Вы находитесь на странице: 1из 24

TEORIA DE LA PROBABILIDAD

Generalidades.- En muchas oportunidades nos hemos encontrado con


afirmaciones donde no existe 100% de certeza sobre la aparicin o realizacin
de un hecho o fenmeno. Por ejemplo, continuamente escuchamos situaciones
como las siguientes:
-

Dado a los niveles de inflacin en los ltimos meses en el pas, es probable


que el prximo ao la economa alcance niveles de hiperinflacin.
Debido a la agresividad campaa publicitaria sobre el programa de
vacunacin para este ao, es probable que aumente sustancialmente el
nmero de nios vacunados.

En estos ejemplos se pueden apreciar que el resultado final que se conoce con
exactitud o certeza existe por lo tanto incertidumbre. As Se vive en un
mundo donde se est en incapacidad de predecir el futuro con completa
certeza. La necesidad de tener suficiente poder para manejar la incertidumbre
obliga a estudiar y usar la teora de la probabilidad.
Como segua diciendo las Caractersticas mas notables de nuestra poca
consiste en el empleo cada vez mayor de las ideas de la teora de la
probabilidad en una amplia variedad de campo cientfico .
En la actualidad la teora de la matemtica de la probabilidad constituyen el
fundamento de las aplicaciones estadsticas Tanto en la investigacin social
como en la teora de decisiones
cuando prevalece condiciones de
incertidumbre .
1.2 Experimento aleatorio
Es cualquier experimento u operacin cuyos resultados no se pueden
predecir con exactitud antes de ser realizadas .
Caractersticas:
1.- Cada experimento podra ser repetido bajo las mismas condiciones .
2.- Todos los resultados posibles del experimento aleatorio se pueden conocer
a priori con precisin y no el resultado del experimento .
3.- Cuando el experimento es repetido un numero grande de veces el
conjunto generado de resultados describe un comportamiento que describir el
estudio .

Ejemplo # 01
Experimentos Aleatorios .
E1=Lanzamiento de 2 monedas .
E2=Lanzamiento de 2 Dados .
E3 =Resultado de un partido F .
E4=Juego de Poker.
E5=Ingreso a la universidad .
E6=Numero de de artculos defectuosos ,
Ejemplo # 02 :Sea el experimento resultado del examen final en el curso de
estadstica por parte de un estudiante
Resultado : antes del examen , el resultado no se conoce con exactitud , es
decir , no sabemos si el estudiante aprobara y desaprobara el examen final
.Luego , el experimento aleatorio .
Ejemplo # 03: Sea el experimento dejar libre un cuaderno en el aire
Resultado : Se conoce con exactitud antes de llevar a cabo el experimento : El
cuaderno caer por accin de la ley de la gravedad Por tanto este no es un
experimento aleatorio .
Sin embargo lanzar una pelota en un tanque con agua o quemar un papel no
son elementos aleatorios porque se saben los resultados antes de ser
Realizados .
1.3 Espacio Muestral ()
Es un conjunto de todos los posibles resultados de un experimento aleatorio
y es denotado por ( o EM) .
Ejemplo # 04
Sea el experimento aleatorio: Resultado del examen final en el curso de
estadstica por parte de un estudiante.
EM={APROBAR , DESAPROBAR}
Ejemplo # 05

Considere los experimentos aleatorios anteriores y describa el


espacio muestral , de cada uno de ellos

Lanzamiento de Dos Monedas


E1 = (1) ={(C,C),(C,S),(S,C),(S,S) }
Solucin:

2 Moneda
1Moneda

S CS

C CC

S SS
C SC

Lanzamiento de Dos Dados


E2 = (2) ={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6), (2,1), (2,2),(2,3), ,(6,2),(6,3)
(6,4)(6,5)(6,6)}
D1

D2

1
2
3
4
5
6

1
1,1
2,1
3,1
4,1
5,1
6,1

2
1,2
2,2
3,2
4,2
5,2
6,2

3
1,3
2,3
3,3
4,3
5,3
6,3

4
1,4
2,4
3,4
4,4
5,4
6,4

Resultado de un partido de Futbol


E3 ={GANAR , EMPATAR , PERDER}
JUEGO DE POKER
E4 ={GANAR , EMPATAR , PERDER}VCB

5
1,5
2,5
3,5
4,5
5,5
6,5

6
1,6
2,6
3,6
4,6
5,6
6,6

n = 52
r=5
52

5 =

52!
5! (525 ) ! = 2598,960

INGRESO A LA UNIVESIDAD
E5 ={INGRESA , NO INGRESA}

NUMERO DE ARTICULOS DEFECETUOSOS.


