Escolar Documentos
Profissional Documentos
Cultura Documentos
Prof: Mario Jos Pacheco Lpez forma aleatoria de un proceso de fabricacin. Cada artcu-
https://sites.google.com/site/wmariojpl lo se inspecciona y se clasifica como defectuoso y no de-
fectuoso, el espacio muestral es:
1. Definiciones
S = {DDD, DDN, DND, NDD, DNN, NDN, NND, NNN}
Experimento aleatorio: Un experimento que puede dar
lugar a resultados diferentes, a pesar de que se repite de
Ejemplo: Un inspector de control de calidad eligi una
la misma manera cada vez, se denomina un experimento
pieza fabricada para probarla. Posteriormente se estable-
aleatorio.
ce si la parte se acepta, se repara, o se desecha. Despus
se prueba otra. Mencione todos los posibles resultados de
Espacio Muestral: El conjunto de todos los posibles este experimento.
resultados de un experimento aleatorio se llama espacio
muestral del experimento. El espacio muestral se denota
S = {AA, AR, RA, AD, DA, RR, RD, DR, DD}
como S.
Un espacio muestral es discreto si se compone de un
conjunto finito o infinito numerable de resultados. Un es- Evento: Un evento es un subconjunto del espacio mues-
pacio muestral es continuo si contiene un intervalo (finito tral de un experimento aleatorio.
o infinito) de nmeros reales.
El evento formado por todos los posibles resultados
Ejemplo: Considere un experimento en el que se selec- en E1 o E2 o en ambos, recibe el nombre de la unin
ciona una pieza de plstico moldeado y se le mide su es- de E1 y E2 : E1 E2 .
pesor. Los posibles valores para el espesor dependern de
del instrumento de medicin y de los lmites superior e in- El evento formado por todos los resultados comunes
ferior para el espesor. Sin embargo, podra ser conveniente tanto a E1 como a E2 , recibe el nombre de intersec-
definir el espacio muestral simplemente como: cin de E1 y E2 : E1 E2 .
S = R+ = {x | x > 0}
El complemento de un evento E con respecto al es-
Si se sabe que todos los espesores estarn entre 10 y 11 pacio muestral S, es aquel que contiene a todos los
milmetros, el espacio de muestra podra ser resultados de S que no se encuentran en S: E 0 .
S = {x | 10 < x < 11}
Si el objetivo del anlisis es considerar slo si el espesor Ejemplo: Del ejemplo anterior, sea el evento A: al me-
es grande, mediano o pequeo, nos una pieza se repara,
s = {grande, mediano, pequeo}
A = {AR, RA, RR, RD, DR}
Si el inters es considerar slo si la pieza se ajusta a las
especificaciones de fabricacin,
Ejemplo: Dado el espacio muestral S = {t : t 0}, don-
S = {Si, No}
de t es la vida en aos de cierto componente, entonces el
Si el experimento consiste en medir dos piezas en lugar de evento B de que el componente falle antes de que finalice
una, el espacio muestral es: el quinto ao es el subconjunto:
S = R+ R+
B = {t : 0 t < 5}
y si el objetivo del anlisis es considerar slo si las piezas
se ajustan a las especificaciones de fabricacin,
Eventos Mutuamente Excluyentes: Dos eventos, E1 y
S = {SS, SN, NS, NN}
E2 , tal que
y si el inters es el nmero de piezas que se ajustan a las E1 E2 = 0/
especificaciones,
S = {0, 1, 2} se dicen mutuamente excluyentes.
1
Probabilidad: La probabilidad es un nmero que se Regla de la Multiplicacin: Para dos eventos A y B
asigna a cada miembro de una coleccin de eventos de
un experimento aleatorio que satisface las siguientes pro- P (A B) = P (A) P (B | A) = P (B) P (A | B)
piedades (Axiomas de Probabilidad):
Si S es el espacio muestral y E es cualquier evento en
un experimento aleatorio, Regla de la Probabilidad Total: Para dos eventos A y
B
1. P (S) = 1
P (B) = P (B A) + P B A0
2. 0 P (S) 1
= P (A) P (B | A) + P A0 P B | A0
Probabilidad Condicional: La probabilidad condicio- Ejemplo: Durante los ltimos aos se ha escrito mucho
nal de un evento B dado un evento A, denotada como sobre la posible relacin entre fumar y el cncer pulmonar.
P (B | A), es Supnga que en un centro mdico, de todos los fumado-
P (A B) res de quienes se sospecha que tenan cancer pulmonar, el
P (B | A) = 90 % lo tena mientras que nicamente el 5 % de los no
P (A)
fumadores lo padeca. Si la proporcion de fumadores es
con P (A) > 0. de 45 %, cul es la probabilidad de que un paciente con
cancer pulmonar, seleccionado al azar, sea fumador?
