1.revisión Axiomatica Probabilistica PARTE 1

Revisión Axiomática
Probabilística
Ricardo Sepúlveda C.
ricardo.sepulveda@ufrontera.cl
Departamento de Ingeniería de Sistemas
Universidad de La Frontera
Objetivos
• Diferenciar los tipos de eventos asociados con los
experimentos aleatorios.
• Calcular y evaluar el valor numérico de su probabilidad.
• Identificar los tipos de variables aleatorias relacionadas con
experimentos aleatorios y con base en sus valores
probabilísticos poder describir su comportamiento.
• Calcular e interpretar probabilidades asociadas a eventos de
datos provenientes de variables aleatorias discretas: Uniforme,
Binomial, Poisson y Normal.
• Analizar los tipos de variables aleatorias: Uniforme, Bernoulli,
Binomial, Hipergeométrica y Poisson
Chance, riesgo, probable, posible, pueda que ocurra o
no, casi cierto….
son utilizadas para comunicar un cierto grado
de incertidumbre aunque no permite establecer una
clara diferencia entre probable y verosimil o entre
improbable e imposible…
Para ello es necesario establecer una adecuada
descripción matemática de algún fenómeno natural o
artificial.
Fuente: Henry Mendoza Rivera,

Universidad Nacional de Colombia
Un modelo puede ser definido como una
idealización matemática utilizada para aproximar
un fenómeno observable.
En esta idealización, ciertas suposiciones son
hechas.
El éxito de un modelo depende si o no estas
suposiciones son válidas. Para chequear la validez
de un modelo, se toman observaciones. Este
proceso es llamado experimento.
Un Modelo Matemático puede ser:
Modelo Determinístico, es aquel en el cual se establecen las
condiciones para que al ejecutar el experimento se determine el
resultado.
Modelo no Determinístico (o Estocástico), es aquel en el cual
información pasada, no permite la formulación de una regla
para determinar el resultado preciso de un experimento. Muchos
fenómenos naturales o artificiales son aleatorios en el sentido de
que el resultado exacto no puede ser predicho, y sus resultados
producen un patrón a largo término.

EJEMPLOS DE MODELOS DETERMINÍSTICOS
• La distancia (d) recorrida por un automóvil en (t) horas a una velocidad constante

de kilómetros por hora es determinada por la relación d=v x t . El conocimiento
de v y t determina el valor de d.
• Leyes gravitacionales (un cuerpo baja en ciertas condiciones).
• Leyes de Kepler (comportamiento de los planetas).
• Al quemar un hidrocarburo como el gas propano en presencia del oxígeno, se
produce gas carbónico más agua.
• Se hace actuar sobre un cuerpo de un kg. de masa una fuerza de un Newton, se
obtiene una aceleración de un metros/segundo

EJEMPLOS DE MODELOS NO DETERMINÍSTICOS
(ESTOCASTICOS)
1. Considérese el género de un nuevo nacimiento en cierto hospital . Sea la denotación

para un niño y una niña. Suponga que se registran los géneros en orden de
cumpleaños.
2. Seleccionar de un lote un artículo para conocer su calidad.
3. El querer determinar la cantidad de lluvia que caerá debido a una tormenta que pasa
por una zona específica, el origen de la tormenta, la dirección de la tormenta, etc.
4. El resultado de un partido de fútbol.
5. El número de llamadas telefónicas por minuto, la duración de cada llamada.

EXPERIMENTO
ESTADISTICO
Un experimento que tiene las siguientes características es

llamado experimento aleatorio o estadístico.
•Todos los posibles resultados del experimento son conocidos antes de hacer
una realización del experimento.
•El resultado exacto en cualquier ejecución del experimento no es predecible
(aleatoriedad)
•El experimento puede ser repetido bajo (más o menos) idénticas condiciones.
•Existe un patrón predictible a lo largo de muchas ejecuciones (regularidad
estadística)

EXPERIMENTO
ESTADISTICO
Ejemplos: Algunos ejemplos de típicos experimentos aleatorios
son:
i.Lanzar una moneda y observar la cara
ii.Una bombilla manufacturada en una planta es expuesta a una prueba de vida y el
tiempo de duración de una bombilla es registrado.. En este caso no se conoce cual será el
tiempo de duración de la bombilla seleccionada.
iii.Un lote de ítems que contiene defectuosos es muestreado. Un ítem muestreado no se
reemplaza, y se registra si el ítem muestreado es o no defectuoso. El proceso continua
hasta que todos los ítems defectuosos sean encontrados.
iv.Una manufacturera de refrigeradores inspecciona una de sus partes para visualizar
distintos tipos de defectos. El número de defectos encontrado en cada refrigerador
inspeccionado es registrado.
v.Seleccionar una planta de una parcela y observar si padece alguna enfermedad, es
decir es sana o enferma
vi.Seleccionar una planta y medir su altura
EXPERIMENTO
ESTADISTICO
Ejemplos: Algunos ejemplos de experimentos no estadísticos son:
I.Seleccionar al azar un bus de ruta (no alimentador) de Transmilenio y observar
el color. Aquí no se cumple la condición (ii), ya que se puede predecir una
ejecución del experimento, el color del bus.
II.Seleccionar al azar un estudiante de un colegio masculino y observar su
género. Aquí no se cumple la condición (ii), ya que se puede predecir una
ejecución del experimento, el género del alumno

EXPERIMENTO
ESTADISTICO
Existen tres componentes esenciales de un modelo estocástico (o

probabilístico):
•Identificación de todos los posibles resultados del experimento.
•Identificación de todos los eventos de interés
•Asignación de probabilidades para estos eventos de interés.

