UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA AMBIEN TAL

BIOESTADISTICA

PROBABILIDADES

Docente: Dra. Sara Adelina Arana Lpez

LIMA, 2016
I. INTRODUCCION A PROBABILIDADES

En la clase anterior hemos aprendido, a definir poblacin, muestra, variable, el

agrupamiento de las observaciones de los elementos de la muestra en tablas y
grficos, as como, determinar un valor representativo de todo el conjunto de
muestras, la variabilidad de los datos, el porcentaje de variacin, aplicando los
mtodos de las medidas de resumen o estadsticos. Es muy importante de estos
temas tener el conocimiento bsico, para continuar con el enlace en probabilidades.
En la gran mayora de los casos nos vemos limitados a realizar una observacin
parcial de la variable. Al conocer las caractersticas de toda la poblacin, se intenta
inferir su comportamiento. As una empresa antes de lanzar un nuevo producto estar
interesada en conocer cul puede ser su cuota de mercado, para lo cual realizar un
sondeo de opinin entre algunos de sus potenciales clientes. Pero el resultado de ese
sondeo, basado en una muestra (observacin parcial), no le permite concluir cul ser
su verdadera cuota de mercado. La decisin que tome respecto a ese producto estar
marcada por un cierto grado de incertidumbre
En nuestro da a da, el termino probabilidad esta en nuestro lenguaje, aunque, no
tengamos ningn conocimiento previo de la existencia de una teora sobre
probabilidades. Probabilidad de llegar temprano al trabajo, probabilidad de no
excederse en los gastos, probabilidad de ganar un torneo, probabilidad de ser
ascendido en nuestro centro de trabajo, probabilidad de conseguir un trabajo,
probabilidad de tener que incrementar las ventas, probabilidad que tiene una empresa
de expandirse a nuevos mercados, probabilidad de acceder a mercados externos,
para un estudiante, probabilidad de aprobar una materia, probabilidad de cambiar el
proceso de enseanza aprendizaje, probabilidad de ser aceptado en un grupo, para
una ama de casa probabilidad de que el presupuesto para su canasta de productos
bsicos sea la adecuada . Es decir, hablar de probabilidad, es hablar de cierta
incertidumbre en el desarrollo del evento.

3.1. DEFINICIN DE PROBABILIDAD

La probabilidad de un suceso, es una medida cuantificada de las ocurrencias

del suceso frente a los dems sucesos del experimento.
Grado de incertidumbre en la ocurrencia de los resultados de un experimento
Esta medida cuantificable que toma valores entre cero y uno

0 P( A) 1
Condiciones

1. P( A) 1 : suceso seguro
2. 0 P( A) 1 : suceso posible
3. P( A) 0 : sucesoimposible

Obtener un seis al lanzar un dado honesto.

Obtener un seis al lanzar un dado cargado.
Que la tasa de crecimiento del PBI del pas sea superior al 4%.

OBJETIVOS

1. Ccomprender y utilizar la informacin en base a una muestra elegida al

azar de la poblacin
2. Usar reglas bsicas para evaluar la posible ocurrencia de los diferentes
fenmenos
3. Identificar si la muestra en estudio es discreta o continua

3.2. Defecciones de probabilidad: Clsica, por Frecuencia Relativa,

Subjetiva

Para obtener probabilidades hay que recurrir a enfoque o definiciones distintas.

Los enfoques sirven para establecer reglas de asignacin de probabilidades a
los sucesos ms que para definir la probabilidad. Sin embargo la definicin de
probabilidad se ha dado a travs del tiempo de tres formas diferentes de definir
e interpretar probabilidad

DEFINICIONES DE
PROBABILIDAD

DEFINICION POR DEFINICION

DEFINICION CLASICA SUBJETIVA
FRECUENCIA
RELATIVA
A. Probabilidad Clsica o A Priori (Regla de Laplace).

