Copia de DIAPOSITIVAS ESTADISTICA Y DISEÑO DE EXPERIMENTOS UNIDAD I Y II

PROBABILIDAD
Y
ESTADSTICA

PROBABILIDAD Y ESTADSTICA
Propsito general:
Los discentes del programa educativo de Ingeniero
Qumico mediante trabajo individual y en equipo sern
capaces de intervenir en la resolucin de problemas
bsicos de crecimientos y decaimientos de poblaciones,
adems de obtener modelos estadsticos que permitan
resolver problemas de cintica qumica, ingeniera de
reactores, ingeniera de procesos entre otros. Al
finalizar la unidad de aprendizaje el discente ser
capaz de analizar y discriminar la informacin con que
se cuente para poder resolver problemas de cintica
qumica, relaciones de regresin y correlacin de
variables. Adems de proyectar comportamientos de
las variables a travs de la inferencia estadstica.
Unidad II Probabilidad
2.1 Tcnicas de conteo
2.2 Axiomas y teoremas elementales de
probabilidad
2.3 Probabilidad condicional
2.4 Ley de multiplicacin de probabilidades
2.5 Teorema de Bayes
2.6 Esperanza matemtica

Tcnicas de conteo
Definiciones:
Poblacin o universo. Grupo de individuos u
objetos con caractersticas similares.

Muestra. Parte de la poblacin; puede ser
finita o infinita. Los datos de una muestra
pueden ser discretos o continuos,
dependiendo del rea de aplicacin.


Muestra finita. Aquella en la que sus elementos se
pueden contar; ejemplo: todas las botellas de
vidrio producidas en un lote.

Muestra infinita. Aquella en la que sus elementos
no se pueden contar; ejemplo: todos los posibles
resultados de sucesivas tiradas de una moneda.

Si una muestra es representativa de una
poblacin, es posible inferir conclusiones sobre la
poblacin: estadstica inductiva o inferencia
estadstica; ya que la inferencia no es exacta es
frecuente utilizar la probabilidad para establecer
conclusiones
Variable: es un smbolo (X, Y, H, x, |),
que puede tomar un conjunto
prefijado de valores, llamado dominio
de esa variable.

Una variable que toma cualquier valor
entre dos valores dados se dice que
es una variable continua
Una variable que toma algunos valores
entre dos valores dados se dice que
es una variable discreta

Los datos que admiten descripcin
mediante una variable discreta o una
continua se denominan datos
discretos y continuos
respectivamente
El concepto de probabilidad es necesario en
procesos fsicos, biolgicos y sociales que generan
observaciones que no es fcil predecir con
exactitud.

Estos sucesos o eventos aleatorios no se pueden
predecir con exactitud, pero la frecuencia relativa
con la cual ocurren en una gran serie de
observaciones es generalmente estable.

A estos eventos se les llama aleatorios o
estocsticos
Un experimento es el proceso por medio
del cual se obtiene una observacin o
resultado.
El espacio muestral asociado con un
experimento es el conjunto que consta de
todos los posibles puntos muestrales. Se
denota por S.
Cada resultado en un espacio muestral se
llama elemento o miembro del espacio
muestral, o simplemente punto muestral.
Representacin de un espacio muestral

Listando los elementos
En el caso de un espacio muestral finito
(conjunto finito) se listan todos los elementos

En el caso de un espacio muestral infinito
(conjunto infinito) se deben escribir mediante
un enunciado o regla

{ } T H s , =
{ } entero nmero un es x x s / =
Ejemplo de espacio muestral infinito: si los resultados
posibles de un experimento son el conjunto de ciudades
en el mundo con una poblacin de mas de un milln ,
nuestro espacio muestral se escribe como:

se lee como S es el conjunto de todas las x tales que x
es una ciudad con una poblacin de ms de un milln. La
barra vertical se lee tal que.

De manera similar, si S es el conjunto de todos los
puntos (x,y) sobre la frontera o el interior de un crculo
de radio 2 con centro en el origen:

{ } millon un de dems poblacin una con ciudad una es x x S =
{ } 4 / ) , (
2 2
s + = y x y x S
En algunos otros experimentos es til
listar los elementos del espacio muestral
de forma sistemtica mediante un
diagrama de rbol.

