'i1

~ ! :
~
#0'
fi
ft
TEORIA SASICA
~
~
t1
PROBLEMAS RESUELros
I
~
~

PROBABILIDAD
I
I
TERCERA EDICION
i
I
,
i
\
MARTHA GUlSELA. GAITAN GARAVITO
INGENIERA INDUSTRIAL
FACULTAD DE INGENIERIA
UNIVERSIDAO DE SAN CARLOS DE GUATEMALA
GUATaAA.LA, 2005
PREFACIO
La habilidad para aplicar el proceso de Toma de Decisiones en su
trabajo diario es una de las caracteristicas fundamentales que distinguen al
profesional de hoy, 10 acertado de estas decisiones y los benefidos que de
eliasse obtengan repercuten grandernente en su exito.
Tomar una decisi6n es elegir una opcion viable, implica el analisis
profundo del entorno en que esta se tomara, asf comolas consecuenciasque
. puedan acompanarla: es impresdndible para ella la recoleccion e
interpretaci6nadecuada de toda 13 informacion relacionadacon las diferentes
opciones, 13 que incluyeel conocimiento precisode losfactores de riesgo.
Para precisar los factores de riesgo es necesario que sean medidos y
ponderados de acuerdo con un objetivo previamente establecido; una de las
herramientasfundamentales para hacerloes 13 TEORIA DEPROBABILIDAD.
Reconociendo 10 esencial que es el manejodel riesgo en el proceso de
Toma de Decisiones, este libro presenta una introducci6n al estudio de 1a
Probabilidad, resume 13 base teoricay reladona allector con 13 terminologia,
conceptos, metodos y modelos utiles para describir, medir y analizar los
factores de riesgo; ha sido estructurado con el proposito de apoyar en el
aprendizaje de 13 probabilidadallector interesado, ademas sirve de guia en el
desarrollo de un curso basico en el que se hace enfasis en 13 aplicacion de
conceptos y 13 utilidad del analisis probabilistico en 13 evaluacion de
altemativas.
En el primer capitulo, Invitacion al Estudio de Probabilidad, se ilustra,
a traves de casas tornados de 13 vida diaria, el manejo intuitive de 13
probabilidad que las personas aplicanante situaciones de incertidumbre para
I
f

afrontar la inseguridad y el riesgo. En el segundo capitulo,Conceptos Basicos
de Probabilidad, se hace enfasis en las definiciones relacionadas con la
materia y los metodos elementales para calcular probabilidades, En el
capitulo tres, Variables Aleatorias, se presents la metodologia para descnbir
esta clase de variables y los procesos para e1 cakulo de probabilidades de
eventos relacionados con las mismas. Finalmente, en el capitulo cuatro,
Distribuciones de Probabilidad, se presentan 10 modelos matematicos mas
utilizadosen Iadescripci6n de variables aleatorias.
Considerando lassugerendas de los profesoresque utilizanel material
para desarrollar la tematica de sus cursos y la necesidad de ejercitar los
conceptos estudiados se incluyenen cada uno de los tres ultimos capitulos
una coleccicn de problemasresueltos; ademas, se presentan opciones para la
evaluacion del aprendizaje can un numero de problemas propuestos y sus
respectivas respuestas.
En esta tercera edicion, hacienda uso de las herramientas
computacionales al alcance del lector, se adiciona el apendice "Soluci6n de
problemas con ayuda de las funciones de Excel" ilustra las aplicaciones
de cada una de las funciones estadisticas que tieneesta hoja electr6nica yque
se reladonan con el calculo de las distribuciones de probabilidad,
Deseo sinceramente que usted, amable lector, obtenga de este
conocim.iento el mayor provecho.
Martha Guisela Gaitan Garavito
Guatemala, 2005
CONTENIDO
CAPITULO 1
Introducd6n al estudio de Probabilidad 1
CAPITULO 2
Conceptosbasicos de Probabilidad 8
Hay que alladr6n 8
Experimentos Aleatorios y ModelosMatematicos 15
16
ConceptosFundamentales 16
Teoremas de Probabilidad 20
Freeuencia Relativa 21
Espacios Muestrales Finitos 23
EventosEquiprobables 24
Probabilidad Condicional 25
Teoremade Multiplicad6nde Probabilidades 26

Teoremade la Probabilidad Total yTeoremade Bayes _/
Sucesos lndependientes 29
Problemas Resueltos 32
'11
,
Problemas Propuestos
CAPITULO 3
Variables Aleatorias 50
Historia de unvendedor de pen'6dieos 50
Variables Aleatorias :J:J
Definicion de Variable Aleatoria X)
Recorrido de laVariable Aleatoria 56
Clasificad6nde las Variables Aleatorias 57
Variables Aleatorias Unidimensionales Discretas 58
Cambio de Variable 62
Variables Aleatorias Unidimensionales Continuas 03
Cambiode Variable 66
Esperanzay Varianza de las Variables Aleatorias 67
GaitanGaravito
Invitacion al Esrudio ce Probabilidad
Ejempios de Aplicaci6n 71
w Mementos de las Variables Aleatorias 73
~ Desigualdad de Chebyshev 74
.. Problemas Resueltos 75
.. ProblemasPropuestos 80
CAPITULO 4
Distribuciones de Probabilidad 82
Paciencia y tiempo 82
.. Distribuciones de Probabilidad 90
.. Distribuciones Discretas de Probabilidad 90
Distnbuci6n UniformeDiscreta 90
Distribuci6n Binomial 91
Distribuci6n Binomial Negativa 0 Distnbuci6nPascal 93
Distribuci6n Geometrica 94
Distribucion Multinomial 95
Distribuci6n Hipergeometrica 96
Distribuci6n de Poisson 98
.. Problemas Resueltos de Distribuciones Discretas 100
.. Distribuciones Continuasde Probabilidad 109
Distribucion Uniforme 109
Distribuci6n Exponencial 111
Distribuci6n Gamma 112
Distribudon Weibull 114
Distribucion Beta 115
Distribuci6n Normal 116
Distribucion Normal Estandar 119
Propiedades 120
Teorema del Limite Central 122
Aproximaci6n de la Binomial a ill Normal 123
.. Problemas Resueltos de DistnbucionesContinuas 124
.. Problemas Propuestos 132
APENDICE 1: Soluci6n de problemascon ayuda de las funciones
de ExceL 135
APENDICE 2.Metodosde Enumeracion 150
BIBLIOGRA.FIA 154
CAPiTuLO 1
INVITACION AL ESTUDIO DE
PROBABILIDAD
En este capitulo se desarrolla una serie de ejemplos tornados de la
vida cotidiana de un ciudadano comtin; el prop6sito de presentarlos es
ayudar allector en la comprensionintuitiva del concepto de probabilidad y
su aplicad6n en la soludon de problemas en los que se presentan:
incertidumbre, irlseguridad y riesgos; al mismo tiempo mostrar que en las
dedsiones que se taman d1a a dia estan implfcitos los conceptos
fundamentales de la tearia de probabiIidad.
..
Ellector, seguramente ha tenido oportunidad de participar en juegos
de azar: bingo, lotena, naipes, etc. que ilustran como, antes de conocer el
resultado, se presentan situaciones claras de incertidumbre, ya que el
resultado no depende de la habilidad del jugador, sino de Ia casualidad, del
acaso. Sin embargo, se juega porque se considera que se tiene ia
oportunidad de ganar, es posible ganar, EXISTE LA PROBABILIDAD DE
GANAR
La probabilidad intuitiva de un evento es el grado de creencia 0
confianza que determinado individuo coloca en la ocurrenda de dkho
evento, basandosepara ella en la evidencia de que dispone. Sinembargoen
la solud6n de problemas, bajo riesgos 0 incertidumbre no basta determinar
que exists una probabilidad de ocurrencia de un evento, es fundamental
interpretarlay utilizar esa informaci6n para tomar dedsiones que llevena la
consecuci6n de un. objetivo, que puede ser, ganar el juego 0 en Ultima
instanda minimizar las perdidas,
Existen variedad de problemas en que se presenta la necesidad de
prever riesgos y en el afan de minimizarlos se analiza la probabilidad de
ocurrenda de los hechos que implican los riesgos, En seguida algunos
CilSGS.
Estesupuesto se fundament!en la probabilidad que existsde que cada persona naya
participado al menosuna vezen un juego deestetipo.
Invitacion al Estudio de' Probabiiidad Gaitan Garavito
NO PUEDO LLEGAR TARDE
Hacesesenta Ycincodias usted empezo a trabajar en una compafifa de
prestigio como asistente de la Gerencia de Mercadeo, ha colaborado
intensamente para elaborar un plan de comercializadon para un producto
lid.er y se Ie ha convocado a una reunion con el Consejo Directive el ilia de
manana a las 8:00 horas parala presentationdel plan. Su exposici6n esta
preparada, espera dem.ostrar su capacidad y consolidarse en la compania.
Particularmente ese d!a necesita estar puntualmente en la oficina, no le esta
permitido hacerse esperar. .
,COmo puede minimizar el riesgo de Uegar despues de la hora
seiialada?
i Existe la posibilidad de que ocurra un imprevisto en el camino, un
atrasoenel transite?
Quizas son sucesos pocoPROBABLFS, pero, saldra mas temprano de
sucasa.
i Que tantempranosaldra?
De acuerdocan su experiencia ( 65 d!as) suponeque en e1 trayectoes
poco PROBABLE que tome mas de 30 minutes, nunca le ha ocurrido,
siempre salede casaa las 7:30 horasy llega justoconsu horariode trabajo,
Mafiana saldraa las 7:20 horas; esaes su decision para minimizar sus
riesgos, para minimizer la probabilidad de llegar despues de las8:00 horas.
VIAJE DE VACACIONES
Suponga que organiza un viajede vacaciones recorriendo las ciudades
deViena, Paris, Roma, Madrid, etc.
Laforma maspracticay seguraes queacudaa unaAgenda deViajes y
escoja un paquete vacacional que presente 1a mejor alternativa. Si este
paquete en el rubro de las comidas no induye el almuerzo, ,que aspectos
tomara en cuenta para presupuestar sus gastos de almuerzo? Necesita
informaci6n sobree1 predoPROMEDIO de algunas comidas, ,no es asi?
2
Invitaci6n al Estudio de Probabilidad Gaitan Garavito
Los precios pueden variar de una dudad a otra, pero el PREGO
ESPERADO Yuna MEDIDA DEVARIABIUDAD de los mismos Ie seran
utiles para planear su presupuesto y tomarotras decisiones conrespecto a su
viaje.
EL SEGURO MEDICO
Si necesita minimizar los riesgos de quedarsesin dinero en su viaje de
vacaciones, considera1a alternativa de comprar un segurocontra acddentes
a enfermedad, algunospaquetes vacacionales ya losincluyen, estoes porque,
aunque minima, existe 1a PROBABIUDAD de que un accidente ocurra.
i
AI tamar la decisi6n de adquirirun segura medico, 0 de otro tipo, se
esta considerando 1a PROBABIUDAD de que ocurran algunos hechos de
riesgo.
Siusted tieneun segura, ,por que10 adquiri6? AI razonar su
respuesta, l emitioun juidobasadoenprobabilidades?
Los problemas profesionales no distande los particulares en presentar
incertidumbre y riesgo, quizas en los primeros una decision equivocada
presente mayores complicadones, por 10 que considerar 1a probabilidad de
eventos de riesgoy aetuar para minimizar suseonsecuencias es sumamente
importante. Enseguida o.ros cases deaplicacion,
MODELOS DE INVENTARIOS
Un problema de inventario existe cuando es necesario guardar bienes
o mercanctas con el prop6sito de satisfacer una demanda sobre un horizonte
de tiempo especificado, la mayonade empresas debenalmacenar bienes para
asegurar un trabajouniforme y eficiente en sus operaciones. Las decisiones
de cuandahacer pedidosy enquecantidad, son tipicas de cadaproblema
Dado que la demanda es variable (X), y posiblemente no esta
completamente determinada, algunas veces se considera mantener un nivel
3
GaitanGaravito
Invnacion al Estudio de Probabilidad
Inv al Estudio de Probabilidad GaitanGaravito
de seguridad(mimero de piezasen inventario) para asegurarse que estasno
falteny por 10 tanto nose presenteinsatisfacci6n enla demanda.
Conociendo las posibles variaciones de la demanda, la
DISIRIBUaON DEPROBABILIDADES de Ia demanda, el tamano de este
nivelsedeterminade modoque laPROBABILIDAD de quedarse sinarnculos
durante el periodo anterior a la llegada de un pedido, no exceda un valor
especificado, tendiendo acero, ya que al no surtir Ia demanda Ia
insatisfacci6n de losclientes implican perdidas para Iaempresa.
MUESTREO DE TRABAJO
Lateona de muestreo de trabajose basaen las leyesfundamentales de
la probabilidad. Un problemade este tipoconsiste en deterrninar el TIEMPO
QUE SE ESPERA que un equipoeste inactive duranteuna jornada de trabajo,
y calcular de esta forma, el tiempo efectivo de trabajo del equipo. Para ella
se debe contar con informacion sabre la probabilidad que ocurran los
eventos: el equipo se encuentra trabajando (E) y el equipo se encuentra
inactivo (F). Si Ia probabilidad de E es "p" se infiere que el equipo se
encuentra trabajando el p% del tiempo 0 jomada de trabajo, y que el equipo
se encuentrainactive el (1-p)% de estetiempo,10 queimplica un desperdicio
de la capacidad instaIada
Algunas aplicaciones profesionales no son especiicas en su
planteamiento, como los casos anteriores, por ejemplo, en el desarrollo de
proyectos, hay tantas decisiones de riesgo que es dificil senalarlas en su
totalidad.
INICIANDO UNNEGOCIO
Jacinto Ruiz esta interesado en instalar una cafeteria en un local
eereanoa la universidad, tiene una cantidad de dinero ahorrada que lnvertira
en la inidadon y el equipamiento del negocio, su deseo es planificar y
organizar su cafeteria minimizando el riesgo de fracasar y perder el dinero
invertido.
'T
AIplanear el negodo, Jacinto necesita tomar decisiones que parederan
Iaciles perc no 10 son, preguntas como las siguientes son comunes en
problemas comoeste.
1. l Queelase de alimentos vendera?
Por supuesto que los que considere que tienen una demanda mayor,
los que el consumidor solicita con mas frecuenc:ia. Las demandas no son
conocidas con certeza, pero se puede estimarla PROBABIUDAD de que una
personasolidte una gaseosa , un refresco u otro producto espedfico, par 10
que seconsideraranecesario incluirlas en el menu si es MUY PROBABLE que
sean requeridos, Un analisis basado en Ia teona de probabilidad debe hacer
Jacintopara cada productoque ofrecera al publico.
2 l Que cantidad de cadaproducto, por unidad de tiempo, tendra en. el
local?
Estees un problemade inventarios, debe decidir cuantas unidades de
cada producto debe comprar 0 elaborar a fin de sansfacer a Ia PROBABLE
clientela, minimizando el riesgo de faltantes 0 excedentes.
Las demandas, como se anot6 anteriormente, son VARlAl3LF.S
ALEATORIAS*, no se conocen concerteza, pero es posible asignarles valores
entreclertosrangosy construiruna DISfRIBUa6N DEPROBABII.lOADF5,
por ejemplo , es muy probable que se consuman al d1a menos de 4 cajas de
por 10 tantoesnecesario almacenar no mas de cuatro cajas.
3. l Que ingreso por lasventas espera en un d1a? As! determinara si al
descontar sus gastos de alquiler del local, energia, empleados, costas de
materiales etc, obtieneun rendimiento adecuado a su inversionya su trabajo.
Responder esta pregunta implica analizar el comportamiento de
variables como: numero de clientes que llegan par dia, valor en quetzalesdel
consume por mente, costa mensual de energia, etc. que tampoco taman
valores completamente determinados, son VARIABLES ALEATORIAS, su
valor esta infiuendado por Ia casualidad, par factores que Jacinto no puede
controlar completamente, por 10 que sus dedsiones se basan en VA10RES
ESPERADOS a en VALORES MAS PROBABLES.
*.AJeaio]'io, del Latin Aleatorius, qae dependede un sucesofortuitn. Relative al azar.
5
Invitacion al Estudio de Probabilidad Gaitan Garavito
Invitad6n al ESwdio de Probabilidad Gaitan Garavito
NEGOCIAo6N lNTERNACIONAL
En una relaci6n de negocios de cualquier indole estan presentes
d.iferentes riesgos que las empresas partidpantes evaluan para determinar
que tan conveniente es la transacci6n.
L1compaitia ENERGIASA esta considerando la alternativade invertir
enla comprade una empresaque tienecomoactividadla comerdalizad6nde
Energia Electrica. Antes de ofertar para la compra, debe realizar algunos
estudios que representancostos.
Un an.ilisis profunda de los benefidos que Ie traera Ia inversion
implies 1a bUsqueda de toda la informacion relacionada con la empresa, el
pais en donde se encuentra, los mercados potenciales: locales, nacionales 0
regionales del producto 0 servicio, etc.
Acontinuaci6n se presentan algunas consideradones elementales:
A. Suponiendo que ENERGIASA tiene una cantidad determinada de
dolarespara explorarnuevasoportunidades de inversion y que existen varias
empresas a la venta lQue empresas son mas atractivas para iniciar un
proceso de negociaci6n? lQue cantidad de dinero esta ENERGIASA
dispuestaa invertir para investigar y obtenerinformacion de las condiciones
economicas a nivel Micro y Macro en las que se desarrolla el negocio y se
desarrollara a un largo plazo? ENERGIASA debe considerar el riesgo de
invertirpara darsecuenta de que no esuna negociaci6n conveniente 0 por 10
contrario, tieneuna POSIBILIDAD de convertirse en un negocio rentable. La
decision de invertir para explorar las oportunidades de exito se basan en
que tan PROBABLE es que se llegue a concretar una negodaci6n con una
rentabilidad atractivaa largoplazo.
B. Sial conduir el estudiopreliminar decidepartidpar comoofertante en
una subasta, debe analizar los terminos contractuales de tal forma que las
garantiaofrecidas por el vendedor estencompletamente daras y los riesgos
minimizados. Enrelacion conlas condiciones econ6micas, politicas y sodales
del pais donde se hace la negodad6n, lexiste la PROBABILIDAD de que
cambien? lque efectotienenlosposibles cambios en el negocio? lque cambios
se esperan? El conocimiento de los riesgos que impliea un cambio en la
situaci6n economics, politica0 social exige que lascondidones contractuales
ofrezcan proteed6n y minimicen el efecto negativo si este existe,
6
C. Al realizar un avahio de los activos de la empresa que esta en venta,
es necesario determiner la CONFIABIUDAD de funcionamiento, la vida titil
probable, seiialar las posibllidades de falla en un plaza sei\alado, 0 la
POSIBIUDAD de problemas en el suministro de insumos, que a1 presentarse
no perrnitirian el fundonamiento adecuado del equipo Y por 10 tanto,
tampoco se podna satisfacer la demanda del servido y la empresa se vena
afectada ensusingresos,
D. Al tener recolectada y analizada toda la informacion reladonada con
la compra y al decidir hacer una oferta, es necesario cuidar de no sobre
estimar el valor de la empresa, ya que se esta participando en una subasta,
donde todos los oferentes desean que se les adjudique la compra pero sin
sobrepasar excesiyamente tl valor de las otras ofertas. l Que estrategia de
ofertase elaborara para maximizar la PROBABIUDAD de que el negodo se
realice ofreciendo la rentabilidad atractiva? ..
AI concluir este capitulo es necesario enfatizar que el analisis de la
probabllidad de un evento estaligadoa la toma de decisiones y por 10 tanto
presenteen el desarrollo de cualquier actividad, sinembargo la aplicad6ndel
concepto intuitivo implica, ademas de considerar que existela probabilidad
de que ocurra un hecho, tener una medida de la misma, que permita
determinar si es frecuente 0 es remotoque ocurra, es necesario asignarle un
numero que indiqueque tan probable es el hecho, el estudiode Ia TEORlA
DE PROBABlllDAD da el fundamento matematico para hacerlo.
Finalmente es importante apuntar que los criterios de decision, por
ejemplo, la probabilidad de que un suceso ocurra, no tienen la misma
relevancia para todaslaspersonas, algunasasumenriesgos grandesotrasson
conservadoras y prefieren no arnesgarse, la decision es de cada persona.
7
Conceptos Basicos de P r o b d b i l i ~ Gaitan Garavno
CAPfTuL02
CONCEPTOS BAsICOS DE
PROBABILIDAD
*******
****************
..
HAY QVE CAPTVR;\R AL LADRON
La Sociedad Prisma bene un supermercadoenla colonia El Vaile, en el
se disenoun sistemade vigilanda para identificara los ladrones que tienen
alli sa centrode operaciones. EIsupermercadoesta divididoen dos zonas A
y B, la primera, en vista de que los articnlos que se venden son de gran
demands, estasiempreocupadapar una clientela numerosa, en tanto que en
la segundalaclientela es menos densa. La direcci6n dispone de dos polidas
no uniformadosque rondan en la zonas A y B, por otra parte se han instalado
camarasde television que permite vigilar las roms a partir de un local C en
donde se encuentranlas pantallas, As! los polidas pueden encontrase en A,
en B 0 en C en tanto que los ladrones, se supone, solo pueden encontrase en
Ao en B.
Deacuerdo a los registros sobre seguridad, que se han llevadocuando
se han detectado robos. los polictas han podido establecer probabilidades
para descubrir y capturar al ladron. Considerando. gracias a su experiencia,
que si un ladron se encuentra en A, y un policia en C la probabilidad de
capturarloes 0,3; si el policia se encuentraen A la probabilidad de capturarlo
es M y asi para todas las posidones posibles del polida y delladr6n. Esto
datos se muestran en seguida:
8
c.oucepiosBasicosde Probabuicad
GJican GarJ\'1W
PROBABlLIDADES DECAPIURA
Posicion del Posicion del Ladron
f'olicfa
A B
C 0.3 0,5
A 0.4 0.2
B 0.1 0.7
Perosi los dos polidas se encuentranen A(AA), en B(BB) 0 en C(cq,
bajo los supuestos que cada policia actua de forma INDEPENDIENTE y
ambos posee fa misma capaddad y habilidad por 10 que tienen la misma
probabilidad de capturar al ladron, las probabilidades totales de capturer al
ladron se calculan aplicando e1 principio de probabilidades: La probabilidad
de capturar al ladron es igual a la probabilidad de que 10 capture uno n otro
polida.
As1, si el ladron esta en A y los polidas en C la probabilidad de que 10
capturenes:
p (CC) =P(q +P(q - P(q ..P(C),
P(CC) = 0,3 +0.3 - 0.3 ... 0,3 = 0,51
Las asignaciones para las 12 posidones posibles se muestran a
continuacion,
Posicion de los Posicion del Ladron Estrategia de policias
polidas frecuencias
A B
CC 0.51 0,75 XI
AA 0.64 0,36 X
2
BB 0.19 0.91 Xl
CA 0,58 0.60 X
4
CB 0.37 0.85 x,
AB 0.46 0,76 x,
Estrategia del Iadron
Frecuencias Y1 Y,
9
GaitanGaravito
Conceptos Basieos de Probabilidad
Conceptos Basicos deProbabilidad GaitinGaravito
El problema que se presenta, es seleccionar la mejor IIestrategia" para
capturaralladr6n, llamando estrategia a un conjunto de frecuencias Xi, i=l,
2, 3,4, 5, 6, positivas y cuyasuma es iguala 1, que representan laproporci6n
del tiempo que hayque asignar a la vigilandaen las combinaciones Cc, AA,
BB, CA, CB, AB.
La determinaci6n de esta estrategia, representa una aplicaci6n de la
Teena de [uegos" que se ilustra a continuaci6n para resaltar la importancia
delestudio de la teorfa de Probabilidades.
Se puedenconsiderar infinidad de estrategias. Suponga queseadopta
laestrategia siguiente: El25 %del tiempolospoIidasestanen AA, el20 %en
BB, ellS %en CB y el40 %en AB, esto es; Xl"" 0.00, X
z
::: 0.25, X
3
::: 0.20,
::: 0.0, X, =0.15, '" 0.40
Entonces si un ladronestaen Ala probabilidad decapturaes:
Laprobabilidad de quelospolidasesten enAA y capturen alladr6n, 0
enBB y capturenal ladron, 0 enCB y capturenalladr6n, 0 enAB y capturen
alladr6n.
Aplicando el Teorema de Probabilidad Total, estaes igual a :
P(AA) * P(captura I AA) + P(BB) ... P(captura I BB) + P(CB) ... P(captura ICE)
+P(AB) ... P(capturalAB)
P(captura) == 0.64*0.25 + +0.37* 0.15 + 0.40*0.46=0.4375
Conel mismo planteamiento, si elladr6n esta en B, la probabilidad de
lacapturaes:
P(captura) = 0.36*0.25 oj 0.91*0.20 + 0.85*0.15 + 0.70* 0.4 == 0.7037
De igual forma , y bajo el supuestoque aetna un ladrona la vez, el
ladrontiene que decid.ir una estrategia i'" 1,2, des frecuendas positivas
cuyasumaes1, querepresentan la proporcion de susvisitasenlaszonas A0
B.
Es evidente que las estrategias debenpermanecer secretas paraambos
grupos antag6nicos y es conveniente que las dedsiones sucesivas de unos y
"Lateonade [uegoses una leronamatemanca queestudialas caractensticas generales de los
problemas dedecision en losquedos oponentes inteligentes Iienen objetivos enconfliclo.
10
los otrossean aleatorias, si no fuera asi, que suerte la del ladr6n si hubiera
descubierto la secuencia de los desp\.azamientos de los polidas 0 que mala
suerte si lospolictas descubrieran la manera de actualde el,
Suponga que los polidas buscan la estrategia de tal forma que puedan
estar seguros de obtener cuando menos una probabilidad g de capturar al
ladr6n cualquiera que sea su comportamiento. Los ladrones buscan su
estrategia de tal forma que tenga cnando mas una probabilidad g de ser
capturados cualquiera que sea la forma de actuar de los polidas.
Estableciendo asf un equilibrio entreindividuos: polidas y ladrones,
Es fad comprobar que esas frecuencias y el lnnite g COIDlin deben
satisfacer las reladonessiguientes:
Xl + X
z
+X
3
+ X
4
+X
s
=1
0.51 Xl +O.54X
z
+ 0.19X
3
+ + 0.37 X, +O.46Xg g
0.75 Xl +0.36 X
2
+ 0.91 + 0.6 + 0.85 X, +
Y
1
+Y
z=l
0.51 Y
l
+0.75 Y
z
S g
0.64 Y
l
+0.36 s,s: g
0.19 Y
l
+0.91 Yz.s g
0.58 Y
l
+0.6 Y
z
s g
0.37 Y
l
+0.85 Y
2
.s g
0.46 Y
1
+ 0.76 Yz.s g
Las variables estantodascomprendidas entre0 y1
Resolviendo las ecuaciones y desigualdades del ladron, sustituyendo
Yz ::: 1 - Y1 Y considerando todas las d.esigualdades como ecuaciones, se
obtiene:
11
ClJJlCep!0S llJ.sic\lS de Probaoilidad Gaitan Garavito
0.75 - 0.24 Y
1
=g (1)
0.36 + 0.2SY
1
=g (2)
0.91 - O.72Yj =g (3)
0.60 - 0.02Yj =g (4)
0.85- 0.48 Yj = g (5)
0.76 - 0.30 Y
l
=g (6)
La variabler',comprendidaentre0)' 1incluyendolos hmites,
Soluci6n
Metollo Granco

