Вы находитесь на странице: 1из 115

UNIVERSIDAD TECNICA DEL NORTE

“CIMANELE”

PROBABILIDAD Y ESTADISTICA
ING. WIDMAR AGUILAR G, Msc.

Abril 2018
ING. WIDMAR AGUILAR G

INTRODUCCION.-

La Estadística, nace de las necesidades reales de La sociedad y el


hombre. La cantidad de información existente y que es necesaria
para la toma de decisiones, hace que la estadística sea hoy, una
importante herramienta de trabajo.

Entre las tareas principales de la Estadística, está el de reunir la


información integrada por un conjunto de datos, con el propósito de
obtener conclusiones válidas del comportamiento de éstos, como
también hacer una inferencia sobre comportamientos futuros.

En cuanto al uso y la aplicación, puede decirse que abarca todo el


ámbito humano encontrándose en las relaciones comerciales,
financieras, políticas, sociales, etc. siendo fundamental en el campo
de la investigación y en la toma de decisiones; es así que en
empresas es posible realizar un análisis profundo del proceso
estadístico al control de la productividad y de la calidad.

En la vida cotidiana el hombre se enfrenta a situaciones que no siempre


tienen un dominio de certidumbre; en ocasiones las personas realizan
la pregunta qué tan probable es que suceda algún evento, ya que no
existe la certeza de que puedan ocurrir ciertos fenómenos, de ahí el
interés de conocer las probabilidades y es precisamente la probabilidad
la que nos permite medir la incertidumbre.

La probabilidad y la estadística son herramientas importantes para


los estudiantes de diferentes carreras, es por ello que han ganado
importantes lugares en diferentes ámbitos de investigación,
administrativos o productivos, en mercados de riesgo e inclusive
hasta en áreas de ciencias de la salud, porque son instrumento
elemental para la toma de decisiones. Es importante entender la
importancia que tiene el cálculo de las probabilidades y el
conocimiento de la estadística descriptiva como inferencial.

2
ING. WIDMAR AGUILAR G

Estadística:

Es el conjunto de métodos y procedimientos que implican


recopilación, presentación, ordenación y análisis de datos, con el
fin que a partir de ellos puedan inferirse conclusiones.

Pueden distinguirse dos ramas diferentes en Estadística:

• Estadística Descriptiva, la cual es la que se utiliza en la


descripción y análisis de conjuntos de datos o población.

 Inferencia Estadística, la cual hace posible la estimación de una


característica de una población, o la toma de una decisión con
respecto a una población, con base únicamente en resultados
muestrales.

Conceptos de elementos utilizados en el análisis estadístico

1) Población o Universo: Conjunto completo de individuos, objetos, o


medidas los cuales poseen una característica común observable y que
serán considerados en un estudio.

2) Muestra: Es un subconjunto o una porción de la población.

3
ING. WIDMAR AGUILAR G

3) Variable: Característica o fenómeno de una población o muestra que


será estudiada, la cual puede tomar diferentes valores.

4) Datos: Números o medidas que han sido recopiladas como resultado


de la observación.

5) Estadístico: Es una medida, un valor que se calcula para describir una


característica a partir de una sola muestra.
6) Parámetro: Es una característica cuantificable de una población.

La Estadística Descriptiva tiene como función el manejo de los datos


recopilados en cuanto se refiere a su ordenación y presentación, para poner
en evidencia ciertas características en la forma que sea más objetiva y útil.

Una población o universo objeto de una investigación estadística puede ser


finita si sus elementos se pueden contar. Por ejemplo, número de alumnos
de un curso.

Una población o universo es infinita cuando no es finita. En Estadística, el


sentido del término población infinita se refiere a una población con un
número tan grande de elementos que no le es posible al investigador someter
a medida cada uno de ellos.

Cuando se miden cualitativamente las características de una población,


resultan categorías que deben ser exhaustivas, es decir, que se pueda
clasificar a toda la población, y también deben ser mutuamente excluyentes,
es decir, un mismo elemento no puede pertenecer simultáneamente a dos o
más categorías. Por ejemplo: el sexo de una persona, masculino o femenino.

Una muestra debe cumplir ciertas condiciones, de aquí surge el concepto de


muestra aleatoria que es aquella obtenida de modo que cada elemento de la
población tiene una oportunidad igual e independiente de ser elegido.

4
ING. WIDMAR AGUILAR G

La investigación estadística es toda operación orientada a la recopilación


de información sobre una población. La investigación puede ser tan simple
como la recopilación de datos estadísticos obtenidos de informaciones
provenientes de fuentes oficiales a nivel institucional o de publicaciones de
organismos altamente especializados en estas materias, o tan complejas que
requiera de la colaboración de especialistas en diferentes materias, como
ocurre en los censos de población de un país.

Se denomina variable a fenómenos o características que son medidas en


algún tipo de investigación estadística.

Variables:

Es probable que al realizarse una encuesta se desee desarrollar un


instrumento que permita hacer varias preguntas y manejar diversos
fenómenos o características. A estos fenómenos o características se les
denomina variables aleatorias.

Según la forma en que se expresen las variables, se dividen en:

1) Variables Cualitativas o categóricas: son aquellas que pueden expresarse


sólo en forma de atributo, es decir, expresan cualidades o categorías. Ejemplo:

1) Estado civil :
 soltero

 casado

 viudo

 separado


2) Satisfacción con un producto:
 muy insatisfecho

 regularmente insatisfecho

 neutral

5
ING. WIDMAR AGUILAR G

 satisfecho

 muy satisfecho


2) Tamaño de un tablero :
 grande

 mediano

 pequeño

2) Variables Cuantitativas, son aquellas variables que pueden


expresarse en forma numérica. Se dividen en discretas y continuas.
2.1) Variables Cuantitativas Discretas: son respuestas numéricas que
surgen de un proceso de conteo, siendo siempre un número entero.

Ejemplos:

1) Número de asignaturas inscritas en el primer semestre.


2) Número de integrantes del grupo familiar.
3) Número de salas de clases de la FICA.

2.2) Variables Cuantitativas Continuas, son respuestas numéricas que


surgen de un proceso de medición, las cuales pueden tomar valores entre dos
números enteros.

Ejemplo:

1) Estatura
2) Temperatura
3) Peso

ESCALAS DE MEDICION DE LAS VARIABLES:

Las escalas de medición son el conjunto de posibles valores que


determinada variable puede tomar. Los tipos de escalas están ligados a la
variable a estudiar.

6
ING. WIDMAR AGUILAR G

Las escalas de medición se clasifican en:

 Nominal

 Ordinal

 Intervalos

 Razón o proporción

Escala Nominal:

Una escala de medición es nominal si los datos son etiquetas o categorías


que se usan para definir un atributo de un elemento. Los datos nominales
pueden ser numéricos o no numéricos.
La escala nominal no implica orden y no aplica operaciones aritméticas, solo
existe conteo

Ejemplos:

 Número de placa de un vehículo



 Número de teléfono de una ciudad

2.- Clasificación en base a la religión:


1.- Cristianos
2.- Musulmanes
3.- .Sin creencia
4.- Otros

Escala Ordinal:

Establece una relación de orden entre los elementos (personas, animales,


objetos, etc) en atención a una característica, sin que refleje distancia entre
ellos.

Ejemplo: La diferencia entre dos números ordinales no tiene significado


cuantitativo.

7
ING. WIDMAR AGUILAR G

La escala ordinal no permite hacer planteamientos numéricos significativos


con respecto a las diferencias entre las categorías. El orden establece solo
cual categoría es mayor, mejor o preferida.

Escala de Intervalos:

Tiene las características de una escala ordinal, además permite conocer las
distancias entre dos números cualesquiera. Se caracteriza pr tener una
unidad y un origen arbitrario; es una escala cuantitativa y ordenada.

A más de las características de una escala nominal y ordinal posee la


propiedad de que la distancia entre dos valores es de una magnitud conocida.

En la escala de intervalos, se puede aplicar medidas estadísticas: media,


desviación estandar; rango; varianza.

Gráficas: histogramas, polígono de frecuencia, gráfico de tallos y hojas

Ejemplo:

Clasificación de una prueba de estadística:

Puntuaciones N. estudiantes
90-99 2
80-89 6
70-79 8
60-69 7
Menos de 60 2

Medición de razón o proporción:

Constituye el nivel más alto de medición, posee todas las características de


las escalas nominal, ordinal y de intervalo, además tiene un cero absoluto o
natural que tiene significado físico.

8
ING. WIDMAR AGUILAR G

Si la medición es cero (0) implica ausencia o inexistencia total de la


propiedad considerada; admite todas las operaciones aritméticas. .

Los números indican razones o cocientes entre ciertas magnitudes de los


objetos, y los datos obtenidos con tales escalas pueden ser sometidos a
tratamientos más laboriosos.

 La distancia entre los números es un tamaño conocido y constante.



 Los datos tienen un punto cero significativo.

 Puede aplicarse cualquier tipo de prueba estadística.

 Permite hacer comparaciones entre los números verdaderos con un
cero aritmético.

Ejemplo: PC vendidos en el último trimestre del 2017.

Mes cantidad
Octubre 400
Noviembre 300
Diciembre 500

Ejemplo:

 Variable que mide el salario de una persona



 Si una persona gana $ 100 y otra $ 50, la primera gana más que la
segunda (comparación).

 La segunda gana 50 USD más que la segunda (diferencial o que
gana 3 veces más (proporción).

Variables medidas en este tipo de escala son:

 Número de hijos de una familia



 Medición de magnitudes físicas: masa, longitud, velocidad, etc.

 Número de goles marcados por un jugador en un partido

9
ING. WIDMAR AGUILAR G

 Ingreso familiar mensual.

ORGANIZACIÓN DE LOS DATOS.

Estudio Descriptivo de una colección de datos:

Obtenida la información correspondiente a un hecho o fenómeno se presenta


la información bajo la forma de una colección de datos individuales y viene a
constituir la materia prima del análisis a efectuarse.

Por la gran cantidad de datos es necesario agruparlos adecuadamente para


poder obtener indicadores numéricos relevantes que faciliten la interpretación
y determinación de los aspectos más importantes.

Un estudio descriptivo de una colección de datos contempla los siguientes


aspectos:

i) ordenación y clasificación de los datos originales.


ii) presentación de los datos agrupados en cuadros estadísticos y tráficos.
iii) Cálculo de medidas descriptivas y numéricas que nos indiquen el centro o
la localización de los datos, el grado de variabilidad o dispersión de los mismo
y la forma en que se distribuyen.
iv) El análisis propiamente de los datos, conjugando los resultados obtenidos
en i, ii y iii, esto nos permite determinar si existe alguna tendencia o patrón en
los datos, la forma como se distribuyen, etc.