Ejemplo: El 60 % de los individuos de una poblacin Sea: B1 : Fumador, B2 : No Fumador y A: Tener cancer
estn vacunados contra una cierta enfermedad. Durante pulmonar, entonces
una epidemia se sabe que el 20 % la ha contrado y que 2
de cada 100 individuos estn vacunados y son enfermos. P (A | B1 ) = 0.90 ; P (A | B2 ) = 0.05
Calcular el porcentaje de vacunados que enferma y el de P (B1 ) = 0.45 P (B2 ) = 0.55
vacunados entre los que estn enfermos.
y
P (V ) = 0.6 P (E) = 0.2 P (V E) = 0.02
P (B1 ) P (A | B1 )
P (B1 | A) =
P (V E) 0.02 P (B1 ) P (A | B1 ) + P (B2 ) P (A | B2 )
P (E | V ) = =
P (V ) 0.6 0.45 0.90
=
P (V E) 0.02 0.45 0.90 + 0.55 0.05
P (V | E) = =
P (E) 0.2 = 0.9364
2
Ejemplo: Con base en varios estudios una compaia ha Ejemplo: Sea X una v.a. que representa el nmero de
clasificado, de acuerdo con la posibilidad de descubrir pe- clientes que llega a un banco en un periodo de 15 minutos,
trleo, las formaciones geolgicas en tres tipos. La com- con funcin masa de probabilidad:
paia pretende perforar un pozo en un determinado sitio,
al que se le asignan las probabilidades de 0.35, 0.40 y x 0 1 2 3 4 5 6 7 8
0.25 para los tres tipos de formaciones respectivamente. f (x) 0.05 0.1 0.1 0.1 0.2 0.25 0.1 0.05 0.05
De acuerdo con la experiencia, se sabe que el petrleo se
encuentra en un 40 % de formaciones tipo I, en un 20 % de La probabilidad de lleguen entre 3 y 6 clientes es:
formaciones tipo II y en un 30 % de formaciones tipo III.
Si la compaia descubre petrleo en ese lugar, determine P (3 X 6) = f (3) + f (4) + f (5) + f (6)
la probabilidad de que exista una formacin tipo II. = 0,1 + 0,2 + 0,25 + 0,1
Sea B1 : Tipo 1, B2 : Tipo 2, B3 : Tipo 3 y A: Descubrir = 0,65
petrleo, entonces
P (B1 ) = 0.35 , P (B2 ) = 0.40 , P (B3 ) = 0.25 Funcin de distribucin acumulada: La funcin de
P (A | B1 ) = 0.40 , P (A | B2 ) = 0.20 , P (A | B3 ) = 0.30 distribucin acumulada de una v.a. discreta X, F (x), es
3
Funcin de densidad de probabilidad: Para la v.a. Ejemplo: Para el ejemplo anterior:
continua X, definida en el conjunto de nmeros reales R,
f (x) es una funcin de densidad de probabilidad de X, si: 1
E (X) = 42x2 (1 x)5 dx
1. f (x) 0, para todo x R. 0
"
8 1
#
2. f (x) dx = 1 7 (1 x)
= 7x2 (1 x)6 2x (1 x)
b 4
3. P (a < X < b) = a f (x) dx 0
= 0.25
1
Ejemplo: Considere la v.a. que representa la proporcin 2
42x3 (1 x)5 dx
E X =
de accidentes automovilsticos fatales en una regin, con 0
funcin de densidad h
= 7x3 (1 x)6 3x2 (1 x)7
5
f (x) = 42x (1 x) , 0<x<1 1
3 8 1 9
Cul es la pobabilidad de que entre un 10 % y un 20 % de x (1 x) (1 x)
4 72 0
los accidentes automovilsticos sean fatales?
0.2 = 0.0833
5
P (0.1 X 0.2) = 42x (1 x) dx V (X) = 0.0833 0.252 = 0.0208
0.1
h i0.2
= 7x (1 x)6 (1 x)7 As, la proporcin esperada de accidentes es 0.25 (0.25
0.1
= 0.2736 0.144).