El experimento ( ) que se est realizando da lugar a un espacio muestral () ,

que es finito y cuyos resultados son conocidos de antemano y equiprobables o
simtricos, entonces, la probabilidad del suceso A perteneciente a ( ) se
define como el cociente de los resultados favorables a respecto del total de
resultados posibles

Nmero deresultad os posibles

P ( A)
Nmero de resultados favorables a ( A)

A esta expresin se le conoce como regla de Laplace. El concepto est ligado

a los juegos de azar. Satisface tres propiedades
1. No negatividad: P(A) diferente de cero.
2. Certeza: P (E) =1.
3. Aditividad: Si A y B son dos sucesos del espacio () y ambos
son mutuamente excluyentes, entonces la probabilidad de C ser:

P(C) = (PA) + P(B)

B. Probabilidad por Frecuencia o A Posteriori.

En este caso la probabilidad de un suceso A, se define como el lmite de una

frecuencia relativa, cuando el experimento se realiza un nmero infinito de
veces.

n ( Ai )
P ( A) lim n , i 1,2,3,..., k
n
C. Probabilidad Subjetiva

Expresa un grado de creencia o confianza individual en relacin con la

ocurrencia o no de un determinado suceso. Se trata de un juicio personal sobre
el resultado de un experimento aleatorio. Adems se admite la posibilidad de
que distintos sujetos asignen probabilidades diferentes al mismo suceso. no
son aplicables ninguna de las dos definiciones dadas anteriormente, por lo que
no es posible asignar probabilidades mediante un procedimiento objetivo,
debiendo recurrir a procedimientos de tipo subjetivo, a opiniones de expertos
Cumple con las tres condiciones de probabilidad

3.3. EXPERIMENTO ALEATORIO, ESPACIO MUESTRAL, EVENTO,

SUCESO

Experimentos o fenmenos aleatorios ( )

Pueden dar lugar a varios resultados, sin que pueda ser previsible enunciar con
certeza cul de stos va a ser observado en la realizacin del experimento.

Un experimento aleatorio es aquel del que no podemos predecir su

resultado, depende de la suerte o azar

Es decir los resultados no se pueden predecir

Ejemplo:

Lanzar un dado y observar el lado superior

Obtener un seis en un dado cargado
Que la tasa de crecimiento del PBI del Pas sea superior al 4%

Espacio Muestral

Es el conjunto de todos los resultados posibles del experimento aleatorio

Eventos: A, B,

Es un subconjunto del espacio muestral. Se utiliza las primeras letras del

alfabeto para definir un evento: A, B, C,

Suceso
Son todos los elementos del espacio muestral

1 , 2 , 3 , .. . , 8
EJEMPLO:

( ): Lanzar una moneda tres veces y observar los resultados

SOLUCION
PROBABILIDADES - EXPERIMENTO ALEATORIO

Lanzar Una Moneda Tres Veces

LANZAR UN DADO TRES V ECES
TO
IEN
AM W 1 / 8
ANZ
C

3 L
TO
MIEN C
A
ANZ
2 L W W 1 / 8
S
C
1 / 4
O
NT
IE

W
1 / 8
M

W
C
ZA
N
LA

1 / 2
S
1

W
W 1 / 8
S
1 / 4

W 1 / 8
C

W 1 / 8
S C
1 / 4

W W 1 / 8
C

1 / 2

W 1 / 8
C
W

1 / 4

cccc , css, ccs , csc, scc, ssc, scs, sss

X: Caras SUCESOS fi P(x)

0 {sss} 1 1/8
1 {css, scs, ssc} 3 3/8
2 {ccs, csc, scc} 3 3/8
3 {ccc 1 1/8
Total 8 sucesos 8

Evento A: que en la cara superior de la moneda aparezcan dos caras

A = {CCS), (C,S,C), (S,C,C) }

El nmero de resultados posibles es N(A) = 3.

N(A) 3
P(A) 0,375
N() 8

SUCESOS

1, 2, 3, 4, 5, 6, 7, 8
3.4. ALGEBRA DE EVENTOS

En la definicin de evento se pudo apreciar que un evento es un conjunto, por

lo que los eventos heredan las propiedades y teora general de los conjuntos:

Unin de Eventos
Sean A y B dos eventos cualesquiera del espacio de eventos. La unin de los
eventos A y B es el evento que consta de los elementos que pertenecen tanto a
A como a B y se representa por (A B).

A B

A B I / I A o I B

Complemento de Eventos
Interseccin de Eventos

1
A B ( A B)

A B I / i A y B A /
c
I i no B
 Igualdad de Eventos
Inclusin de Eventos

A B, si w A w B. A = B, si A B y B A.

