Escolar Documentos
Profissional Documentos
Cultura Documentos
Definicin 1. Un experimento es
cualquier accin o proceso que
genera observaciones.
Definicin 2. Un experimento
determinstico
es
cualquier
experimento que, al repetirse bajo
las mismas condiciones, genera
siempre los mismos resultados.
Definicin
3.
Un
experimento
aleatorio (o estocstico) es cualquier
experimento que, al repetirse bajo
las mismas condiciones, no genera
siempre los mismos resultados.
1 cara, sello n 1 2
2 1, 2, 3, 4, 5, 6 n 2 6
3 defectuoso, no defectuoso n 3 2
COMBINACIONES.
Una segunda regla de conteo que con frecuencia es de
utilidad, permite contar la cantidad de resultados
experimentales cuando en un experimento se deben
seleccionar n objetos entre un conjunto de N objetos.
N!
C
n !( N n)!
N
n
PERMUTACIONES
N!
P
( N n)!
N
n
INTRODUCCIN A LA PROBABILIDAD.
La probabilidad asignada a cada resultado experimental debe
estar entre 0 y 1, inclusive. Si denotamos con Ei el i-simo
resultado experimental y P(Ei) es su probabilidad
0 P Ei 1 para todo i
La suma de las probabilidades para los resultados
experimentales debe ser igual a 1. Para n resultados
experimentales
P E1 P E2 ... P En 1
P ( A)
Nmero de elementos de A
Nmero de elementos de
P ( A) 1 P( Ac )
A B wi / wi A wi B
Interseccin de eventos.
A B wi / wi A y wi B
PROPIEDADES DE LA PROBABILIDAD
Experimento: Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
n( ) = 12
Eventos:
A: Al lanzar un dado y una moneda aparezcan el nmero 2 3
con sello.
B: Al lanzar un dado y una moneda aparezcan nmeros pares
con sello.
A = { 2s, 3s },
n(A) = 2
B = { 2s, 4s, 6s } n(B) = 3
A B = { 2s }
n(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 1/12 = 4/12 = 1/3
Ac = { 1s, 4s, 5s, 6s, 1c, 2c, 3c, 4c, 5c, 6c }
P(Ac) = 1 P(A) = 1 2/12 = 10/12
Bc = { 1s, 3s, 5s, 1c, 2c, 3c, 4c, 5c, 6c }
P(Bc) = 1 P(B) = 1 3/12 = 9/12
PROBABILIDAD CONDICIONAL
Probabilidad de A dado B. Es la probabilidad de un evento sujeto a
la ocurrencia de otro evento.
P( A / B)
P( A B)
P( B)
;
P(B)>
0 multiplicacin).
Eventos dependientes (Regla de la
Dos eventos A y B son dependientes si:
P(AB) =
P(A)P(B/A)
Sin
reemplazamiento
P ( A / B) P( A) P( B / A) P( B)
Entonces,
P(AB) = P(A)P(B)
Con reemplazamiento
PROBABILIDAD CONDICIONAL
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
E: que al lanzar un dado salga un impar
Encontrar la probabilidad de que al lanzar un dado se obtenga
un 3 dado que se obtuvo un impar.
= {1,2,3,4,5,6}
A = {3},
E = { 1,3,5},
(AE) = {3},
P(A) = 1/6
P(A/E) = P(AE)/ P(E)
= 1/6 / 3/6 = (1)(6)/(6)(3)
= 6/18 = 1/3
P ( B ) P ( A1 ) P( B / A1 ) P ( A2 ) P ( B / A2 ) ... P ( An ) P ( B / An )
PROBABILIDAD
TOTAL
TEOREMA DE BAYES
Si conocemos la probabilidad de B en cada uno de
los n componentes de un sistema exhaustivo y
excluyente de sucesos, entonces
si ocurre B, podemos calcular la probabilidad (a
posteriori) de ocurrencia de cada Ai, (i = 1, 2, ... ,
n):
P(B Ai )
P(Ai|B)
P(B)
TEOREMA DE BAYES
P ( A1 / B )
P ( A1 ) P ( B / A1 )
P( A1 ) P ( B / A1 ) P ( A2 ) P ( B / A2 ) ... P( An ) P( B / An )
PROBABILIDAD TOTAL
Ejemplo: En esta aula el
70% de los alumnos son
hombres.