Por ejemplo: Un experimento consiste en
lanzar una moneda y despus lanzarla una
segunda vez si sale cara. Si sale cruz en el
primer lanzamiento, entonces se lanza un
dado una vez
H
T
T
H
1
2
3
4
5
6
Primer
resultado
Segundo
resultado
Resultado del
experimento
HH
HT
T1
T2
T3
T4
T5
T6
El punto muestral o resultado del
experimento T3 indica la posibilidad de
que la moneda muestre una cruz seguida
por un 3 en el lanzamiento del dado. Al
seguir a lo largo de todas las trayectorias,
vemos que el espacio muestral es:
{ } 6 , 5 , 4 , 3 , 2 , 1 , , T T T T T T HT HH S =
Evento. Es el uno o ms resultados de
un experimento, generalmente se
representan con letras maysculas.
Ejemplo: A: Se observa un nmero
impar
Un evento es un subconjunto de un
espacio muestral.
El subconjunto nulo o vaco se denota
por
La relacin entre eventos y el
correspondiente espacio muestral se
puede ilustrar de forma grfica mediante
diagramas de Venn.
En un diagrama de Venn representamos el
espacio muestral como un rectngulo y
los eventos con crculos trazados dentro
del rectngulo.
Se pueden representar las relaciones
existentes entre dos o mas conjuntos en
un diagrama de Venn.

DIAGRAMA DE VENN
S
A B
Relaciones entre conjuntos
Unin. Es el evento que contiene todos los
elementos que pertenecen a A o B o ambos.
El smbolo con el que se denota esta
relacin es U

S
A
B
Interseccin. Es el evento que contiene a
todos los elementos que son comunes en un
conjunto A y en un conjunto B. Esta
relacin se denota por el smbolo

S
A
B
Complemento. El complemento de un evento
A con respecto a S es el subconjunto de
todos los elementos de S que no estn en
A. Denotamos el complemento de A
mediante el smbolo A

A
A
S
Mutuamente Excluyentes. Es decir, si A y
B no tienen elementos en comn.

S
B
A
Observacin:
Uno de los problemas que se debe
considerar e intentar evaluar, es el
elemento de aleatoriedad que se asocia con
la ocurrencia de ciertos eventos cuando se
lleva a cabo un experimento.

Para resolver este problema se recurre a
las tcnicas de conteo conteo de puntos
muestrales- que se basan en la teora de
conjuntos.
Tcnicas de Conteo
Cuando solo se requiere el conteo del nmero de
puntos en el espacio muestral sin anotar cada uno
de sus elementos se utiliza la regla de
multiplicacin.

Regla de multiplicacin. Si una operacin puede
realizarse en n
1,
y si por cada una de stas una
segunda operacin puede llevarse a cabo en n
2

formas, entonces las dos operaciones pueden
realizarse juntas en n
1
n
2
formas.
Ejemplo de regla de la multiplicacin
En un estudio mdico, los pacientes se clasifican en 8
formas diferentes de acuerdo con su tipo de
sangre. AB
+
, AB
-
, A
+
, A
-
, B
+
, B
-
, O
+
u O
-
, y su
presin sangunea (baja, normal o alta). Encuentre
el nmero de formas posibles para clasificar a un
paciente.

Solucin:

n
1
n
2
=(8)(3)=24 formas posibles

Regla de multiplicacin generalizada: que
abarca k operaciones se establece en el siguiente
teorema:

Si una operacin se puede ejecutar en n
1
formas, y si
para cada una de stas se puede llevar a cabo una
segunda operacin en n
2
formas, y para cada una
de las primeras dos se puede realizar una tercera
operacin en n
3
formas, y as sucesivamente,
entonces la secuencia de k operaciones se puede
realizar en
n
1
n
2
.n
k
formas.
Ejemplo de la regla de la multiplicacin
generalizada:

En cuantas formas diferentes pueden contestarse
9 preguntas de cierto o falso?

