4) Proba

ULARE :
APUNTE IV
Probabilidad
HISTORIA DE LA PROBABILIDAD
La presencia del hueso astrgalo de oveja o ciervo en las excavaciones

arqueolgicas ms antiguas, parece confirmar que los juegos de azar tienen
una antigedad de ms de 40.000 aos, y la utilizacin del astrgalo en
culturas ms recientes, ha sido ampliamente documentada. Existen en las
pirmides de Egipto pinturas que muestran juegos de azar que datan del ao
3.500 a. C. y Herodoto se refiere a la popularidad y difusin en su poca de los
juegos de azar, especialmente la tirada de astrgalos y dados. Los dados ms
antiguos se remontan a unos 3000 aos antes de Cristo y se utilizaron en el
juego como en ceremonias religiosas.
Las civilizaciones antiguas, explicaban el azar mediante la voluntad divina. En
Grecia y Roma, utilizaban la configuracin resultante de tirar cuatro dados para
predecir el futuro y revelar la voluntad favorable o desfavorable de los dioses.
Prcticas similares se han encontrado en culturas tan distintas como la
tibetana, la india o la juda. Piaget ha hecho notar que esta actitud mgica ante
el azar se manifiesta igualmente en los nios.
En el Renacimiento aparece un nuevo enfoque global de considerar al mundo,
induciendo una observacin cualitativamente distinta de muchos fenmenos
naturales. El abandono progresivo de explicaciones teolgicas conduce a una
reconsideracin de los experimentos aleatorios; y los matemticos italianos del
siglo XVI, comienzan a interpretar los resultados de experimentos aleatorios
simples. Cardano, establece la equiprobabilidad de aparicin de las caras de un
dado a largo plazo. A finales del siglo XVI, exista un intuitivo pero preciso
anlisis emprico de los resultados aleatorios.
El desarrollo del anlisis matemtico de los juegos de azar se produce
lentamente durante los siglos XVI y XVII, y algunos autores consideran como
origen del clculo de probabilidades la resolucin del problema de los puntos
en la correspondencia entre Pascal y Fermat en 1654. El clculo de
probabilidades se consolida como disciplina independiente en el perodo que
transcurre desde la segunda mitad del siglo XVII hasta comienzos del siglo
XVIII.
La teora de la probabilidad fue aplicada con buenos resultados a las mesas de
juego y con el tiempo a otros problemas socioeconmicos.
Durante el siglo XVIII el clculo de probabilidades se extiende a problemas
fsicos y actuariales (seguros martimos). El factor principal impulsor es el
conjunto de problemas de astronoma y fsica que surgen ligados a la
contrastacin emprica de la teora de Newton. Estas investigaciones van a ser
de importancia fundamental en el desarrollo de la Estadstica.
Profesor: Ricardo Zapata C.
ULARE :
APUNTE IV
Probabilidad
La industria de los seguros, que naci en el siglo XIX, requera un conocimiento

exacto del riesgo de perder pues de lo contrario no se podan calcular las
plizas. Al cabo de cincuenta aos, muchos centros de enseanza, estaban
estudiando la probabilidad como un instrumento que les permitira entender los
fenmenos sociales.
La necesidad de comparar con exactitud los datos observados con la teora
requera un tratamiento riguroso del mismo, que va a dar lugar a la teora de
errores.
D. Bernoulli proporciona la primera solucin al problema de estimar una
cantidad desconocida a partir de un conjunto de mediciones de su valor que,
por el error experimental, presentan variabilidad. Fue pionero en la aplicacin
del clculo infinitesimal al clculo de probabilidades.
Tambin Abraham de Moivre, el reverendo Thomas Bayes y Joseph Lagrange
inventaron frmulas y tcnicas de probabilidad.
El impulso fundamental proviene de la obra de Pierre Simon, Marqus de
Laplace, quien indujo la primera definicin explcita de probabilidad y desarroll
la ley normal como modelo para describir la variabilidad de los errores de
medida; tambin formul y estim el primer modelo explicativo estadstico. Por
su parte, Gauss hizo su aportacin en la estimacin de modelos estadsticos.
Bravais, gelogo y astrnomo, es el primero en considerar la relacin entre
errores de medida dependientes entre s; Benjamn Pierce propone el primer
criterio para rechazar observaciones heterogneas con el resto y S. Newcomb,
el ms famoso astrnomo americano del siglo XIX, introduce los primeros
mtodos de estimacin cuando hay errores fuertes en algunos datos
(Estimacin Robusta).
TOMA DE DECISIONES
En la actualidad la teora matemtica de la probabilidad constituye el

fundamento de las aplicaciones estadsticas tanto en la investigacin cientfica,
econmica, social, ingenieril como aspecto fundamental de la toma de
decisiones.
Vivimos en un mundo donde somos incapaces de pronosticar el futuro con
absoluta certeza. La necesidad de sortear la incertidumbre nos lleva a estudiar
y aplicar la teora de la probabilidad. En muchos casos nosotros, como
ciudadanos honestos, tendremos algn conocimiento sobre los posibles
resultados de una decisin. Si organizamos esta informacin y la analizamos
ULARE :
APUNTE IV
Probabilidad
sistemticamente, podremos reconocer nuestras suposiciones, comunicar a

otros nuestro razonamiento y tomar una decisin ms inteligente de la que
lograramos recurriendo a un mtodo que no sea cientfico.
El hombre de negocios, as como el jugador de pquer o el estratega militar,
debe tambin tomar decisiones en condiciones de incertidumbre con respecto
al futuro. Su apreciacin del futuro se manifiesta al relacionar una probabilidad
numrica con cada evento posible que pueda influir en el resultado de sus
decisiones, y si utiliza estas probabilidades, junto con informacin de ndole
econmica, mejora el proceso de toma de decisiones.
Para tener xito en la toma de decisiones, se necesita la capacidad de tratar
sistemticamente con la incertidumbre misma mediante cuidadosas
evaluaciones y aplicaciones de mtodos estadsticos concernientes a las
actividades de los negocios.
LA TEORA DE LA PROBABILIDAD
La probabilidad relacionada con un evento es un nmero comprendido entre 0 y

1, y representa el riesgo o la posibilidad de que ocurra ese evento. Una
probabilidad de (P = 0) significa que el evento es imposible; si P = 0.50, es tan
probable que el evento ocurra como que no ocurra; si P = 1, es seguro que
suceda. El valor de P no puede ser negativo ni mayor que uno.
Se puede considerar que la probabilidad es la frecuencia relativa de "xitos" o
aciertos (es decir, la ocurrencia de un evento determinado) en un proceso
aleatorio en que se ha repetido un gran nmero de pruebas o ensayos. La
frecuencia relativa es el nmero de "xitos" dividido entre el nmero de pruebas
efectuadas.
Fuentes de Probabilidades
Es posible estimar probabilidades mediante cualquiera de las tres siguientes
maneras alternativas:
1. Frecuencia relativa de eventos pasados. Las probabilidades pueden
estimarse a partir de las frecuencias relativas que se observen en un
experimento controlado, o mediante muestreo de un universo grande y finito.
La probabilidad a priori (previa) se deduce de la experiencia obtenida de la
observacin prolongada.
ULARE :
APUNTE IV
Probabilidad
Las probabilidades de eventos complicados pueden determinarse a partir de las

probabilidades de eventos ms sencillos, por medio de un mtodo de
simulacin, utilizando un modelo experimental diseado para representar las
condiciones reales del mismo.
2. Distribuciones tericas. Las probabilidades pueden determinarse sin recurrir
a las frecuencias relativas. Estas probabilidades pueden determinarse a
partir de la distribucin binomial, sin recurrir a experimentos o muestras
basadas en la experiencia pasada. La validez de dichas distribuciones
tericas depende de cun fielmente las hiptesis representen la realidad.
3. Apreciacin subjetiva. Si ninguno de los mtodos anteriormente
mencionados pueden utilizarse, el responsable de la toma de decisiones
debe estimar las probabilidades en base a su juicio o criterio y experiencia.
Una probabilidad subjetiva es una evaluacin que una persona que toma
decisiones hace acerca de la vero similitud relativa de que ocurra un
evento incierto, o sea, representa las "apuestas" que se hacen sobre la
concurrencia de ese evento. Tales apreciaciones son sumamente personales
y, por lo tanto, dos individuos pueden asignar diferentes probabilidades
subjetivas al mismo evento.
TIPOS DE PROBABILIDADES
1. Probabilidad simple. Probabilidad de que el dato escogido tenga una