PROBABILIDAD
Es la medida de verosimilitud de ocurrencia de un EVENTO
simple cuando se realice el EXPERIMENTO (ξ). Según Laplace
está medida de ocurrencia se obtiene como la relación entre los
CASOS FAVORABLES a la ocurrencia del EVENTO o
SUCESO y todos posibles casos que puedan ocurrir o los casos
pertenecientes al ESPACIO MUESTRAL (Ω).
Fuente: MSc. Carlos Jiménez G. ,

Universidad de la Frontera, Temuco
CONCEPTOS BASICOS
•Probabilidad: Medida de ocurrencia
•Evento: conjunto específico de sucesos simples.
•Suceso: Resultado mínimo de un Experimento.
•Espacio Muestral: El espacio muestral es el conjunto de todos los resultados
posibles de un experimento aleatorio. Se suele designar con la letra E o Ω.
Cada uno de estos posibles resultados se llama Suceso.
•Experimento: Situación realizable o proceso acontecido, el cual debe ser
evaluado de manera numérica (Puede ser Determinístico o Aleatorio)
•Experimento Aleatorio: es aquel que bajo el mismo conjunto de
condiciones iniciales, puede presentar resultados diferentes, es decir, no
se puede predecir el resultado de cada experiencia particular.

Ejemplos:
Experimento: Usar un interruptor de Luz.

Espacio Muestral: {funciona, no funciona}
Suceso: funciona
Evento: {funcione una vez}
Probabilidad: ½
Experimento: Número de nacimientos en un día en un

hospital.
Espacio Muestral: {0,1,2,3,4…….}
Suceso: Hay nacimientos
Evento: {mas de 3 nacimientos en 1 día}
Probabilidad: 1-P(0)-P(1)-P(2)-P(3)

Ejemplos:
Experimento: Usar un interruptor de Luz.

Espacio Muestral:{funciona, no funciona}
Suceso: funciona
Evento: {funcione una vez}
Probabilidad: ½
Experimento: Número de nacimientos en un día en un

hospital.
Espacio Muestral:{0,1,2,3,4…….}
Suceso: Hay nacimientos
Evento: {mas de 3 nacimientos en 1 día}
Probabilidad: 1-P(0)-P(1)-P(2)-P(3)

Ejemplos:
ESPACIO MUESTRAL Ω :
SACAR BOLA VERDE: ¿EVENTO O SUCESO?
SACAR UNA BOLA VERDE ¿ EVENTO O SUCESO?
¿PROBABILIDAD DE SACAR BOLA VERDE ?
¿DESPUES DE ESCOGER 2 VECES CUAL ES LA PROBABILIDAD QUE
SOLO EN LA SEGUNDA VEZ SALGA VERDE?
¿CUAL ES LA PROBABILIDAD DE QUE EN LA ULTIMA SALGA VERDE?
Ejemplos:
ESPACIO MUESTRAL Ω : VERDE, VERDE, VERDE, VERDE , VERDE , ROJA,

ROJA , ROJA
SACAR BOLA VERDE: EVENTO

SACAR UNA BOLA VERDE : SUCESO
PROBABILIDAD DE SACAR VERDE : # VERDES/# TOTAL = 5/9
¿DESPUES DE ESCOGER 2 VECES CUAL ES LA PROBABILIDAD QUE
SOLO EN LA SEGUNDA VEZ SALGA VERDE?
¿CUAL ES LA PROBABILIDAD DE QUE EN LA ULTIMA SALGA VERDE?
ESPACIO MUESTRAL (Ω).
El espacio muestral de un experimento denotado por Ω o S, es el conjunto

de todos los posibles resultados de dicho experimento.
Experimento: Lanzar un Dado
Experimento : Lanzar una moneda

El espacio muestral de un experimento denotado por Ω o S, es el conjunto

de todos los posibles resultados de dicho experimento.
Experimento: Lanzar un Dado

•S ={1,2,3,4,5,6}
Experimento : Lanzar una moneda

S= (Cara , Cruz)

