Escolar Documentos
Profissional Documentos
Cultura Documentos
Fundamentos de la teora
de probabilidad
Profesor:
Abraham Gmez Avalos
Qu es la Probabilidad?
Probabilidad: Es la posibilidad de que ocurra algo.
Ejemplos: La probabilidad de que: el Obama acabe con
las guerras en el Medio Oriente, Marcelo Ebrad llegue
a las elecciones para presidente de Mxico, los
yacimientos en mar profundo sean explotados por
PEMEX, etc
Algebra de eventos
Algebra de eventos
Ejemplos
Para cada enunciado, identifique el experimento, los
posibles resultados, el espacio muestral y algunos
eventos.
1. Si tenemos un circuito elctrico RLC en serie y nos
interesa estudiar el voltaje que circula por l.
2.
Algebra de eventos
Ejercicios
Para cada enunciado, identifique el experimento, los posibles
resultados, el espacio muestral y algunos eventos.
1.
2.
Algebra de eventos
Un evento puede clasificarse en:
Finito: con un conocido nmero de
elementos.
1. Evento
2. Evento
3. Evento
A S
x A
No Contenido: A no es subconjunto de B: A B
No Pertenencia: Sea w elemento que no pertenece a B:
w B
10
A B
Interseccin (A interseccin B): Es el evento formado por
los elementos que pertenecen ambos eventos.
A B
12
A B
Complemento (A Complemento): Es el evento formado
por los elementos del espacio muestral que no estn
en el evento A.
c
13
5 10
3
2 1
6
a)
b)
c)
B
69
11,
69,
25.
14
Ejercicio
Elabore el diagrama de Venn-Euler de la siguiente
situacin y conteste las preguntas:
Una tienda de aparatos electrnicos tiene anuncios en una
revista especializada y en la televisin, y se da cuenta
que de 50 compradores de un producto 12 slo vieron
el anuncio en la revista, 14 en la televisin, 3 en
ambos medios y los dems por ninguno de los dos
medios de publicidad.
a) Cuntos compradores vieron el anuncio en al menos
uno de los medios?
b) Cuntos compradores vieron el anuncio en la
televisin, pero no en la revista?
c) Cuntos compradores vieron el anuncio en la revista
o en ninguno de los dos anuncios?
a)
b)
c)
26,
11,
39.
15
A A = A
Leyes Asociativas:
( A B ) C = A (B C )
( A B ) C = A (B C )
Leyes Conmutativas:
Ley Distributiva:
A B = B A
A A = A
A B = B A
A (B C ) = ( A B ) ( A C )
A (B C ) = ( A B ) ( A C )
Leyes de Identidad:
A = A
A S = S
A =
A S = A
16
A AC = S
(A )
C C
A AC =
C
= A, S = , = S
Leyes de D Morgan:
( A B ) C = AC B C
( A B ) C = AC B C
Si sucede que A B = ,
A y B eventos del
mismo espacio muestral entonces se llaman
Eventos Mutuamente Excluyentes.
17
18
4)
5) {M,A} 19
(BA)C C = (BCC)(ACC)
A(ACB) = AB
20
Particiones de eventos
Dado A un evento de un espacio muestral S y A1, A2,, An
sub eventos de A, los cuales forman una familia A ={ A1,
A2,, An } de eventos, se dice que A forma una particin
de eventos de A, si los sub eventos dados cumplen con:
1)
2)
A = U Ai
i =1
3)
22
Conceptos de Probabilidad
Probabilstico o aleatorio
Experimento :
Determinstico
Experimento Probabilstico: Cualquier proceso que produce
uno y slo uno de todos los posibles resultados cada
vez que se realiza, no permite anticipar cual resultado
ocurrir.
Ejemplos: La fabricacin de cierto tipo de tabletas para
computadoras, la revisin de bombillas elctricas
antes de colocarlas en los estantes de una tienda de
autoservicio, la medicin de la resistencia a la tensin
de una barra de acero (experimentos aleatorios
nicos)
23
Conceptos de Probabilidad
Experimento Determinstico: Experimento que se
ejecuta bajo condiciones iguales y donde se tiene
conocimiento previo del resultado. Muchos de
estos experimentos conducen a un modelo
matemtico.
Ejemplos: La fuerza generada por un objeto en
movimiento se determina por la frmula F = ma;
en un circuito elctrico con una resistencia y
alimentado por un voltaje, se puede conocer la
corriente que pasa por la resistencia Ley de Ohm.