caracterstica.
2. Probabilidad conjunta. Probabilidad de escoger un dato con dos (o ms)
caractersticas especficas.
3. Probabilidad marginal (al margen de la tabla). No es ms que la probabilidad
simple, vista con otro enfoque; o sea, mientras que la probabilidad simple es
un concepto singular, la probabilidad marginal es esencialmente una suma
de probabilidades conjuntas.
4. Probabilidad condicional. La caracterstica especfica del dato es la condicin
(condiciona la probabilidad).
APLICACIONES
ULARE :
APUNTE IV
Probabilidad
La complejidad de los negocios en los ltimos aos, ha incrementado el uso de

la estadstica para tomar decisiones en cualquier nivel de la administracin.
Las aplicaciones de mtodos estadsticos en las diferentes reas son

numerosas; por ejemplo: grficas y tablas estadsticas son usadas
frecuentemente por gerentes de ventas para representar hechos numricos de
ventas; mtodos de muestreo son empleados por investigadores de mercado,
al hacer encuestas sobre las preferencias del consumidor sobre ciertas marcas
de artculos competitivos; mtodos de control de calidad, aplicados en
produccin, etc.
TEORIA 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:
Suceso
Es cada uno de los resultados posibles de una experiencia aleatoria.
Al lanzar una moneda salga cara.
Al lanzar una moneda se obtenga 4.
Espacio muestral
Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo
representaremos por E (o bien por la letra griega ).
Espacio muestral de una moneda:
E = {C, X}.
Espacio muestral de un dado:
E = {1, 2, 3, 4, 5, 6}.
ULARE :
APUNTE IV
Probabilidad
Suceso aleatorio
Suceso aleatorio es cualquier subconjunto del espacio muestral.
Por ejemplo al tirar un dado un suceso sera que saliera par, otro, obtener mltiplo de 3,
y otro, sacar 5.
Ejemplo
Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas.
Calcular:
1. El espacio muestral.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
2. El suceso A = {extraer tres bolas del mismo color}.
B = {(b,b,b); (n, n,n)}
3. El suceso A = {extraer al menos una bola blanca}.
B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
4. El suceso A = {extraer una sola bola negra}.
A = {(b,b,n); (b,n,b); (n,b,b)}
Tipos de sucesos
Suceso elemental
Suceso elemental es cada uno de los elementos que forman parte del espacio muestral.
Por ejemplo al tirar un dado un suceso elemental es sacar 5.
Suceso aleatorio
Suceso compuesto es cualquier subconjunto del espacio muestral.
Por ejemplo al tirar 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).
Por ejemplo al tirar un dado un dado obtener una puntuacin que sea menor que 7.
ULARE :
APUNTE IV
Probabilidad
Suceso imposible
Suceso imposible,
, es el que no tiene ningn elemento.
Por ejemplo al tirar un dado obtener una puntuacin igual a 7.
Sucesos compatibles
Dos sucesos, A y B, son compatibles cuando tienen algn suceso elemental comn.
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.
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.
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.
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
Son sucesos contrarios sacar par e impar al lanzar un dado
Espacio de sucesos
Espacio de sucesos, S, es el conjunto de todos los sucesos aleatorios.
Si tiramos una moneda el espacio se sucesos est formado por:
S= {
, {C}, {X}, {C,X}}.
Observamos que el primer elemento es el suceso imposible y el ltimo el suceso

seguro.
ULARE :
APUNTE IV
Probabilidad
Si E tiene un nmero finito de elementos, n, de elementos el nmero de sucesos de E es

2n .
Una moneda E= {C, X}.
Nmero de sucesos = 22 =4
Dos monedas E= {(C,C); (C,X); (X,C); (X,X)}.
Nmero de sucesos = 24 =16
Un dado E = {1, 2, 3, 4, 5, 6}.
Nmero de sucesos = 26 = 64
Unin de sucesos
La unin de sucesos, A
Es decir, el suceso A
A
B, es el suceso formado por todos los elementos de A y de B.
B se verifica cuando ocurre uno de los dos, A o B, o ambos.
B se lee como "A o B".
Ejemplo
Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par" y B =
"sacar mltiplo de 3". Calcular A B.
A = {2, 4, 6}
B = {3, 6}
A
B = {2, 3, 4, 6}
ULARE :
APUNTE IV
Probabilidad
Propiedades de la unin de sucesos

Conmutativa
Asociativa
Idempotente
Simplificacin
Distributiva
Elemento neutro
Absorcin
Interseccin de sucesos
La interseccin de sucesos, A
son, a la vez, de A y B.
Es decir, el suceso A
A
B, es el suceso formado por todos los elementos que
B se verifica cuando ocurren simultneamente A y B.
B se lee como "A y B".
Ejemplo
A = {2, 4, 6}
B = {3, 6}
A
B = {3}
ULARE :
APUNTE IV
Probabilidad
Propiedades de la interseccin de sucesos

Conmutativa
Asociativa
Idempotente
Simplificacin
Distributiva
Elemento neutro
Absorcin
Diferencia de sucesos
La diferencia de sucesos, A B, es el suceso formado por todos los elementos de A que
no son de B.
Es decir, la diferencia de los sucesos A y B se verifica cuando lo hace A y no B.
A B se lee como "A menos B".
ULARE :
APUNTE IV
Probabilidad
Ejemplo
A = {2, 4, 6}
B = {3, 6}
A B = {2, 4}
Propiedad
Sucesos contrarios
El suceso
= E - A se llama suceso contrario o complementario de A.
Es decir, se verifica siempre y cuando no se verifique A.
Ejemplo
Consideramos el experimento que consiste en lanzar un dado, si A = "sacar par".
Calcular
A = {2, 4, 6}
= {1, 3, 5}
ULARE :
APUNTE IV
Probabilidad
Propiedades
Leyes de Morgan
Propiedades de la probabilidad
Axiomas de la probabilidad
1.La probabilidad es positiva y menor o igual que 1.
0 p(A) 1
2. La probabilidad del suceso seguro es 1.
p(E) = 1
3.Si A y B son incompatibles, es decir A
B=
entonces:
ULARE :
APUNTE IV
Probabilidad
p(A
B) = p(A) + p(B)
Propiedades de la probabilidad
1 La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la
probabilidad del suceso contrario es:
2 Probabilidad del suceso imposible es cero.
3 La probabilidad de la unin de dos sucesos es la suma de sus probabilidades

restndole la probabilidad de su interseccin.
4 Si un suceso est incluido en otro, su probabilidad es menor o igual a la de ste.
5 Si A1, A2, ..., Ak son incompatibles dos a dos entonces:
6 Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:
Por ejemplo la probabilidad de sacar par, al tirar un dado, es:

P(par) = P(1) + P(2) + P(3)
Regla de Laplace
Si realizamos un experimento aleatorio en el que hay n sucesos elementales, todos
igualmente probables, equiprobables, entonces si A es un suceso, la probabilidad de
que ocurra el suceso A es:
Ejemplos
Hallar la probabilidad de que al lanzar dos monedas al aire salgan dos caras.
ULARE :
APUNTE IV
Probabilidad
Casos posibles: {cc, cx, xc, xx}.

Casos favorables: 1.
En una baraja de 40 cartas, hallar la P (as) y P (copas).