Experimento: Lanzar dos veces un
Dado
Experimento: “lanzar dos monedas” hay 4

posibles resultados

Experimento: Lanzar dos veces un
Dado
Experimento: “lanzar dos monedas” hay 4

posibles resultados

CONCEPTOS BASICOS
Definición: Un evento es un subconjunto de un espacio muestral.
Definición: El complemento de un evento A respecto de S es el subconjunto
de todos los elementos de S que no están en A. Denotamos el complemento de
A mediante el símbolo A´.
Definición : La intersección de dos eventos A y B, que se denota con el
símbolo A ∩ B, es el evento que contiene todos los elementos que son
comunes a A y a B.
Definición : Dos eventos A y B son mutuamente excluyentes o disjuntos si
A ∩ B = ϕ; es decir, si A y B no tienen elementos en común.
Definición: La unión de dos eventos A y B, que se denota con el símbolo A ∪
B, es el evento que contiene todos los elementos que pertenecen a A o a B, o a
ambos.
CONCEPTOS BASICOS
La relación entre eventos y el correspondiente espacio muestral

se puede ilustrar de forma grafica utilizando diagramas de
Venn. En un diagrama de Venn representamos el espacio
muestral como un rectángulo y los eventos con círculos
trazados dentro del rectángulo.
Para construir un diagrama de Venn, se traza un rectángulo cuyo interior
representará el espacio muestral S.
A y B Eventos mutuamente
excluyentes
Diagrama de Venn de los eventos A y B A y B Eventos mutuamente
excluyentes (A ∩ B = Ø )
La región sombreada La región sombreada La región sombreada

es A ∩ B es A Ս B es A'
Ejemplo N°1
A∪C = regiones 1, 2, 3, 4, 5 y 7
B∩A = regiones 4 y 7
A∩B∩C = región 1
(A ∪ B) ∩ C' = regiones 2, 6 y 7
Varios resultados que se derivan de las definiciones precedentes, y
que se pueden verificar de forma sencilla empleando diagramas de
Venn, son como los que siguen:
Ejemplo N°2
Cuatro universidades, 1, 2, 3 y 4, están participando en un torneo de
básquetbol. En la primera ronda, 1 jugará con 2 y 3 jugará con 4. Acto
seguido los ganadores jugarán por el campeonato y los dos perdedores
también jugarán. Un posible resultado puede ser denotado por 1324 (1
derrota a 2 y 3 derrota a 4 en los juegos de la primera ronda y luego 1
derrota a 3 y 2 derrota a 4).
1. Enumere todos los resultados en S.

2. Que A denote el evento en que 1 gana el torneo.
Enumere los resultados en A.
3. Que B denote el evento en que 2 gana el juego de
campeonato. Enumere los resultados en B.
4. ¿Cuáles son los resultados en AUB y en A∩B? ¿Cuáles
son los resultados en AC?
Ejemplo N°2
Cuatro universidades, 1, 2, 3 y 4, están participando en un torneo de básquetbol. En la
primera ronda, 1 jugará con 2 y 3 jugará con 4. Acto seguido los ganadores jugarán por
el campeonato y los dos perdedores también jugarán. Un posible resultado puede ser
denotado por 1324 (1 derrota a 2 y 3 derrota a 4 en los juegos de la primera ronda y
luego 1 derrota a 3 y 2 derrota a 4).
a. Enumere todos
Solución: los resultados
Los espacios en S. deben cumplir con lo siguiente:
solución
b. Que A denote
i.1 juega con 2 el, si
evento
gana en1que 1 ganaocupar
podría el torneo.elEnumere
1° o 2°los resultados
lugar y 2 en A.
c. Que B denote el evento en que 2 gana el juego de campeonato. Enumere los resultados en
ocuparía el 3° o 4°
B.
ii. 1 juega con 2 , si gana 2 podría ocupar el 1° o 2° lugar y 1
d. ¿Cuáles son los resultados en AUB y en A∩B? ¿Cuáles son los resultados en A?
Respuesta:
iii.3 juega con 4 , si gana 3 podría ocupar el 1° o 2° lugar y 4
iv.3 juega con 4 , si gana 4 podría ocupar el 1° o 2° lugar y 3
a. S = { 1324, 1342, 1423, 1432, 2314, 2341, 2413, 2431, 3124, 3142, 4123, 4132,
3214, 3241, 4213, 4231 }
b. A = { 1324, 1342, 1423, 1432 }
c. B = { 2314, 2341, 2413, 2431, 3214, 3241, 4213, 4231 }

d. AՍB= {1324, 1342, 1423, 1432, 2314, 2341, 2413, 2431, 3214, 3241, 4213, 4231 }
En conclusión :
Para determinar la clase y cantidad de elementos (sucesos) que contiene un
espacio muestral (Ω o S), requiere de análisis y conocimiento del experimento
que se realizara.
Muchas veces es fácil llegar a enumerar o conocer los elementos de un S o

conjunto, pero otras tantas veces resulta realmente complejo y/o extenso por
lo que se puede expresar por (extensión o comprensión)
A veces los experimentos tienen muchos elementos, lo cual no resulta bien

enumerarlos todos. Pero cuando los elementos tienen características similares
podemos utilizar Reglas de Conteo
En conclusión :
Para determinar la clase y cantidad de elementos (sucesos) que contiene un
espacio muestral (Ω o S), requiere de análisis y conocimiento del experimento
que se realizara.
Muchas veces es fácil llegar a enumerar o conocer los elementos de un S o

