probabilidades
TRANSCRIPT
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 1/35
REPUBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD VALLE DEL MOMBOY
FACULTAD DE INGENIERIA
ELEMENTOS DE LA TEORIA DE PROBABILIDADES
Carlos Ramírez C.I #19.644.013
Enyerber González C.I #15.827.017
Profesor: Sergio Díaz
Carvajal, Abril 2011
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 2/35
2
INTRODUCCION
Toda ciencia se desarrolla como respuesta a problemas que le llegan del
exterior o como respuesta a problemas que ella misma crea a medida que va
progresando.
En relación con los problemas que provienen del exterior, la Estadística ha
de dar respuesta, entre otros, a los planteados por las necesidades económicas
que emanan de los medios de producción y de organización del Estado.
Se suele argumentar que fueron los juegos de azar los que animaron aimportantes pensadores a estudiar este tipo de sucesos; omitiéndose que la
auténtica motivación que consolidó el Cálculo de Probabilidades fue el sustrato de
aleatoriedad que encontraron en las observaciones económicas y en los
problemas relativos a los seguros, pensiones anuales y, estadísticas de la
población.
Diferenciamos dos aspectos de la Estadística: el nacimiento de laEstadística con la elaboración de estadísticas por los Estados, diseño de los
modelos aleatorios y,
génesis de la probabilidad.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 3/35
3
1. TEORIA DE PROBABILIDADES
Orígen
El concepto de probabilidad nace con el deseo del hombre de conocer con
certeza los eventos futuros. Es por ello que el estudio de probabilidades surge
como una herramienta utilizada por los nobles para ganar en los juegos y
pasatiempos de la época. El desarrollo de estas herramientas fue asignado a los
matemáticos de la corte.
Con el tiempo estas técnicas matemáticas se perfeccionaron y encontraron
otros usos muy diferentes para la que fueron creadas. Actualmente se continúo
con el estudio de nuevas metodologías que permitan maximizar el uso de la
computación en el estudio de las probabilidades disminuyendo, de este modo, los
márgenes de error en los cálculos.
A través de la historia se han desarrollado tres enfoques conceptuales
diferentes para definir la probabilidad y determinar los valores de probabilidad:
El enfoque clásico
Dice que si hay x posibles resultados favorables a la ocurrencia de un
evento A y z posibles resultados desfavorables a la ocurrencia de A, y todos los
resultados son igualmente posibles y mutuamente excluyente (no pueden ocurrir
los dos al mismo tiempo), entonces la probabilidad de que ocurra A es:
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 4/35
4
El enfoque clásico de la probabilidad se basa en la suposición de que cada
resultado sea igualmente posible.
Este enfoque es llamado enfoque a priori porque permite, (en caso de que
pueda aplicarse) calcular el valor de probabilidad antes de observar cualquier evento de muestra.
Ejemplo:
Si tenemos en una caja 15 piedras verdes y 9 piedras rojas. La probabilidad
de sacar una piedra roja en un intento es:
El enfoque de frecuencia relativa
También llamado Enfoque Empírico, determina la probabilidad sobre la
base de la proporción de veces que ocurre un evento favorable en un numero de
observaciones. En este enfoque no ese utiliza la suposición previa de
aleatoriedad. Porque la determinación de los valores de probabilidad se basa en la
observación y recopilación de datos.
Ejemplo:
Se ha observado que 9 de cada 50 vehículos que pasan por una esquina no
tienen cinturón de seguridad. Si un vigilante de transito se para en esa misma
esquina un ida cualquiera ¿Cuál será la probabilidad de que detenga un vehículo
sin cinturón de seguridad?
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 5/35
5
Tanto el enfoque clásico como el enfoque empírico conducen a valores
objetivos de probabilidad, en el sentido de que los valores de probabilidad indican
al largo plazo la tasa relativa de ocurrencia del evento.
El enfoque subjetivo
Dice que la probabilidad de ocurrencia de un evento es el grado de creencia
por parte de un individuo de que un evento ocurra, basado en toda la evidencia a
su disposición. Bajo esta premisa se puede decir que este enfoque es adecuado
cuando solo hay una oportunidad de ocurrencia del evento. Es decir, que el evento
ocurrirá o no ocurrirá esa sola vez. El valor de probabilidad bajo este enfoque es
un juicio personal.