Casos posibles: 40.
Casos favorables de ases: 4.
Casos favorables de copas: 10.
Calcular la probabilidad de que al echar un dado al aire, salga:

1 Un nmero par.
Casos posibles: {1, 2, 3, 4, 5, 6}.
Casos favorables: {2, 4, 6}.
2 Un mltiplo de tres.
Casos favorables: {3, 6}.
2 Un mltiplo de tres.
ULARE :
APUNTE IV
Probabilidad
3 Mayor que 4.
Probabilidad de la unin de sucesos

Probabilidad de la unin de sucesos incompatibles
A
p(A
B=
B) = p(A) + p(B)
Calcular la probabilidad de obtener un 2 un 5 al lanzar un dado.
Probabilidad de la unin de sucesos compatibles

A
p(A
B) = p(A) + p(B) p(A
p(A
C)
B)
C) = p(A) + p(B) + p(C) p(A
B) p(A
C) p(B
C) + p(A
Calcular la probabilidad de obtener un mltiplo de 2 un 6 al lanzar un dado.
Probabilidad condicional
Sean A y B dos sucesos de un mismo espacio muestral E.
Se llama probabilidad del suceso A condicionada al B y se representa por P(A/B) a la
probabilidad del suceso A una vez ha ocurrido el B.
ULARE :
APUNTE IV
Probabilidad
Ejemplo
Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido par.
Dos sucesos A y B son independientes si
p(B/A) = p(B)
Dos sucesos A y B son dependientes si
p(B/A) p(B)
Probabilidad compuesta o de la interseccin de

sucesos
Probabilidad de la interseccin de sucesos independientes
p(A
B) = p(A) p(B)
Ejemplo
Se tiene una baraja de 40 cartas, se saca una y se vuelve a meter. Cul es la
probabilidad de extraer dos ases?
Probabilidad de la interseccin de sucesos dependientes

p(A
B) = p(A) p(B/A)
Ejemplo
Se tiene una baraja de 40 cartas, se extraen dos cartas. Cul es la probabilidad de
extraer dos ases?
ULARE :
APUNTE IV
Probabilidad
Probabilidad de la diferencia de sucesos
Tablas de contingencia
Un mtodo til para clasificar los datos obtenidos en un recuento es mediante las tablas
de contingencia.
Se trata de tablas en cuyas celdas figuran probabilidades, y en la cual podemos
determinar unas probabilidades conociendo otras de la tabla.
Ejemplo
Se sortea un viaje a Roma entre los 120 mejores clientes de una agencia de automviles.
De ellos, 65 son mujeres, 80 estn casados y 45 son mujeres casadas. Se pide:
1Cul ser la probabilidad de que le toque el viaje a un hombre soltero?
2Si del afortunado se sabe que es casado, cul ser la probabilidad de que sea una
mujer?
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.
ULARE :
APUNTE IV
Probabilidad
Variable aleatoria discreta

Una variable aleatoria discreta es aquella que slo puede tomar valores enteros.
Ejemplos
El nmero de hijos de una familia, la puntuacin obtenida al lanzar un dado.
Variable aleatoria continua

Una 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.
Distribuciones discretas de probabilidad

Funcin de probabilidad
Se llama funcin de probabilidad de una variable aleatoria discreta X a la aplicacin
que asocia a cada valor de xi de la variable su probabilidad pi.
0 pi 1
p1 + p2 + p3 + + pn = pi = 1
Ejemplo
Calcular la distribucin de probabilidad de las puntuaciones obtenidas al lanzar un
dado.
pi
ULARE :
APUNTE IV
Probabilidad
Representacin
La representacin de una distribucin discreta de probabilidad es un diagrama de
barras.
Funcin de distribucin
Sea X una variable aleatoria discreta cuyos valores suponemos ordenados de menor a
mayor. Llamaremos funcin de distribucin de la variable X, y escribiremos F(x) a la
funcin
F(x) = p(X x)
La funcin de distribucin asocia a cada valor de la variable aleatoria la
probabilidad acumulada hasta ese valor.
Ejemplo
Calcular la funcin de distribucin de probabilidad de las puntuaciones obtenidas al
lanzar un dado.
x
pi
ULARE :
APUNTE IV
Probabilidad
x <1
1 x < 2
2 x < 3
3 x < 4
4 x < 5
5 x < 6
6 x
Representacin
La representacin de un funcin de distribucin de probabilidad es una grfica
escalonada.
Media y varianza de una variable aleatoria discreta

Esperanza matemtica o media
Varianza
ULARE :
APUNTE IV
Probabilidad
Desviacin tpica
Ejemplo
Calcular la esperanza matemtica, la varianza, y la desviacin tpica, de la
distribucin de probabilidad de las puntuaciones obtenidas al lanzar un dado.
x
pi
x 2 pi
x p i
1
2
3
4
5
6
Distribucin binomial o de Bernoulli

Un experimento sigue el modelo de la distribucin binomial o de Bernoulli si:
1. En cada prueba del experimento slo son posibles dos resultados: el suceso A (xito)
y su contrario
2.La probabilidad del suceso A es constante, es decir, que no vara de una prueba a
otra. Se representa por p.
ULARE :
APUNTE IV
Probabilidad
3.El resultado obtenido en cada prueba es independiente de los resultados obtenidos

anteriormente.
Variable aleatoria binomial

La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en cada
prueba del experimento.
La variable binomial es una variable aleatoria discreta, slo puede tomar los valores
0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Ejemplo
k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
Distribucin binomial
La distribucin binomial se suele representar por B(n, p).
n es el nmero de pruebas de que consta el experimento.
p es la probabilidad de xito.
La probabilidad de
es 1 p, y la representamos por q.
Funcin de probabilidad de la distribucin binomial

La funcin de probabilidad de la distribucin binomial, tambin denominada
funcin de la distribucin de Bernoulli, es:
n es el nmero de pruebas.
k es el nmero de xitos.
q es la probabilidad de fracaso.
El nmero combinatorio
ULARE :
APUNTE IV
Probabilidad
Ejemplo
La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el 80% de
los lectores ya la han leido. Un grupo de 4 amigos son aficionados a la lectura:
1. Cul es la probabilidad de que el grupo hayan leido la novela 2 personas?
n=4
p = 0.8
q = 0.2
B(4, 0.2)
2.Y al menos 2?
Media y varianza de la distribucin binomial

Media
Varianza
Desviacin tpica
Ejemplo
La probabilidad de que un artculo producido por una fabrica sea defectuoso es p 0.002.
Se envi un cargamento de 10.000 artculos a unos almacenes. Hallar el nmero
esperado de artculos defectuosos, la varianza y la desviacin tpica.
ULARE :
APUNTE IV
Probabilidad
Ejercicios resueltos de distribucin binomial

1
Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan ms caras que
cruces.
B(4, 0.5) p = 0.5q = 0.5

2
Un agente de seguros vende plizas a cinco personas de la misma edad y que disfrutan
de buena salud. Segn las tablas actuales, la probabilidad de que una persona en estas
condiciones viva 30 aos o ms es 2/3. Hllese la probabilidad de que, transcurridos 30
aos, vivan:
1. Las cinco personas.
B(5, 2/3) p = 2/3 q = 1/3
2.Al menos tres personas.
3.Exactamente dos personas.
ULARE :
APUNTE IV
Probabilidad

3
Si de seis a siete de la tarde se admite que un nmero de telfono de cada cinco est
comunicando, cul es la probabilidad de que, cuando se marquen 10 nmeros de
telfono elegidos al azar, slo comuniquen dos?
B(10, 1/5)
p = 1/5
q = 4/5
Examen resuelto de la distribucin binomial

1
En unas pruebas de alcoholemia se ha observado que el 5% de los conductores
controlados dan positivo en la prueba y que el 10% de los conductores controlados no
llevan aprovechado el cinturn de seguridad. Tambin se ha observado que las dos
infracciones son independientes.
Un guardia de trfico para cinco conductores al azar. Si tenemos en cuenta que el
nmero de conductores es suficientemente importante como para estimar que la
proporcin de infractores no vara al hacer la seleccin.
1. Determinar la probabilidad a de que exactamente tres conductores hayan cometido
alguna de las dos infracciones.
2. Determine la probabilidad de que al menos uno de los conductores controlados haya

cometido alguna de las dos infracciones.
ULARE :
APUNTE IV
Probabilidad

2
Un laboratorio afirma que una droga causa de efectos secundarios en una proporcin de
3 de cada 100 pacientes. Para contrastar esta afirmacin, otro laboratorio elige al azar a
5 pacientes a los que aplica la droga. Cul es la probabilidad de los siguientes sucesos?
1. Ningn paciente tenga efectos secundarios.
B(100, 0.03) p = 0.03 q = 0.97
2.Al menos dos tengan efectos secundarios.
3.Cul es el nmero medio de pacientes que espera laboratorio que sufran efectos
secundarios si elige 100 pacientes al azar?
Distribucin normal
Variable aleatoria de la distribucin normal
Una variable aleatoria continua, X, sigue una distribucin normal de media y
desviacin tpica , y se designa por N(, ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-, + )
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la
curva de Gauss:
ULARE :
APUNTE IV
Probabilidad
Curva de la distribucin normal
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la
izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la curva.
p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %
Distribucin normal estndar