(hacer u = 42x, du = 42dx, dv = (1 x) dx y v =5 Grfico de la funcin de densidad y la media:
(1 x)6 /6)
F (x) = P (X x)
x
2.0
= f (x) dx
1.5
f(x)
x
P (X x) = 42x (1 x)5 dx
0.5
0
= 7x(1 x)6 (1 x)7 + 1
0.0
4
3. Algunas distribuciones discretas de Dado que n = 15 y p = 0.05, la probabilidad pedida es
probabilidad P (X 2) = 1 P (X < 2)
3.1. La distribucin Binomial = 1 [ f (0 | 15, 0.05) + f (1 | 15, 0.05)]
h i
= 1 (0.95)15 + (15) (0.05) (0.95)14
Sea X una v.a. que representa el nmero de xitos en
n ensayos independientes y p la probabilidad de xito en = 1 0.4633 0.3658
cualquiera de estos. Entonces se dice que X tiene una dis- = 0.1709
tribucin Binomial con funcin de probabilidad
Ejemplo: Aproximadamente el 30 % de todas las fallas
n x nx de operacin de tuberas en plantas qumicas son ocasio-
f (x | n, p) = p (1 p) , x = 0, 1, ..., n
x nadas por errores del operador. Cul es la probabilidad
de que de las siguientes 20 fallas al menos una se deba a
Adems, E (X) = np y V (X) = np (1 p). un error del operador?
Se tiene que n = 20 y p = 0.3, entonces
5
Ejemplo: El nmero de clientes que llega a un banco Ejemplo: En un estudio se capturan 10 animales para su
es una v.a. Poisson. Si el nmero promedio es de 120 por estudio, se etiquetan y se sueltan en una regin. Despus
hora, cul es la probabilidad de que en un minuto lleguen de un tiempo se selecciona una muestra de 15 animales,
por lo menos tres clientes? cul es la probabilidad de que tres o ms de estos se-
Para una hora = 120 pero para un minuto = leccionados sean animales etiquetados, si hay 25 de estos
120/60 = 2, por tanto animales la regin?
Aqu N = 25, n = 15 y k = 10, as
P (X 3) = 1 P (X < 3)
= 1 [ f (0 | 2) + f (1 | 2) + f (2 | 2)] P (X 3) = 1 P (X < 3)
2 0
e2 21 e2 22
e 2 2
= 1 + + = 1 f (0 | 40, 8, 2)
0! 1! 2!
x=0
= 1 e2 (1 + 2 + 2) = 0.3233
10 25 10
2 x 15 x
Ejemplo: El nmero promedio de buques que llega cada = 1
x=0 25
da a cierta ciudad portuaria es 10. Las instalaciones en el
15
puerto pueden manejar a lo ms 5 buques por da. Cul es
la probabilidad de que en un da dado los buques se tengan = 1 0.0015
que regresar? = 0.9985
La probabilidad pedida es
5 x
10 10 3.4. Distribucin Binomial Negativa
P (X > 15) = 1 P (x 5) = 1 e
x=0 x!
0 Sea X + k el nmero de ensayos independientes nece-
5
10 10 sarios para alcanzar, de manera exacta, k xitos en un ex-
= 1 e10 ++
0! 5! perimento binomial en donde la probabilidad de xito en
= 0.9329 cada ensayo es p. La f.m.p. de X es:
k+x1 x = 0, 1, ...
3.3. La distribucin Hipergeomtrica f (x | k, p) = pk (1 p)x ,
k1 k = 1, 2, ...
Es la distribucin de probabilidad de la v.a. X que cuen-
ta el nmero de xitos en una muestra aleatoria de tamao donde p es la probabilidad de xito en cada ensayo. Ade-
n que se selecciona de N artculos de los que k se denomi- ms, E (X) = k (1 p) /p y V (X) = k (1 p) /p2 .
nan xito y N k fracaso. La probabilidad de que de que x
sean xitos y n x sean fracasos, est dada por la funcin
Ejemplo: Se sabe que en cierto proceso de fabricacin,
k N k N
f (x | N, n, k) = , x = 0, 1, ..., k en promedio, uno de cada 100 artculos est defectuoso.
x nx n
Cul es la probabilidad de que el quinto artculo que se
Nn nk k
Adems, E (X) = nk/N, V (X) = N1 N 1 N . inspecciona sea el segundo defectuoso que se encuentra?
