjunto de m elementos distintos seleccionados de un conjunto X
con n elementos. El nmero de distintas combinaciones o subconjuntos de m elementos que podemos
formar de un conjunto con n elementos lo denotaremos por Cm, n.
Dado un conjunto con n elementos distintos. X = {x
1
, x
2
,...x
n
} del cual nos interesa seleccionar m
elementos distintos (es decir, no los repetimos) en donde m n. Nota que no es importante el orden.
Ejemplo 1. En un proceso de produccin se requiere seleccionar dos artculos de cuatro, en los que se
supone que hay dos defectuosos. De cuntas formas podemos seleccionar dos artculos?
Denotemos los dos artculos buenos con las letras B
1,
B
2
y

los dos artculos defectuosos, con las letras D
1
,

D
2.
As que el Conjunto X est representado por cuatro elementos X = {D
1
,

D
2.
, B
1,
B
2
}; los posibles
subconjuntos estn dados por:
{D
1
,

D
2.
} { D
1,
B
1
} {D
1
,

B
2.
} {D
2,
B
1
} {D
2
,

B
2.
} { B
1,
B
2
}
Observa que no importa el orden, es decir, el conjunto {D
1
,

D
2.
} es el mismo que {D
2
,

D
1.
}.
Ejemplo 2. Supn que diez personas son candidatas para la mesa directiva de cierto distrito escolar. Debe
de elegirse tres componentes para la mesa directiva. De cuntas formas pueden seleccionarse tres
personas entre 10 candidatos?
Supn que las personas estn denotadas por {A, B, C, D, E, F, G, H, I, J}. Para este ejemplo el orden en el
cual se selecciona a estas tres personas para la mesa directiva no se considera, por lo que se tiene las
siguientes combinaciones:
{A, B, C} {A, B, D} {A, B, E
.
} {A, B, F} {A, B, G
.
} {A, B, H} {A,B, I }
{A, B, J
.
} {A, C, D} {A, C, E
.
} {G, H, I} {G, H, J
.
} {H, I, J}
El resultado final ser 120 formas de combinar los elementos de los 10 candidatos.
Relacin entre permutaciones y combinaciones. En el ejemplo 1 el nmero de subconjuntos de dos
elementos seleccionados de un conjunto con cuatro elementos fue:
{D
1
,

D
2.
} {D
1,
B
1
} {D
1
,

B
2.
} {D
2,
B
1
} {D
2
,

B
2.
} {B
1,
B
2
}

Probabilidad I


Sin embargo, si el orden fuera importante tendramos:
{D
1
,

D
2.
} {D
1,
B
1
} {D
1
,

B
2.
} {D
2,
B
1
} {D
2
,

B
2.
} {B
1,
B
2
}
{D
2
,

D
1.
} {B
1,
D
1
} {B
2
,

D
1.
} {B
1,
D
2
} {B
2
,

D
2.
} {B
2,
B
1
}
Para calcular el nmero de permutaciones sustituimos en la frmula n=4 y m=4

Obtenemos el valor de 4P2 = 12 permutaciones como observamos anteriormente.
Si deseamos calcular el nmero de combinaciones tendremos que quitar las que se repiten dividiendo este
resultado entre dos. (En el caso general entre m!)
Observa:

Por lo que el valor de 4C2 = 6 combinaciones como se mostr antes.
Ejemplo 3. Nuevamente considera el conjunto del ejemplo 2, utiliza la ecuacin anterior para encontrar
cuntos subconjuntos podemos formar.
Sea n=5 y m=2, por lo que:

Ejemplo 4. Considera el mismo ejercicio del ejemplo 3. De cuntas formas pueden seleccionarse tres
personas para la mesa directiva de entre 10 candidatos?
Se tiene que n= 10 y m= 3, por lo que:

Probabilidad I


Observa que utilizando la ecuacin anterior, ser ms fcil obtener el nmero de combinaciones.
Ejercicio 4. De los siguientes enunciados, calcula el nmero de veces en que un evento suceda.
Utiliza las tcnicas de conteo de Permutaciones.
1. Supngase que se tiene un equipo de 6 alumnos en la materia de
probabilidad, de cuntas formas diferentes podemos seleccionar a dos
alumnos de tal forma que cada uno tenga el rol de jefe y el otro de
lder?
a) 12
b) 30
c) 18
d) 720
2. De cuntas maneras se puede sentar a 2 nias y 4 nios en una fila de
seis asientos.
a) 720
b) 8
c) 20
d) 180
3. Se ha contratado a 5 empleados para la empresa Cineaqui, de cuntas
formas diferentes podemos repartir a los empleados en 5 diferentes
puestos?
a) 60
b) 25
c) 24
d) 120
4. Un estudiante tiene que seleccionar una de las 4 materias optativas; una
actividad extraescolar entre danza, teatro, msica, y guitarra, y entre uno
de los siguientes idiomas, ingls, francs e italiano De cuntas formas
distintas puede escoger?
a) 10
b) 35
c) 48
d) 78
5. De cuntas maneras diferentes se puede colocar ocho libros distintos
en un librero?
a) 640
b) 40320
c) 20160
d) 5040

Probabilidad I


Ejercicio 5. De los siguientes enunciados, calcula el nmero de veces en que un evento suceda.
Utiliza las tcnicas de conteo de Combinaciones.
Experimento Respuesta Respuesta correcta
1. En una familia de 4 hijos se tiene
una nia y tres nios De cuantas
formas podemos seleccionar dos
nios de los cuatro?
a) 12
b) 6
c) 20
d) 24

2. Gonzlez tiene 15 libros. Solamente
puede llevarse cuatro de ellos en su
mochila. Cuntos grupos
diferentes de libros puede
seleccionar de los 15 libros?
a) 1365
b) 32760
c) 1250
d) 2720

3. En la clase de Probabilidad hay 20
estudiantes. De cuntas formas
puede seleccionarse de entre esta
clase a un comit de tres
estudiantes?
a) 720
b) 970
c) 1140
d) 1320

4. Si se cuenta con 14 alumnos que
desean colaborar en una campaa
pro limpieza de la Universidad,
cuntos grupos de limpieza podrn
formarse si se desea que cada uno
de ellos conste de 6 alumnos?
a) 1287
b) 2162160
c) 13755
d) 3003

5. Halla el nmero de palabras de 4
letras diferentes que pueden
formarse con las letras de la palabra
factor.

a) 320
b) 16
c) 24
d) 15

Probabilidad I


Actividad 3. Construye conceptos a travs de ejemplos
Propsitos
- Reconocer dnde se puede aplicar la probabilidad.
- Colaborar y sociabilizar para la obtencin de ejemplos.
Desarrollo
Los estudiantes agregarn en el Wiki de la Etapa1 ejemplos de casos reales donde se pueda aplicar la
probabilidad.
Instrucciones
1. Entra al Wiki y revisa los ejemplos de aplicaciones propuestas por tus compaeros, en caso de que
las haya.
2. De forma individual, investiga en alguna fuente de informacin dos casos reales (en las reas de
economa y finanzas, ingeniera y las ciencias naturales) diferentes a los presentados por tus
compaeros en los que se pueda y se deba aplicar la probabilidad para prevenir un evento.
3. Agrega tus ejemplos al final del contenido actual del Wiki.

Actividad 4. Espacio muestral de un experimento
Propsitos
- Identificar el espacio muestral de un experimento.
- Desarrollar habilidades para la obtencin de espacio muestral.

Desarrollo
El estudiante analizar el experimento para obtener el espacio muestral.
Instrucciones
1) Encuentra y representa en forma grfica el espacio muestral de los dos siguientes experimentos.

Experimento 1. Un fabricante de cmaras produce tres modelos diferentes (MOD1, MOD2, MOD3) y cuatro
accesorio distintos (ACCE1, ACCE2, ACCE3, ACC4). Cada accesorio puede utilizarse junto con cualquiera
de los tres modelos de cmara. Cada combinacin accesorio constituye un punto muestral.

Probabilidad I


Experimento 2: Un investigador de mercado entrevista a una familia de cuatro personas, dos hijos
adolescentes y sus padres, para determinar si les agrada (A) o desagrada (D) un nuevo producto. Frma
una secuencia con la respuesta del padre, la madre, el hijo mayor y el segundo hijo. Encuentra y
representa en forma grfica el espacio muestral de este experimento.

2) Al terminar, crea un archivo Word con la respuesta de los dos experimentos y envalo a la Seccin de
tareas.
3) Espera los comentarios del Facilitador(a).

1.2. Enfoques para el clculo de probabilidades
Hay tres enfoques para el clculo o estimacin de la probabilidad de que un evento suceda. Seleccionar
uno de los tres enfoques depender de la naturaleza del problema. A continuacin te presentamos sus
planteamientos generales para que puedas identificar el enfoque que debes aplicar en un determinado
evento.
1.2.1. Enfoque clsico
El enfoque clsico o "a priori" fue estudiado por Laplace, matemtico y astrnomo francs a quien a los 24
aos se le llam "el Newton de Francia" por algunos de sus descubrimientos. Motivado por estimar
probabilidades en los juegos de azar, desarroll para la teora de probabilidades el enfoque clsico que se
emplea cuando los espacios muestrales son finitos y tienen resultados igualmente probables. Este enfoque
supone condiciones ideales en un experimento aleatorio y por lo tanto su uso es limitado, aunque nos
brinda bases slidas para el clculo de probabilidades. Este enfoque es un enfoque terico y no requiere de
llevar a cabo el experimento para estimar la probabilidad de ocurrencia de un evento aleatorio.
Sin necesidad de realizar el experimento aleatorio se obtiene por razonamiento lgico el nmero de
resultados posibles de ese experimento y anlogamente el nmero de resultados en que es posible se
obtenga el evento A.

A es un evento de un espacio muestral S
P(A)

Probabilidad I


P(A) representa la probabilidad de que ocurra el evento
Ejemplo 1. Supongamos que se tiene una caja cerrada con 16 lpices, 3 rojos, 3 verdes, 4 amarillos y 6
rosas. Cul es la probabilidad de sacar un lpiz de color amarillo?
Sea el suceso A: Sacar un lpiz de color amarillo
Los casos favorables al evento A: 4
Casos posibles: 16

( ) % 25 25 . 0
16
4
6 4 3 3
4
= = =
+ + +
= A P

Por lo tanto la probabilidad de sacar un lpiz de color amarillo es del 25 %.
1.2.2. Enfoque de frecuencia relativa
El enfoque de la frecuencia relativa se basa en la experimentacin, se le conoce tambin como enfoque a
posteriori. ste supera las limitaciones del enfoque clsico, que se limita a situaciones en las que hay un
nmero finito de resultados igualmente probables. Este enfoque es emprico y no terico. Requiere realizar
el experimento para estimar la probabilidad de ocurrencia de un evento aleatorio.
Se realiza n veces un experimento aleatorio y se observa la frecuencia de ocurrencia del evento A, se
define la probabilidad de A por:
P(A)
A es un evento de un espacio muestral S
P(A) representa la probabilidad de que ocurra el evento A

Ejemplo 1. Se lanza 1000 veces una moneda y da como resultado 529 caras, entonces la frecuencia
relativa de que salga una cara es

( ) 529 . 0
1000
529 ) (
= = =
n
A n
A P

Probabilidad I


Si en otros 1000 lanzamientos resultan 493 caras, tenemos que la frecuencia relativa de los 2000
lanzamientos totales es de
( ) 511 . 0
2000
493 529 ) (
=
+
= =
n
A n
A P

De acuerdo con la definicin, si se continuara de esa manera, se acercara cada vez ms a un nmero que
representa la posibilidad de obtener una cara en un solo lanzamiento de la moneda, es decir, a solo 0.5.
1.2.3. Enfoque subjetivo
En el enfoque subjetivo o intuitivo, en algunas situaciones, se presentan situaciones en las cuales no es
posible realizar experimentos repetitivos y los resultados tampoco son igualmente probables. A diferencia
de los dos enfoques anteriores que son objetivos y se sustentan en la teora o en la experimentacin, la
probabilidad subjetiva tiene que ver con el criterio personal para medir la posibilidad de ocurrencia de un
evento aleatorio, que se hace con base en ciertos criterios o experiencias sobre casos semejantes.
Como se mencion anteriormente, esta probabilidad no se basa ni en aspectos tericos ni tampoco en la
experimentacin. De hecho no es objeto de estudio de la teora de probabilidad; sin embargo, es muy til
en experimentos que no es posible repetir y en los que los posibles resultados no son equiprobables.
Ejemplo 1. Probabilidad de que hoy llueva.
Ejemplo 2. Probabilidad de que una persona se case este ao.
Ejercicio 6. De los siguientes enunciados, selecciona cul de las tres formas utilizaras para
calcular la probabilidad de que el evento suceda.

Enfoque clsico o a
priori
Enfoque de la
frecuencia relativa
Enfoque
subjetivo o
intuitivo
1. Probabilidad de que hoy
llueva.

2. Probabilidad de que salga
un nmero par al lanzar
un dado.

3. Probabilidad de que caiga
sol al lanzar 1000 veces
una moneda.

4. Probabilidad de que tu
amiga se case este ao.

5. La probabilidad de que, al
lanzar una tachuela cuya

Probabilidad I


forma es irregular, sta
quede sobre su cabeza o
acostada.

1.3. Reglas bsicas
Contar es suficiente en muchos de los casos en donde se desea conocer la probabilidad de que suceda un
evento, pero, conforme el problema es ms complejo, resultan necesarias varias reglas para auxiliar en la
determinacin de probabilidades.
Por ejemplo, en ocasiones tendremos que analizar situaciones donde suceden simultneamente eventos,
por lo que se necesita expresar y encontrar la probabilidad de que suceda un evento a raz de la presencia
de varios eventos simultneos; por lo tanto, en este tema se analizan algunas reglas bsicas acerca de la
unin de dos o ms eventos y la interseccin de eventos que tambin sern base para el clculo de
probabilidades.
1.3.1. Regla general para suma de eventos
Suponiendo que P(A) y P (B) representan las probabilidades para los dos eventos A y B, entonces la
probabilidad P(A U B) de que ocurran A o B, se obtiene por:
P(A U B) = P(A) + P(B) - P(A B)
A B es el evento de que sucedan simultneamente los eventos A y B, es decir, son eventos que no son
mutuamente excluyentes.
Ejemplo 1. Para obtener licencia para conducir, es necesario aprobar tanto el examen terico como el
prctico. Se sabe que la probabilidad de que un alumno apruebe la parte terica es 0,68, la de que apruebe
la parte prctica es 0,72 y la de que haya aprobado alguna de las dos partes es 0,82. Si se elige un alumno
al azar, cul es la probabilidad de que apruebe el examen para obtener licencia?
Sea A: aprobar la parte terica, (P(A)=0,68)
Sea B: aprobar la parte prctica, (P (B)=0,72)
Sea A B: aprobar la parte terica y la parte prctica, (P (A B) = (?)
Sea AUB: aprobar la parte terica o la parte prctica P(AUB)=0.82, es decir, en esta ltima basta con que
haya probado alguna de las dos partes.

Probabilidad I


Usando P(A U B) = P(A)+P(B)-P(A B), se despeja P(A B), ya que es el dato que se desea conocer, por lo
tanto tenemos
P(A B)=P(A)+P(B)-P(AUB)
Sustituyendo tenemos que
P(A B)=0,68+0,72-0,82=0,58= 58%
Por lo tanto, la probabilidad de que el alumno seleccionado al azar pase el examen para obtener su licencia
es de 58%.
Ejemplo 2. En una muestra de 500 estudiantes, 320 dijeron tener un estreo, 175 dijeron tener una TV y
100 dijeron tener ambos. Si un estudiante es seleccionado aleatoriamente.
a) Cul es la probabilidad de que tenga solo un estreo?
b) Cul es la probabilidad de que tenga solo una TV?
c) Cul es la probabilidad de que tenga alguno de los dos?
Se considera los siguientes conjuntos
Sea S: tener estreo
Sea T: tener TV
Sea S : tener estreo y TV
Para cada inciso se tiene:
a) P(S) = 320 /500 = .64. entonces 0.64 es la probabilidad de tener un estreo.
b) P(T) = 175 /500 = .35. entonces 0.35 es la probabilidad de tener una TV.
c) Sea P(S ) = 100 /500 = .20. entonces 0.20 es la probabilidad de que tengan estreo y TV.
Utilizando la frmula se tiene:
P(S U T) = P(S) + P(T) - P(S ) = 0.64 + 0.35 - 0.20 = 0.79
Entonces, la probabilidad de que tengan TV o estreo o ambos es de 0.79.

Probabilidad I


Ejemplo 3. Un estudio de 500 alumnos que toma uno o ms cursos de lgebra, fsica y estadsticas,
durante un semestre revel el siguiente nmero de alumnos en las materias indicadas:
lgebra 329 lgebra y Fsica 83
Fsica 186 lgebra y Estadstica 217
Estadstica 295 Fsica y Estadstica 63
Cuntos estudiantes cursan las tres materias?
Sea A: tomar clase de lgebra, ((A)=329)
Sea B: tomar clase de Fsica, ((B)=186)
Sea C: tomar clase de Estadstica, ((C) = 295)
Sea AB: tomar clases de lgebra y Fsica ((AB)=83)
Sea AC: tomar clases de lgebra y Estadstica, ((AC)=217)
Sea B c: tomar clases de Fsica y Estadstica, ((BC)=63)
Sea ABC: toma los tres cursos, ((ABC) =?)
Sea AUBUC: toma uno o ms cursos ((AUBUC)= 500)
Para obtener el resultado se utilizar la siguiente frmula:
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)
Despejando P(A B C) se obtendr el nmero de estudiantes que cursan las tres materias
P(A B C)= P(A) + P (B) +P (C) - P(A B) - P(A C) - P(B C)+ P(A U B U C)
Sustituyendo
P(A B C)= 329 + 186 + 295 -83 -63 -217 - 500
Por lo que
P(A B C) =53 que es el nmero de alumnos que cursa lgebra, fsica y estadstica.