E6 ={0 1 ,.2 , 3, 4 5 , 6,n}
PUNTO DE MUESTRA
Es cada resultado particular del experimento con un elemento del espacio
muestral , el numero de muestras del espacio muestral es representado por
n()
Ejemplo # 06 :
Tres personas de una comisin expresan su opinin favorables o contraria con
respecto a un determinado proyecto de inversin .
Solucin :
Sea el evento :
E = Opinin de 3 personas sobre un proyecto de inversin
= {FFF; FFC ; FCF ;FCC ;CFF ;CFC ;CCF ;CCC}
E = () = {FFF; FFC ; FCF ;FCC ;CFF ;CFC ;CCF ;CCC }
Solucin:
Diagrama del rbol:

3 Persona
2 Persona F

1Persona

F
F

F
C

FF
C

F
C

1.4 SUCESO O EVENTO.Es cada resultado del experimento aleatorio o una combinacin de
resultados. Tambin se dice que un suceso o evento, es un subconjunto del
espacio muestral.
Los eventos son representativos por las letras maysculas A,B , C . . . .
Ejemplo #07
Sea el experimento aleatorio Seleccin de un alumno de acuerdo a su
rendimiento acadmico
El espacio muestral ser :
EM {SOBRESALIENTE, BUENO, REGULAR, MALO}
Podemos observar que cada resultado es un subconjunto del espacio
muestral , y por lo tanto cada uno de ellos es un evento .si denotamos por A
,B,C ,D Los eventos ; entonces tendremos :
Evento A = {SOBRESALIENTE}
Evento B = {BUENO}
Evento C = {REGULAR}
Evento D = {MALO}
Ejemplo #08
Sea el experimento Seleccin de dos personas ,en relacin a su situacin
ocupacional .
Los posibles resultados de este experimento son :

PERSONA 2

PERSONA 1
OCUPADO

OCUPADO
DESOCUPADO

DESOCUPADO

OO

OD

DO

DD

El espacio Muestral es: EM { OO , OD , DO ,DD }


En este caso tendramos como sucesos a una combinacin de resultados . As por
ejemplo , podemos definir los siguientes sucesos o eventos :

Sea el evento A , Tal que las dos personas seleccionadas sten ocupadas
;entonces :
A = { OO }
Sea el evento B , Tal que al menos una de las dos personas estn ocupadas
;entonces :
B = {OO,OD,DO }.
Sea el evento C , tal que la primera persona seleccionada este ocupada ;
entonces :
C ={OO , DD }
Ejemplo # 09
Considerando los experimentos del ejemplo #01 definiremos un evento para cada
uno de ellos.
E1:A1 : Que salga cara y sello.
A1 :{CS,SC}
E2:A2 : Que la suma sea 7.
A2 :{ (1,6) ; (2,5); (3,4);(4,3);(5,2)(6,1) }
E3:A3 : Que no se empate.
A3 :{ Ganara, Perder }
E4:A4 : Obtener full de Ases con Reyes.

A4 :{ (K,K,K,A,A);(K,K,A,K,A);(K,A,K,A,K),.}
E5:A5 : Ingreso .
A5 :{ Ingres }
E:A6 : Menos de 10 artculos defectuosos.
A6 :{ (0 ,1 ,2 ,3 ,4 ,5,6 ,7 ,8 ,9)}

LOS SUCESOS O EVENTOS PUEDEN SER:


Evento seguro o suceso Universal (U)
Se llama as al evento que de todas maneras debe ocurrir; en otras
palabras es el espacio Muestral (todas las posibilidades).
Ejemplo # 10
Sea el experimento : Seleccin de un propietario de inmueble con ingresos
medio- alto , de la urbanizacin las casuarinas Lima
Se puede apreciar que el evento es seguro universal , ya que al seleccionar
un propietario de inmueble , este de todas maneras tendr ingresos medio
alto , ya que se trata de una zona residencial de Lima .
Evento Imposible()
Es el evento que no va a Ocurrir ;No contiene ningn elemento del espacio
muestral .
Ejemplo # 11
Con respecto al ejemplo #06 :
Sea el evento :
A: Ninguno Opino.

