Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Definicin:
El conjunto de todos los posibles resultados de un experimento aleatorio
o estocstico recibe el nombre de Espacio Muestral () (Espacio
Referencial o Universo).
En el estudio de la probabilidad, se referir como un experimento a
cualquier proceso de observacin. A los resultados de esta observacin
se le llama resultados o salidas del experimento Un experimento es
aleatorio, si no se pueden predecir sus resultados o salidas.
Definicin:
Se dice que un Espacio Muestral es discreto si los resultados pueden
colocarse en correspondencia uno a uno con el conjunto IN; y ser
continuo si sus resultados consisten en un intervalo de nmeros reales.
Definicin:
Un suceso A es un subconjunto del Espacio Muestral . Se anota como
A .
Definicin:
Un Suceso Imposible es aquel en que la ocurrencia del suceso nunca es
posible de efectuarse.
Un Suceso Seguro es aquel en que la ocurrencia del suceso siempre es
posible de efectuarse.
Ejemplos:
1. - Sea el experimento aleatorio : Lanzar un dado. El conjunto de
todos los resultados posibles, en este caso es = { 1, 2, 3, 4, 5, 6 }.
Veamos ahora algunos ejemplos de sucesos relacionados a este caso:
A = { El resultado es par } = { 2, 4, 6 }
B = { El resultado es mayor que 3 } = { 4, 5, 6 }
C = { El resultado es menor o igual a 6 } = ( C es un suceso seguro )
D = { El resultado es mayor que 6 } = ( D es un suceso imposible )
= { / 0 }
Ntese que los tres primeros ejemplos corresponden a casos de espacios
muestrales discretos, mientras que el ltimo ejemplo corresponde al
caso de un espacio muestral continuo.
El concepto clsico de probabilidad nos dice que es una frecuencia
relativa (concepto estadstico) sin necesidad de haber realizado el
experimento.
La frecuencia relativa se calcula sobre hechos estadsticos consumados,
es decir, sobre un experimento realizado.
Si el nmero de experimentos tiende a infinito, entonces la frecuencia
relativa se convierte en la probabilidad.
Axiomtica de Probabilidades
Conceptos Previos
Operaciones de Boole
Sean A y B sucesos de un Espacio Muestral , entonces:
A B: es el suceso que ocurre s y slo si ocurre el suceso A o el suceso B o si
ocurren ambos sucesos.
AB: es el suceso que ocurre s y slo si ocurren ambos sucesos
simultneamente.
Axiomas de Probabilidad
La probabilidad de ocurrencia del suceso A es P(A) si cumple los siguientes
axiomas:
A1.- A 0 P(A) 1
A2.- P() = 1
A3.- Si A y B son Mutuamente Excluyentes:
P(AB) = P(A) + P(B)
La generalizacin tambin es vlida
P( A A A ........ .) = P(A ) + P(A ) + P(A ) +.
1
Teoremas de Probabilidades
T1.- Si es el suceso imposible, entonces P() = 0
T2.- La probabilidad del suceso que ocurre si no ocurre el suceso A, es
decir, la probabilidad del suceso complemento de A es 1 P(A),
donde P(A) es la probabilidad de ocurrencia del suceso A.
P( AC ) = 1 P(A)
T3.- Si A B
P(A) P(B)
Definicin:
Dos sucesos A y B se dicen Estadsticamente Independientes
(independientes) s y slo si:
P(AB) = P(A) P(B)
; (EI1)
CONSECUENCIAS
A y B sucesos Independientes
1
P(A) = 0 P(B) = 0
A y B sucesos Excluyentes
A y B sucesos Independientes
2
A y B son sucesos No Excluyentes
P(A) > 0 P(B) > 0
A y B sucesos Excluyentes
A y B son sucesos No Independientes
3
P(A) > 0 P(B) > 0
Probabilidad Condicional
Definicin:
Sean A y B dos sucesos cualesquiera, donde P(B) > 0, entonces
definimos:
P ( A B)
P ( A / B) =
;
(PC1)
P (B)
Donde P(A/B) se lee como la probabilidad del suceso A dado que
ocurre el suceso B. Tambin se lee como la probabilidad que el suceso
A ocurra una vez que ocurre el suceso B, es decir, la probabilidad
condicional del suceso A dado el suceso B.
Si adems, A y B son Sucesos Independientes, entonces:
P(A/B) = P(A)
P(B/A) = P(B)
Ejemplo:
Sean A y B dos sucesos tales que:
P(A) = 0.8
P(B) = 0.6
P(AB) = 0.5 ( A y B son sucesos no excluyentes )
Calcular las probabilidades de los siguientes sucesos:
a.- No ocurre el suceso A
b.- ocurre slo el suceso A
c.- ocurre al menos uno de los dos sucesos
d.- ocurre slo uno de los dos sucesos
e.- no ocurre ninguno de los dos sucesos
Respuestas:
a.- No ocurre A
b.- ocurre slo A P(A\B) P(A\B) = P(A) P(AB) = 0.8 0.5 = 0.3
c.- ocurre al menos uno de los dos P(AB):
P(AB) = P(A) + P(B) P(AB) = 0.8 + 0.6 0.5 = 0.9
d.- ocurre slo uno de los dos P[ (A\B) (B\A) ]
Notemos que: P([ (A BC ) ] [ (B AC ) ] ) = P[ (A\B) (B\A) ]
P([ (A BC ) ] [ (B AC ) ] ) = P(A BC ) + P(B AC )
por otra parte: P(A BC ) = P(A) P(AB) = 0.8 0.5 = 0.3
y
por lo tanto:
P([ (A BC ) ] [ (B AC ) ] ) = P(A BC ) + P(B AC ) = 0.3 + 0.1 = 0.4
e.- no ocurre ninguno de los dos P((A B)C ) = 1 P(AB)
por otra parte: P(AB) = P(A) + P(B) P(AB) = 0.8 + 0.60 0.5 = 0.9
as: P((A B)C ) = 1 P(AB) = 1 0.9 = 0.1
Carta 1
Carta 2
Carta 3
Carta 4
Sobre 1
Sobre 1
Sobre 1
Sobre 1
Sobre 2
Sobre 2
Sobre 2
Sobre 2
Sobre 3
Sobre 3
Sobre 3
Sobre 3
Sobre 4
Sobre 4
Sobre 4
Sobre 4
P(C E) = P ( C) P ( E )
A B = (A BC) (A B ) (AC B )
A B = (A \ B) (A B ) (B \ A)
Ntese que se trata de la unin de conjuntos disjuntos.