Eventos Mutuamente Excluyentes

Diferencia de Eventos

Sean A y B eventos de , entonces:

A B = { w / w A y w B }. AB=
3.5. COMBINACIONES Y PERMUTACIONES

TRABAJO PARA LOS ALUMNOS

3.6. AXIOMAS, TEOREMAS

Axioma 1: Axioma 2: Axioma 3:

0 P A 1 P 1
P A
K
P K
i 1 Ai i
i 1

TEOREMAS

TEOREMA 1: P P P

TEOREMA 2:
P AC 1 P A

TEOREMA 3: P A Bi P( A) P(B) P( A B)

TEOREMA 4: TEOREMA CONDICIONAL

Sea (, A, P) un espacio probabilstico arbitrario y A un suceso (A A) tal que P(A) >

0. Para cualquier otro suceso B A, se define la probabilidad condicionada de B dado
A o probabilidad de B condicionada a A como

P( A B)
P A / Bi
P( B)
La probabilidad condicionada es uno de los conceptos clave en Teora de la
Probabilidad.

TEOREMA 5: TEOREMA DE BAYES

P A / Bi
P( A) P( A / B)
P( A1 ) P( A / B1 ) P( A2 ) P( A / B2 ) ... P( An ) P( A / Bn )

3.7. VARIABLE ALEATORIA

A. VARIABLE ALEATORIA

Es una funcin que asigna a cada elemento del espacio muestral uno y solo un
nmero real.

X X ( )

B. CLASES DE VARIABLE ALEATORIA:

La variable aleatoria, similar a las clases de variable cuantitativa que se estudi

en estadstica descriptiva, veremos dos tipos de variables aleatorias.

i. V.A. Discreta
ii. V.A. Continua

B.1.Variable Aleatoria Discreta:

Una variable aleatoria X, es discreta si, los valores que toma la variable son
enumerarles.

Funcin de probabilidad

Es la funcin que a cada valor de la variable aleatoria X le asigna su

probabilidad de ocurrencia.

P ( xi ) P X xi

Condiciones de la funcin de probabilidad

1. 0 P ( x) 1

2. P ( xi ) 1

Representacin de la Distribucin de probabilidad o funcin de probabilidad

Tabla:

x x1 x2 x3 . . . xk

P ( xi ) P X xi P ( x1 ) P ( x2 ) P ( x3 ) . . .

Grafico

p ( xi )

p ( x3 )

p ( x2 ) p ( x4 )

p ( x15 )
p ( x1 ) p ( x6 )

x1 x21 x3. x4 x5 x6 X

Valor esperado y varianza de la variable aleatoria

 Valor esperado
k
E ( xi ) ( xi ) pxi
i 1
Donde
E(x): valor esperado
P(x): probabilidad de X
xi : valores de la variable

Varianza

k
V ( xi ) ( xi E ( x))2 Pxi
i 1

Ejemplo

Veamos el caso del experimento de lanzar una moneda 3 veces, para calcular
el valor esperado y la varianza de la variable aleatoria X

Tabla: de distribucin de probabilidad discreta

X 0 1 2 3 Total

P ( xi ) 1/8 3/8 3/8 1/8 1

E ( xi ) 0*1/8 1*3/8 2*3/8 3*1/8 1.5

V ( xi ) 0 1.52 *1 / 8 1 1.52 *3 / 8 2 1.52 *3 / 8 3 1.52 *1 / 8 ..

Grfico: de distribucin de probabilidad discreta

B.2.Variable Continua

Una variable aleatoria es continua, si su proceso se efecta bajo el rea de una

curva. Es decir si el rango de la variable aleatoria es un intervalo o un conjunto
de intervalos

3.8. Distribuciones de probabilidad discretas

Las distribuciones de probabilidad discreta se tienen:

Binomial
Poisson
Hipergeomtrica

A. Distribucin Binomial

Es una distribucin que proviene de un experimento que consiste en n

pruebas o ensayos de Bernuolli.