10
ING. WIDMAR AGUILAR G
.

Organización de los datos:

Los datos son:


 Cualitativos

 Cuantitativos

Datos Cualitativos.-

La agrupación de estos datos es muy sencilla y se lo realiza de acuerdo a las


modalidades que presente las variable en estudio, mediante un conteo se
determina el número de datos (también llamado frecuencia) correspondiente a
las diferentes categorías de la variable.

Ejemplo:

El estudio a personas que ejercen cargos directivos en una empresa refleja la


entrevista a 15 personas y en relación al género se obtiene:

f, f, m, m, f, m, m, m, f, f, m, f, f, m, f

Agrupando, se tiene:

Género personas
Masculino 7
Femenino 8
Total 18

Datos cuantitativos:

Para organizar y agrupar datos de tipo cuantitativo discretos o continuos, se


utiliza un procedimiento similar, pero más laborioso, al utilizado con los datos
cualitativos.

En el análisis de datos, se puede distinguir los siguientes elementos:

11
ING. WIDMAR AGUILAR G

a) Intervalo de clases:

Consiste en intervalos de valores ordenados en forma ascendente y que


cubre a todos los datos

b) Límites de clase:

Son los extremos de la clase o intervalo, ek extremo inferior o valor menor del
intervalo se denomina límite inferior de la clase y el extremo superior se llama
límite superior, se denota por:

Li -----------------límite inferior
Ls ---------------- límite superior

c) Amplitud de clase:

Llamado también longitud de clase, tamaño de clase o anchura de clase

ci ---------- amplitud de clase

d) Frecuencia absoluta (fi):

Es el número de veces que se repite un determinado valor de la variable (xi).

fi ----------------------------------- frecuencia absoluta

Propiedad:

La suma de todas las frecuencias absolutas es igual al total de las


observaciones (n)
∑ 𝑓𝑖 = 𝑛

12
ING. WIDMAR AGUILAR G

e) Frecuencia Acumulada (Fi):

Es igual a la suma de las frecuencias del dato y la de todos los datos


anteriores a él.

Propiedades:

 F1 = f1

 La última frecuencia acumulada es igual al total de las observaciones.

f) Frecuencia relativa (hi):

Es aquella que resulta de dividir cada una de las frecuencias absolutas entre
el número total de datos.

13
ING. WIDMAR AGUILAR G

La suma de todas las frecuencias relativas es igual a la unidad.

g) Frecuencia Relativa acumulada (Hi):

Aquella que resulta de dividir cada una de las frecuencias absolutas


acumuladas entre el número total de datos.

𝑓𝑖
𝐻𝑖 =
𝑛

Propiedad:

La última frecuencia relativa acumulada es la unidad.


h) Marca de clase (ci):

En un intervalo, es la semisuma de los límites inferior y superior de una clase.

𝑐𝑖 = (𝐿𝑖 + 𝐿_𝑠)/2

14
ING. WIDMAR AGUILAR G

Distribución de Frecuencias Absolutas:

Es la representación estructurada en forma de tabla de toda la información


recogida sobre las variables que se estudian, es decir, es una tabla que
presenta de manera ordenada los distintos valores de una variable y sus
correspondientes frecuencias. Su forma es:

Variable(xi) fi Fi hi Hi
X1 f1 f1 h1 h1
X2 f2 f1+f2 h2 h1+h2
--- --- ------ ----- ------

Xn fn f1+f2+---+fn hn h1+h2+----+hn

Ejemplo:
Considere el siguiente grupo de datos:

La distribución de frecuencia es:

15
ING. WIDMAR AGUILAR G

Completar los datos restantes--------?

Distribución de frecuencias de datos agrupados:

Cuando los valores de la variable son muchos, conviene agrupar los datos en
intervalos o clases, para así realizar un mejor análisis e interpretación de
ellos.

• Para construir una tabla de frecuencias con datos agrupados, conociendo


los intervalos, se debe determinar la frecuencia absoluta (fi) correspondiente
a cada intervalo, contando la cantidad de datos cuyo valor está entre los
extremos del intervalo. Luego se calculan las frecuencias relativas y
acumuladas, si es pertinente.

Es útil utilizar esta distribución si el número de datos es igual o superior a 50.

Si no se conocen los intervalos, se pueden determinar de la siguiente


manera:

- Se busca el valor máximo de la variable y el valor mínimo. Con estos datos


se determina el rango.

 Rango = R = xmax - xmin




- Se divide el rango en la cantidad de intervalos que se desea tener, por lo
general se recomienda:

N. de datos Intervalos (N.)


10-100 4a 8
100 -1000 8 a 11
1000 -10000 11 a 14

Comenzando por el mínimo valor de la variable, que será el extremo inferior


del primer intervalo, se suma a este valor la amplitud para obtener el extremo
superior y así sucesivamente.

18

16
ING. WIDMAR AGUILAR G

• Otra forma de calcular la cantidad de intervalos es aplicando el siguiente


método:

Método Sturges: k = 1 + 3,332 log n

Donde:

k= número de intervalos de clases


n= tamaño muestral

La amplitud o tamaño de los intervalos, se determina por:

𝑡 = 𝑅/𝑘

Debe tenerse en cuenta 2 cosas: Primero que el número de intervalos tiene


que dar impar, segundo que el resultado se redondea generalmente a la baja.
Si al redondear a la baja nos da como resultado un número par debemos
redondear al alza. Este es el método que tiene mayor precisión.

Ejemplo:

En un centro comercial, se consultó la edad a todas las personas que entraban


entre las 12:00 h y 12:30 h. Los resultados obtenidos fueron los siguientes:

Construye una tabla de frecuencias cuyos datos estén agrupados en ocho


intervalos.

17
ING. WIDMAR AGUILAR G

Rango:
R =73-1 =72

Ancho del intervalo:

t= = 72/8 = 9

Intervalo
[ 1; 10)
[10;19)
[19;28)
[28;37)
[37;46)
[46;55)
[55;64)
[64; 73)

Si al recalcular el nuevo rango de tiene una diferencia entre ekl valor inicial y
el final, realice:

 Aumento del superior y disminución del inferior en el mismo valor. Si un


rango inicial es 28 y su nuevo rango es 30, con valores iniciales indicados
en la gráfica, se tiene:

18
ING. WIDMAR AGUILAR G

Ejemplo) el puntaje de examen de 30 estudiantes es:

Se tiene:
R= 48-20 = 28
Número de intervalos: k= 1+3,332 log (n)

K= 1+3,33 log (30)= 5,8


K=6
Ancho de clase:

t =28/6 = 4,67 = 5
Nuevo rango:

Rn = 5*6 =30

∆R = 30 − 28 = 2

Li = 20-1 =19
Ls = 48+1 = 49

19
ING. WIDMAR AGUILAR G

REPRESENTACION GRAFICA DE DATOS ESTADISTICOS:

La distribución de frecuencias se nota más rápidamente si se la representa


gráficamente.

La representación gráfica es importante antes de la aplicación de un análisis


estadístico.

Diagrama de barra.-

Se utiliza para representar datos de variables cualitativas o discretas, está


formado por barras rectangulares cuya altura es proporcional a la frecuencia
de cada uno de los valores de la variable.

Ejemplo:

 El eje de abscisas (x) contiene las cualidades de la variable, si la variable es


cualitativa, o los valores de dicha variable si es discreta.

 En el eje de ordenadas (y) se colocan las barras proporcionales a las
frecuencias relativa o absoluta del dato.

 Todas las barras tienen el mismo ancho y no deben superponerse las unas con
las otras.






20
ING. WIDMAR AGUILAR G

Ejemplo)

Diagrama de sectores o de pastel.-

Es el más usual en variables cualitativas. Se representan mediante círculos. A


cada valor de la variable se le asocia el sector circular proporcional a su
frecuencia.

Recuerde que el círculo encierra 360 grados, así:

Para formar el gráfico de sectores se considera el total de datos de la


población como el área del circulo y a cada característica señalada le
corresponderá un sector circular, cuyo ángulo central está dado por:

21
ING. WIDMAR AGUILAR G

Ejemplo)

Histogramas.-

Se utiliza para representar frecuencias agrupadas de una variable continua


sobre intervalos. Los datos provienen de una variable cuantitativa y gracias a
él se puede tener una idea de la distribución de los datos o muestra.

Un histograma es un conjunto de barras rectangulares verticales en donde su


altura es proporcional a las frecuencias absolutas de cada uno de los
intervalos.

Los intervalos abarcan todo el conjunto sin cortarse, de manera que un


elemento está solo en un intervalo; la base de cada barra vertical es
proporcional a la amplitud del intervalo.

22
ING. WIDMAR AGUILAR G

Construcción de un Histograma:

Para construir un histograma es necesario previamente construir una tabla


de frecuencias. Lo construiremos siguiendo los siguientes pasos:

1. En el eje de abcisas (eje horizontal) se colocan los intervalos, de menor a mayor.


2. En el eje de ordenadas (eje vertical) se representan las frecuencias absolutas de
cada uno de los intervalos. También se suelen representar las frecuencias relativas.

3. Se dibujan barras rectangulares de anchura igual y proporcional al intervalo.


La altura es la frecuencia absoluta. Las barras rectangulares se dibujan
adyacentes la una a la otra, pero no intersectan entre ellas. Por tanto, todas las
barras tocan con las de al lado, a no ser que un intervalo tenga frecuencia cero
(la altura de la barra será también cero).

Polígono de frecuencias:

Es una gráfica que se utiliza para variables continuas discretas. Se


representan mediante puntos que señalan las frecuencias absolutas de cada
valor y líneas que unen los puntos consecutivos.

23
ING. WIDMAR AGUILAR G

Histogramas con intervalos de diferente longitud:

En algunas ocasiones, es necesario construir un histograma con los


intervalos de diferente longitud, ya que como investigadores nos interesa, o
directamente, los datos vienen así;

El histograma debe representar la frecuencia de cada intervalo con


el área de la barra y no con su altura. En el caso de que todos los intervalos
tengan el mismo tamaño, esto no supone un problema, ya que la altura de la
barra rectangular es proporcional a la frecuencia del intervalo. Pero cuando
tenemos intervalos de diferentes tamaños, esto cambia, y hay que adaptar la
altura de la barra según sea la anchura del intervalo.

Para obtener la altura de los diferentes intervalos dependiendo de su


longitud, se utiliza la fórmula siguiente:

Donde Ab es la altura del intervalo, Fi es la frecuencia del intervalo, Li es la


longitud del intervalo y Lmi,,la longitud mínima de todos los intervalos.

24
ING. WIDMAR AGUILAR G
Se tiene los datos de la población de una ciudad agrupados por edad (los
datos son los de la gráfica).