Probabilidad I


Ntese que la probabilidad (emprica) de que un estudiante curse las tres materias es
53
500
1.3.2. Regla para suma de eventos excluyentes
Definicin: Dos eventos o ms son mutuamente excluyentes si no pueden suceder al mismo tiempo, como
los eventos los representamos con conjuntos, entonces:
A, B son excluyentes si y solo si A B = .
En la frmula 1.3.3.- 1 si A y B son conjuntos disjuntos o mutuamente excluyentes, o sea que no pueden
ocurrir en forma simultnea, la probabilidad de P(A B) = 0, entonces la probabilidad P(A U B) de que
ocurran A o B se obtiene por:
P(A U B) = P(A) + P(B)
Ejemplo 1. Sea S el evento de que asistas a una universidad estatal y P el evento de que asistas a una
universidad privada. Considera que no asistirs a ambas simultneamente. Si la probabilidad de que
asistas a una universidad estatal es de 0.4 y a una universidad privada es de 0.25. Cul es la
probabilidad de que asistas ya sea a una universidad estatal o a una privada?
Tenemos que los eventos son excluyentes, es decir, solo asistirs al estatal o al privado, pero no a ambas,
apliquemos la siguiente frmula
P(S U P) = P(S) + P(P)= 0.4 + 0.25 = 0.65
La probabilidad de que asistas a la estatal o privada es 0.65.
Ejemplo 2. Supn que se tiene una urna con 50 papeles de colores, los cuales son 15 rojos, 5 morados, 9
verdes, 11 naranjas y 10 azules. Cul es la probabilidad de que salga un papel rojo o un papel azul?
Sea los siguientes eventos.
A: sale un papel rojo
B: sale un papel azul
AUB: sale un papel rojo o azul

Probabilidad I


Entonces se tiene que
P(A)= 15 = 0.3
50
P (B) = 10 = 0.2
50
Utilizando la frmula correspondiente tenemos que
P(A + B ) = P(A) + P(B) =0.3 + 0.2 = 0.5
Por lo que la probabilidad de sacar un papel rojo o azul es de 0.5
Ejemplo 3. Sea el evento A de sacar diez de calificacin en la materia de probabilidad, B el evento de
sacar nueve y C el evento de sacar ocho. Cul es la probabilidad de sacar un diez o un nueve o un ocho
en la materia?
Nota que los eventos son mutuamente excluyentes, es decir que solo puede suceder uno de ellos, por lo
que tenemos
P(A)= 1 / 10, P(B) = 1 / 10 y P(C) = 1/10, y utilizando la frmula se tiene
P(A U B U C) = P(A) + P(B) + P(C) = 1/10 + 1/ 10 + 1/10 = 0.3
Por lo tanto la probabilidad de sacar un 10 o un 8 o un 7 es de 0.3.
Ejercicio 7. De los siguientes enunciados, calcula la probabilidad de que suceda el evento. Utiliza las
reglas bsicas de clculo de probabilidades.
1) Considera los siguientes eventos
A= {extraer un as de una baraja}
B= {Extraer una espada}
Cul es la probabilidad de extraer un as o una espada o ambas?
a) 20/52
b) 12/52
c) 16/52
d) 2/52
2) En Cinepolito presentan las pelculas Amanecer, Barbie, Cmplices, Duende,
Esperanza y Familia en espera, llegan 2 amigos y deciden escoger una de
ellas. Escribe la probabilidad de al menos algunos de ellos escoja la
pelcula Familia en espera?
a) 20/36
b) 11/36
c) 2/6
d) 7/12

Probabilidad I


3) Supn que la probabilidad de que asistas a la universidad es de 50%, de que
trabajes tiempo completo es de 60%, y la probabilidad de que asistas a la
universidad y trabajes tiempo completo es del 30%. Cul es la probabilidad
de que asistas a la universidad o trabajes tiempo completo?
a) 0.8
b) 0.35
c) 0.5
d) 0.7
4) La probabilidad de que un hombre est vivo dentro de 25 aos es de 3/5 y la
probabilidad de que su esposa lo est es de 2/3. Calcula la probabilidad de
que al trmino de ese plazo al menos uno est vivo.
a) 2/5
b) 1/5
c) 4/15
d) 13/15
5) Supn que tienes que elegir entre tres talleres extracurriculares: guitarra,
manualidades y danza, y la probabilidad de que vayas a uno de estos es
de 0.35, 0.30 y 0.20, respectivamente. Supn que solo puedes asistir a uno
de estos. Cul es la probabilidad de que asistas a algunos de estos
talleres?
a) 0.60
b) 0.55
c) 0.25
d) 0.85

Actividad 5. Probabilidades de uno o ms eventos
Propsitos
- Analizar las reglas bsicas del clculo de probabilidades.
- Desarrollar habilidades para la obtencin de la probabilidad a travs de suma de eventos.

Desarrollo
Los estudiantes encontrarn las probabilidades de que suceda un evento o ms de un experimento
aleatorio.
Instrucciones
1) Encuentra las probabilidades del siguiente caso. Resulvelo en tu libreta.

Probabilidad I


CASO: En la ciudad de Perote, en un mes, se realiz el siguiente estudio de las propiedades que los
novios pueden tener antes del matrimonio, las cuales se reportaron en la siguiente tabla:

Coche Casa
Novio 17 5
Novia 10 2

Encuentra las probabilidades de que, cuando se casen dos personas:
a) El novio tenga coche.
b) El novio tenga coche y casa.
c) La novia tenga casa y coche.
d) El novio tenga coche o casa.
e) El novio tenga casa y la novia coche.

2) Al terminar, copia el resultado de cada inciso en un archivo de Word y envalo a la Seccin de tareas.

Evidencia de aprendizaje. Reflexin sobre el respeto a las reglas de trnsito

Propsitos
- Identificar las probabilidades de que suceda un evento a fin de tomar una postura crtica ante los
principios probabilsticos a travs de la utilizacin de las reglas bsicas de la probabilidad.

Desarrollo:
Dado el caso de estudio sobre las reglas de trnsito, reflexiona cmo afecta en los resultados la falta de
cumplimiento de dichas reglas.

Procedimiento:
1) A continuacin lee con cuidado lo siguiente:

Cuando circulas en automvil o microbs por las calles de la ciudad, te has preguntado:

Probabilidad I


Qu pasara si en un crucero conglomerado no funcionaran los semforos?
Cuando un peatn atraviesa la calle y un automovilista le silva. Por qu lo hace?
Cuntas personas se ponen el cinturn de seguridad?
Cuntos accidentes automovilsticos suceden en la ciudad?
Cuntas muertes o heridos hay en los accidentes?
Analiza lo aprendido en esta unidad y reflexiona si podras contestar cada una de estas preguntas a travs
de los principios y conceptos bsicos de la probabilidad. Si tu respuesta fue afirmativa, podras ayudar al
sistema de trnsito de tu localidad a disminuir estos problemas?
2) Con base en las anotaciones del punto anterior, elabora un reporte en Word con tu Reflexin de no
ms de una cuartilla sobre el estudio de este caso que incluya:
- Breve introduccin al caso.
- Incluye de manera narrativa las respuestas dadas a las preguntas anteriores.
3) Concluye al final de tu reporte sobre la importancia de aplicar la probabilidad en estos eventos.
4) Enva el archivo a la Seccin de tareas.

Consideraciones especficas de la unidad
La asignatura de Probabilidad I desarrolla el pensamiento analtico mediante la solucin de problemas
reales basados en el enfoque clsico y el enfoque de la frecuencia relativa. Para cumplir con los propsitos
de la Unidad 1. Introduccin a la probabilidad se ha diseado diversas actividades y ejercicios destinados
al desarrollo de destrezas o habilidades para la solucin de problemas donde se desea conocer los
resultados de un experimento aleatorio.
De acuerdo con este planteamiento, la unidad ofrece, a travs de las temticas y las lecturas, elementos
bsicos sobre la probabilidad, pero tambin actividades para ejercitarse en su prctica.
Para lograr los propsitos y desarrollar las competencias, es indispensable que el estudiante realice todas y
cada una de las actividades previstas en la unidad, vinculando as la teora con la prctica.

Probabilidad I


Para guiar las acciones que tendr que realizar el estudiante y facilitar su identificacin, a continuacin se
presentan los conos que corresponden a las actividades y ejercicios de la Unidad:

Ejercicios. Son actividades formativas que tienen como funcin la activacin
de conocimientos relacionados con las temticas de la propia unidad. Estos
no cuentan con valor numrico pero s son indispensables para avanzar en
los procesos de aprendizaje.

Actividades de aprendizaje. Las actividades de aprendizaje adems de tener
un valor formativo cuentan con un valor sumativo. A travs de su realizacin
se ejercitan habilidades, destrezas y actitudes que permiten la aplicacin de
mtodos y tcnicas en situaciones de aprendizaje y que ms tarde sern
aplicadas en contextos acadmicos y sociales.

Foro de debate. El foro es un espacio de debate acadmico que contribuye
al desarrollo del pensamiento crtico. En este esquema, el estudiante tendr
que defender sus puntos de vista a travs de argumentos slidos y compartir
sus opiniones y aportaciones con otros compaeros para llegar a acuerdos
comunes sobre conceptos, teoras y perspectivas tericas. En este espacio
tambin se desarrollan actitudes de tolerancia y respeto hacia los dems.

Fuentes de consulta
Anderson, David R. y Sweeney, Dennis J. (2008). Estadstica para administracin y economa. Cengage
Learning Latin America.
Devore, Jay L. (2005). Probabilidad y estadstica para ingeniera y ciencias. Mxico: Thomson.
Evans, M. J. (2005). Probabilidad y estadstica. Reverte.
Gamiz Casarrubias, Beatriz E. (2003). Probabilidad y estadstica con prcticas en Excel. Mxico: Just in
time Press.
Hayslett, H. T. Jr. (1987) Estadstica simplificada. Mxico: Grupo editorial Sayrols.
Johnson, R. y Kuby, P. (2006). Estadstica elemental. Mxico: Thomson Paraninfo.
Lincoln L. Chao. (2000). Introduccin a la estadstica. Mxico: Compaa Editorial Continental.
Ruiz, Elena y Ruiz, Elvia. (2007). Probabilidad y estadstica. Mxico: McGraw-Hill Interamericana.
Spiegel, Murray R. y Stephens, Larry J. (2002). Estadstica. Mxico: McGraw-Hill.

Probabilidad I


Tripla, Mario F. (2006). Estadstica elemental. Mxico: Addison Wesley Longman.
Walpole, R., Myers, R. H. y Myers, Sharon. (2007). Probabilidad y estadstica para ingenieros. Pearson
Education.
http://www.uaim.edu.mx/web-carreras/carreras/CALIDAD/04TRIM/PROBABILIDAD.pdf
http://www.vitutor.com/estadistica.html
http://www.fisterra.com/mbe/investiga/probabilidades/probabilidades.asp
http://www.itch.edu.mx/academic/industrial/sabaticorita/amarillo.htm
http://www.csanpablo.com.ar/apuntes_archivos/fisica_archivos/probabilidad_y_%20estadistica.PDF
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm
http://www.cmat.edu.uy/~mordecki/notas_probabilidad.pdf
http://www.matematicas.unam.mx/lars/libros/cip.pdf

Probabilidad I


UNIDAD 2. TEORA DE LA PROBABILIDAD

Al finalizar la unidad el estudiante:
- Reconocer la importancia de la utilizacin del clculo de probabilidades.
- Analizar algunos axiomas y teoremas como base para el clculo de probabilidades.
- Identificar la independencia de eventos.
- Analizar diferentes situaciones donde podr aplicar la regla de probabilidad condicional.
- Obtendr la probabilidad de un experimento utilizando el teorema de Bayes.
Utilizar axiomas y teoremas de la probabilidad para resolver eventos independientes mediante la aplicacin
de la teora de Bayes y la probabilidad condicional.

Utilizando los conceptos bsicos de la unidad 1 y en especial las reglas de conteo, es posible calcular la
probabilidad de cualquier evento en un experimento particular simple, pero, cuando un problema es
complejo, resultan necesarias varias reglas, para auxiliar en la determinacin de las probabilidades.
La presente unidad ofrece elementos tericos sobre el clculo de probabilidades, que nos permitir
encontrar probabilidades en situaciones difciles, a travs del estudio y anlisis de axiomas y teoremas, los
cuales son base de las reglas probabilsticas y, por consiguiente, son fundamentos en el clculo de
probabilidades.
Todo lo anterior est incluido en las lecturas y ejercicios, que permitirn el logro del aprendizaje a travs de
la prctica.
2.1. Clculo de probabilidades
Recordemos que la prediccin y el azar representan herramientas tiles para el diseo e interpretacin de
encuestas o interpretacin de informacin general y conforme se aumenta el grado de dificultad para
interpretar los resultados de un fenmeno aleatorio, se necesita de nuevas herramientas para poder
interpretar eficientemente la informacin.

Probabilidad I


Por lo anterior, a lo largo de de esta unidad, se conocer los conceptos bsicos de la teora de la
probabilidad, a travs del anlisis de sus propiedades, axiomas y teoremas, que sern fundamentos para el
clculo de probabilidades. Adems, se presenta la probabilidad condicional y eventos independientes,
donde se realiza un anlisis de cmo obtener la probabilidad de un evento cuando intervienen dos o ms
eventos. Para poder entender y emplear mejor estos conceptos, se propone una serie de ejemplos y
ejercicios contenidos en cada subtema de esta unidad.
2.1.1. Definicin de probabilidad
Definicin de probabilidad. Si un experimento aleatorio tiene un espacio muestral S con n resultados
posibles que corresponden a n eventos mutuamente excluyentes E
1
,

E
2
,, E
n
la probabilidad es una
funcin P que toma valores en el espacio muestral S y le asigna un valor en el conjunto [0,1] y su
regla de correspondencia cumple con las siguientes propiedades:
Para cualquier Ei en S:
1) P(Ei) 1
2) P(Ei) 0
3) = 1
Clculo de probabilidad de un evento A. Sea A un evento que sucede si uno de los k eventos E
1
,

E
2
,...,
E
k
sucede

entonces:
P(A) = P(E
1
) + P(

E
2
)+ + P( E
k
)

Probabilidad I


Actividad 1. Aplicaciones de probabilidad simple y condicional
Propsitos
Al finalizar la actividad el alumno podr:
- Ejemplificar los conceptos bsicos de la probabilidad simple y condicional
- Colaborar e incrementar sus cocimientos sobre el tema de probabilidad simple y condicional.
- Identificar aplicaciones donde podra aplicar la probabilidad simple y condicional
Instrucciones
1. Elabora una nueva entrada en tu blog, considerando lo siguiente:
- Observa t alrededor e identifica diversos eventos que pasas en tu ambiente familiar, laboral o
en tu sociedad y clasifcalos de acuerdo al clculo de probabilidades simples y condicionales.
- Una vez identificados tus eventos, da un ejemplo propio de probabilidad simple y otro de
probabilidad condicional.
- Concluye argumentando en dnde aplicaras la probabilidad simple y la probabilidad
condicional.
Recursos de apoyo
- Buscadores de Internet, revistas, libros, etc.
Criterios de evaluacin:
- Orden y claridad
- Relacin correspondiente a los conceptos vistos
- Planeacin de acuerdo a los pasos indicados
- Conclusin argumentada correctamente
2.1.2. Axiomas de probabilidad
Los axiomas en la teora de probabilidad constituyen la base para deducir a partir de ellas un amplio
nmero de resultados. La letra P como se mencion antes se utiliza para designar la probabilidad de un
evento, siendo P(A) la probabilidad de ocurrencia de un evento A en un experimento.
Axioma 1. Si A es un evento de S, entonces la probabilidad del evento A es:
0 P(A) 1
Como no podemos obtener menos de cero xitos ni ms de n xitos en n experimentos, la
probabilidad de cualquier evento A, se representa mediante un valor que puede variar de 0 a 1.

Probabilidad I


Axioma 2. Si dos eventos son mutuamente excluyentes, la probabilidad de obtener A o B es igual a
la probabilidad de obtener A ms la probabilidad de obtener B.
P(A U B) = P(A) + P(B)
Axioma 3. Si A es un evento cualquiera de un experimento aleatorio y A es el complemento de A,
entonces:
P(A) = 1 - P(A)
Es decir, la probabilidad de que el evento A no ocurra, es igual a 1 menos la probabilidad de que
ocurra.
2.1.3. Teoremas de probabilidad

TEOREMA 1. Si A es un evento nulo o vaco, entonces la probabilidad de que ocurra A debe ser cero.
Demostracin: Si obtenemos la probabilidad de A U B, por un lado A y B son mutuamente excluyentes, por
lo que A B = = A; por otro lado, A U B es igual con B, ya que A es vaco, entonces:
P(A U B) = P(A) + P(B) => P(B) = P(A) + P(B) siendo esto posible si y solo si P(A) = 0
TEOREMA 2. La probabilidad del complemento de A. A debe ser p(A)= 1 p(A)
Demostracin: Sabemos que la probabilidad de P(S) = P(A U A) = 1; por otro lado, A y A son mutuamente
excluyentes por lo que P(A A) = 0 entonces:
P(A U A) = P(A) + P(A) - P(A A) = P(A) + P(A) 0 = 1
Despejando P(A) obtenemos que P(A) = 1 - P(A)

Probabilidad I


Ejercicio 1. Analiza cada una de las definiciones y contesta verdadero(V) o falso (F), segn
corresponda de acuerdo a los fundamentos del clculo de probabilidades.
Respuesta
Respuesta
correcta
1) La probabilidad es una funcin P que toma valores en el espacio
muestral S y le asigna un valor en el conjunto [0,1], su regla
cumple con la propiedad > 1.

2) Sea A un evento que sucede si uno de los k eventos E
1
,

E
2
,, E
k

sucede

entonces: P(A) = P(E
1
) X P(

E
2
) X X P( E
k
).

3) Si dos eventos son mutuamente excluyentes, la probabilidad de
obtener A o B es P(A U B) = P(A) + P(B).

4) Si A es un evento nulo o vaco, entonces la probabilidad de que
ocurra A debe ser cero.

5) Si A es un evento cualquiera de un experimento aleatorio y A es el
complemento de A, entonces, P(A) = 1 + P(A).

Actividad 2. Axiomas y teoremas en el clculo de probabilidades
Propsitos
- Identificar los axiomas y teoremas para el clculo de probabilidades.
- Aplicar adecuadamente los conceptos vistos en el tema 2.1, para el clculo de probabilidades en
eventos simples y compuestos.
Desarrollo
Los estudiantes revisaran el material expuesto en el tema 2.1. Clculo de probabilidades y posteriormente
resolvern los siguientes problemas, utilizando los axiomas y teoremas en el clculo de probabilidades
simples y compuestas.
Procedimiento
1) Para cada uno de los siguientes problemas, encuentra la probabilidad simple o compuesta
segn sea el caso, utilizando lo expuesto en el tema 2. 1 Clculo de probabilidades. En cada
ejercicio argumenta por qu utilizas algn axioma o teorema, para el clculo de su probabilidad,
es decir, explica cmo llagaste a tus resultados.