conjunto, pero otras tantas veces resulta realmente complejo y/o extenso por
lo que se puede expresar por (extensión o comprensión)

podemos utilizar Reglas de Conteo
AXIOMAS, INTERPRETACIONES Y
PROPIEDADES DE PROBABILIDAD
Dados un experimento.
S: Espacio Muestral
A: Evento de S
P(A): probabilidad o oportunidad de ocurrencia del evento A en S
Debe cumplirse :
Dados un experimento.
S: Espacio Muestral
A: Evento de S
P(A): probabilidad o oportunidad de ocurrencia del evento A en S
Debe cumplirse :
EVENTOS COMPUESTOS: UNION DE EVENTOS
Ejemplo
En cierto suburbio residencial, 60% de las familias se suscriben al periódico en una ciudad
cercana, 80% lo hacen al periódico local y 50% de todas las familias a ambos periódicos. Si se
elige una familia al azar, ¿cuál es la probabilidad de que se suscriba a (1) por lo menos a uno de
los dos periódicos y (2) exactamente a uno de los dos periódicos?
Definición Variables :
A : {se suscribe al periódico de la ciudad mas cercana }
B: {se suscribe al periódico local}
La información dada implica que P(A) : 0.6, P(B) : 0.8 y P(A∩B) 0.5.
Ejemplo
En cierto suburbio residencial, 60% de las familias se suscriben al periódico en una ciudad cercana, 80% lo
hacen al periódico local y 50% de todas las familias a ambos periódicos. Si se elige una familia al azar, ¿cuál
es la probabilidad de que se suscriba a (1) por lo menos a uno de los dos periódicos y (2) exactamente a uno de
los dos periódicos?
P(A) : 0.6, P(B) : 0.8 y P(A∩B) 0.5.
P(se suscribe a por lo menos uno de los dos periódicos)

P(A Ս B) = P(A) + P (B) - P(A ∩ B) = 0.6 + 0.8 - 0.5 = 0,9
P(exactamente uno)
El evento en que una familia se suscribe a sólo el periódico local se escribe como
A ∩ B´
P(A Ս B) = P(A) + P(A´ ∩ B)
P(A ∩ B´) = P(A Ս B) - P(A) = 0.9 - 0.6 = 0.3
El evento en que una familia se suscribe a sólo el periódico de otra ciudad se escribe
como A´ ∩ B
P(A Ս B) = P(B) + P(A ∩ B´)
P(A´ ∩ B) = P(A Ս B) - P(B) = 0.9 - 0.8 = 0.1
Luego : P(A ∩ B´) + P(A´ ∩ B) = 0.3 + 0.1 = 0.4

La probabilidad de una unión de más de dos eventos se calcula en forma
análoga.
Resultados igualmente probables
En muchos experimentos compuestos de N resultados, es razonable asignar probabilidades iguales a los N eventos
simples.
Es decir, si existen N resultados igualmente probables, la probabilidad de cada uno es 1/N.

