Академический Документы
Профессиональный Документы
Культура Документы
TEORA DE PROBABILIDAD
Competencias:
Al terminar este captulo, el alumno deber estar en capacidad de:
Por ejemplo:
1: Lanzar una moneda sobre una meza es un experimento aleatorio;
unas veces resulta cara, otras veces sello.
2: Lanzar un dado y observar el nmero que aparece en la cara
superior.
3: Extraer con o sin reemplazamiento, bolas de una urna que
contiene 5 bolas blancas y 6 negras.
4: Extraer un artculo de un lote que contiene artculos defectuosos y
no defectuosos.
5 : Elegir un delegado de 50 personas; etc.
2.2.2 ESPACIO MUESTRAL O ESPACIO MUESTRA
Es un conjunto formado por todos los resultados posibles
diferentes de un determinado experimento aleatorio. Lo denotaremos
por la letra griega mayscula (omega).
Cada resultado posible de un experimento aleatorio es un elemento
del espacio muestral. A cada elemento del espacio muestral se
denomina tambin punto muestral.
Ejemplo 2.1
Si lanzamos un dado y se observa el nmero que aparece en la cara
superior. Entonces el espacio muestral asociado al experimento ser
= {1, 2, 3, 4, 5, 6 }. El tiene 6 elementos unidimensionales.
Ejemplo 2.2
Si , consiste en lanzar dos monedas, existen 4 posibles resultados
mutuamente excluyentes: nk = 22 = 4.
= {cc, cs, sc, ss}. El tiene 4 elementos bidimensionales.
2.2.4 SUCESO O EVENTO
Se denomina suceso o evento, a cada uno de los posibles
resultados de un experimento. O, un suceso o evento de un
experimento aleatorio , es cualquier subconjunto del espacio
muestral discreto . Generalmente se denota por las letras
maysculas A, B, C, D, E, etc.
Ejemplos 2.5
1 : Lanzar un dado y observar el nmero que aparece en la cara
superior.
Ejemplos 2.6
Los eventos pasar y reprobar, con respecto a un examen
determinado, son mutuamente excluyentes; puesto que ninguna
persona puede al mismo tiempo, pasar y reprobar un examen.
n1 n2 n3 . . . nk formas diferentes.
c) Por otra parte, si el nmero de formas que puede presentarse
cada suceso es el mismo; esto es si: n = n1 = n2 = n3 = . . . = nk ,
entonces el nmero de maneras para k sucesos es:
nk
Ejemplo 2.11
Cuntos elementos tiene el espacio muestral del experimento
aleatorio: Lanzar un dado y una moneda simultneamente?
Solucin.-
El dado ocurre de 6 formas, es decir: n1 = 6, y para cada una de stas,
la moneda ocurre de 2 formas, o sea n2 = 2. Por loa tanto, el dado y la
moneda al ser lanzados simultneamente ocurren de: n1 n2 = 6 x 2
= 12 formas diferentes. Es decir, el espacio muestral tiene 12
elementos. La demostracin es:
Dado: 1 2 3 4 5 6 n (A) = 6
Moneda: c s c s c s c s c s c s n (B) = 2
Ejemplo 2.12
Una persona desea construir su casa, para lo cual considera que
puede construir los cimientos de su casa de cualquiera de las dos
maneras (concreto o block de cemento), mientras que las paredes las
puede hacer de adobe, adobn o ladrillo, el techo puede ser de
concreto o lmina galvanizada y por ltimo los acabados los puede
realizar de una sola manera; cuntas maneras tiene sta persona de
construir su casa?
Solucin.-
Considerando que r = 4 pasos.
n1 = maneras de hacer cimientos = 2
n2 = maneras de construir paredes = 3
n3 = maneras de hacer techos = 2
n4 = maneras de hacer acabados = 1
nPn = n!
Ejemplo 2.16
El nmero de permutaciones de los elementos del conjunto {a, b, c}
tomados de 3 en 3 (o todos a la vez), es:
3P3 = 3! = 3 x 2 x 1 = 6
Estas 6 permutaciones son:
abc, bac, cab
acb, bca, cba
Ejemplo 2.17
El nmero de permutaciones de los elementos del conjunto {a, b, c}
tomados de 2 en 2, es:
3!
3 P2 3x 2 6
(3 - 2)!
5!
5 P2 5 x 4 20 maneras.
(5 - 2) !
n!
n Cr
r ! (n - r ) !
