UNIVERSIDAD DE LAS FUERZAS ARMADAS - ESPE

PROBABILIDAD

Autor:
Rocha Milton



Tutor:

Jos Marcillo

2DO. PARCIAL

NRC 3016

PERODO:
Marzo-Agosto 2014.


SANGOLQU-ECUADOR





PROBABILIDAD
La probabilidad es un mecanismo por medio del cual puede estudiarse sucesos aleatorios es
decir, operaciones cuyo resultado no puede ser predicho de antemano con seguridad, por
ejemplo, el lanzamiento de una moneda.
DEFINICIONES
EXPERIMIENTO ALEATORIO: Cualquier operacin cuyo resultado no puede ser predicho de
anterioridad con seguridad.
ESPACIO MUESTRAL: Es el conjunto de todos los posibles resultados, asociados a un
experimento, su smbolo es. SI el espacio muestral tiene un numero finito de elementos se
dice que es DISCRETO, si el espacio muestral tiene como elementos todos los puntos de algn
intervalo real, entonces se dice que es CONTINUO.
Ejemplo el lanzamiento de un dado:
= (1,2,3,4,5,6)
ELEMENTO O SUCESO: Es cualquier subconjunto de un espacio muestral. Todo subconjunto es
un evento.
PROBABILIDAD MARGINAL
Se refiere a un evento individual, es decir se refiere a al sucesin de un solo evento. La
posibilidad marginal est dividida de la siguiente manera:
P (marginal)=



Ejemplo. Calcular la probabilidad de que salga un nmero par en un lanzamiento de un dado.
(1,2,3,4,5,6)
P (marginal)= 3/6 =
DEFINICIONES
1) Diremos que dos eventos A y B son mutuamente excluyentes o disjuntos si no pueden
ocurrir juntos, es decir:
A =
Ejemplo:
= (1,2,3,4,5,6)
A= (3,6)
B= (4)
A =
Axiomas de probabilidad:

1) Sea un espacio muestral y A y B dos elementos cualesquiera

Tenemos: P ()= 1

2) La probabilidad de un evento

P (A) 0 A

3) La probabilidad de la unin

P (A u B)= P (A) + P (B)

REGLAS DE LA ADICION

La regla d la adicin expresa que:
La probabilidad de ocurrencia de al menos dos sucesos A y B es igual:
P (A o B) = P (A) + P (B) A =
No son excluyentes:
P (A o B) = P (A) + P (B) - A
Se lanza un dado, usted gana 3000 dlares si el resultado es par o divisible por tres,
cul es la probabilidad de ganar?

A= (2,4, 6)
B= (3,6)
A = 6
P (A o B) = P (A) + P (B) - A
3/6+2/6-1/6 = 2/13
Se tiene un naipe (naipe 52 catas). Cul es la probabilidad de saca una reina o un Az?.
P (A o B) = P (A) + P (B) - A
4/52+4/52=2/13

PROBABILIDAD CONJUNTA
Esta probabilidad se presenta cunado dos eventos independientes ocurren juntos i en
sucesin y se definen como el producto de sus probabilidades marginales.
P (A * B) = P (A) * P (B)
Ejemplo:
Calcular la probabilidad de obtener al menos 2 caras en tres lanzamiento de moneda.
1) p (c, c, x) = *1/2*1/2= 1/8


2) p (c, x, c) = *1/2*1/2= 1/8
3) p (x, c, c,) = *1/2*1/2= 1/8
4) p (c, c, c) = *1/2*1/2= 1/8

= 4/8 =
Calcular la probabilidad de obtener al menos una cruz en tres lanzamientos.
P (c, c, c)= 1/8
P(x)= 1-1/8
P(x)= 7/8
PROBABILIDAD CONDICIONAL
Cuando se est calculando la probabilidad de un evento A en particular, y se tiene
informacin sobre la ocurrencia de otro evento B, esta probabilidad se conoce como
probabilidad condicional, la cual se denota por:
P (A/B) =


P (B)0
P (B/A) =


P (A)0
Ejemplo: Calcular la probabilidad de obtener un 6 al lanzar un dado, sabiendo que a salido
un par.
P (A/B) =

A = (2, 4, 6)
B= (6)
AB = (6)
A y B juegan 12 partidos de ajedrez de los cuales A gana 6, B gano 4 y 2 terminan en tablas,
acuerdan jugar un torneo consistente en 3 partidas. Hallar la probabilidad de que:
a) A gane los tres partidos
b) 2 partidos terminen en tablas
c) A y B ganen alternadamente
d) B como nico ganador

