Tarea 1

Jose Ra
ul Mora Gallardo
10-09-2015

Experimentos deterministas y aleatorios.

Un experimento es toda aquella accion que se realiza con el fin de observar el

resultado.

1.1

Experimentos deterministas.

Es aquel experimento cuyo resultado se puede predecir con certeza. Es decir las
mismas causas producen los mismos efectos, en otras palabras conociendo las
condiciones iniciales se pueden obtener resultados que son conocidos antes de la
ejecuci
o del experimento. Por ejemplo:
La cada libre de un cuerpo.
El aumento de la presi
on de un gas al disminuir su volumen a temperatura
constante.
El tiro parab
olico de un proyectil.
La ejecuci
on de un programa de computador que suma dos n
umeros.
Impactar un auto contra un muro de concreto.
Hacer aumentar la temperatura de un cubo de hielo hasta que alcance el
punto de fusi
on.
Arrojar un cerillo encendido a un charco de gasolina.
Hacer circular corriente electrica a traves de un LED.
Lanzar una pelota de beisbol a una ventana de vidrio de grosor normal.
Jalar el gatillo de un arma de fuego (sin que tenga el seguro puesto).

1.2

Experimentos aleatorios.

Es aquel experimento en el cual no se puede predecir con certeza el resultado.

Es decir depende del azar
o de la suerte. Por ejemplo:
El lanzamiento de una moneda (balanceada).
El lanzamiento de un dado.
La extracci
on de una carta de un mazo de naipes.
El giro de una ruleta.
Participar en una quiniela.
Jugar la lotera.

 El ejercicio de elegir a una persona (de la poblacion total de un lugar) al

azar y que sea mujer.
Extraer determinada bola de una urna que contiene n bolas.
La extracci
on de un libro al azar de una biblioteca y que sea una novela.
Jugar a la ruleta rusa.

Espacio muestral.

Un conjunto (S) que consiste en todos los resultados de un experimento aleatorio

se llama un espacio muestral y cada uno de los resultados se denomina punto
muestral. Con frecuencia habra mas de un espacio muestral que describe los
resultados de un experimento pero hay com
unmente solo uno que suministra la
mayora de la informaci
on. Observese que (S) corresponde al conjunto universal.
Ejemplo:
Si lanzamos un dado, un espacio o conjunto muestral de todos los resultados posibles se da por 1,2,3,4,5,6 en tanto que otro es par,impar. Sin
embargo, es l
ogico que el u
ltimo no sera adecuado para determinar, por
ejemplo, si un resultado es divisible por 3.
Si un espacio muestral tiene un n
umero finito de puntos, como en el ejemplo anterior, se denomina espacio muestral finito. Si tiene tantos puntos como
n
umeros naturales 1,2,3,..., se denomina espacio muestral infinito contable. Si
tiene tantos puntos como hay en alg
un intervalo en el eje x, tal como 0 x 1,
se denomina espacio muestral infinito no contable. Un espacio muestral que es
finito o infinito contable frecuentemente se denomina espacio muestral discreto,
en tando que uno que es infinito no contable se llama espacio muestral continuo
o no discreto.

Probabilidad cl
asica.

Esta definici
on es de uso limitado puesto que descansa sobre la base de las
siguientes dos condiciones:
1. El espacio muestra de todos los resultados posibles (S) es finito.
2. Los resultados del espacio muestra deben ser igualmente probables.
Bajo estas condiciones y si A es el evento formado por n(A) resultados del
espacio muestra y, el nmero total de resultados posibles es n((S)), entonces:

P (A) =
Por ejemplo:
2

n(A)
n(S)

 Si se extrae una carta de un paquete de 52 cartas de las cuales 26 son

negras: 13 espadas (A, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K) 13 son treboles; y
26 son rojas: 13 corazones y 13 diamantes, la probabilidad de que la carta
sea un as es:
P (A) =

n(A)
4
=
= 0.0769
n(S)
52

Porque el evento de extraer un as consta de 4 de los 52 resultados

igualmente probables.
Al lanzar un dado, cual es la probabilidad de obtener un n
umero par?
S = 1, 2, 3, 4, 5, 6 y hay tres pares en S entonces, P (A) =

3
n(A)
= = 0.5
n(S)
6

Probabilidad geom
etrica.