Probabilidad I


a. Se registra que en un grupo de alumnos de acuerdo a su aprovechamiento durante todo
el ao, la probabilidad de que pase un alumno el examen de Enlace es del 75%. Cul
es la probabilidad de que un alumno no pase el examen?
b. Se tiene que en una agencia de autos, el vendedor Juan tiene una probabilidad de sacar
el premio del vendedor del mes de 35%, y Pedro tiene una probabilidad de sacar el
premio de vendedor del mes del 20%. Cul es la probabilidad de que Juan o Pedro
saque el premio del mejor vendedor?
c. Sea que se indique E
1
es el evento de que asistas al balneario pblico y E
2
al evento que
asistas al balneario privado. Considera, que no asistirs simultneamente a ambas. Si la
probabilidad de que asistas a un balneario pblico es del 30% y al balneario privado es
del 18%, entonces cul es la probabilidad de que asistas a un balneario este fin de
semana?
2) Una vez terminados tus ejercicios, psalos a un archivo de Word.
3) Sube tu archivo a la sesin de tareas.
4) Espera la retroalimentacin de tu Facilitador(a) y si es necesario corrige tus ejercicios.
- Orden y claridad
- Habilidades procedimentales
- Resultado correcto
- Justificacin o interpretacin de su resultado
2.2. Probabilidad condicional
El concepto de probabilidad condicional fue desarrollado por el reverendo ingls Thomas Bayes (1702-
1761), cuyo trabajo fue ledo pstumamente, en 1763. Bayes da la primera definicin rigurosa y explcita de
sucesos o eventos de los cuales se tiene informacin previa de la ocurrencia de algunos de ellos, lo cual
cambia el sentido de la probabilidad clsica.
Un ejemplo de ello se puede apreciar en los juegos de azar, supngase que se lanza un dado pero los
resultados del experimento aleatorio no son equiprobables como lo menciona la teora clsica de
probabilidad, imagina un dado cargado de forma tal que uno de sus nmeros no tiene ocurrencia, esto es
muy fcil modificar, simplemente se colocan contrapesos al nmero que deseamos no ocurra.
En general en la prctica tenemos idea de la posibilidad de ocurrencia de algunos eventos, o bien usamos
escenarios de cmo se comportara un evento si ocurriera otro evento. En economa es frecuente
plantearse escenarios, por ejemplo, qu probabilidad existe de aumentar las utilidades de una empresa si
se incrementan las tasas de inters. En esta seccin aplicaremos estos conceptos para estimar

Probabilidad I


probabilidades de eventos que estn relacionados con otros eventos y su ocurrencia modifica su
probabilidad de ocurrencia. Imagina que en un dado no ocurre un nmero impar, cul es la probabilidad
de que al lanzar un dado aparezca un dos? Es claro que nuestro espacio muestral se reduce a tres
resultados y la probabilidad P(aparezca un dos) = 1/3 en lugar de 1/6 como sucedera en un dado normal.

Actividad 3. Por qu nace la probabilidad condicional?
Propsitos
Debatir e intercambiar opiniones y experiencias con los compaeros(as) de grupo sobre el surgimiento de
la probabilidad condicional y la importancia de su estudio.
Instrucciones
En este espacio podrs compartir experiencias, puntos de vista, opiniones sobre la probabilidad
condicional. Es importante tu participacin y el intercambio de experiencias para construir conocimiento.
1. Comenta con tus compaeros(as) en el foro lo que ha significado este tramo de aprendizaje para
llegar a acuerdos y consensos comunes a partir de las siguientes preguntas:
o Qu entiendes por probabilidad condicional?
o Por qu nace la probabilidad condicional?
o Consideras importante que existan definiciones y propiedades ya fundamentadas para la
solucin de problemas probabilstico-condicionales?
2. Revisa las respuestas de tus compaeros(as) y replica a dos de ellos, argumentando por qu ests
de acuerdo o en desacuerdo con ellos.
En el foro se considerarn los siguientes criterios:
- Pensamiento crtico
- Asociacin de ideas
- Participacin creativa y oportuna
- Relevancia de la participacin
- Contenido de la participacin

2.2.1. Definicin de probabilidad condicional
Sean A, B dos eventos pertenecientes a un espacio muestral S, con A . Se define probabilidad
condicional P(B|A), que se lee probabilidad de que suceda B, dado que sucedi el evento A, o la
probabilidad de que ocurra B, condicionado a que haya ocurrido A.

Probabilidad I


Ejemplo 1. Los resultados de un estudio a una poblacin de 50,000 mujeres muestran que el 83.45%
puede esperar vivir hasta la edad 65 aos, mientras que el 61.32% puede esperar vivir hasta la edad de 80
aos. Dado que una mujer tiene 65 aos, cul es la probabilidad que ella viva hasta la edad de 80 aos?
Solucin
El espacio muestral es el conjunto de las 50,000 mujeres. Definimos a los subconjuntos A y B del espacio
muestral, como:
A=todas las mujeres que viven al menos 65 aos.
B=todas las mujeres que viven al menos 80 aos.
Entonces la probabilidad de que ocurra que una mujer de 65 aos, viva 80 aos est dada por P(B|A).
Como B es un subconjunto de A, B A=B, entonces

P( B A ) =
P(BA)
P(A)
=
P(B)
P(A)
=
61.32
83.45
= 0.73

As, una mujer de 65 aos tiene una probabilidad de 0.7348 de vivir 80 aos.
Ejemplo 2. En un supermercado por aniversario, haba una canasta con manzanas y naranjas para regalar
a los clientes. El 40% de la gente tom solo una manzana, el 60% tom solo una naranja y el 25% tom
naranja y manzana. Encuentra las siguientes probabilidades:
a) Si se selecciona una persona al azar y se observa que est comiendo manzana, cul es la
probabilidad de que haya tomado una naranja?
b) Si se selecciona una persona al azar y se observa que est comiendo naranja, cul es la
probabilidad de que haya tomado una manzana?
Solucin
Tenemos los siguientes eventos
M: Evento de que se tome una manzana. Por lo que la P(M)=0.40
N: Evento de que se tome una naranja. Por lo que la P(N)=0.60
y adems la probabilidad de que se haya tomado una manzana y naranja es P(MN)=0.25.

Aplicando la regla de probabilidad condicional se tiene que:
a) 625 . 0
4 . 0
25 . 0
) (
) (
) / ( = =
=
M P
M N P
M N P

Probabilidad I


b) 416 . 0
60 . 0
25 . 0
) (
) (
) / ( = =
=
N P
N M P
N M P
Ejemplo 3. En un grupo de 15 personas, 7 personas padecen de presin alta y 8 no. Escogemos al azar 2
personas para someterlas a un tratamiento, en el supuesto de que hemos identificado que una de las dos
personas tiene presin alta:
Cul es la probabilidad de que?
a) La otra padezca tambin de presin alta
b) Al menos una padezca presin alta
c) La otra no padezca presin alta
Solucin
Definamos los siguientes eventos:
A= La persona padezca presin alta
N= La persona padezca presin normal

Observe tambin que la P(A) = 1 P(N).
Ahora, representemos nuestro problema con ayuda de un diagrama de rbol.

De acuerdo a la definicin de probabilidad condicional tenemos:
Se requiere la probabilidad de que la primera persona tenga presin alta y la segunda presin alta por lo
que necesitamos encontrar P(P
1
A P
2
A).

Por definicin de probabilidad condicional se tiene que

8
15
7
15
Primera persona
con presin normal
Primer persona
con presin alta
Segunda persona con presin normal
dado que la primera tiene presin normal
7
14
6
14
7
14
8
14
) (
) (
) / (
A P
A B P
A B P

=
Segunda persona con presin alta
dado que la primera tiene presin
normal
Segunda persona con presin
normal dado que la primera tiene
presin alta
Segunda persona con presin alta
dado que la primera tiene presin
alta

P(P1N)=

P(P1A)=

= P(P2N/P1N)

= P(P2A/P1N)

= P(P2N/P1A)

= P(P2A/P1A)

Probabilidad I


Por lo tanto, sustituyendo y despejando de la formula anterior tenemos que
P(P
1
A P
2
A) = P(P
2
A / P
1
A) P(P
1
A)
= * = * = * = = = 0.2

a) Para este, recuerde que la P(A) = 1 P(A), por lo tanto P(A) = 1 P(N)
Esto quiere decir que al menos uno tendr presin alta entonces, analizando el diagrama de rbol y
utilizando el teorema 2, del tema 2.1.3., se tiene que:

P(A) = 1- P(N) = 1 - . = 1 - . = 1 - = = 0.733

b) Para este caso se deber calcular P(P
1
A P
2
N) = P(P
2
N / P
1
A) P(P
1
A)
= * = = 0.266

Ejercicio 2. Resuelve los siguientes ejercicios de probabilidad condicional y posteriormente
selecciona la respuesta correcta.
Respuestas Respuesta
correcta
1) Se tienen 10 lapiceros, tres de ellos ya no tienen tinta. Se
selecciona 2 aleatoriamente. Cul es la probabilidad de
que los dos lapiceros tengan tinta?
a) 0.7
b) 0.49
c) 0.6666
d) 0.47

2) La universidad del valle cuenta con tres carreras:
administracin, derecho y medicina. Se desea realizar
una excursin a Taxco, por lo que se somete a seleccin.
La siguiente tabla muestra los resultados.
Adm Der Med Abstin

S
25 20 8 12
No 15 10 2 8
Se selecciona un alumno al azar. Cul es la
probabilidad de que sea de administracin, sabiendo que
voto por que s se realizar la excursin?
a) 0.25
b) 0.38
c) 0.45
d) 0.65

3) En una agencia de autos, se reportaron 70 coches
vendidos, de los cuales son grandes y chicos. De los
a) 0.51
b) 0.4285

8
15
7
14
1
2
4
15
8
15
11
15
3
15
1
5
1
2
6
15
6
14
7
15
6
15
7
14
8
14
7
15
4
15

Probabilidad I


grandes se vendieron 25 blancos y 15 rojos y de los
chicos 10 blancos y 20 rojos. Cul es la probabilidad de
que, dado que se compr un auto rojo, ste sea grande?
c) 0.3525
d) 0.482
4) En un torneo de atletismo, donde se report la asistencia
de 120 personas, 48 de los que van saben lanzar la
jabalina, 36 de ellos saben lanzar la bala y 12 de ellos
saben lanzar los dos. Si escogemos un deportista al azar
cul es la probabilidad de que sepa lanzar la bala,
sabiendo que lanza la jabalina?
a) 0.6
b) 0.4
c) 0.45
d) 0.25

5) En un embarque de uvas se tiene las siguientes
cantidades:
- El 30 % son rojas con semilla - El 10% son rojas sin
semilla
- El 40% son verdes con semilla - El 20% son verdes sin
semilla
Se selecciona una uva roja, cul es la probabilidad de que
sea sin semilla?
a) 0.25
b) .0.1
c) 0.40
d) 0. 09

Actividad 4. Reglas para el clculo de probabilidades condicionales
Propsitos
- Identificar las reglas para el clculo de probabilidad condicional.
- Aplicar adecuadamente las reglas en problemas especficos para el clculo de probabilidades
condicionales.
- Interpretar los resultados con base en la probabilidad condicional.
Desarrollo:
Los estudiantes revisarn el material expuesto en el tema Probabilidad condicional y a continuacin
resolvern los siguientes ejercicios utilizando las reglas de probabilidad condicional.
Procedimiento
1) Realiza los siguientes tres ejercicios utilizando la regla para el clculo de probabilidad
condicional.
a. De acuerdo a un estudio de una poblacin rural, el 55% de las personas termina la
educacin media superior y el 25% termina la educacin a nivel superior. Si una

Probabilidad I


persona termina el nivel medio superior, cul es la probabilidad de que una persona
termine el nivel superior o profesional?
b. En una academia, el 30% de los alumnos practican natacin, 40% tenis y el 15%
ambos. Cul es la probabilidad de que una persona escogida al azar y que se
identifica su prctica en natacin tambin practique tenis?
c. En una poblacin pequea se hace el siguiente estudio donde se informa de cuntas
mujeres y hombres mayores de edad tienen coche y arroja los siguientes resultados.
Coche No coche Total
Hombre 150 80 230
Mujer 75 195 270
Total 225 275 500

i) Calcula las intersecciones de probabilidades que faltan en la siguiente tabla y
termina de llenarla:
Recuerda que la probabilidad de un evento es P(E)= h /n donde h es el nmero
de elementos de la muestra y n es el total de elementos del espacio maestral.
Coche No coche Total
Hombre 0.46
Mujer 0.15
Total 0.55 1.0
ii) De la tabla anterior contesta las siguientes preguntas:
- Cul es la probabilidad de que sea mujer y tenga coche?
- Cul es la probabilidad de que una persona de esa poblacin tenga
coche?
iii) Utilizando probabilidad condicional contesta las siguientes preguntas
- Cul es la probabilidad de que si una persona tiene coche sea
hombre?
- Cul es la probabilidad de que si una persona no tiene coche sea
mujer?
- Orden y claridad

Probabilidad I


2.2.2. Eventos independientes
Se dice que dos o ms eventos son independientes en S, cuando la probabilidad de que ocurra uno no es
influida por la ocurrencia de otro. Si A y B representan dos eventos y si la ocurrencia de A no afecta a la
ocurrencia de B, y la ocurrencia de B no afecta a la ocurrencia de A, entonces se dice que A y B son
independientes.
En este caso, la probabilidad de que ocurran A y B es igual al producto de sus respectivas probabilidades, y
se expresa as: P(A B) = P(A) P(B).
Es decir, si A y B son eventos independientes, se tiene que P(A/B)=P(A).
Ejemplo 1. Una compaa ha determinado que el 2% de los celulares que vende estn defectuosos. Si una
persona compra dos celulares de la compaa recientemente, cul es la probabilidad de que de ambos
estn defectuosos?
Definimos dos eventos:
A= Compra de un celular defectuoso
B= Compra de un segundo celular defectuoso
Representemos tambin este problema con el diagrama del rbol y sealemos los dos eventos

Defectuoso
No defectuoso
0.02
0.98
Defectuoso
No defectuoso
No defectuoso
Defectuoso
0.02
0.02
0.98
0.98

Probabilidad I


La probabilidad de que el celular est defectuoso es P(A)=P(B)=0.02.
Como la compra de uno de ellos no influye en el otro, la probabilidad de que ambos sean defectuosos est
dada por
P(A B)= P(A) P(B)= (0.02) (0.02) = 0.0004
Ejemplo 2. Una planta puede producir semillas amarillas o verdes. Dos plantas son cruzadas (una
poliniza a la otra). Cada planta tiene dos genes para cada color y cada uno de estos genes tiene una
probabilidad de un de pasarlo a la semilla. Los dos genes, G y Y, que recibe la semilla determinan su
color. Las plantas contribuyen con sus genes independientemente una de la otra. La semilla ser verde si
ambas plantas contribuyen con un gen V. Cul es la probabilidad de que al cruzarse la semilla sea verde?
Definimos los eventos:
A=si la planta 1 contribuye con un gen G.
B=si la planta 2 contribuye con el gen G.
Como las plantas contribuyen con un gen independientemente una de otra, la probabilidad est dada por

P(BA) = P(B)P(A) =(0.5)(0.5) =0.25.
As, un cuarto de todas las semillas producidas por estas plantas sern verdes.
Ejercicio 3. A partir de los siguientes pares de eventos, identifica aquellos que sean
dependientes o independientes.
correcta
1. En una escuela, el 30% de los alumnos tiene problemas de
lectura, el 15% tiene problemas de escritura y el 8% tienen tanto
problemas lectura como de escritura.
A= Los que tienen problemas de lectura
B= Los que tienen problemas de escritura
Dependientes
Independientes

2. A= El primer hijo es hombre
B= El segundo hijo es hombre
Dependientes
Independientes

3. En una compaa se contrata personal con estudios y sin
estudios universitarios para realizar el mismo tipo de trabajo.
A= Sea malo el desempeo de una persona con estudios
B= Sea bueno el desempeo de una persona sin estudios
Dependientes
Independientes

Probabilidad I


4. Se lanza dos dados:
A= Nmeros dobles en los dados=
{(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}
B= Nmeros pares en los dados=
{(2,2),(2,4),(2,6),(4,2),(4,4),(4,6),(6,2),(6,4),(6,6)}
Dependientes
Independientes

5. Sean los eventos:
A= de que una mujer se case antes de los 30 aos, donde
P(A)=0.5
B= de que un hombre se case antes de los 40 aos, donde P(B) =
0.6, y la P(AB)=0.4
Dependientes
Independientes

6. Se lanza una moneda al aire:
A= En el primer lanzamiento sale sol
B= En el segundo lanzamiento sale guila
Dependientes
Independientes

7. A= Ser el mejor cantante de pop
B= Tener ojos azules
Dependientes
Independientes

8. A= Estar ebrio mientras se maneja un automvil
B= Tener un accidente fatal
Dependientes
Independientes

9. A= El seor Surez recibi un aumento de salario
B= La esposa del seor Surez se compr un vestido
Dependientes
Independientes

10. En una carrera de caballos corren tres veces dos caballos A y
B.
A= En la primera carrera gane el caballo A
B= En la tercera carrera gane el caballo B
Dependientes
Independientes

Ejercicio 4. Encuentra la probabilidad de los siguientes problemas, utilizando la definicin de
eventos independientes.
correcta
1. La Sra. Martnez y su esposo tienen 60 y 65 ao
respectivamente. La probabilidad de que un hombre de 65
aos viva otros 10 aos es de 45% y la probabilidad de que
la mujer viva otros 10 aos despus de 60 aos es de 60%.
Cul es la probabilidad de que tanto la seora Martnez
como su esposo continen vivos dentro de 10 aos?
a) 0.25
b) 0.27
c) 0.44
d) 0.38

2. En una carrera de automviles, corren 3 autos A, B, C, la
probabilidad de que ganen una carrera es P(A)=0.5, P(B)=
a) 0.3