GANAR= P(A) = 6/12 =
P(B)= 4/12= 1/3
PERDER= P(A) =
P(B) = 2/3
TABLAS= 1/6
NO TABLAS= 5/6

a) *1/2*1/2= 1/8

b) (t, t, nt) = 1/6*1/6*5/6= 5/216
(t, nt, t) = 1/6*5/6*1/6= 5/216
(nt, t, t) = 5/6*1/6*1/6= 5/216

=5/72

c) (A,B,A) = 1/2x1/3x1/2 = 1/12
(B, A, B)= 1/3x1/2x1/3= 1/18

1/12+1/18 = 5/36

d) No gane
2/3x2/3x2/3 = 8/27

1-(8/27) = 19/27

Se lanzan dos dados en forma simultnea. Calcular la probabilidad de los
siguientes eventos.
a) La suma de las caras sean mayor a 6
b) La suma de las dos sean menor igual que 6
c) Las dos caras tengan el mismo nmero

1 2 3 4 5 6
1 x
2 x
3 x
4 x
5 x
6 X



a) 20/36
b) 15/36
c) 1/6
Una urna contiene 6 bolas negra y 4 bolas blancas, se extraen sin reposicin dos bolas. Hallar la
probabilidad de sacar una bola blanca en la primera extraccin y una negra en la segunda.
P(A1)= 4/10 = 2/5
P(A2/A1)= 6/9 = 2/3
P(A1XA2) =2/5X2/3 = 4/15
Se tienen 3 urnas iguales, en la primera hay A bolas blancas y B bolas negras, en la segunda
tenemos C blancas y D negras, en la tercera tenemos solo bolas blancas. Hallar la probabilidad
de que la bola extrada sea blanca, si elegida al azar de una de las urnas.


P(A)=

P(H1)= 1/3
P(H2)= 1/3
P(H3)= 1/3
P(A/H1) = a/a+b
P(A/H2) = c/c+d
P(A/H3) = 1

P(A)= 1/3(a/a+b) + 1/3(c/c+d) + 1/3(1)

Se tienen 2 urnas, en la primera hay A bolas blancas y B bolas negras, en la segunda tenemos C
blancas y D negras, de la primera se extrae sin mirar una bola y se pone en la segunda, luego
de la segunda se extrae una bola. Hallar la probabilidad de que esta sea blanca.
P(A/H1) = c+1/c+d+1
P(A/H2) = c/c+d+1
P(A) = (c+1/c+d+1)x(c/c+d+1)
TEOREMA DE BAYES
P(HI/A)=
(

Se tienen 3 urnas, en la primera hay A bolas blancas y B bolas negras, en la segunda tenemos C
blancas y D negras, y la tercera solo blancas. Cierta persona elije al azar una de las urnas y
extrae una bola, la bola resulto ser blanca. Hallar la probabilidad de que la bola haya sido
extrada de la primera, segunda o tercera urna.

P(H1)= 1/3
P (H2)= 1/3
P (H3)= 1/3
P (H1/A) =

)(

)

P (H2/A) =

)(

)

P (H3/A) =

)(

)


En cierta planta de montaje, 3 mquinas montan 30%, 45% y 25% de los productos
respectivamente, se sabe de la experiencia pasada que 2%, 3%, 2% de los productos
ensamblados por cada mquina respectivamente tiene defectos. Ahora suponga que se
selecciona de forma aleatoria un producto determinado y se encuentra defectuoso. Cul es la
probabilidad de que este ensamblado por la mquina dos?
P(H1)= 30%
P(H2)= 45%
P(H3)= 25%
P(A/H1) = 2%
P(A/H2) = 3%
P(A/H3) =2%

DIAGRAMA DEL RBOL
Para la construccin de un diagrama del rbol se partir poniendo una rama para cada una de
las posibilidades acompaada de su probabilidad. En el final de cada rama principal se
constituye a su vez un nudo del cual parten nuevas ramas segn las posibilidades del siguiente
pasaron y as sucesivamente hasta llegar al nudo final.
Ejemplo: Una clase consta de 6 nias y 10 nios. Si se escoge un comit al azar conformado por
tres personas. Hallar la probabilidad de:
a) Seleccionas 3 nios.
b) Seleccionas exactamente 2 nios y una nia.
O 8/14

