Professional Documents
Culture Documents
(Probabilidad)
Cod.301014
AdrianaMoralesRobayo
Estadstico
UNIVERSIDADNACIONALABIERTAYADISTANCIAUNAD
ESCUELADECIENCIASBSICASEINGENIERA
UNIDADDECIENCIASBSICAS
BogotD.C.,2007
2
COMITDIRECTIVO
JaimeAlbertoLealAfanador
Rector
RobertoSalazarRamos
VicerrectordeMediosyMediacionesPedaggicas
GloriaHerreraSnchez
VicerrectoraAcadmicaydeInvestigacin
MDULO
CURSOPROBABILIDAD
PRIMERAEDICIN
Copyrigth
UniversidadNacionalAbiertayaDistancia
INTRODUCCIN
LaEstadsticasehaconvertidoenunefectivomtodoparadescribir,relacionary
analizar los valores de datos econmicos, polticos, sociales, biolgicos, fsicos,
entre otros. Pero esta ciencia no slo consiste en reunir y tabular los datos, sino
endarlaposibilidaddetomardecisionesacertadasyatiempo,ascomorealizar
proyeccionesdelcomportamientodealgnevento.Esascomoeldesarrollodela
teora de la Probabilidad ha aumentado el alcance de las aplicaciones de la
Estadstica.
Muchos de los eventos que ocurren en la vida del ser humano no se pueden
predecir con exactitud, pues la mayora de los hechos estn influenciados por el
azar,esdecir,porprocesosinciertos,enlosquenoseestsegurodeloquevaa
ocurrir.Seraunerrorafirmarquevivimosenunmundodeterminista,endondeno
hay influencia del azar y la incertidumbre. La Probabilidad permite un
acercamiento a estos sucesos, ponderando las posibilidades de su ocurrencia y
proporcionando mtodos para tales ponderaciones, creando as modelos
Probabilsticos. Precisamente, algunos de esos mtodos proporcionados por la
teoradelaProbabilidadllevanadescubrirqueciertoseventostienenunamayoro
menor probabilidad de ocurrir que la apreciacin hecha a travs del sentido
comn.
Estetextocontienedosunidadesdidcticas
1
,correlacionadasdirectamenteconel
nmero de crditos acadmicos asignados. La primera de ellas considera los
Principios de Probabilidad, necesarios para el cumplimiento de los propsitos y
objetivos del curso. En esta unidad se recuerdan algunos conceptos bsicos de
lastcnicasdeconteo:permutaciones,variacionesycombinaciones;seidentifican
conceptos sobre espacios muestrales y eventos, las propiedades bsicas de la
probabilidad como las reglas de adicin y multiplicacin, la probabilidad
condicionalyelteoremadeBayes.Enlasegundaunidaddidctica,seestablece
la diferencia entre variables aleatorias discretas y continuas, en trminos de su
funcin de probabilidad, valor esperado, varianza y desviacin estndar se
reconocen algunas de las distribuciones de probabilidad ms comunes, tanto las
discretas como las continuas. Entre las primeras se contemplan la uniforme
discreta,binomial,geomtrica,binomialnegativa,hipergeomtricayladistribucin
de Poisson y, como distribuciones de probabilidad continua, se trabajan la
distribucin uniforme continua, normal, exponencial, Weibull, Erlang, Gamma, Ji-
cuadrada,t-studentyFdeFisher.
1
Conjuntodeconocimientosseleccionados,organizadosydesarrolladosapartirdepalabrasclave
tomados como conceptos que los tipifican, en articulacin con las intencionalidades formativas,
destinadas a potenciar y hacer efectivo el aprendizaje mediante el desarrollo de operaciones,
modificaciones y actualizaciones cognitivas y nuevas actuaciones o competencias por parte del
estudiante.ELMATERIALDIDCTICO.RobertoJ.SalazarRamos.UNAD,BogotD.C.2004.
6
clculointegraldebidoaqueestospermitenobtenerunaperspectivamsamplia
delaProbabilidad.
Estetextonopretendereemplazarlasdiferentesreferenciasbibliogrficasclsicas
delaProbabilidad,eselresultadodelaconsultadediferentesfuentesquetratan
cadatemaenformamsamplia.Loquesepretendeesentregarlosconceptosde
unmodomsdidctico,enfocadoenelautoaprendizajeyenrelacindirectacon
laGuadeActividadesreferenciadaenelprotocolodelpresentecurso.Alfinalde
cada unidad, el estudiante encontrar las referencias bibliogrficas bsicas, pero
no nicas, para que con ellas refuerce en conceptos y definiciones. Adems,
encontrar una serie de pginas web recomendadas que amplan los temas
tratados. Se trata pues de un material didctico de apoyo para el curso de
Probabilidad de la UNAD, como parte de las diferentes y diversas herramientas
didcticasenlasqueseapoyaelaprendizajeautnomo.
CONTENIDO
INTRODUCCIN
UNIDADUNO
PRINCIPIOSDEPROBABILIDAD
INTRODUCCINALAUNIDAD
OBJETIVOGENERAL
OBJETIVOSESPECFICOS
RESEAHISTRICADELAPROBABILIDAD
1.-EXPERIMENTOALEATORIO,ESPACIOSMUESTRALESYEVENTOS
1.1.ESPACIOMUESTRAL
1.2.SUCESOSOEVENTOS.OPERACIONESCONEVENTOS
EJERCICIOSCAPITULO1
2.-TCNICASDECONTEO
2.1PRINCIPIOFUNDAMENTALDELCONTEO
2.2.FACTORIALDEUNNMERO
2.3PERMUTACIONESYVARIACIONES
2.4COMBINACIONES
2.5REGLADELEXPONENTE
EJERCICIOSCAPTULO2
3.-PROPIEDADESBSICASDELAPROBABILIDAD
3.1.-INTERPRETACIONESDELAPROBABILIDAD
3.2.AXIOMASDEPROBABILIDAD
3.3.PROBABILIDADTOTALYTEOREMADEBAYES
EJERCICIOSCAPTULO3
8
UNIDADDOS
VariablesAleatoriasyDistribucionesdeprobabilidad
INTRODUCCINALAUNIDAD
OBJETIVOGENERAL
OBJETIVOSESPECFICOS
1.-VARIABLESALEATORIAS
1.1.-VARIABLEALEATORIADISCRETA
1.2.-VARIABLEALEATORIACONTINUA
1.3.-TEOREMADECHBYSHEV
EJERCICIOSCAPTULO1
2.-DISTRIBUCIONESDEPROBABILIDADDISCRETA
2.1.-DISTRIBUCINUNIFORMEDISCRETA
2.2..-DISTRIBUCINBINOMIAL
2.3.-DISTRIBUCINGEOMTRICA
2.4.-DISTRIBUCINBINOMIALNEGATIVA
2.5.-DISTRIBUCINHIPERGEOMTRICA
2.6.-DISTRIBUCINPOISSON
3.-DISTRIBUCIONESDEPROBABILIDADCONTINUA
3.1.-DISTRIBUCINUNIFORMECONTINUA
3.2..-DISTRIBUCINNORMAL
BIBLIOGRAFA
UnidadUno
PRINCIPIOSDEPROBABILIDAD
10
INTRODUCCINALAUNIDAD
Esta unidad se divide en cuatro captulos. Los dos primeros captulos se centran
ennocionesbsicasparaeldesarrollocompletodelconceptodeprobabilidad.El
primero de ellos introduce los trminos bsicos que se encuentran ligados al
lenguajeestadsticoylosfundamentosnecesariosparaelestudiodelateorade
la probabilidad. El segundo captulo desarrolla la teora del conteo y las tcnicas
paradeterminarelnmerodevecesdeocurrenciadeunevento.Enelcaptulo3
se desarrolla el concepto de probabilidad y se examinan las diferentes
interpretaciones que se tienen de ella, tambin se trata aqu los axiomas que
satisfacen las probabilidades de cualquier experimento aleatorio, las reglas de
adicin y de multiplicacin para probabilidades, la probabilidad condicional, la
independenciadeeventosyelTeoremadeBayes.