Probabilidad I


0.3 y la P(C)=0.4. Si los automviles corren dos veces
cul es la probabilidad de que en la primera carrera gane
A y en la segunda gane C?
b) 0.15
c) 0.11
d) 0.2
3. Una constructora, tiene 3 propuestas diferentes de casas
para disear. Llegan dos arquitectos y eligen una casa al
azar para disear. Cul es la probabilidad de que elijan la
misma casa?
a) 0.25
b) 0.11
c) 0.5
d) 0.33

4. En un juego de disparo, se encuentran jugando Juan y
Luisa, desean tirar al blanco y se les da solo dos
oportunidades, por lo que deciden tirar cada uno un tiro. La
probabilidad de que Luisa tire al blanco es de 1/4 y de que
Juan acierte es de 2/5. Cul es la probabilidad de que
Juan y Luisa le den al blanco?
a) 0.10
b) 0.55
c) 0.30
d) 0.43

5. Se lanza dos veces un mismo dado, cul es la
probabilidad de que salga en los dos lanzamientos un
nmero par?
a) 0.33
b) 0.49
c) 0.25
d) 0.11

Actividad 5. Eventos independientes
Propsitos
- Explicar que son los eventos independientes.
- Identificar la relacin existente entre los eventos independientes y su clculo de probabilidades en
los experimentos aleatorios.
- Colaborar y sociabilizar para llegar a un consenso en su investigacin.
Desarrollo
Los estudiantes construirn un Wiki a travs de lectura e investigacin de conceptos relacionados a
eventos independientes y la relacin que existe con los experimentos aleatorios.
Procedimiento
1) Investiga en libros o en ligas de Internet publicadas por alguna universidad, qu es:
- Evento independiente
- Evento dependiente
- Evento aleatorio
- Evento conjunto

Probabilidad I


- Regla de la multiplicacin para los eventos dependientes e independientes
- Probabilidad conjunta
- Ejemplo de probabilidad conjunta
- Otros conceptos que identifiques relacionados a eventos independientes
2) Entra al Wiki y lee detenidamente la investigacin que han realizado ya tus compaeros(as) (en el
caso de que seas el primero empieza con una introduccin de tu investigacin).
3) Si lo consideras necesario, podrs agregar nuevo material o modificar algo que ya est escrito, con
el objetivo de mejorar el contenido.
4) Al final, construye un ejemplo sencillo de clculo de probabilidad de un experimento aleatorio
relacionado a eventos independientes.
Recursos de apoyo
- Buscadores de Internet y libros.
Criterios de evaluacin
- Trabajo en equipo
- Esquematizacin de conceptos

2.2.3. Teorema de Bayes
El teorema de Bayes es una respuesta a la teora tradicional de probabilidad que se fundamenta en
experimentos repetibles y que tienen un soporte emprico. El teorema de Bayes permite probabilidades
subjetivas, aunque es til para modificar nuestras probabilidades subjetivas con la informacin obtenida en
un experimento aleatorio.
En la realidad es posible realizar estimaciones de la probabilidad de un evento basadas en el conocimiento
subjetivo a priori. El teorema de Bayes nos permite revisar estas estimaciones en funcin de la evidencia
emprica.
Ejemplo 1. En un proceso de produccin sabemos por experiencia la capacidad de nuestros equipos,
suponte que una empresa cuenta con tres equipos. El equipo A
1
produce el 30%, el equipo A
2
el 50% y el
equipo A
3
el 20 %. Es fcil obtener esta informacin de los registros de la empresa. Tambin se conoce la
calidad de cada equipo el equipo: A
1
produce 5 % de artculos defectuosos, el equipo A
2
10% y el equipo A
3

solo 2%. En trminos de probabilidad, qu conocemos?:
Dados los datos anteriores se tiene que:

Probabilidad I


- La produccin del equipo A
1
es 30 %, por lo que la probabilidad de que un articulo sea producido
por A
1
es P(A
1
)=0.3.
2
es 50%, entonces la P(A
2
)=0.5.
3
es 20%, entonces la P(A
3
)=0.2.
Sea D el evento de obtener un artculo defectuoso. Observa que esta probabilidad no es conocida; sin
embargo. conocemos la probabilidad de que un artculo sea defectuoso si es producido por un equipo por
lo que:
- La produccin de defectuoso del equipo A
1
es 5%, por lo que la probabilidad de que un artculo
defectuoso sea producido por A
1
es P(D /A
1
)=0.05
2
es el 10%, entonces P(D/A
2
)=0.1
3
es el 2%, entonces P(D/A
3
)=0.02
Adems, observa que P(A
i
) = 1 y que la P (A
i
A
j
) = 0, es decir, son excluyentes.
Para mejor compresin representemos el problema con un diagrama de rbol.
Consideremos D= El evento de producir artculos defectuosos y B= El evento de producir artculos bueno

Ahora calculemos la probabilidad conjunta dado que, para que un artculo sea defectuoso, debe de suceder
lo siguiente:
Es defectuoso y proviene del equipo A
1
corresponde al evento D A
1

o es defectuoso y proviene del equipo A
2
2
o es defectuoso y proviene del equipo A
3
3
0.3
P(A
1
)
P(A
2
)
P(A
3
)
P(D/A
1
)
P(B/A
1
)
P(D/A
2
)
P(B/A
2
)
P(D/A
3
)
P(B/A
3
)
0.5
0.2
0.95
0.05
0.1
0.9
0.02
0.98

Probabilidad I


Entonces observa que:
P(D) = P(D A
1
) + P(D A
2
) + P(D A
3
)
Usando la definicin de probabilidad condicional obtenemos que:
) (
) (
) / (
1
1
1
A P
A D P
A D P

=
) (
) (
) / (
2
2
2
A P
A D P
A D P

=
) (
) (
) / (
3
3
3
A P
A D P
A D P

=
Despejamos para cada caso
) ( ) / ( ) ( 1 1 1 A P A D P A D P =
= 0.015
) ( ) / ( ) ( 2 2 2 A P A D P A D P =
= 0.05
) ( ) / ( ) ( 3 3 3 A P A D P A D P =
= 0.004
Vamos a organizar la informacin anterior en una tabla de doble entrada, completando los datos que faltan:
D B Total
A
1
0.015 0.285 0.300
A
2
0.050 0.450 0.500
A
3
0.004 0.196 0.200
Total 0.069 0.931 1.000

Ahora podemos conocer la probabilidad de cualquier suceso como la probabilidad total de que un artculo
salga defectuoso es
P(D) = 0.015 + 0.05 + 0.004 = 0.069
Teorema de Bayes. Si un experimento aleatorio tiene un espacio muestral S con n resultados posibles que
corresponden a n eventos mutuamente excluyentes A
1
,

A
2
,, A
n,
tal que
S = A
1
U A
2
U .U A
n

Probabilidad I


El conjunto {A
1
,

A
2
,, A
n
} es una particin del espacio muestral S

Sea B un evento en S , del que se conocen las probabilidades condicionales
, ,., ,
Entonces la P(B) =

Ejemplo 2. De acuerdo con los datos de un banco, 40% de sus clientes tienen tarjeta de crdito. Un cliente
es seleccionado aleatoriamente para un estudio sobre el uso de la tarjeta de crdito. Es conocido despus
que el cliente seleccionado se encontraba sin empleo. Tambin 3% de sus clientes con tarjeta de crdito y
10% sin tarjeta de crdito se encontraba sin empleo. Encuentre las probabilidades de que:
a) Al seleccionar una persona al azar tenga empleo
b) Al seleccionar una persona al azar no tenga tarjeta de crdito
c) Si al seleccionar una persona al azar y se observa que tiene empleo. Cul es la probabilidad de
que no tenga tarjeta crdito?
Solucin:
Definimos los eventos de la siguiente manera:
CT=cliente con tarjeta de crdito
ST=cliente sin tarjeta de crdito
SE=cliente sin empleo
CE=cliente con empleo
Dada la informacin tenemos que:
P(CT)=0.40 porque 40% de los clientes tiene tarjeta de crdito.
P(ST)=0.60 porque 60% de los clientes no cuenta con tarjeta de crdito.
P(SE|TC)=0.03 porque dado que 3% se encuentra sin empleo sabiendo que cuenta con tarjeta
de crdito.

Probabilidad I


P(SE|ST)=0.1 porque dado que 10% se encuentra sin empleo sabiendo que no cuenta con
tarjeta de crdito.
Representemos la informacin con un diagrama de rbol:

Representemos a travs de una tabla de doble entrada las probabilidades de que sucedan ambos eventos.
Utilicemos la definicin de probabilidad condicional donde tenemos que

) (
) (
) / (
CT P
CT SE P
CT SE P
=
) (
) (
) / (
ST P
ST SE P
ST SE P
=
Y despejando la interseccin de los eventos y calculando, para cada caso se tiene que
) ( ) / ( ) ( CT P CT SE P CT SE P =
= (0.03) (=.40) = 0.012
) ( ) / ( ) ( ST P ST SE P ST SE P =
= (0.1) (0.60) = 0.06
Ahora organicemos la informacin anterior en una tabla de doble entrada, completando los datos que
faltan:
ST CT Total
SE 0.06 0.012 0.072
CT
ST
0.40
0.60
SE
CE
CE
SE
0.03
0.10
0.90
0.97
P(CT)
P(ST)
P(SE/CT)
P(CE/CT)
P(SE/ST)
P(CE/ST)

Probabilidad I


CE 0.54 0.388 0.928
Total 0.60 0.40 1.000

Tambin recordemos que por probabilidad total de un evento se tiene que es la suma de sus
intersecciones, por ejemplo para este caso:
P(SE) = P(SE CT) + P(SE ST)
Ahora conociendo esta informacin, calculemos las probabilidades de cada inciso
a) La probabilidad de que al seleccionar una persona tenga empleo

P(CE) = 0.54 + 0.388 = 0.928
b) La probabilidad de que al seleccionar una persona no tenga tarjeta de crdito es
P(ST)= 0.06+0.54=0.60
c) Se selecciona una persona al azar y se observa que tiene empleo. Cul es la probabilidad
de que no tenga tarjeta?

El teorema de Bayes nos dice que:
Por lo que dicha probabilidad se obtiene dividiendo la probabilidad de ST y CE entre las suma de las
probabilidades de las intersecciones.
P( ST/CE) = P(CE/ST)P(ST) = P( CE ST)
(P(CE/ST) P(ST) P(ST CE) + ( CTCE)
Observe que los valores de interseccin ya los tenemos calculados y representados en la tabla, por lo que
solo debemos sustituir:
P(ST/CE)= 0.54 _ = 0.58189
0.54 + 0.388
As que la probabilidad de que no tenga tarjeta de crdito, dado que se observ que tiene empleo es
0.58189.
Ejemplo 3. Una compaa de seguros tiene tres tipos de seguros para auto. 45% de sus clientes son de
cobertura bsica. La probabilidad de un cliente de cobertura bsica tenga un accidente y llame a la

Probabilidad I


compaa es de 0.12. Otro 30% de sus clientes son de cobertura media. La probabilidad de que tenga un
accidente un cliente de cobertura media y llame a la compaa es de 0.25. Finalmente, 25% de los clientes
son de cobertura total. La probabilidad de que tenga un accidente un cliente de cobertura total es de 0.50.
Encuentre la probabilidad de que un cliente tenga un accidente y llame a la compaa durante este ao, y
este tenga un seguro cobertura total.
Definimos como los conjuntos:
B=clientes de bajo riesgo.
M=moderado riesgo.
H=alto riesgo.
Llamemos C al evento de que un cliente tenga un accidente y llame a la compaa. El hecho de
ocurra un accidente es independiente de qu tipo de cliente sea, entonces

P(C) = P( C B )P(B) + P( C M )P(M) + P( C H )P(H)
P(C) = 0.054 + 0.075 + 0.125 = 0.254

As, la probabilidad de que un cliente de alto riesgo llame, est dada por

P( H C ) =
P(CH)P(H)
P(C)
=
0.125
0.254
= 0.492.
Ejercicio 5. Encuentra la probabilidad de los siguientes problemas utilizando el teorema de Bayes.
correcta
1. Una revista est conformada por 3 artculos del mismo
autor. En el 85% de las lneas del primer artculo no se
detectaron errores de escritura; del segundo artculo 90%
y del tercero 95% tampoco se detectaron errores. El
primer artculo tiene 125 lneas, el segundo 150 lneas y
el tercero 175 lneas. Supongamos que elegimos una
lnea al azar y observamos que no tiene ningn error.
Cul es la probabilidad de que sea del segundo
artculo?
a) 0.2341
b) 0.3331
c) 0.4311
d) 0.2901

2. Sean A, B, y C enfermedades y P un sntoma que
aparece con cualquiera de las tres enfermedades. Las
enfermedades son excluyentes y su estudio indica que
P(A)= 0.02, P(B)=0.01 y P(C)= 0.005 y P(H/A)=0.75,
P(H/B)= 0.8 y P(H/C) = 0.95. Dado que se present el
sntoma H, la probabilidad de que provenga de la
enfermedad B es:
a) 0.02775
b) 0.54231
c) 0.03512
d) 0.4522

Probabilidad I


3. En una agencia de autos, 4% de los hombres y el 1% de
las mujeres tienen ms de 6 ventas de autos en un mes.
Adems, 60% de los empleados son mujeres. Si se
selecciona al azar un empleado y ha realizado ms de 6
ventas cul es la probabilidad de que el empleado sea
mujer?
a) .0.3333
b) 0.5
c) 0.2727
d) 0.25

4. En un horno de microondas, la probabilidad de que se
queme un paquete de palomitas que dispone de una
alarma es de 0.1. La probabilidad de que suene la alarma
si identifica que se est quemando es de 0.97 y la
probabilidad de que suene si no se est quemando nada
es de 0.02. Suponiendo que haya sonado la alarma.
Cul es la probabilidad de que no se haya quemado
nada?
a) 0.111
b) 0.157
c) 0.97
d) 0.223

5. Una prueba diagnstica para la diabetes tiene un CFP de
4% y un CFN del 5%. Si la prevalencia de la diabetes en
la poblacin donde se usa es del 7% cul es la
probabilidad de que sea diabtico un individuo en el que
la prueba d positiva?
a) 0.996
b) 0.272
c) 0.641
d) 0.57

Actividad 6. Teorema de Bayes
Propsitos
- Identificar el teorema de Bayes
- Aplicar adecuadamente el teorema de Bayes para el clculo de probabilidades en problemas
especficos.
- Interpretar los resultados con base en el teorema de Bayes.
Desarrollo
Los estudiantes revisarn el material expuesto en el tema Teorema de Bayes y a continuacin resolver
el siguiente ejercicio utilizando las reglas de probabilidad condicional.

Procedimiento
1. Resuelve el siguiente problema utilizando el teorema de Bayes; adems, desglosa los pasos que
realizaste para el clculo de la probabilidad.
PROBLEMA:
Una empresa turstica que les proporciona a sus trabajadores un premio por su gran desempeo
en todo el ao planea invitarlos a un viaje a Acapulco o a Cancn ya sea por avin o autobs.
Haciendo un estudio se conoce que la empresa reparti el 30% de boletos para tomar un avin y

Probabilidad I


que de estos el 40% son para Cancn. Adems, se tiene que, de los boletos que son para
autobs, el 70% tiene como destino Acapulco.
Representa los datos a travs de un diagrama de rbol y una tabla de doble entrada, antes de
encontrar las probabilidades de los siguientes incisos. Utiliza el teorema de Bayes.
a) Cul es la probabilidad de que una persona escogida al azar tenga un boleto de avin con
destino a Acapulco?
b) Cul es la probabilidad de que una persona escogida al azar tenga boleto de autobs con
destino a Cancn?
c) Cul es la probabilidad de que una persona que se dirige a Acapulco tenga un boleto de
avin?
2. Una vez obtenidos los resultados, psalos a un archivo de Word.
3. Sube tu archivo a la sesin de tareas.
4. Espera la retroalimentacin de tu facilitador y si es necesario corrige tu ejercicio.
- Orden y claridad
- Justificacin o interpretacin de su resultado.

Evidencia de aprendizaje. Aplicacin del teorema de Bayes en las reglas de trnsito
Propsitos
- Identificar los eventos independientes y condicionales antes de aplicar la solucin de un problema.
- Identificar el teorema de Bayes como una herramienta importante para la solucin de problemas
especficos.
- Utilizar las reglas de clculo de probabilidad, axiomas y teoremas propuestos en esta unidad para la
solucin de casos de las reglas de trnsito.
Descripcin general
De los problemas que existen en las reglas de trnsito, reflexiona en lo siguiente:
Qu pasa si conocemos con anterioridad?
1.- La probabilidad de accidentes de: microbuses, taxis y automviles.
2.- El porcentaje de que suceda un accidente por alcoholismo, imprudencia y cansancio fsico.

Probabilidad I


3.- El porcentaje de que los semforos estn funcionando mal y suceda un accidente.
Los anteriores son algunos casos que podernos resolver utilizando la probabilidad condicional, con la
identificacin de eventos independientes y la utilizacin adecuada de los teoremas y axiomas del clculo de
probabilidades.
Desarrollo
El estudiante, para comprender mejor la utilizacin de los axiomas y teoremas, analizar el siguiente caso
propuesto, donde se involucra algn problema con relacin a la violacin de las reglas de trnsito:
CASO.
En un institucin gubernamental de trnsito, se detect que, de todos los vehculos que circulan
en la ciudad, el 15% son taxis, 30% son microbuses y 55% automviles. El registro de las
infracciones da a conocer que por no respetar las reglas de trnsito, los accidentes recaen en el
8% en taxis, el 12% en microbuses y el 7% en automviles.
Reflexiona y responde a las siguientes preguntas. Justifica tu respuesta.
a) El evento de que un accidente sea de un taxi o el evento de que un accidente sea de un
automvil son eventos independientes?
b) El evento de que un vehculo sea un microbs y el evento de que un vehculo tenga un
accidente son eventos condicionales?
c) Consideras poder utilizar el teorema de Bayes para encontrar la probabilidad de que, si
sucedi un accidente, sea por culpa de la violacin de las reglas de trnsito de un taxista?
Procedimiento
1. Lee con atencin el caso propuesto en esta actividad.
2. Contesta las tres preguntas de la reflexin del caso, justifica tus respuestas a travs de los axiomas y
teoremas vistos en esta unidad.
3. Representa la informacin que tienes a travs de un diagrama de rbol y una tabla de doble entrada.
4. Ahora calcula las siguientes probabilidades:
a) Selecciona un automvil al azar cul es la probabilidad de que no tenga un accidente dado que
es un taxi?
b) De la infraccin diaria se toma una al azar y se observa que es de un accidente. Calcule la
probabilidad de que haya sido de un microbs.
c) Si la boleta de infraccin seleccionada al azar no result ser accidente, cul es la probabilidad
de que haya sido por un automvil?
5. Una vez terminada tu actividad y cuando ests seguro de que cumple los puntos anteriores, psala a
un archivo de Word.
6. Espera la retroalimentacin del Facilitador(a).

