Академический Документы
Профессиональный Документы
Культура Документы
CAPITULO 3
1) INTRODUCCIÓN
Decisiones frente a la incertidumbre.
Cual es la probabilidad de que este dispositivo funcione más de 100 horas?
En la mayoría de los problemas hay que tomar decisiones con base en experimentos: Experimentoas
aleatorios
EXPERIMENTO ALEATORIO
Los experimentos u operaciones reales o hipotéticos pueden dividirse en dos:
DETERMINÍSTICOS NO DETERMINÍSTICOS
Si los resultados del experimento están Si los resultados del experimento no puede
completamente determinados y puede predecirse con exactitud antes de realizar
escribirse por una formula matemática, el experimento
llamado también modelo determinísticos
Aspectos comunes de los experimentos:
- Cada experimento puede repetirse indefinidamente sin cambiar esencialmente las condiciones
- Cada experimento es no determinístico
- Cada experimento tiene varios resultados posibles que pueden describirse de antemano con
precisión
3) ESPACIO MUESTRAL
El espacio muestral asociado a un experimento aleatorio Ɛ, al conjunto de todos los resultados posibles
de dicho experimento aleatorio y se lo denota con el símbolo Ω
Ω = {1,2,3,4,5,6}
Existen 2 tipos de experimentos aleatorios:
SIMPLE COMPUESTO
Tabla de 2 entradas 2° M C S
1° M
Esta sirve para el caso de 2 C CC CS
experimentos simples S SC SS
Ɛ : Lanzar 2 dados simultáneamente y observar las caras superiores. Hallar el espacio de muestral.
1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Ω1 = {a1,a2,a3,…,a10} Ω1 = Ω2 = Ω3 = Ω2
Ω2 = {a1,a2,a3,…,a10} Ω = Ω1 X Ω2 X Ω3 X Ω2
Ω3 = {a1,a2,a3,…,a10}
Ω = Ω4
Ω4 = {a1,a2,a3,…,a10}
Ω = {(u,v,x,y) / u,v,x,y = a1,a2,a3,…,a10
Diagrama de árbol
Este también sirve para hallar
en espacio muestras de un
experimento aleatorio
compuesto
Ej.) Los artículos provenientes de una línea de producción se clasifican en defectuosos “D” y no
defectuosos “N” se observan los artículos y se anota su condición. Este proceso se continúa hasta
observar dos defectuosos consecutivos o hasta que se observen tres artículos no defectuosos. Describir el
espacio muestral asociado a este experimento.(10)
ESPACIO MUESTRAL DISCRETO
i) Finitos: i) Infinitos:
C C C C
S S S S ………
.
ESPACIO MUESTRAL CONTINUO
Se dice que un espacio muestral es continuo, si tienen un número no numerable de elementos. Es decir,
cuyos elementos son todos los puntos de algún intervalo.
En un laboratorio químico el volumen producido por día para un producto particular varia entre un valor
mínimo a y un valor máximo b, los cuales corresponden a la capacidad. Se escoge un día aleatoriamente y
se observa la cantidad producida. Escribir el espacio muestral.
Ω = {x ϵ ℝ /a ≤ x ≤ b}
EVENTOS
Dentro del espacio muestral existen subconjuntos y elementos, por lo tanto un evento es cualquier
subconjunto del espacio muestral, y se lo denotara con A,B,C,D……
𝐴 ⊂ Ω
Un evento es cualquier elemento de P(Ω)
SUCESO Es todo elemento de un espacio muestral y se lo denotara por: w,x,y….
𝑥 ∈ Ω
Un evento con un solo elemento, es un evento elemental: A= {w} es un evento elemental
A={2,4,6} A={D}
Ω = {1,2,3,4,5,6}
Experimento aleatorio de lanzar cuatro monedas simultáneamente. Definimos los eventos siguientes:
A1 : Todas las monedas muestran el mismo lado A1 = {CCCC, SSSS}
A⊂B, si w ϵ A wϵB
Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
Ω = {1,2,3,…….}
A = {20,21,22,23,…….}
A⊂B
B= {5,6,7,8……..}
Igualdad de eventos
Se dice que dos eventos A y B son iguales y se anota A=B si A⊂B y B⊂A.
Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
Ω = {1,2,3,…….}
A = {1,2,3,4,5,6,7,8,9,10}
A=B
B = {1,2,3,4,5,6,7,8,9,10}
Unión de eventos
Dado 2 eventos A y B, se llama unión de A con B y se denota con A U B al evento formado por los sucesos
que pertenecen a A ó a B ó a ambos, es decir si ocurre el evento A ó B ó ambos
A U B = { w ϵ Ω/ w ϵ A v w ϵ B}
Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
A: Se necesita un número par de lanzamientos
B: Se necesita mas de 10 lanzamientos
Ω = {1,2,3,…….}
A = {2,4,6,8,10,12,14,…..}
A U B = {2,4,6,8,10, 11, 12, 13….}
B = {11,12,13,14,15,16,…..}
Dado 2 eventos A y B, se llama intersección de de A con B y se denota con A ∩ B ó “AB” al evento formado
por todos los sucesos favorables a A y a B, es decir, ambos eventos A y B ocurren (la ocurrencia conjunta de
A y B)
A ∩ B = AB { w ϵ Ω/ w ϵ A Ʌ w ϵ B}
Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
A: Se necesita un número par de lanzamientos
B: Se necesita mas de 10 lanzamientos
Ω = {1,2,3,…….}
A = {2,4,6,8,10,12,14,…..}
A ∩ B = {10,12,14,16,18…..}
B = {11,12,13,14,15,16,…..}
Dado 2 eventos A y B, se llama diferencia de A con B y se denota con A - B al evento formado por los
sucesos favorables a A que no son favorables a B
A - B = { w ϵ Ω/ w ϵ A Ʌ w ∉ B}
Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
A: Se necesita un número par de lanzamientos
B: Se necesita mas de 10 lanzamientos
Ω = {1,2,3,…….}
A = {2,4,6,8,10,12,14,…..}
A - B = {2,4,6,8,10}
B = {11,12,13,14,15,16,…..} B - A = {11,13,15,17,……}
Complemento de eventos
ҧ Ω – A = {w ϵ Ω/w ∉ A}
A’ = 𝐴=
Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
A: Se necesita un número par de lanzamientos
B: Se necesita mas de 10 lanzamientos
Ω = {1,2,3,…….}
A’ = 𝐴ҧ = 1,3,5,7…...}
B’ = 𝐵ത = {1,2,3,4,5,6,7,8,9,10}
B⊂A
Leyes distributivas
TAREA
Producto cartesiano
Leyes de De Morgan
𝐴 ∪ 𝐵 = 𝐴ҧ ∩ 𝐵ത
𝐴 ∩ 𝐵 = 𝐴ҧ ∪ 𝐵ത
EVENTOS MUTUAMENTE EXCLUYENTES Y COLECTIVAMENTE EXHAUSTIVOS
Dos eventos A y B definidos en el mismo espacio muestral, se dice que son mutuamente excluyentes si no
pueden ocurrir juntos, es decir, la ocurrencia de uno excluye la ocurrencia del otro
A∩B=Φ
𝐴𝑖 ∩ 𝐴𝑗 = Φ ⩝ 𝑖 ≠ 𝑗; 𝑖, 𝑗 = 1,2, … . 𝑛
Se dice que una colección de n eventos A1 ,A2 …An, definidos sobre el mismo espacio muestral son
colectivamente exhaustivos si la unión es igual al espacio muestral, es decir,
A1 U A2 U A3……U An==𝑖𝑛ڂ1 𝐴𝑖 = Ω
5) TÉCNICAS DE CONTEO
En muchos casos solo estaremos interesados en el número de elementos que tienen un espacio muestral o un
evento en particular, en estas situaciones se recurrirá a las técnicas de conteo.
PRINCIPIO DE MULTIPLICACIÓN
TEOREMA: Si un experimento aleatorio (u operación) E1 ocurre de n1 formas, y si para cada una de estas, un
experimento u operación E2 ocurre de n2 formas, entonces los dos experimentos juntos ocurren de n1n2
formas.
Ejemplo: Cuantos elementos tiene el espacio muestral del experimento aleatorio “lanzar una moneda y un
dado simultáneamente?
Ejemplo: Una persona puede viajar de una ciudad A a otra B de 5 formas, y de B a C de 6 formas ¿de cuantas
formas puede ir de A a C pasando por B?
Ejemplo: Un producto se arma en tres etapas, para la primera etapa se tiene disponible 5 líneas de armado,
para la segunda 4 y para la tercera 6 líneas de armado. ¿De cuantas maneras puede moverse el producto en el
proceso de armado?