O 9/15 A 6/14
O
10/16 A 6/15 O 9/14
A 5/14
O 9/14
6/16 A O 10/15 A 5/14

A 5/15 O 10/14

a) P(nio O) 10/16*9/15*8/14
P= 3/14
b) P (2 nios, 1 nia)
P=(10/16)(9/15)(6/14)+(10/16)(6/15)(9/14)+(6/16)(10/15)(9/14)= 27/56

En una casa hay tres llaveros, A B C el primero con 5 llaves, el segundo con 7 y el
tercero con 8, de os que solo una de cada llavero abre la puerta del trastero. Se
escoge al azar un llavero y de una llave para abrir el trastero. Se pide:
a) Cul ser la probabilidad de que el llavero escogido sea el tercero y la llave no
abra?
b) Y si la llave escogida es la correcta, cul ser la probabilidad de que pertenezca al
primer llavero.

1/5 abre
1/5 A 1/3
4/5 no abre


1/7 abre
1/7 B 1/3
6/7 no abre

1/8 abre
1/8 C 1/3
7/8 no abre

a) (1/3)(7/8)= 7/24
b)

)(

)(

)(

)(

)(

)


En una estantera hay 60 novelas y 20 libros de poesa, un persona elije un libro al azar y se lo
lleva, a continuacin otra persona elije otro libro al azar. Hallar:
a) Cul es la probabilidad de que el libro seleccionado por la segunda persona sea novela.
b) Si se sabe que B eligi una novela. Cul es la probabilidad de que el libro seleccionado
por la primera persona sea poesa.




20/79 poesa
A
60/80
Novela 59/79 novela

19/79 poesa
20/80 B
poesa
60/79 novela



a) P (novela B) = (60/80)(59/79)+(20/80)(60/79)

b) P(A/B eligi novela)=

)(

)(

)(

)

DISTRIBUCIN DE PROBABILIDAD
Distribucin de una variable aleatoria discreta
Se define a una variable aleatoria a un conjunto de todas las probabilidades resultadas
numricos de un experimento a los cuales podemos asignar una ocurrencia o una probabilidad
, lo que permite obtener grficos, entre los ms importantes tenemos:
LEY DE DENSIDAD O PROBABILIDAD
FUNCION DE DISTRIBUCIN
FUNCION DE DENSIDAD O LEY DE PROBABILIDAD
Es el conjunto de valores de la variable por su respectiva probabilidad f(x).
FUNCIN DE DISTRIBUCIN: Es la de las funciones de probabilidad, se representa por F(x).
VALOR ESPERADO O ESPERANZA MATEMTICA: E(x) Es el valor medio ponderado de todos los
resultados que toma la variable aleatoria y se define como

Xi= variable aleatoria
Pi= probabilidad de Xi
VARIANZA: Es la diferencia entre la variable aleatoria y la esperanza matemtica

DESVIACION ESTNDAR: Es la raz cuadrada de la varianza.


Ejemplo: Lanzadas 4 monedas, consideremos el nmero de cruces obtenidas. Calcular de dicha
variable aleatoria.
a) La ley de probabilidad
b) La funcin de distribucin
c) La esperanza matemtica, varianza, desviacin estndar.
1. CCCC 0 CRUCES
2. XCCC 1 CRUZ
CXCC
CCXC
CCCX
3. XXCC 2 CRUCES
CXXC
CCXX
XCCX
XCXC
CXCX
4. XXXC 3 CRUCES
XCXX
XXCX
CXXX
5. XXXX 4 CRUCES



a)
Xi 0 1 2 3 4
fi 1/16 4/16 6/16 4/16 1/16


b)
Xi 0 1 2 3 4
fi 1/16 4/16 6/16 4/16 1/16
Fi 1/16 5/16 11/16 15/16 1


0 x<0
1/16 0x<1
5/16 1x<2
11/16 2x<3
F(Xi) = 15/16 3x<4
1 4x


c)

E(X) =0(1/16)+1(4/16)+2(6/16) +3(4/16) +4(1/16)
E(X) =2
d) V(X)=

)
V(X)= 1

e)


Dada la funcin de distribucin. Calcular:
a) La ley de densidad o probabilidad
b) Esperanza matemtica
c) varianza
d) desviacin tpica