A :{ }

Ejemplo # 12
Sea el experimento: Seleccin de un propietario de inmuebles con ingresos
bajos de la urbanizacin Las Casuarinas Lima
En este caso , el evento es imposible , ya que no se podr seleccionar un
propietario de inmuebles con bajos ingresos en una zona residencial .
Evento complementario:
El complemento del evento A, se denota por el smbolo

A (Se lee : no A )

y significa que el evento A no ocurre

Ejemplo #13
Sea el evento A = {Paciente con tumor canceroso}
Entonces el complemento ser:
A = {Paciente sin tumor no canceroso}
Ejemplo #14
Considerando el ejemplo #06(Tres personas de una comisin expresan su
opinin favorable o contraria con respecto a un determinado proyecto de
inversin)
Sea el evento:
A: Los tres opinaron Iguales.
A :{ CCC ; FFF }
El complemento ser:
A = {Los tres no opinaron Iguales}

{FFC , FCF , CFF, FCC , CFC , CCF }

EVENTO MUTUAMENTE EXCLUYENTES :


Dos o mas eventos son mutuamente excluyentes , si la ocurrencia de uno
de ellos , anula la ocurrencia de los dems .
Ejemplo #15
Sea el experimento aleatorio : Seleccin de un profesor de la universidad
xsegn categora Docente
Espacio muestral es :
EM ={PRINSIPAL , ASOCIADO , AUXILIAR ,PROFESOR JEFE DE
PRACTICA }
Siendo los eventos A =Profesor principal
B =Profesor Asociado
C =Profesor Auxiliar
D = Profesor de Jefe de Practica

Los cuatro eventos son mutuamente excluyentes , porque al seleccionar un


docente ,este tendr solo una categora ; anulndose el resto de los
eventos . No es posible sostener , por ejemplo , que al seleccionar un
Docente , Este tenga la categora de principal y jefe de practica a la vez .
Ejemplo #16
Considerando el ejemplo #06(Tres personas de una comisin expresan su
opinin favorable o contraria con respecto a un determinado proyecto de
inversin)
Sea el evento:
A: Los tres opinaron Favorablemente.
A :{ FFF }

El complemento ser:
B= {Los tres opinaron en contra}
B: {CCC }

Por lo tanto A y B Son mutuamente excluyentes.

EVENTOS INDEPENDIENTES :
Dos eventos son independientes si ambos no tiene ninguna relacin entre
s : es decir , si la ocurrencia de uno de ellos , no influyen en la ocurrencia
del otro .
Ejemplo # 17
Sean los eventos :
X = Primer alumno apruebe el examen de estadstica .
Y= Segundo alumno apruebe el examen de estadstica .
X e Y =Son independientes porque al ocurrir el evento X , este no influye
para que el evento ocurra .

1.5 TCNICAS DE CONTEO


1.- PRINCIPIOS DE MULTIPLICACIN .Si un evento o suceso puede ocurrir , en forma independiente , de
m maneras diferentes y otro suceso de n maneras diferentes ,
entonces el numero de maneras distintas en que pueden ocurrir
ambos sucesos es : (m x n)
Ejemplo # 18
Cuantos almuerzos diferentes . son posibles si se componen de una sopa ,
un emparedado, un postre y una bebida y pueden elegirse entre cuatro
sopas , 3 tipos de emparedados , 5 postres y 4 bebidas .

4 x 3 x 5 x4 = 240 Almuerzos
Ejemplo # 19
En la ETAPA FINAL de ftbol profesional de primera divisin , cuatro equipos
CRISTAL(A), BOYS(B) , CIENCIANO(C) , UNIVERSITARIO(D),Disputan el primer
y segundo lugar (Campen y sub campen )De cuantas maneras diferentes
pueden ubicarse estos equipos en dichos lugares?.
PRIMER LUGARSEGUNDO LUGAR

(A,B)

(A,C)

(B,A)

(B,C)

(A,D)

(B,D)

(C,A)

(C,B)

(C,D)

(D,A)

(D,B)

(D,C)