WI,",
01
1J
<ll
z


2
<ll
i. .<:<, <, <,
''11.1- --I ...... 'w
Q.
""l __.i->:
i
I ,J ",
20+
!
-----j
1
lElIores deY
...... recta1 -er- recta2 ....- recta3
- (>-- recla4 -+- recta5 .-6- recta6
Utilizando el metodo grafico para la solucion del problema, se trazan
las 6 rectas en el sistema de coordenadas ( Y
j
, g ) Todo punto de 13 zona
rayada eonstituye una soludon posible, puesto que satisface todas las
desigualdades, el valor mas pequeno de g se encuentra en la interseeci6n de
las rectas 2 y 4.
i2
Conceptos Basicos de!'robabUidad Gaitan Garavito
g=O.36 +0.28 Y
1
g =0.60 - D.OZY
1
entonees Y
j
=0.8, Y
2
=0.2, g= 0.584
As! que seleccionando esta estrategia los ladrones tienen una
probabilidadno mayor de captura de 0.584, esto es, adoptando la estrategia
de robar 4 de eada5 (0.8) vecesen Ay 1 de cada5 (0.2) vecesen B.
Para conoeer la estrategia de los polidas, hay que admitir, sin
demostracion, dos propiedadesfundamentalesdelaTeena de Iuegos.
1. Existe un numero unico g que eonstituye a la vez un limite superior para
los ladronesy un limite inferior para los polidas.
2. Atoda desigualdad queno apareeeen 13 solucion optimade los ladrones le
eorrespondepara el adversario una variablenula.
Aqui el 6ptimoeorresponde la interseccion de las rectas 2 y 4. Yson las
ecuadones para el optimo del ladron, . por 10 que Xl' X
3t
Xs, YX,; deben ser
nulas, entonees
0.54X
2
+O.58X
4
= g= 0.584
0.36X
2
+ O.6OX
4
=g =0.584
dedonde,
X
2=1/15
14/15
Finalmente pasando 1115 de su tiempo juntos en A y 14115 de su
tiempouno enCy otroen Alos poIidas tendran una probabilidad de captura
igual a 0.584 .
HA SURGIDO UNA INTERROGMiE......
Unode los asesores del Gerentedel supermereado, al que se Iemostro
el problema hizola observacion que era interesanteeonsiderar la rentabilidad
de Iavigilancia. Suponga que se suprime 13 television, entonces las
combinaciones en lasposidones de lospolidas se reducen a:
13
( 'oruq.>IOS Basicos deProbabilidad
Gaitan Garavilo
Posicion del ladron
Posicionde los
polidas
A B Estrategia de polidas
AA
BB
AB
0.64
0.19
0.46
0.36
0.91
0.76
X
2
X
3
x,
Estrategia delladr6n Y
I
Y
2
Las rectasa considerar son la 2, 3, Y6YIa soluci6noptima esta dada
por la intersecci6n de las rectas 2 y 6, tal que: Y
I
'" 0.69 Y ~ ' " 0.31, Xl'" 0.53
X3= 0.47 g'" 0.55. Por consiguiente Ia probabi1idad de captura solo se
incrementa en 0,034 gradas a la television, 10 que plantea el problema de
saber si este costoso equipoes verdaderamenteutil para llegara un resultado
minimo.
*******
* * ~ * * * * * * *
Conceptos Basicos deProbabilidad GaitanGaravito
o EXPERIMENTOS ALEATORIOS YMODELOS
., MATEMATICOS
El proceso de toma de decisiones y la soludon de problemas tiene
implicita una fuse de observacion de la realidad, deben analizarse y
estudiarse los hechos de los euales deseamos obtener conclusiones y per 10
tanto, informacion rara soludonar losproblemas.
En la observaci6n de Ia realidadse llevana caboexperimentos cuyos
resultados no estan determinados por las condiciones bajo las cuales se
realizanestosexperimentos, ya que soninfluenciados parel azar, por faetores
no controlables Por parte del experimentador, a estos experimentos se le
llamanExperimentos Aleatorios.
1
Un EXPERIMENTO ALEATORIO es cualquier operadon 0 proeeso
ffsico cuyo resultado no puede predecirse con exactitud, debido a que las
condiciones bajo las euales se realiza no determinan completamente su
resultado, Enel Experimento Aleatorio no existeun solo resultado posible,
sino un conjuntode resultadosasodados a a. El concepto de probabilidad
es necesario en estos casas para evaluar la posfbilidad de ocorrencia de cada
uno de losresultados.
Para ejemplificar un experimento aleatoric, considere el caso del
vendedor de periodkos que vende ambulantemente los ejemplares, lleva
todos los dias un numero determinado pero no sabe con exactitud cuantos
vendera, la demanda est! influendada por eI azar no por factores
controlables por el vendedor.
CARACTERISTICAS DEUNEXPERIMENTO ALEATORIO:
1. Es posible repetir indefinidamente eI experimento sin cambiar
sustandalmentelas condiciones del mismo.
2. Aunque no se puede predecirun resultadoen particular, se puede describir
el conjunto de resultadosposibles.
3. A medida que se repite el experimento, se repiten los resultados
individuales, presentandose una regularidad estadisdca, esta regularidad
permite generalizar un comportamiento a largo plazo y elaborar un modelo
teorico que describa con precision el fenomeno observado, este modele e5
llamadoMODELO MATEMA11CO del experimento aleatorio.
15
14
Conceptos Basicos de Probabilidad .
Gaitan Garavito
C:;:lCeptcs Basicos deProbabilidad Gaitan Garavitc
Continuando con el caso el vendedor de periodicos, si el observe que
todos los dias vendeentre20y 25peri6dicosy que de 60 dtas registrados, 10
de elios vendi6 20 peri6dicos, en otros 10 dias vendio 21 periodicos, y ast
sucesivamente, (10 dias vendi6 22peri6dicos, 10 diasvendio 23 periodicos,
10 dias vendio 24 peri6dicos y 10 dfas vendio 25 periodicos) , el modelo
puede generalizarse estableciendo que CON LA MISMA FRECUENCIA
vende 20, 21,22, 23, 24Y25periodkos.
Es importante, comprender la diferencia entre teoria y realidad, las
teortas sonsistemas de conceptos propuestosparae:xplicar losfen6menos del
mundo real, son aproximaciones de la realidad, y pueden ser representados
por reladones matematicas, Modelos Matematicos, AI escoger un modelo
esperamos que este refleje fundamentalmente las caractensticas del proceso
observado, de tal manera que se pueda utilizar para llegar a conclusiones
sobre el proceso mismo, debe ser tan sencillo como sea posible, en el se
omiten detalles, se simplifican los hechos, pero debe describir consufidente
exactitud losrasgos ypropiedades de la realidad.
105 llamados Modelos Probabilisticos son los que permite escribir a
losExperimentos Aleatorios y son estudiados en la Teoria de Probabilidad.
o PROBABILIDAD
Es una medida de la posibilidad que se produzca un hecho, un
acontecimiento 0 un resultado en una serie de experimentos repetidos en
condiciones similares, Como ejemplo puede escucharse decir que una
maquina tiene un 5% de probabilidad de fallar en cierto periodo de
fundonamiento, porque esto se ha evidendado con la experiencia en la
operad6n de la maquina,
Se mide la probabilidad de un suceso por media de un mimero entre
cero y uno, 0 su equivalente en porcentaje, entre cera y den por dento.
Cuando mas probable es, mas proximo sera a uno (100%), cuando menos
probable, mas proximo a cera( 0%).
Cl CONCEPTOS FUNDAMENTALES
ESPACIOMUESTRAL
Es el conjunto de todoslosresultadoposibles de un experimento, para
definirlo hay que tener una idea clara de 10 que se observe, ya que par;: el
16
mismo experimento pueden establecerse distintos espados muestrales, For
ejemplo, aIlanzarun par de dados, puedeser deinteresobservar la parejade
numeros que aparecen, tal es eIcasosi se ganaunacantidadde dineroigual a
la suma de los dos numeros que aparecenj 0 estar interesado en anotar
unicamente elmayorde losnumeros queaparecen, si la ganancia del juego es
directamente praporcional al mayorde losmimeros ..
En eI primer caso el espacio muestral estara formado por las parejas
ordenadas (x,y) que representan respe.ctivamente el ntimero que muestra eI
primerdadoy elsegundo dado:
s= { (1,1), (1,2), (1,3), (1,4), (1,5) ,(1,6), (2,1), (2,2) ,(2,3) ,(2,4), (2,5), (2,6),
(3,1), (3,2), ( 3 ~ ) , ( 3 , 4 ) , (3,5), (3,6) , (4,n (4,2) ,(4,3) ,(4,4) ,(4,5) ,(4,6) ,(5,1) ,(5,2),
(5,3) ,(5,4), (5,5) ,(5,6), (6,1) ,(6,2) ,(6,3), (6,4), (6,5) ,(6,6)).
Enel segundo caso el, los resultados pueden identificarse senalando
unicamente el numeromayor, noimportando que dado10 mostro", estoes:
5={I, 2, 3, 4, 5, 6}
SUCESO 0 EVENTO
Una parte del espacio muestralse denomina evento a suceso, esto es,
un subconjunto del espaciomuestral.
Si se lama un .dado y se observa el numero que muestra la cara
superior, el espado muestraI se define como S=11, 2, 3, 4, 5, 6}, Y un evento
es A ={2A,6} corresponde al sulxonjunto de los resultados pares que se
puedenobtener.
Sonsucesos especiales: EIsuceso UNIVERSAL, que contiene todos los
resultado posibles, U=S ={1, 2, 3, 4, 5, 6]. El suceso ELEMENTAL, quees
el subconjunto que eontiene soloun elemento y existesi el espada muestral
es un conjunto numerable. Sonsucesos elementales A= {I}, B = 12}, C ={3} ,
etc.
SUCESOS MUTUAMENTE EXCLUYENTES
Si dos 0 mas sucesos de un espacio muestral no pueden 0ClIT!ir
simultaneamente sedice quesonEXCLUYENTES.
'Ver definicion de Variables Aleatorias, capitulo 3
17
GaitanGaravitD
Coocepros Basicos de Probabilidad
bas1ros oeProbaoilidad GaitanGaravito
Considere nuevamente el lanzamiento de un dado, S = ( 1, 2, 3, 4,5, 6 ).
SeaAel eventoIacara del dadomuestra un numero par, A={2, 4, 6} YseaB
el suceso la cara del dado muestraunnumero impar, B= {I, 3,5 }, AYBson
exc1uyentes no pueden ocurrir simultaneamente, un numero no es par e
impar a la vez.
5i dos sucesos pueden ocurrir juntos se dice que son NO
EXCLUYENTFS, para estossucesos sepuede definir otrosuceso denominado
INTERSECOON trn que implica laocurrenck de dos simultaneamcnte,
Este concepto puede generalizarse a masde dossucesos.
Asi, seaC el suceso lacaradel dadomuestrael numero divisible por 3,
entonees C={3, 6}, AYC noson excluyentes existe un numeroque impliea
Ia ocurrencia de uno yel otro,An C={6}
SUCESO COMPLEMENTARlO
En un espacio muestralal definir un eventoEse puede determinar un
evento eomplementario almismo queimpliea lano ocurrencia de E.
Sea A el suceso definido anteriormente, la cara del dado muestra un
nnmero par, A
C
se define entonces como la cara del dado no muestra un
mimero par , Ac '" {1, 3, 5 }'" B
UNI6N DESUCESOS
Si en un espacio muestral se definen una seriede sucesos A, B,C, etc.
Sepueden determinarotrossuceso a traves de la UNION de loselias.
Z = AU B es el SUCe5Q uni6nde A y B, que ocurresi al menos uno, A
o B ocurre, Fsteconcepto se puedegeneralizar para masde dos sucesos.
SeanAye lossucesos definidos enlosparrafosanteriores,
AUC={2, 4, 6, 3}
Lacara del dado muestraun numero par a un numero divisible par
tres.
E]R\1PLOS:
21. Considere el siguiente experimento: seeligeun numeroal azar entre el
1, 2, 3,4, 6 5 Yse eligeun colorentreel raja, elverdey el azul.
18
Par 10 tanto, el espacio muestral del experauento esta dado por ('1
conjunto de parejas:
S={ (l,R), (1,V), (I,A), (2,R), (2,V), (2,A), (3,R), (3,V), (3,A), (4,R), (4,V),
( 4,A), ( 5,R), (5,V), (5,A)}
Sisedefineel suceso Acomo" elegir el numero 10 el2 y elcolor raja",
estesuceso estaformado par lasparejas (I,R) y (2,R)
A={(l,R), (2,R)}
Sise defineel suceso Bcomo" se eligeun numeroimparyel azul" este
suceso estaformado por lasparejas (I,A), (3,A), (5,A),
B={(I,A), (3,A), (5,A) }
Se haeehotar que el espacio muestralesta formado por 15parejas, por
10 que es un conjunto numerable y se denomina ESPAOO MUESIRAL
DISCRETO.
2.2. Considere e1 experimento que consiste en realizar una carrera de 100
metros, si el tiempo empleado en llegar a la meta puede estar comprendido
entre5y 20segundos:
El espacio muestral del experimento es e1 conjunto S = {tl 55 t
El suceso A, "el corredor llegadespuesde10segundos" seidentifica.
A={t/l0 <t ={tit> 10}
El sucesoB,II el corredor llega a la meta en menosde 12segundos pero
en mas de 6" seidentifica,
B= { tl 6 <t <12}
ElsucesoAintersecci6n Bse define comoII e1 corredorllega a lameta
enmenosde 12segundos peIoenmas de 10",
C =.\nB= { tl 10< t < 12}
El sucesoD"el corredorllega a la meta en a 10 mas dace segundos y
unacentesima ", seidentifica:
D= { tiS s t S1201}
EI espacio muestral de este experimento esta formado por infinitos
puntos en e1 segmento 5 t S 20 de los numeros reales, a este espacio
19
L
U<J.U.u.U uu.l<J."HVJ ,..,vw... ...:yu.).) i.J'<.Wl"-'U:::' Ul. J ULJ ..UJu.I.lU.LU
.. .J::)"i.SiCO$ llI:: r'WD.r.WlliUJa LJaIlallLJaraVlW
muestral se le denomina ESPAOO MUFSTRAL CONTINUO Y que sus
elementos seconsideran no numerables,
2.3. AIseleccionar una personaal azar y clasificarla de acuerdo a su gropo
sangumeo, se le puede ubicaren el grupo 0, A, B, 0 AB. HI conjunto de todas
las posibles clasificadones esel Espacio Muestral(5) del experimento
S= {0, A, H, AB}
Una personapuede clasificarse en el grupo A 0 en el grupo0 pero no
puede dasificarse el los dos grupos, los eventos X = {A} Y Z = {OJ son
exduyentesporquenopueden ocurrir juntos.
Si el suceso Ese definecomo,"al sujetole corresponde la clasificacion
B", el sucesoComplemento de E (Ec), esta definidocomola no ocurrencia de
E, que incluye a losgrupos0, A, AB
E={B} EC={O,A,AB}
o TEOREMASDEPROBABlllDAD
Dadoun experimento aleatorio can un espaciomuestralS, en el que se
identifican n sucesos E,y .... EJ, se tiene que a cada uno de los
sucesos se le puede asignar un numero positivo denotado por P (Ei), que se
le llama probabilidad de Ei (i =1,2,3,4...n) Ymide la posibilidad de ocurrencia
de eseresulfado. P(Ei) satisface la siguientes condiciones:
P(Ei) para i = 1,2, 3._.n es un mimero positivoentreceroy uno.
P(Ei)
P(Ei), proximo a uno implica una mayor probabilidad de ocurrencia,
proximoa cerouna menor probabilidadde ocurrencia.
Il, Por definicion, el espado muestral S incluye todos los resultados
posibles del experimento, por 10 que:
P(S) = 1
Noexisteresultadoposible fueradel espaciomuestral
Si los suceso identificados son mutuamente excluyentes y unidos
forman el espado muestral, la surna de las probabilidades de los sucesos es
iguala uno
P(EJ + PCE2) + .... P(EJ = 1
20
III. Si se consideran dos eventos, t, Y E
1
mutuamente exduyentes. b
probabilidad que ocurra el evento Ej 0 el evento esigual a la suma de las
probabilidades individuales de Ej y de B:1
P(E
1
6 E0 = P(ElUE0=P(Ej) + P(E0
IV. SiEjI E
2
YE
J
son sucesos excluyentes, la probabilidad de que ocurra E
1
oE
2
0 E
J
es lasumade lasprobabilidades individuales,
P(Ej 6E
2
6 E
3
) = + +
V. 5i se consideran dos eventos, Ej y E
2
mutuamente excluyentes, la
probabilidad que ocurrael evento y el eventoEz, Ej nE:2, es igual a cera.
P(Ej n =0
VI. Si se consideran los eventos Ei y ru
c
, mutuamente excluyentes, la
probabilidad de que Ei 0 Ei
c
ocurranes: P(Ei 0 Ei
c
) =P ( Ei UEi
c)
= P(S) =1
entonces P(Ei) +P(Eic) = 1,Y
P(Eic) '"1- P(Ei)
Ademas, para sucesos cua1esquiera, siempre que se conozca su
probabilidad de ocurrenda,se rumpleque:
VII. Si Aj YA
2
son sucesos cua1esquiera, la probabilidad de que Ajf6 A
2
6
ambos ocurran es la suma de las probabilidades individuales menos la
probabilidad de que ocurran simultaneamente,
P( Al 6 A
2
6 ambos) = P(AJ + P(A0- P( Al nA:J
VII: Si Ai, i = 1,2,3 sonsucesos cualesquiera
P( Al U A
2
, U A
3
U Ai...) = P(AJ +P(A:J +P(A
J+
+ P(Ai)......
- P(Aj nA0 - P(Aj nA
3)
- .... - ... P(Aj n Ai) + P(A
I
n A
2
nA
3)
+
P(Aj nA
1
nA
4
)+P(Aj nA
2
Mi) +......
Y se interpreta como la probabilidad de que al menos uno de los
suceso Ai ocurra.
EJEMPLO
2.4. Supongaque A y Bsonsucesos de unexperimento para loscuales:
P(A) = x P(B)'" Y P(A nB) = z:
Entonces:
21
Conceptus Basieos de :'r'Jbabilidad GaitanGaravito
A. P(ACUB
C
) =P(Ac) + P(BC) - P(ACnBC)
P(Ac) =I-x P(Bc) =l-y
P(AC nBc) = P(AUB) C = 1- P(AUB) = I-x-y-z
P(ACu B
C
) =(l-x) + (l-y)- ( l-x-y+z) =t-z
B. p(4.C nB) =P(B) - P(A nB) =y-z
o FRECUENCIA RELATIVA
Para medir la posibilidad de ocurrencia de un evento particular en un
experimento, existe una determinacion practice, esta consiste en repetir el
experimento un gran numero de veces, n, ca1cular Ja frecuencia con que se
dio el evento y posteriormente la proporcion 0 porcentaje de ocurrencia,
denominada su frecuenda reJativa.
Si algun procesose repiteun granmimerode veces(n) y si un evento
resultante E, ocurremde las n veces, la frecuenda relativade Ees:
fr(E)= min
y sera aproximadamente igual a Japrobabilidad de ocurrencia de E, P(E), en
tanton tiendaal infinito.
La dificultad de utilizar la frecuencia relativa como metodo para
estimar probabilidades, es que su calculo debe hacerse despues de haber
realizado n vecesel experimento y estomotivavariasinterrogantes:
l Es posible realizarn veces e1 experimento?....
l Que tan grande debeser n? ..
Estassonpreguntas que e1 experimentador contestarade acuerdoa su
situad6n particular, y en referenda a la Teena de la Estimaci6n Estadistica,
fuera del alcance de este material.
EJEMPLO
2.5. En un grupo de 502 personas se determine la distribucion de los
grupossanguineos se da de lasiguiente forma:
GrupoSanguineo Frecuencia
o 226
A 206
B 50
AB 20
U.,J.t.l''':U.:t uc r JLJUdUUllkl.U Ua.JWH uuJ,d.YiW
Si se selecciona al azar una persona de ese grupo, Japrobabilidadque
tenga sangretipo Aes estimada par fr(A) :::; 206/502;:0.41
2.6. En un gropo de 200 propietarios de autos 34 tienen al menos un
Mazda, 78al menos un Toyota, 7 ambasmarcas y los restantesotras marcas.
Estimela probabilidadde queun propietarioentrevistadoposea:
A. Un auto Mazda (M) 0 Toyota (1)
P(MUT) = (27+7+71) / 200 = 0.525
B. No tenga un toyota
P(T=) =(95+27) / 200 :::; 0.65
C. TengasoloMaida
P(M) -P(M n1'):::; {34 -7)/200 =27/200
I
Grafico de Vennpara Ja distribucionde propietarios
M
@,
95 0Ir0s
o ESPACIOS MUESTRALES FlNITOS
Un Espado Muestral se denomina Finitocuando el conjunto de todos
los posibles resultados estaconstituido por un conjuntofinitonumerable de
elementos S ={allay a3...ai. a k-l ' a
kt
}
Este tipo de espacio permite apIicar varios procedimientos
matematicos para el calculo de las probabilidades de cada uno de los
elementos y a traves de las combinaciones de los mismos, plantear otros
sucesos posibles y determinar su probabilidad.
Considereel espacio muestralS, definido anteriormente, dividido en
k sucesoselementales ,AI =[a.], A
2
={a
2
} r A
3
= {Q3 } ... etc. A cada uno de
los sucesosAi, i=1,2..1<, se le puede asignar un numero Pi que representa su
probabilidadde ocurrencia, y cumpleconlas condiciones siguientes:
23
22
l-ULlLCPLU:) J.)d..)lCU:'; .1,.: r j UUdlJHlUdLl
Conceptos Basieos deProbabilidad Gaitan Garavito
1. Si S = A
l
UA
2I
U A
3
U Ai UA
k
Ycada uno de los sucesos es
excluyente de losotros,entonces
P(S) =P
l
+P
2
+P
3
... + Pi +P
k
=1
!. Pi 0 para todosucesoi
A partir de este planteamiento se puede formar eualquier suceso B
representandolo por la uni6n de dos 0 mas sucesoselementales asf: Si Besta
formadopor 3 elementos, B = {a
l
, a
21
a
3
l, entonces B= (A
l
U A
2
U A
3
l y la
probabilidadde Bes: P(B) = P
l+P2+
P
3
Para cakular las probabilidades Pi pueden seguirse varios
procedimientos
- Realizar el experimento varias vecesy calcular la frecuenda re1ativa.
- Asumir por experienda algunosvaloresy10 relaciones de probabilidad.
o EVENTOS EQUIPROBABLES
Si un experimento tiene k resultados posibles, rnutuamente
excluyentes, puede suponerse por experiencia y con una adecuada
justificadon que son IGUALMENTE PROBABLES, entoncesla probabilidad
de cada unode losresultados es 1/ k
P( A;)= 11k i= 1,2,3...k
Ademas Iii m de estes elementosforman un evento E, la probabilidad
de ocurrencia de Ees m/k
HE) =m/k
Considere e1lanzamiento de una moneda, basandose en el supuesto
de que la monedaesta balanceada y que no existeotra forma de influir en su
lanzamiento que no fuera eI azar, se establece que los resultados son
equiprobables. Ast de su espaciomuestral S ={c, e} pueden formarse dos
StK'eSOS elementales A; Ie] y B= [e], cada uno conprobabilidad1/2.
EJEMPLO
2.7. Secolocan en fila cuatro plates de colores diferentescon menta para
perros, Azul, Rojo, Verdey Blanco. Si un perro escogeuno, supuestamente al
24
azar, esto es, el perro no evidencia preferenda par ninguno, la probabilidad
de que seleccione el azul es1/4
El cspacio muestral, 5'-'II\7.ul, Verde, Rojo, Blanco}, Iorrnado pur
k= 4 elementos, por 10 tanto pueden formase 4 sucesos elementales y cada
suceso elementaltieneprobabilidadde 1/4
A = { azul} B= {verde} C={ raja} D= (blanco I
P(A)= 1/4 = P(B) =P(C) = P(D)
Para resolver esta dase de problemas, algunas veces es necesario
recurrir al usa de Tecnicas de Conteo, por 10 que ellector puede referirse al
Apendice 2 donde se presenta esta tematica,
n PROBABILIDAD CONDICIONAL
En algunas ocasiones dos sucesos se relacionan de manera que la
probabilidad de ocurrenciade uno, A, aumenta 0 disminuye dependiendo si
el otro, B, haocunido 0 no, en estoscasoses necesario definirla probabilidad
condicional, P(AIB)
La probabilidad condicional determina la probabilidad de que ocurra
el suceso A dado que ya ocurri6el suceso By puede calcularse aplicando el
concepto de frecuencia relativa 0 por la reladon de probabilidadessiguiente:
P(A/B) = P(A nB) ! P(B)
EJEMPLO
2.8. Suponga el experimento que consiste en observar la condici6n del
tiempo en un dia especifico. Sea A eI evento, observar un dia lluvioso YB el
evento un dia nublado. Si consideramos tinicamente los dias que esta
nublado (B), la fracdon de esas observaciones en las que sucede A ( iluvia) es
la probabilidad condicional de A dado B, P(AjB).
2.9. En un estudio del comportamiento despues de tratamiento de un
numero de drogadictos. se sugiere que las probabilidades de raincidcncia
dentro de 10 dos anos siguientes al tratamiento depende de la educacion de
los transgresores. Las proporciones del numero de casas que se situan en
cuatrocategonas de educaci6ny reincidencia se presentan a continuacion:
25
L.uW..cpios tldSlt..:"JS uc rrooaouicad Gaitan Garavito Conceptos uasicosd ~ l'robabilidad Gaitan Garavito
Condiciones dentro del periodo de dos afios
Educad6n reincidenda
si no total
100 masanos 0.10 0.30 0.40
90 menosanos O ~ O ~ O ~
total 0.37 0.63 1.00
Si se selecciona una persona al azar del grupo en tratamiento, la
probabilidad de que tenga 10 anos 0 mas de educaci6n (A) dado que
reincidi6 dentro de los 2anos (B) es :
P(A/B) = P(A nB) / P(B) = 0.1/ 0.37
Que representa lafraccion de reincidentes que tienen 100 mas afios de
educaci6n.
PROPIEDADES
Os. P(A/B)S.1
P(S/B):: 1
Si A
1,A2
, A
3
son suceso excluyentes:
P(A
JUA2U
A
3
/ B) = P( At/B) + P(AJB) +P( A
3/B)
Si A YBson sucesosexcluyentes P(A/B) =0
o TEOREMA DELA MULTIPUCACION DE
PROBABILIDADES
Una consecuencia de la probabilidadcondicional es el Teorema de la
Multiplicaci6n de Probabilidades que permite calcuIar la probabilidad de
ocurrencia de dos sucesos simultaneamente, y se describe de Ia forma
siguiente:
La probabilid.ad de que tenga lugar conjuntamente dos sucesos es
igualal producto de la probabilidaddel primerode elios por la probabilidad
de que el segundo se produzca una vez que se haya producido el primero.
P(AnB) = P(A) ..P(B/A)
EJEMPLO
2.10. Considere una urna con 10 esferas de las cuaIes 6 son rojas y 4 son
azuIes, se eligen2al azarsinsustitudon, una despues de otra, Iaprobabilidad
de que las dos seanrojasse calcula de la forma siguiente:
SeaA el suceso, la primera bolaes roja.
SeaB el suceso lasegundabolaes raja.
El espacio muestral antes de Ia primera extracci6n consta de 10
elementos y la probabilidad de selecdonarunarojaes 6/10, P(A).
El espaciomuestralpara Iasegunda extraccion, constade 9 elementos,
con el supuestoque previamente se selecdon6 una esfera roja, este espacio
esta formadopot 5 rajasy4 azules, La probabilidadde que la segunda esfera
sea rojaes5/9, P{B/ A),
Sea C el suceso las dos son rojas, C puede representarse par la
interseccion de 1.05 sucesos Ay B.
P(C) "" P(A) ..P{B/ A) = 6/10" 5/9 =1/3
2.11. En una industria el 96% de los articulos producidos pasa por un
control (A) y de 100 articuIos controlados 75 son reeonocidos como de
primera calidad (8), la probabilidad de que un articulo fabricado por esa
industria sea controlado y de primera caIidad ( A nB) se determina de la
siguienteforma:
P(A) =0.96 P(B/A)= 0.75
P(A nB) = 0.96 ..0.75 = 0.73
o TEOREMA DELA PROBABILIDAD TOTAL YTEOREMA
DEBAYES
ConsiderelID experimento aleatoricy el espacio muestralS asociado al
mismo,se dicequelos sucesos A
3
... Ai,.. formanuna particionde S A
vA2
, A
k
si:
Lossucesos A
1,A2/
A
3
.Ai ~ sonexcluyentes para todo i
A
1UAP
A
3
U...... UAiUA
k
=S
P(Ai) ~ 0para todai
26 27
.....,I,).i,.j.I.:q>W,i u'"::: .(U.)D$illJ..J.i,l Gaitan L),waviw
SeaBun suceso asociado can el experimento, si existe una partici6nde
Sentonces Bpuede representarse par media de las reladonesde los sucesos
A},Az, A
3
...Ai A
k
de la partidon y de iguaI forma la probabilidad que le
corresponde, esto es,
nAk
B=(A} n B) U (A
2nB)
U (A,nB) U (AknB)
PCB) =P(A
1
nB) +P (A
2
n B) +P n B)+P{Ai nB)+ P(A
k
n B)
P(B):P(AJP(B/ AJ + P(B/ +P(AJP{B/AJ..+ P(AJP{B/AJ
La Ultima expresion se conoce como el 1EOREMA DE
PROBABIUDAD TarAI.. r uti! cuando el interes es ca1cular la probabilidad
del efecto Bque puedeser motivadoPO! variascausasAi'i=l,2..k.
EJEMPW
212. Para la siembra se preparan simientes de trigo de primera selecci6n
mezcladas conpequeftas cantidades de semillas de segunda, tercera y cuarta
seleccion, 51 se sabe que las probabilidades de que un grano escogido al azar
pertenezca a una u otraclaseson las siguientes:
P(AJ =0.% =0.01 0.02. P{J\) = 0.01
Y ademas, que la probabilidad para que la semilla engendre una
espiga de 50 granos como minimo (B) es 0.5 para la primera seleccion, 0.15
para Iasegunda, 020 para la tercera y 0.05 para la cuarta, Esto es:
PCB/ AJ = 0.5 P(BI 0.15 P(B! '"020 P(B/A
4
) =0.05
La probabilidad de que una espiga engendrada por una semilla
escogida al azartenga50granoscomommimo es:
P(B)= P(AJP(B/AJ +P(A:0 P(B/A
z
+ A
3
) +P(A() P{B/A
3
)
P(B} =0.%* 0.5+0.01 "0.15 + O.OZW 02 + 0.01* 0.05 = 0.486
GaitanGaravuo
Conceptus Basicos de Probabilidad
POl' otra parte dado 11.\ ocurrenda de un ClL\.itl 13, DE
BAYES permitecalcular la probabilidad de que este se naya debido a dena
causa Ai, esto es, dado que ha ocurrido el suceso B se requiere calcuJar la
probabilidad de que hayaocurrido el suceso Aide la particlon.
P(Ai/B) =: P(Ai()B) /P(B)
P(Ai/B) = P(Ai) *P(l3/Ai)
......+P(AJ*P{B/AJ+ P(AJ"P{B/AJ.
P(Ai/B) = P(Ai) *P(B!Ai)
k
P(Ai) *P(B/Ai)
i m}
1
EJEMPLO
213. Dos proveedores de materiales X y Z entregan la misma pieza a un
fabricante queguarda todas lasexistencias enlamisrna estantena, algunas de
elias no cumplen con las especificaciones, N. Los antecedentes demuestran
que el 5 % de las entregadas por X U estan no conforme con las
espedficaciones" y que e19% de lasentregadas parZ "estan no conforme con
las especiicaciones". X entrega4 veces mas piezasque Z , si seselecciona una
pieza al azar y se encuentra que "no rumple con las espedficadones", la
probabilidad de que la haya fabricado Xes:
P(X) = 4/5 P(Z) = 1/5
P(N/X) = 0.05 P(N/z)=0.09
P(X/N)= P(X nN) / P(N) =: roo- PlNIXI
P(X) *P(N/X) + P(Z)"P{N/Z}
P(X/N) = 4/5* 0.05 =: 0.6897
( 4/5*0.05 +1/5*0.09)
(j
SUCESOS INDEPENDIENTES
Si la ocurrencia 0 no ocurrencia de un suceso (A), no afectaen forma
algunaa otto suceso particular(B) Y ademasno permite conocerde ninguna
forma Ia probabilidad de ocurrencia deesteUltimo, entonces se consideraque
estos son sucesos Independientes.
"\0
...;,0
29
CODll1lWS Basieos de Probabilidad GaitanGaravito
CODCLlltOS Basicos de Probabilidad GaitanGaravito
P ( A/ B) = P(A)
P(B/ A)=P(B)
Para determinar la probabilidad de que se produzca la ocurrencia de
estos dos sucesos independientes, se multiplican las probabilidades de que
ocurra cada uno de elios enformaindividual
P( AnB) = peA) * PCB)
Si se lanza dos vecesunamoneda, el espaciomuestral asodado a cada
lanzamientoes S '" {c,e} yes un espacio equiprobable.
SeaAel sucesola monedamuestracara en el primer lanzamiento
Sea Bel sucesola monedamuestra caraen el segundo lanzamiento
Entonces la probabilidadque en los dos lanzamientosmuestre cara se
calcuJa considerandoque cadalanzamiento esindependiente del otro:
peA nB) =1/2"'1/2 = 1/4
Considerandomas de dos sucesos, se tiene que: los sucesosA,B, Cson
independientessi y solosi;
peA nB) =peA) *PCB)
peA nC) =peA) * P(q
PCB nC)=P(B)*P(q
peA n Bn q ,., peA) PCB) *P(C)
Loque puede generalizarse para mas de tressucesos,
Si A YBson sucesosindependientes, la probabilidad de C = AUE se
puede determinar de acuerdo a los teoremas de probabilidad de la siguiente
forma:
P(AUB) '= P(A) +PCB) - P(A)* P(B)
EJEMPLO
2.14. Un operario vigila el fundonamiento de tres telares. La probabilidad
de que los telares fundonen correctamente durante la jornada de trabajo es
0.9 para el primer telar, 0.8 para el segundo y 0.85 para el tercero. Con eJ
supuesto que los telares fundonan independientemente y definiendo los
sucesos:
A= el primer telar funciona correctamente durante la jornadade trabajo.
B= el segundo telarfunciona correctamente durante la jornadade trabajo.
C = el tercer telarfunciona correctamente durante la jornadade trabajo.
A. La probabilidfd de que los tres telares fundonen correctamente durante la
jomadade trabajo es:
peA nBnC)= P(A)*P(B)*P(C)= 0.9* 0.8*0.85 = 0.62
B. La probabilidadde que por 10 menos uno de los tres trabajecorrectamente
en la jornada de trabajoes:
P(AUBUC)'= l-P(Ac nBc nCC),= 1 - 0.1*0.2"0.15 = 0.997
Que representa la probabilidad de que fundone correctamente el primero 0
el segundo 0 el tercero, al menos uno funciona correctamente, y es igual a
uno menos la probabilidad del suceso complemento: los tres no funcionan
correctamente.
Existen variedad de aplicaciones en las que se puede suponer
independenciadespues de un cuidadosoanalisis de lassituaciones en lasque
se realiza el experimento y considerareste conceptocomoel modele teorico
que presentaerrores despreciab1es al modelar la realidad.
...*********
AI finalizar este capitulo, se recomienda al lector que vuelva a la
historia inicial e identifique comp1etamente los conceptos teoricos que estan
relacionados con la presentaci6n, aclarando algunas ideas que 10 'hubieran
desorientadoen su primeralectura.
30 31
GaitanGaravito
Conceptos Basicos deProbabilidad
'-VH,-,-!',,,';:' .... u.;,. i.' h,J()JCUH.lJ.IJ. GaitanGaravito
[j PROBLEMAS RESVELTOS
2.15 Un fabricante tiene cinco termina1es de computadoras aparentemente
identicas, el sabe que dos de las cinco son defectuosas. Recibe un
pedido de dos terminales y 10 surte seleccionado dos de las cinco al
azar,
Elespacio muestral del experimento, S,es:
S= {D1D2, 0lB2' 0lB",02B1' 02B2' D
2B
y B
1B2
, B
1B,.
B
2
B
3
}
Sea A elevento:surte con dos terminales no defectuosas
A= fBJB
2
, B
2B3
}
Sea Belevento:surte conal menosuna defectuosas
B= {OlDy D
1B2
, 01BjI 02BlI 02B2t 02B3)
Sea C el evento:surte can dos defectuosas C ={D
1D 2
)
216 Considere el problema de selecdonar dos aspirantes de un gropo de
cinco para un empleoe imagineque los aspirantesdifieren en su grado
de preparaci6n: 1 es mejor que 2 y asi para 3, 4, 5. Si el jete de
personal no sabe nada de esta clasificaci6n, determinelos eventos:
A:Selecdonar al mejory uno de los dos peores aspirantes.
13: Selecdonar al menos uno de los dos mejores aspirantes.
5 = { (1,2), (1,3), (1,4), (1,5), (2,3), (2,4). (2,5), (3,4) (3,5), (4,5) l
A= I (1,4),(1,5) }
B={(1,2), (1,3), (1,4), (1,5), (2,3), (2,4), (2,5) }
2.17 Selanzauna moneda y un dado, encuentreel espana muestral
5 ={(C,I), (C,2), (C,3), (C,4), (C,5), (C,6), (E,1), (E,2), (E,3), (E,4), (E,5),
(E,6) !
SeaAel evento:salga cara yel numero par.
A={(C,2), (C,4), (C,6))
SeaB el evento:salga un numero prime.
B= {(C,2), (C,3), (C,S), (E,2), (E,3), (E,S)}
SeaC el evento:salga escudoy el numero impar.
C'" {(E,l), (E,3), (B,5)}
AGE = { (,2), ((,3), (CA), (C,5), (C,6), (E,2), (E,3), (,5) I
AnC=Vado
E nC = { (B,3), (E,S) )
SoloB= BnAC nc:= [(C,3), (C,S), (E,2) I
A
C
=I (C,l), (C,3), (C,S), (E,I), (E,2), (B,3), (E,4), (E,5), (E,6) l
ce =I (C,I), (C,2), (,3),(CA), (C,S), (C,6), (E,2), (E,4), (E,6)}
2.18 Se arregla un dado de manera que los nUmeros pares tengan el doble
de probabilidadde salirquelosimpares. Cakule 1a probabilidad de los
sucesos siguientes:
A: Aparezcaun mimeropar.
B: Aparezcaun numeromayorque cuatro.
C:Aparezcaun numeromayorque tres y par.
s== \ 1, 2,3,4,5,6}
P(l)== P(3) =P(5) == P
P(2)== P(4)=P(6) =2p
P(S) == 3p + 6p '" 1 enton.ces p =1/9
P( A) = 6/9
PCB) '"1/9 +2/9 '= 3/9
P(Q =4/9
2.19 Cierta poblaci6n de 1000 adultos presenta tres caracteristkas: A, SI'
casado,B, tener un grado de educad6n superior y C, ser originario de
lacapital
Segun lasciras indicadasen el diagrama encuentre la probabilidad de
que un individuo,
a. Seacasado (E).
b. Este casadoytengaun gradode educaci6nsuperior (F).
c. No sea originario de la capital pero si casado y tenga un grado de
educadon superior (G).
B
(200 /100'- \ C
\ 150 \ sci)
J
250,100 J
/ .
A - 50 I
Encuentre:
""
33 .J::,
Conceptos Basicos deProbabilidad GaitanGaravito Conceptos B.'\:iws deProbabilidad G:it\n Garavito
P(E) ;500/1000
P(F); 150/1000
P{G)=100/1000
220 Suponga que 5personasestadonansu autoen lamisma calle cadadfa.
,Cwintoscambios puedenhacerse conloscinco autos?
sP
s
=5! =120
lCuaI esla probabilidad que un auto espedfico esteestadonado en el
segundo lugar?
Unoesta en un lugar determinado, el segundo, solo falta ordenaral
azar 4 autos, ennumerode formas de hacerlo es:
4P4 =4! = 24
A =un auto espectfico este estacionado en segundo lugar
P(A) = 24/120 = 1/5
221 Si 10 alumnos de derta escuela desean jugar baloncesto ,cuantos
equipos diferentes puedenformarse si no se consideran lasposidones
de juego?
n= 10alumnos r= 5integrantes del equipo
Los equipos quepueden formarse son:
laCS; 252
Si uno de los muchachos se llama Jose ,cuantos equipos pueden
formarse queincluyan a jose?
Unintegrante estaespecificado, falta seleccionar 9
n=9 r=4
Losequipos quepuedenformarse e incluyen a Jose son:
9C4= 126
SiAes el evento: el equipo inciuye a Jose, P(A) :: 126 /252
2.22 Si se tiene un lote de 50 artfculos y se sabe que 5 de estos son
defectuosos, si se extraen 4 al azar y sin sustitud6n ,cuAl es la
probabilidad de queexactamente 2sean defectuosos?
Elnnmero de combinadones queformanel espado muestral:
~ 4 =230300
El nnmerode formes enquese puedenseleccionar dosdefectuosos:
5Cz "45Cz. = 9900
P (2defectuosos) '" ( s ~ "45Cz.) / 5OC4 =10* 990 /230300 =0.4298
34
2.23 En unaempresa, cuyapoblad6n esde 100 individuos, seseleccionan al
azar2personapara asistir a una convendon, ,Cual es la probabilidad
de queelmas antiguo de losempleados seaelelegido?
El espacio muestral Sestaformado por:
lOOCz. = 4950elementos.
Elsuceso A, ehnas antiguo de losempleados eselegido, estl1 formado
por1"99Cl= 99 elementos
P(A) = 99/4950
2.24 Sedesea alinear 8 bolasnegrasy2rajas
,CuaIeslaprobabilidad de que lasrojas quedenjuntas?
,Cual es laprobabilidad de que lasrojas ocupen posiciones extremas?
Numero d ~ elementos deS: loPS,2 = 45
Elnumero de elementos delsucesos A(las rojas quedenjuntas) :
<11,8;9
P(A) = 9/45; 1/5
El numero de elementos del sucesos B (las rojas ocupen posiciones
extremas):
sPS,ll =1
P(B) = 1/45
225. De Guatemala a Escuintla hay 3 caminos posibles, de EscuintIa al
PuertodeSanJose hay2cantinos posibles,
a.,De cuantas formas puede llegar una persona al puertopartiendo de
Guatemala y pasandopor Escuintla?
De 3*2::: 6fonnas
b. lDe cuantasformas puede hacer un viajeredondo sin pasar por el
mismo camino mas deuna vez
De 3*2"1*2::: 12formas
c. Calcular la probabilidad de quese haga un viaje redondo sin pasar
par el mismo camino mas de una vez si se seIecciona cada punto al
azar,
EI espacio muestal S ( recorridos como se puede barer un viaje
redondo) estaformado por 372"3::: 36elementos
Deacuerdo al indso b. existen 12 formas como sepuedehacer un viaje
redondo sinpasarpor el mismo camino mas deunavez,
, P(A) =12/36=0.353
35
Concepto; Basicos deProbabilidad Gaitan Garavito Basicos de Probabilidad Gaitan Garavito
226 De 6 numeros positivesy 8 negatives se eligen 4 sin sustituci6n y se
multipliean.
a.lCual es la probabilidad de que el produetosea positive?
El produeto es positivo si: todos son positivos 0 todos son negativos 0
2 sonpositivos0 2 negativos.
E1 espacio muestral5 estaformado por e- 1001 elementos
El mimero de elementos del sueeso A. el producto es positive, se
calcu1a:
6C4 8Co + 6Co 8C4 + = 505
P(A)= 505 / 1001
b. Si se seleccionan los numeros con sustituci6n, lCUa! es la
probabilidadque el produetosea positivo?
Elementos del espacio muestralS= 14
4
= 38416
Elementos de A = 6*6*6*6 +8*8*8*8 +8*8*6*6\C
2
=
1296 +4096 +13824 == 19216
P(A)=19216/ 38416 =0.5
2.2J Un concejo de una ciudad tiene 8 miembros de los. cuales 2 son
eontratistas locales, si se seleccionan dos eoneejales al azar para llenar
las vacantes en el comite de demarcaci6n de zonas. lCwil es la
probabilidad de que amboseontratistas seanseleccionados?
Sea Ael sueeso, el primerseleccionado es un eontratistalocal.
SeaBel suceso, el segundoseleccionado es un eontratista local.
P(An13)= P (A)*P(B/A)=2/8 *1/7 =2/56 =1/28
Unaforma alternativaes apliear eombinaciones.
P(An13 ) = \Co) /
228 De acuerdo con una encuesta, la probabilidad de que una familia
posea dos automoviles si sus ingresos son mayores a 048000 al ano es
0.75. De las familias entrevistadas 60% ternan ingresos mayores de
Q48000 y elS2% tenian 2 autos.
Cual esla probabilidad de que una familia tenga 2; autos y sus ingresos
seansuperioresa 048000
A:Ingresos superiores a 048000
B:tienedos autos
P(B/A) = 0.75
P(A) = 0.6
P(B)'" 0.52
P(A nB) =P(A} P(BjA) = 0.6" 0.75'"0.45
2.29 Una compama dedieada al montaje de ventiladores usa motores de
dos proveedores, la eompafifa A proporciona el 90% de los motores y
la compama Bel otro10%; sesabeque elS % de los de A no cumplen
con las espedficaciones y el 3% de los de B no eumplcn con las
especificaciones. Si se encuentra que un ventilador que ha side
probado tieneun motor defectuosos, lcual es la probabilidad de que10
haya proporcionado por lacomparua 13?
P(A) =0.90
P(B) = 0.10
P(D/ A) = 0.05
P(D/B) = 0.03
P(D) = 0.9*0.05 + 0.1* 0.03 = 0.045+ 0.003 =0.048
P(B/ D)= (0.1 *0.03) /0.048 = 0.0625
ND
-:

/.9
/

-, .1

.03 . D
2.30 Un sistemapara deteetarlahumo utiliza dos dispositivos AYB, si hay
humo, la probabilidad de detectarlo por A es 0.95 y por B es 0.9D.
Ambos dispositivos operan en forma independiente. Si hay humo,
encuentrela probabilidad de que sea detectadopor 10 menos por uno
de los dos eomponentes.
P(AUB) = 0.95 +0.98 - 0.98"0.95 = 0.999
Probabilidad de no detectarlo P ( {AUB}e) = 1- 0.999= 0.001
2.31 Dos paquetes, de 6 pilas, eontienen exactamente dos pilas defectuosas
cada uno, si se seleccionan dos pilas de eada paquete, lcu.aJ. es la
probabilidadde que las cuatropilasestell en buenascondiciones?
36 37
Conc::;;,as Basieos de Procabdidad Gaitan Garavito
Conceptos Basicos de Probanilidad Gaitan GilW':!',J
SeaAel suceso: lascuatropilasestanen buenascondiciones:
P(A) '" [ 4 ~ h / 6 ~ ] * [ l ~ 2 zCo / 6c;] =(6/15) 2= 0.16
232 Tres equipos A,. BYC se inscribenen un torneo, en el que cada equipo
juegadosjuegos, uno contracada oponente, el ganador,si 10 hay, es el
que gana 2 encuentros, suponga que no puede haber empates y las
siguientes probabilidades:
P ( A gana a B) =0.7
P( B ganaa C) =0.8
P (C ganaa A) =0.9
entonces,
P( Bgana a A ) '" 0.3
P (Cganaa B) =02
P (A gana a q = 0.1
,Cual es1a probabilidad de que Agane eltomeo?
P (Aganaa Byaq =0.7*0.1;; 0.07
,CuMesla probabilidad que hayaun ganador?
Hay ganadorsi: A ganaa By C 6 Bganaa Aye 6 Cganaa By A
P(un ganador) = 0.7" 0.1 + 0.8"0.3 + 0.9"0.2 = 0.49
La probabilidad de que no haya ganador 1 ~ 0.49 =0.51
2.33 Cinco hneas de producci6n en una operadon de manufactura
producen un fusible electronico que se envta a los distribuidores en
lotesde 100 nnidades, la mayona de compradores pruebansolamente
un pequeno numerode fusibles antesde aceptar0 rechazarel lote, Las
5 lfneas producena 1a misma velocidad y normalmente producene12
% de defectuosos, desafortunadamente la linea 1 sufrio una falla
mecankayprodujo5 %defectuosos en el mes pasado, el productorse
enterode estodespues de haber enviado los fusibles a un cliente que
probe2fusibles }' DIID era defectuoso.
LCuM es la probabilidad de que el lote haya salido de la linea uno?
LCuaI eslaprobabilidad de que hayasalidodelasotraslineas?
Para laslineas2, 3, 4, 5 la probabilidad de defectuoso es 0.02, para Ia
linea1la probabilidad de defectuosos es 0.05.
Laprobabilidad de que ellote salgade cada una de las hneases 0.2
38
DeLa linea1,
laprobabilidad de 0fusibles defectuosos es:
0.95*0.95= 0.9025,
la probabilidad de 1 fusible defectuoso es:
0.95*0.05 "2= 0.095
Y1a probabilidad de 2fusibles defectuosos es
0.05"0.05= 0.0025
Decualquiera de las otraslineas,
la probabilidad de 0 fusibles defectuosos es:
0.98"0.98= 0.9604,
la probabilidadde de 1 fusible defectuosos es:
0.98*0.02*2 = 0.0392
Y1a de 2fvs1bles defectuosos es:
0.02*0.02= 0.0004
Probabilidad de que 1a mues1ra tenga un fusible defectnoso, es la
probabilidad del suceso: la producci6n se hizo en la linea 1 Y la
muestrapresent6un fusible defectuosos 0 la producci6n se hizo en las
otrasl1neas y La muestrapresentoun fusible defectuoso.
Laprobabilidad de estesucesoes: 0.2* 0.095 +0.8* 0.0392 =0.05036
P( Unea1 / uno de La muestraesdefectuoso ) =
0.2"0.095/0.05036 =0.37728
P(otraslfneas / uno de La muestraes defectuoso) ;;
1 - 0.37728 =0.6226
2.g4 Un voceador vende peri6dicos en una calle, todos los dias tiene 30
periodicos sinsabercuantosvenderaen determinado dla,
a. Defina el espacio muestraldel experimento que consiste en contarel
numerode ventasquehara en un diadeterntinado.
S= to, 1, 2,3,4, 5, ....20,.......30)
b. Especifique los sucesos A, vende al menos 5 periodicos ; B, vende
cuandomucho5 yC, vendeexactamente 5
A = {S, 6,7,8, 30)
B=to, 1,2, 3,4, 5}
C= {5}
c.Indique si lossucesos anteriores son 0 noexcluyentes
39
;.;Dncepws .tlaS!COS cerrooaouiuac Li allanGaravue
AYBno son excluyentes, Ay Cno son excluyentes, A, BYCnoson
excluyentes.
2.35 La senora Flores compraun casu de las anunciadas para la ventaen el
diario. SeaTel eventola casa tiene3 dormitorios, seaU el evento tiene
chimenea, V el eventocuestamas de 160mil d6laresy W el evento es
nueva. Describa cada unodelossiguientes eventos:
a. :Tiene menosde tresdormitorios
b. we: no esnueva
c.If nV:Notiene chimenea ycuesta mas de160mil dolares
Ii TUV:tienemas de tresdormitorios y cuestamas de160mildolares
2.36 En un grupo de 1400 empleados, 30hantenido accidentes, de estos, 15
faharonuno 0 mas dias a sus labores, ademasse sabeque de los1400
empleados 50 tiene licenda de uno 0 mas dias par motivos de salud
(accidente 0 enfermedad), estime la probabilidad de lossucesos:
Po.:. Unempleado selecdonado alazar ha tenidoun accidente a faltapar
motivo de salud,
13: Que el empleado selecdonadoesteausente por razones no relativas
a un acddente.
C: Que un trabajador no haya tenidoacddente,
Deacuerdoconel diagrama:
P{A ) := (15+15+35) i 1400 =65/1400 = 0.0464
Aplicando el teorema de probabilidad dela union
P(A) =(30 + 50-15) / 1400 == 0.0464
Deacuerdoconel diagrama
P(B) = 35 /1400
P(C) = (1335 + 35) / 1400 = 1370 / 140D = 0.9787
40
Conceptos Basicos de Probabilidad Gaitan Garavito
s
A@
L
15 15 35
'335
L: IlCen"",
2.37 Cuatrotrabajadores Juan,PedroRauly Davidsoncontratados por una
compania manufacturera, los trabajadores seran asignados
aleatoriamente yaseaal departamento de ernbarque 0 al de recepdon,
lCua! es la probabilidad del evento: Pedro y David son asignados al
mismo
Elespacio muestral S estaformado par 2x2x2x2 = 16elementos
A, es el suceso Pedro y David son asignados a recepdon 0 son
asignados a embarque.
El mimerode elementos del suceso: son asignados a embarque
1xlx2x2=4
y el mimero de elementos delsuceso: sonasignados a recepcion
1x1x2x2=4
P(A) = P( son asignados a embarque) + P(sonasignados a recepdon]
por loque
P(A) =4/16 +4/16 =8/16
2.38 Quince autos participan en una carrera, se considera que todos los
pilotos tienenla misma habilidad.
a. lDe cuentas formas pueden repartirse los premios, primero.
segundo y tercero?
15 P 3 = 2730 formas
b. lCual es la probabilidad de que el auto #15 forme parte del trio
ganador?
A = el auto #15 llega enuno de los tres primeroslugares
> Elnumerode elementos de Ase calcula : 3* 14 P2 = 3 ..182= 546
P(A) = 546/ 2730 = 0.2
41
Conceptos Basicos deProbabiiidW Conceptus Basicos deProbabilidad GaitanGaravito
Gaitan Garavito
239 Diez fichas numeradas de 1 a 10 se mezdan en una caja, si se
seleccionan dos fichas al azar sin sustitudon, zcua! es la probabilidad
deque la suma de losdos numerossea10?
Elmimerototal de posibles parejas es lOC
z
=45
Las parejas del sucesoA,Ia sumaes 10, son: (1,9), (2,8), (3,7), (6,4)
P(A);4/45
Observe que no importa el orden de la selecci6n para que la suma sea
diez,
240 ZCuaI es la probabilidad que al permutar las letras de la palabra
TOTAL las 2 Tquedenjuntas?
n
l
= 2letras T
n
2
; 1Letra0
n
3
; lletra A
n, =lletra L
LDS elementos del espacio muestral5son:5 P2.1,1,1= 60
Sea A e1 evento: las Tquedan juntas.
Elnumerode elementos del evento Ase calcu1a:
4
P
1,.l.1,.1 =4 ! =24por 10 que P(A) " 24/60
ZCual esla probabilidad que la 0 ocupeel primerlugar?
SeaBel suceso, la 0 en primerlugar.
Elnumerode elementos de Bse calcu1an delaforma siguiente:
1* 4P 2.1,1 = 12
P(B) =12/60
2.41 El precio de un recorridotwisticopor Europaincluye cuatrositiosde
visitaque debenselecdonarse entre10ciudades, zdecuantas formas se
puedeplaneare1 recorrido'
a. Siimportael ordende la visita; 11;'4 =5040
b. Sino importael orden de la visita: 10C4 =210
242 Un grupo de 200 propietarios de aparatos electrodomesticos tiene la
siguiente distribuci6n de maquinas:
Suceso Descripci6n Frecuenda
A Lavadoras 110
B Secadoras 50
C Lavaplatos 60
A YB Lavadoras y secadoras 40
A YC Lavadoras y lavaplatos 35
CYB Lavaplatos ysecadoras 2S
AYBYC Lavadoras lavaplatos y secadoras 20
Estime Ia probabilidad de que un propietario seleccionado al azar
tenga:
1. Lavadora Y/0 secadoray/0 lavaplatos
II: Sololavadora
m. Quien rnga una lavadora, tengatambien10 otrosaparatos
1. P(AUBUC) = (55+20+20+15+5+5+20) ! 200 =0.7
Aplicando el teoremade Iaunroll.
P(AUBUC) == (110+50+60-4D-25-35+20) / 200 =140/200 = 0.7
II: P( soloA) =P( An ( BUC) c)= 55/200 = 0275
III: P ((BnC) / A) = 20/ no = 0.1818
2.43 Selanzan tres monedas legales
a.zCuaI es la probabilidad que todas sean caras, dado que la primera
escara?
b. LCual es la probabilidad, que todas seancarassi por 10 menos una
es cara?
El espado Muestraldel Experimento es:
S::: {CCC. rcc ere CCT, TIC, TCI, CIT, rrrj
a.El espado muestral reduddo por el SUCesD, la primeraes cara es:
42 43
Conccptos Basicos de Probabilidad GaitanGaravito
Conceptos B.isicos deProbabilidad Gaitan Garavito
S' : CCC, ere CCf, CIT
P(A) =P (Todasseancaras/ la primeraes cara)= 1/4
Otraforma:
P(A) =P(Todas caras) I P(la primeracara)=(l/ 8)/ ( 4/8) :: 1 /4
b.El espacio muestralreduci.do por el sucesopor 10 menos una caraes:
S": CCC, TCC, ere CCf, TIC, TCf
P(B) : P( todasseancaras/ por 10 menosunaes cara)> 1/7
Otraforma:
P(B) =P(Todas caras) / P( por 10 menosuna es cara)
P(B): (1/8) / (7/8) = 1/7
244 Una caja contiene 2 bolas negras, 3 blancas y 4 rojas, si se extraen dos
bolassin reemplazo, Lcual es laprobabilidad,
a. de obteneruna negray una blanca sin importarel orden?
P(A) =2C1 * 3Cr .. ,Co / 9 C2 =0.16666
b. de obtener una negra y una blanca, sin importar el orden y
suponiendoque seextraenuna a una ?
P(N) P(l3/N} +P/B)P{N/B)=219 *3/8 +3/9 *2/8 =1/6
2.45 En una fabrica de pernos, las maquinas A, B, C fabrican 25, 35Y40 %
de la producci6ntotal, de estaproducci6n, el5, 4, 2 %es defectuosos,
respectivamente para cadamaquina,
Si se escoge de la producd6n total del diaun perno al azar es la
probabilidad de queestecumplacan las especificaciones?
B, <= Producdon hechapor lamaquinai i=1,2,3
D:: el pernono cumple conlas especificadones
P(B,.}= 0.25

P(BJ=O.4
P(D/BJ =0.05
P(D/B0=0.04
P(D/B
3
) =0.02
P(Dc) =0.25"0.95 + 0.35*0.96 + 0.4* 0.98= 0.%5
2.46 La probabilidad que A de en el blanco es 0.25 y de que B de en el
blanco es 0.333. Sicada uno disparados veces, primeroA y luego B,
a. lCual es Iaprobabilidad que el blancosea alcanzado una vez por 10
menos (E)?
44
P(E) :: 1-P(E
c
) ':: 1-P(elblanco esakanzadoninguna vez)
1- (0.75"0.75"0.667 *0.667) ::
b. Si cadaunodispara unavezy el blancoes alcanzado solamente una
vez. ,CuaI eslaprobabilidad de que sea Ael que de en e1 blanco?
F= el blanco es alcanzado solounavez
G = A da en el blanco
FnG = A daen el blanco ysolounavez esalcanzado
P( F) =0.25* 0.667 + 0.333* 0.75 =5/12
P( F nG) = 0.25 *0.667 = 2/12
P(G / F):: (2/12) / (5/12) = 2/5
c.Si A puededisparar solodos veces, LCuantasveces debedisparar B
para que1haya por 10 menos un 90% de probabilidad de queel blanco
seaalcanzado una vezpor 10 menos?
P(por 10 menos unavezen el blanco) = 1- P ( ningunavez enel banco)
P( ninguna vezenel bancoj s. 0.10 = 3/4" 3/4 *(2/3)n
In( 0.1 *16 / 9)=n In (2/3)
n> (In0.1 +16/ 9) / ( In(2/3)) = 4.259
Bdebetirar 5veces
2.47 En lafabricaci6n de ciertoarticulo, se encuentranpresentes un tipode
defecto I conprobabilidad 0.1 y un tipode defecto IT conprobabilidad
0.05.
Si se suponeindependencia entre los dos tipos de deectos, Lcual es la
probabilidad que unarticulo seleccionado al azar,
a. seabuena 0 conunaclase de defectos?
b. sea defectuoso?
c. suponiendo que seadefectuosos, que tengasoloun tipo de defecto?
P(I)=0.1 P(IT)= 0.05 P(I nIT) =0.05 *0.1 =0.005
Elarticulo puede ser: Bueno, Solo con defecto tipo LSolo con defecto
tipoII, Ambos defectos,
P(A) = P(seabueno 0 conunaclase defectos) =1-P(ambos defectos)
P(A) = 1-0.005 = 0.995
P(B) =P ( defectuoso ) = P(I UII) = 0.1 +0.05 - 0.005 = 0.145
P(q :: P(soloun tipode defecto I defectuoso) =
(0.095 +0.045) / 0.145= 0.9655
45
Conceptos Basicos de Probabilidad
GaitanGaravito
Concepros Basicos de Prohabilicad Gaitan Garavito
248 Suponga que se Iiene2urnas, cada unacon dOB cajones, Ia urna I tiene
una moneda de oro en un cajony una de plata en el otro, mientrasque
la II tieneuna moneda de oro en cada caj6n. Si se selecciona una urna
21 azary de esta un caj6n al azar, si la moneda es de oro Lcual es la
probabilidad que provenga de la uma ll?
P(I) =0.5 P(O/I) =0.5 P(p/1)= 0.5 P(II) =0.5 P(O/II) =1
P(II/O)=(0.5* 1) / ( 0.5 *1+0.5* 0.5) =Zl3
249 Considere el experimentoaleatorio de lamar dos dados normales una
solavez y lossiguientessucesos:
A: El primero muestra un nnmero impar
B: Elsegundomuestra eI3 0 e14
Determine si son Independientes
El espacio muestral para cada uno de los dados es 5 =( 1, 2,3, 4, 5, 6, 1
PtA) =1/2
P(B) =1/3
Silossucesos fueran independientesP(AnB) =1/2 *1/3 =1/6
Comprobando:
El espacio muestral parael experimento estaformadopor 6*6 = 36
parejas
Las parejas que forman el suceso (A y B), el primero muestra un
numeroimpar y el segundo muestra el3 0 e14,son ((1,3), (1,4.) , (3,3) ,
(3,4), (5,3), ( 5,4) }, esto es, 3*2= 6
p(AnB) =6/36 = 1/6
A YBsonsucesosindependientes.
250 Encuentre la probabilidad de que pase la corriente por cada WlO de los
circuitos mostrados en la figura, si la probabilidad de que cada rele
estecerradoes p.
I D
o II----! l-------O
1 2


2 3
pi =probabilidadde que pasecorrienteen i , ademases es la misma
para cada rele (P)
a. P (1 n2)=PI* P2 =p2
b. P( 1 U2) = P+ P- P2= 2p - p2
c. P(1 U(2 n3) =P(1) + P(2 n 3)- p(1n2n3) =
PI+ P2 *iP3 - P1 p:z* P3=P +p2 - p3
o PROBLEMAS PROPUESTOS
2.51 Entre 64 medicos de un hospital 58 tienen seguro contra practices
negligentes, 33 son cirujanos y 31 de los cirujanos tienen seguro contra
practices negligentes. 5i se selecciona un medico al azar. l Cual es la
probabilidad de que el elegido no sea cirujano y no tenga seguro
contra practicesnegligentes? R: 4/64
2.52. Si se toman dos cartas de una pila desordenada de 52cartas en juego.
LCualesson lasprobabilidades de sacar:
a. Dosdiamantes?
b. DosAses?
c.Unarey y unareina en ese orden?
R: 0.0588, 0.00452,0.00603
2.53 Dadas P(K) = 0.45, P(L) = 027 Y P(K nL) =0.13 determine las
probabilidades asociadas a:
yP OZCUL
c)
R:0.59, 0.68, 0.87
2.54 Enla tablasiguientesemuestrala clasificadonde 60alumnos.segun cl
gradoque cursan yde acuerdoa su ingrediente de pizza favorito.
4"7
46
C
"-"-'i.Oc,--\..}:,J.} Gauan wl.raviLO
Anchoas Cebolla Champinoues Picadillo
Primer ADo 7 6 7 3
Segundo Ano 1 9 0 9
Tt"rcerAilo 3 :2 5 S
Determine la probabilidad que alelegir un estudiantesea:
a Alumno de primer alto cuyo remate de pizza favorito sean los
champiftones.
b. Un fanatica de1a pizzade anchoas dado que es un alumna de tercer
ano.
c. Un alnmno de segundo afto dado que no es un alumno de tercer
ano.
R: 7/60,3/18,19/42
2.55 Laprobabilidad de que una rara enfermedadtropicalse diagnostique
correct.amente es 0.7. Si esta se diagnostica correctamente 1a
probabilidad de que el paciente sanara es 0.9, si no la probabilidad es
0.4 de que el paciente sanara, Si sana un paciente que tienen la
enfermedad, l cual es la probabilidad de que se Ie diagnostic6
correct.amente? R: 0.84
2.56 Si la probabilidad es026 de que una mujer diga que e1 amarillo es su
color favorito. ,CuM es la probabilidad de que de cuatro mujeres
selecrionadas al azar todas digan que el amarillo es su color
predl1ecto? Rtl.00457
2.57 Enunaloteria Ahay 10boleros; de ellosunogana y esseleccionado al
azar, Enla loteriaBhay 20boletos, de ellosdos garum. y se seleccionan
al azar.lEn cual loterfa tenemos mas probabilidades de ganaral menos
una vezsi compramos dos boletos? R En1a loteriaA
2.58 Un turista deseahaceruna pequena fogataen el bosque, perosolohay
dos cerillos. EI puede elegir uno de dos metodos para prender la lena:
eI primero consiste en encender un cerlllo y luegoel otro si hace alta;
eIsegundoes prender juntoslos cerillos, LCual de los dos metodos es
mas aconsejable si se sabe que 1a probabilidad de que se prenda la
fogata con un solo cerillo es 0.55 y de que se encienda con los dos
cerrillos juntos es 0.9? R: es mas probable que se encienda con los dos
ceriIlos juntos.
2.59 En una encuesta de sarisfacci6n al cliente 3/5 de los sujetos sometidos
a interrogatorio temanun autom6viI japones, 1/10 uno europeoy 3/10
48
GaitanGaravito
Conceptos Basicos de Probabilidad
uno estadounidense. Delprimergrupo, B5% respondi6 que comprana
la misma marca otra vez, en tanto que para los otros dos grupos los
porcentajes correspondientes son de 50y 40%. lCmil es la probabHidad
de que una pcrliOlll1 que compra un automovll de ill misma marta dJ!
nuevo, tuvieraunojapones, R:51/68
2.60 Se extrae una carta de una baraja ordinaria, sea A el evento u se
obtiene un as" y B el evento " se obtiene un diamante". Son
independientes los pares de eventos: A y B, A
C
YB 1 Ay B
C
, A YF=.
R: si
49
HISTORIA DE UN VENDEDOR DE
PERIODICOS
Moncho compra peri6dicos a QO.50 cada uno y los vende a Ql.OO,
ahora bien cuandole quedan ejemplares sin vender, los entregaal mayorista
al ilia siguiente que se los paga a 00.20cadauno. Para Moncho, los dtas de
buena suerte son irnprevisib1es y frecuentemente no tiene al menos la
posibilidad de llegar a cubrir sus gastos. Sin embargo, un poco de analisis
estadfstico puede ayudarlo a minimizar lasperdidas,
Un dia decide hacer un balance de su actividad y reflexiona de la
sigu.iente manera:
Iamashabia llegadoa vender el mismo dia50peri6dicos.
Prepare el siguiente cuadro que corresponde a las posibles ganandas,
haciendo figurar sus compras y sus ventas mediante juegos de 10
periodicos, calculando 13 ganancia de la siguiente forma: 1.00 X - 0.51' +
('i-X) 0-4 donde Xson las ventas 0 dem.anda, Yson lascomprasU oferta,
(Y-X) losperi6dicos que no vende, por dia,
50
Moncho se qued6 perplejo al consultar el cuadro, comprando SQ
peri6dicos puede ganar Q25 pero arriesga perder 015, comprando 20
puede ganardlO peronoarriesga perder masde Q6.
Loimportanteno es10 que se ganaen un dia, sino10 que se gana en un
mes,dosmeses0 mas. l. Sera posible prever 10 quepuede ganar en un aiio
si compratodos losdias la misma cantidadde peri6dicos ? l. Cual deberia
ser esa cantidad para obtener la maxima ganancia ? i Como puede
conocer el comportamiento de los clientes para determinar cuantos
periodicos puede vender?
Evidentemente la venta estaba influenciada por sucesos politicos 0
extraordinarios, sin embargo la mayona de los dias mostraban un
comportamiento semejante, y suponiendo que el futuro se parece al
pasado, hoy iniciarfa una serie de observaciones, 100exactamente, que le
facilitarian contestar las preguntas anteriores y predecir e1
comportamiento futuro.
Un estudiante de Estadistica, amigo de Moncho, Ie ofreci6 su
colaboraci6n. El estudiante deseaba encontrar una formula que pudiera ser
utilizadapara calcular laganancia esperada por Moncho.
As! fue comoun dia, analizando las notas queMoncho habia tornado y
que se muestran en 13 tabla, a partir de la frecuencia de las ventas y la
frecuencia relativa acumulada pudo muyfadlmentecalcular esta gananda
EIanalisis fne el siguiente:
51
GaitanGaravito
variames Ateatonas Gaitan Garavito Variables Alearorias
REGISTROS DELA DEMANDADEPERI6mcos Suponga que siempre compra (5-1) penodkos LQue pasara si decide
Demanda Frecuencia Acumulada Demanda FrecuendaAcumulada
observada relativa observada relativa
o 0 .0 . 26 4 .64
1 0 .0 27 3 .67
2 1 .01 28 3 .70
3 1 .02 29 4 .74
4 1 .03 30 2 .76
5 2 .05 31 3 .79
6 1 .06 32 3 .82
7 1 .07 33 2 .84
8 1 .08 34 2 .86
9 2 .10 3S 3 .88
ro 2 fl % 1 ~
11 1 .13 37 2 .91
12 3 .16 38 2 .93
n 1 n M 1 ~
14 3 10 40 2 .%
15 3 .23 41 0 .96
a 3 ~ ~ 1 $
V 4 ~ C 1 ~
18 3 .33 44 0 .98
19 4 .37 45 0 .98
W 3 M % 1 ~
TI 4 M ~ 0 ~
~ 5 ~ g 0 ~
23 4 .53 49 1 1.00
24 4 .57 50 0 1.00
25 3 . .60 >50 0 1.00
Sielfuturose presenta conla misma frecuencia quela mostradapar el
pasado, se tienen 12 posibilidades sobre 100 de vender cuando mas 10
penodicos, P (X S 10) I 44posibilidades sobre100de vender cuandomas 21
P{XsTI) .... Estareladonse llama probabilidad acumulada de la demanda,
F(X), donde Xes la Variable Demanda,
Laganancia marginal se puede encontrar mediante un razonamiento
may sencillo y asi se puede conocer cuantos periodicos se tendril que
comprar sistematicamente por dia durante los proximos 100 dias, siempre y
cuandoel futurotengala misma distribucion queel pasado.
52
comprar uno mas? Ganaria QO.5 con probabilidad 1.F(5-1), la cual es la
probabilidad de una demanda superior a (5-1), P (X > (S - 1)), Yperderia
QO.3 con probabilidad F(5-1) que eB la probabilidad de que ]a demanda Ilea
cuando mas igual a (5-1) P ( X ~ (5-1)), la ganancia suplementaria esperada I
seria:
QO.5 (1-F(5-1)) - QO.3 F(S-l) '" QO.5 QO.8F(S-I)
Espuesinteresante compra un peri6dico mas siempre quela ganancia
suplementaria seamayor quecero;
0.5-0.8F(5-1) >0, 0 sea F(5-1) <0.5/0.8
F(5-1) < 0.625
Perohayque detenerse paraun valordeStal que:
F(5-1) ~ 0.625
Es dedr tamaruna 5 tal queP(5-1) <0.625 <P(S)
Consultando la tablasi 5'" 26, P(5-1) = 0.6YP(S)= 0.64 La existenda
optima deperi6dicos quehayqueteneres26.
La ganancia media 0 esperada que correspondera al valor de So: 26,
debe ser calculada tomando en cuenta todos los supuestos con su
probabilidad asociada:
Gananda es igua1 a Ql*X - QO.5 "'16 + QO.2 ( 2frX) cuando ia
demanda Xtomaun valorentre 0y 26
De igual forma Gananda es igual a Ql "26 - QO.5 "2h, cuando la
variable Xtomaun valor>26, la demanda esmayor quela oferta.
La Ganancia Esperada secalcula multipIicando laGananda (G) por su
probabilidad P(G), queeslamisma quela probabilidad de lademanda P(X).
50
E(G) '" L Gi P(Gi)
i=o
Enla tablasiguiente se presentan los calculos y la gananda esperada
cuandoS= 26es 8.424 quetzales
En la misma ta,111a se ca1culan de igual manera 1a gananda esperada
paraSo: 27YS=25 seobtiene, Q8.412 YQ 8.404 respectivamente.
Conclusion, comprando diariamente 26 peri6dicos seganaria en
promedio, el maximo, 0 see 08.42 per d1a Sin embargo no hay que olvidar
queseexcluyen losdtas excepdonales, paraesodiasestaconclusion no sirve
denada,
53
GaitanGaravito Variables A1eatorias Gaitan Garavim
Variables Aleatorias
CALCUL05 PARA GANANOASESPERADAS o VARIABLES ALEATORIAS
do!nlolCla I omhobii<bId fedor
I oanarcio I _
10lIflIlIlCiLI 100lllInld02 1"""""""'11 """"""'"
Iil.ex 128...-.. 21.........
1><............
0 0 0 -7.6! 0 .a.l 0 -7.5 0
1 cl 0.8 -7! 0 -7.3 0 .<J.7 a
21 0.01 1.6 -452 -6.5 -5.9 .0.059
31 0.01, 2.4 -5.4 <J.054 -5.7 "'.057 -5.1 ..c.051
4 0.011 32 -<4.6 -<1.046 -<4.9 -<1.049 -4.3 ..c.043
5 0.02\ 4 -3.6 -ll.076 -4.1 -ll.082 -3.5 M7
6 0.01 4.8 -3 -ll.03 -3.3 .a.033 . -2.7 -ll.027
7 0.01 5.6 -2.2 -ll.022 -2.5 -ll.025 -1.9 -ll.019
I
81 0.01 6.4 -1.4 -ll.014 -1.7 -ll.017 -1.1 -ll.011
91 0.02 7.2 -es -ll.012 -cs -ll.018 -e.s -ll.006
101 0.02 s 02! 0.004 -ll.1 -ll.002 0.5 om
11 0.01 8.8 1 0.D1 0.7 0.007 1.3 0,013
;
12 0.03 9.61 1.8 0.054 1.5 0.045 2.1 0.063
13 0.01 10.4 2.6 0.028 2.3 0.023 2.9 0.029
I 14, 0.03 112 3.4 0.102 3.1 0.093 3.7 0,111
151 0.03 12 421 0.126 3.9 0.117 4.5 0.135
161 0.03 12.8 5 0.15 4.7 0.141 5.3 0.159
171 0.04 13.8 5.8 0232 5.5 0.22 6.1 0.244
18! 0.03 14.4 6.6! 0.198 6.3 0.189 6.9 0.207
19i 0.04 15.2 7.41 0296 7.1 0.284 7.7 0.308
201 0.03 16 62 0.246 7.9 0,237 8.5 0255
1 211 0.04 16,8 9 0.36 8.7 0.348 9.3 0.372
22 0,05 17.6 9.al 0.49
9.51
0.475 10.1 0.505
I 23 0.04 16.4 10.61 0.424! 10.3 0.412 10.9 0.436
! 24 0.04 192 11.4 0.456 11.1 0.444 11.7 0.466
25 0.03 20 122 0.366 11.9 0.357 12.5 0375
26 0.04 20.8 13 0.52 12.7 0.508 12.5 0.5
i 27 0.03 13 13 0.39 13.5 0.'105 12.5 0.375
i 28 0.03 13 13 0.39 13.5 0.405 12.5 0.375
I 291 0.04 13 13 0.52 13.5 0.54 12.5 0.5
, 301 0.021 13 13 0.26 13.5 027 12.5 0.25
31 0.031 13 13 0.391 13.5 0.405 12.5 0.375
321 0.03 13 13, 0.39 13.5\ 0.405 12.5 0.375
331 0.02 13113T 026 13.5 027 12.5
34 0.02 131 13, 026 13.5 027 17.5 025
35 0.021 13 13 026 13.5 027 12.5 0.25
36 0.01. 131 13 0.13 13.5 0.135 12.5 0.125
371 0.02 131 131 0.26 13.5 027 12.5 025
38 0.021 11 131026 13.5 0.27 12.5 0.25
! 391 0.01i 13 13 0.131 13.5 0.135 12.5 0.125
I 401 0.021 13 13 0261 13.5 027 12.5 0.25
L
41 0 13 131 0\ 13.5 0 12.5 0
I 421 0.01 , 131 13 0.13 13.5' 0.135 . 12.5 0.125!