Ahora considérese un evento A, con N(A) como el número de resultados contenidos en A. Entonces
Si un experimento puede dar como resultado cualquiera de N diferentes resultados que tienen las mismas
probabilidades de ocurrir, y si exactamente n de estos resultados corresponden al evento A, entonces la
probabilidad del evento A es:
Probabilidad Condicional
El termino de Condicionalidad se refiere a que la ocurrencia
de un evento dependa de uno ocurrido primero.
En este contexto sean A y B 2 conjuntos, tales que A,B ϵ Ω .
A∩B B
La probabilidad de que ocurra un evento A cuando se sabe que ya ocurrió algún evento B se llama
probabilidad condicional y se denota con P(A|B). El símbolo P(A|B) por lo general se lee como “la
probabilidad de que ocurra A, dado que ocurrió B”, o simplemente, “la probabilidad de B, dado A”
S P(A) = 0,50 P(A) = 0,40
P(B) = 0,30 P(B) = 0,35
P(AՍB) = ? P(AՍB) = ?
P(A∩B) = ? P(A∩B) = 015
P (A/B) = ? P (A/B) = ?
P(B/A)=? P(B/A)=?
P(A-B)=? P(A-B)=?
P(B-A)=? P(B-A)=?
P(A) = 0,30
P(A) = 0,25
P(B) = 0,35
P(B) = 0,45
P(AՍB) = ?
P(AՍB) = 0,55
P(A∩B) = ?
P(A∩B) = ?
P (A/B) = ?
P (A/B) = ?
P(B/A)=?
P(B/A)=?
P(A-B)=?
P(A-B)=? S P(B-A)=?
P(B-A)=?
S P(A) = 0,50 P(A) = 0,40
P(B) = 0,30 P(B) = 0,35
P(AՍB) = P(A)=0,50 P(AՍB) = 0,60
P(A∩B) = P(B)=0,30 P(A∩B) = 015
P (A/B) = 1 P (A/B) = 0.4286
P(B/A)=0,6 P(B/A)=0.375
P(A-B)=0.2 P(A-B)=0.25
P(B-A)=Ø P(B-A)=0.20
P(A) = 0,30
P(A) = 0,25
P(B) = 0,35
P(B) = 0,45
P(AՍB) = 0,65
P(AՍB) = 0,55
P(A∩B) = Ø
P(A∩B) = 0.15
P (A/B) = Ø
P (A/B) = 0.33
P(B/A)=Ø
P(B/A)=0,60
P(A-B)=P(A) = 0,30
P(A-B)=0,10
P(B-A)=0,30 S P(B-A)=P(B) = 0,35
Ejemplo 1.
En una planta se ensamblan componentes complejos en dos líneas de ensamble diferentes, A y A’. La línea A
utiliza equipo más viejo que A’, por lo que es un poco más lenta y menos confiable. Suponga que en un día dado
la línea A ensambla 8 componentes, de los cuales 2 han sido identificados como defectuosos B y 6 como no
defectuosos B’, mientras que A ha producido 1 componente defectuoso y 9 no defectuosos.
¿Cual es la probabilidad de que se halla escogido el equipo mas viejo?
¿ Cual es la probabilidad de que se halla escogido el equipo mas viejo, sabiendo que si el componente
seleccionado resulta defectuoso?
Ejemplo 2.
Supóngase que de todos los individuos que compran cierta cámara digital, 60% incluye
una tarjeta de memoria opcional en su compra, 40% incluyen una batería extra y 30%
incluyen tanto una tarjeta como una batería.
Solución
Considere seleccionar al azar un comprador
sea A : {tarjeta de memoria adquirida}
B : {batería adquirida}.
Entonces P(A) =0.60, P(B) = 0.40 y (ambas adquiridas)= P(A∩B) =
0.30.
Dado que el comprador seleccionado adquirió la cámara con
una batería extra, ¿ Cual es la probabilidad de que una
tarjeta opcional también sea adquirida por el mismo
comprador ?
Dado que el comprador seleccionado adquirió una cámara
con tarjeta, ¿ Cual es la probabilidad de que una cámara
digital opcional también sea adquirida por el mismo
comprador?
Ejemplo 3.
Una revista de noticias publica tres columnas tituladas “Arte” (A), “Libros” (B) y “Cine” (C). Los
hábitos de lectura de un lector seleccionado al azar con respecto a estas columnas son:
¿Cual es la probabilidad que el lector lea arte , dado que

tiene hábitos para libros?
A B
¿Cual es la probabilidad que el lector lea arte , dado que
tiene hábitos para libros o cine ?
0.02 0.07
0.03
¿Cual es la probabilidad que el lector lea arte , si lee al menos 0.05

uno de los 3 libros?
0.04 0.08
0.20
¿Cual es la probabilidad que el lector lea arte o libros , si lee cines?
0.51
C
Regla de multiplicación para P (A∩B ), Caso General
Si en un experimento pueden ocurrir los eventos A y B, entonces
•P(A∩B) = P(A)P(B|A), siempre que P(A) > 0.
•P(A∩B) = P(B)P(A|B), siempre que P(B) > 0.
Regla de multiplicación para P (A∩B ), Eventos independientes
En caso que dos eventos A y B son independientes , entonces

•P(A ∩ B) = P(A)P(B).
Por lo tanto, para obtener la probabilidad de que ocurran dos

eventos independientes simplemente calculamos el producto de sus
probabilidades individuales.
Ejemplo
Una bolsa contiene 4 bolas blancas y 3 negras, y una segunda bolsa contiene 3 blancas
y 5 negras. Se saca una bola de la primera bolsa y se coloca sin verla en la segunda
bolsa.
¿ Cual es la probabilidad de que ahora se saque una bola negra de la segunda bolsa?
Solución
N1: extracción de una bola negra de la bolsa 1
N2: extracción de bola negra de la bolsa 2
B1 : extracción de bola blanca de la bolsa 1
Nos interesa la unión de los eventos
mutuamente excluyentes N1 ∩ N2 y B1 ∩ N2.
Ejemplo
Una pequeña ciudad dispone de un carro de bomberos y una
ambulancia para emergencias.
La probabilidad de que el carro de bomberos este disponible cuando se
necesite es 0.98 y la probabilidad de que la ambulancia este disponible
cuando se le requiera es 0.92.
En el evento de un herido en un incendio, ¿calcule la probabilidad de
que tanto la ambulancia como el carro de bomberos estén disponibles,
suponiendo que operan de forma independiente?
Solución: Sean A y B los respectivos eventos de que estén
disponibles el carro de bomberos y la ambulancia. Entonces,
Ejemplo
Un sistema eléctrico consta de cuatro componentes, como se ilustra en la figura. El
sistema funciona si los componentes A y B funcionan, y si funciona cualquiera de los
componentes C o D. La confiabilidad (probabilidad de que funcionen) de cada uno de
los componentes también se muestra en la figura. Calcule la probabilidad de
a)Que el sistema completo funcione
b)Que el componente C no funcione, dado que el sistema completo funciona. Suponga
que los cuatro componentes funcionan de manera independiente.
Ejemplo
Un sistema eléctrico consta de cuatro componentes, como se ilustra en la figura. El
sistema funciona si los componentes A y B funcionan, y si funciona cualquiera de los
componentes C o D. La confiabilidad (probabilidad de que funcionen) de cada uno de
los componentes también se muestra en la figura. Calcule la probabilidad de
a)Que el sistema completo funcione
b)Que el componente C no funcione, dado que el sistema completo funciona. Suponga
que los cuatro componentes funcionan de manera independiente.
Regla de multiplicación para mas de 2 eventos. La regla
multiplicativa se puede extender a situaciones con mas de dos eventos.
Ejemplo : Se sacan tres cartas seguidas, sin reemplazo, de una baraja ordinaria.
Encuentre la probabilidad de que ocurra el evento A1 ∩ A2 ∩ A3, donde A1 es el
evento de que la primera carta sea un as rojo, A2 el evento de que la segunda carta
sea un 10 o una jota y A3 el evento de que la tercera carta sea mayor que 3 pero
menor que 7.
TECNICAS DE CONTEO