Solucin:

n
1
n
2
n
3
n
4
n
5
n
6
n
7
n
8
n
9
=(2)(2)(2)(2)(2)(2)(2)(2)(2)=512
diferentes maneras de contestar 9 preguntas con
dos posibles respuestas cada una.
Con frecuencia nos interesamos en un espacio
muestral que contiene como elementos a todas las
posibles ordenaciones o arreglos de un grupo de
objetos. Los diferentes arreglos se llaman
Permutaciones .

Una permutacin es un arreglo de todos, o parte
de, un conjunto de objetos.

El nmero de permutaciones de n distintos
objetos es n!

El nmero de permutaciones de n objetos
distintos, tomados r a la vez, es:

( )!
!
r n
n
P
r n
=
Ejemplos de permutaciones:

El nmero de permutaciones de las cuatro letras
a,b,c y d ser 4!=(4)(3)(2)(1)=24.

En cuantas formas pueden llenarse las cinco
posiciones iniciales de un equipo de baloncesto con
ocho jugadores?
Solucin:

( )
6720
) 1 )( 2 )( 3 (
) 1 )( 2 )( 3 )( 4 )( 5 )( 6 )( 7 )( 8 (
! 5 8
! 8
5 8
= =
= P
Las permutaciones que ocurren al arreglar objetos
en un crculo se llaman permutaciones circulares.

Dos permutaciones circulares no se consideran
diferentes a menos que los objetos
correspondientes en los dos arreglos estn
precedidos o seguidos por un objeto diferente
conforme recorramos en la direccin de las
manecillas del reloj.

El nmero de permutaciones de n objetos
distintos arreglados en un crculo es (n-1)!,
considerando permutaciones de objetos
distintos. Es decir, todos los objetos son
por completo diferentes o distinguibles
El nmero de permutaciones distintas de n cosas de las
que n
1
son de una clase, n
2
de una segunda clase,, n
k
de
una k-sima clase es

Ejemplo:
En cuantas formas pueden plantarse, a lo largo de la lnea
divisoria de una propiedad, 3 robles, 4 pinos y 2 acres, si
no se distingue entre los rboles de la misma clase?

! !.... !
!
2 1 k
n n n
n
1260
! 2 ! 4 ! 3
! 9
=
Combinaciones. Con frecuencia nos interesa el
nmero de formas de dividir un conjunto de n
objetos en r subconjuntos denominados celdas.
Se consigue una particin si la interseccin de todo
par posible de los r subconjuntos es el conjunto
vaco y si la unin de todos los subconjuntos da el
conjunto original.
El orden de los elementos dentro de una celda no
tiene importancia.
Considere A={a, e, i , o , u}. Las particiones posibles
en dos celdas en las que la primera celda contiene
cuatro elementos y la segunda un elemento son:

{(a,e, i,o), (u)}, {(a,i,o,u),(e)}, {(e,i,o,u),(a)}, {(a,e,o,u),(i)},
{(a,e,i,u),(o)}

Se observa que hay cinco formas de partir un conjunto
de cuatro elementos en dos subconjuntos o celdas
que contienen cuatro elementos en la primera celda
y uno en la segunda.
El nmero de particiones para esta ilustracin
se denota con el smbolo

Donde el nmero superior representa el nmero
total de elementos y los nmeros inferiores
representan el nmero de elementos que van en
cada celda. Esto se establece de forma ms
general en el siguiente teorema.

5
! 1 ! 4
! 5
1 4
5
= =
|
|
.
|
\
|
El nmero de formas de partir un conjunto de
n objetos en r celdas con n1 elementos en la
primera celda, n2 elementos en la segunda, y
as sucesivamente, es

Donde n
1
+n
2
+n
3
++n
r
=n

! ,...... ! , !
!
,...... ,
2 1 2 1 r r
n n n
n
n n n
n
=
|
|
.
|
\
|
En otros problemas es interesante conocer en el
nmero de formas de seleccionar r objetos de n
sin importar el orden. Estas selecciones se llaman
combinaciones.

Una combinacin es realmente una particin con
dos celdas, una celda contiene los r objetos
seleccionados y la otra contiene los (n-1) objetos
restantes.