24
Conceptos de Probabilidad
Cardinalidad de un espacio muestral o de un evento:
nmero de elementos que contiene, se denota por
n(S) o n(A), segn sea el caso; espacio muestral o
evento.
Un espacio muestral es discreto; cuando la cardinalidad del
espacio es finita o infinita numerable. Ejemplo: Se
cuenta el nmero de llamadas que entran a un
conmutador de una empresa entre las 10:00 hrs. y las
20:00hrs, en un cierto da. S = {0,1,2,3,4,5,6,7.} es
infinito numerable el nmero de llamadas.
Un espacio muestral es continuo; cuando su cardinalidad
es infinita. Ejemplo: Se evala el tiempo que trabaja
un telfono celular sin presentar falla. [0, t). Intervalo
de tiempo continuo.
25
Enfoques de la Probabilidad
Para el estudio de la probabilidad existen tres
enfoques conceptuales, cada uno representa
planteamientos distintos en cuanto a la
concepcin y a la manera de obtener las
probabilidades de un evento.
Clsico
Enfoques de
Frecuencial
Probabilidad
Subjetivo
26
Enfoques de la Probabilidad
Enfoque Clsico: La probabilidad de un evento esta
determinada por el cociente entre la cardinalidad
del evento y la cardinalidad del espacio muestral.
P(A)=n(A)/n(S)
Ejemplo: Lanzamiento de un dado, nos interesa saber
cul es la probabilidad de que caiga 1?
Para lo cual tenemos que obtener el espacio
muestral S={1,2,3,4,5,6} y su cardinalidad es
n(S)=6, identificar los elementos para el evento A:
caiga 1 n(A)=1, por lo tanto P(A)=P(1)= 1/6
27
Enfoques de la Probabilidad
Enfoque Frecuencial: La probabilidad de que ocurra
un evento A se calcula dividiendo el nmero de
veces en que se ha presentado dicho evento
entre el nmero total de observaciones
realizadas.
Ejemplo:
Un
estudiante
de
ingeniera
en
comunicaciones y electrnica desea conocer
cuales son las expectativas de obtener un trabajo
relacionado con su carrera, para lo cual en la
pgina de OCC consult los ltimos 50 empleos
ofrecidos por esta empresa y observ que 15
plazas se ofrecan para ingenieros en C y E. Por
lo tanto, la probabilidad es P(A) =15 / 50=3/10.
OCC: empresa en la web dedicada a la publicacin de vacantes de empleos
28
Enfoques de la Probabilidad
Enfoque Subjetivo: Se asigna un valor de probabilidad
con base en la experiencia, intuicin o
sentimiento del evaluador.
Ejemplo: Segn un renombrado poltico tabasqueo
asegura que en las prximas elecciones
presidenciales Marcelo ser el ganador con un
alto porcentaje, pero otro renombrado poltico
mexiquense cree que quedar en segundo lugar
(por que l ser el primer lugar)
29
31
EVENTOS INDEPENDIENTES
Definicin: Dos eventos A y B se dice que son
independientes si y slo si:
P(A B) = P(A)P(B)
Teorema:
a) P() = 0
b) Si AC es complemento de A
entonces
P(A) = 1- P(AC)
32
Frenado
Tren motriz
Direccin
Iluminacin
Ejemplo:
Si seleccionamos dos conectores y medimos su
espesor para clasificarlos como:
a) Cumplen la especificacin (C)
b) No cumplen con la especificacin (N)
Cul es el espacio muestral?
S = {CC, CN, NC, NN}
Cul es la probabilidad de que al elegir dos
conectores, ninguno cumplan con la
especificacin?
Definamos el evento
A: ambos conectores no cumplen con la
especificacin.
Entonces su probabilidad es P(A)=1/4
35
Ejemplo: continuacin
Cul es la probabilidad de que al elegir dos
conectores, al menos uno cumplan con la
especificacin?
Definamos el evento
B: al menos uno de los conectores cumple con
la especificacin.
Entonces su probabilidad es P(B)=3/4.
36
Ejercicio:
Un fabricante de autos ofrece vehculos donde los clientes
tienen que decidir sobre las siguientes opciones,
considerar que es forzoso elegir una de cada opcin:
Aire Acondicionado o sin ste, transmisin manual o
automtica y estreo con un CD o con charola para 3
CDs
Cul es el espacio muestral de este experimento?