N(0, 1)
La distribucin normal estndar, o tipificada o reducida, es aquella que tiene por
media el valor cero, =0, y por desviacin tpica la unidad, =1.
Su funcin de densidad es:
Su grfica es:
La probabilidad de la variable X depender del rea del recinto sombreado en la

figura. Y para calcularla utilizaremos una tabla.
ULARE :
APUNTE IV
Probabilidad
Tipificacin de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).
ULARE :
APUNTE IV
Probabilidad
ULARE :
APUNTE IV
Probabilidad
Tabla de la distribucin normal

0,0
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,0
0,500
0
0,504
0
0,508
0
0,512
0
0,516
0
0,519
9
0,523
9
0,527
9
0,531
9
0,535
9
0,1
0,539
8
0,543
8
0,547
8
0,551
7
0,555
7
0,559
6
0,563
6
0,567
5
0,571
4
0,575
3
0,2
0,579
3
0,583
2
0,587
1
0,591
0
0,594
8
0,598
7
0,602
6
0,606
4
0,610
3
0,614
1
0,3
0,617
9
0,621
7
0,625
5
0,629
3
0,633
1
0,636
8
0,640
6
0,644
3
0,648
0
0,651
7
0,4
0,655
4
0,659
1
0,662
8
0,666
4
0,670
0
0,673
6
0,677
2
0,680
8
0,684
4
0,687
9
0,5
0,691
5
0,695
0
0,698
5
0,701
9
0,705
4
0,708
8
0,712
3
0,715
7
0,719
0
0,722
4
0,6
0,725
7
0,729
1
0,732
4
0,735
7
0,738
9
0,742
2
0,745
4
0,748
6
0,751
7
0,754
9
0,7
0,758
0
0,761
1
0,764
2
0,767
3
0,770
4
0,773
4
0,776
4
0,779
4
0,782
3
0,785
2
0,8
0,788
1
0,791
0
0,793
9
0,796
7
0,799
5
0,802
3
0,805
1
0,807
8
0,810
6
0,813
3
0,9
0,815
9
0,818
6
0,821
2
0,823
8
0,826
4
0,828
9
0,831
5
0,834
0
0,836
5
0,838
9
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
1,0
0,841
3
0,843
8
0,846
1
0,848
5
0,850
8
0,853
1
0,855
4
0,857
7
0,859
9
0,862
1
1,1
0,864
3
0,866
5
0,868
6
0,870
8
0,872
9
0,874
9
0,877
0
0,879
0
0,881
0
0,883
0
1,2
0,884
9
0,886
9
0,888
8
0,890
7
0,892
5
0,894
4
0,896
2
0,898
0
0,899
7
0,901
5
1,3
0,903
2
0,904
9
0,906
6
0,908
2
0,909
9
0,911
5
0,913
1
0,914
7
0,916
2
0,917
7
0,09
ULARE :
APUNTE IV
Probabilidad
1,4
0,919
2
0,920
7
0,922
2
0,923
6
0,925
1
0,926
5
0,927
9
0,929
2
0,930
6
0,931
9
1,5
0,933
2
0,934
5
0,935
7
0,937
0
0,938
2
0,939
4
0,940
6
0,941
8
0,942
9
0,944
1
1,6
0,945
2
0,946
3
0,947
4
0,948
4
0,949
5
0,950
5
0,951
5
0,952
5
0,953
5
0,954
5
1,7
0,955
4
0,956
4
0,957
3
0,958
2
0,959
1
0,959
9
0,960
8
0,961
6
0,962
5
0,963
3
1,8
0,964
1
0,964
9
0,965
6
0,966
4
0,967
1
0,967
8
0,968
6
0,969
3
0,969
9
0,970
6
1,9
0,971
3
0,971
9
0,972
6
0,973
2
0,973
8
0,974
4
0,975
0
0,975
6
0,976
1
0,976
7
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
2,0
0,977
2
0,977
8
0,978
3
0,978
8
0,979
3
0,979
8
0,980
3
0,980
8
0,981
2
0,981
7
2,1
0,982
1
0,982
6
0,983
0
0,983
4
0,983
8
0,984
2
0,984
6
0,985
0
0,985
4
0,985
7
2,2
0,986
1
0,986
4
0,986
8
0,987
1
0,987
5
0,987
8
0,988
1
0,988
4
0,988
7
0,989
0
2,3
0,989
3
0,989
6
0,989
8
0,990
1
0,990
4
0,990
6
0,990
9
0,991
1
0,991
3
0,991
6
2,4
0,991
8
0,992
0
0,992
2
0,992
5
0,992
7
0,992
9
0,993
1
0,993
2
0,993
4
0,993
6
2,5
0,993
8
0,994
0
0,994
1
0,994
3
0,994
5
0,994
6
0,994
8
0,994
9
0,995
1
0,995
2
2,6
0,995
3
0,995
5
0,995
6
0,995
7
0,995
9
0,996
0
0,996
1
0,996
2
0,996
3
0,996
4
2,7
0,996
5
0,996
6
0,996
7
0,996
8
0,996
9
0,997
0
0,997
1
0,997
2
0,997
3
0,997
4
2,8
0,997
4
0,997
5
0,997
6
0,997
7
0,997
7
0,997
8
0,997
9
0,997
9
0,998
0
0,998
1
2,9
0,998
1
0,998
2
0,998
2
0,998
3
0,998
4
0,998
4
0,998
5
0,998
5
0,998
6
0,998
6
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
ULARE :
APUNTE IV
Probabilidad
0,998
7
0,998
7
0,998
7
0,998
8
0,998
8
0,998
9
0,998
9
0,998
9
0,999
0
0,999
0
3,1
0,999
0
0,999
1
0,999
1
0,999
1
0,999
2
0,999
2
0,999
2
0,999
2
0,999
3
0,999
3
3,2
0,999
3
0,999
3
0,999
4
0,999
4
0,999
4
0,999
4
0,999
4
0,999
5
0,999
5
0,999
5
3,3
0,999
5
0,999
5
0,999
5
0,999
6
0,999
6
0,999
6
0,999
6
0,999
6
0,999
6
0,999
7
3,4
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
8
3,5
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
3,6
0,999
8
0,999
8
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
3,7
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
3,8
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
3,9
1,000
0
1,000
0
1,000
0
1,000
0
1,000
0
1,000
0
1,000
0
1,000
0
1,000
0
1,000
0
ULARE :
APUNTE IV
Probabilidad
Empleo de la tabla de la distribucin normal

Tabla de la curva normal (0, 1)
La tabla nos da las probabilidades de P(z k), siendo z la variable tipificada.
Estas probabilidades nos dan la funcin de distribucin (k).
(k) = P(z k)
Bsqueda en la tabla de valor de k

Unidades y dcimas en la columna de la izquierda.
Cntesimas en la fila de arriba.
P(Z a)
P(Z 1.47) = 0.9292
P(Z > a) = 1 - P(Z a)
P(Z > 1.47) = 1 P(Z 1.47) = 1 0.9292 = 0.0708
P(Z a) = 1 P(Z a)
P(Z 1.47) = 1 P(Z 1.47) = 1 0.9292 = 0.0708

ULARE :
APUNTE IV
Probabilidad
P(Z > a) = P(Z a)
p(Z > 1.47) = p(Z 1.47) = 0.9292
P(a < Z b ) = P(Z b) P(Z a)
P( 0.45 <Z 1.47) = P(Z 1.47) P(Z 0.45) =

= 0.9292 0.6736 = 0.2556
P(b < Z a ) = P(a < Z b )
P(1.47 <Z 0.45) = P( 0.45 <Z 1.47) =

= P(Z 1.47) P(Z 0.45) = 0.9292 0.6736 = 0.2556
P(a < Z b ) = P(Z b) [ 1 P(Z a)]
P(-1.47 < Z 0.45) = P(Z 0.45) [ 1 P(Z 1.47)]=
ULARE :
APUNTE IV
Probabilidad
= 0.6736 (1 0.9292) = 0.6028
p=K
Nos encontramos con el caso inverso a los anteriores, conocemos el valor de la
probabilidad y se trata de hallar el valor de la abscisa. Ahora tenemos que buscar en la
tabla el valor que ms se aproxime a K.
p= 0.75Z 0.68
Para calcular la variable X nos vamos a la frmula de la tipificacin.
(X - )/ = 0.68X = + 0.68
ULARE :
APUNTE IV
Probabilidad
Distribucin normal y binomial