2. DEFINICION CLASICA DE LA PROBABILIDAD SEGÚN LAPLACE
Esta definición clásica de probabilidad fue una de las primeras que se dieron
en 1900 y se atribuye a Laplace. Eminente matemático francés de la última mitad
del siglo XVIII y principios del XIX, describía la teoría de la probabilidad como ³el
sentido común reducido al cálculo; también se conoce con el nombre de
³Probabilidad a priori´´ pues, para calcularla, es necesario conocer, antes de
realizar el experimento aleatorio, el espacio muestral y el número de resultados o
sucesos elementales que entran a formar parte del sucesoEsta definición de Laplace, reza lo siguiente:
³Sea un experimento aleatorio cuyo correspondiente espacio muestral E está
formado por un número n finito de posibles resultados distintos y con la misma
probabilidad de ocurrir {e1, e2, « , en} Si n1 resultados constituyen el subconjunto
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 6/35
6
o suceso A1, n2 resultados constituyen el subconjunto o suceso A2 y, en general,
nk resultados constituyen el subconjunto o suceso Ak de tal forma que: es decir,
que la probabilidad de cualquier suceso A es igual al cociente entre el número de
casos favorables que integran el suceso A
Regla
La regla de Laplace para E finitos y el número de casos posibles del
espacio muestral E. Para que se pueda aplicar la regla de Laplace es necesario
que todos los sucesos elementales sean equiprobables, es decir: Siendo A= La
probabilidad verifica las siguientes condiciones: La probabilidad de cualquier
suceso es siempre un número no negativo entre 0 y 1. La probabilidad del suceso
seguro E vale 1, la probabilidad del suceso imposible es 0. la probabilidad de launión de varios sucesos incompatibles o excluyentes A1, A1,«, Ar es igual a la
suma de probabilidades de cada uno de ellos
Aplicación
La aplicación de la definición clásica de probabilidad puede presentar
dificultades de aplicación cuando el espacio muestral es infinito o cuando los
posibles resultados de un experimento no son equiprobables.
Ejemplo
En un proceso de fabricación de piezas puede haber algunas defectuosas y
si queremos determinar la probabilidad de que una pieza sea defectuosa no
podemos utilizar la definición clásica pues necesitaríamos conocer previamente el
resultado del proceso de fabricación. Para resolver estos casos, se hace una
extensión de la definición de probabilidad, de manera que se pueda aplicar con
menos restricciones, llegando así a la definición frecuentista de probabilidad.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 7/35
7
3. EXPERIMENTOS ALEATORIOS
Son los que pueden dar lugar a varios resultados sin que pueda ser previsible
enunciar con certeza cuál de estos pueda ser observado en la realización del
experimento.
La vida cotidiana está plagada de sucesos aleatorios muchos de ellos, de tipo
sociológicos (viajes, accidentes, número de personas que acudirán a un gran
almacén o que se matricularan en una carrera) aunque son suma de muchas
decisiones individuales, pueden ser estudiados ventajosamente como aleatorios.
Suceso aleatorio: es un acontecimiento que ocurrirá o no dependiendo del azar.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 8/35
8
4. DEFINICION MODERNA DE LA PROBABILIDAD
La definición moderna de probabilidad basada en la axiomática de Kolmogorov
(presentada anteriormente) es relativamente reciente. Históricamente hubo otros
intentos previos de definir el escurridizo concepto de probabilidad, descartados por diferentes razones. Sin embargo conviene destacar aquí algunas ideas que
aparecen en la antigua definición basada en la frecuencia relativa, ya que permiten
intuir algunas profundas propiedades de la probabilidad.
Recordemos antes que si en un experimento que se ha repetido n veces un
determinado suceso A se ha observado en k de estas repeticiones, la frecuencia
relativa f r del suceso A es:
f r = k /n
El interés por la frecuencia relativa y su relación con el concepto de
probabilidad aparece a lo largo de los siglos XVIII a XX al observar el
comportamiento de numerosas repeticiones de experimentos reales.