5 * 4 * 6 = 120
n1 = n2 =…= n6 n= 2 26 = 64
2) Sea N(A) denota el número de elementos de un conjunto A, supongamos que N(A) = m y N(B) = n. Entonces
el número de formar de seleccionar un elemento de A y un elemento de B es igual a mn
PRINCIPIO DE ADICIÓN
Una permutación es un
arreglo de todos o parte de
un conjunto de objetos.
Factorial de un número: Se define como el numero de todos los enteros consecutivos de 1 hasta “n” inclusive,
es decir:
n! = n (n-1)
Si n = 0 n! = 1
𝑃𝑛𝑛 P(n,n) n!
TEOREMA: El número de permutaciones de
n objetos diferentes tomados de r a r es:
𝑛!
𝑃𝑛𝑟 = nPr =
𝑛−𝑟 !
Para determinar el número de permutaciones, basta con fijar una posición de cualquiera de ellos, los (n-1)
restantes se podrán cambiar de lugar, de (n-1)! Formas diferentes tomando todas las posiciones sobre la
circunferencia relativa del primer punto
𝑃𝑐𝑟 = (n-1)!
PERMUTACIÓN CON REPETICIÓN
TEOREMA: El número de permutaciones distintas de n objetos de los cuales n1 son de una clase, n2 de una
segunda clase, ….. nk de una k-ésima clase y todo lo demás objetos de clase 1, se denota por 𝑃𝑛𝑛1,𝑛2,…..𝑛𝑘 y está
dado como: 𝑛!
𝑛1,𝑛2,…..𝑛𝑘
𝑃𝑛 =
𝑛1 ! 𝑛2 ! … … 𝑛𝑘 !
PARTICIÓN DE UN CONJUNTO
A menudo se necesita contar el número de formas de particionar un conjunto de n objetos diferentes en r
subconjunto , que se llaman celdas.
𝑛 𝑛!
=
𝑛1 , 𝑛2 , … 𝑛𝑟 𝑛1 ! 𝑛2 ! … … 𝑛𝑟 !
Donde el número superior representa el número total de elementos del conjunto y los números inferiores
representan al número de elementos asignados a cada celda.
𝑛 𝑛!
=
𝑛1 , 𝑛2 , … 𝑛𝑟 𝑛1 ! 𝑛2 ! … … 𝑛𝑟 !
COMBINACIÓN
Una combinación es el número de formas de seleccionar r objetos de n, sin importar el orden.
Definición
𝐶𝑛𝑟 o C(n,r)
b) n combinaciones n-1 elementos (combinaciones de los n elementos tomados de n-1 a n-1); es decir
𝐶𝑛𝑛−1 = 𝑛
Este número en 𝑛 𝑛!
𝑛! =
𝐶𝑛𝑟 = matemática tiene un 𝑟 𝑟! 𝑛−𝑟 !
𝑟! 𝑛−𝑟 !
símbolo especial
Llamado coeficiente binomial, porque aparece como coeficiente en el desarrollo del binomio (a+b)n
Una combinación de n elementos distintos tomados de a r, en realidad es una partición del conjunto en dos
subconjuntos (o celdas), donde una de ellas contiene r objetos y la otra las n-r restantes. Por lo tanto, el
número de tales combinaciones será el número de particiones, es decir:
𝑛 𝑛!
=
𝑟, 𝑛 − 1 𝑟! (𝑛 − 𝑟)!
“La probabilidad de un evento es la razón entre el número de casos (sucesos) favorables y el número total
de casos (sucesos) posibles, siempre que nada obligue a creer que algunos de estos sucesos debe tener
preferencia a los demás, lo que hace que todos sean igualmente posibles”.
Observaciones
1
4. Puesto que todos los elementos de Ω={w1, w2,…,wn} son igualmente probables, se tiene 𝑃 {𝑤𝑖} = , i=
𝑛
𝑛
1,2,…n y P[Ω] = σ𝑖=1 𝑃 𝑤𝑖 = 1
𝑛𝐴 𝑛Ω
3. = 1, si y solo si el evento A ocurre en las n repeticiones del experimento = 1.