En teora de probabilidad y estadstica, la distribucion geometrica es cualquiera

de las dos distribuciones de probabilidad discretas siguientes:
La distribuci
on de probabilidad del n
umero X del ensayo de Bernoulli
necesaria para obtener un exito, contenido en el conjunto {1, 2, 3, ...}
La distribuci
on de probabilidad del n
umero Y = X - 1 de fallos antes del
primer exito, contenido en el conjunto {0, 1, 2, 3, ...}
Si la probabilidad de exito en cada ensayo es p, entonces la probabilidad de
que x ensayos sean necesarios para obtener un exito es:
P (X = x) = (1 p)x1 p
para x = 1, 2, 3, ... Equivalentemente, la probabilidad de que haya x fallos
antes del primer exito es:
P (Y = x) = (1 p)x p
para y = 0, 1, 2, ... En ambos casos, la secuencia de probabilidades es una
progresi
on geometrica.
Ejemplo: Los registros de una compa
na constructora de pozos, indican que
la probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el
termino de un a
no es de 0.20. Cual es la probabilidad de que el quinto pozo
construido por esta compa
na en un a
no dado sea el primero en requerir reparaciones en un a
no?. Los registros de una compaa constructora de pozos, indican
que la probabilidad de que uno de sus pozos nuevos, requiera de reparaciones
3

en el termino de un a
no es de 0.20. Cual es la probabilidad de que el quinto
pozo construido por esta compa
na en un a
no dado sea el primero en requerir
reparaciones en un a
no?
x = 5 que el quinto pozo sea el primero que requiera reparaciones en un a
no.
p = 0.2 = probabilidad de que un pozo requiera reparaciones en el termino de
un a
no.
q = 0.8 = probabilidad de que un pozo no requiera reparaciones en el termino
de un a
no.

P (x = 5) = (0.8)51 (0.2) = 0.08192

Probabilidad frecuentista.

La probabilidad frecuencial es una medida obtenida de la experiencia de alg

un
fen
omeno o experimento aleatorio que permite estimar a futuro un comportamiento. Sin embargo, no es definitiva, por lo que es importante saber interpretar los resultados que se obtienen. La probabilidad frecuencial de un evento
A, que se denotar
a P(A), se obtiene dividiendo el n
umero de veces que ocurre
el evento entre el n
umero total de veces que se realizo el experimento.

P (A) =

N
umero de veces que ocurre el evento
N
umero total de veces que se realiza el experimento

Probabilidad subjetiva.

Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia

previa, la opini
on personal o la intuicion del individuo. En este caso despues
de estudiar la informaci
on disponible, se asigna un valor de probabilidad a los
sucesos basado en el grado de creencia de que el suceso pueda ocurrir.
La probabilidad subjetiva puede tener forma de frecuencia relativa de ocurrencia anterior o simplemente puede consistir en una conjetura inteligente N.
Para clarificar lo antes dicho un ejemplo muy com
un es el pronostico del
tiempo, muchos individuos como nosotros realizamos una prediccion personal
de como seran las condiciones climaticas para el da, basados mas en nuestra experiencia personal (que en datos historicos) pero que muchas veces sustentamos
en experiencia de eventos pasados.

Probabilidad axiom
atica.

Durante el siglo XX, un matematico ruso, Andrei Kolmogorov, propuso una

definici
on de probabilidad, que es la que seguimos utilizando hoy en da.
Si hacemos un determinado experimento, que tiene un espacio muestral , definimos la probabilidad como una funcion que asocia a cada suceso A una determinada probabilidad, P (A), que cumple las siguientes propiedades:
1. La probabilidad de cualquier suceso A es positiva o cero. Es decir, P (A)
0. La probabilidad mide, en cierta manera, lo difcil que es que ocurra un
suceso A: como menor sea la probabilidad, mas difcil es que ocurra.
2. La probabilidad del suceso seguro es 1. Es decir, P () = 1. As pues, la
probabilidad siempre es mayor que 0 y menor que 1: probabilidad cero
quiere decir que no hay ninguna posibilidad de que pase (es un suceso
imposible), y probabilidad 1, que siempre pasa (es un suceso seguro).
3. La probabilidad de la union de un conjunto cualquiera de sucesos incompatibles dos a dos es la suma de las probabilidades de los sucesos. Esto
es, si tenemos, por ejemplo, los sucesos A, B, C, y son incompatibles dos
a dos, entonces P (A B C) = P (A) + P (B) + P (C).