Ingeniera en Tecnologas de la Informacin

Asignatura:
Estadstica Aplicada
Tema:
Probabilidad independiente, teorema de Bayes, distribucin de
probabilidad y binomial.

Profesor:
ISC Eric Betancourt Gasca

Elabor:
Ernesto Villatoro Nava
Jos Jeovani Garca Delgado

Jos Luis Manjarrez Hernndez

David Nicols Rodrguez Barrera

Jess Abraham Alcantar Guerrero

Francisco Javier San Juan Hernndez

Grado y grupo:
TI 10 A

Fecha de elaboracin: 16 de septiembre de 2017

ndice de contenido
1Probabilidad independiente......................................................................................................1
1.1Ejercicio..................................................................................................................................1
2Teorema de Bayes....................................................................................................................2
3Distribucin de probabilidad......................................................................................................3
3.1Ejercicio de distribucin normal.............................................................................................4
3.2Ejercicio de distribucin binomial...........................................................................................5
1 Probabilidad independiente
Definicin: Se dice que dos eventos A y B, son independientes si slo si la probabilidad del
evento B no esta influenciada o cambiada por el suceso del evento A, o viceversa.
Los eventos independientes ocurren ya sea cuando:
1. El proceso que genera el elemento aleatorio no elimina ningn posible resultado.
2. El proceso que s elimina un posible resultado, pero el resultado es sustituido antes de
que suceda una segunda accin. (A esto se le llama sacar un reemplazo.)

[Mendenhall, J. Beaver, M. Beaver, 2006]

1.1 Ejercicio
Beth tiene 10 pares de calcetines: 2 negros, 2 cafs, 3 blancos, 1 rojo, 1 azul, y 1 verde. Hoy
quiere usar el par blanco, pero tiene prisa para llegar al trabajo, por lo que agarra un par al
azar. Si no es blanco, lo devolver al cajn. Si contina agarrando pares aleatoriamente,
Cul es la probabilidad de sacar un par blanco en su tercer intento?
1. Evento A: un par de calcetines que no son blancos.
2. Evento B: un par de calcetines que no son blancos.
3. Evento C: un par de calcetines que son blancos.
Solucin:
El tamao de espacio muestral para cada evento es 10 (Hay 10 pares de calcetines de
donde escoger).
El tamao del espacio de eventos para el Evento A y el Evento B es 7. (Hay 7 pares que no
son blancos).
El tamao del espacio de eventos del Evento C es 3. (Hay 3 pares que son blancos).

1
2 Teorema de Bayes
Definicin: Se encarga de determinar la relacin entre las probabilidades condicionadas de
dos sucesos.
Este teorema tiene que ver con la condicionalidad de dos eventos aleatorios A y B
pertenecientes a un universo de estudio. Cuando se analizan ambos eventos, principalmente
se busca determinar la probabilidad de uno dado el otro, es decir, la probabilidad de A dado B
(P(A|B)), o la probabilidad de B dado A (P(B|A)).

1. Las probabilidades p(A1) se denominan probabilidades a priori.

2. Las probabilidades p(Ai/B) se denominan probabilidades a posteriori.
3. Las probabilidades p(B/Ai) se denominan verosimilitudes.
Siendo:
I = Falla del sistema de seguridad.
A = Prdida de informacin.

[Probabilidad condicionada. Independiente, s.f.]

2
3 Distribucin de probabilidad
Distribucin discreta:
Una distribucin discreta describe la probabilidad de ocurrencia de cada valor de una variable
aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores
contables, tales como una lista de enteros no negativos.
Con una distribucin de probabilidad discreta, cada valor posible de la variable aleatoria
discreta puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una
distribucin de probabilidad discreta suele representarse en forma tabular.
Distribucin continua:
Describe las probabilidades de los posibles valores de una variable aleatoria continua. Una
variable aleatoria continua es una variable aleatoria con un conjunto de valores posibles
(conocido como el rango) que es infinito y no se puede contar.
Las probabilidades de las variables aleatorias continuas (X) se definen como el rea por
debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una
probabilidad diferente de cero. La probabilidad de que una variable aleatoria continua
equivalga a algn valor siempre es cero.
Distribucin de probabilidad normal:
Es la distribucin de probabilidad que se asume para una variable cuyos posibles valores se
disponen de forma simtrica en torno a su media de modo que los valores prximos a dicha
media tendrn mayor probabilidad de ser alcanzados. Conforme ms alejados estn de la
media, los valores tienen menor probabilidad de ser alcanzados.

La grfica de la funcin de densidad de la distribucin normal es la denominada campana de

Gauss y se representa del siguiente modo.
Los parmetros de esta distribucin son:
La media, , que es el eje de simetra de la grfica, y la desviacin tpica .

3
3.1 Ejercicio de distribucin normal
Nota: La distribucin normal de probabilidades es simtrica, es decir tiene el mismo
comportamiento a la derecha y a la izquierda de la cola.
Tambin se da cuando el coeficiente de asimetra es igual a cero. La media aritmtica, la
mediana y la moda son iguales por lo tanto comparten las mismas propiedades.
El tiempo promedio que los usuarios duran en la pagina (Facebook, YouTube, etc.) son 35

4
min. con una desviacin estndar de 10 minutos. Qu porcentaje de los usuarios dura
entre 35 y 50 minutos?
Sea un experimento aleatorio en el que slo puedan darse dos posibilidades:
Que ocurra un determinado suceso A, que llamaremos xito, o que no ocurra dicho suceso, o
sea que ocurra su complementario, que llamaremos fracaso, A.
La probabilidad de xito es constante, es decir, que no vara de una prueba a otra. Se
representa por p.
La probabilidad de fracaso tambin es constante, Se representa por q.
n = Nmero de ensayos

p = Probabilidad de xito

k = Nmero de casos xitos

q=1p

3.2 Ejercicio de distribucin binomial

El 20% de computadoras que ensambla una empresa salen defectuosos, si se seleccionan 6
computadoras Cul es la probabilidad que 3 computadoras salgan defectuosas?

[Distribuciones de probabilidad continuas y discretas, s.f.]

5
Bibliografa
Mendenhall, J. Beaver, M. Beaver, 2006: William Mendenhall, Robert J. Beaver, Barbara M.
Beaver, Introduccin a la probabilidady estadstica, 2006
Probabilidad condicionada. Independiente, s.f.: , , , http://ocwus.us.es/estadistica-e-
investigacion-operativa/estadistica/temas/apartado2.pdf
Distribuciones de probabilidad continuas y discretas, s.f.: , Distribuciones de probabilidad
continuas y discretas, , https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/probability-distributions-and-random-data/supporting-topics/basics/continuous-and-
discrete-probability-distributions/