10
M1
M2
M3
C
(C,C,C)
(C,C,S)
(C,S,C)
(C,S,S)
(S,C,C)
(S,C,S)
(S,S,C)
(S,S,S)
C
C
S
C
S
S
i caras exactas
CCC
CCS
CSC
CSS
SCC
SCS
SSC
SSS
# 8
1 2 3 1 1 7 4 1
Probab. 1/8 1/4 3/8 1/8 1/8 7/8 1/2 1/8
Suceso pregunta a Suceso pregunta b
11
12
Respuesta:
: Alumno hombre
: Alumno mujer
N : Alumno de ojos negros
5
10
15
5
10
15
10
20
30
P()
= : Probabilidad que el alumno sea hombre (10/30)
P()
= : Probabilidad que el alumno sea mujer (20/30)
P(N)
= : Probabilidad que el alumno tenga ojos negros (15/30)
P(N) = : Probabilidad que el alumno sea hombre y tenga ojos negros
(5/30)
As la probabilidad pedida es:
Esto ltimo nos dice que la probabilidad que de dos sucesos, ocurran ambos es
el producto de la probabilidad que ocurra uno de los sucesos y la probabilidad
que ocurra el otro suceso si el primero ha ocurrido (ocurre o ocurrir). As:
Sea B =: Encontrar un microchip defectuoso en la partida
A / B =: Encontrar el otro microprocesador habiendo encontrado el primero
AB =: Encontrar ambos microprocesadores en la partida
con P(B) = 2/15 y P(A / B) = 1/14
13
P(A / B)
1/14
Acierto
2/15
Acierto
13/14
Error
2/14
Acierto
13/15
Error
12/14
Error
1/100
1/100
1/10
O
I
C
1/10
1/10
14
Sean:
P(XYO) = : Probabilidad que el dispositivo X y el dispositivo Y se encuentren
operativos (funcionando).
P(XO) = : Probabilidad que el dispositivo X se encuentre operativo.
As:
P(ABO) = P(AO BO) = P(AO)* P(BO) (sucesos independientes)
P(ABO) = (11/100)*(11/100) = (99/100)2 = 0,9801
Por otra parte tenemos:
P(ABO CO) = P(ABO) + P(CO) P(ABO)* P(CO)
P(ABO CO) = 0,9801+ 0,9 0,9801*0,9
P(ABO CO) = 0,99801 =: P(ABCO)
Por otro lado tambin se tiene:
P(DO EO) = P(DO) + P(EO) P(DO)* P(EO)
P(DO EO) = 0,9+ 0,9 0,9*0,9 =: P(DEO)
As el problema se soluciona si:
P(ABCO DEO) = P(ABCO)* P(DEO)
P(ABCO DEO) = 0,99801*0,99 = 0,9880299 = : P(ABCDEO)
Ahora se proceder a resolver el mismo problema usando el diagrama
decisional.
Del grfico del circuito se puede apreciar que existen 4 rutas posibles para la
salida O a partir de la entrada I; a saber:
15
1.
2.
3.
4.
IABDO
IABEO
I CD O
I CE O
A
1/100
1/100
1/10
O
I
C
1/10
1/10
P(EO) 0,9
P(EF) 0,1
I
P(CF)
0,1
P(AF BF) 0,0199
P(DO) 0,9
P(CO)
0,9
O
P(EF) 0,1
P(DF) 0,1
P(EO) 0,9
16
No enferme de Tifoidea
No sufra de Gripe
Enferme de Gripe y Tifoidea
Presente cualquiera de las enfermedades pero no ambas
No presente ninguna de las enfermedades
17
Respuesta e:
P(G c T c ) = P( G c)*P( T c) = ( 1 0,08)*(1 0,05) = 0,92*0,95 = 0,874
Sean A y B dos caractersticas genticas independientes. La probabilidad que un
individuo presente la caracterstica A es 0,5 y la probabilidad que presente la
caracterstica B es 0,75.
a) Cul es la probabilidad que un individuo presente ambas caractersticas?
b) Cul es la probabilidad que un individuo presente por lo menos una de ellas?
c) Cul es la probabilidad que un individuo no presente ninguna de ellas?.
Respuesta a:
P(A B) = ? ; A y B eventos independientes con P(A) = 0,5 y P(B) = 0,75
esto nos dice que A y B son sucesos no excluyentes.
Por otro lado, A y B independientes si y slo si P(A B) = P(A)* P(B) de
modo que
P(A B) = 0,5*0,75 = 0,375
Respuesta b:
P(A B) = ?
P(A B) = P(A) + P(B) P(A B) = 0,5 + 0,75 0,375 = 0,875
Respuesta c:
P([A B] c) = ?
P([A B] c) = 1 P(A B) = 1 0,875= 0,125
18
i =1
i=1
Particin:
{A }
i
n
i =1
; (PT1)
{ Ai }
y A
n
i =1
= A
=; A
A ......... A
2
A=;
........................ ; A
n1
A
n
. . . ..
.
.