podemos utilizar reglas de Conteo
1.La regla de producto para pares ordenados
Si una operación se puede llevar a cabo en n1 formas, y si para cada una de estas se
puede realizar una segunda operación en n2 formas, entonces las dos operaciones se
pueden ejecutar juntas de n1n2 formas.

Si una operación se puede ejecutar en n1 formas, y si para cada una de estas se puede
llevar a cabo una segunda operación en n2 formas, y para cada una de las primeras dos
se puede realizar una tercera operación en n3 formas, y así sucesivamente, entonces la
serie de k operaciones se puede realizar en n1n2...nk formas.
TECNICAS DE CONTEO
Ejemplo : El propietario de una casa que va a llevar a cabo una remodelación

requiere los servicios tanto de un contratista de fontanería como de un
contratista de electricidad. Si existen 12 contratistas de fontanería y 9
contratistas electricistas disponibles en el área, ¿de cuántas maneras pueden ser
elegidos los contratistas?
Solución:
Sean P1, . . . , P12 los fontaneros y Q1, . . . , Q9 los electricistas, entonces
se desea el número de pares de la forma (Pi, Qj). Con n1= 12 y n2=9, la
regla de producto da N (12)(9) =108 formas posibles de seleccionar los
dos tipos de contratistas.
En muchos problemas de conteo y probabilidad, se puede utilizar una configuración

conocida como diagrama de árbol para representar pictóricamente todas las posibilidades
TECNICAS DE CONTEO
Ejemplo : Sam va a armar una computadora y para comprar las partes

tiene que elegir entre las siguientes opciones: dos marcas de circuitos
integrados, cuatro marcas de discos duros, tres marcas de memorias y
cinco tiendas locales en las que puede adquirir un conjunto de accesorios.
De cuantas formas diferentes puede Sam comprar las partes?
TECNICAS DE CONTEO
3. Permutación : Es un arreglo de todo o parte de un conjunto de objetos.
a. El numero de permutaciones de n objetos es n!
b. El numero de permutaciones de n objetos distintos tomados de r a la
vez es:
c. El número de permutaciones distintas de n objetos, en el que n1 son de

una clase, n2 de una segunda clase,..., nk de una k-ésima clase es
TECNICAS DE CONTEO
3. Permutación : Ejemplos
1. El numero de permutaciones de las cuatro letras a, b, c y d: Respuesta : será 4! = 24
2. En un año se otorgara uno de tres premios (a la investigación, la enseñanza y el servicio)
a algunos de los estudiantes, de un grupo de 25, de posgrado del departamento de
estadística. Si cada estudiante puede recibir un premio como máximo, .cuantas
selecciones posibles habría?
Respuesta :
3. Durante un entrenamiento de futbol americano colegial, el coordinador defensivo

necesita tener a 10 jugadores parados en una fila. Entre estos 10 jugadores hay 1 de
primer año, 2 de segundo año, 4 de tercer año y 3 de Cuarto año, respectivamente .De
cuantas formas diferentes se pueden arreglar en una fi la si lo único que los distingue
es el grado en el cual están?
Respuesta :
TECNICAS DE CONTEO
4. Combinaciones :
En muchos problemas nos interesamos en el numero de formas de seleccionar
r objetos de n sin importar el orden. Tales selecciones se llaman
combinaciones. Una combinación es realmente una partición con dos
celdas, donde una celda contiene los r objetos seleccionados y la otra
contiene los (n – r) objetos restantes. El numero de tales combinaciones se
denota con:
Debido a que el numero de elementos en la segunda celda debe

ser n – r.
TECNICAS DE CONTEO
Ejemplo: Un niño le pide a su madre que le lleve cinco cartuchos de Game-Boy de