11
OBJETIVOGENERAL
OBJETIVOSESPECFICOS
Reconocerlascaractersticasdeunexperimentoaleatorio.
Definiryestudiardiversostiposdeespaciosdeprobabilidad.
Reconocerlaimportanciadelateoradelasprobabilidadesenelanlisise
interpretacindeinformacinestadstica.
Aplicarlaspropiedadesmatemticasbsicasdelasprobabilidadesparael
clculo de la probabilidad de diferentes eventos que ocurren en
experimentosaleatorios.
Calcularlaprobabilidaddeunevento,dadoqueotrohasucedido.
12
Demostrarlaindependenciaonodedosomseventos.
Enunciaryaplicarlaleydelaprobabilidadtotal.
CalcularlaprobabilidaddecausasaplicandoelteoremadeBayes.
13
RESEAHISTRICADELAPROBABILIDAD
2
.
Elorigendelateoradelasprobabilidadesesoscuroynisiquieraloshistoriadores
estndeacuerdoconlafechaenquepuedesituarse.En1494(apenasdosaos
despus del descubrimiento de Amrica), el italiano Pacioli plante algunas
preguntasconcretassobrelaprobabilidad,peronuncaintentabordareltemade
maneracientfica.
En1654,ydesconociendoloquehabaescritoCardanomsdecienaosatrs,
el gran matemtico francs (o gemetra, como se autonombraba) Blas Pascal
redescubri las bases de la teora de las probabilidades con un enfoque mucho
ms universal y riguroso. Se cuenta que por aquella poca el caballero de Mere
2
SOTOMAYORG.yP.WISNIESKIPiotr.ProbabilidadyEstadsticaparaIngenierayCiencias.Thomson
Learning.2001.
14
formul, en Pars, la siguiente pregunta al clebre ex prodigio Blas Pascal: "Si
alguien lanza un par de dados ordinarios una y otra vez, cuntas veces habr
que lanzarlos para que se pueda apostar ventajosamente a que aparecer el
doble seis?" Aunque hoy en da este problema lo puede resolver con facilidad
cualquier estudiante de un primer curso de
probabilidad, en aquella poca fue un planteamiento
novedoso. Pascal se puso a trabajar en este asunto y
al cabo de unos das hall una serie de frmulas
simples que permitan resolver el problema y otros
similares.PascalinformentoncesalCaballerodeMe-
re que ya tena la respuesta a su pregunta: resulta
ventajoso apostar al doble seis en 25 tiradas de los
dados o ms; pero es desventajoso hacer semejante
apuesta en 24 tiradas o menos. Al parecer, a raz de
este incidente, Pascal se interes por el estudio
matemticoseriodelosfenmenosrelacionadosconel
azar,aunquenoseregistraningunapublicacinsuyaal
respecto: pero hubo un intercambio de cartas entre
Pascal y otro ilustre matemtico que curiosamente
eraabogadodeprofesin,PierreFermat.
15
En el siglo XIX, Pierre Simon, marqus de Laplace (1749 - 1827), unific todas
estasprimerasideasycompillaprimerateorageneraldelaprobabilidad.
A mediados del siglo XIX, un fraile agustino austriaco, Gregor Mendel, inici el
estudio de la herencia, la gentica, con sus interesantes experimentos sobre el
cruce de plantas de diferentes caractersticas. Su obra, La matemtica de la
Herencia, fue una de las primeras aplicaciones importantes de la teora de
probabilidadalascienciasnaturales.
Lateoradelaprobabilidadfueaplicadaconxitoenlasmesasdejuegoy,loque
esmsimportante,enproblemassocialesyeconmicos.Laindustriadeseguros
requera un conocimiento preciso acerca de los riesgos de prdida. Muchos
centros de aprendizaje estudiaron la probabilidad como una herramienta para el
entendimientodelosfenmenossociales.
Nuestranecesidaddetratarcontotalincertidumbrenosllevaaestudiaryutilizarla
teora de la probabilidad. Al organizar la informacin y considerarla de manera
sistemtica, seremos capaces de reconocer nuestras suposiciones, comunicar
nuestrorazonamientoaotraspersonasytomarunadecisinmsslida.
16
CAPITULO1
EXPERIMENTOSALEATORIOSYESPACIOMUESTRAL.
Enlateoradeprobabilidadessehablaamenudodeexperimentosaleatoriosyde
fenmenosaleatorios.Lapalabraaleatorioprovienedelvocablolatinoalea,elcual
significasuerteoazar.Unfenmenoaleatorio,esportanto,aqulcuyoresultado
estfueradecontrolyquedependedelazar.
Experimentos o fenmenos aleatorios son los que pueden dar lugar a varios
resultados, sin que pueda ser previsible enunciar con certeza cul de stos va a
serobservadoenlarealizacindelexperimento.
Sidejamoscaerunapiedraolalanzamos,yconocemoslascondicionesiniciales
de altura, velocidad, etc., sabremos con seguridad dnde caer, cunto tiempo
tardar, etc. Es una experiencia determinista. Si echamos un dado sobre una
mesa,ignoramosqucaraquedararriba.Elresultadodependedelazar.Esuna
experienciaaleatoria.
S Su uc ce es so oa al le ea at to or ri io oe es su un na ac co on nt te ec ci im mi ie en nt to oq qu ue eo oc cu ur rr ri ir r o on no o, ,d de ep pe en nd di ie en nd do od de el la az za ar r. .
1.1ESPACIOMUESTRAL
EJEMPLO1.1:
Enundado,S={1,2,3,4,5,6}
Enunamoneda,S={C,+}
Unexperimentoaleatoriocumpleconlassiguientescaractersticas:
17
Elexperimentopuederealizarsebajoidnticascondicionescuantasvecessea
necesario.