Los datos se agrupan en cuatro intervalos de longitud de 9 años (0-9, 30-


39, 40-49 y 50-59), un intervalo de longitud veinte años (10-29) y un intervalo
de treinta años (60-89). Por tanto, la longitud del intervalo mínimo es 10, (Lmin
= 10). A partir de Lmin, sacamos las alturas de las barras rectangulares
de cada intervalo, Ab.

25
ING. WIDMAR AGUILAR G

Ejemplo 1:

Clasifique los siguientes datos estadísticos según ssean cuantitativos,


variables discretas o continuas.

a) Marca de carros
b) Peso de carros
c) Número de carros vendidos de las diferentes marcas

26
ING. WIDMAR AGUILAR G
Ejemplo 2:

Realice un diagrama de sectores para los datos

CIUDAD CENTROS DE ESTUDIO


Quito 300
Guayaquil 500
Machala 100
Ibarra 80
Tulcán 90

CIUDAD CENTROS %
ESTUDIOS
Quito 300 28,04 100,94
Guayaquil 500 46,73 168,88
Machala 100 9,34 33.62
Ibarra 80 7,47 26,92
Tulcán 90 8,41 30,28

90
80
300 Quito

100 Guayaquil
Machala
Ibarra
Tulcán
500

Ejercicio)

En una urna hay bolas pero no se sabe cuántas ni de qué colores. Se


saca una bola, se observa el color y se la devuelve a la urna. Se Repite el

27
ING. WIDMAR AGUILAR G
proceso 200 veces y se anota 96 bolas rojas, 25 bolas blancas y 79
bolas negras.
a) confeccione una tabla de frecuencias
b) si al terminar la experiencia nos dicen que hay 40 bolas, ¿cuántas cree
que habrá de cada color?

28
ING. WIDMAR AGUILAR G

MEDIDAS DE LOCALIZACION

Una característica importante de un conjunto de números es su localización o


tendencia central.

La mayor parte de datos muestran una tendencia a agruparse alrededor de un


punto central y es posible elegir algún valor que describa todo un conjunto de
datos. Las medidas de posición o localización se utilizan con frecuencia para
resumir un gran número de datos o cantidades con la finalidad de obtener un
valor que sea representativo de la serie.

Media Aritmética.-

Llamada también media, es una medida de tendencia central muy utilizada


en aplicaciones estadísticas por ser de fácil cálculo e interpretación.

La media aritmética (𝑥̅ ) es el valor más representativo de la serie de


valores, es un punto de equilibrio, el centro de gravedad de la serie.

 Datos no agrupados:

b) Datos agrupados:

Cuando se tiene datos agrupados se toma la marca de clase o punto


medio del intervalo como adecuada representación de los valores que
conforman el mencionado intervalo.

 Se agrupan los datos en clases y se llevan a una columna, se


determinan los puntos medidos de cada clase, se determinan las
frecuencias de cada clase.

29
ING. WIDMAR AGUILAR G

 Se multiplica los puntos medios de cada clase por sus respectivas

frecuencias y luego se obtiene la sumatoria de las frecuencias “fi” por e


punto medio.

∑ 𝑓𝑖 ∗ 𝑐𝑖 


 Se calcula la media aritmética.


Ejemplo:
Calcule la media aritmética de los datos:

Se tiene:

30
ING. WIDMAR AGUILAR G

Ejemplo)
Conocido los pesos de un grupo de estudiantes, determine la media aritmética.

De los datos:

Pesos ci fi Ci fi
[60; 63) 61,5 2 123
[63; 66) 64,5 6 387
[66; 69) 67,5 4 270
[69; 72) 70,5 6 423
[72: 75) 73,5 2 147
20 1350

4) Determine la media de las edades de actrices indicadas en la tabla:

31
ING. WIDMAR AGUILAR G

Formado la tabla siguiente, obtenemos lo solicitado:

Desviaciones.-

Son diferencias algebraicas entre cada valor xi de la serie y la


media aritmética de la serie o con un valor cualquiera tomado
arbitrariamente.

di --------------------- desviación

32
ING. WIDMAR AGUILAR G

𝑑𝑖 = |𝑥𝑖 − 𝑥̅ |

Propiedades:

 La suma algebraica de las desviaciones con respecto a la


media aritmética es cero.

 La suma de las desviaciones al cuadrado de los diversos


valores con respecto a le media aritmética es menor que
la suma de las desviaciones al cuadrado de los diversos
valores con respecto a cualquier punto “k”, que no sea la
media aritmética.

 La media aritmética de una constante es la constante

 La media aritmética de una variable más una constante


es igual a la media aritmética de la variable más la
constante.

33
ING. WIDMAR AGUILAR G

 La media aritmética de una variable por una constante


es igual al producto de la constante por la media de la
variable.

LA MEDIANA:

La mediana es el valor que divide en dos partes iguales a una muestra


(observaciones) ordenada respecto a sus magnitudes.

Datos no agrupados.-

La forma de cálculo depende si la serie de datos es par o impar, pero


previamente debe estar ordenada.

El término central (posición) será:

a) Impar:

 Par:

Ejemplo)

La mediana de: 5,7,7,9, 10,12, 15

34
ING. WIDMAR AGUILAR G
Número es impar

Ejemplo)

La mediana de. 5,6, 7 ,8. 10, 10,14, 15

La muestra es par

Mediana de datos agrupados:

Cuando los datos aparecen en una tabla de frecuencias, la mediana será el


dato cuya frecuencia absoluta acumulada iguala o excede a la mitad del total
de datos.

35
ING. WIDMAR AGUILAR G
 Intervalos:

Se determina el intervalo cuya Fi sea igual o exceda al valor de N/2:

Luego aplique:

Ejemplo)

36
ING. WIDMAR AGUILAR G
Características de la Mediana:

 No es afectada por los valores externos de una serie, ya que ella no se


calcula con todos ellos.

 En algunos casos no se puede calcular exactamente (intervalos)

 La suma de los valores absolutos de las desviaciones de los datos
individuales con respecto a la mediana siempre es un valor mínimo.

MODA (Mo).-

La moda de un conjunto de valores es el valor que más se repite


en dicho conjunto.

Si la datos vienen en una tabla y se conoce su frecuencia, la


moda es aquella que tiene mayor frecuencia.

La mayor frecuencia absoluta es 22 → Moda: 25

Datos agrupados en intervalos:

Si la datos están agrupados en intervalos, la moda se determina


con el intervalo que tiene la mayor frecuencia absoluta (clase
modal). La moda se determina por:

37
ING. WIDMAR AGUILAR G

Ejemplo)

En la siguiente tabla se muestra luna tabla de frecuencias.


Calcular la moda.

Si la moda está en:

 Primer intervalo: 𝑓𝑖−1 = 0


 Ultimo intervalo: f1+1 = 0

La moda manifiesta que la mayoría de la clase tiene un valor


aproximado al determinado por Mo.

38
ING. WIDMAR AGUILAR G
OTRAS MEDIDADES POSICIONALES:

Se conoce que la media divide a un grupo de datos en dos partes


iguales. Una generalización de la mediana da origen a otras
nuevas medidas de posición.

Cuartiles (Q):

Dividen al conjunto de datos en cuatro partes iguales, son por


tanto tres puntos y se denotan por:

Q1 : valor bajo el cual queda el 25 % de datos

Q2: divide a la distribución en 2 partes iguales

Q3: deja al 75 % de datos por debajo de él.

Método de selección:

• Ordenar los datos de menor a mayor


• Buscar el lugar que ocupa cada cuartil

Sin importar si la cantidad de datos es par o impar, utilizar:

Si la posición obtenida es decimal es necesario interpolar entre la


inferior y la superior o agregar al número de la posición inferior el
decimal de la posición:

Qi = Posicinferior +(posicsupeposicinfer)*decimal

Datos agrupados:

Si los datos vienen agrupados en una tabla de intervalos, se determina la


clase de los cuartiles, para ello se utiliza.

39
ING. WIDMAR AGUILAR G

Luego utilice:

Ejemplo)

Cuartiles de la serie: 2,5, 3,4 , 6,7, 1, 9

Ordenando:

40
ING. WIDMAR AGUILAR G

Ejemplo)

41
ING. WIDMAR AGUILAR G

Deciles:

Son ciertos números que dividen a los datos ordenados en diez


partes iguales, son los 9 valores que dividen al conjunto de datos
en 10 partes iguales.

Di → 𝑑𝑒𝑐𝑖𝑙𝑒𝑠

Datos agrupados:

Si los datos los tenemos agrupados en intervalos, se tiene:

Ejemplo)

Calcule el primer y segundo decil.

42
ING. WIDMAR AGUILAR G

Ejemplo)

En un examen difícil de universidad, se obliga al profesor a aprobar al menos


al 10%. Calcular la nota a partir de la cual está obligado a aprobar siendo las
notas (notas de 0 a 20): 0, 4, 1, 0, 0, 7, 2, 1, 4, 0, 3, 9, 2, 0, 0, 4, 8, 1, 0, 9, 4

43
ING. WIDMAR AGUILAR G

Ordenar los datos:

0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 2, 2, 3, 4, 4, 4, 4, 7, 8, 9, 9

 Se Necesita calcular el decil 9 (D9) ya que interesa calcular el valor a partir del cual
solo hay un 10% con mejores notas

 .
 D9 = (N · i) / 10 = (21· 9) / 10 = 18,9

Como D9 = 18,9 es un número con decimales, entonces el decil 9 es la media de los


valores que ocupan la posición 18 y 19

D9 (decil 9) = (7 + 8) / 2 = 7,5

Aprueban a partir de 7,5 en adelante---------- 3


estudiantes

Percentiles:

Son medidas posicionales que dividen a la distribución de frecuencias en 100


partes iguales. Los percentiles son las medidas más utilizadas para propósitos
de ubicación de calor de una serie de datos ubicados en una distribución de
frecuencia.

El número de percentiles a determinar son 99.

44
ING. WIDMAR AGUILAR G
Ejemplo)

Determinar el percentil 35 y 60

45
ING. WIDMAR AGUILAR G

MEDIDAS DE DISPERSION.-

Los datos en general difieren unos de otros y ellos hacen necesario encontrar
ciertos índices o medidas que indiquen la variabilidad o dispersión del
conjunto de datos que se analizan.

Una medida de variabilidad indica el grado de dispersión de un conjunto de


datos.

 Si el valor de variabilidad es pequeño: gran uniformidad en los


datos
 Si el valor de variabilidad es grande: poco uniformidad de los datos
 Si el valor de variabilidad es cero: todos los datos son iguales.

Las medidas de dispersión se clasifican en dos grupos:

 Medidas de dispersión absolutas.


 Medidas de dispersión relativas.