131 131 0.131 13.5 0.135 12.5 0.125
44/ 0 13 131 oi 13.5 0 12.5 0
I 45, 0 13
-r-r-r-'
13.5 12.5
"il
131 0 0
I 461 0.011 13:
I
13.51 o.ml 12.5 13 0.13!
01 13 131 0, 13.5, 01 12.5
481 0\ 13 13 0 13.51 01 12.5
I 491 0.011 13 13! 0.13 \;.5 i 0.1351 12.51 0.125
01 12.51 OJ r 501 01 131 131 01
I I I, I 8.4241
54
AI estudiar un fen6meno, 0 al observar una realidad, se llevana cabo
experimentos cuyosresultados estan sujetosa! azar, El terminoexperimento
estadtstico se utilize para describir cualquier proceso mediante el cual se
generanvariasobservaciones al azar de la reaIidad.
Es de hacer notar que las observaciones generadas caenen una dedos
categorfas: Cuantitativas 0 Cualitativas, y que a estasultimas es importante
asignarles una descripd6n numerica en funci6n de alguna de sus
caracteristicas. Por ejemplo, si el experimentos consiste en lanzar dos
monedas y observar sus resultados, las observaciones generadas por el
experimento seran, ambas monedas mostraron eara, ambas mostraron
escudo, Ia primera mostr6 cara y la segunda escudo 0 la primera mostr6
escudo y la segunda cara, Sin embargo el valor numeriro 10 podemos
asignar de acuerdoa!Numerode Escudos que observamos en total: 0,16 2
Ahora, si el experimento consiste, en seleccionar una bombilla a! azar de un
lotefabricado, ponerlaen funcionamiento y observar el tiempode vida antes
de lafalla, las observadones generadas saran 900 horns, 980 horas, 1000 horas
ounainfinidadde posibles valores.
En amboscasos el resultado final losregistramos comoun numero
Cl DEFINICI6N DE VARIABLE ALEATORIA
El resultado observado de un experimento, esta contenido en su
espacio muestral, y una VARIABLE ALEATORIA es una funci6n que asoda
un numerorea!concadaunode loselementos del EspadoMuestral
VARIABLES ALEATORIAS UNIDEMINSIONALES
Se definen cuando Be interesa observar solo una de lascaracteristicas
del espacio muestral y Be asigna, a cada elemento de este, una funci6n que
asocia unnumero real
EJEMPLO;
3.1. Un funcionario de Salud PUblica que tiene a su cargo 50 familias esta
interesado en estudiarel numerode ni:ii.os por familia, a laVariable Aleatoria
X, unidimensional, seIedefine de esaformaX=Numerode niiios perfamilia
55
Variables Aleatorias Gaitan Garavito
Si una familia en particular, familia Juarez, tiene 3 hijos, X toma para este
caso, el valor de 3.
VARIABLES ALEATORIAS BIDIMENSIONALES
Sedefinen cuando el interes es observar dos caractensticas del mismo
espacio muestral y se le asignaa cada elementode estedos funciones que le
hacen corresponder una parejade mimerosreales.
EJEMPLO:
32. Si el funcionario de Salud Publica esta interesadoen estudiar el ruimero
de ninos por familia y la edad en anos del jefe de familia, la variable
Bidimensional se describe como (X,y) donde X = Numero de ninos por
familia, Y= edad en afios cumplidos del jefe de familia Si la familia Juarez
tiene3 hijos Yel jefede familia tiene26 mas, Iavariable Xtomael valor de 3 y
Ia variable Y el valor de 26, E1 resuItado de Ia variable bidimensional se
escribe: (X=3, Y=26)
VARIABLES NDIM:ENSIONALES
Se denominan variables aleatorias n dimensionales al conjunto de
XjfX
2'X3
,X; x" donde cada \ es una funci6n que asignaa cada uno de
los elementos del espacio muetral un numero real, y se presenta cuando se
estainteresado enestudiar n caracteristicas del mismo simultaneamente,
n RECORRIDO DE LA VARIABLE ALEATORIA
Si seconsidera que en el gropo de 50 families, que tienea su cargo el
funcionario de Salud, algunas no tienen hijos y otras tienen basta 6 hijos, al
seleccionar una familia al azar, la Variable X puede tomar los valores, 0, 1, 2,
3, 4, 5, 6;a esteconjunto de resultadosse le denominarecorridode X( Rx).
Alconjunto de todos los posibles valoresde una variable aleatoria se le
llama RANGO 0 RECORRIDO.
56
Variables Aleatorias GaitanGaravito
o CLASIFICACI6N DE LAS VARIABLES ALEATORIAS
De acuerdo a su recorrido las variables aleatorias se cIasifican en:
Discretas y Conlinuas
VARIABLES ALEATORIAS DISCRETAS
X es una variable aleatoria DISCRETA si su recorrido se identifica
como un conjunto de valores numerable, finito 0 infinito.
Rx={Xl_ X20 X
3,
X4' Xs ,........ Xn }
EJEMPLO:
,
3.3. De un cohjunto de personas se seIeccionan 3 al azar y se clasifican de
acuerdoa su genero, masculino 0 femenino:
El espacio muestraldel experimento es,
S= {(M,M,M) (M,F,M) (M,M,F) (F,M,M) (F,F,M) (F,M,F) (M,F,F) (F,F,F)}
SiXes la variable "numarode varonesselecdonados", Xpuede tomar
4 valores, Rx "'{ D,I,2,3,}
VARIABLES ALEATORIAS CONTINUAS
Xes una variable Aleatoria CONTINUA si el conjunto de sus posibles
valores es infinito no numerable. La forma idonea de representar una
variable continua es a traves de un intervalo en el conjunto de los numeros
reales: Rx= {a ~ X ~ b l .
E]EMPLO
3.4. Se ha observado, en un experimento, que el tiempo que tarda una
reacdonquimica de derto.compuesto esta comprendido en el intervale de 0.1
a 2.0 segundos. Si se realiza uno de estos experimentos y X es la variable
"tiempode reacdon", los valores que puede tomarX, es dedr su recorrido, se
define conel intervalo
Rx= { 0.1 sXs 2.0}
57
Variables Alearorias Gaitan Garavito
Variables Aleatorias Gaitan Garavitc
El modelo de variables aleatorias continuas puede ser utilizado en
experimentos que tengan asociadas recorridos discretos, pero teniendo un
granmimero de elementos se representante6ricamente comocontinuos.
E]EMPLO
3.5. El tiempoque permanece un turista europeo en un hotel es de: 45, 46,
47, _..72, 73, 74. 0 75dias. SiXes lavariable "Numerode dias de permanencia
en el Hotel" el recorrido de X puede representarse como un recorrido
continuo, al considerar que simplificando de esta forma el modele no se
tendranerroressignificativas en el analisis de lavariable.

o VARIABLES ALEATORIAS UNIDIMENSIONALES
DISCRETAS
Si X es una variable aleatoria defurida en el espado muestral de un
experimento aleatorio, se diceque X es discreta si su recorridoes un eonjunto
numerable (finito 0 infinite):
Rx ={ Xl' Xl- X
3.X4,
XS, ....}
y a cada uno de losposibles valcresde Xse le puede asodar un numeroreal
positive P(X; ) , i = 1,2,3....n...., que es llamado probabilidad( puntual) de
y da una medida de la posibilidad de que laVariable Aleatoria tomeel valor
xi'ademas satisface lassiguientes condiciones:
Os P(X;) si
n
P(X;) =1
i=l
Una formula, tabla a grafica que muestra el recorrido de la variable
aleatoria asodando sus probabilidades puntuales se denomina
DISTRIBUaONDEPROBABILIDADES dela Variable Aleatoria,
As!, si se lanza una moneda dos veces, el espacio muestral asociado al
experimento es:5 ={(c.c), (c.e), (e,c) , (e,e) ). Bajo el supuesto que se trata de
58
un espacio equiprobable, cada Wl0 de sus elementos tiene probabilidad igual
a 0.25.
Sea Xla variable aleatoria "numero de caras que se muestran " . EI
recorrido de la variableXes Rx ={O,l,2} Yla distribudon de probabilidades
de Xse presentaa continuadon:
VwbleX
Prubabilid.ld deX
0 0.25
I 0.5
I
2
\
0.25
i
LA PROBABILIDAD DE UN SUCESO H, P(B), definido en el
recorrido de X, es decirBes un subconjunto del recorrido de X,se determina
sumandolasprobabilidades de losresultadosindividuales asociados a 8.
SeaB el sueeso II aparece al menos una earn", B esti formado por el
subconjunto {X=l, X=2} por 10 que P(B) =0.75
La. probabilidad de que la variablealeatoriaXtome un valor menor0
igual a un "i espectfico, se define como FUNOON DE DISTRIBUCION
ACUMULADA, F(X)

j
F(X ="i )= l: P(xJ j = 1,2,3,4,5,.....n
i=l
Sea C el suceso /I Aparece a 10 mas 1 cara", C esta fonnado por el
subconjutno {X=O ,X = I} yP(C) = 1) =F (X=l)
F(X =1)=P(X=O) +P(X=l) = 0.75
Si se conoce la Fund6n de Distribudon acnmulada, es factible
determinar Ia fundon de distribud6n de probabilidad puntual P (X;) de la
siguiente forma:
P (Xi) = F ) - F )
59
Variables Aleatorias Gaitan Garavno
E]EMPLO:
3.6. Se sabe que en un grupo de 4 componentes se tienen 2 defectuosos, Wl
Inspectorprueba WlO por WlO hasta encontrar los dos defectuosos, una vcz
encontrados se term.inan las pruebas, pero se prueba el segundo defectuoso
comocomprobaci6n.
Sea Y la variable aleatoria U Numero de pruebas necesarias para
encontrar los dos defectuosos". La distribud6n de Probabilidades de Y se
determinade la siguienteforma:
Elrecorrido de13 Variable Aleatoria es Ry={2, 3,4}
AI menos se deben efectuar dos pruebas, a 10 mas se deben probar los 4
componentes.
las probabilidades puntuales asociadas a cada uno de los posibles
valoresde Y seca1culan aplicandoel conceptode probabilidad condicional:
P(Y=2) =laprobabilidad de que la primera y la segunda prueba sean de los
componentes defectuosos.
P(Y=2) = 1/2 "1/3 =1/6
P(Y=3) = la probabilidad de que: la primera y la tercera prueba sea de los
componentes defectuosos y la segunda de un componente no defectuosos, 0
la primeraseade un componente no defectuosos yla segunda yla tercerade
los componentes defectuosos.
P(Y=3) = 1/2 * 2/3 "1/2 + 1/2 '* 2/3 +1/2 = 1/3
P(Y=4) = La probabilidad de que; las dos primeras pruebas sean de los
componentes no defectuosos y las dos ultimas de los defectuosos, 0 la
primera y Ia tercera de los componentes no defectuoso y 1a segunda y la
cuarta de los defectuosos, 0 la primera y 1a euarta de los componentes
defectuosos y1a segundaytercerade losno defectuosos,
P(Y=4) = 1/2 '1./3 "1 +1/1*2/3 '* 1/2 "1 + 1/2 "2/3 "1/2 *1 c 1/2
Distribuci6n de Probabilidades de Y
Variables Aleatorias Gaitan Garavito
-------- ---l----- -.. -,., _.. ...
Vmabie Aleatoria Probabilidad Probabilidad
r Y I puntual Acumulada
I 2 1/6 I 1/6
3 V6 V6
4 3 6 1
. -----r---------j
L !'uma 1 I .i
Sea B el suceso " son necesarias mas de 2 pruebas para encontrar los
articulos defectuosos", entonces 11 probabilidaddelsucesoBes,
P(B) = P.(Y=3)+P(Y=4)= 5/6
DISTRIBUCION DEPROBABILIDAD
0.6,
5
1 0.
0.41

02
0.1
0.01 . ,'.,., " Ii'" I
Numero dePruebas
DISTRIBUCION ACUMULADA
;
I
'::, I
017
"""",;;,:,:,'! I/:'J
2 4
Nlimero dePruebas
61
60
--- ---_.._- -
II aJ.4UJLQ r'U.t..:..u.UJ.k.w
GaitanGaravito
Variables Aleatorias
[j CAMBIO DEVARIABLES
Sea X una variable aleatoria discreta can dislribuci6n de
probabilidadesconocida
Suponga que se define una nueva variable aleatoria Yen terminos
de X, Y = e (X) donde a cada uno de losvalores de Xle correspondeuno y
solarnente uno de los valores de Y, e inversamente, X = co (Y), entonces la
funci6nde probabilidadde Yesta dada par:
G('r)= P(co (Y) )
EJEMPLO:
3.7. En un bazar destinado a colectar fondos para una instituci6nbenefica
cuesta QO.50 probar suerte en sacar un as de una pila de 52cartas. Encuentre
la distribudon de probabilidades de la Variable aleatoria U "utilidad del
juego"si gana 04.00 si Ysolo si una personasaca un as.
Si X es la Variable aleatoria "Numero de ases seleccionados" el
recorrido de X esta dado por Rx ={ 0, I} Y las probabilidades que le
correspondenson:
P(X=O) =48/52 Y P(X=l)= 4/52
LaVariable U, sedefineenterminos de X, U=4*X - 0.50, entonces:
G(U) =P( X= (U+O.5) /4)
LaDistribuci6n de probabilidades de Uesta dada por:
Variable U Probabilidad P(U)
Probabilidad Acumuladll
-0.5 48/52
48/52
3.5 04/52 1
n VARIABLES AtETORIAS UNIDIMENSIONALES
CONTINUAS
Anteriormente se defini6 una Variable Aleatoria Continua como una
variable que puede tomar un numero infinite, no numerable, de valores, y
correspondena los puntos sobre un intervale en e1 conjuntode los numeros
reales: 00 <X<00
. Rx= { a X b}
En consecuencia, dado que entre cuaIquierade los valores a yb existe
un numero infinite de resultados, P(X = x, )pierde significado y es necesario
definir la probabilidad a traves de una fundon de DENSIDAD DE
PROBABILIDAP f(X).
I
La funci6n de densidad de probabilidad es una funci6n no negativa
que describe una curva en terminos de la variable X que representa su
comportamiento probabilistico yaIdibujarseen los ejesdel plano R 2 satisface
lassiguientes condiciones:
E1 area total delimitadapor la curva f(X) y e1 eje Xes iguaI a uno, por 10
que sediceque describe un area de Probabilidad.
a b
Recorrido variable X
La subarea bajo 1a curva Iimitada por ella, e1 eje X y las perpendiculares
trazadas en dos puntos c Yd cualquiera, que pertenezcan al intervaIo
[a,b}, constituyela probabilidad de que la variabletomelos valoresentre c
y d, esto es P(c d), por 10 que la probabilidad de un suceso, se
determina encontrando el area bajo la curva que describe 13 funcion de
densidad entre limites particularmenteestabIecidos en el suceso..
S
d
f(X)dx
c
63