De ellos el 10% son
fumadores. El 20% de las
mujeres son
fumadoras. Cul es la
probabilidad que al
seleccionar
Eventos: una persona,
sta
sea fumadora?
H: Hombre
M: Mujer
F: Fuma
0,1
0,7
Hombre
0,9
Estudiante
0,3
Fuma
0,2
No fuma
Fuma
Mujer
0,8
No fuma
TEOREMA DE BAYES
0,1
En el problema anterior:
Se elige a un individuo al
azar
y resulta fumador. Cul es
la
probabilidad que sea una
mujer?
0,7
Hombre
0,9
Estudiante
0,3
Fuma
0,2
Mujer
0,8
No fuma
Fuma
No fuma
DISTRIBUCIONES DE PROBABILIDADES
VARIABLES ALEATORIAS
Una variable aleatoria es aquella que asume sus valores de acuerdo a
los resultados de un experimento aleatorio. Usualmente se representa
por las ltimas letras del alfabeto: X, Y o Z.
Ejemplos de variables aleatorias:
X: La suma que aparece al lanzar un par de dados.
Y: El nmero de caras que aparecen al lanzar una moneda tres veces.
Z: El nmero de errores que se encuentran en la pgina de un libro.
T: El tiempo de vida de la componente de un sistema
W: El tiempo de espera para ser atendido en un banco
VARIABLES ALEATORIAS
Ejemplos de variables aleatorias
DISCRETAS:
Experimento
Variable
aleatoria
Valores
posibles
V.A
Llamar a cinco
clientes
W: Cantidad
de clientes
0, 1,2,3,4,5
Inspeccionar
un embarque
de 40 chips
X: Cantidad
de chips
defectuosos
0,1,2,.,40
Funcionamient
o de un
restaurante
durante un da
Y: Cantidad
de clientes
0,1,2,3.
Vender un
automvil
Z: Sexo
Cliente
0: hombre y
1: mujer
Variable
aleatoria
Valores
posibles V.A
Funcionamiento
de un banco
Tiempo en
minuto, entre
llegadas de
clientes
X>=0
Cantidad de
onzas
Proyecto para
construir un
biblioteca
Porcentaje de
terminado del
proyecto
Ensayar un
nuevo proceso
qumico
Temperatura
cuando se lleva
a cabo la
reaccin
deseada (min
150F; mx
212F)
0<=x<=12.1
0<=x<=100
150<=x<=212
VARIABLE ALEATORIA
0 p ( x) 1
p x P ( X x)
p x 1
i
EJEMPLO
x
P(x)
2
1/36
3
2/36
4
3/36
5
4/36
6
5/36
7
6/36
8
5/36
9
4/36
10
3/36
11
2/36
12
1/36
CONTINUACIN
Si los valores de la variable aleatoria X es finito o infinito numerable
entonces se dice que es una variable aleatoria discreta. Si sus
valores es infinito no numerable entonces se dice que es una
variable aleatoria continua.
2.
3.
10
11
12
p(x)
1/36
2/36
3/36
4/36
5/36
6/36
5/36
4/36
3/36
2/36
1/36
F(x)
1/36
3/36
6/36
La varianza es:
V X E X 2 E 2 X
donde:
E X 2 x 2 p x x 2 P X x
EJEMPLO
Una compaa municipal de autobuses ha comenzado a operar en un nuevo
trayecto. Se cont el nmero de pasajeros de este trayecto en el servicio de
primera hora de la maana.
La tabla adjunta muestra las probabilidades sobre todos los das de la semana.
Calcule:
a)
Resolucin
a) La variable aleatoria X = nmero de juntas al ao es variable aleatoria discreta
ya que solo toma valores enteros
b) La funcin de probabilidad de la variable aleatoria X nos la da el enunciado
Distribucin acumulada
Aplicacin
Suponga que el nmero de accidentes por semana que ocurren
en una empresa es una variable aleatoria X con funcin de
distribucin de probabilidades dada por:
f ( xj ) 0, para todo - x
f x dx 1
P a X b f x dx
a
Funcin de distribucin
acumulada
F(X )
f t dt
Y:
E( X )
2
x
2
X
x f(x)dx
xf(x) dx
f(x),
EJEMPLO
Sea X una V.A. con funcin de densidad:
EJEMPLO
Hallar la Esperanza Matemtica y Varianza del ejemplo anterior: