Академический Документы
Профессиональный Документы
Культура Документы
ESTADÍSTICA Y PROBABILIDADES
DOCENTE:
ALUMNO:
CODIGO:
2018224421
N° DE ORDEN:
40
PRÁCTICA DIRIGIDA Nº3.1
ANALISIS COMBINATORIO
por definición: 0! = 1
EJERCICIO DE APLICACIÓN
Sean:
1! = 1
3! = 3 x 2 x 1 = 6
6! = 6 x 5 x 4 x 3 x 2 x 1 = 720
3.1.2 PERMUTACION (𝒏 𝑷 𝒓 )
Una permutación de n objetos diferentes tomados de r en e es una
ordenación de r objetos entre los n dados. Es decir, la cantidad de
maneras en que se pueden disponer en términos de orden:
FORMULA:
𝐧!
𝐧𝐏𝐫 =
(𝐧 − 𝐫)!
EJERCICIO DE APLICACIÓN.
𝟏𝟎!
𝟏𝟎 𝐏 𝟑 =
(𝟏𝟎 − 𝟑)!
10 𝐏 𝟑 = 𝟕𝟐𝟎
3.1.3 COMBINACION: 𝒏 𝑪 𝒓
Se llama combinación de n elementos tomados r en r, a los grupos que se
pueden formar con esos elementos, tomados de r en r, tal que, dos grupos
se consideran distintos únicamente cuando tienen algún elemento
diferente. Por lo tanto, el interés de las combinaciones siempre se
relaciona con el número de diferentes subgrupos que pueden formarse
con n objetos.
FORMULA:
EJERCICIO DE APLICACIÓN.
𝐧!
𝐧𝐂𝐫 =
𝐫! (𝐧 − 𝐫)!
𝟏𝟎!
𝟏𝟎 𝐂 𝟑 =
𝟑! (𝟏𝟎 − 𝟑)!
𝟏𝟎 𝐂 𝟑 = 𝟏𝟐𝟎
ENFOQUES DE PROBABILIDADES
3.2.1 ENFOQUE CLASICO
a= posibilidades favorables
b= posibilidades desfavorables
𝑆 = { 1,2,3,4,5,6}
𝑎
𝑃 (𝐴) =
𝑎+𝑏
1
𝑃 (𝑥 = 5) =
1+5
1
𝑃 (𝑥 = 5) =
6
EJERCICIO DE APLICACIÓN:
CLASES fi hi f ideal
SELLO 52 0.52 0.50
CARA 48 0.48 0.50
TOTAL 100 1,00 1,00
EJERCICIO DE APLICACIÓN
5
𝑥 100000 = 5000
100
20
𝑥 5000 = 10000
100
100000 + 10000 = 110000
EJERCICIO DE APLICACIÓN
TABLA N° 1
H M
MENOS DE 60 50 110
20
20 A MAS 80 10 90
DESARROLLO:
H M
𝟔𝟎
1. 𝐏(𝐀) = = 𝟎. 𝟑
𝟐𝟎𝟎
𝟖𝟎
2. 𝐏(𝐁) = = 𝟎. 𝟒
𝟐𝟎𝟎
𝟓𝟎
3. 𝐏(𝐂) = = 𝟎. 𝟐𝟓
𝟐𝟎𝟎
𝟏𝟎
4. 𝐏(𝐃) = = 𝟎. 𝟎𝟓
𝟐𝟎𝟎
𝟏𝟒𝟎
5. 𝐏(𝐄) = = 𝟎. 𝟕
𝟐𝟎𝟎
𝟔𝟎
6. 𝐏(𝐅) = = 𝟎. 𝟑
𝟐𝟎𝟎
PRACTICA DIRIGIDA 3.4
PROBABILIDAD CONDICIONAL
3.4.1 DEFINICION
𝐀 𝐏(𝐀 ∩ 𝐁)
𝐏( ) =
𝐁 𝐏(𝐀
EJERCICIO DE APLICACIÓN:
GRADO CON
ACADEMICO MAESTRIA SIN TOTAL
EXPERIENCIA MAESTRIA
CON 7 8 15
EXPERIENCIA
DOCENTE
SIN 6 4 10
EXPERIENCIA
DOCENTE
TOTAL 13 12 25
Hallar:
DESARROLLO:
𝟏𝟓
1. 𝐏(𝐀) = = 𝟎. 𝟔
𝟐𝟓
𝟏𝟑
2. 𝐏(𝐁) = = 𝟎. 𝟓𝟐
𝟐𝟓
𝟕
3. 𝐏(𝐂) = = 𝟎. 𝟒𝟔𝟔
𝟏𝟓
𝟔
4. 𝐏(𝐃) = = 𝟎. 𝟔
𝟏𝟎
𝟖
5. 𝐏(𝐄) = = 𝟎. 𝟓𝟑𝟑𝟑
𝟏𝟓
PRACTICA DIRIGIDA 3.5
TEOREMA DE BAYES
3.5.1 DEFINICION
𝐁
𝐀𝐢 𝐏(𝐀𝐢 )𝐏 ( )
𝐀𝐢
𝐏( ) =
𝐁 𝐁 𝐁 𝐁
𝐏(𝐀𝟏 )𝐏 ( ) + 𝐏(𝐀𝟐 )𝐏 ( ) + ⋯ 𝐏(𝐀𝐧 )𝐏 ( )
𝐀𝟏 𝐀𝟐 𝐀𝐧
𝐁
𝐏(𝐀 )𝐏 (
𝐀𝐢 𝐢 𝐀𝐢 )
𝐏( ) =
𝐁 𝐁
∑𝐧𝐢=𝟏 𝐏(𝐀𝐢 )𝐏 ( )
𝐀𝐢
EJERCICIO DE APLICACIÓN:
𝐀𝐢
𝐏( )
𝐁
𝐁
𝐏(𝐀𝟏 )𝐏 ( )
𝐀𝟏
=
𝐁 𝐁 𝐁 𝐁 𝐁
𝐏(𝐀𝟏 )𝐏 ( ) + 𝐏(𝐀𝟐 )𝐏 ( ) + 𝐏(𝐀𝟑 )𝐏 ( ) + 𝐏(𝐀𝟒 )𝐏 ( ) + 𝐏(𝐀𝟓 )𝐏 ( )
𝐀𝟏 𝐀𝟐 𝐀𝟑 𝐀𝟒 𝐀𝟓
𝐀𝐢
𝐏( )
𝐁
𝟐𝟎𝟎 𝟓𝟎
𝐱
= 𝟑𝟎𝟎𝟎 𝟐𝟎𝟎
𝟐𝟎𝟎 𝟓𝟎 𝟑𝟎𝟎 𝟒𝟎 𝟏𝟎𝟎𝟎 𝟑𝟎𝟎 𝟖𝟎𝟎 𝟖𝟎 𝟕𝟎𝟎 𝟑𝟎
𝐱 + 𝐱 + 𝐱 + 𝐱 + 𝐱
𝟑𝟎𝟎𝟎 𝟐𝟎𝟎 𝟑𝟎𝟎𝟎 𝟑𝟎𝟎 𝟑𝟎𝟎𝟎 𝟏𝟎𝟎𝟎 𝟑𝟎𝟎𝟎 𝟖𝟎𝟎 𝟑𝟎𝟎𝟎 𝟕𝟎𝟎
𝟓𝟎
𝐀𝐢 𝟓𝟎
𝐏 ( ) = 𝟑𝟎𝟎𝟎 = = 𝟎. 𝟏
𝐁 𝟓𝟎𝟎 𝟓𝟎𝟎
𝟑𝟎𝟎𝟎
𝟕𝟎𝟎 𝟑𝟎
𝐱