Losposiblesresultadossontodosconocidos.
Elresultadodelexperimentoesincierto,dependedelazar.
Se observa cierto patrn de regularidad a medida que aumentan las
repeticiones.
EJEMPLO1.2:
Enunaempresadelcteoshacencontroldecalidadalllenadodebolsasdeleche
de1000ccdevolumen.Cada20minutosseverificaelvolumendellenadodela
mquina. La evaluacin contina hasta encontrar una bolsa que no cumple las
especificaciones.
Sea s el hecho de que la bolsa de leche cumple con las especificaciones de
volumen, y n las que no cumple con ellas. Cul es el espacio muestral de este
experimento?
1.2.SUCESOSOEVENTOS.OPERACIONESCONSUCESOS.
SucesosoEventos.
Elespaciomuestralasociadoallanzamientodetresdadosyanotarlasumadelos
puntosobtenidoses:
S={3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}
PodemosconsideraralgunossubconjuntosdeS,porejemplo:
Salirmltiplode5: A={5,10,15}
Salirnmeroprimo: C={2,3,5,7,11,13,17}
Salirmayoroigualque12: D={12,13,14,15,16,17,18}
18
Todos estos subconjuntos del espacio muestral S los llamamos sucesos o
eventos.
S Su uc ce es so o o o E Ev ve en nt to o d de e u un n f fe en n m me en no o o o e ex xp pe er ri im me en nt to o a al le ea at to or ri io o e es s c ca ad da a u un no o d de e l lo os s
s su ub bc co on nj ju un nt to os s d de el l e es sp pa ac ci io o m mu ue es st tr ra al l S S. . L Lo os s e el le em me en nt to os s d de e S S s se e l ll la am ma an n s su uc ce es so os s
i in nd di iv vi id du ua al le es s o o s su uc ce es so os s e el le em me en nt ta al le es s. . T Ta am mb bi i n n s so on n s su uc ce es so os s e el l s su uc ce es so o v va ac c o o o o
s su uc ce es so oi im mp po os si ib bl le e, , , ,y ye el lp pr ro op pi io oS S, ,s su uc ce es so os se eg gu ur ro o. .
SiStieneunnmerofinito,n,deelementos,elnmerodesucesosdeEes2
n
.
EJEMPLO1.3:
{1,2},{2,4,6},{3,5}sonsucesos.{1},{2},{3}...,sonsucesosindividuales.
Enundadohay2
6
=64sucesos.
Enunamonedahay2
2
=4sucesos,queson:,{C},{+},{C,+}
Esdecir,S={,{C},{+},{C,+}}
1.2.1.-Operacionesconsucesosoevento
Ya que los eventos o sucesos son subconjuntos, entonces es posible usar las
operaciones bsicas de conjuntos
3
, tales como uniones, intersecciones y
complementos, para formar otros eventos de inters, denominados eventos o
sucesoscompuestos.
Dadosdossucesos,AyB,sellaman:
Unin
eselsucesoformadopor
todosloselementosdeAytodoslos
elementosdeB.
3
En el desarrollo del presente mdulo se parte de la premisa de que el estudiante maneja los diferentes
conceptos de la Teora de Conjuntos. Se recomienda al estudiante que consulte el mdulo de Lgica
Matemticaocualquierotrotextoquecontengadichosconceptos.
19
Interseccin
eselsucesoformadopor
todosloselementosqueson,ala
vez,deAydeB.
Diferencia
eselsucesoformadopor
todosloselementosdeAquenoson
deB.
Suceso
complementario
ElsucesoA=E-Asellamasuceso
complementariodeA.
Dos sucesos A y B, se llaman incompatibles cuando no tienen ningn elemento
comn. Es decir, cuando = (A y B son mutuamente excluyentes o
disjuntos)
Decimos que un suceso se ha verificado, si al realizar el experimento aleatorio
correspondiente,elresultadoesunodelossucesoselementalesdedichosuceso.
Porejemplo,siallanzarundadosale5,sehaverificado,entreotros,lossucesos
{5},{1,3,5}oS.
Demaneraanloga,decimosque:
Elsuceso severificacuandoseverificaunodelosdosoambos.
Elsuceso severificacuandoseverificansimultneamenteAyB.
ElsucesoA,contrariodeA,severificacuandonoseverificaA.
Dos sucesos incompatibles o mutuamente excluyentes no se verifican
simultneamente.
EJEMPLO1.4:
EnelexperimentoS="lanzarundadoalaire",consideramoslossucesos:
A="sacarunnmeropar".
B={1,2,3,5}="obtenerun1,2,35".
20
C={4,6}="obtenerun4un6".
D={2,4,6}="obtenerun2,46".
F={1,3}="obtenerun1un3".
G="obtenerunmltiplode3".
A y D son sucesos iguales al estar formados por los mismos sucesos
elementales.
C est contenido en A. Luego = C, puesto que siempre que
ocurre el suceso C (sacar 4 6) ocurre el suceso A, puesto que se
obtieneunnmeropar.
B y C son incompatibles, ya que B C = y complementarios, al
cumplirseB C=E.
="sacarunnmeropar" {1,2,3,5}={1,2,3,4,5,6}=E.
A G = {2,4,6} {3,6} = {6}, es decir, el suceso interseccin de los
sucesos"sacarunnmeropar"y"obtenerunmltiplodetres"es"sacar
un6".
B-D=B ={1,2,3,5} {1,3,5}={1,3,5}="obtenerunnmeroimpar"=
.
CyFsonincompatiblespuestoqueC F=.
6.Elemento
neutro
7.Absorcin
Paradescribirlasrelacionesentreeventosseusanconfrecuencialosdiagramas.
Estos bien pueden ser los denominados diagramas de Venn o los diagramas de
rbol.Acontinuacinsedescribenambostratamientosgrficosdeloseventosde
unespaciomuestraldeterminado.
21
LosdiagramasdeVennsuelenemplearsepararepresentarunespaciomuestral
y sus eventos. En la figura siguiente se contempla un espacio muestral S (los
puntosdentrodelrectngulo)yloseventosA,ByCcomosubconjuntosdeeste.
Se representan diferentes diagramas de Venn, ilustrando varios eventos
combinados.
Figura1.1
DiagramasdeVenn
(a)EspaciomuestralSconloseventosAyBmutuamenteexcluyentes, = B A .
(b)InterseccindeloseventosAyBdelespaciomuestralS, B A .
(c)ComplementodeleventoA(A)enelespaciomuestralS.
(d)Evento C B A ) ( .
(e)Evento ) ( C A
EJEMPLO1.5:
Lasorqudeasdeunvivero,presentanlassiguientescaractersticas:
Tamaodeptalo
Grande Pequeo
Color
Lila 40 4
Blanca 2 3
Seanloseventos:
A:laorqudeaesdeptalogrande.