A
1
A
2
A
4
A
3
19
Teorema de Bayes
Sea { A }
i
n
i =1
n se tiene:
P( B / A ) * P( A )
; 1 k n ;
k
k
P( A / B) = n
k
P( B / A ) * P( A )
i =1
(TB1)
B
M2
M3
20
P( B) = P( B / M ) * P( M )
i =1
P( B / M ) * P( M )
k
k
P( M / B) = 3
k
P( B / M ) * P( M )
i =1
1k 3
EJEMPLO:
En una industria hay tres mquinas que fabrican el mismo artculo, y su
produccin diaria est detallada en el siguiente cuadro:
Mquina
1
2
3
21
Respuesta a)
El Teorema de la Probabilidad Total nos entrega la respuesta, As la
probabilidad que el artculo seleccionado resulte defectuoso es:
P( B) = P( B / M ) * P( M ) =
i =1
5
4
6
+
+
600 600 600
0,025
15
600
1
40
22
Respuesta b)
La respuesta nos la entrega el Teorema de Bayes. As esta probabilidad es:
P(B/ M )*P(M )
4 250
*
2
2
250
600 = 4 = 0,2 6
P(M / B) = 3
=
1
15
2
P
(
B
/
M
)
*
P
(
M
)
40
i=1
i
i
Ahora se ver cmo resolver el mismo problema, pero usando la tcnica de los
diagramas decisionales o de rbol:
Mquina i
% Produccin Mquina i
200
600
250
600
150
600
% Calidad Mquina i
(Defectuosos y Buenos)
5 ( D)
200
195
200
(B)
4 ( D)
250
246 ( B )
250
6 ( D)
150
144 ( B )
150
23
150 6
*
2
P(M3/Defectuoso) = 600 150 = = 0,4
1
5
40
Veamos otros ejemplos de las aplicaciones de estos teoremas:
24
Adecuado
60%
80%
Reprueba Test
20%
Aprueba Test
40%
Reprueba Test
60%
Inadecuado 40%
P(a) = 0,6 * 0,8 + 0,4 * 0,4 = 0,64 es la probabilidad que una persona
cualquiera apruebe el Test de Seleccin.
0 , 6 * 0 ,8
= 0,75 es la probabilidad que una persona que aprueba el Test
0 , 64
de Seleccin resulte adecuada para el cargo.
P(b) =
Se desea ir al centro de la ciudad y llegar antes de las 18:00 hrs. Se sabe que:
TX
OML
AT
T
Taxi
Otro medio de locomocin
A tiempo (Antes de las 18:00 hrs.)
Tarde (Despus de las 18:00 hrs.)
AT 0,8
TX
0,3
T 0,2
AT 0,4
OML
0,7
T 0.6
Los valores subrayados corresponden a los datos entregados por el enunciado del problema
25
P(b) =
0,7*0,6
= 0,875 es la probabilidad de llegar atrasado al
0,3*0, 2 + 0,7*0,6
PNB
A
SV
B
VA
SP
DP
PNB
VA
SP 0,8
A
0,4
DP 0,2
SP 0,2
SV
0,3
DP 0,8
SP 0,1
B
0,3
DP 0,9
P(a) = 0,4 * 0,8 + 0,3 * 0,2 + 0,3 * 0,1 = 0,41 es la probabilidad que la accin
de la empresa suba de precio durante los prximos seis meses.
26
Tipo de Paciente
Reaccin al Examen
( + ) 0,98
Con Cncer
0,03
( - ) 0,02
( + ) 0,04
Sin
Cncer
0,97
P(a) =
( - ) 0,96
0,03*0,98
= 0,431
0,03*0,98+ 0,97*0,04
27
Renuncia 0,6
No le gusta el trabajo
0,2
Contina 0,4
Renuncia 0,4
Remuneracin insuficiente 0,5
Contina 0,6
Renuncia 0,9
Le disgusta el Jefe
0,3
Contina 0,1
0, 2*0,6
= 0,203
0,59
0,5*0, 4
= 0,339
0,59
0,3*0,9
= 0,458
0,59
28
Diagnstico
Correcto 72%
Defectos estructurales
40%
Errneo 28%
Correcto 88%
Otras causas
60%
Errneo 12%
0, 4*0,72
= 0,353
0, 4*0,72+ 0,6*0,88
La compaa RCR est considerando comercializar un nuevo tipo de telfono
mvil, cuya principal caracterstica es permitir la marcacin mental del nmero
deseado. Las investigaciones de mercado dicen que la probabilidad que ste tenga
xito es de 0,4 siempre que la nica firma competidora, la compaa CLV, no
introduzca al mercado un tipo similar de telfono mvil. RCR ha estimado en 0,3 la
probabilidad que CLV introduzca al mercado el telfono mvil alternativo, adems
de estimar en 0,548 la probabilidad que el telfono RCR no tenga xito. Si el
telfono RCR tuvo xito, cul es la probabilidad que CLV haya introducido al
mercado su nuevo tipo de telfono mvil?
xito
RCR
0,7
Fracaso 0,6
xito
CLV
0,3
0,4
0,452
Fracaso 0,548
29
0,3*0, 452
= 0,326
0,3*0, 452+ 0,7*0, 4
Una urna contiene 3 bolas blancas y 5 bolas negras. Se extrae una bola al azar y se
la separa. Luego se extrae otra bola; Cul es la probabilidad que esta segunda bola
sea blanca?.
Primera extraccin
Segunda extraccin
Blanca 2 / 7
Blanca 3 / 8
Negra
5/7
Blanca 3 / 7
Negra
5/8
Negra
4/7
3 2 5 3 3
* + * =
= 0,375
8 7 8 7 8
N N
B B B
N N N
N N
B B B
N N N
N
N N
N N
30
Tipo de Carnada ( Ci )
Resultado
Acierto 1/3
C1 (Apropiada)
1/3
Falla
2/3
Acierto 1/3
C2 (Apropiada)
1/3
Falla
2/3
Acierto 1/5
C3 (Inapropiada) 1/3
Falla
4/5
1 1 1 1 1 1
* + * + *
3 3 3 3 3 5
13
45
0,2 8
31
1 1
*
3 5
13
45
3
13
P(b) = 1 -
3 10
=
0,769
13 13
P(b) =
1 1 1 1
* + *
3 3 3 3
13
45
1 1
2* *
3 3
=
13
45
10
13
P(C1 / B) = P(C2 / B) =
C1
1 1
*
3 3
13
45
B
C2
Mono explicatorio
C3
32
Enfermedad
Sintomatologa
X 99%
A
2%
~X 1%
X 50%
B
0,5%
~X 50%
X 0,4%
C
97,5%
~X 99,6%
0,02*0,99
0,756
0,02*0,99+ 0,005*0,5+ 0,975*0,004
Esto quiere decir que algo ms de las 3/4 partes de la poblacin que presenta
el sntoma X ha contrado la enfermedad A de alta gravedad.