0 x<2
0.2 2x<4
F(Xi) = 0.55 4x<6
0.85 6x<8
1 8x

a)
Xi 2 4 6 8
fi 0.2 0.35 0.3 0.15
Fi 0.2 0.55 0.85 1

b) E(X) =2(0.2)+4(0.35)+6(0.3)+8(0.15)
E(X) =4.8
c) V(X)=

V(X)= 3.76

d)
DISTRIBUCION BINOMIAL
Tiene las siguientes caractersticas
1) En cada prueba del experimento solo son posibles dos resultados
2) La probabilidad de xito es constante es decir que no vara de una prueba a otro, se
representa por p.
3) La probabilidad de fracaso tambin es constante es decir que no vara de una prueba a otro,
se representa por q.
4) el resultado obtenido en cada aprueba es independiente de los resultados obtenidos
anteriormente
La distribucin binomial se representa por:

P(x=k)= (

Donde:
N: # de pruebas

K: # de xitos
P: probabilidad de xito
Q: probabilidad de fracaso

Ejemplo: La ltima novela de un actor ha tenido xito hasta el punto de que el 80% de los
lectores lo han ledo. Un grupo de 4 amigos son aficionados a la lectura.
a) Cul es la probabilidad de que en el grupo hagan ledo 2 personas?
b) Cul es la probabilidad de que hagan ledo 2 o menos personas?
P: 0.8
Q: 0.2
a) p(x=2)= (

= 0.15
b) p (x2)= p(x=0)+ p(x=1)+ p(x=2)
= (

+(

= 0.016+0.512+0.15
= 0.678
Parmetros de la distribucin binomial
Media () = n*P
Varianza (

)= n*p*q
Desviacin ()=

En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige una bola al azar y se anota si es
roja, el proceso se repite devolviendo la bola 10 veces Calcular la desviacin tpica y la media.
10/30 = rojas
2/3 = blancas
P=1/3 ; q=2/3 ; n=10
Media () = n*P
=10/3
Varianza (

)= n*p*q
= 20/9
Desviacin ()=

= (2)/3

Un examen conste de 10 preguntas, contestando si o no. Suponiendo que las personas no
saben y responden al zar. Hallar:

a) La probabilidad de obtener 5 aciertos.
b) La probabilidad de obtener algn acierto.
c) La probabilidad de obtener al menos 5 aciertos.

P= ; q= ; n= 10
a)
p(x=5)= (

= 0.25

b) x1 = 1-p(x=0)

= 1- (

= 0.999

c) p(x5)
= p(x=5)+ p(x=6)+ p(x=7)+ p(x=8)+ p(x=9)+ p(x=10)
= 0.62

DISTRIBUCIN DE POISON
P(x, )=

: Media o promedio de xitos por unidad de tiempo, rea, distancia.
e= constante
x: as variable que nos denota el nmero de xitos que se desea que ocurra.
Caractersticas:
Permite determinar la probabilidad de ocurrencia de un suceso con resultado discreto.
Es muy til cuando la muestra o segmento es muy grande.

Se utiliza cunado la probabilidad del evento que nos interesa se distribuye dentro de un
segmento n dado como por ejemplo: distancia, rea, volmenes o tiempo definido.
Para determinar la probabilidad que ocurra x se utiliza la frmula:
P(x, )=

PARMETROS:
Media () =
Varianza (

)=
Desviacin ()=

Ejemplo: La probabilidad de que haya un accidente en una compaa de manufactura es 0.2
por cada da de trabajo. Si se trabaja 300 das al ao. Cul es la probabilidad de tener 3
accidentes?
N= 300
P= 0.2
X=3
= 300*0.2 = 60
P(3, )=

= 3.15 *

DISTRIBUCIN HIPERGEOMETRICA
La distribucin hipergeomtricas es el modelo que se aplica en experimentos del siguiente
tipo. En una hay bolas de colores blancas y negras. Cul es la probabilidad de que al sacar
dos bolas, las dos sean blancas?. Son experimentos que al igual que en la distribucin binomial.
En cada ensayo hay tan solo dos posibles resultados, o sale blanca o no sale. Pero se diferencia
de la distribucin binomial e que los distintos ensayos son independientes entre si. La
distribucin hipergeomtrica sigue el siguiente modelo:

P(x=k) =
(

)(

)
(

)

N: tamao de la poblacin
N1: # de elementos de N con una caracterstica o propiedad especfica (xitos).
N2: # de elementos de N con una caracterstica o propiedad especfica (fracasos).
K: Probabilidad a determinar
n: # de ensayos que se realiza

Ejemplo: En una urna hay 7 bolas blancas y 7 bolas negras, se extraen 4 bolas. Cul es la
probabilidad de que 3 sean blancas?