Considerando la notacin CA con aire acondicionado y
SA sin aire acondicionado, TM y TA para la
transmisin manual y automtica, y finalmente 1 o 2
para el estreo respectivo. As que el espacio
muestra es:
S={(CA,TM,1),
(CA,TM,2),
(CA,TA,1),
(CA,TA,2),
(SA,TM,1), (SA,TM,2), (SA,TA,1), (SA,TA,2)}
Conteste
las
siguientes
preguntas,
definiendo
primeramente el evento que aplique en cada caso.
37
Ejercicio: continuacin
Cul es la probabilidad de elegir un auto al azar con
transmisin automtica?
El evento es: A={(CA,TA,1), (CA,TA,2), (SA,TA,1), (SA,TA,2)}
Su probabilidad es: P(A)=4/8 = = 0.5
Cul es la probabilidad de elegir un auto al azar con aire
acondicionado o con el estereo 1?
El evento es B={(CA,TA,1), (CA,TA,2), (CA,TM,1),
(CA,TM,2), (SA,TA,1), (SA,TM,1)}
Su probabilidad es: P(B)=6/8 = = 0.75
Cul es la probabilidad de elegir un auto al azar con
transmisin manual, pero sin aire acondicionado?
El evento es: C={(SA,TM,1), (SA,TM,2)}
Su probabilidad es: P(C)=2/8 = = 0.25
38
Teorema:
Si A y B son dos eventos cualesquiera
de un espacio muestral S, entonces
P(AB) = P(A)+ P(B)-P(AB)
Ejemplo: Si P(M)=0.73, P(N)=0.35 y P(MN)=0.14,
determine:
a) P(MN)
b) P(MC N)
c) P(M NC)
d) P(MC NC)
Respuestas
a)
0.94
b)
0.21
c)
0.59
d)
0.86
39
40
a)
b)
c)
d)
41
Teorema:
Sean A y B dos eventos de un espacio
muestral S, tales que A B entonces P(A) P(B)
42
Respuestas:
a)
S
A
B
0.02
0.03
0.05
0.01
0.04
0.03
0.75
0.07
C
45
Respuestas
a) =1/2
b) =5/8
c) =1/4
d) =1/8
e) =3/4
f) =1/4
g) =3/8
h) =3/4
46
Respuestas
a) = 0.2
b) = 0.8
47
TAREA
1.- Dados los eventos A y B de un espacio muestral S,
tal que P(A)=P(B)=0.5 y P(AB)=0.4.
Calcular
a) P(ACB)
b) P(AC- B)
2.- Dados los eventos A y B de un espacio muestral S,
tal que P(A)=0.7, P(AB)=0.9 y P(B)=0.6
Calcular P(ACBC)
3.- Dados los eventos A y B de un espacio muestral S,
tal que P(A)=0.4, P(B)=0.2 y P(AB)=0.
Calcular P(ACB)
Respuestas
1.- a) = 0.1, b) 0.4
2.- 0.1
3.- 0.6
48
Principios de conteo
Ejemplo
El Dr. Velasco tiene 10 camisas y 8 corbatas. Cuntos
juegos de camisa y corbata puede tener?
(10)(8) = 80
49
Principios de conteo
n!
P r=
( n r )!
Ejemplo
Hay 12 jugadores en el equipo de bsquetbol de la
ESIME- Z. El director tcnico Toms Prez debe escoger 5
jugadores de los 12 del equipo para formar su lnea de
inicio. De cuntas maneras diferentes puede hacerlo?
Considerando que no puede colocar a cualquier jugador
en cualquier posicin.
12 P5 =
12!
= 95040
(12 5)!
50
Principios de conteo
n!
=
r ! ( n r )!
Ejemplo
Hay 12 jugadores en el equipo de bsquetbol de la
ESIME- Z. El director tcnico Toms Prez debe
escoger 5 jugadores de los 12 del equipo para formar su
lnea de inicio. De cuntas maneras diferentes puede
hacerlo? Si no interesa como se coloquen en la cancha.
12!
12C 5 =
= 792
5! (12 5)!
51
Principios de conteo
Diagrama de rbol
Ejemplo
En una bolsa que contiene 7 chips rojos y 5 chips
azules, seleccionemos dos chips uno despus del
otro sin reemplazarlo. Elabore un diagrama de rbol
mostrando esta informacin.
52
Principios de conteo
Azul 1
(Rojo 1, Azul 1)
Azul 2
(Rojo 1, Azul 2)
Azul 3
(Rojo 1, Azul 3)
Azul 4
(Rojo 1, Azul 4)
Azul 5
(Rojo 1, Azul 5)
Azul 1
Rojo 5
Azul 5
.
.
.
Azul 1
Rojo 6
.
.
.
.
.
.
.
.
.
(Rojo 7, Azul 1)
Azul 2
(Rojo 7, Azul 2)
Azul 3
(Rojo 7, Azul 3)
Azul 4
(Rojo 7, Azul 4)
Azul 5
(Rojo 7, Azul 5)
Ejemplo
(Continuacin)
Rojo 1
Rojo 2
Azul 2
Rojo 3
Rojo 4
Rojo 7
Azul 3
Azul 4
53
Principios de conteo
1.
Ejercicios
2.
3.
54
Principios de conteo
4.
Ejercicios (Continuacin)
4.
4.
55
Principios de conteo
7.
Ejercicios (Continuacin)
8.
9.
56
PROBABILIDAD CONDICIONAL
Definicin: Si A y B son dos eventos cualesquiera
de un espacio muestral S, tales que P(B)0, la
probabilidad condicional del evento A dado que ya
ocurri el evento B esta dada por:
P( A B)
P( A B) =
P( B)
Observacin: La probabilidad P(A|B) es una
actualizacin de P(A) basado en el conocimiento
de que ya ocurri el evento B. Bajo esta condicin
en un espacio muestral discreto S, cuando se da la
probabilidad condicional se observa que el
espacio muestral se reduce a slo los resultados
de B con los de A.
57
PROBABILIDAD CONDICIONAL
Ejemplo:
El departamento de produccin de Philips
inform que de sus 250 empleados, 130 fuman, 150
son hombres y de ellos 85 son fumadores.
a) Cul es la probabilidad de que s se elige un
empleado y es fumador, este sea hombre?
P(H|F) = 85/130 = 0.6538
b) Elaborar la tabla de contingencia para calcular la
probabilidad de que s seleccionamos un empleado al
azar este sea mujer.
F
NF
Total
85
65
150
45
55
100
Total
130
120
250
58
PROBABILIDAD CONDICIONAL
Ejemplo: (continuacin)
c) Cul es la probabilidad de que s seleccionamos
un empleado al azar, ste sea mujer dado que no
es fumador?
P(M|NF) = 55/120 = 0.4583
d) Cul es la probabilidad de que s seleccionamos
un empleado al azar, ste sea fumador dado que
es mujer?
P(F|M) = 45/100 = 0.45
59
Total
200
350
500
1050
ND
3800
3150
2000
8950
Total
4000
3500
2500
10000
Respuestas
a)
P(D)= 0.105
b)
P(ND)= 0.895
c)
P(D|N)= 0.2
d)
P(M|D)= 0.333
61
Tarea
En una bodega se encuentra un contenedor con pantallas LCD
de tres marcas Panasonic, Sony y LG en dos tamaos
32 y 40. El contenedor tiene 65 pantallas Panasonic, de
las que el 60% son de 32, 40 pantallas Sony de las que
el 45% son de 32 y 25 pantallas LG de las que el 80%
son de 40. Con base en la informacin anterior,
determine:
a) Cul es la probabilidad de que s tomamos una pantalla
al azar sta sea de 32?
b) Cul es la probabilidad de que s tomamos al azar una
pantalla de 40 sta sea de la marca Sony?
c) Cul es la probabilidad de elegir una pantalla de la
marca Panasonic o LG, dado que es de 32?
Regla de multiplicacin
Teorema: Si A y B son dos eventos en un espacio muestral
S, entonces
P ( A B ) = P ( A) P ( B A) si P ( A) 0
= P ( B ) P ( A B ) si P ( B ) 0
Ejemplo: En una caja se tienen diez rollos de pelcula
fotogrfica, tres de los cuales estn defectuosos. Se
seleccionan dos rollos, uno despus del otro. Cul es la
probabilidad de escoger un rollo con defecto seguido de
otro tambin defectuoso?