A título de ejemplo de un experimento de este tipo, supongamos que se
dispone de una moneda ideal perfectamente equilibrada. Aplicando directamentela regla de Laplace resulta claro que el suceso A = obtener cara tiene probabilidad:
p(A) = 1/2 = 0,5
En el cuadro siguiente se simula por ordenador el comportamiento de la
frecuencia relativa del suceso A = obtener cara. El cuadro inicia la simulación con
el lanzamiento consecutivo de la moneda veinte veces, calculando la frecuencia
relativa de cara y comparándolo con la p(A) = 0.5. Aunque no es imposible quecoincidan, la mayoría de veces f r será diferente.
El lector puede manipular el cuadro para observar qué ocurre con rachas
entre n = 1 y n = 1000 lanzamientos. También puede empezarse una nueva racha
de lanzamientos con el botón Reiniciar .
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 9/35
9
5. AXIOMAS
La definición axiomática de probabilidad es quizás la más simple de todas las
definiciones y ciertamente la menos controvertida ya que, esencialmente, es una
definición basada en un conjunto de axiomas que establecen los requisitosmínimos para dar una definición de probabilidad. La ventaja fundamental de la
definición axiomática de la probabilidad es que nos permite llegar a un desarrollo
riguroso y matemático de la probabilidad. Esta aproximación axiomática de la
probabilidad fue introducida inicialmente, por el matemático ruso A.N. Kolmogorov
y posteriormente por estadísticos y matemáticos en general.
Dado el espacio medible (, S ) , diremos que una función P: S , es una
probabilidad si satisface los siguientes axiomas de Kolomogorov:
Axioma 1 : Se cumple para todo evento E en S : 0 = P(E) =1
Axioma 2 : P(S) = 1
Axioma 3:Si E1 y E2 son eventos que se excluyen mutuamente en S entoncesP(E1 U E2)= P(E1) + P(E2) .
6. TEOREMA FUNDAMENTALES
a.- Teorema Aditivo
Si se desea llevar a efecto una actividad, la cuál tiene formas alternativas para ser
realizada, donde la primera de esas alternativas puede ser realizada de M
maneras o formas, la segunda alternativa puede realizarse de N maneras o formas
..... y la última de las alternativas puede ser realizada de W maneras o formas,
entonces esa actividad puede ser llevada a cabo de,
M + N + .........+ W maneras o formas
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 10/35
10
Ejemplos:
Una persona desea comprar una lavadora de ropa, para lo cuál ha pensado
que puede seleccionar de entre las marcas Whirpool, Easy y General Electric,
cuando acude a hacer la compra se encuentra que la lavadora de la marca W sepresenta en dos tipos de carga ( 8 u 11 kilogramos), en cuatro colores diferentes y
puede ser automática o semiautomática, mientras que la lavadora de la marca E,
se presenta en tres tipos de carga (8, 11 o 15 kilogramos), en dos colores
diferentes y puede ser automática o semiautomática y la lavadora de la marca GE,
se presenta en solo un tipo de carga, que es de 11 kilogramos, dos colores
diferentes y solo hay semiautomática. ¿Cuántas maneras tiene esta persona de
comprar una lavadora?
Solución:
M = Número de maneras de seleccionar una lavadora Whirpool
N = Número de maneras de seleccionar una lavadora de la marca Easy
W = Número de maneras de seleccionar una lavadora de la marca General
Electric
M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora
b.- Teorema del Producto
Si se desea realizar una actividad que consta de r pasos, en donde el primer pasode la actividad a realizar puede ser llevado a cabo de N1 maneras o formas, elsegundo paso de N2 maneras o formas y el r-ésimo paso de Nr maneras o formas,entonces esta actividad puede ser llevada a efecto de;
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 11/35
11
N 1 x N 2 x ..........x N r maneras o formas
El principio multiplicativo implica que cada uno de los pasos de la actividad debenser llevados a efecto, uno tras otro.
Ejemplo: Una persona desea construir su casa, para lo cuál considera que puede
construir los cimientos de su casa de cualquiera de dos maneras (concreto o block
de cemento), mientras que las paredes las puede hacer de adobe, adobón o
ladrillo, el techo puede ser de concreto o lámina galvanizada y por último los
acabados los puede realizar de una sola manera ¿cuántas maneras tiene esta
persona de construir su casa?