CARACTERISTICAS

a. Se realizan n pruebas y todas deben ser idnticas e independientes (el

resultado de cualquier ensayo particular no afecta el resultado de cualquier
otro ensayo
b. Cada ensayo debe dar lugar a dos posibles resultados, llamados xito (E)
o fracaso (F), que deben ser mutuamente excluyentes.
c. p es la probabilidad de xito en cada prueba y debe ser invariante, y la
probabilidad de fracaso es q = 1-p
d. Los valores de la variable aleatoria varan desde cero hasta n.

Se define la variable aleatoria Binomial:

X: N de xitos en n pruebas o ensayos
Rag. de X = 0, 1, 2,3,.., n
p = probabilidad de xito
1 p = probabilidad de fracaso (1 p = q)
Por lo que: p + q = 1

Funcin de Probabilidad

n
n, x, p p x q n x
x

Donde

n, x, p : Distribucin Binomial
n: tamao de la muestra
x: observacin seleccionada
p= probabilidad de xito
q: probabilidad de fracaso

VALOR ESPERADO Y VARIANZA

VALOR ESPERADO

E ( X ) np

Dnde:

n: tamao de muestra
p: probabilidad de xito

VARIANZA

V ( X ) npq
Dnde:

n: tamao de muestra
p: probabilidad de xito
q: probabilidad de fracaso

EJEMPLO 1:

El tratamiento de la gripe con vitamina C produce un efecto curativo

en 75% de los casos. Se seleccionan 6 pacientes al azar. Cul es
la probabilidad de que, luego del tratamiento?
a. Ninguno este curado
b. A lo ms 1 este curado
c. Al menos cinco estn curado
SOLUCION

X: N de pacientes curados
n: 6 pacientes

X B(n 6; p 0.75)
Rx 0,1,2,3,4,5,6

a. P( X 0) C06 0.7500.256 2.4414 x104

La probabilidad de que ningn paciente se cure es 0.0002441

b. P( X 1) P( X 0) P( X 1) C06 0.7500.256 C16 0.7510.255

4.6387 x103

La probabilidad de que a lo ms uno sea curado es 0.00464

c. P( X 5) P( X 5) P( X 6) C56 0.755 0.251 C66 0.75 6 0.25 0

0.5339

La probabilidad de que al menos cinco estn curados es : 0.534

EJEMPLO 2

Supongamos que la probabilidad de que una pareja tenga un hijo o una hija es
igual. Calcular la probabilidad de que una familia con 6 descendientes tenga 2
hijos.
SOLUCION

xito = E = tener hijo y p(E) = 05.

Fracaso = F = tener hija y p(F) = q = 1-P = 05.
Binomial B(6; 2 ;05)

6
p( x) * (0.5) 2 * (0.5) 4 0.2344
2
La probabilidad de que la familia tenga dos hijos es 0.2344

Ejemplos propuestos

1. se sabe que el 30% de los habitantes de una ciudad padece de asma.

determinar la probabilidad de que en una muestra aleatoria de 4 personas.
i) Ninguna padezca de agua.
ii) ms de 2 sufran de asma.

2. En un cargamento de llantas de automviles, 5% tiene cierta imperfeccin.

Se eligen aleatoriamente cuatro llantas para instalarlas en el automvil
a.Cul es la probabilidad de que ninguna de las llantas tenga imperfeccin?
b. Cul es la probabilidad de que a lo ms dos tengan imperfeccin?
c. Cul es la probabilidad de que al menos tres tengan imperfeccin?
3. Un comerciante de adornos de porcelana tienen conocimiento de que el 10%
de los adornos tiene cierta imperfeccin. Si un comprador elige 4 adornos al
azar, encuentre la probabilidad de que.

a. 4 adornos tienen cierta imperfeccin.

b. A lo ms 2 adornos tienen cierta imperfeccin.
c. Al menos 3 adornos tienen cierta imperfeccin.