Es importante destacar, que la probabilidad que un individuo presente la
sintomatologa X es de 0,02*0,99+0,005*0,5+0,975*0,004 = 0,0262. Esto
significa que slo un poco ms de la cuarta parte de la poblacin presenta el
sntoma X.
33
Nivel de Sintona
Alto
Ftbol
50%
Bajo 40%
Alto
Novela
30%
Opera
20%
60%
45%
Bajo 55%
Alto
18%
Bajo
82%
0, 2*0,82
0,31
0, 2*0,82+ 0,3*0,55+ 0,5*0, 4
Crtica optativa
Un anlisis ms a fondo del problema nos indica que la calidad de la televisin
de ese pas de Amrica del Sur parece no ser muy buena, puesto que un simple
clculo de la probabilidad de obtener bajas tasas de sintona alcanza al 52,9%.
El valor agregado de usar los diagramas de decisin consiste en obtener toda
la informacin relativa al problema, que del modo tradicional no se clarificara
de manera inmediata.
34
De tres cajas PortaCDs idnticas una contiene dos CDs musicales de moda (CD In) y
otro pasado de moda (CD Out), una segunda caja contiene un CD de moda y un CD
pasado de moda, y la tercera contiene dos CDs pasados de moda. Todos los CDs
fueron grabados en forma pirata, y ninguno posee etiquetas de identificacin. Tras
tomar una de las cajas al azar, un empleado toma al azar un CD de la misma. Si este
CD result ser uno de moda, Cul es la probabilidad que el otro CD tomado de la
misma caja sea tambin un CD de moda?
CDIN CD de moda
CDOUT CD pasado de moda
Caja PortaCD i (i = 1, 2, 3 )
Ci
Ci
C1
C2
C3
CDIN CDIN CDOUT
CDIN CDOUT CDOUT
1 Eleccin
CDIN
2 Eleccin
CDIN (1/1)
(2/2)
CDOUT (0/1)
C1 (1/3)
CDIN
(0/1)
CDOUT (0/2)
CDOUT (0/1)
CDIN
CDIN
(0/1)
(1/2)
CDOUT (1/1)
C2 (1/3)
CDIN
(1/1)
CDOUT (1/2)
CDOUT (0/1)
CDIN
CDIN
(0/1)
(0/2)
CDOUT (1/1)
C3 (1/3)
CDIN
(0/1)
CDOUT (2/2)
CDOUT (1/1)
35
P(B) =
P(B / A ) P(A )
i
i=1
(PT1)
P(B) = P(B/A1)*P(A1) + P(B/A2)*P(A2) +. . . . . + P(B/An)*P(An)
. .
n
.
.
.
36
P(B / A ) * P( A )
P(A / B) =
k
(TB1)
1 k n
P(B / A ) * P( A )
i
i =1
P(A1)
P(A2)
P(A3)
A1
P(B/A1)
A2
P(B/A2)
A3
P(B/A3)
Ak
P(B/Ak)
An
P(B/An)
B
B
B
P(Ak)
P(An)
37
L1
2/3
C
1/3
2/3
1/3
2/3
S
1/3
L2
2/3
C
1/3
L3
C
(C,C,C)
Conteo
(C,C,S)
2/3
S
1/3
(C,S,C)
(C,S,S)
2/3
C
1/3
(S,C,C)
(S,C,S)
2/3
S
1/3
(S,S,C)
(S,S,S)
P(i)
Resultado
P(0)
P(1)
P(2)
P(3)
P(i)
1/3*1/3*1/3
2/3*/1/3*1/3+1/3*2/3*1/3+1/3*1/3*2/3
2/3*/2/3*1/3+2/3*1/3*2/3+1/3*2/3*2/3
2/3*2/3*2/3
1
nk
k
n k
n k
n!
P( X = x) = P( x = k ) = q (1 q)
=
q (1 q)
(n k )!k!
k
38
Probabilidad
1
3
3 k
1
3
1
3
1
3
3 0
31
3 2
=
=
3!
2
( 3 k )! k ! 3
1
3
3! 2
3 ! 0 ! 3
1
3
3! 2
2 ! 1 ! 3
1
3
3! 2
1 ! 2 ! 3
1
3
3 k
1
27
6
27
4
9
12
27
2
9
3 3
0
3! 2 3
8
1
1
=
0 ! 3 ! 3
27
3
3
1/2
4/9
9/20
2/5
7/20
8/27
3/10
1/4
2/9
1/5
3/20
1/10
1/20
1/27
0
0
39
L2
1/2
C
1/2
L3
C
(C,C,C)
Conteo
(C,C,S)
1/2
S
1/2
(C,S,C)
(C,S,S)
1/2
C
1/2
(S,C,C)
(S,C,S)
1/2
S
1/2
(S,S,C)
(S,S,S)
P(i)
Resultado
P(0)
P(1)
P(2)
P(3)
P(i)
1/2*1/2*1/2
1/2*/1/2*1/2+1/2*1/2*1/2+1/2*1/2*1/2
1/2*/1/2*1/2+1/2*1/2*1/2+1/2*1/2*1/2
1/2*1/2*1/2
1
1
1
=
P (0 ) =
8
0 2
3
3 1
3
=
P (1 ) =
8
1 2
3
3 1
3
P (2 ) =
=
8
2 2
3 1 3
1
=
P (3 ) =
8
3 2
Probabilidad
2/5
3/8
7/20
3/10
1/4
1/5
3/20
1/8
1/8
1/10
1/20
0
0
40
1
i
P (O ) =
i = 1 , 2 , 3 ,......
i + 1
i + 1
I1
I3
I4
Conteo
4/5
OOOO
1/5
OOOF
4/5
OOFO
1/5
OOFF
4/5
OFOO
1/5
OFOF
4/5
OFFO
O
3/4
O
1/4
2/3
O
1/3
3/4
F
1/2
1/4
F
1/2
3/4
1/5
OFFF
4/5
FOOO
O
1/5
FOOF
4/5
FOFO
1/5
FOFF
4/5
FFOO
1/5
FFOF
4/5
FFFO
1/5
FFFF
P(Suceso)
Operatoria
Resultado
P(OOOF)
1/2*2/3*3/4*1/5
P(OOFO)
1/2*2/3*1/4*4/5
P(OFOO)
1/2*1/3*3/4*4/5
1/20
1/15
1/10
1/5
5/12
P(FOOO)
1/2*2/3*3/4/4/5
P(X=3)
1/20+1/15+1/10+1/5
O
2/3
1/4
F
1/3
3/4
F
1/4
F
Donde
la variable X
representa el nmero de
veces en que se opera
correctamente la mquina
en 4 intentos.