Sea A: el evento de elegir el primer rollo defectuoso; P(A)=3/10
Sea B: el evento de elegir el segundo rollo defectuoso; P(B|A)
=2/9
P(AB) = 3/10*2/9=0.07
63
Respuestas
a) P(ST LT)= 0.8496
b) P(STc LTc)= 0.0196
64
Eventos Independientes
Definicin: Dos eventos
independientes si y slo si
son
eventos
P( A B) = P( A)
P( B A) = P( B)
Teorema: A y B son eventos independientes si y slo si
P(AB) = P(A)P(B)
Ejemplo:
Durante un lanzamiento espacial, el sistema de cmputo primario
est respaldado por un sistema secundario. Estos sistemas
funcionan uno con independencia del otro y cada uno tiene una
confiabilidad del 90%. Cul es la probabilidad de que los dos
sistemas sean funcionales en el momento del lanzamiento?
Respuesta: P(SpSs) =0.81
65
Respuestas:
a) P(D1D2) =0.0494,
b) P[(D1D2)c] =0.9994,
c) P(D1D2c) =0.0294
66
Teorema de Bayes
Si B1, B2, , ,Bk son k eventos de un espacio muestral
S tal que es una particin de S, entonces para
cualquier evento A de S, con P(A)0 se cumple:
P( Br A) =
P( Br ) P( A Br )
k
P( B ) P( A B )
i
i =1
P( A B) P( B)
P( B A) =
P( A B) P( B) + P( A B C ) P( B C )
67
Teorema de Bayes
Ejemplo: La probabilidad de que un automvil pase la
verificacin, dado que est en buenas condiciones
mecnicas es de 0.9 y la probabilidad de que un automvil
est en buenas condiciones mecnicas es de 0.7. Si la
probabilidad de que un automvil pase la verificacin no
estando en buenas condiciones mecnicas es de 0.8.
Cul es la probabilidad de que un automvil:
a) que ha pasado la verificacin, est en buenas
condiciones mecnicas?
b) que no ha pasado la verificacin, est en buenas
condiciones mecnicas?
68
P(Bc)=0.3
0.7 0.9
0.63
P ( B A) =
= 0.7241
=
0.7 0.9 + 0.3 0.8 0.87
69
A
B
Ac
Total
Por lo tanto
P(B|Ac) = 0.07/0.13 = 0.5385
Total
70
71
72
Confiabilidad de sistemas
La tarea de disear y supervisar la manufactura de un
producto, as como la prestacin de un servicio se
pueden
considerar
como
sistemas
complejos;
integrados por subsistemas que pueden estar en
paralelo, en serie o mixtos. La confiabilidad de un
sistema es la probabilidad de que funcione dentro de los
lmites dados, al menos durante un periodo
determinado, en condiciones ambientales especficas.
C4
C2
C1
C5
C7
C8
C3
C6
73
Confiabilidad de sistemas
Un sistema en serie esta caracterizado por el hecho de que
todos sus componentes estn relacionados de tal manera
que el sistema completo deja de funcionar si alguno de sus
componentes falla; un sistema en paralelo slo deja de
funcionar si todos sus componentes fallan.
Para el caso de un sistema de n componentes independientes
conectados en serie.
C1
C2
C3
C4
...
Cn
Confiabilidad de sistemas
Producto de confiabilidades
Teorema. La confiabilidad Rs de un sistema en serie con n
componentes independientes, cado uno con confiabilidad Ri
est dado por
n
Rs = Ri
i =1
Confiabilidad de sistemas
Una forma de incrementar la confiabilidad de un sistema consiste
en reemplazar ciertos componentes por otros conectados en
paralelo.
Definimos Rp: confiabilidad del sistema en paralelo,
1- Rp la probabilidad de que el sistema en paralelo falle,
1- Ri la probabilidad de que el componente Ci falle,
as que:
1- Rp = P( no funcione C1 y no funcione C2 y y no funcione Cn ) =
= P( no funcione C1 ) P( no funcione C2 ) P( no funcione Cn) =
1- Rp = (1 - R1 ) (1 - R2 ) (1 - Rn).
Producto de inestabilidades
Teorema. La confiabilidad Rp de un sistema en paralelo con n
componentes independientes, cada uno con confiabilidad Ri,
est dada por:
n
R p = 1 (1 R i )
i =1
76
Respuesta: RT=0.97902
77
0.99
0.70
0.90
0.75
0.70
Respuesta: RT=0.7721
78