Como p = 1/100 = 0.01 y k = 2, entonces
Ejemplo: Un fabricante de automviles que compra los
2 + 3 1
motores a una compaa donde se fabrican bajo estrictas f (3 | 2, 0.01) = 0.012 (1 0.01)3 = 0.00039
21
especificaciones. El fabricante recibe un lote de 40 mo-
tores. Su plan para aceptar el lote consiste en seleccionar
ocho, de manera aleatoria, y someterlos a prueba. Si en- Ejemplo: En un departamento de control de calidad se
cuentra que ninguno de los motores presenta serios defec- inspeccionan las unidades terminadas que provienen de
tos, el fabricante acepta el lote; de otra forma lo rechaza. una lnea de ensamble. Se piensa que la proporcin de uni-
Si el lote contiene dos motores con serios defectos, cul dades defectuosas es de 0.05. Cul es la probabilidad de
es la probabilidad de que sea aceptado? que la vigsima unidad inspeccionada sea la tercera que
Como N = 40, n = 8 y k = 2, la probabilidad de acep- se encuentre defectuosa?
tacin es Como p = 0.05 y k = 3, entonces
2 38 40
3 + 17 1
f (0 | 40, 8, 2) = = 0.6359 f (17 | 3, 0.05) = 0.053 (1 0.05)17 = 0.0089
0 6 8 31
6
4. Algunas distribuciones continuas de 4.2. Distribucin Weibull
probabilidad Si una variable aleatoria X tiene distribucin Weibull,
su funcin de densidad de probabilidad est dada por:
4.1. Distribucin exponencial
1 (x/ ) x>0
Si una variable aleatoria X tiene distribucin exponen- f (x | , ) = x e ,
, > 0
cial, su funcin de densidad de probabilidad est dada por:
Adems, E (X) = (1 + 1/) y
1
f (x | ) = ex/ , x > 0, > 0 V (X) = 2 (1 + 2/) 2 1 + 1/ 2
Para esta v.a., la funcin de distribucin acumulada vie-
Adems, E (X) = y V (X) = 2 .
ne dada por:
Para esta v.a., la funcin de distribucin acumulada vie- x
ne dada por:
F (x | , ) = x1 e(x/ ) dx
x
0
1 x/ x/
F (x | ) = e dx = 1 e = 1 e(x/ )
0
7
4.3. Distribucin Beta Dado que = 100 y = 10, entonces
Si una variable aleatoria X tiene distribucin Beta, su P (X > 95) = 1 P (X 95)
funcin de densidad de probabilidad est dada por:
95 100
= 1P Z
10
( + ) 1 0<x<1
f (x | , ) = x (1 x) 1 , = 1 P (Z 1.58)
() ( ) , > 0
= 1 0.057
Adems, E (X) = / ( + ) y = 0.943
y
V (X) =
( + )2 ( + + 1) P (95 < X < 105) = P (X < 105) P (X 95)
105 100
La funcin gamma, (), viene dada por: =P Z
10
95 100
() = u1 eu du P Z
0 10
= P (Z 1.58) P (Z 1.58)
pero si es un entero () = ( 1)! = 0.943 0.057
= 0.886
Ejemplo: La proporcin de unidades defectuosas en un
proceso de fabricacin es una variable aleatoria Beta con Ejemplo: En un rea de estudio determinada, el conte-
= 1 y = 20. Cul es la probabilidad de que la propo- nido de calcio (en mmolc /dm3 ) en muestras de suelo to-
cin de unidades defectuosas sea mayor que un 5 %? madas de la capa 0-20cm sigue una distribucin aproxi-
Como madamente normal con media 50.7 y desviacin estndar
(1 + 2) 11 11.1. Calcule la probabilidad de que el contenido de cal-
f (x | 1, 2) = x (1 x)21 cio no supere los 60 mmolc /dm3 . El 25 % de todos los
(1) (2)
contenidos de calcio es inferior o igual a qu valor?
= 2 (1 x) , 0 < x < 1
Aqu, = 50.7 y = 11.1, por tanto
por tanto
60 50.7
P (X 60) = P Z
1 11.1
P (X > 0.05) = 2 (1 x) dx = P (Z 0.838)
0.05
1 = 0.799
= 2x x2 0.05
= 0.9025 Por su parte, si el 25 % de todos los contenidos de calcio
es inferior o igual a x.25 , entonces
4.4. Distribucin Normal
P (X x.25 ) = 0.25
Se dice que una v.a.
X se encuentra normalmente distri-
buida, X N , 2 , si su funcin de densidad de proba- por tanto
bilidad est dada por x.25 50.7
P Z = 0.25
11.1
1 1 x 2
f (x) = e 2 ( ) < x < de donde
2 x.25 50.7
= 0.674
11.1
con < < y > 0. Adems, E (X) = y V (X) =
as despejando se tiene que
2.
x.25 = (11.1) (0.674) + 50.7
Ejemplo: Sea X una v.a. que representa la inteligencia = 43.2
medida por medio de pruebas CI. Si X N (100, 10), ob-
tener las probabilidades de que X sea mayor que 95 y entre
95 y 105.