Medidas de dispersión absolutas:

Vienen expresadas en las mismas unidades originales de los


datos. Entre estas se tiene:

 Rango
 Rango intercualítico
 Desviación media
 Varianza
 Desviación típica

Medidas de dispersión relativas:

Vienen expresadas en valores abstractos o porcentajes. Su principal función es la


de determinar entre varias distribuciones la de mayor o menor dispersión.

La medida de dispersión relativa de mayor importancia es el coeficiente de


variación.

46
ING. WIDMAR AGUILAR G

Rango o Recorrido ( R);

Se define como la diferencia entre el valor más alto menos el valor más
pequeño de la serie.

R = Xmax – X min

El rango da una primera idea de la dispersión de datos, ya que si su valor es


pequeño nos indica una gran concentración da datos y por el contrario si su
valor es grande nos indica una gran variación o dispersión de datos.

Rango Intercualítico:

Es la diferencia entre el cuartil Q3 y el cuartil Q1 de una distribución de


frecuencias.

RI = Q3 – Q1

Desviación media:

La desviación media de un conjunto de datos es el promedio de las


desviaciones absolutas di con respecto a la media aritmética o la mediana.

Para datos agrupados:

Varianza:

Para evitar que se anulen diferencias positivas y negativas de las


desviaciones absolutas, se toma valor absoluto elevado al
cuadrado.

47
ING. WIDMAR AGUILAR G

Desviación típica:

La desviación estándar es un índice numérico de la dispersión de


un conjunto de datos (o población). Mientras mayor es la
desviación estándar, mayor es la dispersión de la población. La
desviación estándar es un promedio de las desviaciones
individuales de cada observación con respecto a la media de una
distribución. Así, la desviación estándar mide el grado de
dispersión o variabilidad. En primer lugar, midiendo la diferencia
entre cada valor del conjunto de datos y la media del conjunto de
datos. Luego, sumando todas estas diferencias individuales para
dar el total de todas las diferencias. Por último, dividiendo el
resultado por el número total de observaciones (normalmente
representado por la letra “n”) para llegar a un promedio de las
distancias entre cada observación individual y la media. Este
promedio de las distancias es la desviación estándar y de esta
manera representa dispersión.

Se calcula como la raíz cuadrada de la varianza.

Considerando al conjunto de datos como muestra o población


puede aplicarse cualquiera de las fórmulas siguientes:

48
ING. WIDMAR AGUILAR G

Ejemplo)

Un pediatra obtuvo la siguiente tabla sobre los meses de edad de


50 niños de su consulta en el momento de andar por primera
vez:

En el cuadro, se tiene:

49
ING. WIDMAR AGUILAR G

Coeficiente de variación o Dispersión Relativa:

Las medidas de dispersión relativas permiten comparar grupos de


series distintas en cuanto a su variación, independiente de las
unidades en que se midan. Las medidas de dispersión relativa se
expresan en porcentaje (%) y vienen a ser igual a la dispersión
absoluta dividida entre el promedio.

Propiedades.-

• Es un porcentaje de razón entre la desviación típica y la


media y representa cuantas veces es la desviación típica en
relación a la media
• Es un número abstracto, es decir, sin unidades.
• CV no se altera cuando los datos son multiplicados por una
constante, pues tanto s y 𝑥̅ quedan multiplicados por dicha
constante.

Ejemplo)

La asistencia de espectadores a las 4 salas de un cine un


determinado día fue de 200, 500, 300 y 1000 personas.

1. Calcular la dispersión del número de asistentes.

2. Calcular el coeficiente de variación.

50
ING. WIDMAR AGUILAR G
3. Si el día del espectáculo acuden 50 personas más a cada
sala, ¿qué efecto tendría sobre la dispersión?

Coeficiente de Variación:

CV= 308,2/500 = 0,616

3)

MEDIA GEOMETRICA:

La media geométrica (MG) de un conjunto de datos de


números positivos es la raíz enésima del productor de los N
números.

51
ING. WIDMAR AGUILAR G

La media geométrica es utilizada para cálculos de porcentajes y


ponderaciones o índices.

Datos agrupados:

Ejemplo)

52
ING. WIDMAR AGUILAR G

PROBABILIDADES

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.

Ejemplo: lanzamiento de un dado

La probabilidad de un suceso es un número comprendido entre 0


y 1 que indica las posibilidades que tiene de verificarse cuando se
realiza un experimento aleatorio.

En la actividad diaria encontramos varios fenómenos que se


pueden reproducir varias veces en condiciones similares dando
lugar a un conjunto de dos o más resultados, estos fenómenos
pueden ser:

• Determinísticos y,
• Aleatorios

Determinístico: suceso que se puede predecir antes de que se realice.

Ejemplo: arrojar una piedra hacia arriba, en donde se conoce de


antemano que subirá y luego bajará.

Aleatorio: Suceso que no se puede predecir el resultado ya que


depende del azar.

Conceptos básicos:

Entre conceptos básicos necesarios para entender las


probabilidades, se tienen:

Espacio muestral:

El conjunto de los posibles resultados asociados a un


experimento, se denota por “s” o “Ω”.

El lanzar un dado origina a s, como:

s= {1, 2, 3, 4, 5, 6}

53
ING. WIDMAR AGUILAR G

El lanzar una moneda;

s= {c, s}

Suceso o evento:

Cada uno de los resultados posibles de un experimento aleatorio.

Un suceso es un subconjunto de un espacio muestral.

Suceso A = {c} --------lanzar una moneda al aire

Suceso compuesto:

Es cualquier subconjunto del espacio muestra.

Suceso seguro:

Está formado por todos los posibles resultados, es decir, es el


mismo espacio muestral.

Suceso imposible:

Es el que no tiene ningún elemento.

Suceso A = ∅ ----- vacío

Suceso elemental:

Es cada uno de los elementos que forman parte del espacio muestral.

Sucesos compatibles:

Dos sucesos A y B son compatibles, cuando tienen algún suceso


elemental común.

Sucesos incompatibles:

Ay B son incompatibles cuando no tienen ningún elemento en común.

54
ING. WIDMAR AGUILAR G

A = { 2, 4, 6}

B = {1, 5}

A y B -------incompatibles

Sucesos independientes:

A y B son independientes cuando la probabilidad de que suceda A no


se ve afectado porque suceda o no B

El lanzar dos daos ------son sucesos independientes.

Sucesos dependientes:

A y B son dependientes cuando la probabilidad de que suceda A se


ve afectada por que haya sucedido B.

Suceso contrario:

El suceso contrario de A es otro suceso que se realiza cuando no se realiza A.

𝐴̅ → 𝑠𝑢𝑐𝑒𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜 𝑑𝑒 𝐴

Ejemplo: el sacar par o impar al lanzar un dado son contrarios.

Operaciones con sucesos:

Como los eventos son subconjuntos del espacio muestral “s”, es


posible aplicar la teoría de conjuntos para obtener nuevos sucesos.

A y B sucesos:

55
ING. WIDMAR AGUILAR G

Unión de Conjuntos:

Consiste en agrupar los elementos de los conjuntos en un solo


bloque.

Ejemplo)

Sean los sucesos:


A = obtener el lanzamiento de un dado un número
impar = { 1, 5 ,3 }

B = obtener un número mayor que 4 = {5,6}

El suceso unión será:

A∪B = {1, 3, 5 ,6}

Intersección de conjuntos:

Es un conjunto que contiene los elementos que pertenecen a ambos


conjuntos y está definida por el símbolo ∩.

56
ING. WIDMAR AGUILAR G

Conjunto Complemento:

Conjunto que contiene todos los elementos que no están en el


conjunto original. Para que ésta operación no se vuelva ambigua es
recomendable establecer un conjunto universal.

El conjunto complemento es lo que falta para complementar el espacio


muestral

57
ING. WIDMAR AGUILAR G

Diferencia:

El conjunto que consiste en todos los elementos de A que no


pertenecen a B se llama la diferencia de A y B y se escribe A – B.
(Área sombreada).

Ejemplo:

58
ING. WIDMAR AGUILAR G

LEYES DE CONJUNTOS:

Todo suceso A del espacio de sucesos tiene otro llamado contrario A,


tal que:

Leyes de Morgan:

59
ING. WIDMAR AGUILAR G

Considerar siempre lo siguiente:

DIAGRAMA DE ARBOL:

Un diagrama de árbol o árbol de probabilidad es una


herramienta que se utiliza para determinar en las probabilidades
el número de eventos que forman parte del espacio muestral.

El diagrama de árbol es utilizable para obtener los resultados


posibles de un experimento cuando éste se produce en unas
pocas etapas.

• Cada paso del experimento se representa como una


ramificación del árbol.

60
ING. WIDMAR AGUILAR G

Para la construcción de un diagrama en árbol se partirá poniendo


una rama para cada una de las posibilidades, acompañada de su
probabilidad. Cada una de estas ramas se conoce como rama de
primera generación.

En el final de cada rama de primera generación se constituye, un


nudo del cual parten nuevas ramas conocidas como ramas de
segunda generación, según las posibilidades del siguiente paso,
salvo si el nudo representa un posible final del experimentó
(nudo final).

Hay que tener en cuenta que la construcción de un árbol no


depende de tener el mismo número de ramas de segunda generación que
salen de cada rama de primera generación y que la suma de probabilidades
de las ramas de cada nudo ha de dar 1.

Existe un principio sencillo de los diagramas de árbol que hace que éstos
sean mucho más útiles para los cálculos rápidos de probabilidad:
multiplicamos las probabilidades si se trata de ramas adyacentes (contiguas),

61
ING. WIDMAR AGUILAR G

Ejemplo)

Una universidad está formada por tres facultades:

 La 1ª con el 50% de estudiantes.



 La 2ª con el 25% de estudiantes.

 La 3ª con el 25% de estudiantes.

Un diagrama de árbol permitirá conocer el espacio muestral para a partir de él


determinar la probabilidad de un determinado evento.

62
ING. WIDMAR AGUILAR G

Ejemplo)

Determine el espacio muestral del experimento, lanzar al espacio 3 monedas.

S = {CCC, CCX, CXX, CXX, XCC, XCX, XXC, XXX]

Ejemplo) : Sea un experimento aleatorio de lanzar un dado y definimos:

A = {par}
B = {impar}

C = {múltiplo de 3}

Calcule:

a) A U B

b) A U C
c) B U C

d) AC U BC

63
ING. WIDMAR AGUILAR G

S = { 1, 2, 3, 4, 5, 6}

a) A= {2, 4, 6} ; B ={1, 3, 5}

A U B= { 1, 2, 3, 4, 5, 6}=s

b) C = {3, 6}

Ejemplo)

En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una


bola al azar y observamos el número que tiene.

a) Describe los sucesos, escribiendo todos sus elementos.

i. A = "Obtener par" B = "Obtener impar"


ii. C = "Obtener primo" D = "Obtener impar menor que 9"

b) ¿Qué relación hay entre A y B? ¿Y entre C y D?

c) ¿Cuál es el suceso A U B? y C ∩ D?