Aproximacin de la binomial por la normal
Teorema de Moivre
Si:
np 0 y nq 0.
La distribucin binomial B(n, p) se puede aproximar mediante una distribucin
normal:
Ejemplo
En una ciudad una de cada tres familias posee telfono. Si se eligen al azar 90 familias,
calcular la probabilidad de que entre ellas haya por lo menos 30 tipos se han telfono.
ULARE :
APUNTE IV
Probabilidad
Probabilidad de la unin de sucesos

Probabilidad de la unin de sucesos incompatibles
A
p(A
B=
B) = p(A) + p(B)
Calcular la probabilidad de obtener un 2 un 5 al lanzar un dado.
Probabilidad de la unin de sucesos compatibles

A
p(A
B) = p(A) + p(B) p(A
p(A
C)
B)
C) = p(A) + p(B) + p(C) p(A
B) p(A
C) p(B
C) + p(A
Calcular la probabilidad de obtener un mltiplo de 2 un 6 al lanzar un dado.
Probabilidad condicional
Sean A y B dos sucesos de un mismo espacio muestral E.
Se llama probabilidad del suceso A condicionada al B y se representa por P(A/B) a la
probabilidad del suceso A una vez ha ocurrido el B.
Ejemplo
Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido par.
ULARE :
APUNTE IV
Probabilidad
Dos sucesos A y B son independientes si
p(B/A) = p(B)
Dos sucesos A y B son dependientes si
p(B/A) p(B)
Probabilidad compuesta o de la interseccin de

sucesos
Probabilidad de la interseccin de sucesos independientes
p(A
B) = p(A) p(B)
Ejemplo
Se tiene una baraja de 40 cartas, se saca una y se vuelve a meter. Cul es la
probabilidad de extraer dos ases?
Probabilidad de la interseccin de sucesos dependientes

p(A
B) = p(A) p(B/A)
Ejemplo
Se tiene una baraja de 40 cartas, se extraen dos cartas. Cul es la probabilidad de
extraer dos ases?
Probabilidad de la diferencia de sucesos
Tablas de contingencia
Un mtodo til para clasificar los datos obtenidos en un recuento es mediante las tablas
de contingencia.
ULARE :
APUNTE IV
Probabilidad
Se trata de tablas en cuyas celdas figuran probabilidades, y en la cual podemos

determinar unas probabilidades conociendo otras de la tabla.
Ejemplo
Se sortea un viaje a Roma entre los 120 mejores clientes de una agencia de automviles.
De ellos, 65 son mujeres, 80 estn casados y 45 son mujeres casadas. Se pide:
1Cul ser la probabilidad de que le toque el viaje a un hombre soltero?
2Si del afortunado se sabe que es casado, cul ser la probabilidad de que sea una
mujer?
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.
Variable aleatoria discreta

Una variable aleatoria discreta es aquella que slo puede tomar valores enteros.
Ejemplos
El nmero de hijos de una familia, la puntuacin obtenida al lanzar un dado.
ULARE :
APUNTE IV
Probabilidad
Variable aleatoria continua

Una 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.
Distribuciones discretas de probabilidad

Funcin de probabilidad
Se llama funcin de probabilidad de una variable aleatoria discreta X a la aplicacin
que asocia a cada valor de xi de la variable su probabilidad pi.
0 pi 1
p1 + p2 + p3 + + pn = pi = 1
Ejemplo
Calcular la distribucin de probabilidad de las puntuaciones obtenidas al lanzar un
dado.
pi
ULARE :
APUNTE IV
Probabilidad
Representacin
La representacin de una distribucin discreta de probabilidad es un diagrama de
barras.
Funcin de distribucin
Sea X una variable aleatoria discreta cuyos valores suponemos ordenados de menor a
mayor. Llamaremos funcin de distribucin de la variable X, y escribiremos F(x) a la
funcin
F(x) = p(X x)
La funcin de distribucin asocia a cada valor de la variable aleatoria la
probabilidad acumulada hasta ese valor.
Ejemplo
Calcular la funcin de distribucin de probabilidad de las puntuaciones obtenidas al
lanzar un dado.
x
x <1
pi
0
1 x < 2
2 x < 3
ULARE :
APUNTE IV
Probabilidad
3 x < 4
4 x < 5
5 x < 6
6 x
Representacin
La representacin de un funcin de distribucin de probabilidad es una grfica
escalonada.
Media y varianza de una variable aleatoria discreta

Esperanza matemtica o media
Varianza
Desviacin tpica
ULARE :
APUNTE IV
Probabilidad
Ejemplo
Calcular la esperanza matemtica, la varianza, y la desviacin tpica, de la
distribucin de probabilidad de las puntuaciones obtenidas al lanzar un dado.
x
pi
x 2 pi
x p i
1
2
3
4
5
6
Distribucin binomial o de Bernoulli

Un experimento sigue el modelo de la distribucin binomial o de Bernoulli si:
1. En cada prueba del experimento slo son posibles dos resultados: el suceso A (xito)
y su contrario
2.La probabilidad del suceso A es constante, es decir, que no vara de una prueba a
otra. Se representa por p.
3.El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.
ULARE :
APUNTE IV
Probabilidad
Variable aleatoria binomial

La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en cada
prueba del experimento.
La variable binomial es una variable aleatoria discreta, slo puede tomar los valores
0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Ejemplo
k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
Distribucin binomial
La distribucin binomial se suele representar por B(n, p).
n es el nmero de pruebas de que consta el experimento.
La probabilidad de
es 1 p, y la representamos por q.
Funcin de probabilidad de la distribucin binomial

La funcin de probabilidad de la distribucin binomial, tambin denominada
funcin de la distribucin de Bernoulli, es:
n es el nmero de pruebas.
k es el nmero de xitos.
q es la probabilidad de fracaso.
El nmero combinatorio
Ejemplo
La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el 80% de
los lectores ya la han leido. Un grupo de 4 amigos son aficionados a la lectura:
1. Cul es la probabilidad de que el grupo hayan leido la novela 2 personas?
ULARE :
APUNTE IV
Probabilidad
n=4
p = 0.8
q = 0.2
B(4, 0.2)
2.Y al menos 2?
Media y varianza de la distribucin binomial

Media
Varianza
Desviacin tpica
Ejemplo
La probabilidad de que un artculo producido por una fabrica sea defectuoso es p 0.002.
Se envi un cargamento de 10.000 artculos a unos almacenes. Hallar el nmero
esperado de artculos defectuosos, la varianza y la desviacin tpica.
ULARE :
APUNTE IV
Probabilidad

1
Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan ms caras que
cruces.
B(4, 0.5) p = 0.5q = 0.5

2
Un agente de seguros vende plizas a cinco personas de la misma edad y que disfrutan
de buena salud. Segn las tablas actuales, la probabilidad de que una persona en estas
condiciones viva 30 aos o ms es 2/3. Hllese la probabilidad de que, transcurridos 30
aos, vivan:
1. Las cinco personas.
B(5, 2/3) p = 2/3 q = 1/3
2.Al menos tres personas.
3.Exactamente dos personas.
ULARE :
APUNTE IV
Probabilidad

3
Si de seis a siete de la tarde se admite que un nmero de telfono de cada cinco est
comunicando, cul es la probabilidad de que, cuando se marquen 10 nmeros de
telfono elegidos al azar, slo comuniquen dos?
B(10, 1/5)
p = 1/5
q = 4/5

1
En unas pruebas de alcoholemia se ha observado que el 5% de los conductores
controlados dan positivo en la prueba y que el 10% de los conductores controlados no
llevan aprovechado el cinturn de seguridad. Tambin se ha observado que las dos
infracciones son independientes.
Un guardia de trfico para cinco conductores al azar. Si tenemos en cuenta que el
nmero de conductores es suficientemente importante como para estimar que la
proporcin de infractores no vara al hacer la seleccin.
1. Determinar la probabilidad a de que exactamente tres conductores hayan cometido
alguna de las dos infracciones.
2. Determine la probabilidad de que al menos uno de los conductores controlados haya

cometido alguna de las dos infracciones.
ULARE :
APUNTE IV
Probabilidad

2
Un laboratorio afirma que una droga causa de efectos secundarios en una proporcin de
3 de cada 100 pacientes. Para contrastar esta afirmacin, otro laboratorio elige al azar a
5 pacientes a los que aplica la droga. Cul es la probabilidad de los siguientes sucesos?
1. Ningn paciente tenga efectos secundarios.
B(100, 0.03) p = 0.03 q = 0.97
2.Al menos dos tengan efectos secundarios.
3.Cul es el nmero medio de pacientes que espera laboratorio que sufran efectos
secundarios si elige 100 pacientes al azar?
Distribucin normal
Variable aleatoria de la distribucin normal
Una variable aleatoria continua, X, sigue una distribucin normal de media y
desviacin tpica , y se designa por N(, ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-, + )
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la
curva de Gauss:
ULARE :
APUNTE IV
Probabilidad
Curva de la distribucin normal
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la
izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la curva.
p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %
Distribucin normal estndar