El nmero de tales
combinaciones,
denotado por

C
r
n
a reduce se
r n r
n
n
r
=
|
|
.
|
\
|
|
|
.
|
\
|
,
( )! !
!
r n r
n
r
n
=
|
|
.
|
\
|
Ejemplo de combinacin:
Cuntas formas hay para seleccionar a
3 candidatos de un total de un total
de 8 recin graduados y con las
mismas capacidades para ocupar
vacantes en una firma contable?

336
6
1
7
1
8
1
= C C C
Axiomas y teoremas elementales de
Probabilidad
Probabilidad de un evento
La probabilidad de un evento A es la suma
de los pesos de todos los puntos
muestrales A. Por lo tanto,
( ) 1 ) ( 0
, 1 ) ( 0
= =
s s
S P y P
A P
|
Si un experimento puede tener como
resultado N diferentes resultados
igualmente probables, y si exactamente n
de estos resultados corresponden al
evento A, entonces la probabilidad del
evento A es
( )
N
n
A P =


Si A y B son dos eventos cualquiera, entonces
( ) ) ( ) ( ) ( B A P B P A P AUB P + =
( ) ) ( ) ( B P A P B A P + =
Si son mutuamente excluyentes
Para tres eventos
( ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( C B A P C B P C A P B A P C P B P A P C B A P + + + =
Si A y A son eventos complementarios, entonces
( ) 1 ) ' ( = + A P A P
Probabilidad Condicional

A la probabilidad de que un evento B se d cuando se
sabe que algn otro evento A se ha presentado se
llama probabilidad condicional, y se denota por
P(B/A), y se lee como la probabilidad de que B
ocurra dado que ocurri A o la probabilidad de B,
dado A y se define por

si P(A)>0

( )
( )
) (
/
A P
B A P
A B P

=
Dos eventos A y B son independientes,
si y solo si

De otra forma A y B son dependientes
( ) ( ) ) ( / ) ( / A P B A P B P A B P = =

) ( ) ( ) ( A B P A P B A P =
Reglas multiplicativas
A partir de la definicin de probabilidad condicional, se
obtiene la regla multiplicativa que permite calcular la
probabilidad de que dos eventos sucedan.
Si en un experimentos pueden ocurrir los eventos A y B,
entonces

Dos eventos A y B son independientes si y slo si

( ) ) ( ) ( B P A P B A P =
Ejemplo: Suponga que tenemos una caja de fusibles
que contiene 20 unidades, de las cuales cinco
estn defectuosas. Si se seleccionan dos fusibles
al azar y se separan de la caja uno despus del
otro sin reemplazar el primero, Cul es la
probabilidad de que ambos fusibles estn
defectuosos?
Solucin: La probabilidad de separar primero un
fusible defectuosos es ; entonces la probabilidad
de separar un segundo fusible defectuoso de los
otros 4 es 4/19, entonces:
19
1
19
4
4
1
) ( =
|
.
|
\
|
|
.
|
\
|
= B A P
Ejemplo: Una bolsa contiene cuatro bolas blancas y
tres negras, y una segunda bolsa contiene tres
blancas y cinco negras. Se saca una bola de la
primera bolsa y se coloca sin verla en la segunda.
Cul es la probabilidad de que ahora se saque una
bola negra de la segunda bolsa?

Solucin: Nos interesa la unin de los eventos
mutuamente excluyentes B1 y B2 y la unin de otro
evento W1 y B2. Las diversas posibilidades sus
probabilidades se observan de la siguiente manera:

Bolsa 1
Bolsa 2
Bolsa 2
4W,3B
B

3/7
4/7
W
3W,6B
4W,5B
5/9
B
4/9
W
W
3/9
B
6/9
|
.
|
\
|
|
.
|
\
|
=
|
.
|
\
|
|
.
|
\
|
=
|
.
|
\
|
|
.
|
\
|
=
|
.
|
\
|
|
.
|
\
|
=
9
4
7
4
) 2 1 (
9
5
7
4
) 2 1 (
9
3
7
3
) 2 1 (
9
6
7
3
) 2 1 (
W W P
B W P
W B P
B B P
Si, en un experimento, los eventos
pueden ocurrir, entonces

Si los eventos son independientes,
entonces
k
A A A A ,..., , ,
3 2 1
k
A A A A ,..., , ,
3 2 1
( ) ( ) ( ) ( ) ( )
1 2 1 2 1 3 1 2 1 3 2 1
/ / /