64
ING. WIDMAR AGUILAR G

C∩D=D

Ejemplo) : Complete el ejercicio.

Determine:

65
ING. WIDMAR AGUILAR G

Ejemplo)

Considere el lanzamiento de dos dados. Considere:

a) Espacio muestral
b) A= {la suma de los dos números es múltiplo de dos}

B= {ambos lados tienen la misma cara}

C= {los dos números son primos}

c) Determine:
• AUB

66
ING. WIDMAR AGUILAR G

67
ING. WIDMAR AGUILAR G

Ejemplo)

En el conjunto de los números naturales menores de 10 (excluido el 0)


se definen los subconjuntos.
A = {números menores de 5} y B = {números primos menores de 10}.
Determina los elementos que forman los siguientes conjuntos.

S= {1,2,3,4,5,6,7,8,9}

A = {1, 2, 3, 4}; B = {2, 3, 5, 7}

a) A ∪ B = {1, 2, 3, 4, 5, 7}

b) A ∩B = {6, 8, 9}

c) 𝐴̅ = {5, 6, 7, 8, 9}

d) 𝐵̅ = {1, 4, 6, 8, 9}

e) 𝐴̅ ∩ 𝐵̅ = { 6, 8, 9}

68
ING. WIDMAR AGUILAR G

f) ̅̅̅̅̅̅̅̅
𝐴 𝑈 𝐵 = {6,8,9}
g) 𝐴̅ 𝑈 𝐵̅ = {1, 4, 5, 6, 7, 8, 9}
h) ̅̅̅̅̅̅̅̅̅
𝐴 ∩ 𝐵 = {1,4,5,6,7,8,9}

Ejemplo)

Realice el diagrama de árbol del lanzamiento de 5 monedas

Ejemplo:

• Se toma al azar una esfera de la urna I


• Se transfiere a la urna II, se mezclan bien.
• Se elige, aleatoriamente, una esfera de la urna II.

¿Cuál es la probabilidad que sea verde

69
ING. WIDMAR AGUILAR G

70
ING. WIDMAR AGUILAR G

Probabilidad.-

Se define como la cuantificación de la probabilidad de que un


hecho ocurra.

Se debe considerar que un experimento puede tener más de un


evento (resultado) y al evento de resultados se llama espacio
muestral.

Probabilidad clásica.-

La probabilidad de cualquier suceso A es igual al cociente entre el


número de resultados favorables o resultados que integran el
suceso A y el número total de elementos o posibles resultados
del espacio muestral “s”.

n -------- casos favorables del evento A

m --------elementos de s

𝑛
P(A)=
𝑚

• La probabilidad de un evento (suceso) es positivo y menor o


igual a 1.
0 ≤ P(A) ≤ 1

• La probabilidad de un evento seguro siempre es 1.

P(s) = 1

• Si se conoce la probabilidad de A, se tiene:

71
ING. WIDMAR AGUILAR G

• La probabilidad del suceso imposible es cero:

P(∅) = 0

Dem…) s= P(sU∅)

P(s) = P(s) + P(∅)


1 = 1 + P(∅)
P(∅) = 0

Ejemplo: Se lanza un dado, determine la probabilidad de obtener


un 4

S= { 1,2,3,4,5,6}

A= {4}

P(4) = 1/6 = 0,166 = 16,6 %

Probabilidad de eventos mutuamente exclusivos o


excluyentes:

Se presenta cuando la ocurrencia de uno no afecta la ocurrencia


del otro. Por la teoría de conjuntos estos eventos de representan
por: A 𝑈 B

72
ING. WIDMAR AGUILAR G

Para estos eventos la probabilidad de que A o B suceda se


determina por:

P(A U B) = P(A) + P(B)

Ejemplo: Se lanza un dado, cual es la probabilidad de obtener un


4 o 6.

S= 6 casos ; s = {1,2,3,4,5,6,}

A= un 4 o 6

73
ING. WIDMAR AGUILAR G

Sucesos No excluyentes:

Aquellos eventos que pueden ocurrir a la vez

Ejemplo: lanzar dos dados es posible que se pueda obtener un dos en


cualquiera de ellos.

Probabilidad de eventos comunes:

Se refiere a la probabilidad donde parte de un evento A es parte de


un evento B.

El elemento común es parte de A y de B.

A∩B≠∅

P (A o B) = P(A) + P(B) - P(A ∩ B)

Dos sucesos, A y B, son compatibles cuando tienen


algún suceso elemental común

74
ING. WIDMAR AGUILAR G

Probabilidad de eventos simultáneos o sucesivos:

Se refiere al hecho de que durante el desarrollo del experimento,


los eventos suceden al mismo tiempo o uno después del otro, es
decir son independientes.

P (A ∩ B) = P(A).P(B) → independientes

Ejemplo:

Se lanza una moneda dos veces seguida. Cuál es la


probabilidad de que la moneda caiga dos veces consecutivas en
cara?

S= {C, S}……..espacio muestral

P( CyC) = P(C).P(C)

P (C) = !/2 = 0,5


P(C∩ C) = (1/2)(1/2) = 1/4 = 0,25

También considerando el espacio muestral siguiente:

75
ING. WIDMAR AGUILAR G

Se tiene que: {CC}

P(C y C) = (1/2) (1/2) = 1/4

TECNICAS DE CONTEO.-

Las técnicas de conteo son aquellas que se utilizan para


enumerar los eventos difíciles de cuantificar.

La determinación de los eventos muestrales de un espacio


muestral en muchas ocasiones es difícil y laborioso por lo que es
necesario utilizar determinados procedimientos.

Probabilidad y Permutaciones:

Considerando que la definición de probabilidad se basa en las


cantidades de casos favorables y del espacio muestral, la
determinación de la probabilidad de un suceso se reduce en
muchos casos a problemas de combinatoria y en particular al
cálculo de permutaciones.

Se le llama permutación a cualquier ordenamiento de un


conjunto de n objetos en un orden dado. Un ordenamiento de r
de éstos objetos se denomina permutación r o permutación
de n objetos tomados en r a la vez.

Las Permutaciones son eventos de tipo multiplicativo, donde el


número de posibilidades va disminuyendo y si importa el orden
de una permutación es un arreglo de un conjunto de objetos en
un orden definido.

El número de permutaciones posibles al tomar objetos del


conjunto de elementos será, siguiendo el mismo razonamiento:

Las permutaciones pueden ser:

76
ING. WIDMAR AGUILAR G

Permutación Lineal:

Cuando los elementos considerados son todos distintos y se ordenan en


línea recta

Pn = n!

• Sin repetición de n elementos tomados en grupos de r en r.:

• Con repetición de n elementos tomados en grupos de r en r:

 Permutación Circular:
Un ordenamiento de elementos diferentes alrededor de un objeto.

No existe en este arreglo ni primero ni último elemento, por hallarse en un


círculo cerrado.

Pn(c ) = (n-1) !

Ejemplo:. Calcúlese la probabilidad de que al disponer al azar las


letras A, D, E, M, N, O, resulte exactamente la palabra MONEDA.

Los casos favorables: se tienen 6 letras, que se pueden


disponer de 6! = 720 formas diferentes.

Como existe un único caso favorable, la probabilidad buscada es:

P(A) = 1/720.

77
ING. WIDMAR AGUILAR G
Permutaciones en donde no todos los elementos son
diferentes:

Si los elementos de un conjunto no son todos diferentes entre sí,


es decir, algunos de los elementos son idénticos, la fórmula de
las permutaciones tiene la siguiente forma:

Sí entran todos los elementos.

Sí importa el orden.

Sí se repiten los elementos.

Ejemplo: cuantas palabras distintas de 4 letras se pueden formar con


las letras LULU

LULU; LLUU; LUUL; ULUL; UULL; ULLU

Principio de multiplicación:

Si un evento A puede ocurrir de m formas, e independiente de


este evento un evento A puede ocurrir de n formas, entonces
los eventos juntos pueden ocurrir un total de m x n formas.

Ejemplo:

Supongamos que un restaurant ofrece 4 entradas, 5 platos


principales y 2 postres. ¿De cuántas formas un cliente puede
ordenar una comida?

78
ING. WIDMAR AGUILAR G

S= 4x5x2 = 40

Regla de la suma:

Si una primera tarea puede realizarse de m formas y una


segunda tarea de n formas y no es posible realizar ambas tareas
de manera simultánea, entonces para realizar cualquiera de ellas
puede utilizarse m +n formas.

Ejemplo: una biblioteca 40 libros de matemáticas y 80 de


historia. Si un estudiante desea estudiar cualquiera de estos
temas, entonces puede elegir:

40+80 = 120 libros (matemáticas o historia)

Combinaciones:

Una combinación es cualquier selección de objetos en donde no


importa el orden, a diferencia de una permutación en donde el
orden es importante.

Así: ABC, BCA, CBA son permutaciones distintas pero que por
contener los mismos elementos puede considerarse como una misma
combinación.

Las combinaciones de elementos tomados de r en r se representan por:

79
ING. WIDMAR AGUILAR G
Ejemplo: Qué número de eventos que puede tenerse al tomar
dos elementos del conjunto de las vocales?

Ejemplo: Para contestar un examen un alumno debe elegir 9 de


12 preguntas. Cuántas maneras de tienen que elegir estas 9
preguntas?

Ejemplo)

Se realiza una encuesta sobre las preferencias de vivir en la


ciudad o en urbanizaciones cercanas. Del total de la población
encuestada el 60% son mujeres, de las cuales prefieren vivir en
la ciudad un 73%. Se sabe que la probabilidad de que una
persona, sea hombre o mujer, desee vivir en la ciudad es 0.62.
cuál es la probabilidad de que los hombres prefieran la ciudad ?

Se tiene:

80
ING. WIDMAR AGUILAR G

Finalmente, se tiene:

(06)(0,73)+(0,4)(x)=0,62 ----- vivir en la ciudad

X= 0,455

Ejemplo)

En una maratón participan 8 semifinalistas. De cuantas formas distintas


podrán ser premiados los tres primeros puestos cin oro, plata y bronce.

Primer lugar = 8 participantes

81
ING. WIDMAR AGUILAR G

Segundo lugar= 7
Tercer lugar = 6

Formas de premiar = 8x7x6 = 336

O:

8! 8𝑥7𝑥6𝑥5𝑥4𝑥3𝑥2𝑥1
𝑃38 = (8−3)!
= = 8𝑥7𝑥6 = 336
5𝑥4𝑥3𝑥2𝑥1

3) 4 hombres y 3 mujeres deben sentarse en una fila de 7 asientos


de nodo que ningún hombre ocupe sitio par. De cuántas maneras
diferentes podrán sentarse ?