𝐏(𝐄) = 𝟑𝟎𝟎𝟎 𝟕𝟎𝟎 = 𝟑𝟎/𝟑𝟎𝟎𝟎 = 𝟑𝟎 = 𝟎. 𝟎𝟔
𝟓𝟎𝟎 𝟓𝟎𝟎/𝟑𝟎𝟎𝟎 𝟓𝟎𝟎
𝟑𝟎𝟎𝟎
DESARROLLO:
𝐵
𝐴𝑖 𝑃(𝐴1 )𝑃 (𝐴 )
1
𝑃( ) =
𝐵 𝐵 𝐵 𝐵
𝑃(𝐴1 )𝑃 (𝐴 ) + 𝑃(𝐴2 )𝑃 (𝐴 ) + 𝑃(𝐴3 )𝑃 (𝐴 )
1 2 3
50 3
𝐴𝑖 100 𝑥 100
𝑃( ) =
𝐵 50 3 30 4 20 5
100 𝑥 100 + 100 𝑥 100 + 100 𝑥 100
𝐴𝑖 0.5 𝑥 0.03
𝑃( ) =
𝐵 0.5 𝑥 0.3 + 0.3 𝑥 0.04 + 0.2 𝑥 0.05
𝐴𝑖 0.015 0.015
𝑃( ) = = = 0.4054
𝐵 0.015 + 0.012 + 0.01 0.037
3.6.1 DEFINICION
FORMULA:
𝐧!
𝐏(𝐱) = 𝐩𝐱 ∗ 𝐪𝐧−𝐱
𝐱! (𝐧 − 𝐱)!
Donde:
PROPIEDADES
MEDIA: 𝜇 = 𝑛 ∗ 𝑝
VARIANZA:𝑆 2 = 𝑛 ∗ 𝑝 ∗ 𝑞
DESVIACION ESTANDAR:𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞
EJERCICIO DE APLICACIÓN:
DESARROLLO:
Datos:
- x =4
- n =5
- p=½
- q=½
SOLUCION:
𝐧!
𝐏(𝐱) = 𝐩𝐱 ∗ 𝐪𝐧−𝐱
𝐱! (𝐧 − 𝐱)!
𝟓!
𝐏(𝐱 = 𝟒) = 𝟏/𝟐𝟒 ∗ 𝟏/𝟐𝟓−𝟒
𝟒! (𝟓 − 𝟒)!
𝟓
𝐏(𝐱 = 𝟒) =
𝟑𝟐
𝐏(𝐱 = 𝟒) = 𝟎. 𝟏𝟓𝟔𝟐𝟓
EJERCICIO DE APLICACIÓN
- n=50
- p=0.5 (cara)
- q=0.5 (sello)
1. La media
MEDIA: 𝜇 = 𝑛 ∗ 𝑝
𝛍=𝐧∗𝐩
𝛍 = 𝟓𝟎 ∗ 𝟎. 𝟓
𝛍 = 𝟐𝟓
2. La varianza
VARIANZA: 𝑆 2 = 𝑛 ∗ 𝑝 ∗ 𝑞
𝐒𝟐 = 𝐧 ∗ 𝐩 ∗ 𝐪
𝐒 𝟐 = 𝟓𝟎 ∗ 𝟎. 𝟓 ∗ 𝟎. 𝟓
𝐒 𝟐 = 𝟏𝟐. 𝟓
3. La desviación estándar
DESVIACION ESTANDAR:
𝛔 = √𝐧 ∗ 𝐩 ∗ 𝐪
𝛔 = √𝐧 ∗ 𝐩 ∗ 𝐪
𝛔 = √𝟓𝟎 ∗ 𝟎. 𝟓 ∗ 𝟎. 𝟓
𝛔 = 𝟑. 𝟓𝟒
EJERCICIO DE APLICACIÓN
La probabilidad de que un estudiante se gradué es 0.4. Determinar la
probabilidad de que de 8 estudiantes:
1. 2 se gradúen
Datos:
- n=8
- p=0.4
- q=0.6
SOLUCION:
𝟖!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟒𝟐 ∗ 𝟎. 𝟔𝟖−𝟐
𝟐! (𝟖 − 𝟐)!