N(0, 1)
La distribucin normal estndar, o tipificada o reducida, es aquella que tiene por
media el valor cero, =0, y por desviacin tpica la unidad, =1.
Su funcin de densidad es:
Su grfica es:
La probabilidad de la variable X depender del rea del recinto sombreado en la

figura. Y para calcularla utilizaremos una tabla.
ULARE :
APUNTE IV
Probabilidad
Tipificacin de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).
Tabla de la distribucin normal

0,0
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,0
0,500
0
0,504
0
0,508
0
0,512
0
0,516
0
0,519
9
0,523
9
0,527
9
0,531
9
0,535
9
0,1
0,539
8
0,543
8
0,547
8
0,551
7
0,555
7
0,559
6
0,563
6
0,567
5
0,571
4
0,575
3
0,2
0,579
3
0,583
2
0,587
1
0,591
0
0,594
8
0,598
7
0,602
6
0,606
4
0,610
3
0,614
1
0,3
0,617
9
0,621
7
0,625
5
0,629
3
0,633
1
0,636
8
0,640
6
0,644
3
0,648
0
0,651
7
0,4
0,655
4
0,659
1
0,662
8
0,666
4
0,670
0
0,673
6
0,677
2
0,680
8
0,684
4
0,687
9
0,5
0,691
5
0,695
0
0,698
5
0,701
9
0,705
4
0,708
8
0,712
3
0,715
7
0,719
0
0,722
4
0,6
0,725
7
0,729
1
0,732
4
0,735
7
0,738
9
0,742
2
0,745
4
0,748
6
0,751
7
0,754
9
0,7
0,758
0,761
0,764
0,767
0,770
0,773
0,776
0,779
0,782
0,785
0,09
ULARE :
APUNTE IV
Probabilidad
0,8
0,788
1
0,791
0
0,793
9
0,796
7
0,799
5
0,802
3
0,805
1
0,807
8
0,810
6
0,813
3
0,9
0,815
9
0,818
6
0,821
2
0,823
8
0,826
4
0,828
9
0,831
5
0,834
0
0,836
5
0,838
9
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
1,0
0,841
3
0,843
8
0,846
1
0,848
5
0,850
8
0,853
1
0,855
4
0,857
7
0,859
9
0,862
1
1,1
0,864
3
0,866
5
0,868
6
0,870
8
0,872
9
0,874
9
0,877
0
0,879
0
0,881
0
0,883
0
1,2
0,884
9
0,886
9
0,888
8
0,890
7
0,892
5
0,894
4
0,896
2
0,898
0
0,899
7
0,901
5
1,3
0,903
2
0,904
9
0,906
6
0,908
2
0,909
9
0,911
5
0,913
1
0,914
7
0,916
2
0,917
7
1,4
0,919
2
0,920
7
0,922
2
0,923
6
0,925
1
0,926
5
0,927
9
0,929
2
0,930
6
0,931
9
1,5
0,933
2
0,934
5
0,935
7
0,937
0
0,938
2
0,939
4
0,940
6
0,941
8
0,942
9
0,944
1
1,6
0,945
2
0,946
3
0,947
4
0,948
4
0,949
5
0,950
5
0,951
5
0,952
5
0,953
5
0,954
5
1,7
0,955
4
0,956
4
0,957
3
0,958
2
0,959
1
0,959
9
0,960
8
0,961
6
0,962
5
0,963
3
1,8
0,964
1
0,964
9
0,965
6
0,966
4
0,967
1
0,967
8
0,968
6
0,969
3
0,969
9
0,970
6
1,9
0,971
3
0,971
9
0,972
6
0,973
2
0,973
8
0,974
4
0,975
0
0,975
6
0,976
1
0,976
7
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
2,0
0,977
2
0,977
8
0,978
3
0,978
8
0,979
3
0,979
8
0,980
3
0,980
8
0,981
2
0,981
7
2,1
0,982
1
0,982
6
0,983
0
0,983
4
0,983
8
0,984
2
0,984
6
0,985
0
0,985
4
0,985
7
2,2
0,986
1
0,986
4
0,986
8
0,987
1
0,987
5
0,987
8
0,988
1
0,988
4
0,988
7
0,989
0
101
ULARE :
APUNTE IV
Probabilidad
2,3
0,989
3
0,989
6
0,989
8
0,990
1
0,990
4
0,990
6
0,990
9
0,991
1
0,991
3
0,991
6
2,4
0,991
8
0,992
0
0,992
2
0,992
5
0,992
7
0,992
9
0,993
1
0,993
2
0,993
4
0,993
6
2,5
0,993
8
0,994
0
0,994
1
0,994
3
0,994
5
0,994
6
0,994
8
0,994
9
0,995
1
0,995
2
2,6
0,995
3
0,995
5
0,995
6
0,995
7
0,995
9
0,996
0
0,996
1
0,996
2
0,996
3
0,996
4
2,7
0,996
5
0,996
6
0,996
7
0,996
8
0,996
9
0,997
0
0,997
1
0,997
2
0,997
3
0,997
4
2,8
0,997
4
0,997
5
0,997
6
0,997
7
0,997
7
0,997
8
0,997
9
0,997
9
0,998
0
0,998
1
2,9
0,998
1
0,998
2
0,998
2
0,998
3
0,998
4
0,998
4
0,998
5
0,998
5
0,998
6
0,998
6
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,998
7
0,998
7
0,998
7
0,998
8
0,998
8
0,998
9
0,998
9
0,998
9
0,999
0
0,999
0
3,1
0,999
0
0,999
1
0,999
1
0,999
1
0,999
2
0,999
2
0,999
2
0,999
2
0,999
3
0,999
3
3,2
0,999
3
0,999
3
0,999
4
0,999
4
0,999
4
0,999
4
0,999
4
0,999
5
0,999
5
0,999
5
3,3
0,999
5
0,999
5
0,999
5
0,999
6
0,999
6
0,999
6
0,999
6
0,999
6
0,999
6
0,999
7
3,4
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
7
0,999
8
3,5
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
0,999
8
3,6
0,999
8
0,999
8
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
3,7
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
3,8
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
0,999
9
3,9
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
103
ULARE :
APUNTE IV
Probabilidad
Empleo de la tabla de la distribucin normal

Tabla de la curva normal (0, 1)
La tabla nos da las probabilidades de P(z k), siendo z la variable tipificada.
Estas probabilidades nos dan la funcin de distribucin (k).
(k) = P(z k)
Bsqueda en la tabla de valor de k

Unidades y dcimas en la columna de la izquierda.
Cntesimas en la fila de arriba.
P(Z a)
P(Z 1.47) = 0.9292
105
ULARE :
APUNTE IV
Probabilidad
P(Z > a) = 1 - P(Z a)
P(Z > 1.47) = 1 P(Z 1.47) = 1 0.9292 = 0.0708
P(Z a) = 1 P(Z a)
P(Z 1.47) = 1 P(Z 1.47) = 1 0.9292 = 0.0708
P(Z > a) = P(Z a)
p(Z > 1.47) = p(Z 1.47) = 0.9292
P(a < Z b ) = P(Z b) P(Z a)
P( 0.45 <Z 1.47) = P(Z 1.47) P(Z 0.45) =

= 0.9292 0.6736 = 0.2556
107
ULARE :
APUNTE IV
Probabilidad
P(b < Z a ) = P(a < Z b )
P(1.47 <Z 0.45) = P( 0.45 <Z 1.47) =