TOTAL (12)
Existen 12 maneras diferentes en que estos equipos se puede ubicar en el primer
y segundo lugar
Explicacin :
a) El primer lugar puede ser ocupado por cualquiera de los 4 equipos .
b) El segundo lugar puede ser ocupado por cualesquiera de los otros tres
equipos que restan .
UTILIZANDO PRINCIPIO DE MUTIPLICACION
1

n de maneras = 12
Por el principio de multiplicacin , se observa que el evento del Primer lugar se
presenta de 4 maneras y el del segundo lugar de 3 maneras distintas , entonces el
numero de maneras totales ser :
4 x 3 = 12
Ejemplo # 20
Mara dispone de 3 pelucas , 2 blusas , 2 pares de zapatos de cuantas maneras
diferentes se puede vestir Mara .
3 x 2 x 2 = 12 Maneras distintas de Vestir.
PRINCIPIO DE ADICIN
si un evento a se puede realizar de m maneras y otro evento B se puede realizar
de n maneras diferentes , adems , no es posible que ambos eventos se realicen
juntos , entonces el evento A o el Evento B se realizaran de (m + n) maneras .
Ejemplo # 21
Una persona puede viajar por va area o va terrestre si hay 3 vas terrestres y 2
areas Cuntas rutas disponibles tiene para viajar?
3 + 2 = 5 Formas diferentes de viajar

Ejemplo # 22
Un repuesto de Laptop se vende en 6 tiendas de la Loreto o 8 tiendas de la
Marcavelica De cuantas formas se puede adquirir el repuesto?
6 + 8 = 14 Formas de adquirir el repuesto.
Ejemplo # 23

Se desea cruzar un rio , para ello se dispone de 3 botes ,2 lanchas y un Deslizador


De cuantas formas se puede cruzar el rio utilizandolos medios de trasporte
sealados ?
3 + 2 = 5 Formas de Trasporte Sealados.
Nota:

Si se desea que se realicen los eventos A y B, entonces se utiliza el


principio de multiplicacin.
Si se desea que se realicen los eventos A B, entonces se utiliza el
principio de Adicin.
METODOS DE CONTEO
En diferentes casos se tomara de algn conjunto parte de sus elementos o todos
de ellos , para formar diferentes agrupaciones , que se van a distinguir por el
orden de sus elementos o por la naturaleza de alguno de ellos .si los elementos
que forman alguna agrupacin son diferentes entre si , sern llamados
agrupaciones sin repeticin y si alguno de ellos es igual se dira que son
agrupaciones con repeticin .
Entre los mtodos de conteo mas conocidos se tiene : Permutacin ,Variacin y
combinacin
PERMUTACIN
Es un arreglo de todos o parte de un conjunto de objetos considerando el orden
de su ubicacin ; cuando en el arreglo solo entran parte de los elementos del
conjunto se llama variacin . es importante resaltar que el orden es una
caracterstica importante en la permutacin , cuando variamos el orden de los
elementos se dice que permutamos dichos elementos
n

Pn

= n!

Ejemplo # 24

Un inspector visita 6 maquinas durante el da ; al fin de impedir que los operadores


sepan cuando inspeccionara varia el orden de las visitas de cuantas maneras
puede hacerlo?
n = 6 Diferentes (interesa el orden)
P66

= 6! = 720

PERMUTACIONES DE n OBJETOS r A LA VEZ (Permutacin Lineal con


elementos Diferentes)
El numero de permutaciones de n objetos diferentes , tomados en grupos de R
elementos (Siendo R n) y denotado por:
n

PR

n!
( nR ) !

Estas permutaciones son llamadas lineales , porque los objetos son ordenados en
una lnea recta de referencia .
Ejemplo # 25
En una carretera de 400 metros participan 10 atletas De cuantas formas distintas
podrn ser premiadas los tres primeros lugares?
10
Definimos R= 3 que se puede formar con los 10 atletas P3 =

Nota :
n ! = 1 x 2 x 3 x 4 x (n - 1) x n
0! = 1
1! = 1
n! =(n - 1)! x n

10 !
=720
7!