B:laorqudeaesdecolorlila.
Determine el nmero de muestras en B A , ` A y B A . Represente con
diagramasdeVennesteespaciomuestralyloseventosAyB.Indiqueelnmero
deresultadosencadaregindeldiagrama.
(a) (b) (c)
(d) (e)
22
Figura1.2
DiagramadeVenn,ejemplo1.5
Cuandounespaciomuestralpuedeconstruirseenvariospasosoetapassueleser
ms til hacer uso de los diagramas de rbol. Cada una de las n
1
maneras de
completarelprimerpasopuederepresentarsecomounaramadelrbol,cadauna
delasmanerasdecompletarelsegundopasopuederepresentarseconn
2
ramas
quecomienzandondeterminanlasramasoriginales,yassucesivamente.
Estetipodediagramasesmuyusualnosloparadescribirunespaciomuestral,
sinoensituacionesdeprobabilidad,casoenelcuallaprobabilidaddeleventose
indica sobre el segmento de recta, tambin en combinatoria y en muchas otras
ramasdelamatemtica.
23
Figura1.3
Diagramasderbol
(a)Vertical,(b)Horizontal
EJEMPLO1.6:
Figura1.4
Diagramaderboldelejemplo1.6
El recorrido desde el principio del rbol hasta los puntos terminales, indica quin
gan cada juego en el torneo individual de tenis. Observe que hay 10 puntos
terminalesquecorrespondenalos10resultadosposiblesdeltorneo,ellosson:
{SS,SCSS,SCSCS,SCSCC,SCC,CSS,CSCSS,CSCSC,CSCC,CC.}
S
A
B
C
S
A
B
C
(a) (b)
S
S
S
S
S
S
S
S
S
C
C
C
C
C
C
C
C
C
24
E EJ JE ER RC CI IC CI IO OS SC CA AP P T TU UL LO O1 1
1.- Proporcione una descripcin razonable del espacio muestral de cada uno de
lossiguientesexperimentosaleatorios.Utiliceundiagramaderbol.
a.- Lanzar tres veces una moneda y observar la serie de sellos o caras que
aparecen.
b.- Tirar un dado, si el resultado es un numero par lanzar una moneda, si el
resultadoesunnumeroimparlanzarunamonedadosveces.
2.- Se desea observar una familia que posee dos automviles y para cada uno
observamossifuefabricadoenColombia,siesAmericanoosiesEuropeo.
a.-Cualessonlosposiblesresultadosdeesteexperimento?
b.-DefinaeleventoA:LosdosautomovilesnosonfabricadosenColombia,Liste
eleventoB:Unautomovilescolombianoyelotrono.
c.-DefinaloseventosAByBA.
a.-hagaunalistadeloselementosdeS
b.- Liste los eventos A: el libro 5 es seleccionado, B: exactamente un libro debe
serexaminado,C:ellibro1noesexaminado
c.-Encuentre:AB,BA.,ACyBC.
4.-Dosestacionesdegasolinaseencuentranenunciertocrucedelaciudad,en
cadaunahay4bombasparadespachodegasolina.Considereelexperimentoen
queelnumerodebombasenusoenundaparticularsedeterminaparacadauna
delasestaciones.Unresultadoexperimentalespecificacuantasbombasestnen
usoenlaprimeraestacinycuantasestnenusoenlasegunda.
a.-Cualessonlosposiblesresultadosdelexperimento
b.- Defina el evento A: el numero de bombas en uso es el mismo en ambas
estaciones, el evento B: el numero de bombas en uso es mximo dos en cada
estacin,eleventoC:elnumerototaldebombasenusoenambasestacioneses
cuatro.
c.-DefinaAB,BC
25
a. A
b. B A
c. C B A ) (
d. ) ( C B
e. C B A ) (
6.- Una mujer es portadora de hemofilia clsica. Esto significa que, aunque la
mujer no tenga hemofilia, puede transmitir la enfermedad a sus hijos. Ella tiene
treshijos.Describaelespaciomuestraldeesteexperimento.
7.- En una encuesta realizada entre 200 inversionistas activos, se hall que 120
utilizan corredores por comisin, 126 usan corredores de tiempo completo y 64
empleanambostiposdecorredores.Determineelnmerodeinversionistastales
que:
a.Utilizanalmenosuntipodecorredor.
b.Utilizanexactamenteuntipodecorredor.
c.Utilizanslocorredoresporcomisin.
d.Noutilizancorredores.
Memoriaadicional
No Si
Procesadoropcional
dealtavelocidad
No 75 7
Si 10 8
Sean:
A: evento donde la orden de compra es solicitada sin memoria adicional y sin
procesadoropcionaldealtavelocidad.
B:eventodondelaordendecompraessolicitadasinmemoriaadicional.
Determineelnmerodemuestrasen B A , B y B A .Dibujeundiagramade
Vennquerepresenteestosdatos.
9.-Selepidia110comerciantesquedijeranquetipodeprogramadetelevisin
preferan.Latablamuestra las respuestas clasificadas a la vez segn el nivel de
estudiosdeloscomerciantesysegneltipodeprogramapreferido.
26
TipodePrograma
Niveldeestudios
Colegio
(A)
Universidad
(B)
Postgrado
(C)
Total
Deportes(D) 15 8 7 30
Noticias(N) 3 27 10 40
Drama(M) 5 5 15 25
Comedia(W) 10 3 2 15
Total 33 43 34 110
27
CAPITULO2
TCNICASDECONTEO
Enelclculodelasprobabilidadessedebepoderdeterminarelnmerodeveces
que ocurre un evento o suceso determinado. Es muchas situaciones de
importanciaprcticaesimposiblecontarfsicamenteelnumerodeocurrenciasde
uneventooenumrelosunoaunosevuelveunprocedimientoengorroso.Cuando
se estafrente aestasituacinesmuy til disponer de un mtodo corto, rpido y
eficazparacontar.
Acontinuacinsepresentanalgunasdeestastcnicas,denominadastcnicasde
conteo o anlisis combinatorio, entre las cuales se tienen: el principio
fundamental del conteo, permutaciones, variaciones, combinaciones, la regla del
exponenteyeldiagramaderbol.
2.1PRINCIPIOFUNDAMENTALDELCONTEO
En la teora fundamental del conteo se tienen dos principios bsicos, que son la
baseparadesarrollarotros conceptos como permutaciones y combinaciones que
severnmsadelante.
2.1.1Principiodemultiplicacinomultiplicativo
Figura2.5
Diagramadelasposiblesopcionesparaprepararunmen
Lasalternativasquetendrson:
{1,3,6} {1,3,7} {1,4,6} {1,4,7} {1,5,6} {1,5,7}
{2,3,6} {2,3,7} {2,4,6} {2,4,7} {2,5,6} {2,5,7}
Sopa
Plato
principal
Postre
1
2
3
4
5
6
7
28
2x3x2=12
...
3 2 1
n n n
2.1.2Principioaditivo
Este principio tiene las mismas premisas del principio multiplicativo, pero con la
condicin no de que los eventos sean independientes sino de que sean
mutuamente excluyentes, es decir que cada uno ocurra sin la necesidad de que
otrolohaga.Elnmerototaldemanerasenlasquepuedenrealizarseloseventos
eslaadicin:
...
3 2 1
+ + + n n n
Suponga,ahora,quelapersonaquepreparaelmenparasusamigospreparar
pescado como plato principal. Para preparar el pescado, l encuentra cinco
maneras diferentes de hacerlo al horno, dos para hacerlo frito y tres para
prepararlococido.Decuntasmanerasdiferentespuedecocinarsupescado?
Cadaunadelasmanerasdeprepararelpescadoesexcluyentedelasotrasdos.
Esdecir,sielcocinerodecideprepararelpescadococido,yanopodrprepararlo
ni fritoni al horno; deigual manera sucedesi decide hacerlo al horno ofrito. As
que en total, y de acuerdo con el principio aditivo, slo hay 5+2+3=10 maneras
diferentesdecocinarelpescado.
Figura2.6
Esquemadeinterpretacindelosprincipiosmultiplicativoyaditivo
n
1
n
2
n
3
...
Principio
multiplicativo
n
1
n
2
n
3
.
.
.
Principioaditivo
29
El esquema de la figura 1.6 ilustra una interpretacin sencilla de ambos
principios
4
.Msadelantesedesarrollanlosconceptosdeeventosindependientes
yeventosmutuamenteexcluyentes,peroyainiciaunprimeracercamientoaellos.
2.2FACTORIALDEUNNMERO
Simblicamentequedaexpresadocomo:
( )( ) 1 1 2 1 = n n- n- n n!
Laexcepcineselcasode0!Elcualconvienedefinirlocomoiguala1conobjeto
de preservar la validez de las frmulas en casos extremos. Muchas calculadoras
traenunateclafactorial,verifiquequelasuyalatengaypractique.
EJEMPLO2.7
Calcule:
a. 720 1 2 3 4 5 6 ! 6 = =
b. 000 . 368 . 674 . 307 ' 1 1 2 3 ... 13 14 15 ! 15 = =
c. 121 ) 1 2 3 4 5 ( ) 1 ( ! 5 ! 0 = + = +
d. 156 12 13
! 11
! 11 12 13
! 11
! 13
156 12 13
1 2 3 ... 9 10 11
1 2 3 ... 11 12 13
! 11
! 13
= =
= = =
=
e.
720
1
8 9 10
1
! 7 8 9 10
! 7
! 10
! 7
1 2 3 ... 9 10
1 2 3 4 5 6 7
! 10
! 7
=
=
=
=
2.3PERMUTACIONESYVARIACIONES
4
Modificado de Probabilidad y estadstica para ingeniera y ciencias, Gabriel Velasco S. y Piotr
MarianWisniewski.ThomsonLearning.Mxico.2001
30
son las permutaciones de los elementos del conjunto S y son en total 6 posibles
acomodos.Estoes:
6 1 2 3 ! 3 = =
Unaordenacindeunnmerordeelementosdelconjuntodenelementos, n r ,
es denominada variacin. Son permutaciones en las que implica un orden en la
colocacin de los elementos, tomando nicamente una parte de los elementos.
Unavariacinpuedeconstruirseseleccionandoelelementoquesercolocadoen
laprimeraposicindelarreglodeentrelosnelementos,paraluegoseleccionarel
elemento de la segunda posicin de entre los n-1 elementos restantes, para
seleccionar despus el tercer elemento de entre los n-2 restantes, y as
sucesivamente.Setratapuesdeunapermutacindenelementostomandorala
vez.
Elnmerodepermutacionesdenelementostomadosralavezsedenotacomo
r n
P o
n
r
V ysedefinecomo:
( )( ) ( )
( )! r n
n!
r n ... n n n P P
n
r r n
= + = = 1 2 1
Observequeenelcasoespecialder=n,setiene:
! 1 2 3 )... 2 )( 1 ( n n n n P
n n
= =
Ejemplo2.7
SupongaquesetienenlasbasesTiamina(T),Adenina(A),Citosina(C)yGuanina
(G). De cuntas maneras diferentes se pueden ordenar estas bases en una
secuenciadelongitud4,sinrepetirningunabase?
Supngasequeenlassiguientescasillasseubicarnlasbases.
31
Enlaprimeracasillasepuedeubicarunadelascuatrobases,cualquieradeellas.
Demodoquesetienen4formasdellenarestacasilla.Independientedelabase
elegida para la primera casilla, quedan tres bases no seleccionadas, pues se ha
aclaradoquenosepuederepetirningunabase.Demodoquelasegundacasilla
podr llenarse de 3 maneras diferentes. La tercera casilla se puede llenar de 2
maneras diferentes. Una vez llenada la tercera casilla, queda una sola base que
deberserubicadaenlacuartacasilla.Demodoqueeltotaldeformasdiferentes
dellenarestascuatrocasillases:
4 3 2 1 = 24 = 4!
Setienenahoralassiguientescasillas:
Enlaprimeracasillasepuedeubicarunadelascuatrobases,cualquieradeellas.
Demodoquesetienen4formasdellenarestacasilla.Independientedelabase
elegidaparalaprimeracasilla,quedantresbasesnoseleccionadas.Demodoque
lasegundacasillapodrllenarsede3manerasdiferentes.As,eltotaldeformas
diferentesdellenarestascuatrocasillases:
4 3 = 12
( )
( )
12 3 4
2
4
2 4
4
12 3 4 1 2 4 4
2 4 2 4
= = =
= = = + =
!
!
!
!
P P
! !... !
!
2 1 r
n n n
n
Ejemplo2.8
CalcularelnmerodeacomodosdistintosdelapalabraCASA.
12 4 3
! 2
! 4
= =
Compruebeculessonesas12permutacionesposiblesdelapalabraCASA.
Ahorabien,decuntasmanerasdistintassepuedeordenarlapalabraCASAS?
10
2
4 5
! 2 ! 2
! 5
=
Compruebeculessonesas10permutacionesposibles.
2.4COMBINACIONES
! )! (
!
r r n
n
r
n
C C
n
r r n
=
|
|
\
|
= =
Ejemplo2.9
ab,ac,ad,bc,bd,cd
Observequeelsubconjuntocompuestodeloselementosaybpuedeser{a,b}
o {b, a}, puesenunacombinacin no se tiene en cuenta el orden. El nmero
deposiblescombinacioneses:
6
! 2 )! 2 4 (
! 4
2 4
=
= C
Elusodecombinacionesesmsusualcuandosetratadecontarlasposibilidades
de ordenar un conjunto de elementos independientemente de su colocacin o
posicin.Enelsiguienteejemploseversuusomscomn,endondenoimporta
quin o qu es tomado de primero, o en qu orden especfico es tomado, de un
subconjuntodeelementosdeterminado.