Las formas de ocupar los puestos las mujeres son:

Fm = 3x2x1 = 6
Las formas de ocupar los puestos los hombres son:

Fh = 4x3x2x1 = 24

total = 6x 24 = 144 formas

82
ING. WIDMAR AGUILAR G

Ejemplo)

Cuál es la probabilidad de que al extraer una bola de una urna donde


hay 3 bolas rojas, 7 bolas azules, 4 blancas y 2 negras, esta no sea
roja.

A = evento de que sea roja


AC = evento que no sea roja

P(A) = 3/16

P(AC) = 1-P(A) = 1-3/16

P(AC) = 13/16

Ejemplo)

En una urna hay 7 bolas blancas, 5 rojas, 3 azules. Cuál es la


probabilidad de que al extraer 2 bolas, estas sean de color roja ?.

a) Sin reposición.

Primera extracción: P (R) = 5/15 = 1/3

Segunda extracción: P (R ) = 4/14= 2/7

P(R y R )= (1/3)*(2/7) = 2/21

Ejemplo)

Cuál es la probabilidad de obtener al menos un sello en el lanzamiento de 3


monedas.

N casos = 23 = 8

AC = sacar ningún sello ={CCC}

P(AC ) = 1/8

A = casos de obtener al menos un sello

P(A ) = 1- p(AC )

P(A ) = 1-1/8 = 7/8

83
ING. WIDMAR AGUILAR G

Ejemplo)

Cuál es la probabilidad de obtener un número par o un múltiplo de 3 al


lanzar un dado.

S= {1,2,3,4,5,6}

A = par ={2,4,6}

B= múltiplo de 3 = {3,6}

P(A) = 3/6 = ½

P(B) = 2/6= 1/3 ; A∩ 𝐵 = 6

P(A∩ 𝐵) = 1/6

P(A UB ) = P(A)+P(B) – P(A∩ 𝐵)

1 1 1
P(AUB) = + − = 2/3
2 3 6

Ejemplo)

Una urna contiene 5 bolas negras y 3 blancas. Extraemos tres bolas.


¿Cuál es la probabilidad de que las tres sean blancas? ¿Y negras?

Utilizando diagram de árbol:

P[B,B,B] = (3/8)(2/7)(1/6) = 6/(56*6) = 1/56

84
ING. WIDMAR AGUILAR G

P[N,N,N] = (5/8)(4/7)(3/6) = 5/28

Ejercicios:

1.- En una bolsa hay 9 bolas numeradas del 1 al 9. Se saca una bola al
azar y se anota su número.

a) Explique si el experimento es aleatorio.


b) Determine el espacio muestral.
c) Forme dos sucesos compuestos y sus contrarios.

2.- Se hace girar una ruleta que contiene 6 compartimentos numerados


del 0 al 5 y se apunta el número donde se detiene la bola.

a) ¿Es aleatorio este experimento?


b) Determine el espacio muestral.
c) Forme los sucesos contrarios de A = {2, 4}, B = {1, 3, 5} y C = {3}.

3.- Se realiza un experimento que consiste en sacar una bola de una bolsa
que contiene 9 bolas numeradas del 1 al 9 y anotar su número. Describa
dos sucesos A y B incompatibles cuya unión coincida con E.

¿Es necesario que B sea el suceso contrario de A?

4.- Explique razonadamente cuáles de los siguientes valores no pueden corresponder a


la probabilidad de un suceso.

a) 0,85 b) 0,037 c) 1/10002; d) – 0,11 ; e) 2,31 ; f) 0,231

85
ING. WIDMAR AGUILAR G
5.- En una caja hay 30 bombones, de los cuales 10 son de almendra, 12
de avellana y el resto de chocolate puro. Si se escoge un bombón al azar,
halle:

a) P(que sea de almendra).


b) P(que no sea de avellana).
c) P(que sea de almendra o de chocolate puro).

6.- En una determinada ciudad se sabe que, para personas de más de 60


años, la probabilidad de padecer una enfermedad de corazón es 0,15 y la
de padecer artrosis es 0,25. También se sabe que la probabilidad de
padecer ambas enfermedades es 0,08. Elegida al azar una persona de esa
ciudad con más de 60 años, ¿cuál es la probabilidad de que padezca del
corazón o de artrosis?

7.- En el experimento aleatorio que consiste en lanzar un dado con 10


caras numeradas del 1 al 10 consideramos los sucesos: A = “salir un
número par” y B = “salir un número múltiplo de 4”.

a) Forme los sucesos A, B y sus contrarios.


b) Halle A U B; A ∩ B; AC U B; AC∩ B.
c) ¿Son incompatibles los sucesos A y B? ¿Y los sucesos AC y B? Razone
las respuestas.

EJERCICIOS:

Uno de los sucesos elementales que se obtiene al extraer tres bolas de


una urna con dos bolas rojas y una negra es ....

• sacar negra, roja, roja.


• sacar al menos una bola blanca

• sacar negra, roja, negra.

86
ING. WIDMAR AGUILAR G
Un suceso compuesto de lanzar un dado es ...

• sacar un 3.

• sacar un número menor que 3.

• sacar dos 3.

Un suceso imposible de lanzar un dado es que salga un número que


...

• sea menor que 6.

• no sea par ni impar

• sea mayor o igual que 6.

4 Es un suceso seguro que al lanzar dos dados la suma de las


puntuaciones obtenidas sea ....

• menor que 12.

• un número natural.

• un número par.

Al lanzar un dado son sucesos compatibles ...

• sacar par e impar.

• sacar múltiplo de 2 y múltiplo de 3.

• sacar múltiplo de 3 y múltiplo de 5.

6 Son sucesos incompatibles que al lanzar dos dados la suma de

la puntuaciones sea ...

• par e impar

• par y múltiplo de 2.

 par y múltiplo de 5.
87
ING. WIDMAR AGUILAR G

2)

Calcular la probabilidad de que al tirar un dado salga:

Un número impar.

P (Impar) =

Un múltiplo de 3.

P (Múltiplo de 3) =

Un número menor que 5.

P (<5) =

2 Una urna tiene seis bolas blancas, 5 negras y 4 rojas. Si se


extrae una bola al azar calcular la probabiliidad de:

Sea blanca.

P (Blanca) =

Sea negra.

P (Negra) =

88
ING. WIDMAR AGUILAR G

No sea roja.

P (No roja) =

3 De una urna que contiene 4 bolas blancas y seis negras, se


extraen dos bolas al azar, con reemplazamiento. Calcular la
probabilidad de que:

Las dos sean negras.

Una sea blanca y la otra negra.

4 De una urna que contiene 4 bolas blancas y seis negras, se


extraen dos bolas al azar, sin reemplazamiento. Calcular la
probabilidad de que:

Las dos sean negras

Una sea blanca y la otra negra.

5 Se lanzan dos dados al aire y se anota la suma de los puntos


obtenidos. Se pide:

La probabilidad de que la suma sea 5.

89
ING. WIDMAR AGUILAR G
La probabilidad de que la suma sea 11.

Ejercicios:

• En una urna hay 15 bolas numeradas de 2 al 16. Se Extrae


una bola al azar y se observa el número que tiene.

a) Describir los sucesos escribiendo todos sus elementos:


A = "Obtener par" B = "Obtener impar"
C = "Obtener primo" D = "Obtener impar menor que 9"
b) ¿Qué relación hay entre A y B? ¿Y entre C y D?

c) ¿Cuál es el suceso A U B? ¿y C ∩ D?

• Si A y B son dos sucesos tales que: P[A] = 0,4 ; P[B / A] =0,25;


P (BC) = 0,75
¿Son A y B independientes? b) Calcule P[A U B] y P[A ∩ B].

• Se tiene que enviar tres cartas con sus tres sobres


correspondientes. Si se mete al zar cada carta en uno de los
sobres, ¿cuál es la probabilidad de que al menos una de las
cartas vaya en el sobre que le corresponde?

• Dos personas eligen al azar, cada una de ellas, un número del 1


al 5. ¿Cuál es la probabilidad de que las dos elijan el mismo
número?

b) Si son tres personas las que eligen al azar, cada una de


ellas, un número del 1 al 5, ¿cuál es la probabilidad de que
las tres elijan el mismo número?

• Se tienen dos bolsas, A y B. En la bolsa A hay 3 bolas


blancas y 7 rojas. En la bolsa B hay 6 bolas blancas y

90
ING. WIDMAR AGUILAR G
2.rojas. Se saca una bola de A y se pasa a B. Después se
extra una bola de B.

a) ¿Cuál es la probabilidad de que la bola extraída de B sea blanca?


b) ¿Cuál es la probabilidad de que las dos bolas sean blancas?

 Un estudiante realiza dos exámenes en un mismo día. La


probabilidad de que apruebe el primero es 0,6. La probabilidad de
que apruebe el segundo es 0,8; y la de que apruebe los dos es
0,5. Calcule:

a) La probabilidad de que apruebe al menos uno de los dos


exámenes.
b) La probabilidad de que no apruebe ninguno.

 En una bolsa, A, hay 2 bolas negras y 3 rojas. En otra bolsa, B, hay 3


bolas negras, 4 rojas y 3 verdes. Se extrae una bola de A y la
introducen en la bolsa B. Posteriormente se saca una bola de B.

a) ¿Cuál es la probabilidad de que la segunda bola sea roja?


b) ¿Cuál es la probabilidad de que las dos bolas extraídas sean rojas?

 De 39 alumnos de una clase, 16 escogen francés y 27 ingles. Nueve


alumnos eligen ambas, y el resto no escoge ninguna de ellas. Si se
elige al azar un alumno de dicha clase, halle las siguientes
probabilidades.

 Escogió francés.

 Escogió inglés.

 Escogió ambos idiomas.

 Escogió francés, pero no inglés.

91
ING. WIDMAR AGUILAR G

PROBABILIDAD CONDICIONAL.-

Se ha estudiado el concepto de probabilidad a partir de la


información que da el espacio muestral, pero sin embargo, en
ocasiones se conoce que un determinado suceso ha ocurrido, por lo
que se introduce el concepto de probabilidad condicionada.

Sea “s” un espacio probabilístico y un suceso B perteneciente a él,

tal que P(B)≠ 0, entonces se define la probabilidad de que ocurra un

suceso A si antes ha ocurrido B, como:

P( A/B) → 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐴 𝑑𝑎𝑑𝑜 𝐵

𝑃(𝐴∩𝐵)
P(A/B) = ; P(B) ≠ 0
𝑃(𝐵)
P(A/B) → Indica la frecuencia relativa del evento A
con respecto al número de ensayos que
producen un resultado en el evento B.