su colección de 10 juegos recreativos y 5 de deportes. .De cuantas maneras podría
su madre llevarle 3 juegos recreativos y 2 de deportes?
Si utilizamos la regla de la multiplicación con n1 = 120 y n2 = 10, tenemos que

hay (120)(10) = 1200 formas.
Probabilidad Total (Teorema de Bayes)
Si:
•Los eventos A1, . . . , Ak son mutuamente
excluyentes si ninguno de los (Ai )s tienen
elementos comunes entre si .
•Los eventos son exhaustivos si un Ai debe
ocurrir, de modo que A1Ս A2. . . Ս Ak = S.
•Si B ocurre en forma conjunta con uno de los

eventos Ai de manera exacta. Es decir, B
= (A1 ∩ B) Ս . . . Ս (Ak ∩ B)
•Los eventos (Ai ∩ B)’s son mutuamente
excluyentes.
Entonces….
Probabilidad Total (Teorema de Bayes)
Ejemplo : Incidencia de una enfermedad rara.
Sólo 1 de 1000 adultos padece una enfermedad rara para la cual se ha creado una prueba de diagnóstico. La
prueba es tal que cuando un individuo que en realidad tiene la enfermedad, un resultado positivo se presentará en
99% de las veces mientras que en individuos sin enfermedad el examen será positivo sólo en un 2% de las veces.
Si se somete a prueba un individuo seleccionado al azar y el resultado es positivo, ¿cuál es la probabilidad de que
el individuo tenga la enfermedad?
Para utilizar el teorema de Bayes, debemos reconocer:
Espacio Muestral (A): 1000 adultos
sea
•A1 : {el individuo tiene la enfermedad};
•A2 : {el individuo no tiene la enfermedad}
Evento (B): {resultado de prueba positivo}
Entonces
P(Ai ) : P(A1) =0.001 , P(A2)= 0.999
P(B / Ai): P(B / A1) =0.99 y P(B/ A2) = 0.02
2.- VARIABLES
ALEATOREAS
Definición:
•Una variable aleatoria es una función que asigna un valor, usualmente numérico, al
resultado de un experimento aleatorio.
•Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento aún no realizado, o los posibles valores de una
cantidad cuyo valor actualmente existente es incierto
Rango de una variable aleatoria
•Se llama rango de una variable aleatoria x y lo denotaremos RX, a la imagen o rango
de la función X, es decir, al conjunto de los valores reales que ésta puede tomar,
según la aplicación X. Dicho de otro modo, el rango de una v.a. es el recorrido de la
función por la que ésta queda definida :
Donde ;
s: Suceso de un experimento
: Espacio muestral de un experimento
X: Es la variable aleatoria que asigna un valor x ϵ IR a cada s
x: imagen de s
Rx: Rango o conjunto de imágenes que puede tomar s ϵ 
Ejemplo N°1: Control de calidad de un producto
• = falla , no falla  falla

•X( no falla ) = 0 no falla
•X( falla ) =1
A cada s   le corresponde
exactamente un valor X(s)

Conjunto Números
Espacio Muestral
IR Reales
 X({no falla}) = 0 X({falla}) = 1 

0 1
Ejemplo N°2: Tiempo de vida útil de un producto
• =t / t  IR, t  0 
•X = x / x  IR, x  0 
Fuente : Apuntes Dr Aldo Vergara
FUNCION DE PROBABILIDAD
El concepto de Probabilidad de ocurrencia de eventos en el
espacio muestral  se puede aplicar a eventos en RX.
0  P(X(s) = x ) = f(x)  1
f(x)
1

f: R [0, 1]
0
RX
X(s) = x
s
X:  RX
Fuente : Apuntes Dr Aldo Vergara

2.- VARIABLES
ALEATOREAS
Una variable aleatoria es discreta , si cuyos valores posibles de X
(esto es su RX) constituyen un conjunto finito contable o bien
dispuestos en una lista de secuencia infinita en la cual existe un
primer elemento, un segundo elemento, y así sucesivamente
(“contablemente” infinita).
Ejemplos :
•N° de artículos defectuosos en una muestra de k artículos.
•N° de accidentes de carretera por año en un tramo de carretera.
Una variable aleatoria es continua si una v.a. es continua si su

recorrido es un conjunto no numerable. esto significa que el conjunto
de posibles valores de la variable abarca uno o mas intervalos de
números reales
Ejemplos :
pesos, alturas, temperaturas, distancias o periodos de vida
2.- VARIABLES
ALEATOREAS
Ejemplos
Tipo de Variables
B = peso de una vaca en la granja

de Jorge (en kg.).
Tendríamos un número incontable

de valores para el rango de esta
variable
Por ello, se trata de una variable
aleatoria continua.
Y= N° de cajeros automáticos ocupados de

3 cajeros disponibles
Se trata de una variable aleatoria discreta .