41
P(X)
1/120
1/12
7/24
5/12
1/5
1
Explicacin
P(FFFF)
P(FFFO) + P(FFOF) + P(FOFF) + P(OFFF)
P(OOFF) + P(OFOF) + P(OFFO) + P(FOOF) + P(FOFO) + P(FFOO)
P(FOOO) + P(OFOO) + P(OOFO) + P(OOOF)
P(OOOO)
P(0) + P1) + P(2) + P(3) + P(4)
9/20
5/12
2/5
7/20
7/24
3/10
1/4
1/5
1/5
3/20
1/12
1/10
1/20
1/120
0
0
1
2
3
4
[ X ] N de operaciones correctas en 4 intentos
42
m
n
M
N
As, igualando ambas probabilidades, puesto que segn los conocimientos del
estadstico, deberan ser iguales:
M m
=
N n
N=
M
m
n
43
N=
M
m
n
44
Unidades estndar
Supngase que en un curso de diez alumnos se tienen las notas finales de los
ramos de Estadsticas y Contabilidad que a continuacin se detallan:
Estadsticas
Contabilidad
Alumno
Nota
Alumno
Nota
1
5,60
1
4,80
2
6,40
2
6,40
3
4,50
3
3,60
4
6,80
4
3,80
5
3,50
5
6,40
6
4,60
6
5,20
7
5,60
7
5,60
8
6,80
8
4,20
9
5,40
9
4,00
10
4,40
10
3,50
Promedio 5,36 Promedio 4,75
Desv. Tpica 1,05 Desv. Tpica 1,05
x
=
Z
i
2 Est
2 Cont
6 , 40 5 , 36
1 , 05
6 , 40 4 , 75
= 1 , 57
1 , 05
= 0 , 99
45
Como Z2Cont > Z2Est entonces la nota 6,40 obtenida por el alumno 2 en
contabilidad es mejor que el 6,40 que obtuvo en estadsticas.
Nota: Los puntajes estandarizados, por tratarse de nmeros reales, son mejores
mientras ms a la derecha se ubiquen en la recta numrica de los reales.
Un psiclogo, con motivo de un estudio acadmico, fue sometido a tres
diferentes tests. Los resultados de los puntajes obtenidos, junto con las medias y
sus desviaciones tpicas son:
Test
1
2
3
D48
Zulliger
PMA
Resultado
96
88
110
Media
95
90
100
Desv. Tpica
2
10
11
96 95
= 0 ,5
2
1
88 90
Z
=
= 0 ,2
10
2
110 100
Z
=
= 0 ,9
11
3
46
x
p(x)
1
1/p
2
4/p
3
5/p
4
3/p
5
2/p
6
1/p
7
1/p
Respuesta a)
Como
p(x) = 1
x= 0
entonces 1 = 1/p + 1/p + 4/p + 5/p + 3/p + 2/p + 1/p + 1/p y as 18/p = 1, en
consecuencia p = 18
As la tabla de la funcin cuanta resulta:
0
1/18
x
p(x)
1
1/18
2
4/18
3
5/18
4
3/18
5
2/18
6
1/18
7
1/18
Distribucin de Probabilidad
Probabilidad
5/18
3/10
1/4
2/9
1/5
1/6
3/20
1/10
1/9
1/18
1/18
1/18
1/18
1/20
0
2
3
4
5
x [ N goles marcados ]
47
Respuesta b)
P(X 3) = P(3) + P(4) + P(5) + P(6) + P(7) = 5/18+1/6+1/9+1/18+1/18 = 2/3
Respuesta c)
La esperanza matemtica, o el valor esperado del nmero de goles, E(X), es:
7
E( X ) =
18
= 3 518
x =0
V( X ) =
( )2
x=0
V (X ) =
929
324 1 , 693305
x
0
48
kx
x [0 ,1 [
x [1 , 2 [
f (x) =
k
kx + 3 k x [2 , 3 ]
Se sabe que para que f(x) sea una fdp debe cumplir con:
+
f ( x ) dx = 1 1 =
kxdx +
k=1
kdx +
0 dx +
Respuesta b)
( kx + 3 k ) dx +
0 dx
1 x
x [0 ,1[
2
1
[
[
x
f ( x) =
1
,
2
2
1 x + 3 x [2 ,3 ]
2
2
P (a x b) =
en consecuencia, se tiene:
P (1,5 x + ) =
1,5
a b
f ( x ) dx
f ( x ) dx =
1, 5
1 dx +
2
( 1 2 x + 3 2 ) dx +
0 dx
49
1,5+
P ( X = 1,5) = lim
P (1,5 x 1,5 + )
1,5+
f (t )dt = lim
1 tdt = lim
=0
2
0
1,5
1,5
Efectivamente, para esta variable aleatoria, la probabilidad que la venta
semanal de combustible haya sido de 1.500 litros exactos es cero, tal como se
infiere de la teora.
Nota:
Para una variable aleatoria continua, la probabilidad que sta alcance un valor
determinado siempre es nula, sin embargo, no lo es cuando la probabilidad se
calcula en torno a un rango de un valor de la variable.
Ejemplo: En un curso de 35 alumnos cuyas estaturas van desde 1.42 m hasta
1,78 m, se puede calcular una probabilidad no nula que la estatura vare, por
ejemplo entre 1,58m y 1,65 m. Sin embargo, la probabilidad que la estatura
sea de exactamente 1,61 m es nula, porque este valor de la estatura, que se
puede dar dentro del curso, puede variar segn la precisin del instrumento de
medicin.