= P(Z 1.47) P(Z 0.45) = 0.9292 0.6736 = 0.2556
P(a < Z b ) = P(Z b) [ 1 P(Z a)]
P(-1.47 < Z 0.45) = P(Z 0.45) [ 1 P(Z 1.47)]=

= 0.6736 (1 0.9292) = 0.6028
p=K
Nos encontramos con el caso inverso a los anteriores, conocemos el valor de la
probabilidad y se trata de hallar el valor de la abscisa. Ahora tenemos que buscar en la
tabla el valor que ms se aproxime a K.
p= 0.75Z 0.68
Para calcular la variable X nos vamos a la frmula de la tipificacin.
(X - )/ = 0.68X = + 0.68
109
ULARE :
APUNTE IV
Probabilidad
Distribucin normal y binomial

Aproximacin de la binomial por la normal
Teorema de Moivre
Si:
np 0 y nq 0.
La distribucin binomial B(n, p) se puede aproximar mediante una distribucin
normal:
111
ULARE :
APUNTE IV
Probabilidad
Ejemplo
En una ciudad una de cada tres familias posee telfono. Si se eligen al azar 90 familias,
calcular la probabilidad de que entre ellas haya por lo menos 30 tipos se han telfono.
Muestreo probabilstico
Consiste en elegir una muestra de una poblacin al azar. Podemos distinguir varios tipos
de muestreo:
Muestreo aleatorio simple

Para obtener una muestra, se numeran los elementos de la poblacin y se seleccionan
al azar los n elementos que contiene la muestra.
Muestreo aleatorio sistemtico

Se elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los
dems hasta completar la muestra.
Por ejemplo si tenemos una poblacin formada por 100 elementos y queremos extraer
una muestra de 25 elementos, en primer lugar debemos establecer el intervalo de
seleccin que ser igual a 100/25=4. A continuacin elegimos el elemento de arranque,
tomando aleatoriamente un nmero entre el 1 y el 4, y a partir de l obtenemos los
restantes elementos de la muestra.
2, 6, 10, 14,..., 98
Muestreo aleatorio estratificado

Se divide la poblacin en clases o estratos y se escoge, aleatoriamente, un nmero de
individuos de cada estrato proporcional al nmero de componentes de cada estrato.
113
ULARE :
APUNTE IV
Probabilidad
En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20.
Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la
D.
Un muestreo puede hacerse con o sin reposicin, y la poblacin de partida puede ser
infinita o finita.
En todo nuestro estudio vamos a limitarnos a una poblacin de partida infinita o a
muestreo con reposicin.
Si consideremos todas las posibles muestras de tamao n en una poblacin, para cada
muestra podemos calcular un estadstico (media, desviacin tpica, proporcin, ...)
que variar de una a otra.
As obtenemos una distribucin del estadstico que se llama distribucin muestral.
Intervalos caractersticos
P[ - k < x < + k] = p
Hallar el intervalo caracterstico de una distribucin normal N(0, 1) correspondiente a la
probabilidad p = 0.9.
115
ULARE :
APUNTE IV
Probabilidad
El nivel de confianza (p) se designa mediante 1 - .

El nivel de significacin se designa mediante .
El valor crtico (k) como z /2 .
P(Z>z /2) = /2
P[-z /2 < z < z /2] = 1-
Valores crticos
1-
/2
z /2
0.90
0.05
1.645
0.95
0.025
1.96
0.99
0.005
2.575
En una distribucin N(, ) el intervalo caracterstico correspondiente a una

probabilidad p = 1 - es:
( - z /2 , + z /2 )
1-
0.90
/2
0.05
z /2
1.645
Intervalos caractersticos
( - 1.645 , + 1.645 )
117
ULARE :
APUNTE IV
Probabilidad
0.95
0.025
1.96
( - 1.96 , + 1.96 )
0.99
0.005
2.575
( - 2.575 , + 2.575 )
Distribucin de las medias muestrales

Teorema central del lmite
Si una poblacin tiene media y desviacin tpica , y tomamos muestras de tamao n
(n>30, cualquier tamao si la poblacin es "normal"), las medias de estas muestras
siguen aproximadamente la distribucin:
Consecuencias:
1.Permite averiguar la probabilidad de que la media de una muestra concreta est en un
cierto intervalo.
2.Permite calcular la probabilidad de que la suma de los elementos de una muestra est,
a priori, en un cierto intervalo.
3.Inferir la media de la poblacin a partir de una muestra.

Las bolsas de sal envasadas por una mquina tienen = 500 g y = 35 g. Las bolsas se
empaquetaron en cajas de 100 unidades.
1.Calcular la probabilidad de que la media de los pesos de las bolsas de un paquete sea
menor que 495 g.
119
ULARE :
APUNTE IV
Probabilidad
2.Calcular la probabilidad de que una caja 100 de bolsas pese ms de 51 kg.
Estimacin de parmetros
Es el procedimiento utilizado para conocer las caractersticas de un parmetro
poblacional, a partir del conocimiento de la muestra.
Con una muestra aleatoria, de tamao n, podemos efectuar una estimacin de un valor
de un parmetro de la poblacin; pero tambin necesitamos precisar un:
Intervalo de confianza
Se llama as a un intervalo en el que sabemos que est un parmetro, con un nivel de
confianza especfico.
Nivel de confianza
Probabilidad de que el parmetro a estimar se encuentre en el intervalo de confianza.
Error de estimacin admisible

Que estar relacionado con el radio del intervalo de confianza.
Estimacin de la media de una poblacin

Intervalo de confianza para la media
El intervalo de confianza, para la media de una poblacin, con un nivel de confianza
de 1- , siendo x la media de una muestra de tamao n y la desviacin tpica de la
poblacin, es:
121
ULARE :
APUNTE IV
Probabilidad
El error mximo de estimacin es:
Cuanto mayor sea el tamao de la muestra, n, menor es el error.

Cuanto mayor sea el nivel de confianza, 1-, mayor es el error.
Tamao de la muestra
Si aumentamos el nivel de confianza, aumenta el tamao de la muestra.

Si disminuimos el error, tenemos que aumentar el tamao de la muestra.
El tiempo que tardan las cajeras de un supermercado en cobrar a los clientes sigue una
ley normal con media desconocida y desviacin tpica 0,5 minutos. Para una muestra
aleatoria de 25 clientes se obtuvo un tiempo medio de 5,2 minutos.
1.Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que se tarda
en cobrar a los clientes.
2.Indica el tamao muestral necesario para estimar dicho tiempo medio con un el error
de 0,5 minutos y un nivel de confianza del 95%.
123
ULARE :
APUNTE IV
Probabilidad
n4
Estimacin de una proporcin

Si en una poblacin, una determinada caracterstica se presenta en una proporcin p, la
proporcin p' , de individuos con dicha caracterstica en las muestras de tamao n, se
distribuirn segn:
Intervalo de confianza para una proporcin
El error mximo de estimacin es:
En una fbrica de componentes electrnicos, la proporcin de componentes finales

defectuosos era del 20%. Tras una serie de operaciones e inversiones destinadas a
mejorar el rendimiento se analiz una muestra aleatoria de 500 componentes,
encontrndose que 90 de ellos eran defectuosos. Qu nivel de confianza debe adoptarse
para aceptar que el rendimiento no ha sufrido variaciones?
p = 0.2
q = 1 - p =0.8
p'= 90/ 500 = 0.18
E = 0.2 - 0.18 = 0.02
125
ULARE :
APUNTE IV
Probabilidad
P (1 - z/2 <1.12) = 0.86861 - 0.8686 = 0.1314

0.8686 - 0.1314 = 0.737
Nivel de confianza: 73.72%
Contrastes de hiptesis
Hiptesis estadsticas
Un test estadstico es un procedimiento para, a partir de una
muestra aleatoria y significativa, extraer conclusiones que
permitan aceptar o rechazar una hiptesis previamente emitida
sobre el valor de un parmetro desconocido de una poblacin.
La hiptesis emitida se designa por H0 y se llama hiptesis nula.
La hiptesis contraria se designa por H1 y se llama hiptesis alternativa.
Contrastes de hiptesis
1. Enunciar la hiptesis nula H0 y la alternativa H1.
Bilateral
Unilateral
H0=k
H1 k
H0 k
H1 < k
H0 k
H1> k
2. A partir de un nivel de confianza 1 - o el de significacin . Determinar:

El valor z/2 (bilaterales), o bien z (unilaterales)
La zona de aceptacin del parmetro muestral (x o p').
3. Calcular: x o p', a partir de la muestra.
4. Si el valor del parmetro muestral est dentro de la zona de la aceptacin, se
acepta la hiptesis con un nivel de significacin . Si no, se rechaza.
127
ULARE :
APUNTE IV
Probabilidad
Contraste Bilateral
Se presenta cuando la hiptesis nula es del tipo H0: = k (o bien H0: p = k) y la
hiptesis alternativa, por tanto, es del tipo H1: k (o bien H1: p k).
El nivel de significacin se concentra en dos partes (o colas) simtricas respecto

de la media.
La regin de aceptacin en este caso no es ms que el correspondiente intervalo de
probabilidad para x o p', es decir:
o bien:
Se sabe que la desviacin tpica de las notas de cierto examen de Matemticas es 2,4.
Para una muestra de 36 estudiantes se obtuvo una nota media de 5,6. Sirven estos datos
para confirmar la hiptesis de que la nota media del examen fue de 6, con un nivel de
confianza del 95%?
1. Enunciamos las hiptesis nula y alternativa:
H0 : = 6
La nota media no ha variado.
H1 : 6
La nota media ha variado.
2. Zona de aceptacin
Para = 0.05, le corresponde un valor crtico: z/2 = 1.96.
129
ULARE :
APUNTE IV
Probabilidad
Determinamos el intervalo de confianza para la media:

(6-1,96 0,4 ; 6+1,96 0,4) = (5,22 ; 6,78)
3. Verificacin.
Valor obtenido de la media de la muestra: 5,6 .
4. Decisin
Aceptamos la hiptesis nula H0, con un nivel de significacin del 5%.
Contraste unilateral
Caso 1
La hiptesis nula es del tipo H0: k (o bien H0: p k).
La hiptesis alternativa, por tanto, es del tipo H1: < k (o bien H1: p < k).
Valores crticos
1-
0.90
0.10
1.28
0.95
0.05
1.645
0.99
0.01
2.33
El nivel de significacin se concentra en una parte o cola.

La regin de aceptacin en este caso ser:
131
ULARE :
APUNTE IV
Probabilidad
o bien:
Un socilogo ha pronosticado, que en una determinada ciudad, el nivel de abstencin en

las prximas elecciones ser del 40% como mnimo. Se elige al azar una muestra
aleatoria de 200 individuos, con derecho a voto, 75 de los cuales estaran dispuestos a
votar. Determinar con un nivel de significacin del 1%, si se puede admitir el
pronstico.
H0 : 0.40
La abstencin ser como mnimo del 40%.
H1 : < 0.40
La abstencin ser como mximo del 40%;
2. Zona de aceptacin
Para = 0.01, le corresponde un valor crtico: z = 2.33.
Determinamos el intervalo de confianza para la media:
3.Verificacin.
4.Decisin
Aceptamos la hiptesis nula H0. Podemos afirmar, con un nivel de significacin del
1%, que la La abstencin ser como mnimo del 40%.
Caso 2
La hiptesis nula es del tipo H0: k (o bien H0: p k).
La hiptesis alternativa, por tanto, es del tipo H1: > k (o bien H1: p > k).
133
ULARE :
APUNTE IV
Probabilidad
El nivel de significacin se concentra en la otra parte o cola.

La regin de aceptacin en este caso ser:
o bien:
Un informe indica que el precio medio del billete de avin entre Canarias y Madrid es,
como mximo, de 120 con una desviacin tpica de 40 . Se toma una muestra de 100
viajeros y se obtiene que la media de los precios de sus billetes es de 128 .
Se puede aceptar, con un nivel de significacin igual a 0,1, la afirmacin de partida?
H0 : 120
H1 : > 120
2.Zona de aceptacin
Para = 0.1, le corresponde un valor crtico: z = 1.28 .
Determinamos el intervalo de confianza:
3. Verificacin.
135
ULARE :
APUNTE IV
Probabilidad
Valor obtenido de la media de la muestra: 128 .

4. Decisin
No aceptamos la hiptesis nula H0. Con un nivel de significacin del 10%.
Errores de tipo I y tipo II

Error de tipo I. Se comete cuando la hiptesis nula es verdadera y, como
consecuencia del contraste, se rechaza.
Error de tipo II. Se comete cuando la hiptesis nula es falsa y, como consecuencia del
contraste se acepta.
H0
Verdadera
Falsa
Decisn correcta
Decisin incorrecta:
Probabilidad = 1 -
ERROR DE TIPO II
ERROR DE TIPO I
Decisin correcta
Aceptar
Rechazar
Probabilidad =
La probabilidad de cometer Error de tipo I es el nivel de significacin .

La probabilidad de cometer Error de tipo II depende del verdadero valor del
parmetro. Se hace tanto menor cuanto mayor sea n.
137

4) Proba

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

4) Proba

Enviado por

Direitos autorais:

Formatos disponíveis

ULARE :

La presencia del hueso astrgalo de oveja o ciervo en las excavaciones

La industria de los seguros, que naci en el siglo XIX, requera un conocimiento

En la actualidad la teora matemtica de la probabilidad constituye el

Profesor: Ricardo Zapata C.

sistemticamente, podremos reconocer nuestras suposiciones, comunicar a

La probabilidad relacionada con un evento es un nmero comprendido entre 0 y

Profesor: Ricardo Zapata C.

Las probabilidades de eventos complicados pueden determinarse a partir de las

1. Probabilidad simple. Probabilidad de que el dato escogido tenga una

Profesor: Ricardo Zapata C.

La complejidad de los negocios en los ltimos aos, ha incrementado el uso de

Las aplicaciones de mtodos estadsticos en las diferentes reas son

Profesor: Ricardo Zapata C.

Profesor: Ricardo Zapata C.

, es el que no tiene ningn elemento.

Por ejemplo al tirar un dado obtener una puntuacin igual a 7.

Son sucesos contrarios sacar par e impar al lanzar un dado

, {C}, {X}, {C,X}}.

Observamos que el primer elemento es el suceso imposible y el ltimo el suceso

Si E tiene un nmero finito de elementos, n, de elementos el nmero de sucesos de E es

B, es el suceso formado por todos los elementos de A y de B.

B se verifica cuando ocurre uno de los dos, A o B, o ambos.

B se lee como "A o B".

Profesor: Ricardo Zapata C.

Propiedades de la unin de sucesos

B, es el suceso formado por todos los elementos que

B se verifica cuando ocurren simultneamente A y B.

B se lee como "A y B".

Profesor: Ricardo Zapata C.

Propiedades de la interseccin de sucesos

Profesor: Ricardo Zapata C.

= E - A se llama suceso contrario o complementario de A.

Es decir, se verifica siempre y cuando no se verifique A.

Profesor: Ricardo Zapata C.

Profesor: Ricardo Zapata C.

2 Probabilidad del suceso imposible es cero.

3 La probabilidad de la unin de dos sucesos es la suma de sus probabilidades

4 Si un suceso est incluido en otro, su probabilidad es menor o igual a la de ste.

5 Si A1, A2, ..., Ak son incompatibles dos a dos entonces:

6 Si el espacio muestral E es finito y un suceso es S = {x1, x2, ..., xn} entonces:

Por ejemplo la probabilidad de sacar par, al tirar un dado, es:

Casos posibles: {cc, cx, xc, xx}.

En una baraja de 40 cartas, hallar la P (as) y P (copas).

Casos favorables de copas: 10.

Calcular la probabilidad de que al echar un dado al aire, salga:

Profesor: Ricardo Zapata C.

Probabilidad de la unin de sucesos

Calcular la probabilidad de obtener un 2 un 5 al lanzar un dado.

Probabilidad de la unin de sucesos compatibles

B) = p(A) + p(B) p(A

C) = p(A) + p(B) + p(C) p(A

Calcular la probabilidad de obtener un mltiplo de 2 un 6 al lanzar un dado.

Profesor: Ricardo Zapata C.

Probabilidad compuesta o de la interseccin de

Probabilidad de la interseccin de sucesos dependientes

Profesor: Ricardo Zapata C.

Probabilidad de la diferencia de sucesos

Profesor: Ricardo Zapata C.

Variable aleatoria discreta

Variable aleatoria continua

Distribuciones discretas de probabilidad

Profesor: Ricardo Zapata C.