 La ocurrencia del evento B incide en la ocurrencia de A,

Propiedades:

 P(s/B) =1

P(s/B) =𝑃(𝑠 ∩ 𝐵)/𝑃(𝐵)

𝑠∩𝐵 =𝐵
P(s/B) =(𝑃(𝐵))/(𝑃(𝐵) = 1

 P[(AUC)/B] = P(A/B) + P(C/B) ; A∩ 𝐶) = ∅

92
ING. WIDMAR AGUILAR G

Para eventos no independientes (dependientes):

 P(A∩ 𝐵) = 𝑃(𝐴), 𝑃(𝐵/𝐴)


 P(A Y B) = P(A). P(B/A)

De la definición:

P(B/A) = 𝑃(𝐴 ∩ 𝐵)/(𝑃(𝐴)

Con un diagrama de Venn se puede representar el concepto de


probabilidad condicional.

Graficando los eventos A y B en un diagrama:

93
ING. WIDMAR AGUILAR G

Suponer que el evento A ocurre, significa reducir el espacio muestral


al evento A, que ahora queda remarcado en el diagrama:

En este nuevo espacio muestral el evento B queda reducido a la


intersección de A y B:

Por ello la probabilidad de B es simplemente el cociente entre la


probabilidad de la intersección y la probabilidad de A.

Ejemplo: De una urna que contiene 9 bolas rojas y 5 negras, se


extraen sucesivamente 2 bolas. Calcular la probabilidad de los
siguientes sucesos:

94
ING. WIDMAR AGUILAR G

a) Que las dos sean negras


b) Que las dos sean rojas
c) Que la segunda sea roja sabiendo que la primera fue negra.

N= 14 bolas

A= ROJA ; B= NEGRA
P(A) = 9/14
P(B) = 5/14

a) P(N y N) = P(N).P(n) = 5/14 * 4/13 P(N


y N) = 20/14*13 = 10/91

b) P(Ry R) = (9/14)*(8/13)= 36/91

c.-)

9 5
∗ 9
13 14
p(A/B) = 5 = 13
14

OBSERVACION:

 No confundir la probabilidad condicional


con la intersección

IMPORTANTE:

 Una vez que B ha ocurrido, ya es seguro.

𝑃(𝐵 / 𝐵)
P(B/B) = =1
𝑃(𝐵)

95
ING. WIDMAR AGUILAR G

 Cuando A y B son excluyentes, una vez que a ocurrido B, entonces A


es imposible.

𝑝(𝐴∩𝐵) 0
P(A/B) = = 𝑝(𝐵) = 0
𝑝(𝑏)

Ejemplo)

En un dado cual es la probabilidad de que al lanzar salga par, sabiendo


que salió un número mayor que tres.

A= par = {2,4,6,}

B= {mayor que 3 }={ 3,,4,5,6,}

P(A∩ 𝑩) = 𝟐/𝟔

P(B) = 3/6

2/6
P(A/B) = = 2/3
3/6

96
ING. WIDMAR AGUILAR G

Ejemplo)

En una urna se tiene 5 bolas rojas y seis negra; se extrae al azar


sucesivamente dos bolas sin repetición. Cuál es la probabilidad de que
las dos bolas sean rojas ?

A= primera bola roja

P(A) = 5/11

B= segunda bola roja

P(B/A) = 4/10

P(A y B) = P(A∩ 𝐵) = 𝑃(𝐴). 𝑃(𝐵/𝐴)

P( A y B) = (5/11)*(4/10)

P(Ay B) = 2/11

97
ING. WIDMAR AGUILAR G

EVENTOS INDEPENDIENTES.-

Regla de la Multiplicación:

Los eventos A y B se dicen independientes si y solo si:

Los sucesos son dependientes si:

De la combinación de la fórmula de la probabilidad condicionada y


de la definición de sucesos independientes se puede deducir que si
dos sucesos A y B son independientes, si:

P  A ∩ B  = P  A ⋅ P  B

Esta fórmula se puede extender para el caso de n sucesos

independientes A1 , A2 , ..., An , quedando: P ( A1 ∩ A2 ∩ ...∩ An ) = P ( A1 )


⋅ P ( A2 ) ⋅ ... ⋅ P ( An )

En el caso de sucesos dependientes se tiene la expresión:

P ( A ∩ B ) = P ( A) P ( B / A)

En el caso de tres sucesos:

P ( A ∩ B ∩ C ) = P ( A) ⋅ P ( B / A) ⋅ P (C / A ∩ B)

98
ING. WIDMAR AGUILAR G

Definición: Se dice que un conjunto de sucesos A1 , A2 , ..., An


forman un sistema completo de sucesos para un
determinado experimento aleatorio si verifican las dos
condiciones siguientes:

Probabilidad de la diferencia de sucesos:

Sean A y B sucesos, se tiene:

P( A-B) = P (A ∩ BC,) = P(A) – P(A ∩ B)

EJEMPLO)

Se lanzan tres monedas al aire. Calcule la probabilidad de los


siguientes sucesos:
a) Obtener tres caras
b) Dos caras y un sello
c) Una cara y dos sellos
Los tres lanzamientos son independientes, luego:

S= 2x2x2 =8 eventos

a) A= tres caras ----------1 evento

P(A) = 1/8

99
ING. WIDMAR AGUILAR G

b)
B= dos caras y un sello ------------3 eventos
B= {CCX, XCX, XCC}

P (B) = 3/8
C)
C= una cara y dos sellos

C={CXX, xCX,XXC}

P(C) = 3/8

2)
Se lanza un dado con sus caras numeradas del 1 al 6 y se anota su
puntuación. Sean los sucesos:

A = {salir par} ; B={sacar número divisor de 12}


a) Son Ay B compatibles ?
b) P(AUB)

A= {2,4,6}

B= {1,2,3,4,6}

a) A∩ B= {2,4,6} ≠ 0 → son compatibles6

100
ING. WIDMAR AGUILAR G
Ejercicio:

De una urna que contiene 9 bolas rojas y 5 negras, se extraen


sucesivamente 2 bolas. Calcular la probabilidad de los siguientes sucesos:

a) Que las dos sean negras


b) Que las dos sean rojas
c) Que la segunda sea roja sabiendo que la primera fue negra.

2.- Una urna contiene 3 bolas blancas y 2 negras. Obtenga los posibles
resultados y sus probabilidades al extraer dos bolas.

a) Sin reemplazamiento.
b) Con reemplazamiento.

3. Sean A y B dos sucesos de un espacio de probabilidad de manera que:

P(A)=0,4 ; P(B)=0,3 y P(A∩B)=0,1

Calcular:

a) P(A  B) b) P( A  B ) c) P(A/B) d) P( A ∩B)

4. De un paquete de 20 cigarrillos se marcan 5 con una cruz. Se los


coloca en una caja y se escoge uno al azar. ¿Cuál es la probabilidad de
que tenga una cruz?

Rpta) 0,25

5.- Si la probabilidad de hacer blanco, disparando una vez en una


polígono de tiro, es de 0,4 para el hombre y de 0,5 para la mujer, hallar
la probabilidad de que tras un disparo de cada uno (independientes
entre sí) se obtenga:

101
ING. WIDMAR AGUILAR G

a) un blanco exactamente.
b) al menos un blanco.
c) dos aciertos.
d) dos errores.
Respuesta: a) 0,5; b) 0,7; c) 0,2; d) 0,3

6.- Sean tres tiradores A, B y C, con probabilidades de acertar un tiro al


blanco de 0,3, 0,4 y 0,6 respectivamente. Si los tres efectúan un solo
disparo simultáneamente, calcular:

a) La probabilidad de tener en total un solo acierto.


b) La probabilidad de tener en total un solo acierto, sabiendo que hubo uno.

Respuesta: a) 0,436; b) 0,524

7.- Sean A y B dos sucesos tales que P(A) = 0,375, P(B) = 0,908 y
P(A ∪ B) = 0,989. Hallar:

a) P(A/B)
b) P(B/A)

Rpta: a) P(A/B) = 0,32379 ; b) P(B/A) = 0,784

102
ING. WIDMAR AGUILAR G

TABLAS DE CONTINGENCIA.-

Un método útil para clasificar los datos obtenidos en un recuento es


mediante las tablas de contingencia. Se trata de tablas en cuyas
celdas figuran probabilidades, y en la cual podemos determinar unas
probabilidades conociendo otras de la tabla.

Ejemplo:

Se sortea un viaje a Roma entre los 120 mejores clientes de una


agencia de automóviles. De ellos, 65 son mujeres, 80 están casados
y 45 son mujeres casadas. Se pide:

1.¿Cuál será la probabilidad de que le toque el viaje a un hombre


soltero?

2.Si del afortunado se sabe que es casado, ¿cuál será la


probabilidad de que sea una mujer?

103
ING. WIDMAR AGUILAR G

Experimentos Compuestos:

Un experimento compuesto es aquel que consta de dos o más


experimentos aleatorios simples.

Es decir, si tiramos un dado, o una moneda, son experimentos


aleatorios simples, pero si realizamos el experimento de tirar un
dado y posteriormente una moneda, estamos realizando un
experimento compuesto.

En los experimentos compuestos es conveniente usar el


llamado diagrama en árbol para hacerse una idea global de
todos ellos.

TEOREMA DE LA PROBABILIDAD TOTAL.-

Si A 1, A 2 ,... , A n son: Sucesos incompatibles 2 a 2 (excluyentes) y cuya

unión es el espacio muestral (A 1 ∪A 2u ... An= S),.

Y sea B es otro suceso cuya probabilidad n cada uno de los componentes de un


sistema exhaustivo (excluyente) es conocida.

104
ING. WIDMAR AGUILAR G

Resulta que: Se puede establecer la probabilidad de B como:

P(B) = 𝑃(𝐵 ∩ 𝐴1 ) + 𝑃(𝐵 ∩ 𝐴2 ) ± − − − ∓ 𝑃(𝐵 ∩ 𝐴𝑛 )

P(B) = P(A1). P(B/A1)+ P(A2). P(B/A2)+-------+ P(An). P(B/An)

En general:

Si A1, A2,---------An son una partición del espacio muestral S, es decir,


que los sucesos son mutuamente excluyentes entre sí Ai ∩ Aj =∅ y su
unión es S.

Se tiene:

P((B) = ∑ 𝑃(𝐵 ∩ 𝐴𝐼 )
P((B) = ∑ 𝑃(𝐴𝐼 ). 𝑃(𝐵/𝐴𝑖 )

Ejemplo:

En un aula el 70 % de los alumnos son hombres y de ellos el 10 % son


fumadores; el 20 % de las mujeres son fumadoras. Cuál es el porcentaje de
fumadores ?.

105
ING. WIDMAR AGUILAR G
Los hombres y mujeres forman un sistema exhaustivo y excluyente.

F = fumadores.