Justificacin Matemtica
La probabilidad que el valor x de una variable aleatoria X se encuentre entre x
y x + x es:
x+x
P (x X x + x) =
f ( t ) dt
50
Variable Aleatoria
Definicin:
Sea un experimento y el espacio muestral asociado con l. Una
funcin X que asigna a cada uno de los elementos s de , un nmero
real X(s), se llama variable aleatoria.
Ejemplo: Supngase que se lanzan dos monedas buenas y considrese el
espacio muestral asociado a dicho experimento:
= {(C,C); (C,S); (S,C); (S,S)} = {CC, CS, SC, SS}
Definiremos X =: el nmero de caras obtenidas en dos lanzamientos, en
consecuencia se tiene:
X(CC) = 2
X(CS) = X(SC) = 1
X(SS) = 0
RX
X(s)
51
Definicin:
Sea un experimento y el espacio muestral asociado con l. Sea X una
variable aleatoria definida y sea RX su recorrido. Sea B un evento
respecto a RX, es decir, B RX. Supngase que A se define como:
A={ s
/ X(s) B}
(*)
RX
X(s)
Definicin:
Sea B un evento en RX, entonces:
P(B) = P(A) donde A = { s
/ X(s)
B}
(**)
es decir, se define P(B) igual a la probabilidad del evento A
sentido dado por (*)
en el
52
Definicin:
Se dice que X es una variable aleatoria continua, si existe una funcin
f, llamada funcin de densidad de probabilidad (fdp) de X, que satisface
las siguientes condiciones:
a) f(x) 0 para todo x
b)
f ( x ) dx
= 1
c)
a<b
se tiene:
P (a x b ) =
f ( x ) dx
Nota i:
De c) se deduce
P (x = c) =
f ( x ) dx
= 0
P ( A) = 0 A =
Nota ii:
Si X slo toma valores en un intervalo finito, por ejemplo,
f ( x ) dx = 1
53
f ( x ) dx
Definicin:
La funcin de distribucin acumulada (fda) o simplemente la funcin
de distribucin, para una variable aleatoria continua o discreta X se
define por:
F(x) = P(X x)
x
F (x) = P ( X
x) =
f ( t ) dt
P ( X
x ) =
p ( x
)
j
para el caso de una v.a. discreta. Donde la suma se toma sobre todos los
ndices j que satisfacen xj x
F(x) se caracteriza por las siguientes propiedades:
F (x ) = P ( X
x) =
f ( t ) dt
dF ( x )
= f ( x ) en todos los puntos
dx
54
Figura 1
F(x)
Figura 2
Definicin:
Sea X una v.a. discreta con valores posibles x1, x2, x3, . . . ., y supngase
que es posible rotular esos valores de modo que x1 < x2 < x3 < . . . . Sea
F la funcin de distribucin acumulada (fda) de X. Entonces:
x
p(x)
1
1/18
2
4/18
3
5/18
4
3/18
5
2/18
6
1/18
7
1/18
Respuesta a)
x
p(x) 1/18
1/18
4/18
5/18
3/18
2/18
1/18
1/18
1/9
4/18+2/18
1/3
7/9
8/9
17/18
55
F ( x ) =
x
x
1
18
3
11
18
7
9
9
17
18
,0
[0 , 1 [
[1 , 2
[2 , 3
[3 , 4
[4 , 5
[5 , 6
[6 , 7
x
x
x
x
x
x
x
[7
, +
[
[
[
[
[
[
[
F(x)
1/3
1/9
1/18
x
0
Respuesta b)
La probabilidad que se hagan entre 2 y 3 goles por partido est dada por:
P(2 x 3) = F(3) F(2) = 11/18 1/3 = 5/18
El concepto de probabilidad condicional se puede aplicar con propiedad a las
variables aleatorias continuas. A continuacin se ver dicha aplicacin
respecto al ejercicio propuesto en la pgina 47.
56
x [0 ,1[
2
1
f (x) =
x [1, 2 [
2
1 x + 3 x [2 , 3 ]
2
2
a) Calcular la probabilidad que las ventas semanales alcancen a lo menos
1.500 litros, dado que lo ms probable es que se vendan entre 1.000
litros y 2.000 litros de combustibles.
f(x)
1/2
x (kl)
0
Respuesta a)
Lo que se pide evaluar es la probabilidad de vender 1.500 litros sujeto al
suceso consistente en que se vendern entre 1.000 y 2.000 litros de
combustibles, esto expresado en notacin de probabilidades condicionales es
P(x 1,5 / 1 x 2). As:
+
P( x 1,5 /1 x 2) =
1
2
3
2
P( x 1,5)
= 1 Esto indica que es un suceso seguro.
P(1 x 2)
57
x ]0 , 1 [
0
f(x)
x
0
Respuesta:
De acuerdo con lo estudiado se tiene para la fda F:
( x ) =
,0
2 tdt
]0
]1
x
0
,1
, +
]
[
58
Se sabe que el 75% de las veces durante el mes de agosto llueve ms de 20 cm3 y
un 35% de las veces llueve menos de 30 cm3. Suponiendo normalidad en las
precipitaciones durante agosto:
a) Hallar la cantidad media de precipitaciones durante agosto
b) Hallar la probabilidad que precipiten entre 40 y 60 cm3.
c) Hallar la probabilidad que entre 6 y 10 das de agosto precipiten entre 40 y
60 cm3.