Probabilidad I


La actividad tiene un valor de 25% y se considerarn los siguientes aspectos:
Habilidades procedimentales
- Orden y claridad
- Organizacin del trabajo
- Esquematizacin de las probabilidades del caso
Habilidades actitudinales
- Anlisis de casos
- Apertura al cambio

En el proceso de tu aprendizaje, a travs de la realizacin de lecturas, investigaciones, ejercicios,
actividades y foros, te recomendamos que a medida que avances en el estudio tomes nota de los aspectos
ms importantes y registres tus dudas. No olvides que el Facilitador(a) te ayudar a comparar los
resultados, superar las dificultades, corregir errores.
Te recomendamos tambin que leas los textos, las explicaciones de cada ejemplo, que realices tus
ejercicios y las propuestas de trabajo detenidamente, que retrocedas si es necesario para recordar
conceptos, definiciones y los fundamentos de la probabilidad, como las reglas, propiedades, axiomas y
teoremas que te ayudarn a resolver los problemas que se te presenten.
Para cumplir con los propsitos de la Unidad 2. Teora de la probabilidad se han diseado diversas
actividades y ejercicios destinados al desarrollo de destrezas y habilidades para resolver problemas
especficos, donde haya un grado de incertidumbre en los efectos de fenmenos que se nos presentan a
nuestro alrededor.
Con el fin de guiar las acciones a realizar y facilitar su identificacin, a continuacin se presentan los conos
que corresponde a las actividades y ejercicios de la unidad:

Probabilidad I


Ejercicios. Corresponden a diferentes actividades de tipo formativo para la
activacin de conocimientos relacionados con las temticas de la propia
unidad. Estos no cuentan con valor numrico pero s son indispensables
para avanzar en los procesos de aprendizaje.

Actividad de aprendizaje. Las actividades de aprendizaje tienen un valor
formativo, ya que a travs de su realizacin se ejercitan habilidades,
destrezas y actitudes que permitan la aplicacin de mtodos y tcnicas en
situaciones de aprendizaje y que ms tarde sern aplicadas en contextos
acadmicos y sociales.

al desarrollo del pensamiento crtico y al desarrollo de la capacidad
argumentativa. En este esquema, tendrs que defender tus puntos de vista
a travs de argumentos slidos y compartir opiniones y aportaciones con
otros compaeros para llegar a acuerdos comunes sobre conceptos,
teoras y perspectivas tericas. En este espacio tambin se desarrollan
actitudes de tolerancia y respeto hacia los dems.
Fuentes de consulta
Corral, M. J. (2009). Comunicacin y vida. Mxico: Edere.
Devore J. L. (2005). Probabilidad y estadstica para ingeniera y ciencias. Thomson.
David R. Anderson, Dennis J. Sweeney, (2008). Estadstica para administracin y economa. Cengage
Evans, M. J. (2005). Probabilidad y estadstica. Mxico: Reverte.
Ronald Walpole, Raymond H. Myers, Sharon Myers (2007). Probabilidad y estadstica para ingenieros.
Pearson Education.
lvarez Muro, Alexandra. (s/f). Oralidad y cotidianidad. http://elies.rediris.es/elies15/cap11.html
Stefan Waner, Matemticas finitas y Clculo aplicado, Consultado el 18 de abril en:
Instituto Tecnolgico de Chihuahua, consultado en el 18 de abril en:

Probabilidad I


UNIDAD 3. MODELOS DE PROBABILIDAD DISCRETOS

- Distinguir una variable aleatoria de una continua.
- Determinar los valores de los parmetros en los modelos probabilsticos y calcular probabilidades,
interpretando sus resultados.
- Identificar los modelos de probabilidad como el Binomial, Poisson e Hipergeomtrico, as como las
propiedades de una funcin de probabilidad.
- Obtendr la probabilidad de un experimento utilizando el teorema de Bayes.
- Representar en forma de tabla, grfica o funcin una distribucin de probabilidad discreta.


Utilizar modelos de probabilidad discretos para el anlisis de eventos a travs del valor esperado y la
varianza de las variables aleatorias discretas.

En general, podemos dividir el estudio de la probabilidad de acuerdo a las caractersticas de la informacin
contenida en un experimento aleatorio. En algunos experimentos, el nmero de resultados posibles del
experimento aleatorio que conforman su espacio muestral es un nmero finito, es decir, podemos enumerar
y contar los resultados posibles, y a esto se le llama espacios muestrales discretos. En otros el nmero de
resultados es infinito y es imposible contar, a estos se les llama espacios muestrales continuos.
Generalmente, podemos distinguir un espacio muestral discreto cuando realizamos conteos como el
nmero de personas que se presenta a un evento, el nmero de accidentes de trnsito en un da, el
nmero de nacimientos en un hospital, el nmero de resultados en el lanzamiento de un dado, etc. En un
espacio muestral continuo los resultados en general representan mediciones de tiempo, superficie,
volumen, como el peso o la estatura de una persona o el tiempo de vida de una lmpara de luz.
En esta unidad se presentan los modelos de probabilidad discretos y se distinguen los modelos
determinsticos, por otro lado se define, reconoce y distingue la variable aleatoria de la continua.

Probabilidad I


Un modelo matemtico es una representacin de la realidad, en particular los modelos de probabilidad
representan experimentos aleatorios, para este fin emplea variables, parmetros y una relacin o funcin
que contiene a esa variable que nos facilita el clculo de probabilidades.
En especial en esta unidad abordaremos los temas de valor esperado y varianza de una variable aleatoria
discreta para los modelo Binomial, Poisson e Hipergeomtrico. Para entender los modelos de probabilidad
discretos o distribuciones de probabilidad discretas empezaremos esta unidad comparando los modelos
determinsticos con los probabilsticos identificando los elementos de un modelo de probabilidad, siendo los
elementos ms importantes las caractersticas del experimento aleatorio, su variable aleatoria, sus
parmetros y su funcin para el clculo de probabilidades, tambin conocida como distribucin de
probabilidad. Los modelos de probabilidad nos presentan una relacin que nos permite obtener la
probabilidad para cada uno de los valores que puede tomar la variable aleatoria. Esta relacin se conoce
como funcin de probabilidad o funcin de distribucin de probabilidad, la cual aprenders a representar en
una funcin, en una tabla o en una grfica.
Presentaremos varios ejemplos para emplear estos modelos de probabilidad y se propone una serie de
ejemplos y ejercicios contenidos en cada subtema de esta unidad. Todo lo anterior est incluido en las
lecturas y ejercicios, que permitirn el logro del aprendizaje a travs de la prctica.
3.1. Modelos de probabilidad
Definicin de modelo. Un modelo constituye una representacin abstracta de un cierto aspecto de la
realidad y tiene una estructura que est formada por los elementos que caracterizan el aspecto de la
realidad modelada y por las relaciones entre estos elementos.
3.1.1. Modelos determinsticos vs. probabilsticos
En los modelos deterministas o determinsticos todos los datos del problema se conocen con absoluta
certeza esto no es as en los modelos probabilsticos.
Ejemplos de modelos determinsticos. En el rea de investigacin de operaciones se plantea el
problema de control de inventarios que radica principalmente en optimizar los costos de operacin y
produccin y tomar decisiones de cunto se debe comprar?, cundo se debe comprar? El contar con un
inventario implica costos de almacenamiento de preparacin, de merma o dao. El no contar con un
inventario implica un costo de oportunidad y retraso en la produccin y venta. Los modelos de control de
inventarios buscan optimizar la funcin de costo que se relaciona con estos factores.

Probabilidad I


En las matemticas financieras podemos calcular con precisin la tabla de amortizacin de una deuda si
conocemos el plazo, la tasa de inters y el nmero de pagos. Una caracterstica de estos modelos es que
la informacin es conocida y los resultados son iguales siempre que usemos la misma informacin.
Ejemplos de modelos probabilsticos. En el control de la produccin se requiere inspeccionar los
artculos producidos; cuando se producen grandes cantidades, el proceso se hace complejo y costoso. Una
solucin se tiene en el muestreo aleatorio. Se toman muestras de los artculos producidos y con base en la
informacin contenida en estas se toman decisiones. A diferencia de los modelos deterministas no se
cuenta con certeza con la informacin necesaria para tomar decisiones. Un riesgo presente en el control de
la produccin es que al tomar muestras la informacin muestral no se observe evidencia de un proceso
fuera de control, o bien puede suceder que se observen artculos defectuosos y el proceso est bajo
control, dicho de otro modo no se conoce el total de artculos defectuosos producidos y la informacin
disponible es solo una parte del total de artculos producidos. En este ejemplo, la variable de inters es el
nmero de artculos defectuosos en la muestra.
En la medicina frecuentemente se toman muestras de sangre para determinar la salud de una persona. Las
tcnicas usadas realizan un conteo de algunas caractersticas en la sangre; sin embargo, existen riesgos
de concluir que una persona est enferma cuando realmente est sana, o bien concluir que est sana
cuando realmente est enferma. En este ejemplo la variable aleatoria podra ser el nmero de glbulos
rojos por cm
3
.
Una caracterstica de los modelos de probabilidad es que las muestras tomadas son siempre diferentes, es
decir, presentan un patrn aleatorio. Otra caracterstica es la incertidumbre y riesgo presentes debido a la
aleatoriedad generada por el muestreo aleatorio. Los modelos de probabilidad nos permiten medir los
riesgos de tomar estas decisiones. En esta asignatura abordaremos modelos para variables aleatorias
discretas y modelos para variables aleatorias continuas. Los modelos de probabilidad nos presentan una
relacin que nos permite obtener la probabilidad para cada uno de los valores que puede tomar la variable
aleatoria. Esta relacin se conoce como funcin de probabilidad o funcin de distribucin de probabilidad.

Probabilidad I


Ejercicio 1. Analiza cada uno de los enunciados y evala si se trata de un modelo
probabilstico contestando falso (F) o verdadero (V)
Respuesta
1) Obtener el monto de los activos de una empresa, que dispone de informacin
sobre Pasivos y Capital, requiere de un modelo probabilstico

2) El encargado del control areo requiere conocer el promedio de llegadas de
aviones por un periodo determinado de tiempo, y para tal fin puede usar un
modelo de probabilidad...

3) El secretario de salud pblica requiere estimar el nmero de casos de cncer
uterino en las mujeres mayores de 40 en los prximos 6 aos, para tal fin se
apoya en un modelo de probabilidad

4) El jefe del D.F. requiere conocer el nmero de personas por hora que viaje en
el servicio de transporte colectivo Metro en la Ciudad de Mxico. Usa un
modelo de probabilidad para tal fin

5) Calcular el tiempo que tarda en caer un objeto desde un edificio requiere de un
modelo probabilstico

3.2. Variable aleatoria discreta
Una caracterstica de los modelos es que para representar la realidad usan variables, en particular los
modelos de probabilidad para representar experimentos aleatorios, requieren de variables que asumen
valores al azar, lo que les da el nombre de variables aleatorias. En esta unidad estudiaremos las variables
aleatorias relacionadas a experimentos aleatorios cuyos resultados son finitos o numerables, por lo que les
llamamos variables aleatorias discretas.
Dado un experimento aleatorio y su correspondiente espacio muestral se denomina variable aleatoria
discreta a una funcin X que le asigna a cada elemento del espacio muestral S un nmero en el conjunto
Rx = {s S | X(s) }. El conjunto Rx se conoce como rango o recorrido de la variable aleatoria x. Los
valores en Rx de la variable aleatoria corresponden a eventos numricos relacionados con los resultados
del experimento aleatorio.
Ejemplo 1. Considere el experimento aleatorio que consiste en observar a dos personas que regresan de
viaje en la terminal internacional del aeropuerto en la Ciudad de Mxico y que, al pasar por la aduana
deben de oprimir un botn que se puede encender en rojo o en verde. Si es rojo, se les detiene para una
inspeccin completa; si es verde, no pasan inspeccin. El espacio muestral asociado a este experimento es
S = {RR, RV, VR, VV}. Si nos interesa la variable aleatoria que describa, pasar el semforo en verde para la
pareja, observamos que esta variable puede tomar tres valores posibles: 0: no pasa ninguno, 1: pasa uno

Probabilidad I


de los dos, 2: pasan los dos. Entonces Rx = {0, 1, 2} y la funcin X tiene la siguiente regla de
correspondencia:

X:S ------------------------------- Rx
Ejercicio 2. Resuelve los siguientes ejercicios determinando el rango o recorrido Rx de la variable
aleatoria que se describe y selecciona la respuesta correcta.
correcta
1) Se lanzan dos dados y se observa la suma de los
puntos que muestran.
a) Rx = {0,1,2}
b) Rx = {2,4,6,8,10,12}
c) Rx = {1,3,5,7,9,11}
d) Rx = {2 x 12|x Z}

2) El 20% de los cientficos en energa nuclear ha
desarrollado algn tipo de cncer. Un grupo de 5
cientficos es sometido a pruebas para determinar
indicios de cncer. La variable aleatoria es el
nmero de cientficos en el grupo de 5 que resulta
positiva la prueba (es decir tienen indicios de
cncer).
a) Rx ={1}
b) Rx ={1,2,3,4}
c) Rx ={0,1}
d) Rx ={0,1,2,3,4,5}

3.2.1. Definicin de variable aleatoria discreta

Dado un experimento aleatorio y su correspondiente espacio muestral, se denomina variable aleatoria
discreta a una funcin X que le asigna a cada elemento del espacio muestral S un nmero en el conjunto
Rx = {sS | X(s)}. El conjunto Rx se conoce como rango o recorrido de la variable aleatoria x. Los valores
en Rx de la variable aleatoria corresponden a eventos numricos relacionados con los resultados del
experimento aleatorio.
RR
RV
VR
VV

0
1
2

Probabilidad I


3.2.2. Distribucin de probabilidad
Definicin de distribucin de probabilidad. La distribucin de probabilidad de una variable aleatoria X es
una funcin que proporciona a cada uno de los valores de la variable aleatoria X: x
1
, x
2
,, x
n
una
probabilidad y debe cumplir con las siguientes propiedades:
Para cualquier valor de X en Rx
1) P(x) 1
2) P(x) 0
3) = 1
Una distribucin de probabilidad puede ser expresada mediante una tabla, una funcin o bien una grfica,
como se muestra a continuacin.
En el ejemplo 1 anterior si consideramos que cada uno de los resultados del espacio muestral es
igualmente probable entonces:
P(RR) = P(RV) = P(VR) = P(VV) =
Asignaramos probabilidades a los valores de X en Rx observando los eventos o sucesos equivalentes:
Para el evento de x = 0 el suceso equivalente es {RR}
Para el evento de x = 1 el suceso equivalente es {RV, VR}
Para el evento de x = 2 el suceso equivalente es {VV}

X P(X)
0 0.25
1 0.5
2 0.25

Tabla de distribucin de probabilidad
La tabla anterior se conoce como Distribucin de Probabilidad para la variable aleatoria X, observa que las
propiedades dadas en la definicin se cumplen.

Probabilidad I


0
0.2
0.4
0.6
0 1 2
P(X)

Grfica de la distribucin de probabilidad
Representacin por una funcin de probabilidad o distribucin de probabilidad para el ejemplo 1.
P(X=x) = 2Cx (0.5)
x
(1 0.5)
2-x
para X =0,1,2
Ejercicio 3. Resuelve los siguientes ejercicios representando en una tabla la distribucin de
probabilidad correspondiente.
Respuestas Respuesta correcta
1) Se lanzan dos monedas y se observa el
nmero de caras que muestran. Se
representa la tabla con el valor de la variable
aleatoria como abscisa y su probabilidad
como su ordenada. (x, P(X)).
a) {(0,0.5), (1,0.25),(2,0.25)}
b) {(0,0.25), (1,0.5),(2,0.25)}
c) {(0,0.25), (1,0.25),(2,0.5)}
d) {(0,0.5), (1,0.5),(2,0.5)}

2) El 20% de los cientficos en energa
nuclear ha desarrollado algn tipo de cncer.
Un grupo de 5 cientficos es sometido a
pruebas para determinar indicios de cncer.
La variable aleatoria es el nmero de
cientficos en el grupo de 5 que resulta
positiva la prueba (es decir tienen indicios de
cncer).
a) Rx ={1}
b) Rx ={1,2,3,4}
c) Rx ={0,1}
d) Rx ={0,1,2,3,4,5}

3.2.3. Valor esperado y varianza de una variable aleatoria discreta
Definicin. Sea X una variable aleatoria discreta con una distribucin de probabilidad P(X), se define el
valor esperado, media o promedio de X por:
E[x] =

Probabilidad I


Observa que si P(x) es una descripcin exacta de las frecuencias relativas para una poblacin de datos,
entonces E[x] = la media o promedio de la poblacin.
Ejemplo 1. Se selecciona un empleado al azar entre 5, 000 empleados que trabajan para un armadora de
coches. Sea X=el nmero de faltas por ao del empleado seleccionado. La funcin de distribucin de
probabilidad de la variable X est dada por la siguiente tabla:
X 1 2 3 4 5 6 7
P(x) 0.013 0.07 0.25 0.15 0.08 0.03 0.008
Una manera de ver esta situacin es pensar que valores de la variable X representan a la poblacin, es
decir, algunos son 1s en la poblacin, otros son 2s,, y finalmente unos son 7s.
Una vez que hemos modelado a la poblacin, podemos caracterizarla a travs de la media de la siguiente
manera. Desde que P(1)=0.02, sabemos que (0.01)(5,000)= 50 de los empleados faltan un da, y
anlogamente con los dems valores de X.
X 1 2 3 4 5 6 7
P(x) 0.02 0.17 0.39 0.25 0.13 0.03 0.01
Nmero de
empleados
100 850 1950 1250 650 150 50

Calculando el valor medio de la variable X,

E[x] = = xp(x) =1(0.02)+2(0.17)+...+7(0.01) = 3.43.
x

As, este ltimo valor representa la media del nmero de das que falta un trabajador por ao.
Ejemplo 2. Una compaa fabricante de aviones pequeos (50 pasajeros o menos), realiz un estudio
sobre el equipaje de mano con usuarios de este tipo de aviones. Al fabricante le gustara saber acerca del
espacio mnimo para el equipaje de mano debido a que el espacio es un punto crucial en aeronaves
pequeas. A continuacin se muestra la informacin que obtuvo:
Nmero de 1 8 18 41 22 8 2

Probabilidad I


pasajeros
Volumen
del
equipaje(ft
3
)
0 1 2 3 4 5 6
Para modelar esta situacin representamos como X a los pies cbicos, la cual representa a los usuarios. La
funcin de distribucin de probabilidad la encontramos en la siguiente tabla
X 0 1 2 3 4 5 6
P(x) 0.01 0.08 0.18 0.41 0.22 0.08 0.02
Un espacio razonable necesario para el equipaje de mano es la media de la variable X, la cual est dada
por:

E[x] = = xp(x) = 0(0.01)+1(0.08)+...+6(0.02) = 3.07.
x

Definicin. Sea X una variable aleatoria discreta con una distribucin de probabilidad P(X), se define la
varianza de X por:
V[x] = E[(x- )
2
] =
Observa que si P(x) es una descripcin exacta de las frecuencias relativas para una poblacin de datos,
entonces V[x] = la varianza de la poblacin.
Ejemplo 1. Si X representa el nmero de faltas que un empleado tiene durante un ao, con la funcin de
distribucin de probabilidad del ejemplo 1 (seccin anterior), para la cual =3.43, tenemos que,

V[x] =o
2
= (x )
2
p(x)
x
= (0.01)(13.43)
2
+(0.08)(23.43)
2
+...+(0.02)(63.43)
2
= 3.07.