1.2
Variables Alearorias L J d l ~ J <laId-VU.u
Variables Aleatorias Gaitan Garavito
f(x)
X
I
1
c ~ I
Laprobabilidad de que Ia variable aleatoria X toma un valor menor 0
igual a x", representa Ia PROBABILIDAD ACUMULADA a x", F( X=xJ,
definida para cualquier valor de X
o
entreel intervalo [a.b]
J
x
o
F(X=xJ = f(x) dx
a
En terminos generales F(X) se denomina Funci6n de Distribuci6n
Acumulada 0 Funci6n de Distribuci6n deIavariable X.
Si F(X) es 1a funci6n de dislribuci6n acumulada de una variable
aleatoria continua, entonces Ia funci6n de densidad de probabilidad 09 fie
determinacomodF(X)/dxpara todoslosvalores posibles de X.
La Funci6n de distnbuci6n acumulada permite calcular las
probabilidades de cualquiereventoast
P( c:5X ~ d) '" F (X =d) - F (X =c)
EJEMPLO:
3.8. El tiempo en horas, que transcurre entre una llamada de emergencia y
otra en un hospital, se considera como una variable X, continua, en el
intervalo de cero i? uno, 0 ~ X:5 I, por 10 que puede tomar cualquiera de los
infinitos puntos medibles en ese intervalo; as! entre una y otra Ilamada
pueden pasar: 30 minutes, 15 segundos 9 milesimas de segundo; 0 30
minutes, 16segundosr una dedma desegundo; etc.
64
Si lafuncion de densidad deprobabilidad delavariable esf(X) '" 2-2..\
lacurva (recta) describe la siguiente arrea;
f ~ ) 1 fIX)
2 P(X>Q.45)
'Lx
0
o 0.45
Ya que t(X) limita conel ejeXel area de un triangulo rectangulo con
base una unidad y altura 2 unidades, tenemos el areatotal del triangulo igual
a (1/2)*base" altura> (1/2)*1 *2 = I, Yrepresentaun areade probabilidad,
Para ca1cular 1a probabilidad que el tiempoe.ntre una lIamada y otra
seamayor de 27minutes (0.45 horas), se determinael areabajola CUIVa como
10 indicala figura; Area= (1/2) * (1-{).45) * 1.2= 0.3025
P(X> 0.45) =0.3025
Para encontrar el valor del area bajo la curva genera1mente se usa el
calculo integral
P(X > 0.45) = 1 (2.2X) dx = 0.3025 S
0.45
EJEMPLO:
3.9. SiXes una variable aleatoria continua conf(X) = 2- 2X, donde0 < X<1
Lafuncion de distribuci6n acumulada de X, F(X) estadada por:
F(X) =F(X=x
o
) = (2-2X)dx=2x
o'x}
si O<x <1
o
J
X
o
o
F(X=x
o
=0 si X :50 )
o
F(X=X
o)=lsixo
?' 1
65
x
vanaoiesAieaionas vall,au varavuo
Variables Ateatorias GaitanGaraYUO
A partir de esta funci6n de distribuci6n es posible obtener la
probabilidadde que Xtome un valor en el intervalo [0.5, 0.75] :
P( 0.5~ X ~ 0.75) =F(x
o
=0.75) - F(x
o
=0.5) =[2 ... 0.75 - 0-75
2
] - [ 2'"0.5- 0.9]
= 0.1875
l:l CAMBIO DE VARIABLES
Sea X una variable aleatoria continua con fundon de densidad de
probabilidad f(X) conodda, al definir una nueva variable Y como fund6n de
X, Y =~ . (X), 0 en forma inversa X =ro (Y), existiendo una correspondencia
uno a uno entre los valores de X y Y, entonces la distribuci6n de
probabilidades de Y, g(Y)es: g(Y) =f(oo (Y)) IJ I, donde Jrecibe el nombre de
jacobiano de la transformad6n y es la primeraderivada de to (Y) respecto de
Y.
E]EMPLO:
3.10. Sea X una Variable Aleatoria continua con fund6n de densidad de
probabilidad f(X) = X2 /81, en el recorrido -3~ X~ 6
Lafund6n de densidadde probabilidadde Y=(1/3) (12-X) esta dada por:
Y=~ (X) =1/3 (12-X) ro(Y) =X =12- 3Y
dx / dy = d ro(Y) / dy = J= -3
g(Y) = [(12-3Y) 2 /81] *1-31 =(12 -3Y)l /27
en el recorrido 2 ~ Ys 5
Suponga que X es una Variable Aleatorla Continua, con fund6n de
densidad de probabilidadf(X). SiYse definecomo una transformad6n entre
los valores de X y Y que no tienen una correspondenda uno a uno, pero el
intervalo sobre el cual X se define puede dividirse en k conjuntos
mutuamente excluyentes de tal manera que a cada una de las fundones
inversas Xl = ro
1(y);
X
2
= oo
2(y);
X:. '" ro3(Y) ; X
k
= Wk(Y) de Y=~ (X)
mantienen para los valores de X, Y una correspondencia uno a uno, entcnces
Ia distribud6n de probabilidadesde Yes
k
g(Y)= 2: f(wi(Y)) I J
i
[
i=l
66
Donde[i , jacobiano, es la primera derivada de (Oi(Y) respecto de Y
E}b"MPLO:
3.11. Se consideraa Xcomo una variablealeatoria con funci6n de densidad:
f(X) = (I+X)/2 en el intervalo -1 <X <1, la fundon de densidad de
probabilidad de Y= X2 se obtiene de la siguienteforma:
Dado que no hay una correspondenda uno a uno entre X y Y el
intervalo sobre el cual se define Xpuede dividirse en coniuntos mutuamente
excluyentes:
-1<X <0 x, ~ w
1
(Y) = -(Y 1/2)
o<X<1 X
2
=(02(Y) = + ( Y 1/2)
Enlos cualesa toda Xlecorresponde unvalorde Y
i
Entonces dado que:
I hl= l-l/2(y-1/2) I
I hi= I 1/2( Y.1/2) I
Lafund6n de densidad de probabilidad de Y:
g(Y) =[(1- Y1/2)/2][ 1/2 (Y-1/2)] + [(1+ Y 1/
2
) /2 ][1/2 (Y -1/2)] =
g(y) = 1/2( Y -1/2) en el recorrido 0<Y < 1
D ESPERANZA YVARIANZA DE LAS VARIABLES
ALEATORIAS
En la descripci6n de las variables aleatorias, los parametres dan una
informacion valiosa acerca de Ia distribud6n de probabilidades y algunas
veces se usan para especiicarlas. Dos parametres importantes sun La
Esperanza(Esperanza matematica, Valoresperado) yla Varianza, asodada
a esta Ultima laDesviad6nEstandar.
LA ESPERANZA, E(X), 0 valor esperado de X esun promedio
ponderado de los posibles valores de X , teniendo como medida de
ponderad6n sus probabilidadesde ocurrencia,
67
Variables Alcatorias GaitanGaravito
Paraca1cular laEsperanza de unaVariable, seaesta discreta 0 continua
se aplican las formulas siguientes:
n
E(X) = I: xi p(xi) (variables discretas)
i=1
E(X) = S x f(x) dx ( Variables Continuasj) 00
'"'00
Seag(X) unafundon dela variable aleatoria X, entonces:
n
E(g(X) = L g(xi) p(xi) (variables discretas)
i=l
E(g(X) = sro g(x) f(x) dx (Variables Continuasi)
-00
PROPIEDADES DEU. ESPERANZA
SiXes una Constante, C, entonces E(X) =C
Elvalor esperadode Xmultiplicada por una constantsC, E(CX), es igual
al valoresperadode XmultipIicado por la constante, E(X)* C
Si X, Y son dos variables cualesquiera, independientes el valor esperado
de13 sumade13 variables es 13 sumade losvalores esperados .
E(X+Y)=E(X)+E(Y)
Si Xl' Xl' X
3n
~ _... J\" son variables cualesquiera independientes,
entonces:
E(Xj+X2+X3
+ ~ + XJ = E(XJ+ E(Xz) +E(X
3
)+ E ( ~ + E(X,J
El valoresperadode la suma 0 diferencia de dos 0 mas fundones de una
variable aleatoria X es:
E[ g(x) h(x) J= E(g(x E (h(x
EJEMPLOS
3.12 La distribuci6n de probabilidad de X, el nnmero de imperfecciones por
cada 10 metros, de una tela sintetica dispuesta en rolios continuos de ancho
uniforme, estadadapor
V"na1Jles Aleatorias UaitaIl UarJvllL>
x 0 1 234
P(X) 0.41 0.37 0.16 0.05 0.01
El numero promedio de imperfecciones en 10metros de esta telaes:
E(X) = 0*0.41 + 1*0.37 +2*0.16 + 3*0.05 + 3*0.01 = 0.88
3.13 AI empleadodeun lavadode autosse Iepaga de acuerdoconel mimero
de autosque lava Supoga que las probabilidades son 1/12, 1/12, 1/4. 1/4,
1/6, Y1/6 respectivamente de que el empleado reciba fI, $9, $11, $13, $15, 0
$17 entrelas4;00 ylas 5:00 p.m encualquierviernessoleado.
Laganancia esperada del empleado para este periodo particular es:
E(X) =12.6667
X 7 9 n n B V
P(X) 1/12 1/12 1/4 1/4 1/6 1/6
LA VARIANZA de una variable aleatoria X, es una medida de
dispersi6n de la distribuci6n de probabilidades, mide el grado de
concentraci6n de los valores de X, y es el promedio ponderado 0 esperanza
de las desviaciones cuadradas de cada uno de los valores posibles de X en
relaci6n a E(X).
V(X) :c E( Xj - E(X) )2
Unformula cortapara calcular lavarianzaes la siguiente
V(X) = E(XZ) - E(X)2
Donde
n
E{X2) >:
:E Xj2 p(xi) (variables discretas)
i=l
E(X2) = S00 x 2f(x) dx (Variables Continuas )
-00
La varianza de una funci6n g de la variable aleatoria X, g(X), se
detennina como:
V( g(x) ) =E[g(X)- E(g(X) J2
68 69
-00
Variables Aleamrias GaitanGaravito Variables Aleatorias Gaitan Garavuo
n
V(g(X) = L [g(X) - E(g(X) J2 p(xi) (variablesdiscretas)
i=l
E(g(XJ) =J [g(X) - E (g(X)J2f(x) dx (Variables Continuas) 00
Laraizcuadradade 1a varianzaesla DESVIAOON FSfANDAR c (X),
da informacion sobre que tan alejados, en promedio, pueden situarse los
valores observados de X con respecto a su valor esperado y una idea del
recorrido de la distribuci6n si estees desconocido.
PROPIEDADES DELAVARlANZA
SiXes una Constante, C, entonces Vex) =0
Elvalor de la varianza de unavariable Xmultiplicada por una constante
C, V(CX), es iguaI al valor de la varianza de X multiplicado por 1a
constante al cuadrado, Vex) C2
Si X, Y son dos variables independientes, la varianza de la suma de las
variables esiguaIa la suma de las varianzas.
V(X+Y):; V(X)+V(Y)
ademas V(X-Y) =V(X) +V(Y)
SiXl' X2I X3,X; Xw son variables independientes, entonces:
V(Xl+X2+X3 +X;+ XJ:; V(XJ+ V(X2.1 +V(X
3
)+V(X;) + V(XJ
EJEMPW:
3.14. Suponga que eI tiempoen eI que se obtiene una reacci6n quimica para
cierto compuesto es una variable aIeatoria con funci6n de densidad de
probabilidad (X) =6X (I-X) en el recorrido 0~ X~ I, Y f(X) =0en cualquier
otrocaso.
E(X) =i X(6X ( LX) ) dx = 1/2
E(X2) =J
PI
Xl (6X (I-X) dx = 0.3
D
V(X) = 0.3 - 052= 0.05
c (X) == 0.2236
D EJEMPLOS DE APLICACI6N DE LA ESPERANZA Y LA
VARIANZA
3.15 Enuna oficina de servicio al cliente, nose puedeconocer can exactitud
cuantas personas seran atendidasen un diacualquiera, por tanto, el numero
de clientes que seran atendidos es una variable aleatoria. Sin embargo
algunas decisiones administrativas requeriran conocer el numero de clientes
(Variable) quese esperil quelleguen.
Si los expediente diarios de registro indican que Ia variable fluctua
entre 10 y 15 LQue se espera que suceda7 LSera una cilia cercana a 157
LO cercana a 107.
EI VaIor Esperado es un concepto fundamental en este aruilisis, ya que
representa un promedio ponderado de los resultados que se esperan en ei
futuro.
Si la distnbud6n de probabilidades de esta variable X= Ntimero de
clientes atendidos es P(X) =1/6 para X= 10, 11, 12, 13, 14, 15. El valor
esperado es 125.
n
E(X) = LXip(Xi) =10/6+11/6+12/6+13/6+14/6+15/6= 12.5
i=l
EI director de la ofidna, basarasus dedsiones en fund6n a este valor
esperado, hara una estimaci6n de tiempoque estara ocupado eI personal, la
cantidad de materiala utilizar, etc.
LQue significa esta dfra? Significa que durante un largo periodo, el
numero de clientes diaries debera promediar cerca de 125. No hay que
olvidar que es un valor esperado, no significa que ei dfa de maiiana visitaran
ei centro 125 personas.
La Varianza que corresponde a esta variable aleatoria se caIcula de la
siguiente forma:
V(X) = E(X2) - E(X)2 donde
n
E(X2) = L\2p(Xj) =10
2/6+112/6+12 2/6+132/6+142/6+152/6
i=l
70
71
1
Gaitan Garavito
Variables Aleatorias
E(X2) == 159.1666
V(X) == 159.1666 - 1252 == 2.9166
La Desviacion Estandar de 1a variable es 1.707, concluyerLdo que el
numero de clientes que llegan se alejan en promedio de su valor esperadoen
1.707.
3.16 Suponga que una tienda de abarrotes compra cinco envases de leche
descremada al precio de mayoreo de $1.20 par envase y la revende a $1.65
por envase, Despues de la fecha de caducidad, la leche que no se vende se
retira de los anaqueles y el tenderoredbe un credito del distribuidor igual a
tres cuartos del predo de mayoreo . Sila distribucion de probabilidades de la
variableX, numero de envases quesevenden dellote es:
X 0 1 2 3 4 5
P(X) 1/15 2/15 2/15 3/15 4/15 3/15
Encuentre la utilidad (U) esperada.
u= 1.65 X+ 0.9 ( 5-X) -1.20(5) = 0.75 X-1.5
E(U) == 0.75E(X) -1.5
Dadoque E(X) = 3.066-67 envases
E(L1) :c 0.75 ( 3.0667) -1.5 =0.8 $
3.17 El tiempo total, medido en unidades de 100horas que un adolescente
utilizasu esteroen un periodode un anaes una variable continuaX que tiene
la funci6n de densid.ad:
f(X) == x O<x<l
f(X) == 2-x 1 ~ x < 2
f(X) == 0 en otrocaso
Calcule 1amedia de la variable aleatoria Y =60 X2 + 39 Xdonde Y es
igual a numerode kilowatthoraque gastaal ano,
EM == E( 60X2+39X) = E (60 X2) +E (39 X) == 60E(X 2) +39E(X)
E(X) =r x 2 dx + S2 x (2-x) dx = 1
o 1
Variables Aleatorias GaitanGaravitc
r
E(X2) =5
1
x 3 dx
+ J
2
Xl (2-x) dx :c 1.1666
o 1
E(Y) = 60(1.1666) +39 (1) == 109
o MOMENTOS DE LAS VARIABLES ALEATORIAS
La media y la desviadon estandar a pesar de ofrecer informaei6n uti!
en el analisis de variables aleatorias, no proporcionan una descripdon unica
de las distnmlciones, por 10 tanto se considera otro conjunto de medidas
numericas que bajo condiciones generales determinan de manera unica la
distribuci6n de la variable aleatoria, esta medidas son los MOMENTOS DE
LAS VARIABLES ALEATORIAS.
Eli-esimo MOMENTO de una variablealeatoria con RESPECTO A SU
ORIGEN se denota como E (Xi ) Yrepresentael valor esperadode la i- esima
potenda de la variable X
n
E(Xi) =.~ ~ i p ( ~ ) (variablesdiscretas)
J=l
i
) E(X = J., Jf(x) dx ( Variables Continuasj)
Se identifica al valor esperadoy la varianza de una variable aleatoria
como,el primer momenta respectoal origen y la diferencia entre el segundo
momento y el primermoniento respecto al origen,respectivamente.
Otrasmedidasimportantes de las variables aleatorias se definen como
el i-esimo MOMI1.\lTOCENTRAL, a respectoa su media, E( (X'7 E( X) )1), la
varianza de la variable aleatoria se identifica como el segundo momento
respecto a su media.
73
72
Variables Aleatorias Gaitan Garavito
Variables Aleatorias GaitanGaravito
o PROBLEMAS RESUELTOS
o DESIGUALDAD DE CHEBYSHEV
Elconocimiento de una medidade dispersion, permitetener una idea
aproximada de la amplitud de las desviadones que efectivamente tendran los
valores de la variable aleatoriaen relaci6n consu valormedio. Sin embargo,
aunquela mediayla varianza se consideran sufidentes para caracterizar por
completo una distribuci6n conocida, el reciproco no es posible, es decir si se
conoce la esperanza y la varianza y no se especifica nada mas respecto a la
forma de su distribud6n, no es posible asodar probabilidades a sucesos
especiales.
En los cases en que ningun supuestoreferente a la distnbud6n esta
justificado, la DESIGUALDAD DE CHEBYSHEV da una informacion frill
acerca del comportamie.nto de la variable aleatoria, asignando una cota
inferior ( superior), para asociar una probabilidad de que el valor de la
variable estedentrode un intervalosenalado.
SeaXuna variable aleatoriaconE(X) = 11 Ys un numeroreal positivo
P( I x-J.11 ~ e: ) < V(X)/e:
2
P( I x - J.L I < s ) ~ 1 - V(X) if}
SiE = k cr P( I x-11 i ~ k o ) s 1 Jk 2
EstadesiguaIdad es notablepor 10 poco quese presumede la condueta
probabilistica de la variable aleatoria y demuestra como la varianza mide el
gradode concentradon,
EJEMPLO:
3.18. Al medir un conjuntode marcos de aluminio se tiene comoresultadoun
ancho promedio de 3.03 puIgadasconunadesviad6nestandarde 0.05.
La proporci6n minimade marcos quese considera debenestar entre .
0.125 pulgadasde su media se cakula:
P( IX-3.03 I ~ 0.125 ) ~ 1- (0.052 / 0.125 2) ~ 0.84.
Deacuerdo a la Desigualdad de Chebyshev, la propord6n minimade
marcos queseencuentranenel intervalo (2.905, 3.155] es de 84%.
74
3.19. Deuna cajaque contiene 4monedas de1000 pesos Y2 de 500 pesos, se
selecdonan 3, sin reemplazo. Determine la distribud6n de
probabilidad del total dedineroquese obtiene conlas tres monedas.
A:la monedaes de 1000 pesos
B: la monedaes de 500 pesos
X= numerode monedasde 1000 pesos
T=total de las tresmonedas =lOOOX +500 (3-X)
Espado de resultados X T
1 deAy2 de B 1 2000
2 de Ayl de B 2 2500
3deAyOlde B 2 3000
X P(X) F(X)
1
4
Cl
2Cz J6 ~ '" 0.2
02
2
4Cz 2
C
i 6 ~ '" 0.6
0.8
3
4 ~ 2CoJ 6 ~ =02 1
Distribucion de probabilidades deT
T 2000 2500 3000
P(T) 0.2 0.6 02
3.20 Sea X una variable aleatoria continua con fundon de densidad de
probabilidad de la forma siguiente:
f(X)=2X O ~ x ~ l
f(X) = 0en otrocaso
a. Lafund6n de distribuci6n acumulada de Xes:
X
F(\} =P(X <Xo) = 0 2xdx == X} cuando0~ Xo ~ 1
S
o
Yse definecomo:
F(X) == 0 si -00 <Xo < 0
F(X) = Xo 2 si 0 ~ Xo ~ 1
F(X) = 1si X> 1
b. P( 0.2 ~ X ~ 0.4) = F(0.4) - F(O.2) =0.12
75
Variables Alearorias Gaitan Garavito
(\1
C.E(X)=Jo 2x
2dx=2/3
1
d. =l 2x
J
dx =1/2
V(X) =1/2- (2/3) 2 =1/18
e. (J (X)= 0.2357
3.21 Sif (X) =Xruanda 0 < xSly f(X) =2 - Xcuando 1 < xS 2, ealcule la
funci6n acumuladade X.
"0
F(X) = \ x dx =X
o
2/ 2 cuando 0 <x, Sl
uo
f' 1 ('xo
F(X) =j x dx +J' (2- x)dx =
a 1
0.5 +( 2.x - X 2/ 2- 1..5) = '1:>.0 - x}/ 2-1
o o
cuando1 < Xc S 2
3.22 Considereel siguiente juego: se lanza un dado normal, si cae el #2, el
jugadorgana Q20, si la caramuestra el #4, gana 040 y si muestra el #6,
pierde Q3O, en otro caso ni gana ni pierde. lCuaI es la ganancia
esperadadel juego? Lcuales lavarianza?
lCui! es el predo justoque debepagar por jugar?
y P(Y)
o 3/6
20 1/6
40 1/6
-30 1/6
E(Y) =0 +20/6 +W/6 - 30/6 = 30/6 = 5
E(Y2) = 0 +202 /6 +402 /6 - 3ffl /6 =483.33
V(Y) = =458.33
Desviaci6n estandar IT = 21.40
El precio justode juego, es el valor esperadode la ganancial Q5.
76
Variables Aleatorias Gaitan Garaviro
3.23 En cierta ciudad el consumo de energia electrica, en millones de
Kilowatts hora, es una variable aleatoria confunci6nde densidad1/6
X+K cuando 0SX S3.
Calcularel valor de K.
Calcularla esperanza yla varianza del eonsumo.
r(1/6 X +K) dx = 9/12 +3k =1 entonees K = 1/12
a
3 3
E(X) = x (1/6x +1/12)dx = S 1/12X =
1.5+ =1.875
3
E(X2)= Jx
2
(1/ 6x +1/ 12) dx = \;/6X
3
+ 1/12x
2
) dx =
o Va
3.375 + 0.75 = 4.125
Varianza de Xes 4.125 - ( 1.875) 2 =0.6097
Desviaci6n estandar (J =0.78
3.24 De aeuerdo con las tablas de mortalidad Ia probabilidad de que un
ciudadano muera en su vigesimo afio de vida es 0.00179. Se supone
que una eompafua de segurosvende por $5 una poliza de $1000, por
un ano, a un joven de 19 anos. ZCuaI es el beneficio esperado de la
compamade segurosal vender esa dase de polizas, sin considerarlos
gastos de venta y administraci6n? lCuaI es ]a desviaci6n estandar del
beneficia?
X P(X)
5 1-0.00178
-1000 0.00178
E(X) = 3.2111
V(X) = 1804.95 - 3.211 2 = 1794.64
Desviacion estandar(J = 46.36
77
Variables Alearorias Gaitan Garavito
3.25 Unacaractenstica importante de las batenaspara un carrito de golfes
el numero de minutos que trabaja antes de necesitar recargar. Un
fabricante anuncia quesus batenastrabajan duranteun periodo de 100
minutes con una desviaci6n estandar de 5 minutes. Determine el
intervale que contenga por 10 menos el 90% de los periodos de
funcionamientos delasbaterias.
P( J.L - ks X 11 + ko ) 1- 1/ k
2
P(11- kcr s Xs 11 + ko ) z 0.9
0.9= 1-1 / k
2
entonces k ;: 3.1622
11- 3.1622 *5 S X j.l + 3.1622 *5 entonces 84.189 S XS 115.811
Otraforma deexpresar IaDesiguaIdad:
P( IX-Ill entoncesO.9=I-V(X)/&2
Entonces E =15.811
EIintervalo es11-15.811 S XSj.l+ 15.811
84.189 SXS115.811.
3.26 Un vendedor de equipo pcsado puede entrevistar uno 0 dos clientes
por ilia, conprobabilidad 1/3 y 2/3 respectivamente. Cadaentrevista
produce una venta de 50000 pesos 0 ninguna ventaconprobabilidad
1/10 y 9/10 respectivamente, lcuaI es el valor esperado de sus ventas
diarias?
Ventas Diarias X Probabilidad
o 1/3*0.9+ 2/3 *0.9*0.9= 0.84
50000 1/3* 0.1 + 2/3 *0.1*0.9*2 =0.15333
100000 2/3" 0.1"0.1 = 0.00666
E(X) =0 + 7666.5 + 666.66 ;: 8333.16 pesos
327 La ganancia de un comerciante de autos en unidades de 1000 dolares
se puedeconsiderar unavariable aleatoria confuncion de densidad de
probabilidad
f(x)=2(1-X) OsXS1
Determine la esperanza, la varianza y Ia desviacion estandar de X.
, 1
E(X) = \' x (2-2x) dx = \ (2x- 2x
2
) dx =1/3
')0 J,
78
mabie; Aleatorias GaitanGaravito
I \ 1
=j x
2
(2-2x) dx =J (2x
2
- 2x
3
) dx = 1/6
o 0
V(X) "" 1/6 - (1/3): '" 0.551
cr (X) '"0.2347
3.28. Sea Y una variable aleatoria continua con funci6n de densidad de
probabilidad
f(X) = 3Y2. 0SYS1
0.6
P(0.2< yJ0.6) =S U23 Y2 dy = 0208
Otraforma decalcular la probabilidad del suceso aplicando la funci6n
de distribuci6n acumulada es:
S
yo
0 3y
Zdy=
yo3 F(y)"" cuandoOSyoSl
P(0.2 <Y< 0.6) = F(0.6) - F(O.2)= 0208
329 Se ha observado que, duranteun largo periodo de tiempo, el numero
de clientes que acuden a un mostrador en un ilia cualquiera es una
variable aleatoria, con media 20 clientes y desviaci6n estandar 2
clientes. Sinoseconoce laforma de la distribuci6n.lque puede decirse
dela probabiIidad de que el mrmero de clientes esteentre 16y 24para
el diademanana?
P( I X- 11 I Sk o) 1-1/k Z
P( I X-Ill s l-(I/&2}V(X)
P( I X- 20 I s4) 1 - (1/4 2) 4 ;: 0.75
Se puededecirque mananael numero declientes estaraentre16y 24
conprobabilidad de al menos 3/4
79
Gaitan Garavito
Variables Aleatorias
o PROBLEMAS PROPUESTOS
3.30 La eficiencia de las unidades de calefacci6n par energta solar depende
de la cantidad de radiaci6n del soL Para un mes de octubre npico, la
rediaci6n solar total diana en Tampa, Florida, EE.UU. sigue
aproximadamente la fundon de densidad de probabilidadque se da a
continuad6n( lasunidadesson dentes de calonas)
f(x)=(3/32} (X-2}(6-x)
f(x} = 0 en otto caso
a. Calcu1ar laprobabilidad de que laradiacionsolar sea mayor que 300
calonasen un dfanormalde octubre. R: 27/32
b. ,Que cantidad de radia.ci6n solar queda rebasada exactamente el
50% de los dfasde octubre, segun estemodelo? R: 4
3.31 La funci6n de densidad de la longitud de una varillade metales:
f (x) = 2 cuando 2.3 x metros.
f(x) = 0 en otro caso
Silas especificaciones de la varilla en cuanto a su longitud es que debe
tener entre 2.25 y 2.75 metrosl Cual es la proporci6nde varillasque no
cumpl.en conesterequerimiento?RiJ.1
Suponga que la fundon de densidad es f(X} = 2 para un intervalo de
longitud igual a 0.5 metros. , Sobre que valor debe centrarse la
densidad para alcanzar la proporci6n mas grande de varillas que
cumplenconlas especificaciones?R:2.5
332 Una empresa de biotecnologia puede produdr juegos para pruebas
diagn6sticas con un costa de $20.00. El precio de venta de cada juego
para el queexistademandaes de $100.00, sin embargodebidoa lavida
mediade loscomponentes queintegranel juego,si este no se vende en
la semana en que se produce entonces tiene que desecharse, El costa
asociado conel desecho de un juego es de $5.00.
En la tabla siguiente se resumen la demanda semanal ( Variable
Aleatoria)
Numerode unidades o 50 100 200
Probabilidad 0.05 0.4 0.3 0.25
Variables Aleatorias Gaitan Garavito
l Cuantos juegos deben producirse cada semana para maximizer la
ganancia de 1.'1 compatua. R: 200
3.33 Halle la funci6n de densidad de probabilidad de una variable aleatoria
continuaX, dado quesu funci6n de distribuci6n acumulada esta dada
por:
F(X) =0 para x<0
F(X)=senxparaO<X <p/2
F(X) =1para x>p /2
R: f(x) =cos x 0<x< p/2
3.34. El diamstro en centimetros de unos balines metalicos para usa
industrial, es una variable aleatoria continua X cuya fundon de
densidadde probabilidad estadada por:
f(X) = 20:-cx
2
-{].99c 0.9<X<1.1
a. Obtenga el valorde laconstantec
b. Hallelamediala desviad6nestandar de X
c. Hallelamedianade la variableX
R:c = 750, J.1 =m=I, a= 0.04472
o
3.35. SeaXuna variable aleatoria Discreta con distribuci6n de probabilidad
dada por;
X 1 a 5 10 20
P(X} 0.5 0.25 0.1 0.1 P
Calcule el valor da a y p si sesabeque E(X2) =37Y 1<a <5
Calcule media,la varianzay ladesviaci6n estandarpara lavariable X
R: a =4,P =0.05, E(x) =4, V(X) =21
3.36. SeaXuna variable aleatoria confunci6nde densidad f(X) = X e-x para
x>O
a. Determine lafund6n acumuladade X
b. Calcu1e laprobabilidad de que X sea mayor 0 igualque 2
R:F(X}=l-e-
x
(l + x) x>O;P(X>2)=3/e2
3.37. Tenemos dos urnas de las cuales la primera contienen bolas blancas Y
2n bolas negras y la segunda contiene 2n bolas b1ancas y n negras. Se
escoge al azar una urna y de eliasse sara una bola. Si la bola es blanca
se sacade la misma urna, sin reemplazo, otra bola y en casocontrario
se saca una bola de la otra urna, Sea X una variable aleatoria que
representa el numero de bolas blancas extraidas, Paraque valor de n se
cumpleE(X) <1. R: n "" 1
8i
80
Gaitia Garavito
Distribuciones deProilabilidad
CAPfTuL04
DISTRIBUCIONES DE PROBABILIDAD
*******
PACIENCIA YTIEMPO
En !IDa estaci6n de combustible de una empresa de transports, se
presenta constantemente el fen6meno de la espera, materializado en largas
colasde conduetores queacudena las bombas para recibir el combustible que
necesitan parasus vehkulos, Cosa. muyinteresante es reducir en 10 posible
el tiempo de espera de estos conductores ya que se toma en cuenta como
tiempo dedicado teoricamente al transporte de los de los produetos, es decir
ill servido.
ill numero de bombas y empleados que se dediquen a servir el
combustible ejercen marcada influencia sobre el tiempo de espera. Si hay
demasiados no habran filas de conductores perc por otra parte es una
inversion mayor e inutil instalar y pagarel mantenimiento de tantas bombas
que estellodosas,
51 el numero es insuficiente, entonces los conductores en la fila de
espera, estanodosos,
lCuAntas bombas, seran necesarias para distribuir el combustible de
forma que ni los conductores ni estas tengan demasiado tiempo
improductivo? lCual es el costo mfnimo de aprovisionamiento de
eombustible?
82
Distribuciones deProbabilidad GaitanGaravito
Lo primero es analizar el comportamiento lie las llegadas de los
eonductores 0 seahaeeruna medida estadistica de las llegadas y admitirque
este permaneee igual a traves del tiempo, los matematicos dirian que se
acepta un regimen estacionario, mllnflUllill BeTa el sigulente:
Cienveces seguidas durante un intervalo de 10 minutos cada vezse
registra el numero de camiones que se presentan a cargar combustible y se
ca1culan las frecuencias de los numeros observados, los resultados se
-. - r ~ - i : i ~ I .....
consignan enla tabla siguiente.
AI eal.cular el valor promedio se tiene 15.61 conductores carla 10
minutes, considerando adecuado hacer una aproximaci6n se puede eoncluir
quellegan enpromedio 1.6eonduetores porminuto.
j
COMPORTAMIENTO DELASLLEGADAS
Numero de Deglldas
r 10miIIulos
5
6
7
g
9
10
11
12
13
14
15
16
11
IS
19
20
21
22
23
24
2S
Fncueocia
obsel"llda
I
0
1
2
I
3
5
6
9
10
II
12
8
9
7
5
4
3
I
I
I
83
FI1lClIeW.a IeOria
distriiluriOu Poisson
0.1
0.2
0.6
1.2
2.1
3.4
4.9
6.6
8.1
9.3
9.9
9.9
9.3
8.3
6.9
5.5
4.2
3.1
2.1
1.4
0.9
Gaitan Garavito
Distribuciones de ProlJabilidad
Frecuencias Observadae deL!egadas
12,
!
j
10+
8t
I
'" til
"0
c
:
!l
mere de I!egadas
Ahora se debe encontrar una distribuci6n de probabilidades te6rica
que sea uti! para describir el comportamiento de las llegadas, tomando en
consideraci6n los supuestos:
1. Lallegada de un conductor es independiente de la de otto.
2. Nuncallegan 20 mas conductores a lavez
3. Latasamedia de las lIegadases invariable conel tiempo.
Una distribuci6n muy conveniente y conocida para describir este
comportamiento es la de POisSOIl Pt(n) = e-).t (A.t)n In!; que da la
probabilidad de que se produzcan n llegadas, durante un intervalo t, 1a
magxritud de A. representa la tasa media de llegadascon respecto a la unidad
de tiempo seleccionada, A. =1.6 conductores por minuto.
,Por que usa! la distribucion de Poisson? Cuando los sucesos qu.e
acontecen se encuentran separados por intervalos aleatorios y cuando son
aceptables, al menos aproximadamente los supuestos anteriores es frecuente
encontrar unadistribudon de Poisson.
Enla tercera columna de la tablase muestran las frecuencias te6ricas
de acuerdo a estadistribuci6n y puedenSet comparadasconlasobservadas.
Asi : P{X=5) = e-J.6(lO) (1.6 lllO)5 /5! =0.001, por 10 que en 100intervalos se
espera unafrecuencia de 0.1.
5 6 7 8 9 10 1112 13 14 15 16 17 18 19 2021 22 23 24 25
Dtsmbuciones CIt: Prooamuuau \Jl.l1l...1.1.li ......
ill mismo procedimiento se sihTue para carla uno de los valores del
numero de llegadas.
FrecuenclaTe6rica de llegadas
10
9
8
7
CIl 6
'0
5

o
4
3
2
Mere deHegadas
Es importante adarar que queda fuera del alcance de esta historia
realizer Ia pruebas estadistica para verificar si se puede aceptar esta
distribuci6n para describir el comportamiento de las llegadas, el lector
interesado puede remitirse a bibliografia reladonada con estadistica
inferencial
A continuaci6n se analizara la forma como afecta e1 servicio en el
liempode espera..
EstadonesdeServicio
o... Estaci6n 1
o" Estad6n2

..
Filade conductores ;
*
---0 .. Estaci6nS
Cuando un conductorse presenta,unade las bombaslibres le surte de
combustible, la duradon de este servicio es aleatoria, por ejemplo 15
85
&4
Discribucioru:s de Probabilidad Guion Garavito
segundos, 30 segundos, etc. Cuando todas estan ocupadas, entonces, el
conductordebe esperar formandouna fila comunpara todas las estaciones y
es atendido por la primera que queda libre. Seaceptaque losconductores no
.manifiestan preferencia por ninguna bomba, cuando varias estan libres la
probabilidad que una llegada sea servida por uno 0 por otra bomba es la
misma.
Para establecer la distribuci6n de los tiempos de servicio, se ha
cronometrado el tiempo desde que comienza el servicio hasta que termina
con un dispositivo especial. Se registraron 1000 servicios calculandose las
frecuencia que corresponden agrupadas en intervale, COIl rangos de 15
segundoscada uno.
Se calcula el valor promedio igua1 a 1.1 minutos encontrandose una
aproximaci6n a la distribuci6n exponencial f(t) =!.L e -Ilt, T es la variable
Ilt,
tiempo de servicio, mayor que 0, medida en minutes. P( T > t) '" e- es la
probabilidad de que el servicio tarde mas de t minutes,
COMPORTAMIThrrODELOS SERVICIOS
Inlen'1llos de tiempo Frecueocias aromuWlas acumubdas
seguodos observadas Distribucioo Exoooeocilll
1000 JOO9
&13 79&
652 637
5)2 50&
40& 406
330 324
261 259
210 207
)63 165
125 131
95 105
79 84
62 67
51 53
44 42
35 34
26 27
21 21
17 17
13 14
10 11
86
Distribudones de Probabilidad Gaitan Garavuo
Frecuencias observadas deservicio
BCumuladas
1000
900
I
800
1
700t
Ul
til
600
1
'0
c
Q) 500
:J
& 400
300
200
~
mot "
~ ~ 0
1
, 1 1 1 , 1
o 45 90 135 180 225 270
inter.alos de tiempo
Frecuencias Te6ricas deServicio
acumuladas
1 0 0 0 ~
9OOf\
800
700
Ul
600
'g
<0
(Jl 500
:J
& 400
300t ~
~ I .. ~ . "
Q 45 90 135 180 225 270
Inter.alos detiempo
87
I
Distribuciones deProbabilidad Gaitan Garavito
Di.tribllcioncs deProbabilidad
Gaitan Garaviio
En ambas formulas I.l se conoce como tasa de servicio es igual al
inverso delvalor promedio I.l:: 1 ! 1.1:: 0.9, numeromediode servicios por
unidad de tiempo por cada una de las bombas
Asf para calcuJar las frecuencias teoricas se aplic6 la formula de la
forma siguiente:
P(X>15seg) = P(f> 0.25 min) = e -0.9(0.25) = 0.798 s en 1000 observadones se
esperan798 servicios.
Si l.l es la tase de servicio en cada una de las bombas entonces para S
bombas, que se consideran con igualdad de condiciones, esa tasa de servicio
eslJ,S.
Esimportante, puesto que se trata de medias, que 1a tasa de llegadas
no superela tasatotal de servicio, de donde A< IJ,S , es decir A/ (IJ,S) <1, ya
quesi estefueramayorque 11afila llegaria a ser infinita. A estecociente se le
llamaintensidad de trafico p casoes 1.77/5
Para examinar el aspecto economico del problema hay que tener
informacion sobre el tiempo de espera de cada conductor, para eso se
necesitan dos f6rmuIas de lascualesquedasu demostraci6n fueradel alcance
de estahistoria,
Tismpo Promedio de Espera
Wq= Po p(A!H)s
A S! (l_p)2
Pmbabilidad que el sistema estevado
5-1
Pc = [L--12JJJ). n + * 1-J.1
n-<l n! s! 1-(A/J.IS)
Asi para diferentes valores de S se encuentransus diferentes tiempos
prornedio de esperaW.
S
P
Po Wq
2 0.88 0.0588 4
3 0.59 0.1562 0.31
4 0.44 0.1654 0.06
Nose calcula el tiempopromediode esperapara S =1, puesto que en
ese caw la Intensidad de Trafico, repetimos, es mayor que 1 y la duradon
mediade laesperasena infinita, quesignifica una cola inmensamente larga.
El an.ilisis economico del problema esel siguiente:
En una jornada de 8 horas, con tasa de Ilegada 1.6 conductores por
minuto, 768conductoresBCpresentanen la estadon (1.660"'8). Acoo aumero
de llegadas le corresponde, can un tiempo medio de servido 1.1 minutes,
14.08 horas( 768*1.1'"844.8 min.) de servicio.
Enseguidapuede obtenerse 1a duradon de la inactividad del servido,
V:
ParaS=2 V = 2*8 -14.08 = 1.92 horas
Para5 =3 V=3*8 -14.08 = 9.92 horas
V= 4*8 -14.08 '"17.92 horas
El tiempoperdido por los conductores usando el tiempo promediode
esperaWq lie calcula:
ParaS=2 768 *4 = 3072minutos '"512 Horas
ParaS=3 768 ..0.31=238 minutos3.%horas
ParaS=4 768* 0.06 = 46minutos'" 0.76 horas
5i de acuerdocon la experiencia de 1a empresa e1 casto estimado par
horapara cadabombainstaladayean su personaldeservicio es de $3 y para
cada uno de los conductores e1 costa por hora, considerando el salarioy las
perdidapor 1a improductividad de los vehfculos es de $6, el costototal diario
dehorasperdidaspor unoy por otrolie calcula:
ParaS=2 1.92 * 3 + 512 6 = 31296
ParaS=3 9.92 * 3 + 3.% ..6 53.52
ParaS=4 17.92 * 3 + 0.76 *6 '" 58.32
Se admite que un m.fnimo costo ocurre en S---S y 1a mejor seIecci6n
consistira aparentemente en insta1ar 3 bombas.
Perocuando la Directiva de la empresa decideinstalar 4, la razon de
tal decision 18 argumentara de 1a siguiente forma: Instalar4 bombasno cuesta
mas de 4.8 dolares ( 58.32- 53.52) diaries, asi que si se considera que Ia
probabilidad de que una bomba este descompuesta es 8%, si se instalen 3
cuando una de las tres falle el gasto suplementarlo sena ( 312.% - 53.52)
259.44 dolares 0 sea que en promedioes 259.44 0.08 = 20.75 d6lares diarios
por tanto4 bombas son en realidadmenoscostosas que 3.
88
89
Distribuciones deProbabilidad GaitanGaravito Distrihuciones deProbabilidad
Gaitan Garavito
C1 DISTRIBUCIONES DE PROBABILIDAD
Como se apunt6 anteriormente, el comportamiento de una variable
alea.toria queda descrito par una distribuciones de probabilidades 0 una
.fund6nde densidad de probabilidad, sean estas discretas 0 continuas. con
frecuencia las observaciones que se generan de diferentes experimentos
estadisticos tienen similar comportamiento y en consecuenda, las variables
aleatorias asociadas a estos experimentos se puederi. descnbir esencialmente
con el mismo modelo de distribuci6n. Es suficiente conocer algunas
DISIRIBUCIONES DE PROBABIIlDAD importantes para descnbir muchas
variables aleatorias que se encuentranenlapractica,
A continuaci6n se presentan estes Distribuciones clasifieadas de
acuerdo a las variables que modelanen Discretas yContinuas
o DISTRIBUCIONES DISCRETAS DE
PROBABILIDAD
U DISTRIBUCI6N UNIFORME DISCRETA
Es la mas simple de todas las distribudones, en ella cada uno de los
valoresde la variable aleatoria tienen identica probabilidad de ocurrir.
SeaXuna variablealeatoriaUniforme conrecorrido: Rx {Xl' X
2'
x
3t
" xJ,
su distribuci6n de probabilidades estadadapor P(X= xJ = 11k
La mediay 13 varianzade la distribuci6n sonrespectivamente,
~ = P;.x;) Ik (12=(L( Xi -1-1 )2 ) Ik
EJEMPLO:
4..1. Para un nnmero de loterta premiado, se selecciona el valor del premio
mediante la selecci6n de una etiqueta al azar de una caja que contiene 10
numeradas dell al lf), el valor de la etiqueta es la cantidad de quetzales que
corresponden alpremia
CuM esla probabilidad de ganara menos de 4 quetzales?
90
X es Ia variable aleatoria que identifica e1 premio ganado, asociado a el, el
mimero seleccionado:
Rx= /1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
E(X) = (1 +2+3+ 4+5+6+78+ 9+10) 110 = 5.5
V(X) = [(1 - 5.5) 2+ (2 - 5.5)2 + (3 - 5.5)2 + (4- 5.5)2 + (5- 5.5)2 + (6 - 5.5)2 +
(7- 5.5)2 + (8- 5.5)2 -+ (9 - 5.5)2 + (10 - 5.5)2 1/10 = 8.25
P(X= xJ = 1/ 10
P( X<4) = P(X=l) +==(X=2) +P(X==3) =3/10
I
e7 DISTRIBUCION BINOMIAL
Lapruebade Bernoulli:
Si en un experimento se define un especio muestral que induye
linicamente dos sucesos mutuamente excluyentes, este experimento se
denomina PruebaBernoulli.
Este tipo de pruebas se presenta en aquellos experimentos euyos
eventos son dicotomicos, se identifican como exito y fracaso. A su vez las
probabilidades de esos eventos son conocidos y se identifican como p,
probabilidad de exito, y q, probabilidad de fracaso.
Elproceso de Bernoulli:
Se denomma proceso de Bernoulli al experimento que presenta las
siguientes propiedades:
1. Se repiten veces una Prueba deBernulli.
2. Cada prueba produce un resultado que se puede c1asificar como exito 0
fracaso conprobabilidad p y q respectivamente.
3. Las probabilidades de exito y fracaso permanecen constanteen cada
prueba.
4. Laspruebasseconsiderancada unaindependientede las anteriores.
91
])ISWDUClUlle at: .l"IOOablli<UW
LJdll..dJJ LJa.II1YJlU
Distribueiones deProbabilidad Gaitan Garavito
Como resultado de este proceso se determina Ia variable aleatoria X
como: E1 numerode exitos que aparecen en lasn pruebas, X es una variable
Aleatoria canDistribud6n Binomial:
Rx = 10,1,2,3 .....n]
P{X= k) = nCk pi q (n-k]
E(X) = np V(X) = npq
X'" k si Ysolosi en lasn repetidones aparecenexactamente k exitos y por 10
tanto (n-k) fracases
E]EMPLO:
4.2. Se lanzan 6 monedas legales, construya la distribuci6n de
probabilidades de la Variable aleatoria X == mimero de carasque aparecen en
los 6lanzamientos.
Prueba de Bernoulli: Lanzamiento de una Moneda. Asociando: Exito = Cara,
Fracaso =Escudo y p = q == 0.5
X= Numero de Exitos que aparecenal repetir 6 veces Iapruebade Bernoulli.
Xesuna variable aleatoriacon distribucion Binomial conn=6, p == q =0.5
Rx= {a, 1,2,3,4.,5, 6J
P(X= k)=SCk pkq (Crk)
E(A1 =6* 0.5 =3 Vex) = 6*0.5*0.5= 1.5
Para construir la distribudon de probabilidades se ca1cula P(X= k )
para todovalorposiblede k, par ejemplo: P( X' =2) =SC2 p2 q (&-2) =0.23437
X 012 3 4 5 6
pCA) 0.01563 0.09375 0.23437 0.3125 0.23437 0.09375 0.01563
92
b DISTRlBUCION BINOMIAL NEGATIVA
o DISTRIBUCI6N PASCAL
Considere e1 experimento en el cua1 se realizan pruebas
independientes de Bernoulli hasta que un exito aparece por r-esima vez,
La variable aleatoria Z se define como el numero de veces que se
realiza la prueba, 2, tieneuna distribud6nBinomial Negativacon:
Rz == [r, r+1, r+2 ,}
P(Z = k) = k-l Cr-l pr
q
k-r
E(Z) == rip V(Z)= rqjp2
1
Z= k 51 exactamente el r-esimo exito ocurre en Ia k-esima prueba y en
consecuencia (r-l) exitos ocurrieronen lasanteriores k-l pruebas.
E]EMPLO:
4..3. Suponga que una compafiia que fabrica transistores, segun su
experiencia, considera que la probabilidad de que cualquiera de los
transistores produddos esre deectuoso es 1 %. l CuM es 1a probabilidad de
tener que examinar menos de 6 transistores para encontrar 3 en buenas
condiciones?
Pruebade Bernoulli: Selecci6n e inspeccion unoa uno de los
transistores
Exito: el transistor se fabric6 enbuenascondiciones
Fracaso: e1 transistores de.fuctuosos
p= 0.99 q=o.m
Z=numerode transistores examinados basta encontrar3 enbuenas
condiciones, r = 3.
Rz= { 3, 4. 5, 0, ...._.}
E(Z) == 3/0.99 =3.03
V(Z) = 3* 0.01/ 0.99 2 =0.0306
93
Gaitan Garavito
Distribuciones deProbabilidad
P{Z <6)"" P(Z= 3)+P(Z= 4)+P(Z:< 5)
p ( Z <6)= 2C2 0.99 3 'I; 0.01 0+3C2 0.99 3" 0.011+4U0.99 3" 0.01
2
=0.9998
o DISTRlBUCION GEOMEnuCA
Suponga que se efect6.a un experirnento que conduce a repetirpruebas
independientes de Bernoulli con parametres p y q, probabilidades de exito y
fracaso respectivamente.
Se define Ia variable aleatoria Y como El numero de pruebas que se
repiten basta encontrar el primer exito, Y tiene una distribuci6n geometries
con:
Ry= {1, 2,3, 4 ......}
P(Y = k) = qk-t p
EM"" 1/ p V(Y) "" q / p2
La distribuci6n Geometrica sepuede considerar un casoespecial de la
distribuci6n Binomial Negativa conr=1.
EJEMPLO:
4.4. Hallarla probabilidad que en lanzamientos sucesivos de un dado resulte
un 2 por primeravezen el quintolanzamiento.
Pruebade Bernoulli: Cadalanzamiento del dado.
Exito: aparece el numero 2
Fracaso: Aparece un numero diferente del 2
p= 1/6 q=5/6
y= Numerode lanzamientos quese efectuan bastaencontrar un
numero 2 por primera vez
Ry= {I,2,3, 4....}
E[Y ) = 1/ (1/6) =6 V(Y)"" (5/6)/{1/6)2=3O
P(Y=5)= (5/6) 4 * (1/6)=0 .0804
94
Distribueiones deProbabilidad Gaitan Garavito
rJ DISTRIBUCI6N MULTINOMIAL
La distribuci6n Multinomial generaliza a la distribuci6n binomial,
cuandoel experimento presentak diferentes resultados.
Considere un experimento y su espacio muestral asociado (5) , en este
espacio existe una partici6n de k sucesos excluyentes: A11A
2
I A
3
.. _.Ax, que
ocurrencon probabilidad PI' P21 p"... Pi'.. Pi< ' de tal forma que cuando se
efectua ocurresolounode esosresultados.
5upongaque se realiza n vecesel experim.ento (n pruebas) y quecada
una seconsidere independiente de las demas.
Se define.una serie de variables Xi como el mimero de veces que
aparece el sucesotAi enlasn repeticiones del experimento:
Xl:= Numerode veces que aparece el suceso Al
X
2
=Numero de veces quepareceel suceso A
2
Xi = Numero deveces queaparece el suceso ~
X
k
:= Numero devecesqueapareceel suceso Ax
El conjunto de variables aleatorias ( Xl' Xl! Xy .xJ tiene una distribuci6n
Multinomial, con:
~ = {O, 1,2, 3...n}
P (X1 -
- n
V
X
2 -
- n
11......
X
k
==n.)
-.'10
-
-
n! ..
PI
nt *
1'2.
n- *
....p"
~
nl!*nZ!*...Ilj;!
E(x;) =n * Pi V(x;) := n * Pi*(1- p)
Sujeto a lasrestricciones:
Ip; =1 o ~ Pi Sl LII;=n
E}EMPLO:
4.5. Selanzaun dadonormal6veces, hallarla probabilidad que se encuentre
exactamente un numero dos, dos numeros tres, dos numeros cuatro y un
numeroseis.
Se definen lossucesos siguientes:
95
Distribuciones deProbabilidad Gaitan Garavito
A I' es el suceso1/ aparece el mimero 1"
A
z
, es elsuceso "aparece el numero 2"
ASJ es el suceso1/ aparece el numsro 3"
.>\.p es cl suceso "aparece eInumero 4"
A
St
es eIsuceso II aparece el numero 5"
4 es el suceso "aparece el mimero 6"
SeanXi las variables definidas como:
x]= Numero de vecesque aparece ell
X
z
=Numero de veces que apareceel2
X, =Numero de veces que apareceel numero i, i=1,2,3,4,5,6
Pi= 1/6 i= 1,2,3,4-5,6
P( X]= 0, X
z
=1, X
3=2,
X
4=
2,Xs=O, 1)=(6!/ (1!"2!*2!*1!)) * (1/6) 6 = 0.0038
o DISTRIBUaON HIPERGEOMETRICA
Considere un conjunto de N articulos de los cuales r poseen una
caractenstica particular A Y por tanto (N-r) no la poseen ( A
C
) . Esto es los
articulos se c1asifican formando una partici6ndel espacio muestral ( A, Ac) .
Si el experi.mento consisteen elegiral azar n articulos sin sustituci6ny
X es la Variable Aleatoria: Nnmero de artirul.os elegidos que poseen la
caracteristica A, entoncesXtienenuna distribuci6n hipergeometricacon:
Rx= 10,1, 2, 3.. L.n} sin S. r
Rx = {O, 1, 2;o ..k...r} si n > r
P(X=k) = reb N-r C n-b
NCo
E(X} =u'r/N V(X) =( n*r/l\il* ( N-r)!N)*N-n)/(N-l))
X toma el valor de k si y solo si hay exactamente k elementos con la
caractenstica Ay n-kcon la caractensticaA
C

96
Distribuciones deProbabilidad
Gairan Garavito
EJE1-1PLO:
4.6. De 20 aspirantes a una beca, 12 son Cuatemaltecos (A) y los demas de
otros pafses de Centro America (Ac). Si se selecclonan al UZlJf 6 aspirantes a
la beca., Iaprobabilidadde que no mas de dos seanGuatemaltecos (A) es:
Xesla variable numero de Guatemaltecos selecdonados
Rx= {O, I, 2, 3, 4.. 5, 6}
N=20n= 6 r=12 N-r=8
= P(X=O) +P(X=I) +P(X=2)
P( X = nCO"sU + 1&1"8C5 +uG" sU =0.1373
f2DC6 2OC6 2llC6
La distribution Hipergeometnca puede generalizarse cuando el
espaciomuestral esta divididoen una particionde mas de dos clases
Considere N arnculos que se pueden dividir en j dases, A],A
z
,... _\
conr
It
rz,.....r
j
elementos respectivamente.

Sean las variables aleatorias : X]' X
z
...Xv que representan el numero
de elementos selecdonados de la clase A], Az, .... en una muestra de n
articulos, entonces la distribucion conjunta de las variables aleatorias es
Hipergeomebcica:
P(X1= Xl' Xz= X21 = xJ = [r]C x] * rzC x
2
r C xJ I NCn
j
LJ<;=n i=l,2,3...j
EJEMPT.:.O:
4.7. Un gropo de 10 personas se clasifica de acuerdo a su profesion, 3
Ingenieros(A.J, 4 Bi6logos (A
2
) Y3 Administradores (A) . La probabilidad
3
de que una muestra aleatoria de 5 personas contenga un ingeniero, dos
bi61ogos y dos administradoreses:
P( XJ '" 1, X2 '" 2, X
3
= 2) = [3C1"4C2 *3C2] / lOU = 3/14
N=lO n= 5 i
1
:: 3 r
z
= 4 i = 3
3
97
Distribuciones de Probabilidad GaitanGaravito
iC'DISTRIBUCION DE POISSON
La distribuci6n de Poissonse presenta frecuentemente en situaciones
donde un evento ocurre aleatoriamente en un intervalo de tiempo,
(distancia, area 0 volumen). Por ejemplo, los defectos en una hoja impresa
ocurren aleatoriamente en la superficie de la misma, las llegadas de los
vehiculos a una estaci6n de gasolina ocurren aleatoriamente durante el
tiempo de atenci6n.
Experimentos de Poisson:
Los eventos discretos se generan en un intervalo continuo en un
Proceso de Poissoncon parametro J,. con las siguientes propiedades.
L La ocurrencia del evento de interes en un periodo cualquiera es
independiente de la ocurrencia de los eventos en otros periodos no
traslapados de iguallongitud. De esta forma el proceso de Poisson no tiene
memoria.
IT. La probabilidad que ocurra un evento durante un intervalomuy corto es
proporcional a la longitud del intervalo y no depende del numero de
resultadosque ocurrenfuera de este intervalo, asi mismo es independientede
su localizaci6n.
ill. En un intervale T suficientemente corte, la probabilidad de exactamente
una ocurrencia en eseintervaloes AT y tiende a cero.La probabilidad de que
ocurra mas de un resultado en el intervalo es insignilicante. La probabilidad
de ninguna ocurrenda en el intervaloes 1 - AT.
El parametro f. se conace como intensidad de la distribuci6n 0 tasa de
ocurrencia y es el mimeropromedio de eventos que ocurren en un intervalo
unitario.
Estos experimentos que dan lugar a una variable aleatoria Y, definida
como e1 numerode eventosque ocurren durante un intervalodado, se llarnan
experimentos de Poisson y la variable,Variable Aleatoria de Poisson.
Distribuci6n de Poisson:
Distribuciones de Probabilidad uauan lJaravlw
Sea Y la Variable Aleatoria, Numero de eventos que ocurren en ese
intervalo, Y es una variable can distribudon de probabilidades de Poisson
conparametro AS, donde:
Ry={0,1,2,3 }
P(Y= k) =e -J,. s (A. 6) k / k!
E(Y) = A. s V(Y)=A.S
E]EMPLO:
4.8. Los clientesen un supermercadose forman en la caja a raz6n de 4 por
minuto. La proHabilidad de que por 10 menos un cliente se forme en dicha
colaen cualquierperiodo de 30segundosse calcula de al formasiguiente:
Y= Numero de clientes que se forman en la cola durante un periodo de 30
segundos ( 05 minutos)
A. ::: 4clientes / minuto 5= 0.5 minutos A. S=2
E(Y) = 2 V(Y) =2
P(Y2:: 1) =1- P(Y=O) =1- e-2 (2) 0 / O! = 0.865
Distribuci6n de Poissoncomoformalimitante de laDistribudonBinomial
Enel casede La Distribuci6n Binomial, si n es grande, tiende al infinite,
y p es pequena, tiende a cera, las condiciones simulan un espacio continuo
del procesode Poisson que es basicamente consistente con laspropiedades de
este: independencia,. np constante, p cercano a cero. Entonces es posible
concluir que para X, una variable aleatoria Binomial, Ia distribuci6n de
probabilidades puede aproximarse a una distribuci6n de Poisson:
P(X=k)::: e - np (np) k / k!
k= O,1,2,3.....n
EJEMPLO:
Considere el experimento que consiste en observar un proceso de 4.9. Se sabe que en determinada carretera existe un 3% de probabilidad de
Poissoncon parametro i. durante Sunidades de tiempo. que un automovilista se accidente. Suponiendoque Iaprobabilidad de que
98 99
j
GaitanGaravito
Disuibuciones de Probabilidad
un auto se accidente es independiente de otro y permanece constante, la
probabilidad de que de losprimeros300 autos que pasepor ellugar a 10 mas
uno se acddente es:
X= Numerode AutosAccidentados entre300 autosquepasanpor el lugar.
Xes una variablealeatoriaBinomial con: n = 300 p= 0.03 q= 0.97
Baja los supuestos anteriores, X se puede aproximar al modelo de Poisson
connp=300*0.03= 9
1)= P(X=O) + P(X=l)
P ( X 1) = e '"9 (9) 0 I O! + e'"') (9) 1 / 1 ! = 0.00123
n PROBLEMAS RESUELTOS DEDISTRIBUCIONES
DISCREfAS
4.10 Suponga que de un lote de 300 fusibles electronicos que contiene 15
defectuosos se selecdonan 5 al azar. La probabilidad de encontrar a1
menos uno defectuoso es:
N= 300n =5 r-: 15 N-r =285
X es la variable mimero de fusibles defectuosos encontrados en la
muestra.
Xtieneuna distribuci6n Hipergeometrica,
P(X 1) =1- P(X=O) = 1 - [28SCs *15Co / 300 C5]
P(X 2:. 1) =1- 0.7724 =0.2275
4.11 Supongaque laprobabilidad de que un motor falle durante cualquier
periodo de trabajo es 0.02, La probabilidad de encontrar dicho motor
funcionando adecuadamente durante dos periodos de trabajo como
minimo sedeterminade la formasiguiente: , ,
Y es la Variable aleatoria n Numero de periodos de trabajo hasta la
primerafalla" .
y esuna variablegeometrica conp = 0.02
P(Y?:3) "" 1- P(X 2) = 1- 0.02 - (0.98*0.02) "" 0.9604
uc irUVuV.uJUdu
4.12 Un proveedor de equipopesadohaencontrado que los clientes nuevos
se obtienen normalmente mediante llamadas telefonicas de compra
que ellos mismos hacen, la probabilidad que en la llamadase concrete
la venta de un equipoes 0.3. Siel proveedortiene3 piezaslistas para
su venta, l cual es Ia probabilidad de tener menos de 5 entrevistas con
clientes para terminarconel inventario?
Z es la variable aleatoria: Numero de entrevistas necesarias para
vender 3equipos,
Zes una variableBinomial Negativa conp "" 0.3 q=0.7 r = 3
P(Z<5) = P(Z=3) +P(Z=4) = s-i C?r1 * p3* q 0 + 4-1C?r1 * p3 *q 1 =0.0837
,Cuantas'Ilamadas en promedio deben efectuarse para lograr vender
los3equipos ? E{Z) =3/ 0.3 =10
1
4.13 Un puerto tiene capacidad para acomodar 4 naves de cierto tipo
durante la neche, las tarifas del puerto producen una utilidad de
Q1000 por nave atracadapor noche.
Si X es la variable aleatoria que representa el mimero de naves
llegandoal atracadero y P{X= k ) =1/6 para k= 0, 1, 2,3,4,5
X 0 1 2 3 4 5
P(X) 1/6 1/6 1/6 1/6 1/6 1/6
Ademas Y representa la utilidad obtenida por las naves atracadas
durante la noche, encuentre la distribuci6n de probabilidades y el
valor esperado de Y.
Y =icoox si 0sXs4
Y=4QOOsiX>4
Y 0 1000 2000 3000 4000
P(Y) 1/6 1/6 1/6 1/6 2/6
E(Y ) = 2333.33
4.14 Cierto tipo de arboles tienen retofios dispersos de forma aleatoria
sobre un area extensa can una densidad promedio de 5 retofios por
metro cuadrado. La probabilidad de que un guardabosque que
se!ecciona al azar una porcion de 10 metros cuadrados de esaarea no
encuentreretofios de esetipo dearboles:
WI
100
GaitanGaravito
Dismbuciones de l'rooabl\uJ.;ld Gauan Garavito Dlstribuciones de Probabilidad
Bajo el supuesto que Ienumerode retonospor metrocuadradoes U1Ia
variablealeatoria de Poisson se definea X comoel rnimero de retonos
en una porci6nde 10metroscuadrados.
1.=5 ,,5=50
P(X =0)= e -50 ( 50)0 / O! =1.93E-22
4.15 De acuerdo con los datos ajustados en 1994 las proporciones de
adultosc1asificados en5categortas de edad son:
18-24a:fios 0.18
2S a 34anos 0.23
35a 44anos 0.16
45a 64afios 0.27
65anos 0 mas 0.16
Siseseleccionan al azar 5 adultos, Iaprobabilidadde queen lamuestra
se induya una persona entre 18 y 24 anos, 2 personas entre 25y 34
mas y 2 personasentre45y64anos es.
Xi es la variablealeatoria numero de personasincluidas en lamuestra
que pertenecenala categoria i ( i= 1,2,3,4,5)
( Xl' X
2
, X
3I
,X
4I
Xs) Es un conjunto de variables con distribudon
Multinomial
N=5 Pl= 0.18, P2= 0.23, P3= 0.16, P4= 0.27, Ps= 0.16
P(X
l
= l,X
2
=2, X
3
={), ~ = 2 , Xs=O ) =
[ 5 ! / ( 1!*2!"2!) 10.18"0.232*0.272 =0.0208
4.16 Un agricultorafirmaque que 2/3 de su cosecha de duraznosesta en
adecuadopunto de madurez. La probabilidad de que al seleccionar 4
duraznos al azar e inspeccionarlos los 4 esten perfectamente maduros
es:
X es la variable ruimero de durazno perfectamente maduros que se
encuentranal seleccionar 4.
Xesuna variableBinomial conn= 4 p =2/3 q:, 1/3
P{X=4) = 4U * (2/3)4 (1/3) 0 =0.1976
4.17 Sea XIavariablealeatoria que denotael numero de vecesque hay que
arrojar un dado para que aparezca un #2 0 un #3 por primera vez,
encuentrela probabilidad de quevariabletome el valor de 3.
Probabilidad de Exito =P=probabilidad de un dos 0 un tres = 1/3
102
Probabilidad de fracaso =probabilidad no aparece el dosni el tres
q=2/3
X= Numero de lanzamientos para en encontrar un exito por primera
vez,
P(X=3) =p q 3-1 =1/3 ..(2/3) 2 = 0.1481
4.18 La probabilidad de dar enel blancoen un lanzamiento es0.7,si hacen
ensayos basta que exactamentehanocurrido3lanzamientosexitosos, L
cual es ia probabilidad quesean necesarios menosde 5 intentos?
r =3exitos
Probabilidad de dar en el bIanco =P=0.7
Probabilidad de no dar en el blanco=q =0.3
Z=el numerode lanzamientos necesarios para tener 3 exitos,
Rz = {3, 4, 5 }
P( z <5) = P (3) +P (4) = 3-1 C 3-10.73030 +4-1 C3-10.73 0.3 1
P( z <5)= 0.343+ 0.3087 = 0.6517
4.19 Entrelas personas que donan sangre en una clfnica el80% tienenfactor
Rh positivo. Cinco personas donan sangre en un determinado dias,
lcuaI es la probabilidad que:
a. cnando macho4de los5tengansangre Rhpositivo?
X= Nnmero de donadoresconfactorRhpositivo
P(X5. 4) =1-P{X = 5) = 1- sC
s
0.8502
0
= 1"{).32768-= 0.67'..3
b. exactamente dostengansangreRhpositivo?
P( X=2) =sC
2
0.8 2 0.2 3 =0.0512
4.20 Se empacan10 motores para su venta en un almacen, los motores se
venden a $100 cada uno, la compaiUa se compromete a devolver el
dobledel valor por cadamotor si este es defectuoso.
CalcuIar la ganancia neta esperada por el vendedor si laprobabilidad
de que cualquier motor este defectuosos es 0.08
Ganancia = 10*100- 200 X
X= numerode motores defectuosos
E{X) =np =10*0.08 =0.8
E(G) '"E (10OQ...200X) = 10OQ... 200E(X) =1000- 200(0.8) = 84D
4.21 Los usuarios que salen de una estadon de tren subterranea pueden
pasar por cualquiera de tres puertas. Si se supone igual probabilidad
103
DlSffibuoones ik trooal>lhOdl1
LlJ.lLdU ua..l.dVlLU U1)LllUUl.. :lUnc::i Ut.: J.:'IU(.l:.i.:JUlUdU uauanIJdfd'IlW
que el usuario seleccione cua1quiera de las tres puertas, lcual es la
p= 0.199
probabilidad de que entre 4 personas:
P(Y = 2) = 3C2 (0.199 2) (H1.199) = 0.0952
a 2 selecci.onenla puerta A, l la puerta ByI la puerta C (suceso A) ?
b.los euatro utilicen la misma puerta (suceso B)?
c. se usen las tres puertaspara lasalidade laspersonas(suceso C)?
SeaXl el munero de personas queeligenla puerta A, X2, el ruimero de
personas que eligenla puerta ByX
3
el numero de personas que eligen
la puertaC
P(A)= P(4, 2,1,1) =( 4!/ 2!I! I!) 0.3332 *0.333* 0.333 = 4/27
P(B) = P(4, 4, 0, 0)+ P(4, 0, 4, 0)+ P(4, 0, O. 4) =
(41/ 41) 0.3333 t *3 = 1/3
P(C) =P(4, 2,1,1) + P(4, 1,2, 1)+ P(4, 1, 1,2)= 4/9
4.22 Un motor de automovil de 8 Cilindros tiene 2 bujias que fallan. 5i se
quitan las 4 bujias del motor lcual es la probabilidad que se
encuentrenlas2que tienenfalla?
X= numerode bujiasque allan selecdonadas
P(X=2) = 2 ~ 6 ~ / ge
4
=15/70 =0.21428 =3/14
4.23 Suponga que las moleculas de un gas raro se encuentran a razon
promediode 3 molecules par pie cubico de aire. Silas moleculas estan
distribuidas independientemente al azar en el aire,
a lCuaI. es Iaprobabilidadde queno se encuentrenmoleculas el gas en
una muestrade un pie cubico?
b. l Cual es la probabilidad de encontrar como maximo una molecule
de gas raroenla muestrade un piecubico?
X= numerode moleculas del gasraropresentesen 1a muestra
" :: 3 moleculas por pie cubico
a. P(X=fJ) :: exp (-3) *11/ O! =0.05
b. P(X S1) = P(X = 0)+ P(X = 1)=0.05 + exp(-3) *3/ I! =
0.05 + 0.149 = 0.199
c. Si se toman tres muestras cada una de un pie cubico, lCUaJ. es la
probabilidad de que se encuentre no mas de una molecule de gas en
exactamente dos de las ires muestras?
y= el numerode muestrasque tienecomomaximo 1molecula de gas
104
4.24 Suponga que un proveedor, euya calidad en el pasado ha sido 2% de
unidades defectuosas, entrega Iotes de 300 unidades de productos, de
estes, se selecciona una muestra de 40 unidades lCual es 1a
probabilidad de obtener exaetamente dos unidades defectuosas en la
muestra?
x=numerode unidadesdeectuosas en 1a muestra
p= 0.02 n=40
P(X=2) = exp ( -40*0.02) *( 40*0.02)2 / 2! =0.144
lCUa! es laprobabilidad quese encuentrea 10 mas una defectuosa?
P ( X ~ l ) F exp(-Q.8)* I/O! + exp (-D.8) *O.8/1! =0.449+ 0.3594= 0.808
4.25 Laprobabilidad que un radar descubraun avi6nenemigo es 0.9. Si se
cuenta con5 radares.; Cual esla probabilidadque sean exactamente 4
los que descubran al avi6nenemigo? Supongaque losradarestrabajan
independientemente.
X= numeroderadaresque descubren a! avi6nenemigo
p= probabilidad de descubrir a! avion enemigo =0.9
P( X= 4) =sC
4
*0.9 4 *0.1 :: 0.32805
lCuaI es 1a probabilidad de que por 10 menos uno descubra al avian
enemigo?
P(X ~ 1) =1- P(X =0)= 1- sCo 0.9 0 * 0.15 = 0.9999
~ Cual es el numero esperado de radares que descubren al avion
enemigo?
E(X) =5* 0.9 =4.5
4.26 La tercera parte de las personas que donan sangre en una cliniea son
del grupo 0+. Calcular 1a probabilidad que el segundo donador 0+
sea el cuartoen dollarsangreun dfaespedfico.
X= numero de donadores hasta encontrar el segundo del gropo 0+,
estoes r-=2
P( X=4) =4-1 C 2.1*(1/3) 2 *(2/3) 2 =0.14808
lCu3nm personas se espera examinar para eneontrar cuatro con
sangreO+?
105
Distribuciones deProbabilidad GaitanGaravito
r=4 E(X) =4 / (1/3) = 12
con varianzaV(X) = 4 (2/3) / (1/3)2 = 24
Ydesviaci6n estandar (J = 4.8989
-1.27 Sesenta por ciento de una poblaci6n de consumidores prefieren la
crema dental A. Si se entrevista a un grupo de elios, lcual es la
probabilidad que se tenga que entrevistar exactamente cincopersonas,
antes de encontrar una que prefierela marcaA?
X= Numero de entrevistasque se deben hacer para encontrar uno que
preiera la crema dental A
P(X=5)= 0.4
4
*0.6= 0.01536
lCual es la probabilidad de entrevistar por 10 menos 5 personas para
encontraruna que prefierela marca A?
P(X2.5)= I-P( x < 5) =1-0.6- 0.4*0.6- 0.4
2
*0.6- 0.43 *0.6 =0.0256
4.28 Una maquina corta barras de aluminio con longitud nominal de 11
pulgadas,conla siguientedistribudon de probabilidades.
X <10.5 10.5 >11.8
P(X) 0.25 0.65 0.10
Si se compran 10 de tales barras, lcual es la probabilidad de obtener
exactamente 3 de longitud menor que 10.5y 2 de longitud mayor que
11.,8
X
l=
Numerode barras con longitud < 10.5pulgadas
X
2
= Numero de barras con longitud entre 10.5 y 11.8 pulgadas
X
3=
Numero de barras con longitud mayor que 11.8 pulgadas
P(X
l=3,
X
2=
5, X
3=
2)= [1O!/ (3! 5! 2!)] *0.253 *0.65
5
*0.1
2
=0.04568
4.29 Se tiene un lote de 50 bombillas y se sabe qUi: 5 de estas son
defectuosos, si se extraen cuatro al azar, l cual es la probabilidad que
exactamente 2 esten defectuosas?
X= numero de bombillas defectuosas seleccionadas.
P(X=2) = 5Cz *(Sed :lJC4 = 0.0429
Tambien puede aproximarse esta probabilidad utilizando la
distribuci6n binomial ya que n/N > 0.1
Gaitan Garavito
Distribuciones de Probabilidad
q = Probabilidadde seleccionar una bombilla no defectuosa= 0.9
P(X =2) .. 4C2 *0.12 *0.9
2
=0.0486
4.30 El supervisor de una fabricatiene 3 hombresy 3 mujeres trabajando en
su secci6n y desea elegir dos trabajadores para una tarea especifica.
Decide seleccionarlos al azar. Sea Xla variablealeatoria que define el
numero de mujeres en su selecdon, encuentre la distribuci6n de
probabilidades de la variable X y la distribuci6n de probabilidad
acumuladade X
Rx= {O, 1,2,}
P(X=O) = 3Co *3C2 / 6C2 =1/5
P(X=l) =$C/ 3Cl/ 6Cz =3/5
P(X=2) *3Co / 6Cz =1/5
x P(X) F(X)
o 01/05 01/05
1 03/05 05/04
2 01/05 1
4.31 En15 experimentos que estudian las caracteristicas fotoelectricas de
las celdas 11 usan microelectrodos de metal y 4 microelectrodos de
vidrio. Si dos experimentos son cancelados par razones financieras.
lCual es la probabilidad que solo uno de los que emplean
microelectrodos de vidrio sea cancelado?
X= Niimero de experimentos que usan microelectrodos de vidrio
cancelados
P(X =1) = UCl *4Cl / lSCz =0.419
432 Unavendedora se da cuenta que la probabilidadde una venta en una
entrevista es 0.03. ,Cual es la probabilidad que haga al menos una
venta si tiene 100 entrevistascan posibles compradores ?
X= mnnero de ventas en 100entrevistas
Aproximando a la distribuci6n de Poisson
np= 100*0.03= 0
P(X 1) =1- P(X=O) =1-10
3
*3 a/ O! =1-0.0497= 0.9502
p = Probabilidad de seleccionar una bombilladefectuosa = 0.1
107
106
\l: Prub.:ibiliJad. Gaililil Garavito
4.33 Enunauniversidad se procesan cienmil calificaciones en determinado
semestre, en ocasiones anteriores se ha descubierto que el 0.1 % de
todas las calificaciones estan equivocadas. Si suponemos que una
persona estudio 5 materias, lcual es la probabilidad que las 5
calificaciones scan procesadas correctamcnte?
X= elnumero de califieadones procesadas incorrectamentc
np= 0.001*5 = 0.005
P(X= 0)= e-0.005 0.005 I Ol = 0.995
Otraformaes utilizardireetamente la distribucion binomial
0.001 *0.9995 =0.995
4.:)4 Un tipo de arboles tienen retonos disperses de manera aleatoria sobre
un areaextensacon una densidad de 5 retofios por yarda cuadrada.
Enruentrela probabilidad:
a. Que un guardabosque, al escoger al azar una pord6n de una yarda
cuadrada, no encuentreretonos.
I. =5retonosparyarda cuadrada
P(X =0)= e -5 5 0 I 0 ! =0.00674
b. Al escoger una portion de 3 yardas cuadradas, encuentre mas de
dos retofios.
M =15retonos en tres yardas cuadradas
P(X>2)=1- P(X=O) +P(X =1)+P{X = 2)=
1- e-
151SO
IO! -e-
15
15
1
I 1!- e-
15152
I 2! =1-0.0000387= 0.9999
4.35 Se certifica la calidad de los discos para computadora pasandolos par
un verificador que cuenta e! ntimero de puIsos faltantes. Una
determinadamarea de discos tiene un promedio de 0.1 pulso faltante
por disco.
Calcule la probabilidad:
a Queel siguientediscoen inspeccion no tenga pulses faltantes.
P(X =0)=e-O.
1
0.1
0
IO!= 0.9048
b. EIsiguiente discoque seinspecdona lefaltemas de un pulso,
P(X>1) = 1-P(X=O) - P(X=l)= 1- 0.9048 - 0.09048 =0.00471
c. Ningunode dos discos selecdonadosle faltenpulses
5i los discos son independientes entonces la probabilidad que 1'.0 les
falten pulses es:0.90482 = 0.3186
(iaJ.LiuJUi.!!aVIt(J
Jt::t'iObalJiliiliiJ
4.36 Suponga que Ius llamadas teletouicas llegall a uu conmutador
telefonico a razonde 120 llamadaspar hora.
Cual es la probabilidad que en un periodo de un minuto lleguen entre
1 y 4llamadas
II .. un minute
/..= 120 llamadas par hora
/..5= 2lIamadas par minute
X=ruimerode llamadas en un minute
P(X 1:s,4) =Se-
2
2 x Ix! x=1,2,3,4
P(X s 1s 4)=0.8120
o DISTRIBUCIONES CONTINUAS DE
PROBABILIDAD
o DISTlUBUCI6N UNIFORME
Si Xes una variable aleatoria continua que lorna todos los valores en el
rango [A,B] con fundon de probabilidad:
f(X)=1/(A-B) A:s,X:s,B
EntoncesXtiene una distribuci6n Uniforme
f(>,:)
A
E(X) =(A+B)/2 V(X) =(B-A)2/12 F(X)= (X-A)!(B-A)
Esta distribuci6n representa la analogia de los resultados igualmente
probables en los eventos discretos, en esta, todo subintervalo 'de igual
longitud, identificado en el recorrido de la variable aleatoria, tiene identica
probabilidadde ocurrencia.
108
109
Distribuciones de Probabilidad Gaitan Garavito
EJEMPLO:
4.37. Una persona viaja diariamente en autobus para ir de su casa a su
trabajo, losautobusessalen de la estaci6n a las 7:00, 7:13, 7:20, 7:25 y 7:30 a.m.
y aborda el prirnero tan pronto llega a la estaci6n, la hora en la que esta
persona llegaa la estaciontienela mismaverosimilitud de estar comprendida
entre las 7:10 Ylas 7:30. Laprobabilidad de que deba de esperar menos de 5
minutes en un dia cualquiera, para que salga el autobus, puede determinarse
de la forma siguiente:
SeaXla Variable Aleatoria que denota la hora en que la persona llegaa
]a estacion,
Xes una variablecondistribuci6n uniforme y
f(X) = 1/ (30-10) =1/20 10S X s 30
La persona espera menos de 5 minutes si llega en cualquiera de los
intervalossiguientes:
entre las 7:10 ylas 7:13,
entre las 7:15 y las 7:20 ,
entre las 7:20 Ylas 7-:15,
entre las 7:25 Ylas7:30.
La probabilidad de que espere menos de 5 minutos es igual a la
probabilidadde que lIegueencualquierade los intervalos anteriores.
5
13 30
Estoes: P(lOSX.i.13) +P(15S XS 30) = 1/20 dx +r 1/20 dx=18/20
10 J15
10 15 20 25 30
110
UISU1UUCIOIIts de l'robabilidad ualtAII Garavtu,
o DISTRIBUCION EXPONENCIAL
Se dice que una variable aleatoria continua X que toma todos los
posibles valores no negatives, tiene una distnbuci6n exponencial con
paramctro p, mayor que cero, si su fund6n de densidad de probabilidad esta
dada pOI':
f(X) = (1/ ~ ) e- x]~ x >0
E(X) = P V(X) = P2 F(X) = P(X S XC) =1- e -XO/ ~
f(X)
o x
Una de las propiedades de la distribucion exponencial es que la
variablealeatoria no tiene memoria, esto es, si la vida uti! de un elementoes
una variable con distribuci6n exponencia1, la probabilidad de que dure Y
horas adicionales dado que ya duro Xhoras es igual a la probabilidadde que
dure Y horas, no importando el tiempo que ha transcurrido, en otras
palabras un elemento nuevo no es mejor que uno que ya duro Xhoras.
EJEMPLO:
4.38 Un componente de un equipo electr6nico tiene una vida promedio de 90
horas, suponiendoque el tiempo de vida sigue una distribution exponencial,
la probabilidad de que trabaje100 horas pOI' 10 menoses:
E(X) =90=P
P(X>100) = 1- P(X S 100) = e -10/9 = 0.3292
La distribuci6n exponencial se ha aplicado con ampiitud a diversos
campos, por ejemplo, confiabilidad, teoria de la lineas de espera, y puede
111
UlSITlOUClOllC) de PmbabJ1lO.aii GaitanGaravao
representarla distribuci6ndel tiempo que transcurre hasta que se realiceun
evento, a tambien el volumen, area, longitud, que hay que observar para que
ocurra un evento.
Existe una reladon entre la distribucion exponencial y el proceso de
Poisson. Dado un Proceso de Poisson con paramerro f., si se designara can
cera el momentoen el cual se empieza a observar el proceso y X es el tiempo
que transcurre hasta que ocurre el primer evento, X es una variable aleatoria
distribuidaexponencialmente can P=1 Ifv,
EJEMPLO:
4.39. Suponga que el mimero de accidentes en una fabrica se puede
representar par un proceso de Poisson can promedio 2 accidentes por
semana, la probabilidad que el tiempo entre un accidente y el siguiente sea
mayor de 3 dias se calculade la siguienteforma:
J,= 2 acddentes par semana, entonces p=1/2
El tiempopramedioque transcurre entre un accidente y otro es 1/2 semana
P(X>3/7) = e-2(3/7) = 0.4243
o DISTRIBUOON GAMMA
Se dice que X, una variable aleatoria continua que toma todos los
valores no negativos, tiene una clistribuci6n Gamma si su funci6n de
densidad de probabiJidad esta dada par:
f(X)= [l/{P ar(a)]
donde y II son positives y se conocencomoparametres de la distribuci6ny
I'[ a) es launci6n gamma definida como:
f( a) =Soo x (a-I) e-
x
dx
o
ruanda u =n es un entero, I'( a) =(n-l) !
f( J ) =1 f( 0.5) =1t
iJLSll1UUCIOUt:S de l'WlJaollJ(Ji\(j
GananGaravito
f(X)
o X
XO
F(X)=[11 ar(a) l So X(a-1)e-x/ Pdx
I
E(X) =a p V(X) = ap2
La distribuci6n Gamma frecuentemente se utiliza para modelar
variables aleatorias que por varias razones tienen distribuciones asimetricas,
sesgadasa la derecha, seleccionando adecuadamentelos parametres pya.
EJEMPLO:
4.40. Para un determinado sistemaelectr6nico la vida uti! se consideraramo
una variablealeatoriacan distribuci6n Gammacan p =400Ya =2.
f(X) =[[II (400 2 f( 2)) l X e -x/4<XJ
f(X) = [1/400
2
) Xe -x/4<XJ
Laprobabilidad de que la variableseamayor que 800 es:
P(X> 800) =1 -S (1/400 2) Xe-x/4<XJ dx = 1- 0.593993 = 0.4060
E(X) =400 * 2 =800
V{X) = 2*400
2
= 320000
Una de las aplicaciones de la distribucion Gamma aparece cuando se
estudia la distribuci6n de tiempo ( longitud, volumen, area, etc) necesario
para obtener un numero n especificado de ocurrendas. Par 10 que se le
112
'
1
1
.J
Disrribuciones de Probabilidad Gaitan Garavito
relaciona directamente con el proceso de Poisson al estudiar el tiempo que
transcurrepara que se presente un numero determinadode eventos(n).
Suponga que el tiempo en servir un c1iente es una variable aleatoria
exponencia1 con parametro 0, entonces 13 variable aleatoria T que
corresponde al tiempo total en servir n c1ientes independientes tiene una
distnbuci6n gamma con parametres u = n y p.
EJEMPLO:
4.41. Enuna planta telefonica se estimaque las llamadas llegan a razonde
0.4 por minute, La probabilidadde que transcurranmenos de 6 minutospara
que ingresen 2 llamadas exactamente se calcula aplicando la distribuci6n
Gamma comosigue:
x =Tiempotranscurrido desde el iniciode la observaci6n hasta el ingresode
dos llamadas, n = 2 .
= 1 /1_ =1/0.4 =2.5minutos
a =n =2llamadas
f(X) =[1/252) x e-X/25
P(X 6 ) = s: (1/25
2
) X e -X!25 dx = 0.6916
u DISTRIBUCION DEWEIBULL
Se dice que X, una variable aleatoria continua que toma todos los
valores no negativos tiene una funci6n de densidad Weibull, con parametres
0., 0si:
f(X) =a pX s.r ap(- a. xP) a> 0, 0>0
114
Distribuciones de Probabilidad Gauan Uara'IW,
f(x)
o X
Cambiando los diferentes valores de los parametres se pueden generar
diferentescurvasque modelenvariablesaleatorias en la vida real
F(X) = 1- exp( - x
P
)
E(X) =u -lIP I'( 1+1/0)
VeX) =a [I'( 1+2'P) - I' ( 1+1/0)2]
EJEMPLO:
4.42. Suponga que lavida, en anos, de unabateria es una variablede Weibull
con a.= 1/2 p= 2 I 13 probabilidadde que la baterfa este operandodespues de
dos afioses:
P(X >2) =1- =1- F(x =2) =1- [1- exp(-22 (1/2) )]= e -2 =0.135
EIvalor esperado de la vida de labateria es
E(X) =(1/2) -1/2 r (1+1/2) = 1.2533
u DISTRIBUCION BETA
Una variable aleatoria continua tiene una Distribuci6n de
ProbabilidadesBetasi su funci6nde densidad esta dada por:
f(X) = [f(a. + P)! r (u) r (0 )] X( a -1) (l-X) (P-1)
u>OyP>O
115
Distribuciones de Prooaoiucad GaitanGaravuo
Se caracteriza porque su recorrido tiene limite superior e inferior
finites: 0S.XS.1, por 10 que este modelo se utilizafrecuentemente para las
variablesaleatorias que representan proporciones.
E(X) = (a) / ( a.+ P) V(X)=( a . ~ ) / [ (a + P)2 ( a + P+1)1
f(X
o x
EJEMPLO
4.43. Se determino que el aprovechamiento de un nucleo de computadora,
como una proporcion de la capacidad total, tiene una distribucion de
frecuencias relativas que puede aproximarse mediante una funci6n de
densidad Beta con u= 2 /3 = 4.
La probabilidad de que la proporci6n de nucleoque se utilizaenun momenta
dado seamenor que 0.2es
f(X) '" [[(6) / [[(2) r (4) J] X( 1-X)3
f(X) = 20X (l-XP
O'
P( X<0.2) = 20X(1-X) 3 = 0.2627
S
o DISTRIBUCION NORMAL
La distribudon normal es la distribuci6ncontinua mas importante y se
utilizaen una amplia gama de problemas. Su importancia radiea en que hay
1L.'1 gran numero de variables que se observan en la naturaleza que poseen
una distribudon de frecuencias aproximadamente normal, ademas hay otras
variables que por medio de transformaciones pueden convertirse 0
aproximarse a variablesnormales. Es fundamental en inferencia estadistica
ya que ciertas variables a las que se les van a efectuar pruebas deben estar
distribuidas enformasupuestamente normal.
udLLdJI Ua[dYWJ
lJlsmuUC10fte:i de ProoaolilOil'l
Una variable aleatoria Xtoma todos los valores reales entre '00 y +00
tieneuna distribuci6nnormal si su funcionde densidad de probabilidades:
f(x) '" (1/ [( 211) 0.5 ITI exp( -o.sr(X-j.l)!a]
2
)
Donde j.l y c se denominan parametres de la distribution, -00 < j.l < +00 Y
c > 0, estos parametres corresponden al valor esperado y 1a desviacion
estandar de la variablealeatoria,
f(x)
x
-00 +00
~
Caracteristicas:
La funci6n f (x) descnbe una forma conodda como Campana de Gauss,
concentrandoel area la rededor de la media u,
Essimetricaen tome a la media I-l, debido a ello e1 50% del area esta a la
derechade una perpendicular trazada en lamedia y elSO %restante hacia
laizquierda: P( x <u ) =0.5=P (x>II)
-00 ~ +00
Lamedia la mediana y la moda son iguales
Si se trazan perpendiculares a una distancia de 1cr a partir de la media u
en ambas direcciones el area que encierraes aproximadamentedel 68%
P( ll- c < x < II+ c) = 0.68
117
1]6
x
Distribuciones de Probabilidad GaitanGaravito
x
-00 - cr c +00
Si se trazan perpendiculares a una distancia 20' a partir de la media se
encierraaproximadamente e195% del area.

x

+00
Extendiendose a una distancia de 30' se lograra encerrar
aproximadamente el99.73% del area
p 30' < X < +3 o ) =0.9973
x
-00 l!+3cr +00
La distribud6n Normal esta determinada por los parametros )l y a I
por 10 que se especifica una distribud6n diferente para cada uno de los
posibles valores de estes.