Respuesta a)
i) 75% del mes de agosto > 20 cc 25% 20cc
ii) 35% del mes de agosto < 30 cc
As:
iii) Z(25%) = -0,674 = (20 - ) /
iv) Z(35%) = -0,385 = (30 - ) /
59
z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.0
4.1
4.2
4.3
4.4
0'00
0.50000
0.53983
0.57926
0.61791
0.65542
0.69146
0.72575
0.75804
0.78814
0.81594
0.84134
0.86433
0.88493
0.90320
0.91924
0.93319
0.94520
0.95543
0.96407
0.97128
0.97725
0.98214
0.98610
0.98928
0.99180
0.99379
0.99534
0.99653
0.99744
0.99813
0.99865
0.99903
0.99931
0.99952
0.99966
0.99977
0.99984
0.99989
0.99993
0.99995
0.99997
0.99998
0.99999
0.99999
0.99999
0'01
0.50399
0.54380
0.58317
0.62172
0.65910
0.69497
0.72907
0.76115
0.79103
0.81859
0.84375
0.86650
0.88686
0.90490
0.92073
0.93448
0.94630
0.95637
0.96485
0.97193
0.97778
0.98257
0.98645
0.98956
0.99202
0.99396
0.99547
0.99664
0.99752
0.99819
0.99869
0.99906
0.99934
0.99953
0.99968
0.99978
0.99985
0.99990
0.99993
0.99995
0.99997
0.99998
0.99999
0.99999
0.99999
0'02
0.50798
0.54776
0.58706
0.62552
0.66276
0.69847
0.73237
0.76424
0.79389
0.82121
0.84614
0.86864
0.88877
0.90658
0.92220
0.93574
0.94738
0.95728
0.96562
0.97257
0.97831
0.98300
0.98679
0.98983
0.99224
0.99413
0.99560
0.99674
0.99760
0.99825
0.99874
0.99910
0.99936
0.99955
0.99969
0.99978
0.99985
0.99990
0.99993
0.99996
0.99997
0.99998
0.99999
0.99999
1.00000
0'03
0.51197
0.55172
0.59095
0.62930
0.66640
0.70194
0.73565
0.76730
0.79673
0.82381
0.84849
0.87076
0.89065
0.90824
0.92364
0.93699
0.94845
0.95818
0.96637
0.97320
0.97882
0.98341
0.98713
0.99010
0.99245
0.99430
0.99573
0.99683
0.99767
0.99831
0.99878
0.99913
0.99938
0.99957
0.99970
0.99979
0.99986
0.99990
0.99994
0.99996
0.99997
0.99998
0.99999
0.99999
1.00000
0'04
0.51595
0.55567
0.59483
0.63307
0.67003
0.70540
0.73891
0.77035
0.79955
0.82639
0.85083
0.87286
0.89251
0.90988
0.92507
0.93822
0.94950
0.95907
0.96712
0.97381
0.97932
0.98382
0.98745
0.99036
0.99266
0.99446
0.99585
0.99693
0.99774
0.99836
0.99882
0.99916
0.99940
0.99958
0.99971
0.99980
0.99986
0.99991
0.99994
0.99996
0.99997
0.99998
0.99999
0.99999
1.00000
0'05
0.51994
0.55962
0.59871
0.63683
0.67364
0.70884
0.74215
0.77337
0.80234
0.82894
0.85314
0.87493
0.89435
0.91149
0.92647
0.93943
0.95053
0.95994
0.96784
0.97441
0.97982
0.98422
0.98778
0.99061
0.99286
0.99461
0.99598
0.99702
0.99781
0.99841
0.99886
0.99918
0.99942
0.99960
0.99972
0.99981
0.99987
0.99991
0.99994
0.99996
0.99997
0.99998
0.99999
0.99999
1.00000
0'06
0.52392
0.56356
0.60257
0.64058
0.67724
0.71226
0.74537
0.77637
0.80511
0.83147
0.85543
0.87698
0.89617
0.91309
0.92786
0.94062
0.95154
0.96080
0.96856
0.97500
0.98030
0.98461
0.98809
0.99086
0.99305
0.99477
0.99609
0.99711
0.99788
0.99846
0.99889
0.99921
0.99944
0.99961
0.99973
0.99981
0.99987
0.99991
0.99994
0.99996
0.99998
0.99998
0.99999
0.99999
1.00000
0'07
0.52790
0.56749
0.60642
0.64431
0.68082
0.71566
0.74857
0.77935
0.80785
0.83398
0.85769
0.87900
0.89796
0.91466
0.92922
0.94179
0.95254
0.96164
0.96926
0.97558
0.98077
0.98500
0.98840
0.99111
0.99324
0.99492
0.99621
0.99720
0.99795
0.99851
0.99893
0.99924
0.99946
0.99962
0.99974
0.99982
0.99988
0.99992
0.99995
0.99996
0.99998
0.99998
0.99999
0.99999
1.00000
0'08
0.53188
0.57142
0.61026
0.64803
0.68439
0.71904
0.75175
0.78230
0.81057
0.83646
0.85993
0.88100
0.89973
0.91621
0.93056
0.94295
0.95352
0.96246
0.96995
0.97615
0.98124
0.98537
0.98870
0.99134
0.99343
0.99506
0.99632
0.99728
0.99801
0.99856
0.99897
0.99926
0.99948
0.99964
0.99975
0.99983
0.99988
0.99992
0.99995
0.99997
0.99998
0.99999
0.99999
0.99999
1.00000
0'09
0.53586
0.57535
0.61409
0.65173
0.68793
0.72240
0.75490
0.78524
0.81327
0.83891
0.86214
0.88298
0.90147
0.91774
0.93189
0.94408
0.95449
0.96327
0.97062
0.97670
0.98169
0.98574
0.98899
0.99158
0.99361
0.99520
0.99643
0.99736
0.99807
0.99861
0.99900
0.99929
0.99950
0.99965
0.99976
0.99983
0.99989
0.99992
0.99995
0.99997
0.99998
0.99999
0.99999
0.99999
1.00000
60
Respuesta a)
La probabilidad solicitada est dada por P(144 Kw-h x 160 Kw-h).