La desviacin estndar de X es o=2.24. Tanto la varianza como la desviacin estndar miden qu tan
dispersos se encuentran los valores de una poblacin.

Probabilidad I


Ejercicio 4. Resuelve los siguientes ejercicios calculando el valor esperado y la varianza de
las siguientes distribuciones de probabilidad.
correcta
1) Suponga ahora que se lanzan tres
monedas y la variable aleatoria es el
nmero de caras
Y 0 1 2 3
p(y) 0.125 0.375 0.375 0.125

a) E(x) = 1.0 V(x) = 1.5
b) E(x) = 1.5 V(x) = 0.75
c) E(x) = 1.75 V(x) =
0.937
d) E(x) = 0.937 V(x) = 1.75

2) En un proceso electoral se observa que
uno de los candidatos tiene al 80% de
votantes a su favor. Si se seleccionan 5
personas del padrn electoral al azar cul
es el valor esperado y la varianza del
nmero de votantes a favor del candidato?
Y 0 1 2 3 4 5
p(y) 0.00032 0.0064 0.0512 0.2048 0.4096 0.32768

a) E(x) = 4 V(x) = 0.8
b) E(x) = 1.6 V(x) = 8
c) E(x) = 0.80 V(x) = 5
d) E(x) = 5.00 V(x) = 1.00

3.3. Modelos de probabilidad para variables aleatorias discretas
Un modelo es una representacin de la realidad, un modelo de probabilidad representa un experimento
aleatorio, en esta unidad estudiaremos los modelos de probabilidad ms frecuentemente usados en la
prctica relacionados con experimentos aleatorios discretos.
El modelo binomial es ampliamente usado en control de calidad en la industria, la medicina, la electrnica,
etc.
El modelo Poisson y el modelo Hipergeomtrico comparten con el modelo binomial que cada resultado
puede tener o no una caracterstica, a la que se le denomina xito. Por ejemplo, un artculo producido
puede ser bueno o defectuoso, un elector puede votar en contra o a favor. En un modelo binomial
nos interesa el nmero de xitos en una muestra, y en Poisson, el nmero de ocurrencias o xitos en una
unidad especificada de tiempo, volumen, o superficie. En un modelo Hipergeomtrico nos interesa tambin
el nmero de xitos en una muestra, pero la probabilidad de xito no es constante como en el caso de
binomial.
3.3.1. Modelo Binominal
El modelo binomial es empleado en situaciones en donde nos interesa conocer una suma de xitos o una
proporcin en una poblacin.

Probabilidad I


Como ejemplos tenemos la proporcin de votantes de toma de decisiones, en la prctica requieren conocer
algunas caractersticas de una poblacin la suma de elementos o la proporcin de elementos de la
poblacin involucran la seleccin de una muestra aleatoria de una poblacin. En donde el inters del
investigador es que cumple con una caracterstica que se requiere observar, si un elemento de la poblacin
presenta esta caracterstica le llamamos un xito. Corresponde a un experimento aleatorio que tiene las
siguientes caractersticas:
Se realizan n ensayos o pruebas de forma idntica.
Cada ensayo tiene dos posibles resultados: xito o fracaso.
Los ensayos son independientes, es decir, el resultado de un ensayo no depende de los
ensayos anteriores.
La probabilidad de xito (p) no vara de una prueba a otra.
La probabilidad de fracaso es q = 1- p
La variable aleatoria es el nmero de xitos en los n ensayos.
Su funcin de distribucin de probabilidad est dada por:
P(X=x) = nCx (p)
x
(1 p)
n-x

El rango o recorrido de la variable aleatoria X es {0,1, 2,, n}
Todo experimento que tenga estas caractersticas diremos que sigue el modelo de la
distribucin Binomial.
A la variable X que expresa el nmero de xitos obtenidos en los n ensayos del experimento,
la llamaremos variable aleatoria Binomial.
Ejemplo 1. Supn que 20% de todas las computadoras producidas por una compaa necesitan un servicio
durante su periodo de garanta. Sea X el nmero de computadoras, entre 15 seleccionadas aleatoriamente,
que necesitarn un servicio. Entonces si X tiene una distribucin binomial con n=15 y p=0.2
a) La probabilidad de que a lo ms 8 necesiten servicio es

P(X s 8) =
n
C
x
x=0
8
( p)(1 p)
15x
P(X s 8)=
15
C
0
(0.2)(0.8)
15
+
15
C
1
(0.2)(0.8)
14
+...+
15
C
8
(0.2)(0.8)
7
P(X s 8) = 0.999

b) La probabilidad de que exactamente 8 necesiten servicio es:

Probabilidad I


P(X = 8)=
15
C
8
(p)(1 p)
158
= 0.003
c) La probabilidad de que al menos necesiten servicio es

P(X > 8) =1P(X s 7) =
1
15
C
0
(0.2)(0.8)
15
+
15
C
1
(0.2)(0.8)
14
+...+
15
C
8
(0.2)(0.8)
8
P(X > 8) = 0.004

Ejercicio 5. Resuelve los siguientes ejercicios para la distribucin binomial y selecciona la
respuesta correcta.
1) En el ejercicio 4.1 obtenga los parmetros de la
distribucin binomial y calcule su valor esperado y
varianza que estn dados por E(x) = np V(x) =
npq 0.8 y compare con los resultados de este
ejercicio.
a) n=3 p=0.5
b) n = 3 p= 0.8
c) n= 3 p = 0.2
d) n=3 p= 1.0

2) El 20% de los cientficos en energa nuclear ha
desarrollado algn tipo de cncer. Un grupo de 5
cientficos es sometido a pruebas para determinar
indicios de cncer. La variable aleatoria es el nmero
de cientficos en el grupo de 5 que resulta positiva la
prueba. (Es decir tienen indicios de cncer). Cul es
la probabilidad de que al menos uno tenga cncer?

a) P(x1)=1 P(x=0) =0.672
b) P(X=1) = 0.4096
c) P(X<1) = 0.3277

Actividad 1. En qu reas se aplica el modelo Binomial?
Propsitos
Debatir e intercambiar opiniones y experiencias con los compaeros(as) de grupo sobre las aplicaciones
del modelo Binomial y las condiciones para aplicarlo.
Instrucciones
1. En este espacio podrs compartir experiencias, puntos de vista, opiniones sobre el modelo de
probabilidad Binomial. Es importante tu participacin y el intercambio de experiencias para construir
conocimiento. Comenta con tus compaeros lo que ha significado este tramo de aprendizaje para
o En qu reas de la vida real se aplica el modelo Binomial?
o Qu caractersticas se deben presentar para aplicarlo?

Probabilidad I


o Como todo modelo de probabilidad, qu condiciones deben cumplirse?
2. Revisa las respuestas de tus compaeros(as) y replica a dos de ellos, argumentando por qu ests

Actividad 2. Aplicacin de la distribucin Binomial
Propsitos
- Identificar los modelos de probabilidad binomial.
- Aplicar adecuadamente la distribucin de probabilidad en problemas especficos para el clculo de
probabilidades con este modelo.
- Interpretar los resultados con base en el contexto del problema.
Desarrollo
Dado un problema que requiera de una distribucin binomial identificar los valores y parmetros para el
clculo de las probabilidades correspondientes
Procedimiento
Realiza los siguientes tres ejercicios utilizando una distribucin binomial.
a. Una tienda departamental tiene un sistema de cuatro alarmas que funcionan en
forma independiente, cada una tiene una probabilidad de detectar a un intruso de un
95%. Sea Y la variable aleatoria el nmero de alarmas que detectan al intruso
puede afirmarse que se trata de un problema para ser resuelto con una distribucin
binomial?
- Obtn la probabilidad de que al menos una alarma detecte a un intruso e
interpreta.
b. En una consulta sobre la equidad de gnero, el 30% de la poblacin afirma que no
existe equidad de gnero. Se toma una muestra al azar de 10 personas y se

Probabilidad I


observan los que opinan en contra de la equidad. Se puede aplicar el modelo
binomial a este problema?
- Obtn la probabilidad de que las diez personas opinen en contra de la
equidad de gnero.
c. En una clnica para el dolor se ha observado que el 90% de los pacientes elimina el
dolor con sus terapias. Se seleccionan de los registros de la clnica 10 pacientes a
los que se les aplicar la terapia. Cul es la probabilidad de que todos eliminen el
dolor?
- Orden y claridad
- Justificacin o interpretacin de tu resultado

3.3.2. Modelo de Poisson
El modelo Poisson es empleado en situaciones en donde nos interesa conocer la suma de ocurrencias de
un evento en un continuo de tiempo, superficie o volumen.
Ejemplos
Un departamento de atencin a clientes desea estimar el promedio de llamadas por hora.
Entendemos el nmero de llamadas la suma de ocurrencias en un espacio de tiempo de una
hora.
Una tienda de telas tiene inters en estimar el promedio de defectos por metro cuadrado en
un lote de telas. Entendemos el promedio de defectos como el parmetro a estimar y un
metro cuadrado como unidad de espacio.
Un laboratorio de anlisis clnicos realiza estudios en los que requiere contar el nmero de
ocurrencias de plaquetas, leucocitos, neutrfilos, linfocitos, etc., por con el fin de estimar
el promedio de ocurrencias por unidad de volumen.
Un supermercado se interesa en observar el promedio de clientes que llega a las cajas por
hora. Este tipo de situaciones se aborda con el modelo Poisson en teora de colas.

Probabilidad I


El departamento de trnsito est interesado en estimar el promedio de accidentes por
semana en un crucero peligroso. Cul es el parmetro de inters? Sirve el modelo
Poisson para representar este problema?
El modelo Poisson corresponde a un experimento aleatorio que tiene las siguientes caractersticas:
El promedio de ocurrencias por unidad especificada es proporcional al tamao de la unidad.
El nmero de ocurrencias es independiente de la unidad especificada
es el parmetro de la poblacin a estimar y se conoce como el promedio de ocurrencias
por unidad especificada.
La variable aleatoria asociada al experimento es el nmero de ocurrencias por una unidad
especificada, la cual puede ser de tiempo, superficie o volumen.
La suma de variables Poisson es una variable Poisson con la suma de sus promedios.
P(X=x) = Para valores de x:0,1,2,..
Media: E[x] =
Varianza V[x] =
Desviacin estndar =
Ejemplo 1. Una compaa de seguros de vida ha determinado que en promedio recibe 4.5 reclamos por
seguro de muerte al da. Suponemos que X tiene una distribucin de Poisson con =4.5,
a) La probabilidad de que ocurran 5 reclamos en un da est dada por:

P(X = 5) =
e
4.5
(4.5)
5
5!
= 0.1708
b) La probabilidad de que ocurran a lo ms 5 reclamos es:

P(X s 5) =
e
4.5
(4.5)
x
x!
=
x=0
5
e
4.5
(4.5)
0
0!
+
e
4.5
(4.5)
1
1!
+...+
e
4.5
(4.5)
5
5!
= 0.7029

Probabilidad I


Ejercicio 6. Resuelve los siguientes ejercicios para la distribucin de Poisson y
selecciona la respuesta correcta.
correcta
1) El nmero de defectos en una pieza de
mrmol tiene una distribucin de Poisson con
media dos por metro cuadrado. Qu tan
probable es encontrar 6 defectos en una
pieza de mrmol?
a) P(x=6)= .27
b) P(x=6) = .09
c) P(x=6) = .18
d) P(x=6) = .01

2) El nmero de llamadas por turno nocturno al
911 en una pequea ciudad es de 3 en
promedio. Considera normal observar 10
llamadas en un turno?

a) S es probable
b) S es muy probable
c) Es un poco probable
d) Es casi imposible

Actividad 3. En qu reas se aplica el modelo Poisson?
Propsitos
del modelo Poisson y las condiciones para aplicarlo.
Instrucciones
En este espacio podrs compartir experiencias, puntos de vista y opiniones sobre el modelo de
probabilidad Poisson. Es importante tu participacin y el intercambio de experiencias para construir
conocimiento. Comenta con tus compaeros(as) lo que ha significado este tramo de aprendizaje para llegar
a acuerdos y consensos comunes a partir de las siguientes preguntas:
o En qu reas de la vida real se aplica el modelo Poisson?
o Como todo modelo de probabilidad qu condiciones deben cumplirse?
Revisa las respuestas de tus compaeros(as) y replica a dos de ellos, argumentando porque ests

Probabilidad I


Actividad 4. Aplicacin del modelo Poisson
Propsitos
- Identificar el modelo de Poisson.
- Aplicar adecuadamente las distribuciones de probabilidad en problemas especficos para el clculo
de probabilidades con el modelo Poisson.
Desarrollo
Dado un problema que requiera de una distribucin Poisson identificar los valores y parmetros para el
clculo de las probabilidades correspondientes
Procedimiento
Realiza los siguientes tres ejercicios utilizando una distribucin de Poisson.
a. El nmero de automviles que llega a un estacionamiento es de 9 cada hora. Cul
es la probabilidad de que en un periodo de 10 minutos lleguen al estacionamiento
ms de dos automviles?
b. En un almacn se encontr que la venta de cierto artculo sigue un proceso de
Poisson con promedio de cinco ventas por da. Cul es la probabilidad de que en
un da el artculo sea pedido ms de 6 veces?
c. En la caja de un banco, llegan a pagar, en promedio, ocho clientes por hora. Cul
es la probabilidad que en una determinada hora lleguen a la caja a pagar un mximo
de cuatro clientes?
Una vez terminados tus ejercicios, psalos a un archivo de Word.
- Orden y claridad

Probabilidad I



3.3.3. Modelo Hipergeomtrico
El modelo Hipergeomtrico es empleado en experimentos binomiales cuando no se cumple que los eventos
sean independientes y la probabilidad de xito no se mantenga constante.
El modelo Hipergeomtrico corresponde a un experimento aleatorio que tiene las siguientes caractersticas:
Se realizan n ensayos o se obtiene una muestra de n observaciones sin reponer.
Cada ensayo tiene dos posibles resultados: xito o fracaso.
Los ensayos no son independientes, es decir, el resultado de un ensayo depende de los
ensayos anteriores.
La probabilidad de xito (p) vara de una prueba a otra.
El valor de p = es la proporcin de xitos en la poblacin, parmetro de la poblacin a
estimar. En donde N es el total de elementos y r el nmero de xitos en la poblacin.
La probabilidad de fracaso es q = 1- p
La variable aleatoria es el nmero de xitos en los n ensayos.
P(X=x) = siempre y cuando 0 x k
Observa que:
N es el total de elementos en la poblacin.
n es el tamao de muestra seleccionado.
k es el nmero de xitos.
N-k es el nmero de fracasos.
x es el nmero de xitos en la muestra (valor de la variable aleatoria).
n x es el nmero de fracasos en la muestra.
P(X=x) es la probabilidad de seleccionar x xitos.
Representa la cantidad de formas para seleccionar una muestra de tamao n de
una poblacin con N elementos en donde N n.

Probabilidad I


Representa la cantidad de formas para seleccionar n x fracasos de
un total de N k fracasos en la poblacin.
Representa la cantidad de formas para seleccionar x xitos de un total de k xitos
en la poblacin.
Media: E[x] = n*
Varianza V[x] = n* ( )
Desviacin estndar =
Una compaa fabrica sistemas con componentes complejos que requieren de un proceso
de instalacin costoso para realizar pruebas; se solicita un pedido de 10 sistemas y se
seleccionan al azar tres de ellos para hacer pruebas. Si una de las pruebas falla, se rechaza
el embarque.
Observe que la seleccin se realiza sin reemplazo, es decir, el sistema seleccionado no
puede ser seleccionado nuevamente. La probabilidad de xito cambia de un ensayo al
siguiente, para la primera seleccin se tiene una probabilidad de xito de , si se
selecciona un sistema que presenta fallas, la siguiente seleccin tendr una probabilidad de
y en el caso de que no presente fallas ser de .
Ejemplo 1. Cinco animales de una especie que se pensaba estaba cerca de la extincin en cierta regin
han sido capturados, marcados y liberados para que mezclaran con los de su misma especie. Despus de
que ellos han tenido la oportunidad de mezclarse, una muestra aleatoria de 10 animales fue seleccionada.
Sea X= al nmero de animales marcados en la segunda muestra. Si hay en la actualidad 25 animales de
este tipo en la regin.
a) Cul es la probabilidad que X=2?
b) X

s 2?
Los valores de los parmetros son n=10, k=5 (5 animales marcados) y N=25, entonces,

Probabilidad I


Para la parte (a),

P(X = 2) =
5
C
2 20
C
102
25
C
10
= 0.385
Para la parte (b),

P(X s 2) = P(X = 0, 1 o 2) =
k
C
x Nk
C
nx
N
C
n
x=0
2
= 0.057+0.257+0.385 = 0.699

Ejercicio 7. Resuelve los siguientes ejercicios para la distribucin Hipergeomtrica y selecciona
la respuesta correcta.
Respuestas
1) Una agencia de autos recibe un nuevo modelo en el que algunos autos
presentan problemas en el sistema de frenos. Si en un lote de 10 autos le
envan cuatro defectuosos. Qu probabilidad hay de que los cinco
primeros compradores no presenten reclamaciones? Suponga X el
nmero de clientes satisfechos.
a) P(X=5) =
b) P(X=5) =
c)
d)
2) Para atender una contingencia mdica slo hay 5 expertos calificados en
un grupo de 20 mdicos que se presentan para apoyar. Si se seleccionan
10 para atender esta contingencia, qu tan probable es que los 5 mejores
estn incluidos.
a) 0.0162
b) 0.3480
c) 0.8838
d) 0.0001
Actividad 5. En qu reas se aplica el modelo Hipergeomtrico?
Propsitos
del modelo Hipergeomtrico y las condiciones para aplicarlo.
Instrucciones:
En este espacio podrs compartir experiencias, puntos de vista, opiniones sobre el modelo de probabilidad
Hipergeomtrico. Es importante tu participacin y el intercambio de experiencias para construir
conocimiento. Comenta con tus compaeros(as) lo que ha significado este tramo de aprendizaje para
o En qu reas de la vida real se aplica el modelo Hipergeomtrico?

Probabilidad I


o Como todo modelo de probabilidad qu condiciones deben cumplirse?
Revisa las respuestas de tus compaeros(as) y replica a dos de ellos, argumentando por qu ests

Actividad 6. Aplicacin del modelo Hipergeomtrico
Propsitos
- Identificar el modelo de probabilidad Hipergeomtrico.
- Aplicar adecuadamente la distribucin de probabilidad en problemas especficos para el clculo de
probabilidades con el modelo Hipergeomtrico.
Desarrollo
Dado un problema que requiera de una distribucin hipergeomtrica identificar los valores y parmetros
para el clculo de las probabilidades correspondientes.
Procedimiento
a. Se tiene un grupo de 30 alumnos, de los cuales 5 alumnos estn becados por
excelencia. Si se selecciona una muestra de 5 alumnos cul es la probabilidad de
que los 5 alumnos de la muestra tengan una beca?
b. Al auditar 90 cuentas por pagar de una compaa, se inspecciona una muestra de
10 cuentas. Suponiendo que 15 de las 90 cuentas contiene un error, cul es la
probabilidad de que existan dos cuentas incorrectas en una muestra?
c. Supngase que de 100 cuentas de crdito en un banco, 3 han sido alteradas
fraudulentamente. Las alteraciones son bastantes sutiles y slo una auditara muy
detallada las puede descubrir. Se elige al azar 20 cuentas para una revisin

Probabilidad I


detallada. Cul es la probabilidad de que se descubra al menos una de las cuentas
alteradas?
Sube tu archivo a la sesin de tareas.
Espera la retroalimentacin de tu Facilitador(a) y si es necesario corrige tus ejercicios.
- Orden y claridad
Evidencia de aprendizaje. Quin ganar las elecciones?
Propsitos
- Identificar las caractersticas de un experimento binomial.
- Identificar los parmetros correspondientes.
- Utilizar la distribucin de probabilidad para responder en trminos de probabilidad si hay un ganador
de una eleccin usando informacin preliminar.
Descripcin general
Es frecuente que, en un proceso electoral, dos o ms candidatos afirmen que obtuvieron la victoria:
Cmo podemos usar la informacin de la votacin preliminar para determinar:
1.- Si un candidato es ganador aunque no se tengan contabilizados todos los votos.
2.- Si la contienda es muy reida y no es posible con la informacin obtenida determinar un
ganador.
Desarrollo
Para una mayor compresin de un experimento binomial, el estudiante analizar el siguiente caso
propuesto, donde se involucran problemas con relacin a un proceso electoral:
CASO. Quin ganar las elecciones?
En las pasadas elecciones para una gubernatura dos de los ms fuertes candidatos afirmaron que
obtuvieron el triunfo. En los primeros minutos del conteo de informacin preliminar se observaron las
siguientes estadsticas:
Si consideramos a la variable aleatoria como el nmero de personas en la muestra preliminar de
6696 que vot a favor del candidato del PRO y suponemos los siguientes escenarios:
a) El candidato del PRO gan las elecciones, es decir, consideramos p > 0.5.
b) El candidato del PRO perdi las elecciones, es decir, consideramos p < 0.5.

Probabilidad I


c) Qu pasara si p= 0.5?
Calcula la probabilidad de que Y > 3348 para cada uno de los incisos anteriores:
Reflexiona y responde a las siguientes preguntas, justifica tu respuesta.
a) El evento de que un accidente sea de un taxi o el evento de que un accidente sea de un
automvil son eventos independientes?
b) El evento de que un vehculo sea un microbs y el evento de que un vehculo tenga un
accidente son eventos condicionales?
c) Consideras poder utilizar el teorema de Bayes para encontrar la probabilidad de que, si
sucedi un accidente, sea por culpa de la violacin de las reglas de trnsito de un taxista?
Procedimiento
1. Lee con atencin el caso propuesto en esta actividad.
2. Contesta las tres preguntas de la reflexin del caso, justifica tus respuestas a travs de los axiomas y
teoremas vistos en esta unidad.
3. Representa la informacin que tienes a travs de un diagrama de rbol y una tabla de doble entrada.
4. Ahora calcula las siguientes probabilidades:
a) Selecciona un automvil al azar. Cul es la probabilidad de que no tenga un accidente dado
que es un taxi?
b) De la infraccin diaria se toma una al azar y se observa que es de un accidente. Calcula la
probabilidad de que haya sido de un microbs.
c) Si la boleta de infraccin seleccionada al azar no resulto ser accidente, cul es la probabilidad
de que haya sido por un automvil?
5. Una vez terminada tu actividad y cuando ests seguro de que cumple los puntos anteriores, psala a
un archivo de Word.
6. Espera la retroalimentacin del Facilitador(a).
La actividad tiene un valor de 30% y se considerarn los siguientes aspectos:
- Orden y claridad
- Esquematizacin de las probabilidades del caso
Habilidades actitudinales
- Anlisis de casos
- Apertura al cambio

Probabilidad I


En el proceso de tu aprendizaje, a travs de la realizacin de lecturas, investigaciones, ejercicios,
actividades y foros, te recomendamos que, a medida que avances en el estudio, tomes nota de los
aspectos ms importantes y registres tus dudas. No olvides que el Facilitador(a) te ayudar a comparar los
resultados, superar las dificultades, corregir errores y ampliar el conocimiento.
conceptos, definiciones de las variables aleatorias discretas y de los modelos de probabilidad para poder
resolver problemas especficos.
Para cumplir con los propsitos de la Unidad 3. Modelos de probabilidad discretos se han diseado
diversas actividades y ejercicios destinados al desarrollo de destrezas, as como las habilidades para
resolver problemas especficos, donde se presenten funciones de distribuciones discretas.
que corresponden a las actividades y ejercicios de la unidad:

unidad. Estos no cuentan con valor numrico pero s son indispensables

formativo ya que a travs de su realizacin se ejercitan habilidades,


Fuentes de consulta
Robert Johnson, Patricia Kuby. (2007). Estadstica elemental. Internacional Thomson.

Probabilidad I


Ruiz, E. y Ruiz, E. (2007). Probabilidad y estadsticas. Mxico: Mc Graw Hill.
David K. Hildebrand y R. Lyman Ott. (2001). Estadstica aplicada a la administracin y a la economa.
Addison-Wesley Iberoamericana.
Michael J. Evans. (2005). Probabilidad y estadstica.
Jay L. Devore. (2005). Probabilidad y estadstica para ingeniera y ciencias. Thomson.
David R. Anderson, Dennis J. Sweeney. (2008). Estadstica para administracin y economa, Cengage
Ronald Walpole, Raymond H. Myers, Sharon Myers. (2007). Probabilidad y estadstica para ingenieros.
Pearson Education.
William Mendenhall, Richard L Scheaffer, Dennis D Wackerly, Estadisticas Matemticas con aplicaciones,
Grupo Editorial Iberoamerica.
Stefan Waner. Matemtica finitas y Clculo aplicado. Consultado el 18 de abril en:
Instituto Tecnolgico de Chihuahua, consultado el 18 de abril en:
Prtegas Daz S., Pita Fernndez S. Unidad de Epidemiologa Clnica y Bioestadstica el 18 de abril en:
http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal2.pdf
Francisco lvarez Gonzlez, consultado el 18 de abril en:
http://ww.uca.es/uca/dpto/C146/pag_personal/f_alvarez/documentos/CC%20Trabajo%20Tema%205.pdf

Probabilidad I


UNIDAD 4. MODELOS DE PROBABILIDAD CONTINUOS

- Identificar y validar las caractersticas que debe tener una funcin para ser una funcin de
densidad.
- Identificar las propiedades de la distribucin uniforme continua y resolver e interpretar problemas
de clculo de probabilidades.
- Calcular probabilidades relacionadas con el modelo normal apoyndose en tablas de normal
estndar.
Utilizar los modelos de probabilidad continuos para el anlisis de eventos a travs de variables aleatorias
continuas y con el uso de tablas de clculo de probabilidad.
Una de las distribuciones de probabilidad continuas ms importantes para la estadstica es la distribucin
normal; la gran mayora de los problemas de inferencia estadstica son modelados con esta distribucin.
En esta unidad abordaremos dos modelos de probabilidad, el modelo uniforme continuo y el modelo
normal. A diferencia de una variable aleatoria discreta, un modelo para una variable aleatoria continua toma
un nmero infinito de valores posibles, lo que hace que asignar un valor de probabilidad a un punto
especfico no tenga sentido. Sin embargo, es posible asignar probabilidades por intervalos.
Imagina que en un experimento aleatorio lanzamos dos monedas equilibradas, su distribucin de
probabilidad para el nmero de caras tendr dos resultados posibles X: 0, 1, 2. La probabilidad de que en
las dos monedas aparezca cara es 0.25. Ahora imagina que nos interesa el nmero de caras en el
lanzamiento de 10 monedas, es claro que nuestra variable aleatoria tendra once valores posibles y la
probabilidad asignada a cada valor posible de la variable aleatoria sera ms pequea, por ejemplo que
aparezcan 10 caras es .0009765, si lanzamos 100 monedas la probabilidad de que aparezcan las 100
caras es 0.000000000000000013655.
En el caso de una variable aleatoria continua existe un nmero infinito de resultados en comparacin de
una variable discreta, por lo que la probabilidad de cada uno de los resultados posibles es un valor
prcticamente cero.

Probabilidad I


Ejemplo
Comparando una variable discreta con una continua, supongamos que lanzamos dos monedas
equilibradas y graficamos su distribucin de probabilidad.

0.25
0.5
0.25
0
0.1
0.2
0.3
0.4
0.5
0.6
0 1 2
0
1
2

Observa que la probabilidad para el valor de x = 0 caras est representada por un rectngulo de altura 0.25
y ancho 1, por lo que su rea es de 0.25, as que podemos concluir que la probabilidad de las tres reas
de: 0.25, 0.5 y 0.25 suma uno.
En forma anloga para una variable aleatoria continua tenemos un nmero infinito de valores y para cada
valor calculamos la probabilidad para cada pequeo rectngulo de altura f(x) y ancho x en donde f(x)
representa la funcin de densidad de probabilidad y x un valor muy pequeo cercano a cero, por lo que la
probabilidad en un punto representada como rea ser f(x) * x que es casi cero. Sin embargo, la suma de
todas estas pequeas reas que corresponden al rea bajo la curva es igual a uno.

Probabilidad I


4.1. Variables aleatorias continuas
Una variable aleatoria continua puede tomar un nmero de valores infinitamente grande que corresponden
a los puntos en un intervalo o intervalos de la recta de los nmeros reales. Los resultados del experimento
aleatorio se basan en escalas de medicin, como el tiempo, el peso, la distancia, la temperatura, etc.
4.1.1. Definicin de variable aleatoria continua
Se dice que X es una variable aleatoria continua en un intervalo, si existe una funcin f(x) (funcin de
densidad de la variable aleatoria continua X) tal que:
a. El rea bajo la curva f(x) en el intervalo definido para la variable es igual a la unidad.
b. La probabilidad de que la variable aleatoria continua X tome valores en un intervalo [a, b] ser
igual al rea bajo la curva f(x) acotada entre a y b.
c. La probabilidad en un punto es cero para fines prcticos, por lo que para una variable aleatoria
continua no tiene sentido el clculo de la probabilidad en un punto.
4.1.2. Funcin de densidad de probabilidad
En teora de la probabilidad, la funcin de densidad de probabilidad, funcin de densidad o simplemente
densidad de una variable aleatoria continua es una funcin, usualmente denominada f(x), que describe la
densidad de la probabilidad en cada elemento del espacio, de tal manera que la probabilidad de que la
variable aleatoria tome un valor dentro de un determinado conjunto sea la integral de la funcin de
densidad sobre dicho conjunto.
La revista de la facultad de Ingeniera de Antioquia presenta un artculo sobre el Anlisis de decisiones de
inversin utilizando el criterio valor presente neto en riesgo (VPN en riesgo) del Dr. Diego Fernando
Manotas Duque. El riesgo es modelado con la siguiente funcin de densidad:

Probabilidad I


Para que la funcin f(x) corresponda a una funcin de densidad de probabilidad de una variable aleatoria
continua, debe cumplir con las siguientes condiciones:
1.- > 0 para cualquier valor de la variable aleatoria x
2.-
Considera la siguiente funcin de densidad

Si calculamos la integral de en el intervalo [2, 4], esta cumple con las condiciones para ser una
funcin de densidad de probabilidad de esta variable aleatoria continua.

Ejercicio 1. Resuelve los siguientes ejercicios que se describen y selecciona la respuesta
correcta.
Respuestas
Un chofer de autobs con un tanque de 150
litros lo llena al principio de cada semana. Su
demanda semanal tiene una frecuencia relativa
que crece constantemente desde cero hasta
100 litros y permanece constante entre 100 y
150 litros. Si Y denota la demanda semanal en
cientos de litros, la frecuencia relativa de la
demanda se puede representar por:

= y
2
/ 2,
y

1.1.- Calcular P(0 0.5)
1.2.- Calcular P(0.5
a) 1.1 0.05, 1.2 0.95
b) 1.1 0.125, 1.2 0.575
c) 1.1 0.98, 1.2 0.12
Una alberca tiene dos bombas, que pueden
bombear cada una hasta 10,000 litros de agua

Probabilidad I


por mes. La cantidad total de agua bombeada
en un mes es variable aleatoria Y (expresada
en diez miles de litros) con una funcin de
probabilidad dada por:

F(y) = y
2
/ 2,
2y y
2
/ 2 -1

1.3. Calcular la probabilidad de que se bombee
entre 8,000 y 12,000 litros en un mes.
1.4. Si se sabe que se ha bombeado ms de
10,000 litros en un mes en particular,
encuentra la probabilidad de que se haya
bombeado ms de 15,000 durante el mes.

1.3 1.4
a) .15 75
b) 0.36 1/4
c) 0.36

Actividad 1. Ejemplos de funciones de densidad
Propsitos
- Ejemplificar el concepto de funciones de densidad de probabilidad.
- Verificar las propiedades de las funciones de densidad.
- Colaborar, sociabilizar y llegar a un consenso en su investigacin.
Desarrollo
Los estudiantes construirn un Wiki de ejemplos de funciones de densidad de probabilidad, identificando
sus propiedades.
Procedimiento
1. Lee el contenido de funciones de densidad de probabilidad, investiga en libros y pginas de
Internet confiables funciones que representen densidad de probabilidad, identificando las
propiedades para las funciones que investigaste.
2. Ingresa a la wiki y elabora una entrada en Ejemplos de funciones de densidad de probabilidad,
incluyendo las propiedades de las funciones de densidad.
3. En el caso de que alguno o algunos de tus compaeros(as) ya hayan escrito algo, lee con atencin
y respeto sus aportaciones y enriqucelas; adems, agrega un diferente ejemplo que hayas
encontrado.

Probabilidad I


4. Verifica en el mismo wiki, las propiedades de la funcin de densidad de probabilidad del ejemplo
que propones.
- Trabajo en equipo
- Orden y claridad en su ejemplo expuesto
- Identificacin de las propiedades
- Ejecucin de acuerdo a los pasos indicados
4.1.3. Funcin de distribucin de probabilidad
Para el ejemplo anterior la funcin de distribucin de probabilidad F(X) = P(X x) se obtiene calculando la
siguiente integral:

Por lo que la funcin de distribucin de probabilidad F(X) = P(X x) queda definida por:

Ejercicio 2. Resuelve los siguientes ejercicios que se describen y compara con la respuesta
correcta.
Respuesta correcta
2.1 Obtn la funcin de distribucin de probabilidad
para el ejercicio 1.1.

2.2 Obtn la funcin de distribucin de probabilidad
para el ejercicio 1.2.

4.2. Modelos de probabilidad para variables aleatorias continuas

Probabilidad I


En la prctica, los modelos de probabilidad para variables aleatorias continuas ms usados son el modelo
uniforme continuo, que es ampliamente usado en simulacin, y el modelo normal, cuya importancia radica
en que nos permite modelar numerosos fenmenos naturales, sociales y psicolgicos.
Un resultado interesante es que en inferencia estadstica la distribucin normal se aplica en la mayora de
los problemas en donde nos interesa estimar promedios o proporciones.

4.2.1. Distribucin uniforme continua
La distribucin o modelo uniforme continuo se considera como un experimento aleatorio para obtener una
muestra. Cuando se selecciona una muestra aleatoria se requiere que cada observacin en la muestra
tenga la misma probabilidad de ser seleccionada, dicho de otro modo la probabilidad se distribuye
uniformemente a lo largo de un intervalo.
Dada una variable aleatoria continua, x, definida en el intervalo [a, b] de la recta de nmeros reales, x tiene
una distribucin uniforme en el intervalo [a, b] cuando su funcin de densidad est dada por:
para x en el intervalo [a, b]
= 0 en cualquier otro punto

Observa que el rea por debajo de la funcin (x) es un rectngulo con altura y base (b a), por lo
que su rea es 1.
Se define la funcin de distribucin o distribucin de probabilidad acumulada a F(x)

Probabilidad I


Ejemplo
Estimar el peso de una persona siempre presenta mrgenes de error que dependiendo de la bscula
pueden variar por gramos o hasta algunos kilos. Considere una bscula digital que nos garantiza un error
entre 0 y 1000 g. Qu probabilidad hay de que el peso real exceda a 500 g?
Si la distribucin del error es uniforme en el intervalo [0, 1000], entonces la funcin de densidad queda
representada por funcin (x) con una altura de .
La probabilidad se calcula integrando el rea debajo de (x) en el intervalo [500, 1000], por observacin
sabemos que esta rea es igual a 0.5, si usamos F(x).
P (x500) = 1 P (x500) =1 - = 0.5
Ejercicio 3. Resuelve los siguientes ejercicios que se describen y selecciona la respuesta
correcta.
En un congreso se fija una hora para registro, los participantes llegan en forma aleatoria uniforme en un
intervalo de una hora.
1. Calcula la probabilidad de que una persona llegue en la primera
media hora P(X 0.5).

Respuestas
a) 0.5
b) 0.3
c) 0.1
d) 0.7
2. Calcula la probabilidad de que una persona aparezca en los ltimos
15 minutos P(0.45x1)
a) 0.5
b) 0.3
c) 0.25
d) .5.5

Probabilidad I


4.2.2. Distribucin normal
La distribucin normal fue estudiada por primera vez por el francs Abraham de Moivre (1667-1754).
Posteriormente, Carl Friedrich Gauss (1777-1855) profundiz en el desarrollo de lo que actualmente
conocemos como campana de Gauss, la cual es usada como funcin de densidad de la distribucin
normal.
La distribucin de probabilidad normal se considera la distribucin ms importante en inferencia estadstica.
Est requiere de muestras aleatorias seleccionadas de una poblacin para estimar algunas caractersticas
numricas que se llaman parmetros. Ejemplos de parmetros son la (media), la proporcin de xitos
(), o bien cuando nos interesa comparar dos poblaciones (diferencia de medias) o bien diferencia
de proporciones .
La distribucin de una variable normal est completamente determinada por dos parmetros, su media y
su desviacin estndar . La densidad de la distribucin normal est dada por la siguiente funcin:
Figura 4. 8

Figura 4. 9
Se cumple con:
a) = 1
b) f(x) 0 para cualquier valor de x en
Propiedades de la funcin de densidad.
a. Tiene una nica moda, que coincide con su media y su mediana.
Grfica de la funcin de densidad de una normal

Probabilidad I


b. La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor entre -
y es tericamente posible. El rea total bajo la curva es, por tanto, igual a 1.
c. Es simtrica con respecto a su media, por lo que existe una probabilidad de un 50% de
observar un valor mayor que la media y un 50% de observar un valor menor.
d. La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es igual a
una desviacin estndar.
e. El rea bajo la curva comprendida entre los valores situados aproximadamente a dos
desviaciones estndar de la media es igual a 0.95. En concreto, existe un 95% de
posibilidades de observar un valor comprendido en el intervalo.
Definicin de distribucin de probabilidad para la normal. Sea x una variable aleatoria continua en el
intervalo con densidad dada por la funcin de la figura 4.1, entonces la probabilidad
acumulada de se obtiene por:
= =
La funcin tiene las siguientes propiedades:
a. 0 1
b.
c.
d. Si entonces
e.

Probabilidad I


Ejercicio 4. Usando las propiedades de la funcin de densidad de una distribucin normal, resuelve
los siguientes ejercicios que se describen y selecciona la respuesta correcta.
correcta
En la ciudad de Puebla se estima que la temperatura
mxima en el mes de junio sigue una distribucin
normal, con media 23 y desviacin estndar de 2.
4.1 Calcular el nmero de das del mes en los que
se espera alcanzar mximas entre 21 y 25.

4.1 4.2 4.3
a) 20 27 30
b) 21 25 30
c) 17 19 21

El promedio de los pesos de 100 estudiantes de una
universidad es de 70 kg y la desviacin tpica 3 kg.
Suponiendo que los pesos se distribuyen
normalmente, hallar cuntos estudiantes pesan:
4.4 Entre 67 kg y 73 kg.
4.5 Ms de 70 kg.
4.6 Menos de 64 kg.
4.7 Exactamente 64 kg.
4.8 67 kg o menos.

4.
4
4.
5
4.
6
4.
7
4.8
a) 6
8
5
0
2 0 16
b) 6
6
5
2
4 2 32
c) 6
8
2
5
1 0 16

Los resultados de un examen siguen una distribucin
normal con media 72 y desviacin estndar 6.
Calcula:
4.9 La probabilidad de que una persona que
presenta el examen obtenga una calificacin
superior a 72.
4.10 La proporcin de estudiantes que tienen
puntuaciones que no alcanzan a aprobar, si el
mnimo aprobatorio es 60.
4.11 La proporcin de estudiantes que tienen
una calificacin de excelente, es decir, mayor
a 90.

4.9 4.10 4.11
a) 0.2 0.02
0
0.01
b) 0.5 0.02
5
0.00
5
c) 0.1 .25 0.00
1

Probabilidad I


Actividad 2. Importancia del modelo normal en la estadstica
Propsitos
- Reconocer la importancia del modelo normal en la estadstica.
- Identificar las diferentes aplicaciones del modelo normal en la estadstica.
- Colaborar hasta llegar a un consenso de su investigacin y reflexin.
Desarrollo:
Los estudiantes participarn en un foro respondiendo a preguntas planteadas con base en el modelo
normal de probabilidad.

Procedimiento

1. Elabora una nueva entrada en el foro, considerando lo siguiente:
- Qu hace que el modelo normal se aplique en diversos problemas?
- Qu temas aborda?
- Cules son las caractersticas del modelo normal?
- Cmo se representa la funcin acumulada de una distribucin normal? Qu propiedades
debe de cumplir?
En funcin de las respuestas anteriores y adems investigado ejemplos donde se aplique la
distribucin normal, contesta la siguiente pregunta de reflexin:
- Cul es la importancia del modelo normal de la estadstica?
- Orden y claridad
- Anlisis de conceptos
- Habilidad de relacionar conceptos y frmulas
- Reflexin argumentada

Probabilidad I


Actividad 3. Valores y parmetros para el clculo de probabilidades
Propsitos
- Identificar los valores y parmetros para el clculo de la probabilidad, donde se presente una
distribucin normal.
- Identificar adecuadamente las propiedades de distribucin normal de probabilidad.

Desarrollo
Dado un problema que requiera de una distribucin normal o normal estndar identificar los valores y
parmetros para el clculo de las probabilidades correspondientes.
Procedimiento
Encuentra los valores que se te piden en los incisos del siguiente problema. Resulvelo en tu libreta.

PROBLEMA
La venta mensual de refrigeradores domsticos de una compaa, se distribuye
normalmente con un promedio de 200 refrigeradores por mes y desviacin estndar de 50.
a. Cules son los valores o y ?
b. Cmo se obtiene la variable normal estndar Z?
c. Dado lo anterior calcula P(x<90) usando la distribucin normal estndar.
d. Qu probabilidad hay de que las ventas sean menores de 90 refrigeradores?
Una vez terminado, psalo a un archivo de Word.
Espera la retroalimentacin de tu facilitador y si es necesario corrige tu ejercicio.
- Orden y claridad
- Resultados correctos
- Justificacin o interpretacin de sus resultados

Probabilidad I


4.2.3. Distribucin normal estndar
Las frmulas anteriores no se usarn para el clculo de probabilidades, en lugar de esto aprovecharemos
las tablas que existen para el clculo de probabilidades de una distribucin normal. El proceso de
estandarizacin de la variable aleatoria consiste en un Cambio de Variable de tal manera que la
distribucin obtenida con dicho cambio se comporte como normal con media 0 y desviacin estndar 1.
Sea una variable aleatoria con distribucin normal, media y desviacin estndar, considere la variable
, la nueva variable aleatoria z se distribuye normalmente con = 0 y desviacin estndar = 0.
La densidad de la distribucin normal estndar est dada por la siguiente funcin:

Propiedades de la distribucin normal estndar.
1. Tiene las mismas propiedades de la distribucin normal mencionadas en la seccin anterior
2. Su media es 0.
Ejemplo 4.1. Cada da ms se usan las computadoras en el mundo y cada casa tiene al menos una
computadora. Esta computadora es usada para trabajo en casa, investigacin, comunicacin, finanzas
personales y entretenimiento, entre otras cosas. Supn que en promedio el nmero de horas que se usa
esta computadora para entretenimiento es de 2 horas por da. Asume que los tiempos para entretenimiento

Probabilidad I


son normalmente distribuidos y la desviacin estndar para los tiempos es una media hora. Encuentra la
probabilidad de que una computadora personal sea usada entre 1.8 y 2.75 horas por da.
Sea X=la cantidad de tiempo (en horas) que una computadora es utilizada para entretenimiento. X ~ N
(2,0.5) donde =2 y o=0.5. Entonces:

P(1.8 s X s 2.75) = P(
1.82
0.5
< z <
2.752
0.5
) = P(0.4 < z <1.5)

Buscando en la tabla de la distribucin normal estndar (puede consultar esta pgina
http://www.ucm.es/info/ecocuan/mjm/ectr1mj/Tablas.pdf) los valores para z=-0.4 y z=1.5,

P(0.4 < z <1.5) = P(z =1.5) P(z =0.4) =0.93320.3446 =0.5886
As, la probabilidad de que una computadora personal de casa sea usada para entretenimiento entre 1.8 y
2.75 horas es de 0.5886.
Ejemplo 4.2. En una nueva compaa de construccin, la edad de los empleados contratados en los
ltimos 5 aos tiene una distribucin normal. Dentro de esta curva 68.2% de los empleados, centrado
respecto a la media, tiene entre 22.4 y 34.6 aos. Encuentre la media y la desviacin estndar de los datos.
En la figura siguiente se muestra la distribucin normal estndar. Como se puede observar 68.2% implica
una extensin de 1o respecto a la media. La media es simtricamente colocada entre -1o, que equivale a
22.4 aos, y 1o, que equivale a 34.6 aos, as la edad media es:

22.4+34.6
2
= 28.5
aos
De 22.4 a 28.5 aos, con una diferencia de 6.1 aos, hay 1o, por tanto, la desviacin estndar:

o =
6.1
2
= 3.05 aos.

Probabilidad I


Ejercicio 5. Usando tablas de distribucin normal estndar, resuelve los siguientes ejercicios que se
describen y selecciona la respuesta correcta.
Varios test de inteligencia dieron una puntuacin que sigue
una ley normal con media 100 y desviacin tpica 15.
5.1 Determinar el porcentaje de poblacin que obtendra
un coeficiente entre 85 y 115.
5.2 El intervalo de 100 a 130 qu porcentaje contiene
de la poblacin?
5.3 En una poblacin de 1000 individuos, cuntos
individuos se espera que tengan un coeficiente superior
a 130?

5.1 5.2 5.3
a) 0.2
0
0.05
0
0.05
b) 0.5 0.25 0.68
c) 0.6
8
.34 0.25

Actividad 4. Aplicacin del clculo de probabilidad normal
Propsitos
- Aplicar adecuadamente el clculo de probabilidad normal apoyndose en el uso de tablas.
Desarrollo
Dados dos problemas, calcula las probabilidades correspondientes utilizando la distribucin normal
estndar.
Procedimiento
Realiza los siguientes tres ejercicios; utiliza el clculo de probabilidades de una distribucin normal

Probabilidad I


estndar.
Los ingresos anuales de los trabajadores de una ensambladora de autos siguen,
aproximadamente, una distribucin normal, con una media de 18,600 pesos y una
desviacin de 2, 700 pesos. Encuentra la probabilidad de que un trabajador seleccionado al
azar tenga:
a) Un ingreso anual inferior a 15, 000 pesos
b) Un ingreso mayor a 21,000 pesos
Una fbrica que produce sobres de t sabe por experiencia que el peso de los sobres est
distribuido normalmente. Su promedio es 1.95 gramos, y su desviacin es igual a 0.05
gramos. En un paquete que contiene 200 sobres, cuntos pesan 2 gramos o ms?
Cuntos pesan menos de 2 gramos?
Los resultados de un examen presentan una distribucin normal, con un promedio de 78
puntos, y una desviacin estndar de 6 puntos. Cul es la probabilidad de que un
estudiante que presenta el examen obtenga ms de 75 puntos?
Un veterinario reporta que los hmsters viven un promedio de 40 meses cuando su
alimentacin se reduce drsticamente y posteriormente se les suministran vitaminas y
protenas. Supn que el tiempo de vida de los hmster bajo estas condiciones se distribuye
normalmente con una desviacin estndar de 6.3 meses. Encuentre, la probabilidad de que
un ratn dado viva: (Nota que = 40 y = 6.3)
a. ms de 32 meses
b. menos de 28 meses
c. entre 37 y 49 meses
Espera la retroalimentacin de tu Facilitador(a) y si es necesario corrige tus ejercicios.
- Orden y claridad

Probabilidad I


Evidencia de aprendizaje. Modelando las ganancias de una empresa
Propsitos
- Aplicar adecuadamente la distribucin de probabilidad normal a problemas de clculo de
probabilidades cuya informacin es posible representar con un modelo normal.
Desarrollo
La compaa BICICLEMEX fabrica y vende bicicletas. Al licenciado Teodoro Lima, gerente de la empresa,
le gustara contar con informacin sobre sus ventas a futuro para estimar sus ganancias. Sus registros
muestran, en las ventas mensuales de los ltimos 5 aos, la siguiente informacin:
2006 2007 2008 2009 2010
ENERO 2.694 2.913 3.111 2.625 2.146
FEBRERO 3.518 3.733 3.933 2.201 3.125
MARZO 1.502 3.557 2.879 1.283 2.009
ABRIL 0.869 2.180 2.623 2.001 2.033
MAYO 3.563 1.110 2.986 2.810 2.060
JUNIO 2.940 1.919 2.073 1.220 1.942
JULIO 3.128 2.944 1.207 2.714 3.038
AGOSTO 2.208 2.395 1.863 4.079 2.045
SEPTIEMBRE 1.860 3.123 2.421 3.513 1.857
OCTUBRE 2.732 3.130 2.380 2.948 3.345
NOVIEMBRE 2.224 3.117 2.970 2.558 2.523
DICIEMBRE 2.597 3.448 0.872 1.324 2.566
RESUMEN DE VENTAS (Millones de pesos)

Como se aprecia sus ventas mensuales fluctan desde $18,000.00 hasta $4, 079,000. Al obtener el
promedio de sus ventas y la desviacin estndar de estos cinco aos obtiene un promedio de 2.55 y una
desviacin estndar de 0.8 millones de pesos. Al graficar los datos se observa la siguiente grfica.

Probabilidad I


0
2
4
6
8
10
12
14
16
1.369 1.869 2.369 2.869 3.369 3.869 4.369

Procedimiento
a. Obtn el promedio de ventas para cada ao, opina sobre el comportamiento de las ventas en
esos cinco aos.
b. Qu porcentaje de las ventas mensuales futuras se espera excedan de 3, 500, 000?
c. Para que la empresa funcione adecuadamente sus ventas no deben disminuir de 1, 500,000.
Qu probabilidad hay de que esto ocurra?
- Orden y claridad
- Esquematizacin de principios
- Hbitos de investigacin, estrategias aptas para la resolucin de problemas, utilizacin de mtodos
de investigacin adaptados al objeto de estudio

Probabilidad I


En el proceso de tu aprendizaje, a travs de la realizacin de lecturas, investigaciones, ejercicios y
actividades, te recomendamos que a medida que avances en el estudio tomes nota de los aspectos ms
importantes y registres. No olvides que el Facilitador(a) te ayudar a comparar los resultados, superar las
dificultades, corregir errores.
conceptos, definiciones y los fundamentos de la probabilidad como las reglas, propiedades, axiomas y
teoremas que te ayudarn a resolver los problemas que se te presenten.
Para cumplir con los propsitos de la Unidad 4. Modelos de probabilidad continuos se han diseado
diversas actividades y ejercicios destinados al desarrollo de destrezas y habilidades que sern
fundamentales en tu proceso de aprendizaje y que a la vez sern tiles en tu vida cotidiana.
que corresponden a las actividades y ejercicios de la Unidad:
Unidad. Estos no cuentan con valor numrico pero s son indispensables

formativo ya que a travs de su realizacin se ejercitan habilidades,


Fuentes de consulta
Robert Johnson, Patricia Kuby. (2007). Estadstica elemental. Internacional Thomson.

Probabilidad I


Ruiz, E. y Ruiz, E. (2007). Probabilidad y estadsticas. Mxico: Mc Graw Hill.
David K. Hildebrand y R. Lyman Ott. (2001). Estadstica aplicada a la administracin y a la economa.
Addison-Wesley Iberoamericana.
Michael J. Evans. (2005). Probabilidad y estadstica.
Jay L. Devore. (2005). Probabilidad y estadstica para ingeniera y ciencias. Thomson.
David R. Anderson, Dennis J. Sweeney. (2008). Estadstica para administracin y economa, Cengage
Ronald Walpole, Raymond H. Myers, Sharon Myers. (2007). Probabilidad y estadstica para ingenieros.
Pearson Education.
William Mendenhall, Richard L Scheaffer, Dennis D Wackerly, Estadisticas Matemticas con aplicaciones,
Grupo Editorial Iberoamerica.
Stefan Waner. Matemtica finitas y Clculo aplicado. Consultado el 18 de abril en:
Instituto Tecnolgico de Chihuahua, consultado el 18 de abril en:
Prtegas Daz S., Pita Fernndez S. Unidad de Epidemiologa Clnica y Bioestadstica el 18 de abril en:
http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal2.pdf
Francisco lvarez Gonzlez, consultado el 18 de abril en:
http://ww.uca.es/uca/dpto/C146/pag_personal/f_alvarez/documentos/CC%20Trabajo%20Tema%205.pdf

PD - PRO1 Curso Probabilidad Unad

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

PD - PRO1 Curso Probabilidad Unad

Caricato da

Copyright:

Formati disponibili

Probabilidad I

Potrebbero piacerti anche