P(x=k) =
(

)(

)
(

)
= 0.2447

VARIABLE ALEATORIA CONTINUA
f(x)= Se llama funcin de densidad de la variable aleatoria x
Si: x es variable aleatoria contina, entonces f es continua y se define:
F: R R/

F es continua ssi: p (x=xo)=0 Xo R.
Si x es una variable contina entonces:
P (axb) = F (b)-F (a)=

PROPIEDADES DE LA FUNCIN DE DENSIDAD
f(x)>0 X R

= 1
RELACION ENTRE LA FUNCIND EDENSIDAD Y LA FUNCIN DE DISTRIBUCIN
Si se conoce la funcin de distribucin de una variable aleatoria continua, entonces su funcin
de densidad se obtiene derivando la funcin de distribucin.
Esperanza matemtica: Es igual a la integral de a de x por f(x) de d(x)

E(x)=

VARIANZA: V(X)= E (

)-[]

La variable aleatoria continua x toma valores de 1 a 5 y tiene como funcin de densidad f(x)=
0.5-ax, a es una constante. Determinar.
a) el valor de a
b) la probabilidad entre 2 y 3
c) la probabilidad entre 0 y 4
d) la esperanza matemtica
e) la varianza


f(x)= 0.5-ax
a)

0.5(5-1)- a/2(25-1)=1
a= 1/12

b)
f(x)= 0.5-1/12(x)
b)

= 0.2916
c)

= 1.33
d)
E(x)=

E(x)= 2.56
e)

V(X)= E (

)-[]

E(

)=

E(

)=

E(

)= 7.66
V(X)= E (

)-[]

V(X)= 7.66-

V(X)= 1.11

La variable aleatoria continua posee distribucin uniforme cuando su funcin de densidad es
Determinar.
a) la esperanza matemtica
b) la varianza

1/b Si x [ ]
f(x)=
0 en otro caso

a)
E(x)=

E(x)=

b)

V(X)= E (

)-[]

E(

)=

E(

)=

E(

)=

V(X)= E (

)-[]

V(X)=

La variable aleatoria continua x toma valores de 1 a 5 y tiene como funcin de densidad f(x)=
0.5-ax, a es una constante. Determinar.
a) el valor de a
b) la probabilidad entre 2 y 3
c) la probabilidad entre 0 y 4

f(x)= 0.5-ax
a)

0.5(5-1)- a/2(25-1)=1
a= 1/12
b)
f(x)= 0.5-1/12(x)
b)

= 0.2916
c)

= 1.33

f(x)=

Si x *0;2+
0 en otro caso

0 x0
f(x)=

0<x2
1 x>2

E(x)=

E(x)=

V(X)= E (

)-[]

E(

)=

E(

)=

V(X)= E (

)-[]

V(X)=
()=

= 0.4714

DISTRIBUCION NORMAL

Se dice que la distribucin normal sigue el modelo de la campana de Gauss

Ejemplo: A un grupo de 1200 estudiantes elegidos a azar y de edades de entre 15 a 18 aos se
les ha practicado un test de inteligencia.
Suponiendo que el test y el resultado obedecen a una media de 4 y una desviacin tpica 10.5.
Hallar el nmero de estudiantes con coeficientes:
a) mayores o iguales a 90 puntos.
b) con 100 pts.
c) inferiores o iguales a 80 pts.
a)


a) P(x90)
Z=

= -0.43
P(x90)
= 0.5+0.3336
=0.8336(12000)
= 10003.2

b) P(x100)

Z1=

= 0.52
= 0.6985
Z2=

= 0.62
= 0.7324
P(x=100) = 0.7314-0.6985
=0.039 (12000)
=406.8
c) P (x80)




Z=

= -1.29
P(x90)
= 0.5-0.0985
=0.4015(12000)
= 4818
PARMETROS

= n.p
=

p: xitos
q: fracasos
Un experimento consiste en lanzar un par de dados 90 veces. Hallar la probabilidad de que el
resultado de la suma de sus caras nos de 7 entre 10 y 15 veces inclusive.
1 2 3 4 5 6
1 x
2 x
3 x
4 x
5 x
6 x



P= 1/6
Q= 5/6
N=90
P (10 x 15)
=15
=
3.53
Z1=

= -1.55
P1= 0.0606
Z2=

= 0.1416
P2=0.0557
P=0.1163