𝑛 𝑛
𝑎
𝑃𝐴 =
𝑎+𝑏
𝑏
𝑃𝐴 =
La probabilidad de que A 𝑎+𝑏
Además, decir que las apuestas son no ocurrirá estará dada
a:b a favor del evento A es lo mismo por:
decir que las apuestas son b:a en
contra de A 𝑃 𝐴 = [1 − 𝑃 𝐴 ]
Probabilidad en espacios muestrales finitos
Otra opción es asignarle la probabilidad Pi a cada resultado wi, o sea, 𝑃𝑖 = 𝑃 𝑤𝑖 Tal que
1) Pi > 0, i= 1,2,3….,n
2) σ𝑛𝑖=1 𝑃𝑖 = σ𝑛1=1 𝑃 𝑤𝑖 =1
La suma de las probabilidades asignados a los puntos del espacio muestral es la unidad.
Se debe tener en cuenta que los posibles resultados w1,w2,….wn son mutuamente excluyentes y
colectivamente exhaustivos.
𝑃𝐴 = 𝑝𝑖 = 𝑃 𝑤𝑖
𝑖/𝑤𝑖 ∈𝐴 𝑤𝑖 ∈𝐴
6) AXIOMAS DE PROBABILIDAD Y PROPIEDADES
Indiferente de las definiciones, esta toma los siguientes axiomas, que son consecuencia inmediata de la
definición.
AX. 2 𝑃Ω =1
𝑘 𝑘
AX. 3
𝑃 ራ 𝐴𝑖 = 𝑃 𝐴𝑖
𝑖=1 𝑖=1
𝑃 𝐴ҧ = 1 − 𝑃 𝐴 ó 𝑃 𝐴 = 1 − 𝑃 𝐴ҧ
TEOREMA: Si A y B son eventos tales que A ⊂ B, entonces:
P[A] ≤ P[B]
TEOREMA: Si A y B son eventos tales en Ω entonces:
P[A U B] = P[A] + P[B] – P[A∩B]
La consecuencia importante de este teorema es la siguiente: P[A U B] ≤ P[A] + P[B], ya que P[A ∩ B] ≥ 0
Frecuentemente estaremos interesados en obtener la probabilidad de un evento, donde dicho evento esta
condicionado a la ocurrencia de un subconjunto del espacio muestral. Es decir, Se da que el evento B a
ocurrido, y se quiere saber la probabilidad que ocurra el evento A.
AX. 1 0 ≤ P[A\B] ≤ 1
AX. 2 P[Ω\B] = 1
𝑟 𝑘
AX. 3 P[A1 U A2 U….U An\B]= P[A1\B] + P[A2\B] …..+ P[An\B] 𝑃 ራ 𝐴𝑖 \B = 𝑃[𝐴𝑖 \B]
𝑖=1 𝑖=1
TEOREMA: P[Φ\B] = 0
TEOREMA: Para evento A se cumple que:
ҧ
𝑃 𝐴\B = 1 − 𝑃 𝐴\B ó ҧ
𝑃 𝐴\B = 1 − 𝑃 𝐴\B
TEOREMA: Si A ⊂ C, entonces: P[A\B] < P[C\B]
a) REGLA DE MULTIPLICACIÓN
De la definición de probabilidad condicional, obtenemos una fórmula para hallar la probabilidad de la
intersección ( o producto) de los eventos A y B, esto es:
Esta expresa la probabilidad de que ocurra los eventos A y B es igual a la probabilidad de ocurrencia de uno de
ellos multiplicado por la probabilidad de que ocurra el segundo, dado que el primero ha ocurrido, es decir:
𝑃[𝐴 ∩ 𝐵] 𝑃[𝐴 ∩ 𝐵]
𝑃[𝐴\B] = Si P[B] > 0 𝑃[𝐵\A] = Si P[A] > 0
𝑃[𝐵] 𝑃[𝐴]
P[A ∩ B]= P[B] P[A\B] = P[AB] P[A ∩ B]= P[A] P[B\A] = P[AB]
8) TEOREMA DE BAYES
a) Partición de un espacio muestral
Definición: Se dice la que la colección de eventos B1, B2, ……… Bk del espacio muestral Ω, si cumple las
siguientes condiciones:
b) Los eventos B1, B2, …… Bk son colectivamente
a) Los eventos B1, B2, ……… Bk son mutuamente
exhaustivos.
excluyentes.
𝑘
En símbolos Bi ∩ Bj = Φ i≠ j, i,j= 1,2,3,…..,k
ራ 𝐵𝑖 = Ω
c) P[Bi] > 0, i= 1,2,…k 𝑖=1
b) Teorema de Probabilidad Total
TEOREMA: Sea B1, B2, ……… Bk una partición del espacio muestral Ω, entonces para cualquier evento A en Ω,
se cumple: 𝑘
El diagrama de árbol de probabilidad, para experimentos sucesivos da una visión esquemática del teorema de
probabilidad total.