Solución:
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
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa
El principio multiplicativo, el aditivo y las técnicas de conteo que posteriormente se
tratarán nos proporcionan todas las maneras o formas posibles de como se puede
llevar a cabo una actividad cualquiera
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 12/35
12
7. SUCESOS COMPATIBLES E INCOMPATIBLES
Sucesos compatibles
Dos sucesos, A y B, son compatibles cuando tienen algún suceso elemental
común.
Si A es sacar puntuación par al tirar un dado y B es obtener múltiplo de 3, A y B
son compatibles porque el 6 es un suceso elemental común.
Sucesos incompatibles
Dos sucesos, A y B, son incompatibles cuando no tienen ningún elemento en
común.
Si A es sacar puntuación par al tirar un dado y B es obtener múltiplo de 5, A y B
son incompatibles.
8. SUCESOS INDEPENDIENTES Y DEPENDIENTES
Sucesos independientes
Dos sucesos, A y B, son independientes cuando la probabilidad de que suceda Ano se ve afectada porque haya sucedido o no B.
Al lazar dos dados los resultados son independientes.
Sucesos dependientes
Dos sucesos, A y B, son dependientes cuando la probabilidad de que suceda A seve afectada porque haya sucedido o no B.
Extraer dos cartas de una baraja, sin reposición, son sucesos dependientes.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 13/35
13
9. DISTRIBUCIONES PROBABILISTICAS: DISTRIBUCION BINOMIAL
Características:
En los experimentos que tienen este tipo de distribución, siempre se
esperan dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa,
etc, etc., denominados arbitrariamente ³éxito´ (que es lo que se espera que ocurra)
o ³fracaso´ (lo contrario del éxito).
Las probabilidades asociadas a cada uno de estos resultados son constantes, es
decir no cambian.
Cada uno de los ensayos o repeticiones del experimento son independientes entre
sí.
El número de ensayos o repeticiones del experimento (n) es constante.
A partir de un ejemplo. Desarrollaremos una fórmula que nos permita cualquier
problema que tenga este tipo de distribución.
Ejemplo:
Se lanza al aire una moneda normal 3 veces, determine la probabilidad de que
aparezcan 2 águilas.
Solución:
Antes de empezar a resolver este problema, lo primero que hay que hacer
es identificarlo como un problema que tiene una distribución binomial, y podemos
decir que efectivamente así es, ya que se trata de un experimento en donde solose pueden esperar dos tipos de resultados al lanzar la moneda, águila o sello,
cutas probabilidades de ocurrencia son constantes, cada uno de los lanzamientos
es independiente de los demás y el número de ensayos o repeticiones del
experimento son constantes, n = 3.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 14/35
14
Para dar solución a este problema, lo primero que hay que hacer es un
diagrama de árbol, en donde representaremos los tres lanzamientos, de ahí se
obtendrá el espacio muestral y posteriormente la probabilidad pedida, usando la
fórmula correspondiente.
Función de la distribución binomial
La distribución binomial se encuentra tabulada por lo que es fácil calcular
probabilidades sin necesidad de hacer demasiadas cuentas. Para usar las tablas
de la distribución binomial es necesario conocer:
- El número de veces que se realiza el experimento (n).
- La probabilidad de éxito (p).- El numero de éxitos (k).
La probabilidad p se busca en la primera fila (valores desde 0¶01 hasta 0¶5).
El número de veces que se realiza el experimento, en la primera columna (valores
desde 2 a 10) y el número de exitos a su lado.
Por ejemplo en el caso anterior, Bin (6;0¶5) , p(X=2), la columna p=0¶5 es laúltima, y cuando n=6 y k=2 encontramos 0¶2344, el valor que habamos calculado.
N ota importante: El caso en que p > 0 _5, no se encuentra tabulado.
La razon es bien sencilla. Si p > 0 _5, entonces q < 0 _5 y basta intercambiar los
papeles de exito y fracaso para que podamos utilizar la tabla.