PERMUTACION CON REPETICIN (Permutacin lineal con elementos


Repetidos)
Dado un grupo de N Elementos conformados por k grupos diferentes de tal forma
que n1 elementos iguales conforman el primer grupo , n 2 elementos iguales
conforman el segundo grupo , as sucesivamente hasta que n k elementos iguales
conforman el k simo grupo , donde : n 1+n2+n3++nk= N , el numero de
permutaciones que pueden formarse tomando los N elementos a la vez es :
N!
N
Pn =
n1 ! n 2 ! n3 ! n 4 ! n5 ! . n k !
Donde
n1+n2+n3++nk= N
Ejemplo # 26:
De cuantas maneras distintas se podrn ordenar las siguientes figuras ?

Como entran todos los elementos del conjunto y algunos se repiten , se trata de
una permutacin con repeticin ,donde n 1 = 3 (Tres crculos )n2 = 2 (cuadrados) ,
n3 = 1 (Triangulo), n4= 1 (Rombo CUATRO LADOS ) luego:
Donde
n1+n2+n3++nk= N
3 x 2 x 1 x 1= 7
P73211

7!
(3 !) ( 2 ! ) ( 1! ) (1 !)

= 420

PERMUTACIN CIRCULAR
Son agrupaciones donde no hay primero ni ltimo elemento , por hallarse todos
en una lnea cerrada .para hallar el numero de permutaciones circulares que se
pueden formar con n objetos distinto de un conjunto , hay que considerar fija la

posicin de un elemento , los (n - 1) restantes podrn cambiar de lugar de (n - 1)!


Formas diferentes , tomando todas las posiciones sobre la circunferencia relativa
al primer punto .
El numero de permutaciones circulares ser :
PnC =( n1 ) !
Ejemplo # 27:
De cuantas maneras diferentes pueden sentarse 6 personas alrededor de
una mesa circular?

P6C =( 61 ) !=5 !

= 120 maneras diferentes de sentarse

COMBINACIN
Es cada uno de los diferentes arreglos que se pueden hacer con parte o todos los
elementos de un conjunto dado sin considerar el orden en su ubicacin .El numero
de combinaciones de n elementos diferentes tomados de K en K , con K
n Esta dada por :
CnK

n!
( nK ) ! k !

Ejemplo # 29:
De cuantas maneras diferentes pueden elegirse 3 de 20 auxiliares de un
laboratorio para asistir a un evento.
n = 20
K=3
20

C3

20!
( 203 ) ! 3 !

Ejemplo # 30:

= 1140

En cuantas formas diferentes puede el jefe de laboratorio de investigacin puede


elegir dos qumicos de 7 candidatos y 3 fsicos de 9 candidatos?

C72

Dos qumicos pueden elegirse :


=

C3

= 21 Maneras

3 fsicos pueden elegirse


=

7!
( 72 ) ! 2!

9!
( 93 ) ! 3 !

= 84 Maneras

Toda la eleccin(Aplicamos principio de Multiplicacin )


21 x 84 = 1764 Maneras.

CONCEPTO DE PROBABILIDAD
La probabilidad es una disciplina abstracta que se usa como modelo para
hacer deducciones relativas a eventos que posiblemente pueden ocurrir .
TIPOS DE PROBABILIDAD
Existen tres enfoques para el estudio de la Probabilidad
PROBABILIDAD CLSICA :
Llamada tambin probabilidad a priori debido a que es posible conocer el
resultado con anterioridad , es decir , sin llevar a cabo el experimento y solo
basado en un razonamiento lgico .
Se calcula atravez
P(A)=

CASOSFAVORABLESDEOCURRENCIADELEVENTOA
TOTALDECASOSPOSIBLES

Ejemplo # 32:
Hallar la probabilidad de obtener cara en el lanzamiento de una moneda

Solucin:
Definimos el espacio muestral : EM= {CARA , SELLO}
Sea el evento : A = OBTENER CARA
Luego :
P(A)=

CASOSFAVORABLESDEOCURRENCIADELEVENTOA
1
= 2
TOTALDECASOSPOSIBLES

P(A)=0.5 = 50%(Para obtener el % multiplicamos el resultado por 100 % ).

