Escolar Documentos
Profissional Documentos
Cultura Documentos
Experimento Aleatorio.
Espacio Muestral.
Evento.
Clases.
Probabilidad Condicional.
Probabilidad total.
Teorema de Bayes.
LOGRO DE LA SESIÓN
¿QUÉ ES UN EXPERIMENTO?
• Se llama experimento al conjunto de acciones reales o imaginarias,
realizadas con la finalidad de obtener resultados.
• Un experimento puede ser aleatorio o no aleatorio.
TEORÍA DE LA PROBABILIDAD
1. Experimentos No Aleatorios:
Son aquellos cuyo resultado del experimento se
conoce con anterioridad y que puede describirse
por una fórmula matemática, física o química.
Ejemplos:
• Soltar una piedra en el aire.
• Lanzar una pelota en una tina con agua, etc.
TEORÍA DE LA PROBABILIDAD
2. Experimentos Aleatorios:
Son aquellos cuyos resultados del experimento
no pueden predecirse con exactitud antes de
realizar el experimento.
Ejemplos:
• Lanzar una moneda y observar la cara
superior.
• Extraer una carta de una baraja y observar el
número que aparece.
TEORÍA DE LA PROBABILIDAD
ξ = 1, 2, 3, 4, 5, 6 n() = 6
Cada w1 es un punto muestral, que corresponde a un resultado del experimento.
TEORÍA DE LA PROBABILIDAD
PARTIDO 2
Los posibles resultados son:
PARTIDO 1 G E P
G GG GE GP
E EG EE EP
P PG PE PP
El espacio muestral:
= {GG, GE, GP, EG, EE, EP, PG, PE, PP}
TEORÍA DE LA PROBABILIDAD
Algunos eventos o sucesos serían:
A={GG}
C= {PP}
D= { }
TEORÍA DE LA PROBABILIDAD
Ejemplo:
A = “Selección de un estudiante de género
masculino en la I.E. San Juan”
TEORÍA DE LA PROBABILIDAD
Ejemplo:
B=“Selección de un propietario de inmueble con
ingresos muy bajos de la Urb. El Golf”.
TEORÍA DE LA PROBABILIDAD
Ejemplo:
Sea A= Estudiante de UNT que pertenece a la selección de futbol.
Entonces el complemento será:
Ejemplo:
Sea el experimento aleatorio: “Selección de un docente de la UPAO, según
categoría Docente”.
Ω={Principal, Asociado, Auxiliar, Jefe de práctica}
Siendo alguno de los eventos:
A= Profesor Principal
B= Profesor Asociado
TEORÍA DE LA PROBABILIDAD
Ejemplo:
Sean los eventos
X= Primer alumno apruebe el examen de Estadística
Y= Segundo alumno apruebe el examen de Estadística
𝑛(𝐹)
𝑃 𝐹 =
𝑛()
Ejemplo 1:
21
ENFOQUES DE LA PROBABILIDAD PARA SU CÁLCULO
CANTIDAD DE
RESULTADOS
A FAVOR DEL
F EVENTO
1 2
3
4 3
P[F] = = 0.5
5 6 6
CANTIDAD DE
RESULTADOS
RESULTADOS
DEL
DEL RESULTADOS
EXPERIMENTO
EXPERIMENTO DEL EVENTO
22
ENFOQUES DE LA PROBABILIDAD PARA SU CÁLCULO
23
Ejemplo 2:
CUADRO. 03
SOLUCIÓN:
A. Sea espada:
P [A]= n(A) / n(Ω)
= 13/52= 0.25 ó 25%
B. Sea menor de 9:
8 cartas son menores que 9, por lo tanto el total de cartas es igual a 32
(8*4).
P [B] = n(B) / n(Ω)=32/52
= 0.6153 ó 61.53%
C. Sea 13:
La prob. de que sea 13 es de 4.
(el 13 , el 13 , el 13 y el 13 )
P [C]= n(C)/n(Ω) = 4/52
= 0.0769 ó 7.69%
PROPIEDADES EN EL CÁLCULO DE
PROBABILIDADES
AUB={w / w A ó w B}
A B
PROPIEDADES EN EL CÁLCULO DE
PROBABILIDADES
A B
Observación:
Si A Ո B = , se dice que A y B son eventos mutuamente excluyentes
ó incompatibles ó disjuntos.
B
A
C) COMPLEMENTO: El complemento de A, que se denota por A , se
define como el evento formado por los elementos de que no están
en A. También se le denomina evento opuesto o contrario.
A ={w / w A}
A A
EJEMPLO: En la producción varillas de aluminio, existen ciertas especificaciones
para la longitud y diámetro. Para cada una de estas, la longitud puede ser demasiado
corto, demasiado larga o estar bien y el diámetro se puede clasificar en muy delgado,
muy grueso o estar bien. En una población de mil varillas, el numero de ellas en cada
clase es:
DIAMETRO
LONGITUD MUY DELGADO ESTA BIEN MUY GRUESO
DEMASIADO CORTA 10 3 5
ESTA BIEN 38 900 4
DEMASIADO LARGA 2 25 13
= 40/1000 + 942/1000
De lo anterior.....
P( B A ) P(A/B) = P( A B )
P(B/A) =
P (A ) P (B )
A. PARTICION:
Se llama partición al conjunto de eventos del espacio muestral Ω,
que cumple con 2 características:
a. U Ai = Ω (los eventos son colectivamente exhaustivos)
b. ∩ Ai = Ø (los eventos son mutuamente excluyentes)
Ω A1 A2 A3 A4 U Ai = Ω
∩ Ai = Ø
TEOREMA DE BAYES
B. PROBABILIDAD TOTAL:
Si A1, A2, … , An es una partición de Ω y B es un subconjunto
cualquiera dentro de Ω, entonces:
A1 A2 A3 A4 B
Ω
(A1∩B) (A2∩B) (A3∩B) (A4∩B)
P(B) = ∑ P(Ai).P(B/Ai)
TEOREMA DE BAYES: Si A1, A2, … , An es una partición de Ω y B es
un subconjunto cualquiera dentro de Ω, entonces, la probabilidad de
que ocurra un evento Ai, cuando el evento B ha ocurrido es:
A1 A2 A3 A4
Ω
(A1/B)
P ( Ai / B ) =
Ejemplo de Aplicación
En una línea de producción hay dos procesos, A y B. En el proceso
A hay un 20% de defectuosos y en B hay 25%. En una muestra de
300 productos hay 200 del proceso A y 100 del B.
P A P D / A 2 / 3 0, 20
P A / D = = = 0,615
P D 65/ 300