Probabilidad

La probabilidad de un suceso es un nmero, comprendido entre cero y

uno, que indica las posibilidades que tiene de verificarse cuando se realiza un
experimento aleatorio. La probabilidad se encarga de evaluar todas aquellas
actividades en donde se tiene incertidumbre acerca de los resultados que se
pueden esperar, esto quiere decir que la probabilidad est presente en casi
en todas las actividades que se pretenda realizar, ejemplo:
-Cualquier proyecto de Ingeniera o de otras reas.
-Competencias deportivas.
-Juegos de azar, etc.
Teora de probabilidades
La teora de probabilidades se ocupa de asignar un cierto nmero a
cada posible resultado que pueda ocurrir en un experimento aleatorio, con el
fin de cuantificar dichos resultados y saber si un suceso es ms probable que
otro. Con este fin, introduciremos algunas definiciones:
Sucesos: es cada uno de los resultados posibles de una experiencia aleatoria.
Ejemplos:
-Al lanzar una moneda salga cara.
-Al lanzar una moneda se obtenga 4.
Espacio muestral: es el conjunto de todos los posibles resultados de un
experimento estadstico, lo representaremos por el smbolo S(o bien por la letra
griega ).
Cada resultado de un espacio muestral se llama elemento o miembro del
espacio muestral. Si el espacio tiene un nmero finito de elementos, podemos
anotar los miembros separados por comas y encerrados en parntesis.
Ejemplo:
Considere el experimento de lanzar un dado. Si nos interesamos en el nmero
que muestra en la cara superior, el espacio muestral sera:
S1= (1, 2, 3, 4, 5,6).
Si nos interesamos slo en si el nmero es par o impar, el espacio muestral
simplemente es:
S2= (par, impar).
Este ejemplo ilustra de que se puede usar ms de un espacio muestral para
describir los resultados de un experimento.

Suceso aleatorio: es cualquier subconjunto del espacio muestral. Ejemplos:

Tirar un dado un suceso sera que saliera par, otro, obtener mltiplo de 3, y
otro, sacar 5.

Axiomas de probabilidad son las condiciones mnimas que deben verificarse

para que una funcin definida sobre un conjunto de sucesos determine
consistentemente sus probabilidades.
Axiomas de Kolmogorov dado un conjunto de sucesos elementales, , sobre
el que se ha definida una de subconjuntos de y una funcin P que asigna
valores reales a los miembros de , a los que denominamos "sucesos", se dice
que P es una probabilidad sobre (,) si se cumplen los siguientes tres
axiomas.
1.- La probabilidad de un suceso A es un nmero real mayor o igual que 0.

P (A) > 0
2.- La probabilidad del total () es igual a 1, es decir, tenemos un resultado de
x1

P () = 1
3.-Si, A1, A2, Son sucesos mutuamente excluyentes (incompatibles dos a
dos, disjuntos o de interseccin vaca dos a dos), entonces:
.

P(A1A2......... An) = P(A1) + P(A2) + .......+ P(An)

P(AB) = P(A) + P(B)

Segn este axioma se puede calcular la probabilidad de un suceso compuesto

de varias alternativas mutuamente excluyentes sumando las probabilidades de
sus componentes.
Propiedades que se deducen de los axiomas
De los axiomas anteriores se deducen otras propiedades de la probabilidad:
1.
Donde el conjunto vaco
el suceso imposible
2. Para cualquier suceso
3.
4. Si
entonces
5.

representa en probabilidad

Evento
Un evento o suceso, es un subconjunto de un espacio muestral, es decir, un
conjunto de posibles resultados que se pueden dar en un experimento
aleatorio. Formalmente, sea un espacio muestral, entonces un evento es
un subconjunto
, donde
son una serie de
posibles resultados. Se dice que un evento A ocurre, si el resultado del
experimento aleatorio es un elemento de A.

Tipos de sucesos o eventos

Suceso elemental: Suceso elemental es cada uno de los elementos que
forman parte del espacio muestral. Ejemplo: Tirando un dado un suceso
elemental es sacar 5.
Suceso compuesto: Suceso compuesto es cualquier subconjunto del espacio
muestral. Ejemplo: Tirando un dado un suceso sera que saliera par, otro,
obtener mltiplo de 3.
Suceso seguro: Suceso seguro, E, est formado por todos los posibles
resultados (es decir, por el espacio muestral). Ejemplo: Tirando un dado
obtener una puntuacin que sea menor que 7.
Suceso imposible: Suceso imposible, , es el que no tiene ningn elemento.
Ejemplo: Tirando un dado obtener una puntuacin igual a 7.
Sucesos compatibles: Dos sucesos, A y B, son compatibles cuando tienen
algn suceso elemental comn. Ejemplo: Si A es sacar puntuacin par al tirar
un dado y B es obtener mltiplo de 3, A y B son compatibles porque el 6 es un
suceso elemental comn.
Sucesos incompatibles: Dos sucesos, A y B, son incompatibles cuando no
tienen ningn elemento en comn. Ejemplo: Si A es sacar puntuacin par al
tirar un dado y B es obtener mltiplo de 5, A y B son incompatibles.
Sucesos independientes: Dos sucesos, A y B, son independientes cuando la
probabilidad de que suceda A no se ve afectada porque haya sucedido o no B.
Ejemplo: Al lazar dos dados los resultados son independientes.
Sucesos dependientes: Dos sucesos, A y B, son dependientes cuando la
probabilidad de que suceda A se ve afectada porque haya sucedido o no B.
Ejemplo: Extraer dos cartas de una baraja, sin reposicin, son sucesos
dependientes.
Suceso contrario: El suceso contrario a A es otro suceso que se realiza
cuando no se realiza A. Se denota por
sacar par e impar al lanzar un dado.

.Ejemplo: Son sucesos contrarios

Distribucin de frecuencia
Indica toda la gama de valores que pueden representarse como resultado de
un experimento si ste se llevase a cabo, es decir, describe la probabilidad de
que un evento se realice en el futuro, constituye una herramienta fundamental
para la prospectiva, puesto que se puede disear un escenario de
acontecimientos futuros, considerando las tendencias actuales de diversos
fenmenos naturales.

Toda distribucin de probabilidad es generada por una variable (porque puede

tomar diferentes valores) aleatoria (porque el valor es totalmente al alzar).
Estas.
Variable aleatoria: Se llama variable aleatoria a toda funcin que asocia a
cada elemento del espacio muestral E un nmero real.
Se utilizan letras maysculas X, Y,... para designar variables aleatorias, y las
respectivas minsculas (x, y,...) para designar valores concretos de las mismas.
sta se divide en:
Variable aleatoria discreta: Es aquella que slo puede tomar valores enteros.
Ejemplo: El nmero de hijos de una familia, la puntuacin obtenida al lanzar un
dado.
Variable aleatoria continua: Es aquella que puede tomar todos los valores
posibles dentro de un cierto intervalo de la recta real. Ejemplos: La altura de los
alumnos de una clase, las horas de duracin de una pila.
Distribucin binomial
Es una distribucin de probabilidad discreta que mide el nmero de xitos en
una secuencia de n ensayos de Bernoulli independientes entre s, con una
probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de
Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos
resultados. A uno de estos se denomina xito y tiene una probabilidad de
ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin
binomial el anterior experimento se repite n veces, de forma independiente, y
se trata de calcular la probabilidad de un determinado nmero de xitos.

x= 0,1,2,,n.

Donde:
P(X)= es la probabilidad de ocurrencia del evento.
p = es la probabilidad de xito del evento (en un intento).
q = es la probabilidad de fracaso del evento (en un intento) (se define como
q =1 p).
X = ocurrencia del evento o xitos deseados.
n = nmero de intentos.
Ejemplo: La probabilidad de que cierta clase de componente sobreviva a una
prueba de choque dada es de 3/3. Encuentre la probabilidad de que sobreviva
exactamente dos de los siguientes componentes que se prueben.

p= para cada una de las cuatro pruebas, obtenemos:

Distribucin hipergeomtrica
Es una distribucin discreta relacionada con muestreos aleatorios y sin
reemplazo. Supngase que se tiene una poblacin de N elementos de los
cuales, d pertenecen a la categora A y N-d a la B. La distribucin
hipergeomtrica mide la probabilidad de obtener x (
) elementos de
la categora A en una muestra sin reemplazo de n elementos de la poblacin
original.
La funcin de probabilidad de una variable aleatoria con distribucin
hipergeomtrica puede deducirse a travs de razonamientos combinatorios y
es igual a

Donde:
N: Tamao de la poblacin
X: Nmero de xitos en la muestra.
n: Tamao de la muestra.
d: es el nmero de elementos en la poblacin original que pertenecen a la
categora deseada.
Distribucin de Poisson
En general, la distribucin de Poisson se puede utilizar como una aproximacin
de la binomial, Bin(n, p), si el nmero de pruebas n es grande, pero la
probabilidad de xito p es pequea; una regla es que la aproximacin Poissonbinomial es buena si n20 y p0,05 y muy buena si n100 y p0,01.
Es til cuando tratamos con cantidades de ocurrencia de un evento a lo largo
de un intervalo de tiempo o espacio especificado. Esta distribucin se utiliza
para describir ciertos procesos.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad
de rea, tiempo, pieza, etc.
- nmero de defectos de una tela por m2