Ejemplo 2.21
Suponga que para formar un comit se va a elegir a tres miembros de
una organizacin social pequea que tiene en total 10 miembros. El
nmero de grupos diferentes de tres personas que podran elegirse,
sin importar el orden diferente en el que cada uno de los grupos
pueda ser conformado, es:
10 ! (10) (9) (8) (7 ! ) 720
10 C 3 120 grupos.
3 ! (10 - 3) ! 3 ! (7 ! ) 6
Ejemplo 2.22
En una oficina trabajan 8 hombres y 3 mujeres. De cuntas maneras
se pueden escoger un grupo compuesto de 3 hombres y 2 mujeres?
Solucin.-
De 8 hombres se pueden escoger 3 de ( 8 ) maneras.
3
3
.De 3 mujeres se pueden escoger 2 de ( ) maneras.
2
Luego, el comit de 5 personas de 3 hombres y 2 mujeres, se puede
elegir de:
8! 3! 8 x 7 x 6 x 5! 3 x 2!
( 83 ) ( 32 ) x x 56 x 3 168 maneras
3! (8 - 3)! 2! (3 - 2)! 3 ! 5! 2!1!
()
= = (. )
()
Ejemplo 2.23
Si se lanza una moneda 3 veces. Calcular la probabilidad que
ocurran: a) dos caras; b) al menos dos caras; y c) a lo ms dos caras.
Solucin.-
El experimento aleatorio es lanzar una moneda 3 veces. El espacio
muestral asociado a este experimento, tiene nk = 23 = 8 elementos;
esto es:
= {ccc, ccs, csc, css, scc, scs, ssc, sss} n ( ) = 8
a) Sea el evento A: ocurra dos caras.
3
A = {ccs, csc, scc} n (A) = 3 P(A) =
8
b) Sea el evento B: ocurra al menos dos caras.
4 1
B = {ccc, ccs, csc, scc} n (B) = 4 P(B) =
8 2
c) Sea el evento C: ocurra a lo ms dos caras.
7
C = { ccs, csc, css, scc, scs, ssc, sss} n (C) = 7 P(C) =
8
Ejemplo 2.24
De cinco funcionarios: a, b, c, d, e; se elige una comisin de tres
miembros.
i ) Detallar el espacio muestral asociado al experimento.
ii) En base al espacio muestral ; determinar los sucesos:
a sea integrante de la comisin.
a o b sean seleccionados.
a y b sean seleccionados.
a no sea seleccionado.
As mismo, determinar el nmero de elementos y sus respectivas
probabilidades.
Solucin.-
b) El espacio muestral asociado al experimento, de entre cinco miembros
elegir tres:
= {abc, abd, abe, acd, ace, ade, bcd, bce, bde, cde}
5!
Entonces, n( ) = 10 n( ) = 5 C 3 10
3! (5 - 3)!
Determinando los sucesos:
B = {abc, abd, abe, acd, ace, ade, bcd, bce, bde} n(B) = 9
n( B ) 9
P( B)
n() 10
Ejemplo 2.27
Una muestra aleatoria de 10 empresas que emplean un total de
10 000 personas, demostr que ocurrieron 500 accidentes de trabajo
durante un periodo reciente de 12 meses. Determinar la probabilidad
de un accidente de trabajo en una industria determinada.
Solucin.- Se tiene:
n = 10 000, nmero de veces que se repite el experimento.
Sea el evento A : un accidente de trabajo en la industria
determinada.
Entonces: n (A) = 500. 500
Por lo tanto: P( A) 0,05
10 000
2.5.3 EL SUBJETIVO
Se basa en la idea de que la probabilidad que una persona o
investigador da a un suceso, debe depender de su juicio y experiencia
personal; es decir el grado de confianza que tiene, en que el suceso
ocurra, con base en toda evidencia a su disposicin; pudiendo dar dos
personas distintas, probabilidades diferentes a un mismo suceso.
Ejemplo 2.30
Debido a los impuestos y a los posibles usos alternativos de sus
fondos, un inversionista a determinado que la compra de terrenos
vale la pena slo si existe una probabilidad de cuando menos 0,90 de
que el terreno obtenga plusvala por 50 % o ms en los prximos 4
aos. Al evaluar un determinado terreno, el inversionista estudia los
cambios en los precios en el rea en aos recientes, considera los
niveles corrientes de precios, estudia el estado corriente y futuro
probable de los proyectos de desarrollo inmobiliarios y revisa las
estadsticas referentes al desarrollo econmico del rea geogrfica
global.