10. DISTRIBUCION NORMAL O DE GAUSS
Características:
a) Es generada por una variable de tipo continuo, denominada x;
-¥< x < ¥
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 15/35
15
b) La función que nos define esta distribución es:
-¥< x < ¥
Al dar a la función los valores de m , s2 y valores a x, obtendremos la
distribución en cuestión, la que tiene forma de campana, por lo que también se le
conoce como campana de Gauss. Hay un número infinito de funciones de
densidad Normal, una para cada combinación de m y s. La media m mide la
ubicación de la distribución y la desviación estándar s mide su dispersión.
c) Es simétrica con respecto a su eje vertical.
d) Es asintótica con respecto a su eje horizontal; esto quiere decir que jamás va a
tocar el eje de las equis.
e) El área total bajo la curva es 1.
f) Sí sumamos a m ± s, se observará que aproximadamente el 68.26% de los
datos se encuentran bajo la curva, si sumamos a m ± 2s, el 95.44% de los datos
estará entre esos límites y si sumamos a m ± 3s, entonces el 99.74% de los datos
caerá dentro de esos límites. Esta característica es a la vez una forma empírica y
rápida de demostrar si los datos que se analizan tienen una distribución Normal;
ya que para trabajar los datos con esta distribución, debe verificarse que
efectivamente así se distribuyen, ya que de no hacerlo, las decisiones que en un
momento dado se tomarán de un análisis de los datos con la distribución Normal,
serían erróneas.
¿Cómo se determinan probabilidades con la distribución Normal?
De acuerdo a como se trataron las distribuciones de probabilidad continuas
en la unidad III, lo más lógico es que la función f(x, m, s2), se integre entre los
límites de la variable x; esto es,
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 16/35
16
11. FUNCION DENSIDAD DE LA DISTRICION NORMAL
Se dice que una variable aleatoria continua X sigue una distribución normal de
parámetros y y se denota X~N( , ) si su función de densidad está dada por:
Por tanto, la función de distribución de la normal estándar es:
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 17/35
17
12. USO DE LA TABLA DE PROBABILIDAD
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 18/35
18
Ejemplo: Hallar la probabilidad p (z 0,45)
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,090,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
En la 1ª columna buscamos el valor de las unidades y las décimas.
En la 1ª fila el valor de las centésimas.
Basta buscar 0,4 en la columna y 0,05 en la fila. Su intersección nos da la
probabilidad.
Leemos y nos da 0,6736. p (z 0,45) = 0,6736.
DEFINICIÓN FORMAL DE LA DISTRIBUCIÓN DE POISSON.
Sea X una variable aleatoria discreta que puede tomar los valores 0,1,2,.. tal que
la función de probabilidad de X esté dada por:
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 19/35
19
donde es una constante positiva dada. Esta distribución se llama Distribución de
Poisson (en memoria de S.D. Poisson, quien la descubrió a principios del siglo
XIX) y una variable aleatoria con esta distribución se dice que está distribuida con
la distribución de Poisson.
Los valores de f(x) en la ecuación pueden obtenerse usando la siguiente tabla,
que da los valores de para diferentes valores de , o utilizando logaritmos.
13. CARACTERISTICAS DE LA DISTRIBUCIÓN DE POISSON.
o El número de resultados que ocurren en un intervalo o región especifica es
independiente del número que ocurre en cualquier otro intervalo o región
del especio disjunto. De esta forma vemos que el proceso de Poisson no
tiene memoria.
o La probabilidad de que ocurra un solo resultado durante un intervalo muy
corto o en una región pequeña es proporcional a la longitud del intervalo o
al tamaño de la región y no depende del número de resultados que ocurren
fuera de este intervalo o región.
o La probabilidad de que ocurre más de un resultado en tal intervalo corto o
que caiga en tal región pequeña es insignificante.
14. TABLA DE DISTRIBUCION POISSON
La tabla entrega valores de la función de distribución (probabilidad acumulada), es
decir, valores de F ( x ) = xy =0 p(y ). La cuantila x toma valores desde 0 hasta que los
términos se hacen cero al nivel de precisión de la tabla.