=
K K K
A A A A P A A A P A A P A P A A A A P
( ) ( ) ( ) ( ) ( )
K K
A P A P A P A P A A A A P
3 2 1 3 2 1
=
Regla de Bayes
Este teorema tambin se conoce como teorema de
probabilidad total o regla de elimina49cin y es
una generalizacin del teorema de probabilidad
condicional:
Si los eventos constituyen una divisin
del espacio muestral S, de tal forma que
para i=1,2,...,k, entonces para cualquier evento A
de S, es tal que :

K
B B B , , ,
2 1

0 ) ( =
i
B P
) / ( ) ( ) ( ) (
1 1
i
k
i
i
i
k
i
B A B P A B P A P

= =
= =
0 ) ( = A P
Tal que
( )
( )
( )
( ) ( )
( ) ( )
k r para
B A P B P
B A P B P
A B P
A B P
A B P
k
i
i i
r r
k
i
i
r
r
, , 2 , 1
/
/
/
1 1
=
=
=

= =
Esperanza Matemtica
Un experimento estadstico, es el trmino que se utiliza
para describir cualquier proceso mediante el cual se
generan varias observaciones al azar.

Se puede asignar a cada resultado (observacin) una
descripcin numrica; estas cantidades numricas son
aleatorias, y generalmente se denotan por X (variable
aleatoria).

Una variable aleatoria es una funcin que asocia nmero
real a cada elemento del espacio muestral. Se utiliza X
para designar a la variable aleatoria y x para uno de
sus valores.

Ejemplo: Se sacan dos pelotas ren sucesin, sin
reemplazo, de una urna que contiene 4 rojas y 3
negras. Los resultados posibles y los valores y de
la varialbe aleatoria Y, donde Y es el nmero de
pelotas rojas son:
Espacio
muestral

y
RR 2
RN 1
NR 1
NN 0
Si un espacio muestral contiene un nmero finito
de posibilidades o una secuencia inteminable con
tantos elementos como nmeros naturales existen,
se llama espacio muestral discreto.

Si un espacio muestral contiene un nmero infinito
de posibilidades igual al nmero de puntos en un
segmento de lneas, se llama espacio muestral
continuo.

Distribucin discreta de probabilidad
Al conjunto de pares ordenados (x,f(x)) se le llama
funcin de probabilidad o distribucin de
probabilidad de la variable aleatoria discreta X.

El conjunto de pares ordenados (x,f(x)) es una
funcin de probabilidad, funcin masa de
probabilidad o distribucin de probabilidad de la
variable aleatoria discreta X si, para cada
resultado posible x,

) ( ) ( . 3
. 1 ) ( . 2
. 0 ) ( . 1
x f x X P
x f
x f
x
= =
=
>
Ejemplo: Determine el valor de c de tal forma que
la funcin sirva como una distribucin de
probabilidad de la variable aleatoria discreta X.
f(x)=c(x+4); x=0,1,2,3

Solucin: aplicando el axioma 2

c(0+4)+ c(1+4)+ c(4+4)+ c(9+4)=1
4c+5c+8c+13c=1
c=1/30
La distribun acumulada F(x) deuna variable
aleatoria discreta X, cuya distribucin de
probabilidad es f(x), es:

Las funciones de probabilidad discretas se pueden
representar por diagramas de barras, que se
conocen como histogramas de probabilidad.

( ) < < = s =

s
x para t f x X P x F
x t
) ( ) (
Distribuciones continuas de probabilidad
Una variable aleatoria continua tiene una
probabilidad cero de asumir cualquiera de sus
valores exactamente, su distribucin de
probabilidad no puede darse en forma tabular

f(x) se conoce como funcin de densidad de
probabilidad de X o funcin de densidad de X.

( ) ( ) ( )
( ) b X a P
b X P b X a P b X a P
< < =
= + < < = s <
Dado que X se define en un espacio
muestral continuo, es posible que tenga un
nmero finito de discontinuidades.

Una funcin de densidad de probabilidad
se construye de tal manera que el rea
comprendida bajo la curva es igual a 1
cuando se calcula para el rango de X para
el cualse define f(x).