Con base en esta revisin, concluye que existe una probabilidad de
aproximadamente 0,75 de que se d la plusvala que requiere. Como
esta probabilidad es menor que la mnima que requiere, (0,90), no
debe llevarse a cabo la inversin.
Adems: = {A , B, C, D}
Ejemplo 2.36
En una empresa comercial trabajan 8 hombres y 18 mujeres, de los
cuales la mitad de los hombres y la mitad de las mujeres han nacido
en Arequipa. Determine la probabilidad de que un trabajador elegido
al azar sea hombre o que haya nacido en Arequipa.
Solucin.- Sean los eventos:
A : el trabajador sea hombre. P(A) = 8/26
B : trabajador nacido en Arequipa. P(B) = 4 + 9 /26 = 13/26
A B : trabajador sea hombre y nacido en Arequipa.
P(A B) = 4/26
Ejemplo 2.37
Los resultados obtenidos de 266 muestras de aire se clasifican segn la presencia o
no de dos molculas raras. En 212 muestras de aire no hay ninguna de esas
molculas, en 24 slo est presente la molcula 1, en 18 slo la molcula 2, y en 12
estn presentes las dos simultneamente.
Solucin.- Definimos los siguientes sucesos:
A : En la muestra est presente la molcula 1
B : En la muestra est presente la molcula 2
Los datos tabulados son:
A Ac
B 12 18 30
Bc 24 212 236
36 230 266
Calculamos las siguientes probabilidades:
Se observa que efectivamente las molculas rara vez aparecen, pero cuando
aparecen suelen hacerlo juntas.
2.8 PROBABILIDAD CONDICIONAL
Definicin.- Sean A y B dos sucesos, tal que P(B) > 0 ; la probabilidad
condicional de que ocurra el suceso A, dado que ha ocurrido el suceso B; se le
define por:
P A
B
P( A B )
P( B)
(2.14)
n( A B) n( B)
P( A B) ; P( B) ; reemplazando en (14), se tiene:
n() n()
n (A B)
P( A B ) n ( ) n ( A B)
P(A / B) =
P( B) n (B) n ( B)
n ( )
B
P A
n ( A B)
n ( B)
(2.14)
Ejemplo 2.39
Segn las estadsticas, la probabilidad de que un auto que llega a
cierta gasolinera cargue gasolina es de 0,79; mientras que la
probabilidad de que ponga aceite al motor es de 0,11 y la probabilidad
de que ponga gasolina y aceite al motor es de 0,07. a) Si un auto
carga gasolina; cul es la probabilidad de que ponga aceite?; b) Si
un auto pone aceite al motor; cul es la probabilidad de que ponga
gasolina?.
Solucin.- Sean los eventos:
G : de que un auto cargue gasolina P(G) = 0,79
A : de que un auto ponga aceite al motor P(A) = 0,11
A G : de que un auto ponga gasolina y aceite P(A G) = 0,07
B
P A
P ( A B)
P( B)
P (B) > 0 (1)
A
P B
P ( A B)
P ( A)
P (A) > 0 (2)
;
Multiplicando ambos miembros de la expresin (1) por P (B), y por P
(A) la expresin (2), se obtiene las ecuaciones siguientes:
B
P (A B) = P (B) P A
P (A B) = P (A) P B
A
Este resultado, se denomina Regla de Multiplicacin o probabilidad de
la Interseccin.
P( A B C ) P ( A) P B A P C A B
En general, si A1, A2, A3, . . . , An son eventos de un espacio muestral
finito y P (A1 A2 A3 . . . An-1) 0, entonces:
P (A1 A2 A3 . . . An) = P (A1) P (A2/A1) P (A3/A1 A2) . . .
P (An/A1 A2 A3 . . . An-1)
Ejemplo 2.45
Una urna contiene 5 bolas blancas y 6 negras; se extrae al azar
sucesivamente y sin reposicin o reemplazo, dos bolas. Cul es la
probabilidad que las dos resulten blancas ?.
Solucin.- Sean los eventos:
A1 : la primera bola resulta blanca.
A2 : la segunda bola resulta blanca.
E : las dos bolas resultan blancas.