El parámetro toma valores de 0.01 a 0.04 variando en 0.01; de 0.06 a 0.20
variando en 0.02; de 0.25 a 1.00 variando en 0.05; de 1.1 a 3.5 variando en 0.1; de
4 a 18 variando en 0.5; de 19 a 41 variando en 1.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 20/35
20
15. PRUEBA DE LA CHI CUADRADO PARA MEDIR LA BONDAD
La prueba de independencia Chi-cuadrado, nos permite determinar si existe
una relación entre dos variables categóricas. Es necesario resaltar que esta
prueba nos indica si existe o no una relación entre las variables, pero no indica el
grado o el tipo de relación; es decir, no indica el porcentaje de influencia de una
variable sobre la otra o la variable que causa la influencia.
A manera de ejemplo crearemos un prueba Chi-cuadrado para las variables
Género y Estado civil ; desde luego para crear la prueba es necesario realizar la
tabla, por lo que debemos volver al generador de tablas y ubicar en la lista la
variable género e ingresarla a las columnas, sucesivamente ubicamos la variable
Estado civil y la ingresamos a las Filas. Una vez ubicadas la variables en las
dimensiones, activamos (Hacer clic) la pestaña Estadísticos de contraste, con lo
que aparecen en el cuadro las pruebas estadísticas disponibles
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 21/35
21
16. USO DE LA TABLA CHI CUADRADO
El procedimiento T ablas personalizadas, nos permite realizar tres diferentes
pruebas estadísticas para determinar la relación existente entre las variables de
fila y columna. A través de la pestaña Estadísticos de contraste se puede solicitar para las variables que se ingresen en la dimensión de filas y columnas, las
pruebas de relación / independencia, comparación de medias o la comparación de
porcentajes.
Para facilitar la interpretación de estos procedimientos generaremos
algunos ejemplos de cada una de ella. Debemos resaltar que las pruebas
estadísticas aquí mencionadas hacen parte del análisis de inferencia y por lo tantono serán exploradas a profundidad, sino que las anexamos con el propósito de
familiarizarnos con los objetivos de cada prueba, como un preámbulo al estudio de
la estadística de inferencia.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 22/35
22
17. EJERCICIOS
1. De un naipe inglés de 52 cartas se sacan dos al azar. Se pide:
y Probabilidad de que ambas sean trébol (A).
y Probabilidad de que una sea trébol y el otro corazón. (B)
Solución:
1° Dos cartas de una totalidad de 52, se pueden tomar de (52 a 2) maneras, luego la
medida del espacio muestra es:
m ( S ) = 52 = 52 × 51 / 1 × 2 = 1326
2
2° Dos cartas trébol de una totalidad de13 cartas trébol. Se puede tomar de 13
maneras, luego la medida de A es: 2
m ( A ) = 13 = 13 × 12 / 1 × 2 = 7
2
P ( A ) = 78 / 1326 = 1 / 17 = 0.0588
3° Carta trébol se toma de 13 disponibles, de 13 maneras y10 propio ocurre con
una de coraz6n. Luego la pareja: una de trébol y una de coraz6n se puede tomar
de: 13 x 13 maneras, así:
P ( B ) = 13 × 13 / 1326 = 13 / 102 = 0.12745
2. En una caja hay 80 tuercas de las cuales 12 son defectuosas. Se
Toma 6 de ellas al azar. Se pide:
y Probabilidad de que las 6 sean buenas (A)
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 23/35
23
y Probabilidad de que hayan2 defectuosas (B).
Solución:
1° La medida del espacio muestra es:
m ( S ) = 80
6
2° Para tomar6 tuercas buenas, ellas se tomaran de las (80 12 = 68) buenas,
luego:
m ( A ) = 68 y P ( A ) = 68 / 80
6 6 6
3° Para que en las 6 tuercas tomadas haya 4 buenas y 2 defectuosas las 4
buenas se tornaran de 68 buenas y las 2 defectuosas se tornaran de las 12
defectuosas, luego la medida de B es:
m ( B ) = 68 × 12 y P ( B ) = 68 × 80 / 80
4 2 4 6 6
3. En una rifa de 100 números hay 3 números premiados. Una persona compra
5 números. Probabilidad de saque un premio a lo menos.
Solución:
1° La medida de los casos posibles es:
m ( S ) = 100
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 24/35
24
5
2° Sea A el suceso sacar un premio a lo menos. Entonces Aº es el suceso: no
sacar ningún premio.