Los valores estandarizados estn dados por:
x 151,92
Z ( x) =
8,24
As para x = 144 Kw-h y x = 160 Kw-h se tiene:
144 151 ,92
Z (144 ) =
= 0,9614
8, 24
160 151 ,92
Z (160 ) =
= 0 ,9801
8, 24
As se tiene:
P(144 Kw-h x 160 Kw-h) = P( x 160 Kw-h) P( x 144 Kw-h) y
usando los valores estandarizados y la tabla se tiene:
P(144 Kw-h x 160 Kw-h) = P( X 0,9801) P(X - 0,9614)
P(144 Kw-h x 160 Kw-h) = 0,8365 0,1685 = 0,668
Respuesta b)
La probabilidad solicitada es:
P( x 160 Kw-h) = P( X 0,9801) = 0,8365
61
1)
Respuesta a)
Debe cumplirse con la condicin:
n
p( x ) =1
i)
i =1
p ( xi ) > 0
p ( a1 ) = 2 p ( a2 )
iii)
p ( a2 ) = 2 p ( a3 )
p( x)
a1
4
7
a2
2
7
a3
1
7
62
Respuesta b)
El valor esperado o esperanza para la variable X es:
3
E ( X ) = xi p( xi ) = x1 p( x1 ) + x2 p( x2 ) + x3 p( x3 )
i =1
4
2
1 1
E ( X ) = a1 + a2 + a3 = ( 4a1 + 2a2 + a3 )
7
7
7 7
2i)
Respuesta c)
Para calcular la varianza es necesario calcular previamente E ( X 2 )
3
E ( X 2 ) = x 2i p( xi ) = x 21 p( x1 ) + x 2 2 p( x2 ) + x23 p( x3 )
i =1
4
2
1
E ( X 2 ) = a 21 + a 2 2 + a 23
7
7
7
1
E ( X 2 ) = ( 4a 21 + 2a 2 2 + a 23 )
7
As de 2i) y de 3i) se tiene la varianza:
3i )
Va( X ) = E ( X 2 ) E 2 ( X )
1
1
Respuesta c)
La desviacin tpica es:
1
2
1
2
2
2
+
+
+
+
4
a
2
a
a
4
a
2
a
a
( 1 2 3 ) 7 ( 1 2 3 )
7
=
=
1
2
7 ( 4a 21 + 2a 2 2 + a 23 ) ( 4a1 + 2a2 + a3 )
7
Distribucin de Probabilidades
4/7
2/7
1/7
a1
a2
a3
63
2)
p( X )
0,05
0,09
2k
0,11
0,22
0,18
0,10
0,20
4k
a) Hallar el valor de k
b) Hallar la distribucin de probabilidad con sus valores numricos
correspondientes.
c) Hallar la probabilidad que el agente venda menos de tres plizas
semanales.
d) Si el agente vende ms de cinco plizas en la semana, recibe un
bono. Determinar la probabilidad que el agente reciba el bono.
e) Determinar el nmero de plizas que se espera que el agente venda
semanalmente.
f) Hallar la probabilidad que el agente venda exactamente cuatro plizas
semanales.
Respuesta a)
Usando las condiciones de una ddp:
n
p( x ) =1
i =1
x
i =1
p ( xi ) > 0
5
100
5
1
k = 100 =
6 120
Respuesta b)
p( X )
1
20
9
100
1
60
11
100
11
50
9
50
1
10
1
5
1
30
64
Respuesta c)
La probabilidad que el agente venda menos de tres plizas semanales est dada por:
P ( X < 3) = P ( X = 0 ) + P ( X = 1) + P ( X = 2 )
1
9
1
+
+
20 100 60
47
P ( X < 3) =
= 0,156
300
P ( X < 3) =
Respuesta d )
La probabilidad que el agente reciba el bono est dada por:
P ( X > 5) = P ( X = 6 ) + P ( X = 7 ) + P ( X = 8)
1 1 1
+ +
10 5 30
1
P ( X > 5) = = 0, 3
3
P ( X > 5) =
Respuesta e)
El nmero de plizas que se espera que el agente venda semanalmente corresponde a:
9
E ( X ) = x i p( x i ) = 0
i =1
5
9
1
11
11
9
1
1
1
+ 1
+ 2 + 3
+ 4 + 5 + 6 + 7 + 8
100
100
60
100
50
50
10
5
30
9
= 4,5
2
Respuesta f )
La probabilidad que el agente venda exactamente cuatro plizas se obtiene directamente de
la distribucin de probabilidades:
11
P ( X = 4) =
= 0, 22
50
E(X ) =
Distribucin de Probabilidad
11/50
1/5
9/50
11/100
1/10
9/100
1/20
1/30
1/60
8 X
65
3)
Respuesta a)
n
E( X ) = xi P ( xi )
i =0
n
n
n
n
n!
n(n 1)!
E( X ) = k qk (1 q)nk = k
qk (1 q)nk = k
qqk 1 (1 q)nk
k =0 k
k =0 k !( n k ) !
k =0 k (k 1)!( n k ) !
n
n(n 1)!
(n 1)!
qqk 1 (1 q)nk = nq
qk 1 (1 q)nk
(
k
1)!
n
k
!
k (k 1)!( n k ) !
( )
k =1
=k
k =0
n1
= nq
j =0
Sea : k 1 = j
n1 n 1
j
(n 1)!
n1
n1 j
q j (1 q)n1 j = nq
= nq ( q + (1 q)) = nq(1)n1
q (1 q)
j !( n 1 j ) !
j =0 j
E( X ) = nq
Respuesta b)
Para calcular la varianza de la v.a. X , es necesario calcular E( X 2 )
n
n
n
k ( n 1) !
n
n!
E( X 2 ) = k 2 qk (1 q)nk = k 2
qk (1 q)nk = nq
qk 1(1 q)nk Sea : k 1 = j
k !( n k )!
k =0
k =0
k =1 ( k 1) !( n k ) !
k
j =0 j !( n 1 j ) !
j =0 j !( n 1 j ) !
j =0 j !( n 1 j ) !
n1
= nq
n1 n 1
n1 j ( n 1)! j
j
n1 j
q (1 q)n1 j +
= nq
= nq ( n 1) q +1 = nq [ nq +1 q]
q (1 q)
j =0 j
j =0 j !( n 1 j ) !
= + nq (1 q)
66
4)
Respuesta a)
Se trata de una ddp binomial, donde la probabilidad de xito, es decir, un hijo hombre, es igual
a la probabilidad de un fracaso, o sea tener una hija. As q = 1 = 1 q . El nmero de intentos
2
para tener hijos es 8:
As el nmero esperado de hijos varones es:
E ( X ) = nq = 8 1 = 4
2
Respuesta b)
Por otra parte, la probabilidad que el nmero esperado de hijos varones suceda es:
( ) ( 12 )
8
P ( X = 4) = 1
4 2
8 4
( )
8
8
70 70 35
=
0, 27
= 1 = 8 =
2
2
256 128
4