EJEMPLO2.10
Enunaasambleadesociosdeunaimportanteempresadelpas,compuestade7
hombres y 5 mujeres, se acuerda conformar una comisin de verificacin de
actividades comerciales en la regin. Esta comisin debe estar compuesta por 3
hombresy2mujeres.Decuntasmaneraspuedeescogersedichacomisin?
Delos7hombrespuedenseleccionarse3.Estoes:
35
1 2 3
5 6 7
! 3 ! 4
! 7
3
7
3 7
=
=
=
|
|
\
|
= C posibles maneras deseleccionar3hombres deun
conjuntode7.
Delas5mujerespuedenseleccionarse2.Estoes:
10
1 2
4 5
! 2 ! 3
! 5
2
5
2 5
=
=
|
|
\
|
= C posibles maneras de seleccionar 2 mujeres de un
conjuntode5.
2.5REGLADELEXPONENTE
n
N
Ejemplo2.11
Cuntoscasosposiblesexistenallanzarunamonedaen5lanzamientos?
Demodoque,paracincolanzamientos,hay 32 2
5
= casosposibles
35
E EJ JE ER RC CI IC CI IO OS SC CA AP P T TU UL LO O2 2. .
1.-SupongaqueunapersonaqueviveenelmunicipiodeBello(Antioquia)trabajaenel
centro de la ciudad de Medelln. Para llegar a su sitio de trabajo, este tiene tres rutas
distintas para llegar a la Autopista y de all puede tomar otras tres rutas para llegar al
centro de la ciudad. En el centro, puede tomar cuatro rutas para llegar al parqueadero
mscercanoasuoficina.Decuntasmanerasorutasdistintaspodratomarlapersona
parallegardelacasaalparqueaderomsprximoasuoficina?
5.- Cuntas permutaciones distintas pueden formarse con las letras de la palabra
PROBABILIDAD?
7.- Una tarjeta de circuito impreso tiene ocho posiciones diferentes en las que puede
colocarse un componente. Si se van a colocar cuatro componentes distintos sobre la
tarjeta,culeselnmerodediseosdiferentesposible?
8.-Enunapizzeraseanunciaqueofrecenmsde500variedadesdistintasdepizza.Un
cliente puede ordenar una pizza con una combinacin de uno o ms de los siguientes
nueve ingredientes: jamn, championes, pia, pimentn, salchicha, cebolla, peperoni,
salamiyaceitunas.Esciertoloqueafirmasupublicidad?
9.- El itinerario de un recorrido turstico por Europa incluye cuatro sitios de visita que
debenseleccionarseentrediezciudades.Encuntasformasdiferentespuedeplanearse
esterecorridosi:
Esimportanteelordendelasvisitas?
Noimportaelordendelasvisitas?
10.-ElmuyconocidoBALOTOelectrnicoesunjuegodeazarqueconsisteenacertaren
6nmerosde45posiblesparaganarelpremiomayor.Calculecuntosboletosdejuego
36
debe usted comprar para asegurar que tendr el boleto ganador. La empresa del
BALOTOaseguratambinqueustedpuedeganarunmontodeterminadosiacierta3,4o
5 veces, calcule tambin cuntos boletos debe comprar para asegurar 3, 4 y 5 aciertos.
TodavacreeenelBALOTO?
11.-Enunasaladeesperaseencuentran5personas:3hombresy2mujeres.
Decuntasmaneraspuedensentarseenunafila?
Decuntasmaneraspuedensentarseenfilasiloshombressesientanjuntosylas
mujerestambin?
De cuntas maneras pueden sentarse en fila si justamente las mujeres se sientan
juntas?
Decuntasmaneraspuedensentarseenunamesaredonda?
12.- En una urna se tienen 10 bolitas: 5 rojas, 3 blancas y 2 azules. Si se toman 3 con
reemplazo, de cuntas maneras se pueden sacar las tres bolitas de modo que todas
seandelmismocolor?
13.- Una prueba de opcin mltiple consta de 15 preguntas y cada una tiene tres
alternativas, de las cuales slo debe marcar una. En cuntas formas diferentes puede
marcarunestudiantesurespuestaaestaspreguntas?
14.-CuntasplacasvehicularessepuedenelaborarenColombia?Recuerdequestas
constandetresletrasdelalfabetoytresdgitos.Tome26letrasdelalfabeto.
15.-Cuantasformashaydeseleccionar3candidatosdeuntotalde8recinegresadosy
conlasmismascapacidadesparaocuparvacantesenunaempresa?
16.-EnunestudiorealizadoenCalifornia,seconcluyoquealseguir7reglassencillasde
saludlavidadeunhombrepuedealargarse,enpromedio11aos.Las7reglassonno
fumar, hacer ejercicio regularmente, tomar alcohol solo en forma moderada, dormir 7
horas,conservarunpesoapropiado,desayunarynocomerentrealimentos.Encuantas
formaspuedeunapersonaadoptar5deestasreglas,a)siactualmentelasviolatodas;b)
Sinuncatomabebidasalcohlicasysiempredesayuna.
17.-UnTestigodeunaccidentedetrnsitoenelqueelcausantehuyleindicaalpolica
queelnumerodematriculatenialasletrasRHLseguidaportresdgitoselprimerodelos
cualeseracinco,eltestigonopuederecordarlosotrosdosperoestaseguroquelostres
nmeroserandiferentes,encuentreelnumeromximoderegistrosquedebe verificarla
polica
19.- Un psiclogo tiene 14 pacientes entre los cuales debe seleccionar nueve para un
experimentoengrupo.Cuntosgruposdenuevesepuedehacer?
37
CAPITULOTRES
PROPIEDADESBSICASDELASPROBABILIDADES.
En la vida cotidiana nos hemos acostumbrado a hacer y a or afirmaciones que llevan
implcito el concepto de probabilidades: los pronsticos meteorolgicos nos sealan las
probabilidades de lluvia; los mdicos nos dicen que probabilidad hay de que nuestras
enfermedades se curen por medio de determinados tratamientos; los consejeros
escolares, en el colegio, especulan sobre nuestras posibilidades de xito en la
universidad,losencuestadorespolticosnosdicenqueoportunidadtienedeganarenlas
eleccionesnuestrocandidatofavorito.
Enelpresentecaptuloseexaminarnlasdiferentesinterpretacionesquesetienendela
probabilidad: la clsica, la de frecuencias relativas y la subjetiva o a priori. Las dos
primeras son muy similares por cuanto se basan en la repeticin de experimentos
realizados bajo las mismas condiciones; mientras que la tercera representa una medida
delgradodecreenciaconrespectoaunaproposicin.