3° Calcularemos P ( Aº ). Para no sacar ningún premio tomaremos los 5 números
entre los 97 no premiados, luego:
P ( Aº ) = 97 / 100 = 97 × 96 × 95 × 94 × 93 = 0.556
5 5 100 × 99 × 98 × 97 × 96
4° Finalmente la probabilidad de sacar un premio a lo menos es:
P ( A ) = 1 P ( Aº ) = 1 0.556 = 0.144
4. Una caja contiene 60 pernos y 140 tuercas. Veinte pernos están dañados y 10
mismo ocurre con 50 tuercas. Se toma un Ítem al azar. Se pide: calcular
probabilidad que sea perno o este dañado.
Solución:
a° Sea A el acontecimiento, la pieza tomada es perno, entonces:
P ( A ) = 60 / 200 = 3 / 10
b° Sea B el suceso el Ítem está dañado, entonces:
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 25/35
25
P ( B ) = 70 / 200 = 7 / 20
c° Nosotros buscamos: P ( AUB ) y sabemos que:
P ( AUB ) = P ( A ) + P ( B ) P ( A B )
P ( AUB ) = 6 / 20 + 7 / 20 20 / 200 = 11 / 20 = 0.55
5. Una rifa consta de 100 boletos entre los cuales hay dos premiados.
Determinar el menor número de boletos que es necesario comprar para que
la probabilidad de ganar a10 menos un premio sea mayor a 4/5.
Solución:
a° Sea A el suceso: ganar un premio a lo menos. Entonces Aº es el suceso no
ganar ningún premio.
b° Sea n el número de boletos a comprar, entonces:
P ( Aº ) = ( 98 a n ) / ( 100 a n ) = n ² - 199n + 9900 =
9900
Luego:
P ( A ) = 1 - P ( Aº ) = n ² - 199n + 9900 > 4 / 5
9900
De donde:
n ² - 199n + 7920 < 0
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 26/35
26
(n - 55) ( n - 144) < 0
Luego el menor número de boletos a comprar es: 56
6. Una caja contiene n fichas. Se saca al azar un puñado de ellas.Probabilidad de extraer un número par de ellas.
Solución:
a° AI sacar un puñado de fichas al azar, este puede traer: 1,2, 3,.....n fichas luego la
medida de los casos posibles es:
m ( S ) = ( n a 1 ) + ( n a 2 ) + ««««. + ( n a n ) = 2 - 1
b° Llamando A al acontecimiento sacar un numero par de fichas, el se verifica,
sacando: 2 o 4 o 6,...etc., luego la medida de A es:
m ( a ) = ( n a 2 ) + ( n a 4 ) + ( n a 6 ) + ««««. = 2 ¹ - 1
y entonces la probabilidad pedida es :
P ( A ) = 2 ¹ - 1
2 - 1
7. Se toma al azar dos números comprendidos entre 0 y 1. Determine la
probabilidad que la suma de ellos no supere 1 y que su producto no sea
mayor que 2/9
Solución:
a° Llamando x e y los números tomados, tenemos:
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 27/35
27
S = { ( x, y ) / x + Y < 1 ^ x y < 2 / 9}
m ( s ) = 1 x 1 = 1
b° EI suceso: x + y< 1 es el triangulo: OAC = S
c° EI suceso: x y < 2 / 9 queda expresado por el área S2 bajo la hipérbola x y
= 2 / 9 y el acontecimiento A, cuya probabilidad se busca, está en el área: S1nS2, donde fácilmente se encuentra: Xd = 1/3 y Xe = 2/3.
La medida de ( S1n S2 ) está dada por:
² » ²
m ( S1 S2 ) = 1 / 3 + 2 / 9 �dx / x = 1 / 3 + 2 / 9 ln 2¹ » ³
Finalmente:
P ( A ) = m ( S1 S2 ) = 0.487
m ( S )
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 28/35
28
8. Dos personas Pedro y Juan deciden juntarse en un determinado lugar entre
las12 M Y la1 PM Y acuerdan esperar15 minutos. Determinar la probabilidad
de que se encuentren.
Solución:
aº Sea x el instante en que Ilega Pedro e y el instante en que lIega Juan.