P(F) = P(F∩H)+ P(F ∩ 𝑀)

P(F) = P(H).P(F/H) +P(M).P(F/M)


P(F) = 0,7*0,1+0,3*0,2

P(F) =0,13

Desde el punto de vista de los sistemas eléctricos se puede hablar


de las probabilidades en el sentido de que sus componentes estén
en servicio o fuera de servicio. La probabilidad de estar en servicio
generalmente se representa por P y de estar fuera de servicio por Q.

Desde este punto, en una central eléctrica, la disponibilidad en la


generación de energía de estar en servicio es P y de estar fuera de
servicio Q.

P+Q =1

ℎ𝑂𝑅𝐴𝑆 𝐸𝑁 𝑂𝑃𝐸𝑅𝐴𝐶𝐼𝑂
P= 𝐻𝑂𝑅𝐴𝑆 𝐸𝑁 𝑂𝑃𝐸𝑅𝐴𝐶𝐼𝑂𝑁+𝐻𝑂𝑅𝐴𝑆 𝐹𝑈𝐸𝑅𝐴 𝐷𝐸 𝑆𝐸𝑅𝑉𝐼𝐶𝐼𝑂 𝑃𝑂𝑅 𝑆𝐴𝐿𝐼𝐷𝐴𝑆 𝐹𝑂𝑅𝑍𝐴𝐷𝐴𝑆

106
ING. WIDMAR AGUILAR G

𝐻𝑂𝑅𝐴𝑆 𝐹𝑈𝐸𝑅𝐴 𝐷𝐸 𝑆𝐸𝑅𝑉𝐼𝐶𝐼𝑂 𝑃𝑂𝑅 𝑆𝐴𝐿𝐼𝐷𝐴𝑆 𝐹𝑂𝑅𝑍𝐴𝐷𝐴𝑆


Q=
𝐻𝑂𝑅𝐴𝑆 𝐸𝑁 𝑂𝑃𝐸𝑅𝐴𝐶𝐼𝑂𝑁+𝐻𝑃𝑅𝐴𝑆 𝐹𝑈𝐸𝑅𝐴 𝐷𝐸 𝑆𝐸𝑅𝑉𝐼𝐶𝐼𝑂 𝑃𝑂𝑅 𝑆𝐴𝐿𝐼𝐷𝐴𝑆 𝐹𝑂𝑅𝑍𝐴𝐷𝐴𝑆

El número de combinaciones entre P y Q de los distintos elementos del


sistema eléctrico se obtiene como:

(P+Q) N
; N= NUMERO DE ELEMENTOS
Ejemplo:

Si 3 unidades tienen los mismos valores de P y Q:

(P+Q)3 = P3 + 3P2Q +3 PQ2 + Q3

P3 = probabilidad de tres unidades en servicio


3P2Q= probabilidad de dos unidades en servicio y una fuera.
3 PQ2 = probabilidad de una unidad en servicio y dos fuera.
Q3 = probabilidad de tres unidades fuera de servicio

2)
Si las tres unidades tienen distintos valores de P y Q, se tiene:

(P1 +Q1). (P2+Q2). (P3+Q3) = 1

P1P2P3 = probabilidad de tres unidades en servicio


P1P2 Q3 = probabilidad de las unidades 1 y 2 en servicio y la 3 fuera de
servicio.
P1P3Q2 = probabilidad de las unidades 1 y 3 en servicio y la 2 fuera de
servicio.
P2P3Q1 = probabilidad de las unidades 2 y 3 en servicio y la 1 fuera de
servicio.
P1Q2Q3 = probabilidad de la unidad 1 en servicio y la 2 Y 3 1 fuera de
107
ING. WIDMAR AGUILAR G

servicio.

P2Q1Q3 = probabilidad de la unidad 1 en servicio y la 1 Y 3 fuera de


servicio.
P3Q1Q2 = probabilidad de la unidad 3 en servicio y la 1 Y 2 fuera de
servicio.
Q1Q2Q3 = probabilidad de las unidades 1, 2 y 3 fuera de servicio.

Es posible relacionar los coeficientes que se obtienen del triángulo de


pascal con el número de veces de la ocurrencia de un evento determinado
en el que se tiene dos sucesos equiprobables como: lanzar una moneda,
género de un hijo, etc.

Ejemplo:

Ejemplo: determine el número de casos en que se obtiene tres caras


y un sello al lanzar una moneda 4 veces.

Desarrollando:

( c+s)4= ?

( c+s)4= c4 +4c3s+ 6 c2 s2 + 4 c s3 + s4

4c3s ---------------- 4 casos favorable: tres caras y un sello (ver


exponentes).
108
ING. WIDMAR AGUILAR G

Ejemplo 2)

Una fábrica de enlatados produce 5000 envases diarios. La máquina A


produce 3000 de estos envases, de los cuales el 2% son defectuosos y la B
produce los 2000 restantes de los cuales el 4 % son defectuosos, Cuál es la
probabilidad de que el envase elegido sea defectuoso.

F = defecto
P(F) = P(F∩ 𝐴) + 𝑃(𝐹 ∩ 𝐵)
P(F) = P(A).P(F/A)+P(B).P(F/B)

P(A) = 3/5 ; P(B) = 2/5

P(F) = (3/5)*0,02+(2/5)*0,04
P(F) = 0,028

Ejemplo 3)

En un almacén se tiene tres estanterías y en cada una de ellos hay dos tipo
de productos A y B. En la primera hay 140 productos y se sabe que el 25 %
son del tipo A. En la segunda hay 130 productos y 91 son del ripo B y en la
tercera hay 40 del tipo A y 80 del tipo B. Cuál es la probabilidad de que un
producto seleccionado al azar sea del tipo B ?.
109
ING. WIDMAR AGUILAR G

P(A) = (140/390)(0,25)+(130/390)(39/130)+)(120/390)(40/120)
P(A)= 0,29

Ejercicios:

1) Sean A y B dos sucesos aleatorios con P(A) = ½; P(B) = 1/3, p(A ∩ B)= 1/4.

Determinar:

a.- P(A/B)
b.- P(B/A)
C.- P(AUB)
D.- P(AC / BC)

2)

En un centro escolar los alumnos pueden optar por cursar como lengua extranjera inglés o
francés. En un determinado curso, el 90% de los alumnos estudia inglés y el resto francés.
El 30% de los que estudian inglés son chicos y de los que estudian francés son chicos el
40%. El elegido un alumno al azar, ¿cuál es la probabilidad de que sea chica?

110
ING. WIDMAR AGUILAR G
3)
Una clase consta de seis niñas y 10 niños. Si se escoge un comité de tres al
azar, hallar la probabilidad de:
1 Seleccionar tres niños.
2 Seleccionar exactamente dos niños y una niña.
3 Seleccionar por lo menos un niño.
4 Seleccionar exactamente dos niñas y un niño.

4)
En una clase en la que todos practican algún deporte, el 60% de los alumnos
juega al fútbol o al baloncesto y el 10% practica ambos deportes. Si además
hay un 60% que no juega al fútbol, cuál será la probabilidad de que
escogido al azar un alumno de la clase:

1 Juegue sólo al fútbol.


2 Juegue sólo al baloncesto.
3 Practique uno solo de los deportes.
4 No juegue ni al fútbol ni al baloncesto.

5)
Una urna contiene 5 bolas rojas y 8 verdes. Se extrae una bola y se
reemplaza por dos del otro color. A continuación, se extrae una segunda
bola. Se pide:

1 Probabilidad de que la segunda bola sea verde.


2 Probabilidad de que las dos bolas extraídas sean del mismo
color.

111
ING. WIDMAR AGUILAR G

TEOREMA DE BAYES:

Permite establecer la relación entre las probabilidades:

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

De:
𝑃(𝐴∩𝐵)
P(A/B) =
𝑃(𝐵)
𝑃(𝐴∩𝐵)
P(B/A) =
𝑃(𝐴)

Luego: P(A∩ 𝐵 = P(B).P(A/B) =P(A).P(B/A)

𝑃(𝐵).𝑃( 𝐴 / 𝐵)
P(B/A) =
𝑃(𝐴)

Cuando se conoce la probabilidad de B en cada uno de los n componentes de


un sistema exhaustivo y excluyente, entonces:

Su ocurre B, se puede calcular la probabilidad de ocurrencia de cada Ai.

112
ING. WIDMAR AGUILAR G

𝑃(𝐵∩𝐴𝑖 )
P(𝐴𝑖 /𝐵) =
𝑃(𝐵)
𝑃(𝐵∩𝐴𝑖 ).𝑃(𝐴𝑖 )
P(Ai/B) = 𝑃(𝐵∩𝐴1 ).𝑃(𝐴1 )+𝑃(𝐵∩𝐴2 ).𝑃(𝐴2 )±−−−−∓𝑃(𝐵∩𝐴𝑛 ).𝑃(𝐴𝑛 )

Un resumen de las formulas vistas es:

REGLA DE LAPLACE

COMPLEMENTARIO
P(AUB) = P(A) + P(B)
A Y B incompatibles
P(AUB) = P(A) + P(B) -P(A
UNION A Y B compatibles
P(A B) = P(A) . P(B)
A Y B independientes

P(A B) = P(A/B). P(B) = P(B/A). P(A)


INTERSECCION A Y B dependientes
A Y B independientes P(A/B) = P(A)

P/A/B) =
A Y B dependientes
P(B/A) =
CONDICIONAL

P/A/B) =
A Y B dependientes Y PROBA. De
intersección desconocida P(B/A) =

PROBABILIDAD TOTAL P(B) = P (B / + P (B / +---------------------

113
ING. WIDMAR AGUILAR G

Ejemplo:

La probabilidad de que un autobús que va de Ibarra a Quito sufra un


accidente en un día lluvioso es de 9% y en un día soleado del 0,5 %.
Durante un período de 15 días han habido 10 días soleados y 5 lluviosos.
Sabiendo que se ha producido un accidente en esos días. Cuál es la
probabilidad de que haya ocurrido el accidente:

a) En un día soleado
b) En un día lluvioso

A= accidente
S= soleado
L= lluvioso

𝑃(𝐴∩𝑆)∗𝑃(𝑆)
a) P(S/A) =
𝑃(𝐴∩𝐿).𝑃(𝐿)+𝑃(𝐴∩𝑠).𝑃(𝑠)

0,005∗2/3 0,0033
P(s/A) = 1 =0,03+0,0033 = 0,1
0,09∗( )+0,005∗2/3
3

𝑃(𝐴∩𝑙 )∗𝑃(𝐿)
b.-) P(L/A) =
𝑃(𝐴∩𝐿).𝑃(𝐿)+𝑃(𝐴∩𝑠).𝑃(𝑠)

114
ING. WIDMAR AGUILAR G
0,09∗1/3 0,03
.-) P(L/A) = 1 =0,03+0,0033 = 0,9
0,09∗( )+0,005∗2/3
3

115