PROBABILIDAD DE FRECUENCIA RELATIVA DE LA OCURRENCIA


El calculo de este tipo de probabilidad se basa en la repeticin de la ocurrencia de
un evento , al realizar una gran cantidad de pruebas o experimentos .
NUMERODEVECESQUEOCURRIOELEVENTOA
P(A)= NUMEROTOTALDEVECESQUESEREPITIOELEXPERIMENTO
La probabilidad de frecuencia relativa , es llamado tambin probabilidad emprica o
a posteriori , debido a que se obtiene el resultado despus de llevar a cabo el
experimento un gran numero de veces .

Ejemplo # 34:
En una encuesta realizada a 500 vendedores ambulantes de lima central , se
encontr que 325 de ellos se dedicaban a esa actividad porque haban sido
despedidos de empresas fabriles .hallar la probabilidad de que al seleccionar
aleatoriamente un vendedor ambulante , este haya sido despedido de una
empresa fabril .
Solucin :sea el evento : B = Vendedores ambulante despedido .
# de veces en que ocurri B =325
# total de veces que se repiti el experimento = 500
Luego :

325
P(B)= 500 =0.65 =65%
Probabilidad Subjetiva :
Es la probabilidad asignada bajo un criterio Personal ; basado en cualquier tipo
de evidencia disponible .
Las probabilidades Subjetivas se asignan a eventos que pueden suceder solo una
vez o muy pocas veces .
Ejemplo # 35:
La probabilidad de que el hombre llegue a habilitar la luna en los prximos 20 aos
.
La probabilidad de que se encuentre una cura para el sida en los prximos 5 aos
AXIOMAS DE PROBABILIDAD
La probabilidad de un evento cualquiera , es siempre positiva .
Es decir : P(A) 0
La probabilidad de un evento cierto o seguro , es la probabilidad del espacio
muestral que equivale a la unidad .
Es decir : P (EM) = 1
CONSECUENCIA DE LOS AXIOMAS
La probabilidad de un evento , toma valores entre cero y uno .
Es decir 0 P(A) 1
La probabilidad de un evento nulo o imposible , es cero .
Es decir P() = 0
Los eventos A y
P ( AU

son mutuamente excluyentes , y se debe cumplir

) = P(A) + P( A ) = 1

PROBABILIDAD EN MUTIPLICIDAD DE EVENTOS


Regla de la suma de Probabilidades

Se usa cuando se desea averiguar la probabilidad de ocurrencia de uno u otro


evento
Si los eventos A y B Son mutuamente excluyentes , la probabilidad de ocurrencia
de A o B es :
P(A U B) = P(A) + P (B)
Suma
Donde :
P = Probabilidad
U = Smbolo de la unin en la teora de conjuntos, aqu significa suma de
probabilidades y debe de leerse como o .
P(A U B)= Probabilidad de que ocurra el evento A o B .
P(A) = Probabilidad de que ocurra el evento A
P(B) = Probabilidad de que ocurra el evento B
Ejemplo # 36:
De 200 nios examinados por una nutricionista, se encontr que 80 padecan de
desnutricin leve; 50 padecan de desnutricin crnica y 70 normales. si de los
nios examinados se seleccionan uno al azar .cual es la probabilidad de que
padezca de desnutricin leve o desnutricin crnica?
Solucin : Sean los eventos :
A = Nios con desnutricin leve = 80
B = Nios con desnutricin Crnica = 50
C = Nios Normales = 70
Como los eventos son mutuamente excluyentes:
P (A U B) = P (A) + P(B)
80 50
+
P (A U B) = 200 200
130
=0.65
P (A U B) = 200

P (A U B) =65%
Si los eventos no son mutuamente excluyentes , la probabilidad de ocurrencia de
A o B , es :
P(A U B)= P(A) + P(B) P(A B)
DONDE :
P(A U B) =Probabilidad del que el evento A y el evento B , Ocurran .
P(A B) =Probabilidad del que ocurran simultneamente los eventos A yB.
PROBABILIDAD CONDICIONAL
Es utilizada cuando se desea conocer la probabilidad de ocurrencia de un evento
condicionado a la aparicin previa de otra .
Se calcula mediante la formula:
P(B/A)=

P(B A)
Con P(A) = 0
P( A)

El smbolo / se lee DADO , y se expresa condicin .


Donde
P(A/B) = Probabilidad de que ocurra el evento B ,Dado que el evento A ha ocurrido
.