-00

Distribuciones de Probabilidad Gahan Garavito
DISTRlBUCION NORMAL ESTANDAR
Z es una variable normal estandar si tiene media cero y desviadon
estandar uno , =0 , cr =1, su fund6n de densidad de probabilidad es :
f(z) =[1/ (21t) -<1.5 exp( -Z2 / 2)
....... I I I I ...... Z
-00
l! =0
+00
Para calcular probabilidades de ocurrencia de los valores de una
variable aleatoria normal estandar, como en cua1quier variable continua, se
debe encontrar el area bajo la curva que descnbe la funcion de densidad,
siendola fund6n de distribudonacumulada comosigue:
F (Zo) = 1/ (21t) OJ z2/2) dz, j:"exp( -
Yrepresentala probabilidad de que la variable z sea menor a igual a Zoo
F(Zo) =P( z S Zo)
Se hace uso de esta funci6n para calcular las probabilidades en
cualquier otro caso, asi:
p (z > Zo) = I-P( ZSZo)
P ( Zl S ZS zz) = p ( ZS zz) - P ( z s z\)
119
118
Distnouciones de rrooaoiucao Lralt.a.n LraraVlW
Gaitan Garavito
Disrribudones deProbabilidad
Pz> Zo)
Z
+00
-00 Zo
Este procedimiento se hace sencillo al utilizar las tablas de la
distribuci6n NormalEstandar,las cualespresentanlas areasacumuladas para
diversos valores de la variable Z, el lector puede remitirse a referencias
bibliograficas para verificar el procedimiento.
E}E"tvIPLOS:
4..44. SiZ es unavariablealeatoriacon distributionnormalestandar:
A. La probabilidad de que z sea menor 0 igual a 0.5 se calcula:
0.5
Ij(21t)05 5-00 exp(-z2/2)dz =0.695
B. La probabilidad de que Z sea mayor 0 iguala -2.15 se calcula:
P(Z2: -2.15) =1- P(Z <-lIS) = 1- F (Zo =-2.15) =1 - 0.0158 '" 0.9842
C. La probabilidad de que Z se encuentre en el intervalo [ -1.02, 2.05] se
calcu1a:
P ( -1.02 = P(Z - -1.02) =F (Zo= 2.05)- F (Zo= -1.02)
P ( -1.02 s Zs 105) = 0.9798 - 0.1539 '" 0.8259
PROPIEDADES
Cualquier transformaci6n lineal '1', de una variable aleatoria normal X,
sigue teniendo una distribuci6n normal
Si X es una Variable con media 1-1 y desviaci6n estandar a, es decir
varianza cr
2
. Entonces '1' '" A.X +B tieneuna distribuci6n Normal con
media :
A 1-1 +B Yvarianza A 2 o 2
La transforrnaci6n linealZ =(X- 1-1) / a , si la Variable Xes Normal, tiene
una distribuci6nNormal Estandar, conmediaceroy varianza1.
Esta transformaci6n hace que la distribuci6n Normal Estandar sea
primordial en el calculo de las probabilidades de las variables normales en
general, ya que toda variableXcon distribuci6n normal puede representarse
en terminos de una variable Z, con distribuci6n Normal Estandar, siempre
que se conozcanlos parametres media y varianza, esto se consigue con la
transformaci6n lineal a traves de la funci6n Z =(X- 1-1 ) / cr
p (X < Xo ) =p [(X-Il) / o < (Xo -1-1) / c ] =P(Z <20)
EJEMPLO:
4.45. La distanda Xa la que un atleta puede ejecutar un tiro es una variable
aleatoria que se describede acuerdo a una distribuci6n normal con media 50
piesy varianza25pies 2.
A. La probabilidadde que esteatleta efectue un tiroa 55pies 0 mas es:
P (X2:55) =P (Z 2: (55 - 50) /5) =P(Z 2: 1) :: 1- P (Z <1)
=1- 0.8413 =0.1587
B. Laprobabilidadde que un tiro del atleta quede a una distancia entre 50y
60 pieses:
5 s
'"p ( Z s 2)- P ( Z s 0) =0.9772 -D.5 '" 0.4772
Si\ es una variable aleatoria normal con media fri y desviaci6n estandar
cry entonces Y = L Xi: para i =1, 2, 3, 4, 5, ...., n tienen una distribudon
normal con media L; lli y varianza L ai
2
siempre que las variables Xi
seantodas independientes.
121
120
E]EMPLO:
4.46. Tres resistencias se conectan en serie, los valores nominales de dichas
resistencias son10,15, 20ohms respeetivamente, si 1a resistencia de cada una
puede considerarse comouna variablenormal conmedia igual a sus valores
nominales v que cada una tiene una desviaci6n estandar de 0.5 ohm. La
, probabilidad de que la conexi6n tenga una resistencia mayor que 4.5ohmse
calcula de la forma siguiente:
~ >s = resistencia de cada componente i = 1, 2,3
; Y=Xl+ X
2
+ X
3
=resisteneia de la conexi6n
Yes una variablenormal con media 45( 10+15+20) Yvarianza 0.75 ( 3*0.25)
P(Y > 46.59) =P (Z > (46.5 - 45) / 0.866} =P (Z > 1.73) =1- P (Z< 1.73)
=1- 0.9582 =0-0418
TEOREMA DELLUvlITE CENTRAL
Se sefial6 anteriormente que 13 suma de variables independientes y
normalmente distribuidasesta tambiennormalmente distribuida. El Teorema
del Limite Central establece que, bajo condiciones bastantes generales, 1a
variable:
n n n
z., = [L >s - L J.li] / [ E Vi J1f2
i=l i=l i=l
tiene UI"l distribuci6n aproximadamente Normal Estandar, cuando n
aumenta (n =00 ) y donde >s (i =0, I, 2, ..n) son variables aleatorias con
medias y varianzasconocidas.
Radica 13 importanda de este teoremaen 1a tendenciaala Distribuci6n
Normal Estandar de Zn cuando n crece, independiente de 1a distribuci6n
original de X, )' es fundamental en las aplicaciones de inferenc:ia estadistica,
yaque muchosestimadores estan representados por sumas de observaciones
muestrales.
122
E]EMPLO
4.47. AIsumar ruimeros en una computadora, se aproxima cada mimero al
entero mas cercano. Suponiendo que todos los errores son independientes y
distribuidos uniformemente en el intervalo [ -0.5, 0.5]. La probabilidad de
que 1a magnitud del error total al sumar 1500 numeros exceda de 15 es
aproximadamente iguala 0.09 yse caIeu.l6 conel procedimiento siguiente.
E=error total=ES
s= error de aproximaci6n del numero i i = 1,2,3...1500
J.li =[-0.5+. 0.5] / 2=0
Vi= [0.5 -,(-O.5)]
2
/12 = 0.083
I
w:)=o
V(E) = 1500 ( 0.083) = 125
P (E >15)=P (Z > [15 -0] / 11.18)= P (Z > 1.34) =1- 0.9099 =0.09
APROXIMA06N DE LA BINOMIAL A LANORMAL
En el modelo de 1a distribuci6n Binomial cu.ando el mimero de
pruebas de Bernoulli a repetir, n, es grande y 1a probabilidad de exito es
pr6xima a 0.5, 1a distribuci6n de probabilidades de 1a variable aleatoria
"Numerode Exitos enlasn pruebas" presentaun modelosimetrico similaral
de 1a distribuci6n normal y matematicamente puede demostrarse que:
P (A< X< B) tiendea P( ZI < Z < Z0 donde,
ZI =[Xl - np] / (npq) 1(2
Z2 = [ X
2
- np] / ( npq)1(2
Y Xl = A +0.5 , ~ = B- 0.5
EJEMPLO
4.48. Se lanzan 49 monedas legales y X representa el numero de caras que
aparecen,
123
uc i'lUIJ....uH1L41U L..Jtlll.Ull .. "lU,
Disrribuciones at: Prooabilidad GaitanGaravito
Xes unavariablealeatoria Binomial con n -= 49, P"0.5, q=0.5
A. Laprobabilidadde que Xsea a 10 mas28es:
p 28) = P( Z [28.5 - 49*0.5] ! (49"0.5"0-5) 1(2 ) == P(Z s 1.14) = 0.872
B. La probabilidadde qlle Xsea mayor que 20pero menorque 25,
P ( 20<X <25) es igual a:
P ( [20.5 -49*0.5J I (49*O.S*O-5) 1/2 < Z < [24.5 - 49*0.5Jj ( 49*0.5*0-5) 1(2 )
P(-1.14 < Z <0) =0.5- 0.1271 = 0.3729
o PROBLEMAS RESUELTOS DE DISTRIBUCIONES
CONTINUAS
4.49 Cierta fabrica de manufactura requiere de un producto espedfico a
granel, la cantidad de producto que diariarnente utiliza se puede
modelar par una distnbuci6n exponencial con media 4 toneladas, la
probabilidad de que la fabrica utilice mas de 4 toneladas en un dia
determinadoes.
X se define como la variable "toneladas a utilizar en un dia
determinado"
Xtieneuna distribuci6nexponencial con = E(X); 4
P( X> 4) =e-4/4 ; 0.3678
Que cantidad de producto habria que almacenar para que la
probabilidad de agotar existencia sea solamente 0.05
P(X > Xo ) = 0.05 == e -x] =e -X/4
X; 11.98 toneladas.
4.50 Lostiempos de espera de los clientes que pa,san po!, Jacajaregistradora
a la salida de una tienda son variables aleatoriasindependientes. cada
una con media 1.5 minutos y varianza 1 minute, La probabilidad
aproximada de que se puedan atender a 100clientes en menos de dos
horas ( 120 minutos) es:
Sea Yiel tiempode espera del i esimocliente
Sea Xe!tiempo de espera de los laOclientes
X'" L Yi entonces: E (X) = 100"1.5 = 150 YV(X) '"100.. 1 == 100
P(X <120) '" P (2 < (120-150) / 10)==( Z < -3):: 0.0013
4,51 Se colocan 25 Iocos de luz illfral'l'Oji1 ell un invernadero JI' 1.<11 maru-ra
que si falla un foeo se encienda el otro inmediatamente, los foeos
funcionan independientemente y la vida uti! de cada uno es una
variabledistribuida de forma exponencial can media50horas ( =50).
Si no se inspecciona el invernadero durante 1300 horas, despues de
instalar el sistema, la probabilidad de que un foco este encendido al
final de 1300 hora se calculade la forma siguiente:
Xi es la variable"Vida Uti!del foeoi"
Yes la variableTiempode funcionamiento de los25focos, Y= Xi
E(Y) == "SO =1250 V(Y) ; 50
2
" 25; 62500
P( Y2:1300) = P( Z 2:(1300-1250) 12S0 )== P(Z2:0.2) = 0.4207
4.52 La cantidad de cafe en litros, que despacha una maquina vendedora
instalada en la sala de espera de una terminal de autobuses, es una
variable aleatoria que tiene una distribuci6n uniforme f(x) = 1/3
cuando 7 s XS 10
La probabilidad que en determinado diael cafe despachado par esta
maquina sea mas de 7.41litrospero menos 9.51litroses:
P (7.41 < X<9.54) ; (9.51-7.41)" (1/3) = 0.7
4.53 Segun las publicaciones de la revista Epoca, los censosmuestran que el
53% de las viviendas familiares de la ciudad estan ocupadas par 3 0 4
personas. Suponiendo que este porcentaje es valido, La probabilidad
que de 1000 viviendas selecdonadas al azar, par 10 menos 52% esten
ocupadas por 3 0 4 personas es:
X= Numero de viviendas ocupadaspar 3 0 4 personas
Xes una variableBinomial can
n=1000 p =0.53 q'"0.47
Considerando que es valido aplicarIa aproximaci6n a la normal
P(X = P (Z (519.5- 530) 1(1000*0.53*0.47) 1/2) =
P(Z - 0.67) =0.2514
125
124
Distribuciones cit Probabilidaa GaitanGaravito
4.54 EI tiempo requerido para ensamblar una pieza es una variable
aleatoriacon distribuci6n normal conmedia 12.9 minutos y desviaci6n
estandar 2 minutos.
a. La probabilidad que el ensamblado de tal pieza tarde al menos 11.5
minutos es:
= 2) -0.7) = Hl.242=0.758
b. La probabilidad de que el tiempo de ensamblado de la pieza este
entre 11.0 y 14.8minutes es:
P( Xs 14.8) = P((11-12.9)/2 s (14.6 -12.9)/ 2) =
P( Z 0.95) = 0.8289 - 0.1711 = 0.6578
4.55 Supongaque los clientesllegana una cajaa razon de 2 por minuto con
una distribucion de Poisson, calcular al varianza y el promedio de
tiempo que transcurre entre llegadassucesivas de clientes.
Xtiempoque transcurre entre llegadassucesivas de losclientes
E(X) = 1/2 = 0.5minutos
V(X) = 1/4 = 0.25 minutes?
Si a un empleadole lorna3 minutos atender al primer clienteque llega
Lcwil es la probabilidad que por 10 menos un cliente este esperando
cuando termine de atenderlo?
Y=numero de clientesque lleganen el intervalode tres minutos
=I-P(X= 0) =1-e-<i (6) a/O! =0.9975
LCual es la probabilidadde que el siguienteclientellegueantes de que
se terminede atender al primero) = P( X 3) =1- e.<J =0.9975
4.56 Para decidir cuantos representantes para servicio al cliente debe
contratar, una importante empresa de venta de procesadores de texto
estudio el tiempo de reparacion de los mismos. El estudio revelo que
los tiempos de reparadon tienen una distribucion exponencial con
promedio22minutos (p=22minutos)
a. Hallarla probabilidadque el tiempode reparaci6nsea menor que 10
minutosP(X<10) =1- e -10/Tl. = 0.3652
b. El costa de la reparacion es de $50 por cada media hora 0 fraccion.
Cual es la probabilidadde que una reparacioncueste$100.
P( 30 <X 60)= [1- e -ffi/22J - [1- e-
30
/
n
l =e -1.3636. e-
2
.
7272
=
0.2557 - 0.0654 = 0.19029
[26
Distribuciones de Probabiiidad GaitanGaravito
c. Para planear cl programa, lculinto tlempo debe ,lSignarst' a (,hl.1
reparaci6n para que la probabilidad de que cualquier tiempo sea
mayor que el tiempoprogramadosea soloOJ?
T = tiempo programado
P( X>T) = 0.1 =e' T/n entoncesT = -In 0.1 "22 = 50.65 = 51
4.57 Una refinena de azucar tiene 3 plantas de proceso y todas reciben
azucar a graneL La cantidad de azucar que puede procesar una planta
en una hora se puede representar con una distrfbudon exponendal
con promedio 4 toneladas por cada planta. Si las plantas trabajan en
forma independiente, calcule la probabilidad que exactamente 2 de las
3 plantas procesen mas de 4 toneladas en una hora determinada.
X=Cantidad de azucar producida por cada planta
P(X> 4) =e-4/4 =e-
1
= 0.37
Y=Numero de plantasque procesanmas de 4 toneladasen una hora.
P(Y = 2) = 0.37 2 0.63 1: 0.2587
4.58 El tiempo de viaje de camiones que transportan concreto haria una
obra en construccion, esta distribuido uniformementeen un intervale
de 50a 70minutos
Si se sabe que la duradon de un viajefue mayor que 55minutes Lcu.il
es la probabilidadque el viajehaya durado mas de 65minutos?
X= tiempode viajede loscamiones
f(X) = 1/20
P(X >65/ X>55)=P(X > 65) / P(X > 55)= (5/20) / (15/20)= 1/3
4.59 Suponga que X, el tiempo de supervivencia, en minutes, de un raton
machoseleccionado al azar y expuestoa 240 rads de radiadon gamma,
tieneuna distribuci6n Gammacon a. =8 YP= 15.
El tiempo esperado de supervivencia es 8*15= 120
Lavarianza del tiempode supervivenda es 8*152 =1800, por 10 que la
desviadon estandar es42.43
La probabilidad de que el rat6n sobreviva entre 60 y 120 minutos se
determina de la formasiguiente:
f(x) = [1/ [15
8
* 7!1 X7 e -x/15 = 7.74175 E-14(X 7 e -x/15)
r
120
P(60<X<120) =J 7.74175 E-14 (X 7 e -x/15) = 0.496
60
127
Gaitan Garavito Distrioucioues deProbabilidad
GaitinGaravito
Disrribuciones deProbabilidad
Por probabilidad acumuladas P(X < 120) - l'(X < 60) '" 0.5403916
0.05113
4.60 Una variable tiene distribud6n normal con desviacion estandar 21.5.
Hallar la media, si la probabilidad de que la variable tome un valor
menor que 180.5 es0.8849.
P(X < 180.5) = 0.8849 entonces,transformandoa la variable Z,
P(Z< 1.20) '" 0.8849
1.20= (180.5 - Il) / 21.5 entonces J.l = 154.7
4.&1 La cantidadsemanal, que W1a compafiiagasta enmantenimiento, tiene
una dislribuci6n normal con promedio $400 y desviacion estandar $20.
Si el presupuesto para cubrir los gastos de mantenimiento para la
SCIIUIDa siguientees $450 LcuaJ es la probabilidadque los costos reales
seanmayores que la cantidad presupuestada?
P(X> 450) = P(Z > (450400) / 20) '" P(Z> 2.5) =1- 0.9938= 0.006
~ De cuanto debe ser el presupuesto semanal para que tan solo se
rebaseconuna probabilidadde OJ?
P(X > Xo) = OJ '" P(Z > (Xo- 400) / 20)
P(2) 1.28) = 0.1
Z= 1.28 = (Xo - 400) .I 20 entoncesXo es 400 + 25.6 = 425.6
4.62 Supongaque 30instrumentoselectronicos se usan de formasiguiente,
Tan pronto falla D, empieza a funcionar D", ian pronto falle D2
empieza a funcionar Dy .. etc.
Supongaque el tiempo de Ialla de Di es una variable cxponencial con
promedio 10 horas. si T es el tiempo total de operaci6n de los 30
instrumentosLcuaJ e La probabilidad de que Texcedade350horas?
E(TI) = 10 V(Ti) = 100
T= L Ti i =1,2,3,...30
P(T> 350) =P( Z >(350 - 30*10 ) / ( 30*100 )1/2 ,;;, P(Z > 0.9127) =
1- 0.8185 = 0.1814.
4.63 Una aerolinea encuentra que el 5 % de las personas que hacen una
reservaci6n para ciertovuelo no se presentan al aeropuerto.
128
a. Si la aerolinea vende 160 boletos para un vuelo ron 155 .lsienhls
disponibles ,:cuaJ es la probabilidad que todas las personas que se
presenteny tengan una reservacionconsigan unlugar?
155
P( XS 155) = L: 160C x *0.95 x 0.05 160-x
o
Aproximando ala distribucion Normal
E(X) = np = 160*0.95 =152 V(X)= 160*0.95*0.05 = 7.6
rr = 2757
P(X>155) = P(Z <(155.5 -152) / 2.757) = P(Z<1.27) =0.898
LCuaJ. es la probabilidad de que deban venderseal menos 170boletos
para qJe el vuelo sal;;i1 con15) pasajeros?
E(Y) =155/0.95= 163.16
V(Y) =(155*0.05/0.95
2
) = 8.59
P(y 2.170) = P(Z 2.(169.5-163.16) / (8.59) 0.5)
p( Z 2.2.16) = 0.0154
4.64 Losconductoresque se fabricanpara utilizarse en un sistema necesitan
tener una resistencia que vane entre 0.12 y 0.14 ohm. Las resistencias
reales medidas de los conductores que produce la compaiiiaXZtiene
una distribuci6n normal con media 0.13 y desviaci6n estandar 0.005,
ohm. Calcule la probabilidad de que un conductor seleccionado al
azar cumplaconlas especificaciones.
P(0.12 < X<0.14) '" P((0.12-0.13)/0.005 <Z < (0.14-0.13) / 0.005) =
P( -2< Z <2) = 0.9772 - 0.0228= 0.9544
Si se usan 4 de esosconductores en el sistema, Lcu.aI es la probabilidad
de que loscuatrocumplan conlas especificaciones?
p =probabilidad de que WI conductor cumplacon las especificaciones
p =0.9544
X= mimerode conductoresque cumplenconlas especificaciones.
P(X= 4) = P4 = 0.9544
1
= 0.8297
4.65 Una llamada telef6nica Ilega a un conmutador en un tiempo al azar
dentro de un intervale de 1 rninuto. El conmutador estuvo ocupado
durante los 15segundos finales en eseperiodo.
1:29
Distribuciones de Probabilidad
Gaitan Garavito
Cakule la probabilidad de que la llamada llegara cuando el
conmutador no estabaocupado.
x= tiempo, en segundos, en 1.'1 que llega la Hamada
o<X::;.60
f(x) =1/60 a =0 b =60
P( 0 < X<45) =45/60 = 0.75
4.66 Enunarona de los Estados Unidos, se puede modeler la magnitud de
los terremotos mediante una clistribuci6n exponencia1 cuyo promedio
es de 2.4grados en la escala Richter. Calcu1ar laprobabilidad que 1.'1
siguiente temblor que se presenteenesa zonasea entre 2y 3 grados en
laesca1a Richter
P=2.4
f(x) = (1/2.4) *e-
x
/ 2.4
P( 2 ::;. X :s.3) =(1- I.' .3/24). (1- I.' -2/24) =(1- I.' -1.24) - (1- 1.'.0.833) =
0.7135 - 0.5654 =0.1481
4.67 Las descomposturas de un robot industrialsiguen una distribuci6n de
Poisson can promedio 0.5 descomposturas por dia ( 8 horas de
trabajo). Sise pone en servido esterobot al principio del dia , calcule la
probabilidad de que:
a Nose descomponga durante el dfa
X= numero de descomposturas por dia
P(x'" 0) = I.' 05 =0.6065
b. Trabaje par 10 menos4horas antesde la primeradescompostura
t= tiempoque transcurrehasta la primeradescompostura
}.. = 0,0625 descomposturas por hora
p=1/ 0.0625 = 16horas
P(t> 4h) = I.' -4/16 = e-0.25 = 0.778
4.68 La proporci6n del tiempo por ilia que todas lascajas registradores de
un supermereado se encuentranocupadases una variable aleatoriaY
con clistribuci6n Beta, y parametres a = 3 P = 5, determine la
probabilidad queYsea mayor que0.7
r (a+ / (f(a) [(P) = [(8) / ([(3) [( 5))= 105
f (Y) = 105 Y2 ( 1-y) 4
Distnouciones de rrooaoinuao LJauau LJaravno
P(y >0.7) =r f(y) dy =0.02879
0.7
4.69 mtiempo para que ocurru una falla, en horus, CII d rodamiento de un
ejemecanico se modelasatisfactoriamente como una variable Weibull,
conparametres p'" O.S Ya '" 0.014142
Determine el tiempopromediopara que ocurrauna falla
E(X) = 0.014142 -2 T[ 1+2)= 5000.0959 *2! =10000.19 horas
Determine la probabilidad de que el rodamiento dure por 10 menos
6000horas .
P( X 6000) =1- P(X< 6000) =
P ( X< 6000) 1- exp(- 0.014142(6000) 05) =1-0.3344 =0.6656
P( X> 6000 ) = 1 - 0.6656 = 0.3344
4.70 Supongaque 1.'1 tiempoen horas que toma reparar una bomba de agua
es una variable aleatoria Xcon clistribuci6n Gammacona=2 y P=1/2.
lCUa! es la probabilidad de que el siguiente servicio tome cuando
muchouna hora?
f( X) =(1/ ( 0.52 r (2) )) x 21 I.' .2x = 4xI.' .1.
J
1
P(X s 1 ) = 0 4x I.' .2x '" 0.59394
l Cual es la probabilidad de que al menosse requierandos horas para
reparar la maquina?
2
=1- J4xe-
2x
= 1-4*027715 =
o
1- 0.90842 =0.09158
4.71 De los clientesque entran a una exposici6n de equipos estereo, solo 1.'1
30% compra. Si en una manana entran 40 clientes, l cual es la
probabilidadque por 10 menos 15hayancomprado?
P(X>15) =P( Z> (14.5 - 40*0.3) / (40 *0.3*0.7)05 = P(Z>0.8625) =
1- 0.8051= 0.1949
4.72 Si 1.'1 numero de llamadas telefonicas que entran a una central de un
edificio de oficinas es de 4 por minuto, en promedio. Cakule la
131
130
uc J.'IUU..tLJULLklu
Distribuciones de Probabilidad Gaitan Garavito
prababilidad que lleguenmenos de 1900 llamadas en un dia de trabajo
de Shoras.
8 horas=480minutos
1..5 =4 ..-!..'lO '" 1920 llamadaspor dia de trabajo
P(X < 1900) = P{Z < (1899.5 -1920) I (1920).5 '" P(Z< - 0.47) = 0.31921
o PROBLEMAS PROPUESTOS
4.73 Los registros hospitalarios de una ciudad han establecido que cierta
enfermedad A la padeceun 2por millar de toda la pobladon cada ano.
En un barrio se calcula que vivan 10000 personas. Determine que
numero de casos de la enfermedad se espera por afio en el barrio. L
Que probabilidad hay de que en un afro se presenten mas de 4 casos?
R: 20, 0.99998
4.74 Se selecdona aleatoriamente un punto sabre el intervalo [0,10], LCuM
eslaprobabilidad de que el puntose encuentre entre 1.5y 3.5 ? R:0.2
4.75 El tiempo transcurrido hastalafallapara un cinescopio de television se
estima que se distribuye exponencialmente con media de 3 anos, Una
compafiia ofrece un segura para este cinescopio para los primeros 5
anos de usa. , Que porcentaje de la polizas tendra que pagar por
redamadones? R:O.811
4.76 La resistenda a la rotura en Newtons de una tela sinteticase denota
mediante X y se distribuye de acuerdo a la Normal con media 800 y
varianza 144. El comprador de la tela exige quaesta tenga una
resistencia de al menos772 N. LCual es la probabilidad, que al prabar
una muestra de tela, cumpla con las exigencias del comprador.
R:0.9812
4.77 Un establecimiento ha observadoque los vehiculos permanecenen el
45 minutos en promeciio. LCual es la probabilidad de que un vehiculo
seleccionada al azar permanezca a 10 sumo 30minutes? R:0.4866
4.78 Lacaptura diaria de un pescador de langostases el total Yde libras de
langostas capturadas en un numero fijo de trampas. Si la captura
media por trarnpa es de 30 libras con una desviacion estandar de 5
librasy si el pescador tiene50trampas LQue probabilidad hay de que
el pescadorpesque mas de 1450 libras de langostaen un dia?
R:O.9207
4.79 De censos anteriores se sabe que en derta ciudad e1 65% la poblacion
son fumadores, este anoscvana entrevistar solamente 100 pobladores.
L Cual es la probabilidad de que menos de 80 sean fumadores?
R:0.9983
4.80 TIl encargado de bodega de un almacen coloca piezas en una
plataforma para transportada a 13 sala de ventas. Cada pieza pesa 0.5
Iibras con una desviacion estandar de 0.05 libras. El peso maximo que
soporta la plataformaes de 200 libras.Si secarga la plataforma can 395
piezas que probabilidad hay que excedae1 pesomaximo? R: 0.0059
4.81 Los niveles maximos de inundadon, en millones de pies cubkos por
segundo,'de determinadonos, tiene una distribucion de Weibull, con
b =1.5Ya '" 1.667. Estimarla probabilidadde que e1 nivel maximo de
inundadon para el afio proximoseamayor que 0.5. R:0.5547
4.82 Una universidad espera redbir para el siguiente ano escolar 16000
solicitudesde ingresoal primer afio de Iicendatura., Sesupone que las
calificaciones obtenidas por los aspirantes en la prueba SAT se puede
modelar de manera adecuada por Ia distribudon Normal con media
950 y desviacion estandar 100. Si la universidad decide admitir al25%
de todos los aspirantes que tengan las calificaciones mas altas en la
prueba SAT, un estudiante que tienen una calificacion de 965 L tiene 1a
oportunidad de ser admitido? R: no
4.83 Cierta fabrica de manufactura requiere de un producto espedfico a
granel, la cantidad de producto a utilizar se puede modelar por una
distribucion exponendal con media 4 toneladas. ,Que cantidad de
producto habna que almacenar para que la probabilidad de agotar
existendas seasolamente de 0.05? R: 11.98
4.84 En una feria se debe pagar 25centavospor partidpar en un juegoque
consiste en tirar 0005. Se dan tres anillosa una persona la cual trata
de lanzarlosuno a uno hada una clavija. Se cia un premio de $0.50 si
logra ensartar un anillo, si Iograensartar dos eI premio es de $1.00 y si
se ensartan tres el premio es de $5.00. Suponiendo que la probabilidad
de ensartar es constante encada tiro yes igual a 0.1, ,cuMes el premio
esperado del juego? R: -$0.02875
4.85 Suponga que cada una de las llamadas que hace una persona a una
estaci6nde radio muy popular tiene una prababilidad de 0.02 de que
la linea no egte ocupada. Suponga que las llamadas son
independientes.
133
132
a. lCuaI es la probabilidad de que la primera llamada que entre sea la
decima que realiza lapersona?
b. lCuaI es la probabilidad de que sea necesario llamar mas de cinco
veces para hallardesocupadalalineas?
c. lCwU es el numero promedio de llamadas que deben hacerse para
hallar desocupada la linea?
R:0.01667,O.0957,50
4.86 La Colorado Power Company proporciona tarifas mas bajas a los
clientes que prefieren las horas de menos consumo. El 30 % de sus
clientes aprovecha estos ahorros. El departamento de servicio a
clientes ha elegido a 12 clientes a1 azar para que participen en un
grupo de interes para discutir a que horas se produce el mayor
consumo de energta. AI departamentode supervisi6nlepreocupa que
el grupo contenga una gran proporci6nde usuaries que prefieran las
tarifas bajas,
a lCu.iI. es la probabilidad de obtenermenosde tres usuarios de tarifa
bajaen el grupo de interes?
b. lCual es la probabilidad de obtener menos de ocho clientes
normales en el grupo de interes?
c. Calcule la media y la desviaci6n estandar para los usuarios de la
tarifa bajaenel grupo de interes,
R: 0.253, 0.275, 3.6
4.87 El senor Heath es responsable de la compara de cajas de vino para el
restaurante Casa Blanca. Peri6dicamente eligeunacajade prueba (12
botellas ) para determinar si el proceso de sellado es adecuado. Para
esta prueba selecciona a1 azar cuatro botellas de la caja para catar el
vino. Si una cajacontiene dos botelias de vino en mal estado, lcuAl es
la probabilidad de que precisamente una de elias aparezca en la
muestra? R: 0.485
4.88 El consejo de desarrollo econ6mico de Knoxville ha determinado que
el numero de pequenos negocios quese dec1ara en quiebraa1 mes tiene
una distribuci6n de Poissonconmedia 2.6. Calcu1e la probabilidad de
que:
a Ningunose declareen quiebrael mes proximo
b. Ocurranmenos de tres bancarrotas en el sigcientemeso
c. Ocurrandos bancarrotas durante losdos proximos meses,
R: 0.0743, 0.5184, 0.0746
APENDICE 1
SOLUCI6N DE PROBLEMAS CON
AYUDA DE LAS FUNCIONES DE EXCEL
En esteapendice;'!le ilustra el uso de la hoja electr6nica Excel y sus
funciones estadisticas, utiles para resolver problemas relacionados con
distribuciones de probabilidad.
Es pertinente recordar al lector, familiarizado con Excel, que para
utilizar estas funciones debe ingresar a la hoja electr6nica, pulsar en X, y en
el cuadro queIaparece seleccionar "Estadisticas", de forma automatica se
listaran todas las opciones disponibles en la columna "Nombre de la
funci6n", en eselistado debera sefia1ar Ia funcibn deseada,
EE,MicrosoftExcel'. Libr0'1 i.... ".,.. :':'. ', ... ,':' .' .... "., .:.' '\"':;:::'";,,,:c
JII "'eliva y", In=tar Eorm.tD l:\elTamientas Dat;as Y"Iltana I
j D Iiii Il.
AS ;IX '" -1
A ..,.......
B=
----l
2 ..----
f
" ;
5 =
Qltegorio de Ia tUnci6n: tpnbre dl<1a funo6n:
Usad""recentemente DIST.WEI!lUll
B i I I I
6
7 Fechay hora
a Matemiltic.as ..,mconorremces

9
10 I Ease de d.1l>o
--=1 T7"!D
12 - LOgIcas DlSTR.GAMMA.IJW
.. _. ._ Inform"""" ..::J DlSTR.l1IPBl.GEOM
..::J

15 1-.----t Oevuelvee!menorvalorcuya distnbuoOO biromiaIllClJmlJolMl esIMy<lI' 0

[ _w I 1-:
1 L __ . .....
Para la presentaci6n del uso de las funciones se tomaron los ejemplos
incluidosen el capitulo4, facilitando de esta forma la interpretacion de los
resultados mostrados por el software, por 10 que ellector puede referirse a1
capitulosenaladopara recordar el procedimiento de solucionanalitico.