La probabilidad de que X asuma un valor
entre a y b es giaul al rea bajo la funcin
de densidad comprendida en el intervalo
(a,b), y est dada por:

( )
}
= < <
b
a
dx x f b X a P . ) (
La funcin f(x) es una funcin de densidad
de probabilidad para la variable aleatoria
continua X, definida en el conjunto de los
nmeros reales, si

( )
}
}
= < <
=
9 e >

b
a
dx x f b X a P
dx x f
x toda para x f
. ) ( . 3
. 1 ) ( . 2
. 0 ) ( . 1
Ejemplo: Suponga que el error en la
temperatura de reaccin , en C, para
un experimento controlado de
laboratorio es una variable aleatoria
continua X, que tiene la funcin de
densidad de probabilidad:

< <
=
. , 0
2 1 ,
3
) (
2
caso otro cualquier en
x
x
x f
a) Verifique lacondicn 2 de la
definicin anterior
b) Encuentre P(0<X<1)
Solucin:

( )
9
1
1
0
9
1
0
3
2
1
9
2
1
3
3 2
3 2
1 0 )
1 ) ( )
= = = s <
= = =
}
} }

x x
x x
dx X P b
dx dx x f a
La distribucin acumulada F(x) de una
variable aleatoria continua X con una
funcin de densidad f(x) es:

Adems:

Si la derivada existe

( ) < < = s =
}

x para dt t f x X P x F
x
, ) ( ) (
( )
dx
x dF
x f y
a F b F b X a P
) (
) (
) ( ) (
=
= < <
Esperanza Matemtica o Valor Esperado E(X)=
Este valor promedio se define como la media de la variable
aleatoria X o la media de la distribucin de probabilidad X.

Ejemplo: Sea S el espacio muestral del experimento: lanzar dos
monedas
H=evento obtener cara
T=evento obtener cruz
S={HH,HT,TH,TT}, dado que los cuatro puntos muestrales son
igualmente probables, sea X el evento de que al tirar las
monedas caiga en cara
P(X=0)=P(TT)=1/4
P(X=1)=P(HT)+P(TH)=1/4+1/4=1/2
P(X=2)=P(HH)=1/4

Ahora bien, para los eventos dados,en el largo
plazo se puede calcular el nmero de caras a
obtener en diferentes lanzamientos:

=E(X)=(0)(1/4)+(1)(1/2)+(2)(1/4)=1

Esto significa que una persona que lanza 2 monedas
una y otra vez, en promedio, obtendr 1 cara por
lanzamiento, es decir, se espera una cara en cada
lanzamiento.
Definicin: Sea X una variable aleatoria con
distribucin de probabilidad f(x). La media o valor
esperado de X es:

Si X es discreta, y

Si X es continua.
= =
x
x xf X E ) ( ) (
}

= = dx x xf X E ) ( ) (
Ejemplo: Un embarque de 7 TV incluye 2
defectuosos, un hotel compra 3 aparatos. Si X es
el nmero de televisiones defectuosas adquiridas
por el hotel, encuentre la media de X.
Solucin:

7 / 1
7 / 4
7 / 2
) (
2
1
0
x f x
7 / 6 ) (
) 7 / 1 ( 2 ) 7 / 4 ( 1 ) 7 / 2 ( 0 ) (
= =
+ + = =
x E
x E
Ejemplo: Si la utilidad de un distribuidor, en unidades de
$1000, en un nuevo automvil puede considerarse como una
variable aleatoria X con una funcin de densidad:

Solucin:

Utilidad promedio:
< <
=
caso otro en
x x
x f
, 0
1 0 ), 1 ( 2
) (
( ) | | 3 / 1 2 2 ) (
1
0
1
0
3 2
2
3 2
= = = =
}
x x
dx x x x E
333
3
1000
=

Copia de DIAPOSITIVAS ESTADISTICA Y DISEÑO DE EXPERIMENTOS UNIDAD I Y II

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Copia de DIAPOSITIVAS ESTADISTICA Y DISEÑO DE EXPERIMENTOS UNIDAD I Y II

Uploaded by

Copyright:

Available Formats

PROBABILIDAD

You might also like