𝟖𝐱𝟕𝐱𝟔!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟒𝟐 ∗ 𝟎. 𝟔𝟔
𝟐𝐱𝟏𝐱𝟔!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟐𝟎𝟗𝟎𝟏𝟖𝟖𝟖
EJERCICIO DE APLICACIÓN
La probabilidad de los padres con cierto color de ojos azul café tengan
un hijo con ojos azules es 0.2
Datos:
- n=6
- p=0.2
- q=0.8
SOLUCION:
𝐧!
𝐏(𝐱) = 𝐩𝐱 ∗ 𝐪𝐧−𝐱
𝐱! (𝐧 − 𝐱)!
𝟔!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟐𝟐 ∗ 𝟎. 𝟖𝟔−𝟐
𝟐! (𝟔 − 𝟐)!
𝟔𝐱𝟓𝐱𝟒!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟐𝟐 ∗ 𝟎. 𝟖𝟒
𝟐𝐱𝟏𝐱𝟒!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟐𝟒𝟓𝟕𝟔
Probabilidad total: 1
Datos:
- n=6
- p=0.2
- q=0.8
𝟔!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟐𝟐 ∗ 𝟎. 𝟖𝟔−𝟐
𝟐!(𝟔−𝟐)!
𝟔𝐱𝟓𝐱𝟒!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟐𝟐 ∗ 𝟎. 𝟖𝟒
𝟐𝐱𝟏𝐱𝟒!
𝐏(𝐱 = 𝟐) = 𝟎. 𝟐𝟒𝟓𝟕𝟔
𝟔!
𝐏(𝐱 = 𝟎) = 𝟎. 𝟐𝟎 ∗ 𝟎. 𝟖𝟔−𝟎
𝟎!(𝟔−𝟎)!
𝟔!
𝐏(𝐱 = 𝟎) = 𝟎. 𝟐𝟎 ∗ 𝟎. 𝟖𝟔
𝟏𝐱𝟔!
𝐏(𝐱 = 𝟎) = 𝟎. 𝟐𝟔𝟐𝟏𝟒𝟒
𝟔!
𝑷(𝒙 = 𝟏) = 𝟎. 𝟐𝟏 ∗ 𝟎. 𝟖𝟔−𝟏
𝟏!(𝟔−𝟏)!
𝟔𝒙𝟓!
𝑷(𝒙 = 𝟏) = 𝟎. 𝟐𝟏 ∗ 𝟎. 𝟖𝟓
𝟏𝒙𝟓!
𝑷(𝒙 = 𝟏) = 𝟎. 𝟑𝟗𝟑𝟐𝟏𝟔
𝟏 − {𝟎. 𝟗𝟎𝟏𝟏𝟐}
0.09888
3. Probabilidad total
𝟔!
𝑷(𝒙 = 𝟑) = 𝟎. 𝟐𝟑 ∗ 𝟎. 𝟖𝟔−𝟑
𝟑!(𝟔−𝟑)!
𝟔𝒙𝟓𝒙𝟒𝒙𝟑!
𝑷(𝒙 = 𝟑) = 𝟎. 𝟐𝟑 ∗ 𝟎. 𝟖𝟑
𝟑𝒙𝟐𝒙𝟏𝒙𝟑!
𝑷(𝒙 = 𝟑) = 𝟎.08192
𝟔!
𝑷(𝒙 = 𝟒) = 𝟎. 𝟐𝟒 ∗ 𝟎. 𝟖𝟔−𝟒
𝟒!(𝟔−𝟒)!