- nmero de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- nmero de bacterias por cm2 de cultivo
- nmero de llamadas telefnicas a un conmutador por hora, minuto, etc.
- nmero de llegadas de embarcaciones a un puerto por da, mes, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo,
rea, o producto, la frmula a utilizar sera:

Donde:
p(x,) = probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren
por unidad de tiempo, rea o producto es totalmente al azar y que cada
intervalo de tiempo es independiente de otro intervalo dado, as como cada
rea es independiente de otra rea dada y cada producto es independiente de
otro producto dado.
Ejemplo: Si un banco recibe en promedio 6 cheques sin fondo por da, cules
son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da
dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que llegan al
banco en un da cualquiera = 0, 1, 2, 3,....., etc.
= 6 cheques sin fondo por da
e = 2.718

b) x= variable que nos define el nmero de cheques sin fondo que llegan al
banco en dos das consecutivos = 0, 1, 2, 3,......, etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das
consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma,
debe hablar de lo mismo que x.

Ejercicios de probabilidad referentes a ingeniera de petrleo

1) Se dice que el 75% de los accidentes que ocurren en la planta de gas se
atribuyen a errores operacionales, si en un periodo de tiempo dado se suscrita
5 accidentes, determine la probabilidad de que:
a) Dos de los accidentes se atribuyan a errores operacionales.
b) Como mximo uno de los accidentes se atribuyen a errores de tipo
operacional.
c) Tres de los accidentes no se atribuyen a errores operacionales.
a) Solucin:
n= 5
x=2
p=0.75
q=(1-p)
P(X=x) =
P(2) =
P(2) =

5!
2! (5-2)!

n!
px q n-x
X! (n-x)!

(0.75)2 (1-0.75)(5-2)

( 5x4x3x2x1)

(0.5625) (0.25)3

(2x1) (3x2x1)
P(2) =

120
12

(0.5625) (0.015625)

= 0.0878

b) n=5
x= 0;1
p=0.75
P(0) =

5!
0! (5-0)!

Px = P (0)+P(1)

(0.75)0 (1-0.75) (5-0)

P(0) = ( 5x4x3x2x1) (0.25)5 = 0.000976

( 5x4x3x2x1)
P(1)=

5!
1! (5-1)!

(0.75) (0.25) (5-1)

(5x4x3x2x1) (0.75) (0.25)4 = 0.01464

P(1) =

(4x3x2x1)
Px= 0.01464+0.000976 =0.15462
c) En este caso cambia el valor de P que vendra a ser el 25% restante.
n=5
P=0.25
x=3
P(3)=
P(3) =

5!
(0.25)3 (1-0.25) (5-3)
3! (5-3)!

(5x4x3x2x1) (0.015625) (0.5625) = 0.08789

(3x2x1) (2x1)

2) Una compaa de perforacin y completacin ha decidido revisar y verificar

la calidad de la tubera que est implementando en sus operaciones (tubing y
casting), debido a que en los ltimos tres envos las tuberas haban
presentado falla. Por consiguiente problemas en las operaciones la compaa
decidi seleccionar 5 tubos (casting) al azar de un paquete de 15 para la
revisin. Despus de la revisin por parte de la empresa se descubri que el
proveedor de tuberas haba probado 15 tubos (casting) del paquete y que slo
10 estaban en buenas condiciones. El ingeniero de la compaa encargado de
esta operacin espera que no haya tubera defectuosa en este envi cul es
la probabilidad de tener un envo con las tuberas en buen estado?
Solucin
N=15
n=5
d=10
x=5

10!

P(5) =

(15 - 10)!

5!

(5 - 5)!
15!
5!

10!

5!

5! 5!

0! 5!
15!
5! 10!

(252) * 1 = 0.0839
3003

Existe una probabilidad muy baja de haber mandado un envo sin tuberas defectuosas

Bibliografa
Walpole R.(1999) Probabilidad y Estadstica para ingenieros. (Pg. 51-125)
http://www.vitutor.com/pro/2/a_1.html
http://www.itch.edu.mx/academic/industrial/sabaticorita/amarillo.htm
http://metodoscuantitativo2.galeon.com/enlaces2218784.html
http://www.monografias.com/trabajos29/distribucion-probabilidades/distribucionprobabilidades.shtml
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
http://dxsp.sergas.es/ApliEdatos/Epidat/Ayuda/4Ayuda%20Distribuciones
%20de%20probabilidad.pdf