Por lo tanto, la probabilidad pedida es la del evento:
E = A1 A2 = A1 A2
Es decir, E es la interseccin de los dos eventos y la ocurrencia de A1
influye en la de A2, o sea:
5 4 20 2
P( A1 A2 )
11 10 110 11
Ejemplo 2.48
En un lote de 10 artculos hay 3 defectuosos. Si se toman al azar tres
artculos uno tras otro. Cul es la probabilidad de que los tres
artculos sean buenos?.
Solucin.-
P(A1 A2 A3 ) = P( A1 ) P A2 A P A3 A A
1 1 2
7 6 5 210 7
P(A1 A2 A3 ) =
10 9 8 720 24
2.10 EVENTOS O SUCESOS INDEPENDIENTES
Sean los sucesos A y B; se dice que B es independiente de A,
si la ocurrencia del suceso B no es influenciado o condicionado por la
ocurrencia de A.
Previamente:
P(Ac) = 1 P(A) = 1 1 / 4 = 3 / 4; y
P(Bc) = 1 P(B) = 1 1 / 3 = 2 / 3
A
i 1
i
A1 A3 .
b) P(Ai) > 0,
An
i = 1, 2, 3, . . . , n
Ejemplo 2.51
En el lanzamiento de un dado, = {1, 2, 3, 4, 5, 6}. Si A1 = {1, 2};
A2 = {3, 4, 5}; A3 = {6}. Entonces, A1 , A2, A3 representa una
particin del espacio muestral .
n n
P( B) P( A B) P( A )P(B / A )
i 1
i
i 1
i i
o en forma desarrollada:
n
P( B) P(A ) P( B / A ) P( A ) P( B / A ) P( A ) P( B / A ) ...
i 1
i i 1 1 2 2
P( An ) P( B / An )
Este resultado se conoce con el nombre de teorema de Probabilidad
Total.
Ejemplo 2.52
En determinada industria, se conoce que cierta mquina que produce
tornillos, trabaja correctamente el 90 % del tiempo. Si la mquina no
est trabajando correctamente, el 5 % de los tornillos producidos son
defectuosos. Cuando est trabajando bien solamente el 0,5 % de los
tornillos son defectuosos. Si se escoge un tornillo aleatoriamente;
cul es la probabilidad que sea defectuoso?
Solucin.- Sean los eventos:
D : el tornillo es defectuoso. P(D) = ?
M : la mquina est trabajando correctamente. P(M) = 0,90
M: la mquina no trabaja correctamente P(M) = 1 - ,90 =
0,10
= M M y D = MD MD
Ai P( Ai B) P( Ai ) P( B / Ai )
P
B P( B) n
P( A ) P( B / A )
i 1
i i
Por lo tanto:
P(A) = (0,30)(0,02) + (0,45)(0,03) + (0,25)(0,02)
Ejemplo 2.54
Con referencia al ejemplo 2.53; si se elige al azar un producto y se
encuentra que es defectuoso; cul es la probabilidad de que est
ensamblado por la mquina B3?
Solucin.- Aplicando el teorema de Bayes, se tiene:
P( B3 ) P( A / B 3 )
P( B3 / A)
P( B1 ) P( A / B1 ) P( B2 ) P( A / B2 ) P( B3 ) P( A / B3 )
0,005 0,005 10
P( B3 / A) 0,2041
0,006 0,0135 0,005 0,0245 49
Ejemplo 2.55
Una empresa dispone de tres fbricas: A, B, y C para producir un
cierto artculo. La fbrica A produce el 30 % de la cantidad total, la
fbrica B produce otro 30 %, y la fbrica C el 40 % restante. Se sabe
que e1 2 % de la produccin de A, el 3 % de la de B y el 5 % de la de
C es defectuosa. a) Cul es la probabilidad de que un artculo
producido sea defectuoso?.
b) Si al hacer un control de la calidad se detecta un artculo
defectuoso; cul es la probabilidad de que provenga de cada una de
las fbricas?.
Solucin.- Si llamamos:
A : Artculo producido en la fbrica A.
B : Artculo producido en la fbrica B.
C : Artculo producido en la fbrica C.
D : Artculo defectuoso.
a) La probabilidad de que un artculo producido sea defectuoso, es:
P(D) = P(A)P(D/ A) + P(B)P(D/ B) + P(C)P(D/C)
P( A D) (0,30)(0,02)
P( A / D) 0,17
P( D) 0,035
P( B D) (0,30)(0,03)
P ( B / D) 0,26
P ( D) 0,035
P(C D) (0,40)(0,05)
P(C / D) 0,57
P( D) 0,035