𝟔𝒙𝟓𝒙𝟒𝒙𝟑𝒙𝟐!
𝑷(𝒙 = 𝟒) = 𝟎. 𝟐𝟒 ∗ 𝟎. 𝟖𝟐
𝟒𝒙𝟑𝒙𝟐𝒙𝟏𝒙𝟐!
𝑷(𝒙 = 𝟒) = 𝟎.01536
𝟔!
𝐏(𝐱 = 𝟓) = 𝟎. 𝟐𝟓 ∗ 𝟎. 𝟖𝟔−𝟓
𝟓!(𝟔−𝟓)!
𝟔𝐱𝟓!
𝐏(𝐱 = 𝟓) = 𝟎. 𝟐𝟓 ∗ 𝟎. 𝟖𝟏
𝟓!𝐱𝟏
𝐏(𝐱 = 𝟓) = 𝟏. 𝟓𝟑𝟔𝐱𝟏𝟎−𝟑
𝟔!
𝐏(𝐱 = 𝟔) = 𝟎. 𝟐𝟔 ∗ 𝟎. 𝟖𝟔−𝟔
𝟔!(𝟔−𝟔)!
𝟔!
𝑷(𝒙 = 𝟔) = 𝟎. 𝟐𝟔 ∗ 𝟎. 𝟖𝟎
𝟏𝒙𝟔!
𝑷(𝒙 = 𝟔) = 𝟔. 𝟒𝒙𝟏𝟎−𝟓
𝑷𝑻 = 𝟏. 𝟎𝟎
DISTRIBUCION DE POISSON
3.7.1. DEFINICION
FORMULA:
𝛌𝐱 ∗ 𝐞−𝛌
𝐏(𝐱) =
𝐱!
Donde:
DESARROLLO:
Datos:
- n: 100
- x=2
- p=0.05
- q=0.95
- λ= n*p
- λ=100 *0.05 - λ=5
Solución:
𝟓𝟐 ∗ 𝐞−𝟓
𝐏(𝐱 = 𝟐) =
𝟐!
𝟐𝟓 ∗ 𝟎. 𝟎𝟎𝟔𝟕𝟑𝟖
𝐏(𝐱 = 𝟐) =
𝟐∗𝟏
𝐏(𝐱 = 𝟐) = 𝟎. 𝟎𝟖𝟒
EJERCICIO DE APLICACIÓN:
Datos:
- n=1000
- p=0.005
- λ= n*p
- λ= 1000*0.005
- λ= 5
1. 2 fallas en 1000 vuelos
𝛌𝐱 ∗ 𝐞−𝛌
𝐏(𝐱) =
𝐱!
𝟓𝟐 ∗ 𝐞−𝟓
𝐏(𝐱 = 𝟐) =
𝟐!
𝟐𝟓 ∗ 𝟎. 𝟎𝟎𝟔𝟕𝟑𝟖
𝐏(𝐱 = 𝟐) =
𝟐∗𝟏
𝐏(𝐱 = 𝟐) = 𝟎. 𝟎𝟖𝟒𝟐𝟓
𝑷(𝟐 ≤ 𝑿 ≤ 𝟏𝟎𝟎𝟎)
𝟓𝟏 ∗ 𝒆−𝟓
𝑷(𝒙 = 𝟏) =
𝟏!
𝑷(𝒙 = 𝟏) = 𝟎. 𝟎𝟑𝟑𝟕
𝟓𝟎 ∗ 𝒆−𝟓
𝑷(𝒙 = 𝟎) =
𝟎!
𝑷(𝒙 = 𝟎) = 𝟎. 𝟎𝟎𝟔𝟕𝟒
𝟏 − { 𝟎. 𝟎𝟎𝟔𝟕𝟒 + 𝟎. 𝟎𝟑𝟑𝟕}
=0.9556
3. Menos de 2 fallas
𝑷(0 ≤ X ≤ 1)