DISTRIBUCIN DE POISSON

Un ensayo de Poisson, es un experimento en el que el nmero de ocurrencias

de un evento es observado en un intervalo de tiempo.
Una variable aleatoria X tiene una distribucin de Poisson con parmetros, si
su funcin de cuanta est definido

x
e
p ( x)
x!
Donde:

p(x) : Probabilidad de X
: Promedio
e : Constante (2.71828)
x : Observaciones seleccionadas

VALOR ESPERADO Y VARIANZA

VALOR ESPERADO

E (X )
DONDE:

: Promedio

VARIANZA

V (X )

EJEMPLO:

El gerente de un establecimiento desea conocer la probabilidad de que

exactamente cinco clientes lleguen en una hora determinada al trabajo. Tiene
conocimiento de que en las ltimas 80 horas entraron al establecimiento 800
clientes, si promedio es 10 clientes por hora

Solucin:

p ( x) 4
: 10 clientes por hora
e : (2.71828)
x : 5 clientes

10 5 (2.71828) 10
p( x) 0.378 0.4
5!

La probabilidad que durante la prxima hora lleguen cinco clientes es 0.4, o un

4% hay de posibilidad que en la prxima entren al establecimiento 5 clientes.

DISTRIBUCION HIPERGEOMETRICA

Suponga que tenemos N artculos de los cuales A son xitos y N-A

son fracasos.

El experimento Hipergeomtrico consiste en escoger al azar una muestra

de tamao n, uno por uno sin Sustitucin o Reemplazamiento

Se define la v.a. con distribucin Hipergeomtrica

Funcin de Probabilidad
 M N M


n x

X , x 0,1,2,..., min( n, M )
N

n



P ( X x)
0 en otros casos

P (x) : Probabilidad de x
N: Poblacin ( se divide en dos clases)
X: N de xitos en la muestra (de los xitos en M)
M: Elementos de xito de una clase de la poblacin
N M: Elementos de fracaso en la otra clase de la poblacin
n: tamao de la muestra

VALOR ESPERADO Y VARIANZA

VALOR ESPERADO

nx
E (X )
N
Donde:

n: tamao de muestra
x: elementos elegidos (elementos objeto de estudio) para la investigacin
N: tamao de la poblacin

VARIANZA

nx ( N x) ( N n)
V (X )
N 2 ( N 1)

EJEMPLO

Una empresa que se dedica a la comercializacin de carros de fabricacin

extranjera, tienen 10 automviles para la venta, pero saben que cuatro de ellos
presentan cierta falla. Cul es la probabilidad de elegir una muestra de 3
automviles en la cual 2 de ellos presenten la falla?

SOLUCIN
N: 10 autos
M : cuatro autos con falla
n: 3 autos
x: 2 autos fallados

4 10 4

2 3 2
P( x 2) 0.30
10

3
La probabilidad que 2 autos estn fallados es 0.30

3.9. DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

(NORMAL, T, CHI-CUADRADA, F)

NORMAL

Es la distribucin ms importante de probabilidades y la estadstica inferencial,

se aplica a innumerable procesos en diversas especialidades como: medicina,
biologa, ingeniera, farmacia, economa, ..etc. sobre esta distribucin se
sustentan las otras distribuciones continuas.
Se puede aplicar en casos puntuales como una aproximacin en el empleo de
variables discretas
Caracterstica

Se distribuye desde menos infinito a mas infinito

Tiene la forma de campana
Es simtrica. Las colas se prolongan hasta el infinito (nunca tocan el eje de
las x)
El punto ms alto es la media
La media puede ser cualquier valor numrico
Hay familias de distribuciones normales. Cada una se identifica por su media
y su desviacin estndar
Las desviaciones estndares determinan el ancho de la curva
El rea total es 1
La funcin de densidad de la normal

La funcin de densidad de la distribucin norma se expresa como

x 2
1
f ( x) e 2 2

: promedio media de la poblacin

: desviacin s tan dar
N ,

DISTRIBUCION DE DISTRIBUCION NORMAL ESTANDAR

Cuando tenemos una distribucin normal con media 0 y desviacin estndar

1 se habla de una distribucin normal estndar
El valor de z indica la variable aleatoria normal

FUNCIN DE DENSIDAD
2
1 -x
f(x) = e 2 ; - < x < +
2

PROPIEDADES
a
1. P( x a) P

a
2. P( x b) 1 P

b a
3. P(a x b) P P

Uso de Tablas: Normal Acumulativa

Z F(Z) Z F(Z) Z F(Z)

4 0.00003 0.0 0.50000 1.64 0.94950
3.9 0.00003 .. ..
3.5 0.00023 0.5 0.69146 ..
1.96 0.9750
.. .. ..
1.96 0.02500 .. 2.00 0.97725
.. 1.00 0.84134 .
.. 1.5 0.93319 3.99 0.99997
-1.64 0.05050 1.59 0.94408 4 0.99997

En las tablas como las del modelo la distribucin normal estndar, se distribuye
desde Z = - 4 hasta Z = 4, frente a cada valor de Z se observa a su respectiva
probabilidad.