Luego :
P(B A)
CASOS FAVORABLES DE OCURRENCIA DE A Y B
P(B/A)=
=
Casos posibles de ocurrencia de A
P( A)
EJERCICIOS RESUELTOS(PROBABILIDADES)
Probabilidad con acontecimiento aislado
Ejemplo # 01
Si una caja contiene 10 bolas rojas , 8 bolas blancas y 12 bolas azules , al extraer
una bola ,Cul es la probabilidad de que la bola sea (a)roja ,(b)Blanca , (c)Azul ,
(d)que no sea roja ?

Respuesta:
(a) = que sea Roja es 10 / (10 + 8 +12) = 1/3 =0.3333
(b) = La probabilidad de que sea blanca es 8 / (10 + 8 + 12) =0.26
c) = La probabilidad de que sea Azul es 12 / (10 + 8 + 12) 2/5 = 0.4
(d) = La probabilidad de que no sea Roja es (8 + 12) / (10 + 8 + 12) = 2/3

Ejemplo # 02
Cual es la probabilidad de que al sacar una carta en una baraja de 48 cartas sea
un cabajo o un Rey ?
Respuesta :
La probabilidad es de (4/48)+(4+48)= 1/6
Ejemplo # 03
Determinar la Probabilidad P de que aparesca sello en una tirada de una moneda
, si es de que anteriormente de 100 tiros han salido 61 caras .
Respuesta :
Si de 100 tiros han salido 61 caras , esto quiere decir que han salido 39 sellos
Luego la probabilidad emprica de que salga sello tiene la frecuencia relativa de P
= 39/100 = 0.39
Ejemplo # 04
Probabilidad de tirar 2 veces una moneda por lo menos aparezca un sello
Respuesta :
Al tirar 2 veces una moneda puede obtenerse 1 de los 4 resultados siguientes SS,
SC , CS , CC , Todos con igual probabilidad . solo los 3 primeros Resultados son
favorables , luego p = 3/4 .
Ejemplo # 05
Probabilidad de que aparezca una suma de 5 en el tiro de dos dados
Respuesta :
Hay cuatro formas de obtener la suma de 5 con dos dados , estas son (1 y 4) , (4
y 1) , (2 y 3), (3 y 2) . Por otra parte hay 36 combinaciones posibles entre los 2
dados , cuya suma va de 2 hasta 12 . estas combinaciones son (1 y 1),(1 y 2),(1
y 3),(6 y 5),(6 y 6) Entonces p = 4/36 = 1/9

Ejemplo # 06
Probabilidad de que al extraer una carta de una baraja de 52 cartas , esta sea 1 as
, o bien el 10 de oros o el 4 de espadas.
Respuesta :
En la baraja hay 4 ases , 10 de oros y un 4 de espadas luego de 52 cartas
igualmente probables 6 son favorables , por siguiente p = 4/56 + 1/52 + 1/52 =
6/52 = 3/26 .
PROBABILIDAD DE QUE ANBOS ACONTECIMIENTOS INDEPENDIENTES
PERO NO EXCLUYENTES ENTRE SI :
EJEMPLO # 07
Encontrar la probabilidad de que al echar un dado al aire , salga un mltiplo de 2
de 3 .
Respuesta :
Al tirar el dado puede salir cualquier numero del 1 al 6 , en los cuales hay tres
mutiplos de 2 y 2 mutiplos de 3 . pero 6 es a su vez mutiplo de 2 y de 3, luego la
probabilidad que se pide es igual a Prob( Mutiplos de 2) + Prob (Mutiplos de 3)
Prob(Mutiplos de 2 y de 3) = 3/6 + 2/6 - 1/6 = 4/6
PROBABILIDAD DE QUE VARIOS ACONTECIMIENTOS DEPENDIENTES NO
INFLUENCIADOS ENTRE SI
EJEMPLO # 10
Cual es la probabilidad de que al echar un dado al aire , salga un mutiplo de 2 y
de 3 ?
Respuesta :
La probabilidad de un mltiplo de 2 es de 3/6 , y de un mutiplo de 3 es de 2/6 .
Luego la probabilidad perdida es 3/6 * 2/6 = 1/6

EJEMPLO
Deseamos calcular la probabilidad de que al extraer una carta de una baraja de pker (52
cartas) obtengamos una de corazn rojo. Si A es el suceso obtener una carta de corazn
rojo se tiene

Вам также может понравиться