Despusdedefinidalaprobabilidaddeunevento,severacontinuacinlosaxiomasque
deben satisfacer las probabilidades de cualquier experimento aleatorio. Posteriormente,
se tratarn lasreglas de adicin y de multiplicacin para probabilidades,apoyadas en la
teora de conjuntos, dedonde se derivan conceptos como la probabilidad condicional, la
independenciadeeventosyelTeoremadeBayes.
3.1.-INTERPRETACIONESDELAPROBABILIDAD
Existentresdiferentesformasdedefinirlaprobabilidaddeunevento.Cadaunadeestas
formasdeinterpretacintienesulugarenelestudiodelaProbabilidadyningunadeellas
porseparadocubrecompletamentetodosloscasos.
Antes de iniciar con estas definiciones, se hace importante acordar una notacin quese
seguir a lo largo del texto, y que usted encontrar comnmente en otros textos
acadmicos relacionados con la probabilidad. Los eventos sern enunciados en letras
maysculas as: A, B, C,; la letra mayscula P denotar una probabilidad y P(A)
indicar,entonces,laprobabilidaddequeocurraeleventoA.
38
3.1.1.-DEFINICINCLSICADEPROBABILIDADOAPRIORI
Cuandounexperimentoaleatoriotienenresultados,ytodosellosconigualposibilidadde
ocurrencia, entonces se emplea el mtodo clsico de la probabilidad para estimar la
posibilidad de ocurrencia de cada uno de ellos. Le corresponde pues, a cada resultado,
unaprobabilidadiguala1/n.
n
A P
1
) ( =
Esteplanteamientodelaprobabilidadtieneseriosproblemascuandointentamosaplicarlo
a los problemas de toma de decisiones menos previsibles. El planteamiento clsico
supone un mundo que no existe, supone que no existen situaciones que son bastante
improbables pero que podemos concebir como reales. La probabilidad clsica supone
tambinunaespeciedesimetraenelmundo.
LafrecuenciarelativadelsucesoA:
Cuandoutilizamoselplanteamientodefrecuenciarelativaparaestablecerprobabilidades,
el nmero que obtenemos como probabilidad adquirir mayor precisin a medida que
aumentan las observaciones. Una dificultad presente con este planteamiento es que la
genteloutilizaamenudosinevaluarelnmerosuficientederesultados.
ParaunespaciomuestraldetamaonyparauneventocualquieraAconfrecuenciaf,se
tienequesuprobabilidaddeocurrenciaes:
n
f
A P = ) (
EJEMPLO3.12
Enunaurnasetienen9bolitasdediferentescolores:4blancas,3grisesy2negras.Sise
seleccionadelaurnaunabolita,sean:
B:Eventoparaelcuallabolitaseleccionadaesblanca.
G:Eventoparaelcuallabolitaseleccionadaesgris.
N:Eventoparaelcuallabolitaseleccionadaesnegra.
Determinarlaprobabilidaddeocurrenciadecadaevento.
Tamaodelamuestra: 9 = n
FrecuenciadeB: 4 =
B
f
FrecuenciadeG: 3 =
G
f
FrecuenciadeN: 2 =
N
f
% 2 . 22 22 . 0
9
2
) (
% 3 . 33 33 . 0
9
3
) (
% 4 . 44 44 . 0
9
4
) (
= = = =
= = = =
= = = =
n
f
N P
n
f
G P
n
f
B P
N
G
B
40
Intuitivamente, se puede pensar que la probabilidad de ocurrencia de un evento est
asociada a la cantidad de veces en que se repite un procedimiento o fenmeno. Por
ejemplo, en un tpico experimento aleatorio como lanzar una moneda, se tienen dos
resultadosprobables:caraosello.Ambosresultadossonigualmenteprobables(siempre
y cuando la moneda no est recargada). Pero perfectamente en un experimento con 10
lanzamientosdelamoneda,sepodratenerunresultadocomo8carasy2sellos.Estees
un resultado normal. Sin embargo, si el experimento fuera de 100 lanzamientos, sera
muy extrao encontrar un resultado como 80 caras y 20 sellos; o bien, con 1000
lanzamientos 800 caras y 200 sellos. Entonces, no se puede garantizar cul ser el
resultadoenunlanzamiento,opocoslanzamientos,perosepuedeverqueconunagran
cantidaddelanzamientoslosresultadosdequelamonedacaigacarasernmuysimilares
alnmerodevecesparasello.
3.1.1.-PROBABILIDADESSUBJETIVAS.
Las probabilidades subjetivas estn basadas en las creencias de las personas que
efectanlaestimacindeprobabilidad.Laprobabilidadsubjetivasepuededefinircomola
probabilidadasignadaauneventoporpartedeunindividuo,basadaenlaevidenciaque
setengadisponible.Esaevidenciapuedepresentarseenformadefrecuenciarelativade
presentacin de eventos pasados o puede tratarse simplemente de una creencia
meditada.
Por ejemplo, una mujer en embarazo asegura que el beb que tendr ser varn por la
cantidad de pataditas recibidas en el vientre, mientras que su cuada le refuta este
argumento, pues afirma que la forma de su barriga le asegura que tendr una nia.
Ambas mujeres parten de una experiencia o una prctica personal para atreverse a
asegurar el sexo del ser que viene en camino. Sin embargo, la probabilidad de que sea
nioesigualalaprobabilidaddequeseania,yesoesiguala0.5(50%).
41
Se trata pues de una conjetura entrenada, basada siempre en la prctica, en la
comprensin de fenmenos similares o en las circunstancias que rodea al evento, y no
comopresuncioneslanzadassinunconocimientodelascausasocomocorazonadas.
Por ejemplo, las aseguradoras no pueden darse el lujo de repetir el ensayo del dao de
un carro, del robo de una valiosa obra de arte, del secuestro de una persona o del
accidente de un avin. stas solo pueden basarse en experiencias adquiridas para
estimarsuprobabilidaddeocurrenciayasdeterminarelcostodelseguroqueofrece.De
la misma manera, no se podra determinar la probabilidad de que una ciudad sea
bombardeadapormeteoritos,porquesimplementenohayregistroshistricosparahacer
unaestimacin.Slosepuedehacerunestimadosubjetivo.
EJEMPLO3.13
Observequenopuedeusarseelmtodoclsico,porquelosresultadosposiblesnotienen
lamismaposibilidaddeocurrir.
Tampoco se aplica el mtodo de las frecuencias relativas, ya que es imposible realizar
ensayosynohaydatoshistricosdeunadestruccindeesetipo.
Slopuedeaplicarseelmtododelaprobabilidadsubjetivaapoyndose,porejemplo,en
el nmero de asteroides reportados con un tamao suficiente y tan cercanos a nuestro
planeta como para destruirlo, tambin en el conocimiento de las rbitas de estos
asteroides.