Ejemplo :

La probabilidad para Z = - 4 es 0.00003

Probabilidad para Z = 4 es 0.99997
Como podemos observar, si sumamos las dos probabilidades de los valores
de Z esta suma es 1; tal como observamos en el ejemplo, la suma de las
probabilidades cuando Z toma los valores de 4 y cuando es + 4, es 1.
Es decir como la distribucin normal es simtrica, al encontrar la probabilidad
para un valor de Z (+), automticamente se halla la probabilidad para el valor
inverso de Z(-), es decir su complemento

P(Z = -1.64) = 0.05050 P(Z = 1.64) = 0.9495

Teorema del lmite central

Es importante por que justifica la importancia de la distribucin normal.

Sea X 1 , X 2 , X 3 , , X n una sucesin de n variables aleatorias
independientes, idnticamente distribuidas. Con media y varianza conocidas y
finitas.

E X i y Var ( X ) 2
Si:
Yn x1 , x2 , x3 , xn
Se tiene:
X
Z Tiene aproximacin a N (0,1)
n
3.10. DISTRIBUCIONES MUESTRALES (MEDIA, PROPORCIN)

A. Distribucin de la Media

Sea Yn x1 , x2 , x3 , xn una muestra aleatoria de tamao n de una

variable aleatoria X con media y varianza 2 .
La distribucin de la media muestral es aproximadamente una normal
con:

2
x Var ( xi ) , la variable aleatoria X N (0,1) X
n

X
Z N (0,1)
n

Ejemplo:

Un especialista en Psicologa, luego de realizado un estudio sobre el tiempo

que tardan un grupo de adolescentes en responder un test sobre vocacin
profesional, manifiesta que estos tiempos se distribuyen normalmente, con
media 12 minutos y desviacin estndar 6 minutos, obtenidos de una muestra
de 10 empleados, se desea conocer:

a. cul es la probabilidad de que el tiempo promedio que usan los alumnos

para responder un test sea mayor de 15 y menor de 17 minutos?
b. Si los alumnos demoran en promedio 9 minutos en contestar el test,
entonces los primeros alumnos reciben una sorpresa: Cul es la
probabilidad de que esto suceda? Tarea para el alumno

Solucin

X: tiempo que demoran los estudiantes en responder un test vocacional.

X-------- N(12,6)

n = 10 alumnos
Promedio= 12 minutos
Desviacin estndar = 6 minutos

17 12 15a 12
P(15 x 17) P P

6 6 10

B. Distribucin de la Proporcin

Para un tamao de muestra grande, la distribucin de la proporcin de la

muestra es aproximadamente una normal.
Por lo tanto la probabilidad respecto a la proporcin es:

p p( )
Z
p(1 p )
n

p: proporcin

Ejemplo:

En una instituto superior de enseanza se conoce que de la poblacin de mujeres, el

90%, tiene cierta incertidumbre sobre su futuro laboral, si se extrae de la poblacin una
muestra de 200 mujeres.

a. Cul es la probabilidad de que la proporcin de la muestra de las mujeres, que ha

tenido algn trabajo temporal sea menor de a0.85?

b. Cul es la probabilidad de que la proporcin de la muestra que no ha tenidos un

trabajo laboral sea 0.70?

Solucin

p 0.90
p 0.85
n 200

p p( ) 0.85 0.90
Z Z 2.36
p(1 p) 0.90(0.10)
n 200

p(Z 2.3) 0.009

http://www.youtube.com/watch?v=WdNjOcy2Qcw
http://videos.pucp.edu.pe/videos/ver/7150b25afa9dafc81d8020ce37a08a7c

http://www.youtube.com/watch?v=WdNjOcy2Qcw
http://videos.pucp.edu.pe/videos/ver/7150b25afa9dafc81d8020ce37a08a7c