Entonces el espacio muestra del experimento es:
S = { ( x,y ) / 0 � x � 60 y 0 � y � 60 } y m ( 8 ) = 60 x 60 minutos².
b° Sea A el suceso Pedro y Juan se encuentran, entonces:
A = { ( x,y ) / I y x I � 15 }
Pero
l y - x l � 15
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 29/35
29
Implica
-15 � y x � 15
O bien:
x - 15 � y � x +15
Así A es la región comprendida entre las rectas:
y = x - 15 e y = x + 15
Y como:
m (A)= 60 x 60 - 45 x 45
La probabilidad buscada es
P ( A ) = m ( A ) = 1 45 × 45 = 7 / 16 = 0.4375
m ( B ) 60 × 60
9. En el cuadrado S = { (x, y) / I x I < 1 y I y I < 1}. Se toma al azar un punto M =
(a, b). Determinar la probabilidad que las raíces de la ecuación: x² + 2ax + b=
0 sean complejas.
Solución:
a° Graficado el espacio muestra, su medida es: m ( S )= 4
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 30/35
30
b° Como las raíces de la ecuación son:
X = -a ± a² - b
Ellas serán complejas cuando: a²- b < o.
10. Tabulaciones sobre mortalidad indican que la probabilidad que una persona
muera entre T1 y T2 años es:
¹
P ( T1 T T2 ) = � Q ( T) dt
²
Siendo
3 x 10 - T² ( 100 ± T )² para T � 0
Q ( T ) =
0 para T 0
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 31/35
31
Determinar:
a) Probabilidad que una persona viva 100 arias.
b) Probabilidad que una persona muera entre los 60 y 70 años, si ella ya
tiene 40 años.
Solución:
1º De inmediato
99
P ( 99 T � 100 ) = 3 x 10 - � T² ( 100 T )² dt = 0
100
2º Para la segunda pregunta, tenemos:
P ( 60 T � 70 I T �40 ) = P[( 60 T � 70 ) ( T � 40 )] = P [( 60 T � 70 )]
P ( T � 40 ) P ( T � 40 )
Y como
70
P ( 60 T � 70 ) = 3 x 10 - � T² ( 100 T )² dt = 0.1543
60
P ( T � 40 ) = 1 - P( T � 40 ) = 0.2050
Luego:
P ( 60 T � 70 I 40 ) = 0.1543 = 0.075
0.2050
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 32/35
32
i) P(A) � 0 A S
ii) P( ) = 1
iii) Dada una sucesión numerable de sucesos incompatibles, se verifica que
la probabilidad de la unión es la suma de las probabilidades, esto
La terna ( , S , P) recibe el nombre de espacio probabilístico.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 33/35
33
CONCLUSION
Esperamos que con esta breve pero intensa aportación, haya conseguido que
ahora ya sí podamos contestar algunas de las preguntas planteadas en el título de
la exposición. En este corto pero exhausto recorrido por la historia de laprobabilidad somos consciente que hemos dejado en el camino las aportaciones
de otros autores, que si bien es verdad, no los considero tan relevantes como los
mencionados, no por ello debemos hacer de menos sus trabajos. Puesto que, si
alguna conclusión debemos extraer de esta exposición es que la Moderna Teoría
de la Probabilidad, es el resultado de la unión de muchos y continuos esfuerzos
materializados en pequeños y grandes trabajos.
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 34/35
34
BIBLIOGRAFIA
o WILLIAM J. STEVENSON, ESTADISTICA PARA ADMINISTRACION Y
ECONOMIA: Conceptos y Aplicaciones
o JAY L. DEVORE, PROBABILIDAD Y ESTADISTICA PARA INGENIERIA Y
CIENCIAS: Sexta Edicion
o MIGUEL ANGEL GOMEZ VILLEGAS, INFERENCIA ESTADISTICA
o ANTONIO VARGAS SABADIAS, ESTADISTICA DESCRIPTIVA
5/7/2018 Probabilidades - slidepdf.com
http://slidepdf.com/reader/full/probabilidades-559abb69b287a 35/35
35
URLs DE INTERES
o http://www.uv.es/zuniga/09_La_distribucion_de_Poisson.pdf
o http://www.hrc.es/bioest/Probabilidad_14.html
o http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
o http://www.dm.uba.ar/materias/estadistica_Q/2011/1/EstadQuimProbabilida
d.pdf