𝑃 𝐴\𝐵1 A …….B1A
ҧ 1
𝑃 𝐴\𝐵
B1 𝐴ҧ …….B1𝐴ҧ
P[B1] 𝑃 𝐴\𝐵2 A …….B2A
P[B2] B2
ҧ 2
𝑃 𝐴\𝐵 𝐴ҧ …….B2𝐴ҧ
Colorario 1: Si B es un evento en Ω tal que 0 < P[B] <1, entonces para cualquier evento A en Ω
ത 𝑃[𝐴\𝐵]
P[A] = P[B] P[A\B] + P[𝐵] ത
A …….BA
B 𝐵ത
A
𝑃𝐵 B ത
𝐴ҧ … . . . 𝐵A
A AB 𝐴𝐵ത
𝐵ത
𝑃 𝐵ത 𝐴ҧ
TEOREMA DE PROBABILIDAD TOTAL, DE LA PROBABILIDAD CONDICIONAL: Sean B1, B2, ……… Bk eventos que
forman una partición del espacio muestras Ω, y sean A y E eventos, entonces:
𝑃 𝐸\𝐴𝐵1 E …….AB1E
B1 𝐸ത
P[B1\A] 𝑃 𝐸\𝐴𝐵2 E …….AB2E
B2
𝐸ത
A
P[Bk\A ]
𝑃 𝐸\A𝐵𝑘 E …….ABkE
Bk
c) Teorema de Bayes
TEOREMA: Si los eventos B1, B2, ……… Bk forman una partición del espacio muestral Ω y A es un evento
cualquiera de Ω, entonces:
Colorario 2: Si A y B son eventos en Ω tales P[A] > 0 y que 0 < P[B] <1, entonces:
𝑃 𝐵 𝑃[𝐴\B]
𝑃 𝐵𝑟 \𝐴 =
𝑃 𝐵 𝑃 𝐴\B + 𝑃 𝐵ത 𝑃[𝐴\𝐵]
ത
9) EVENTOS INDEPENDIENTES Y SECUENCIA DE EXPERIMENTOS INDEPENDIENTES
Hay muchos casos donde los eventos están totalmente sin conexión, y la ocurrencia de uno de ellos no
cambia la probabilidad de la ocurrencia del otro, en este caso se dicen que son eventos independientes.
Es decir, los eventos A y B son independientes, , si la ocurrencia de uno de ellos no afecta la probabilidad de
la ocurrencia del otro. En sim bolos significa:
Los eventos independientes son llamados algunas veces, Estadísticamente independientes, estocásticamente
independientes o independientes en el sentido probabilístico.
ഥ y B son independientes
ii) A
ഥyB
iii) A ഥ son independientes
NOTA: En la práctica existen muchas situaciones donde no se puede con facilidad determinar si dos eventos
son independientes; sin embargo en muchos casos los requerimientos puede justificarse intuitivamente de
la consideración física del experimento.
P[A C] = P[A]P[C]
P[A U B U C] = P[A] + P[B] + P[C] - P[A]P[B] - P[A]P[C] - P[B]P[C] + P[A] P[B] P[C]
CONFIABILIDAD: La confiabilidad de un sistema “Cs” se define como la probabilidad que el sistema funciona
satisfactoriamente para un intervalo de tiempo especificado en las mismas condiciones.
a) Para un sistema en serie, consideraremos los siguientes eventos:
P1 P2 P3
Cs = 1 −P[𝐸ത1 ]P[𝐸ത2 ]
2) σ∞
1=1 𝑃𝑖 = 1
En los espacios muestrales discretos, todos los subconjuntos de llaman eventos, y se les puede asignar
probabilidades. Pero en el espacio muestral continuo, pueden construirse subconjuntos de un espacio
muestral que no son eventos, por lo tanto cualquier asignación de probabilidad que se les haga es
inconsistente con los axiomas de probabilidad.
El tipo de espacio muestral continuo que tiene sus elementos de la misma verosimilitud, es decir, la
probabilidad que un punto ocurre en un subconjunto de Ω es proporcional a la longitud del sub intervalo.
Definición: La probabilidad de un espacio muestral continuo es la razón entre la longitud del evento “lA” y
la longitud del espacio muestral “l Ω” ó “l(Ω) ”
𝑙𝐴
𝑃𝐴 =
𝑙Ω