DlSTR.B!J'.)M
-_.
DISTR.OiI
I
----! DlSTR.EXP
DlSTRr
._---;
DlSTRr .IN'"
DlSTR.GAI+IA
134
135
Aplicaciones ron Excel
uauan uaraVllO
. I' ...... >VI
,""'v'" H
"
_2_ : i
J I 0., ,
-'4 l 0.1
--5--, 01
_..6.. 0.1 _
I 7 '. _Q_.1_ I
o a.l
_9 0._1 __ i I

DISTRIBUCIONES DISCRETAS DE
PROBABILIDAD
o DISTRIBUOON UNIFORME DISCRETA
Ejemplo 4.1
Para un mimero de loteria premiado, se selecciona el valor del premio
mediante la selecci6n de una etiqueta al azar de una caja que contiene 10
numeradas dell al 10,el valorde la etiqueta es la cantidad de quetzales que
corresponden al premio.
LCual es la probabilidad quegane al menoscuatro quetzales?
Probabilidad acumulada: P(X 4) =P(X=1)+P(X=2) +P(X=3) +P(X=4) =0.4
) APUCA06N DE LAFUNOON "PROBABIUDAD" deExcel
Deoueioe la probabilidad de que los valores de un rango se encueniren entre dos
limites 0 sean iguales aWi limite inferior.
E>:P !.TX,JI., =PROllABIUDADiBO:B15,CS:C15.1.C111
H
1 ,AI B I c t-_
J
_ ...
l,il i ,\ I "j
i 2 i iJJS1"RSJCION UNIFORME - iri'RWoB"...JI),//)------ ' -- ,
, 3 DIOOA j = {l\Z\l\'l\5\l\7',I\9\ll I
. I x' PiX! I
f
it - . : -I ,] {O.l\:!.l'/l.l\J.l'IJ.l\ \
16'1" _.-Ci 0.1 j .1 I
v Lm "'l1 lc17 j . 1
1
=
t


l"'/iwn
rera
.
c
1._

I 1!<1ta- J CaroJ" I
--'
t-----;---_---- =----==
,Cual esla probabilidad de que gane entre2y 7quetzales?
Probabilidad deunsuceso: P(2.s: X 7) '"0.6
[ __ x
!A! B I c IDE : F ! G , H I J
I
'L I ____
'
____, __ ___...
j j. [L:
4 x I ,L
5 r----- {II.l'D.l'C.lll.l\1JI 'I:
6_ 1 i 0.1 tiInito_mfIC19 jj .2P
7 2! 0.1 llriloSLll/aJ 'd.7 :L
8 __ Q.l - - h
"fn+- -
T
-j,----- 4
= 0.6
__
, <J." '",....... .., III ''"9l so """"'Ir<ll <nte""iIms0 ""'" i).J.s
11 ! 6 -rr- I 0.1 IIIIl/illitei1i<rJclf.
'12 7 - I 0.1 __
13 _ 1 -
15d"""" II! YlIicns runirm!II! Xemae e a.rhay
14 9 j 0,1
15 _JO__ FI'
lG i :
,17 xn. I --4 '
bs-,I !?II . , I _ I Gn:l"3 1(
119 Xi : 2 C
-,-----1-- , .
" I " __' _
21 15C19,C20) --I i '
i I
o DISTRIBUCION BINorvrrAL
Ejempl04.2
Se Ianzan 6 monedas legales, sea X la variable aleatoria que representa en
numero decaras queaparecen en losseis lanzamientos.
L(mil esla probabilidad deque aparezcan como maximo euatrocaras?
Distribuci6n acumulada: P (X =0.8906
) APUCACI6N DE U\ FUNOON "DISlRBINOM" de Excel
Devuelve la probabilidad de una variable aleatoria discreta siguiendo una
distribuci6n Binomial.
137
136
Aplicsciones conExcel UaiUl1l Garuviio
ElP I'" X .JI.I =D1STR.BINOM(C7.C4,C5.VRDAOERO)
iAi B I C -,
1 i :
i,',DtSTRIBUCION BINOMIAl rD!S1R.BIIO< s-
-!.l_ ..__ 6 EMaVOOlC4 5l.
6
_:__3 5 Pnll'-..... jcs .0,5 1_
6, Q ' 0,5 AaJaulodo II"iRDAOOlO j . 'IElDAlElO I ..
Xo(nilmero:
7 I d"to)' 4 .OJl'J0625
I eeXI S .... doiJlbooOnb<m>.1l,
.u. P(X<=Xo) I)ADERO) pr ,
9 i P(X=Xo) . 0.234375
f
Bbn_Cxim
10i CRJTERlO BINOMIAL
11 ! P(X<= Y): 0.5
12! Y i 3
f

RaJIoOO Ii< itrm.io 0.8'Di25 I I;;eow I" Col",", It
151 i
16t :
--i--->
lCuaJ. esla probabilidad que aparezcanexactamente cuatrocaras?
Probabilidad puntual: P(X=4) ==.2343
1 . J'" Vl-I-ut..lr...v-I....UR'\\o.I\........ ........ JVr
W-W-. i c I D -j-i---+=W-.. _l!-J--.
11'" ; i , I '
1--2....+- Ql.SlRlBUCION BINOMIAL i " I
3 i I -.-Iei j .4
4! n(ensayos) i 6 i Easoro51c4 j . 6 I
5 I p : 0.5 I PnlO
6liIo
1cs j .0,5 !:
6! Q 05 ! -\fALSO jj = FALSO I.
! Xo(ruimero, ' ,
: . i c O.lJi37S
7: deexms} 4 _
8! P(X<=)(0) 0.890025
9J P(X=Xo) IS,FALSO}
10; CRITERia BINOMIAL ...._Cxm ".rirnfrodeOiilll",.'ensayos.
11 ! P(X<= YJ 0.5 L
112! Y , 3 [
13 t I'
I t
!l5
I +- ..
i 16
138
J\jJ1Il.':JJI,,,IUHClj cuu uxcc: IJI1.lAJ-lls,"1laIlHJ
lCUiil es el valor de lavariable quetieneun valor de probabilidad acumulada
mayor 0 iguala 0.5?
Valor de la variable que tiene un valor de probabilidad acumuladamayor 0
igualal especificado: P( Xsy)=0.5. Elvalor quecorresponde aYes 3.
APUCA06N DELA FUNo6N "BINOM.CRIT" de Excel
Deoudoe el menor valor cuya distribuci6n binomial acu.mlliativa es mayor 0 iglla/ i1
unvalor de criteria..
EXP !I X "[;'1 =BINOU,CRlTIC4,C5,CII)
F G H
-GJ B i' c I 0 -I. E
Jj_1 I I I
1.1 DIS1RIBUCION INOM IBWI.QlIT- Ii
31 I
- n(ensayOs)T--- 6 L:Pnlb-ewlcs j = 0.5
:r
r
51 P --- I 0.5 Ali lell 0.5
it
.. -_ ...,--+-_......:::"1--j
!.+ q __1 0.5 = 3
Jr
I Xo(numero I 0."",,, eI ""'" ,alawya ds'otwi1 brouaioomJall,,,.,.,.,.,,... r;.a"'" L.mi:r oe =.
f
7: deemos)! 4
r
8 I p(x<=Xoll"o890025
L
Ea5alU' ".Mer. deensilYf'l tkfelwi.
91-P(X=Xo) -T 0.234375
---1- .,,-- -----------'--
10 I CRITERIO BINOMIAL
111
121 y'----- I.C5,C11) -, !
13r-1 i , R&llalldeafOmUal I I C>'xm I:
141'-'---1- ! r
15 l ....: .. _
o DISTRIBUCION BINOMIAL NEGATIVA
Ejempl04.3
Suponga que una compailia que fabrica transistores, segUn su experiencia,
considera que la probabilidad de que cualquiera de los transistores
producidos estedefectuoso es1 %.
lCuaJ. es la probabilidad de tenerqueexaminar 5 transistores para encontrar 3
enbuenas condidones?
Distribuci6n de probabilidad puntual: P( X=5) = 0.00058
139
;. APLICAOON DE LA FUNCION "NEGBINO:NIDIST" de Excel
Deouehx la distribuciOn de probabilidad Binomial Negativa.
oj:. ----'--- ----' ..C_"_"
,A' B C JOE! FiG 1 H !
-
1
2 ! __

4!
1
_. _.
-- '._.._-"'-"
J"i-llllil";'ONPASCAl
___ [ IlimJ""""'!Cl
2
r . l' em..j jJ,3
oJ I] _ G
13::' l--
IAcepiarJ Csalar
15; : . "
161: - - ! ! !
1----+---,-----
5i p 0.99
!
P!obj:lilIlcl
j,0.99
61q 0.01
-
-H--
Xo : 5
O.llXlllll1?l
tin.
00i:0000 imIBrforna, Ia I'obabidad I;1W11ri>'M_fooso! Miel aoe
81
91
No..' 3
10\
,
.... _fraGlsos
111
PtX=Xo) Ica,C9,C5)
12 \ 1
:
-+-i
D DISTRIBUo6N GEOMETRICA
Ejemplo4.4
Hallar laprobabilidad que en lanzamientos sucesivos de un dado resulte un 2
por primeravez enel quinto lanzamiento.
Distribucion de probabilidad Puntual: P ( Y= 5 ) = =0.08037
Se recuerda que la distribucion Geometrica es un caso especial de la distribuci6n
Binomial Negativa, cuando r = I,
.,. APUCAOON DELAFUNCrON "NEGBINO:NIDIST" de Excel
Deoueioe fa distribucion. de probabilidad Binomial Negativa.
140
"_' _
I

l
I
I
i
I
'I
r=

oJl;]
__.j A i B_. I c I 0 --.l L.
431' Ii!
44F.
t
- - - -- i -----r------j-------
-45' ..... DIS1RIBUCION GEOMETRICP - riEGlllNOOIST - - ..
.i
43 I q ; 0.83333 i Prob_OxilD Ic'\1l
4'9[--'Xo---.---s i
---- -.-.------.
F ..L. __!i __ .;__ .
... -;-_.-_. -1------- -.-........
.
i : :1
ill . a.)Ii.uw" ,:
:

__ .i i
.ill.__ 1 ""'.bn:i, Oltl\l'OOUi"t'II<U1O=. I..
52 i ' I
150,C51,C47) , Pnlb_ailo L
54 I Ii:

561 : :
}it=-l ..
I
I I Cn:V l[
581: i : I
---==--i----+-----, : T
59 i I i i,
D DISTRIBU06N HIPERGEOMErRICA
Ejemplo4.6
De 20 aspirantes a una beca, 12son guatemaltecos (A) y los demas de otros
paises de Centro America ( Ac). Si se seleccionan al azar 6apirantesa la beca,
lCUa! esla probabilidad de que exactamentE: dossean Guatemaltecos (A)?
Distribud6nde probabilidad puntual: P ( X=2)=0.1191
.,. APUCAOON DE LA FUNOON "DISTR.HIPERGEOM" de
Excel
Deoueioe la probabilidad de una variable aleataria discreia siguiendo una
distribucion Hipergeomimca.
141
(OU \".J"ulo......lu"u.JvlhJ 'I) .I ..... l .. .. '"-''' ","' ,
EtJl 11 X,Jj";f=D1STR.HIPERGEOMlC8,C7,C5,C4)
i AI B I c 1 D E
n
!
DIS1RIBUCION
I
:?i
HIPERGEOME1RlCA
I,.


4

l7,C5,C4)
R"uloiooliela fOOIlJa C.:J9195O-16 I ""PI>' I I,.
, ,
--1 ...-' __
o DIS1RIBUCrON DE POISSON
Ejemp104.8
Los clientes en un supermercado se forman en la caja a raz6n de 4 por
minute,
La probabilidad de que ningtin cliente se forme en la cola en cualquier
periodo de 30 segundos se calcula como la distribudon de probabilidad
puntual,
P (X = 0) = 0.1353
APLICACION DELA FUNCION "POISSON" deExcel
Devuelve fa distribucion dePoisson
15i __ '_
-'-EtJl -I x,,1.1 . . -
__B_.=1- c I E-I F !
1: I . i ---r----:--'
G I H : I
1 ----.---.
.... =
[IT
I _EI..TRIBUCION DE xle
3 I Lambda ! 4 I
41-Xo---I--0 'fledialco
T:= AalaWdo IFILSO
m- Lambda' 2
ur P(X-;-Xa)" - 16 FALSO) ..Deludvolail*tuil,,,IoP<ilsoo.
8: P(X<=Xo) i 0.12533528
!
!---!_
__j l -l-
P.P
2! 1 1
13, L i H I?1I
f-
L
I
r-
i
I_
L

i
s- 0
..,
j.1
11 .

TiT-,_=- . Wt>llclebfinWO.lli1lS2fJ 1'= I u= I[
--r, i L-_-,--_----, ------,-----'
Laprobabilidad de que a 10 mas un clientese formeen lacolaen cualquier
periodode 30segundosse calculacomola distribudon de probabilidad
acumulada: P (X 0) =0.1353
EiI'
E G I H
1!
iA
:!
r
ISSON
DE
xrcr- 3/. a
__ J:B_mbdB-----1-.- "4 i
flediala; !j.;
!!__O .
............ j\SlDAL'iRO
--..:i_
Lambda' S(MediaJ 2 : O.!J5i>.'\'SJ
..__I0.135335281
8 I P(X<=Xo) . -bADERO)
1J i J i
c-
x
10 i--:--------r-----i
-
liT---,
:1
-131--------1 '
1
I lam! I C<rcir I
m-==---1--'-t .---..J(
12L..L-----l i '----,----,------------'
142 143

.,

::.:
,"- DISTRIBUCIONES CONTINUAS DE
,-
PROBABILIDAD
1

I
:'

u DlS1RIBUOON EXPONENOAL
m

i

Ejemplo 4.38

Un componente de un equipo electr6nico tiene una vida promedio de 90

horas;el tiempo de vida sigue una distribuci6n exponencial.


tl
(1
LCu.aI es la probabilidadque el componente trabaje a 10 mas100horas?

X=tiempode vida del componente
P( X.::: 100) = 0.6708
I".'

I
,.. APUCAOON DE LAFUNOON "DISTR.EXP" de Excel
Devuelve la prooabilidad de una variable continua siguiendo una distribuci6n
Exponencial.
I
.:11

E\" -:i X"Jr., =OIS11liXPp,cr,VERlJADEROI

I 1 A: Bel 0 j F G H

, , ,
k
, : . .!;ilrSTiLflP
;-y;--,------,----. - ---""1f
;.
1/.JOO
1
Xes dviIJr de lain, III MetOIlO negawo, r
! 9; ; , L
J'
i10 !. . . "
1111: : : ;
I' ,
.,
j,
- .---;.- -.'I
F
RelJtlJo de fii1ni3 .O.6iUlmll I AcW I Cmlr I"
f; 113i , . - i -e ....!_ '..
:14, '. _..,.' _
I IJ'

i
u&D!ldl /C6 j .
DlSTRiBUCION I
I
AaJmjYilllJAOOlO \!JlJJADIllD
Beta i 90: ,
'--
LamDda: 0.01111111' .0.6Jll10j1J1l
Xo ; 100'
. , . I l;sECl.liiXll15ubils
,p(xeXo) I)ADERO) I pa-a
o DISTRIBUOON GAMMA
Ejemplo 4.40:
Para un determinado sistema electr6nico la vida util se consideracomo una
variable aleatoria con distribuci6n Gammacon =400 a.=2
LCwi! esla probabilidad dequelavariable seamenor0 igualque800?
X= vida util del sistema
P( X< 800) =0.5939
APUCAOONDELAFUNOON"DISIRGAMMA" de Excel
Devuelve la de una variable a1eatoria siguiendo una distribucion
Gamma.
I ElJl 1.:-.1 XJI.I =OISTRGAIdMAlOl,08,CJ7,VEHIlADEROI
A BiC[DjEiFIG H
. I
,"1," I
Xes ,-.II;/ 'IEil!le..u a,:iuiiwu;"'t '"
I'f\lil."',
I A:= I "'= I
L CuM es el valor de la variable al que le corresponde una probabilidad
acumulada de 0.6?
P(X::: Xo) =0.6 entonces Xo.= 808.92
APUCAOONDELAFUNOON "DISIRGAMMAlNV"de Excel
Devuelve para una probabilidad dada el valor de la variable aleatoria siguiendo una
distribuci6n Gamma.
Ii'
!il
l!t


n'



..
'"
:3:
r-:--;
!4:
! 5:
i 6 :
i 7;
,.
raJ
144 145
I
.. -- ... ....;,,1!- ...... 1V"' ... --'1 J'eI .. 'n.I.;::"<'V 'I) ...
, ,
'j
.. ..." ..
__ E'FiG HLI
52
1
' 'i 'I
::
J)I,,TRlBUCION i Prob Ics:i :il 0.6 !.
-- BeiS- --400:'-"-- i oil,\C!' 51 . 1 i
id'I(55 . iJ i
"j;
157 i p(xcXO); 0.6' BOII.9ZlZl15
;;
t5B XO--' C56.C55) .---
I59 : ' . 1llIIUati","P .Q,>rR.GIJ,i.\H,....I, ...I,.
,:

m

OO !
; omO,ln:lJsjo,.

; EY.ponenciai es un c.aso espeoal de I

61 ! Gamma con A1fa=1 LI

tw=, , ; R"';:a<iJ/eIafim.i.a.BOII.9J I I car.:e.r j _
I
H -,----,.._----- - ..._"- ..,...--_.__ ..,_._----,.._._ ..-_..
;1 ..



o DISTRIBUo6N VvBBULL
-6
S
,.,
o
Ejemplo 4.42
i

Suponga que la vida en anos de UIUl bateria es una variable Weibull can

<
a=1/2y =2

i,CuiI esla probabilidad que la bateria durea 10 mas 2 afios? PC XS 2)= 0.8646
1

t
1,
.,. APUCAOONDELAFUNOON "DISTWEIBULL" de Excel
f
f Deoueioe la probabilidlld de unavariable aleatoria siguiendo ladistrilmci6n Weibull

t'
1,
t.
r
EX? r;rx-": =i =DlST:wBBuLLlCS.C5,C8.vERDADEROl----------
. A B I c I 0 =:I_.....E_J__F_.l-G H r.,.'
1; 11_r.lc:T\j ............
\;
" ....Q!S]:!{IBUCION WEIBU.I:!- !_....=..... j .2 I[ ;
" f,;
_3-.;..._ AIf_a---i- 05 : Alales .:Il 2 I
_'!.J. B:ta --'- ,J I, Ileb IQl 5l L'14llJlO2 t,
_5__ Alia excel::Beta ! Aall""ladol,BIDI6l0 j . VERDADEIlO I
6 'Valla i ..--..
7- 1,-beta----;---05 . 0.$'064717
--1-' ----;----.- ,.
, 'Pinlo=ousoda.
&eta excel =ralZ!
8' &eta oe(1falfa) : 1.41421355 Xese1 ..u ai esee e-"ciIar lafwcon, lJl.rUwo 110 negativo.
T . X;-------- 2
10C prx<=xo) )AOEROj
11
12
R5UtlOO'" Ia fim.c .0.S6'l564717
13 ,-_------;-..
14----- Jl.::::::.... ----_.-- ---_.. _
146
CI DISTRIBUCION BETA
Ejemplo 4.43
Se determine que el uprovechamicnto de un I1llc:!I:O de computador,
definido como una proporci6n de la capacidad total utilizada, tiene una
distribuci6n de frecuencias relativas que puede aproximarse mediante una
fundon de densidad Betacon a =2 YP= 4.
LCuM es la probabilidadde que la proporciondel nucleoque se utilizaen un
momento dado sea menorque 0.2?
p ( X<0.2) =0.2627
} APUCAOONDELAFUNOON"DI5IRBETA" de Excel
Devuelve ladistribuci6n de probabilidad Beta acumulada.
I
ElY : X"I.i
0J. B_. CD. E c. F G I H L__ I
1 I ; rlll511l.IIETA I
.._ __.. II xIcs j .01
1 3 AlIa , 2 Ahlo 'I'l.l I
'
41-
Beta----i-----4 i - c; -'"' = I
rn- Xo---:---02 i j t AI
:'...L. ...-----.---- I j.
6 .! I
. -._-;------ I BI j =
7 : Recorndo I I I
----
. 8, Xl(limite inierior) I 0 o,;,sm I
ii ",,'oii------1 0"""" !
.. --......_.... -.- r
101 I
11 P(X<;Xo) IC5,C3,C4). x [
lU_c-. .-----'-..--- -.. -+ i-
fF--..-- .. ..T---i
.. _m...'= . I - I .... if
117! _c -.--. ' . . . . - - ..
LCual es el valor de especifico de X, (Xo) , tal que la probabilidad acumulada
011 mismo sea igual a 0.26?
p (X <Xo ) =0.26, entonces, Xo =0.1986
APUCAOONDELAFUNOON "DlSIR.BETA.lNV" de Excel
Deouetoe el inverso de la fimci6n de probabilidad Beta acumulaiioa
147
E(Il
I !-I XV! ,I =D1STll.1lETA.INVPO,C28.C29,C33.C341
! A!
B I C
I
o _W_-l_F--+-'..Q-J_JL-Ll

26 r i
: rOIS11UlEfA,IW
27! BETA INVERSA
i
PnlRbiWod jClil jI , O,lli I
I-I i
Alta : 2
-----1- -r-r-
t--!
AIIICli
1,
29 i BelB : 4
j------'-- ! em 1Cl'l .
P(X<::Xo) i 0.26 3Gi
i
ljClJ j, a ,
u,
1 ,
'Ir
-)
1
alCM !i . j

i
I-
Recorrido ! 32 I
Xl(imi!e 0 33i
superioir---j CI!.wve. "''"'' d! Iin:iin d' delfQbabk!ad beta iWTWliv' (eET1D1SI1.
341
t
35
1
Xo 1',C33,C34) 381 F,.babilirla<l '
371
f
381
T
U
401
39;
--=H!!J _............. [Aapiz( I I
41 i
__ L....:....:..-I
i

o DISTRIBUOON NORMAL
Ejemplo 4-45
La distancia X a la que un atleta puede ejecutar un tiro es una variable
aleatoriaque se describede acuerdoa una distribucionnormal con media 50
piesy varianza 25 pies-,
LOlli.! es la probabilidad que se efectue un tiro a una distanda maximade 60
pies?
P 60) =0.9772
;;. APUCAOON DELAPJNOON "DlST.NORM" dt' Excel
Deoueioe ia distribuci6n acunmlativa normal para la media y ladesviaci6n esumdur
especiiicadas.
Ell' T-jx vi'i=DISffi.NORlollC6.C4,CS.VERDADEROI
-rl AI 8 J C 4----l--l F ! G I H
1 i ! I! , "
2 1.__.__ _ x jj . CD :r ,f
3 i , II
41"- Media-"- ----.' "'50 -I 3J 11
I ::., il
i[_. P(X<::Xo) ---'!JADERO) ,-' !
Bi I ! i IIci5triWJ1 illI!lJamIU1liI JIiRBooiIyde [
91 I , '-i I
--1--_-----1-----+
'
10Ii! ! x"eI"" Q.'YO ,illiuiiule,a clrm,.
""'iT: ! I
i . i t
13 I . I----11

14ii, I III?\I" ..
'-I----t--:". ! RelitajodelliiiTUl=,.s17l'!l'.lI
I /allU I c= I
, I,
JR_, i -----r
LAque distanciamaximase ejecutara el tiro con una probabilidad de D.98?
Xo = distanciamaximaa la quese ejecutael tiro
P( X< Xo) =0.98, entonces Xo =60.26 pies
);- APUCA06NDELAFUNOON"DISTRNORMINV" de Excel
Devuelve el irrverso de la distribuci6n acumulativa normal para la media y la
desviaci6n esttindar especificas
Ell' Ij XvI=] =D1STR.HORlI.IlNIC3a,C28.C29)
i AI B Ie! 0 E f G H
25 i : : ' fD!S1R!'WIJNj
-261._ DISTRIBUCION NORMAL INVERSA ..i j = C.'ll
1ZL I I'5lcJI j=5l
Media .l__.5J j . 5
..2gL Q!l.,sviacion estandar L 5 I ,
t
30 i P(X<=Xo) ; 0.98 , ., ,
311---- r
Xo
32! : , r
33' ! ! . I Pn>biWilI
r
---f- _a,lirlw. f
34 i l i \
I
I

351 ' ,I
r
--..-l 1
36 i : ':
-t---;..--.----.- . . >
L; I :.= I CmJ if-
i
38' : '..t::.==========-==
._L \_. ..
148 149
Mewos de Enumeracion Gaitan Garavito
APENDICE2
METODOS DE ENUMERACION
Para calcular probabilidades de eventos que suponen la premisa de
Resultados Igualmente Probables, es necesario hacer una lista de todos los
puntas muestrales, esto puede ser tediosoy se debe estar seguroque no se ha
omitido ninguno de ellos, puesto que el ruimero puede ser muy grande es
conveniente conocer las herramientas que simplifiquen el calculo del
"Niimero de Puntos Muestales" 0 Elementos y ademas son utilespara contar
el"N1imero de Casos Favorables" a determinado suceso. Los siguientes son
algunosprocedimientos.
o PRINCIPIO DE LAMULTIPUCACION
Si el procedimiento I puede hacersede n
1
formas y el procedimiento II
de n
2
formas y cada una de las manera de realizar I puede ser seguida por
cualquierade las manera de realizar II, entonces, si se define un experimento
como: Efectuar el procedimiento I y en seguida el Procedimiento II, el
espacio muestral del mismo esta formado por n 1" n
2
elementos. Este
prindpio permite contar el numero de pares que se pueden formar al
seleccionar un elemento de cada uno de dos gropos y puede generalizarse
para tres 0 mas grupos.
EJEMPLO
1. Cuatro compafifas tienen empleos disponibles en cada una de tres
areas: ventas, manufactura y personal, el ntimero total de oportunidades de
empleo que hay disponibles es: Numero de comparuas * areas de empleo
4 * 3 = 12 empleos.
L7 PRINCIPIO DE LAADICION
,
,
,.
~ ' ~
5i el procedimiento I puede realizarsede TIl formasy el procedimiento
II puede realizarse de n
2
forma, ademas no es posible que ambos
procedimientos puedan realizarsejuntos. Si se define un experimentos como:
Realizarel procedimiento I 0 el procedimientos II, el espacio muestral de este
150
Metodos deEnumeracion Gaitan Garavitn
esti formado por n, + 1\2elementos. Principio quepuede generalizarse a mas
de dos procedimientos.
EJEMPLO:
2. Un producto puede fabricarse de dos formas automatica 0
manualmente. 5i hay tres maquinas automatkas y dos manuales. Las
maquinas conque secuenta para realizar el productoson (3+2)5.
o PERMUTACIONES
Caso1:Todoslos objetos son distinguibles
Se llama p6nutaci6n de n objetos diferentes, nl'n, a un arreglo de n
objetos en orden definido.
El numerode permutaciones posiblesal arreglarn objetos es :
nPn=n!
5i consideramos n objetosy deseamos permutarr de esosobjetos ( r<n)
seleccionados al azar, el mimero de maneras de hacerlo es:
nPr = n! I (n-r)!
Caso 2: Cuando no todos los objetos son distingrnbles.
Suponiendoque se tienen n objetos tales que hay n
1
de la clase 1, n
2
de
la clase 2..... y n
k
delaclasek tales que n
1
+n
2
+....+IIt. =n el numero de formas
de ordenar esosobjetos es:
nPn
-
n.
1 I ( ,..,
n
2
.......
* I )
1n2....nk - n
1
. n
k
EJEMPLO
3. Seinscriben A, BYC en una carrera. El numerode formas en que se
puede alcanzarla meta se calculacomo un arregIo ordenado de 3 sujetos en
tres lugares,estoes: 3P3 =6
SeaXel evento, Allega a la meta antes que C, el nnmero de elementos
que tiene el evento X se calcula como: 1* 2P2 + 1 *lP1 = 3, que induye el
mimerode elementos que presentan a Aen primer lugar 0 en segundolugar
antes que C
151
_.,_.--' ...... -..-.. _....... ', ... ..... .. " ' "'\ ........ "-J ":'L..J. Yll.L!
i
Metodos de Enumeracion Gaitan Garavi:

"r,
,.j
4.. Considers 10 objetos, 5 de ellos 50n rojos, 3 amarillos y 2 azules, El
numero de formas de ordenar los10objetos es : EJEMPLO:

101' 5,3,2=Ie! ! (5!'3[*2!) =2520.
6. Suponga que 11.'l3 caja contiene 5 tarjetas de color diferente, si se
I
St:J el everuo. los objetosazules quedan juntos, I numero de maneras que
puede ocurrirA es:
9P 5.3,1 =9!j ( 5!*3!*1!) =5D4
COr,fBINAOONES


Si consideramos n objetos diferentes y se esta interesado en contar el

numero de maneas como se puede escoger r de esos n objetos, no

cousiderando el orden de selection, unicamente las caracteristicas de los
I!
elementos que forman parte el grupo, entonces se defineuna combinaci6n de
I
n otljetos diferentes tomando de r en r como el numero de subconjuntos de
J.
I

t3IH2.jl0 r noordenado que tiene un conjuntode n elementos.
nCr = nl i (r! (n-r)!)
I

EJBIPLO:




5. Un estudiante se somete a un examen de 10 preguntas, de las cuales
i debe responder 8, el numero de alternatives para responder el examen esta
'f
1-.
f dado pOl': 10Cs = 10!j (81*2
1
)
"
i

f C:.J PRUEBAS CONREE1vlPLAZO YSINREEMPLAZO

,
ii
Prueba: elecd6n al azar de un numero r de elementos
it
r
l
Prueba COIl Reemplazo, procedimiento que implica que el elemento que 4
r
se elige en una prueba se devuelve al conjunto inicial, en esta clase de
i-
pruebasse toma encuenta el orden de 13 seleccion,
El numero de fonnas como 5[; pueden ordenar r elementos seleccionados
conreemplazo de un total de n'es: n"n".... = n
T
Pruebas sin reemplazo, en esta pruebasel clemente que se eligese elimina
del ccniunto inidal, si interesa el orden en que se seleccionan los
e1e.mentos conviertecn una aplicaci6n de las permutaciones
152
seleccionaran 3 con reemplazo el numero de trios que se puedenformar fi(:
calcu1a 5*5*5= 125.
Sise seleccionan 3sinreemplazo y se esta interesado en el orden de los
colares que aparecen , el numero de trios que se pueden formar se calcu1a
SP3= 5! I 2! = 5*4*3 = 60.
1)J
_,