2.- VARIABLES
ALEATOREAS
Ejemplos
Tipo de Variables
Tamaño de la lista de
Discreta
espera?
N° ingresos/hora? Discreta
N° atendidos/hora? Discreta
N° altas /día? Discreta
Tiempo de espera? Continua
Demora en la atención? Continua
Promedio mensual de Continua

altas/día ?
2.- VARIABLES
ALEATOREAS
PARA QUE SIRVE ???????
Medir y cuantificar la capacidad y
tiempo respuesta de nuestras
organizaciones
Como se comportan cada una de
las variables de interés
INDICADORES DE
GESTION Y EFICIENCIA
Como se distribuyen y cual es su rango de
variación
Nos permite
Cuantificar, dimensionar y planificar requerimientos de
RRHH
Cantidad y capacidad de Equipos e
Instalaciones
Definir Presupuesto a corto y largo plazo
CONTRIBUYE A LA EFICIENCIA Y PRODUCTIVIDAD
2.- VARIABLES
ALEATOREAS
DONDE SE APLICA ???????

1.revisión Axiomatica Probabilistica PARTE 1

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

1.revisión Axiomatica Probabilistica PARTE 1

Загружено:

Авторское право:

Доступные форматы

Revisión Axiomática

Fuente: Henry Mendoza Rivera,

Fuente: Henry Mendoza Rivera,

• La distancia (d) recorrida por un automóvil en (t) horas a una velocidad constante

Fuente: Henry Mendoza Rivera,

1. Considérese el género de un nuevo nacimiento en cierto hospital . Sea la denotación

Fuente: Henry Mendoza Rivera,

Un experimento que tiene las siguientes características es

Fuente: Henry Mendoza Rivera,

Fuente: Henry Mendoza Rivera,

Existen tres componentes esenciales de un modelo estocástico (o

Fuente: Henry Mendoza Rivera,

Fuente: MSc. Carlos Jiménez G. ,

Fuente: MSc. Carlos Jiménez G. ,

Experimento: Usar un interruptor de Luz.

Experimento: Número de nacimientos en un día en un

Fuente: MSc. Carlos Jiménez G. ,

Experimento: Usar un interruptor de Luz.

Experimento: Número de nacimientos en un día en un

Fuente: MSc. Carlos Jiménez G. ,

ESPACIO MUESTRAL Ω : VERDE, VERDE, VERDE, VERDE , VERDE , ROJA,

SACAR BOLA VERDE: EVENTO

El espacio muestral de un experimento denotado por Ω o S, es el conjunto

Experimento: Lanzar un Dado

Experimento : Lanzar una moneda

Fuente: Henry Mendoza Rivera,

El espacio muestral de un experimento denotado por Ω o S, es el conjunto

Experimento: Lanzar un Dado

Experimento : Lanzar una moneda

Fuente: Henry Mendoza Rivera,

Experimento: “lanzar dos monedas” hay 4

Fuente: Henry Mendoza Rivera,

Experimento: “lanzar dos monedas” hay 4

Fuente: Henry Mendoza Rivera,

La relación entre eventos y el correspondiente espacio muestral

La región sombreada La región sombreada La región sombreada

1. Enumere todos los resultados en S.

c. B = { 2314, 2341, 2413, 2431, 3214, 3241, 4213, 4231 }

Muchas veces es fácil llegar a enumerar o conocer los elementos de un S o

A veces los experimentos tienen muchos elementos, lo cual no resulta bien

Muchas veces es fácil llegar a enumerar o conocer los elementos de un S o

A veces los experimentos tienen muchos elementos, lo cual no resulta bien

P(se suscribe a por lo menos uno de los dos periódicos)

Luego : P(A ∩ B´) + P(A´ ∩ B) = 0.3 + 0.1 = 0.4

Es decir, si existen N resultados igualmente probables, la probabilidad de cada uno es 1/N.

¿Cual es la probabilidad de que se halla escogido el equipo mas viejo?

¿Cual es la probabilidad que el lector lea arte , dado que

¿Cual es la probabilidad que el lector lea arte , si lee al menos 0.05

Si en un experimento pueden ocurrir los eventos A y B, entonces

•P(A∩B) = P(A)P(B|A), siempre que P(A) > 0.

•P(A∩B) = P(B)P(A|B), siempre que P(B) > 0.

Regla de multiplicación para P (A∩B ), Eventos independientes

En caso que dos eventos A y B son independientes , entonces

Por lo tanto, para obtener la probabilidad de que ocurran dos

A veces los experimentos tienen muchos elementos, lo cual no resulta bien

1.La regla de producto para pares ordenados

Ejemplo : El propietario de una casa que va a llevar a cabo una remodelación

En muchos problemas de conteo y probabilidad, se puede utilizar una configuración

Ejemplo : Sam va a armar una computadora y para comprar las partes

c. El número de permutaciones distintas de n objetos, en el que n1 son de

3. Durante un entrenamiento de futbol americano colegial, el coordinador defensivo

Debido a que el numero de elementos en la segunda celda debe

Ejemplo: Un niño le pide a su madre que le lleve cinco cartuchos de Game-Boy de