Los astrnomos desarrollaron la probabilidad subjetiva de que el planeta Tierra fuera
destruidoporunacolisinconunasteroideenalgnmomentoenlosprximos100aos:
laprobabilidadesaproximadamentede1/5000.
3.2.Axiomasdeprobabilidad
Entendiendolaprobabilidaddecualquiereventocomounnmeroentre0y1,ella
satisfacelassiguientespropiedades:
1. 1 ) ( = S P
2. 1 ) ( 0 A P
Estosaxiomasimplicanlossiguientesresultados.
Laprobabilidaddeuneventoimposiblees0P()=0.
Laprobabilidaddequeuneventoocurraconcertezaes1.
ParacualquiereventoA, ) ( 1 ) ( A P A P = .
SieleventoA
1
estcontenidoeneleventoA
2
,entonces: ) ( ) (
2 1
A P A P
Laprobabilidaddeuneventocompuesto,generadoalaplicarlasoperacionesbsicasde
los conjuntos a los eventos individuales que lo componen (unin, interseccin y
complementodeeventos),sepuedeobtenerapartirdelasprobabilidadesdeloseventos
individuales.Enestoscasos,lasoperacionesbsicasdelosconjuntostambinsontiles
paradeterminarlaprobabilidaddeuneventocompuesto
3.2.1.REGLADELAADICIN
a.-Regladelaadicinparaeventosmutuamenteexcluyentes.
P(AB)=P(A)+P(B)
Existeuncasoespecial,paracualquiereventoA,tenemosquestesucedeonosucede.
DemodoqueloseventosAyAsonmutuamenteexcluyentesyexhaustivos:
P(A)+P(A)=1
P(A)=1-P(A)
b.-Regladeadicinparaeventosquenosonmutuamenteexcluyentes.
P(AB)=P(A)+P(B)-P(AB)
Elsiguientediagramadeflujo
5
,resumelasreglasdeadicinparaelclculodela
probabilidaddedoseventosdadosAyB.
Figura3.7
Diagramadeflujodelaregladeadicin
EJEMPLO3.14:
Lassiguientessonlascaractersticasdelasorqudeasdeunvivero:
Tamaodeptalo
Grande Pequeo
Color
Lila 40 4
Blanca 2 3
SeaeleventoA:laorqudeaesdeptalogrande.Entonces:
49 42 ) ( = A P
YseaeleventoB:laorqudeaesdecolorlila.Entonces:
49 44 ) ( = B P
Deotrolado, ) ( B A P eslaprobabilidaddequelaorqudeaseadeptalograndeyal
mismotiempodecolorlila.Entonces:
49 40 ) ( = B A P
5
ModificadodeProbabilidadyestadstica,MarioF.Triola.Novenaedicin.Pearson&Addison
Wesley.Mxico.2004.
) ( B A P
= B A ?
) ( ) ( ) ( B P A P B A P + =
) ( ) ( ) ( ) ( B A P B P A P B A P + =
Si
No
44
Elevento B A esaqueldondelaorqudeaesdetamaodeptalograndeodecolorlila
o ambos. La tabla indica rpidamente, al igual que su diagrama de Venn, el valor de
49 6 4 ) ( = B A P .
Laotramaneradecalcularloes:
49 6 4 ) (
49 40 49 44 49 42 ) (
) ( ) ( ) ( ) (
=
+ =
+ =
B A P
B A P
B A P B P A P B A P
SeaeleventoEdondelaorqudeanoesdeptalograndeytampocoesdecolorlila.La
tablatambinindicaelvalorde 49 3 ) ( = E P
) ( = B A E
Portanto,
49 3 49 6 4 1 ) ( 1 ) ( = = = B A P E P
3.2.2REGLASDEMULTIPLICACIN
a.-Probabilidadesbajocondicionesdeindependenciaestadstica.
Cuando se presentan dos eventos, el resultado del primero puede tener un efecto en el
resultadodelsegundo,opuedenotenerlo.Estoes,loseventospuedenserdependientes
o independientes. Existen tres tipos de probabilidades que se presentan bajo
independenciaestadstica:
Marginal.
Conjunta.
Condicional.
Probabilidadesmarginalesbajoindependenciaestadstica.
Probabilidadesconjuntasbajocondicionesdeindependenciaestadstica.
45
La probabilidad de dos o ms eventos independientes que se presentan juntos o en
sucesineselproductodesusprobabilidadesmarginales:
P(A B)=P(A)XP(B)
Probabilidadescondicionalesbajoindependenciaestadstica.
Simblicamente,laprobabilidadcondicionalseescribeP(B/A)yselee"laprobabilidadde
que se presente el evento B, dado que el evento A se ha presentado". La probabilidad
condicional es la probabilidad de que un segundo evento (B) se presente, si un primer
evento(A)yahasucedido.
Paraeventosestadsticamenteindependientes,laprobabilidadcondicionaldequesuceda
el evento B dado que el evento A se ha presentado, es simplemente la probabilidad del
eventoB:
P(B/A)=P(B)
b.-Probabilidadesbajocondicionesdedependenciaestadstica.
Condicional.
Conjunta.
Marginal.
Probabilidadcondicionalbajodependenciaestadstica.
P(B/A)=P(BA)/P(A)
Probabilidadesconjuntasbajocondicionesdedependenciaestadstica.
P(B A)=P(B/A)xP(A)
P(B A)=P(A/B)xP(B)
Ejemplo3.1.5
Retomeelejemplodelascaractersticasdelasorqudeasdeunviveroycalculela
probabilidaddequelaorqudeaqueseseleccioneseadecolorliladadoqueseha
tomadounaorqudeadetamaodeptalogrande.
46
Tamaodeptalo
Grande Pequeo
Color
Lila 40 4
Blanca 2 3
Seanloseventos:
A:laorqudeaesdeptalogrande.
B:laorqudeaesdecolorlila.
Sepideentonces:
) (
) (
) (
A P
A B P
A B P
=
49 / 42 ) (
49 / 40 ) (
=
=
A P
A B P
As: % 2 , 95 952 , 0
49 / 42
49 / 40
) ( = = = A B P
% 9 , 90 909 , 0
49 / 44
49 / 40
) (
) (
) (
) ( = = =
= B A P
B P
B A P
B A P
6
ModificadodeProbabilidadyestadstica,MarioF.Triola.Novenaedicin.Pearson&Addison
Wesley.Mxico.2004.
47
Figura3.8.
Diagramadeflujodelareglademultiplicacin
RECOMENDACIONESPRCTICAS:
Cuandoseaplicalaregladelaadicindeprobabilidades,determinarpreviamente
siloseventossonexcluyentesono.
Cuando se usa la regla de la multiplicacin, determinar si los eventos son
dependientesoindependientes.
Siempre que sea posible, apoyar la interpretacin del problema mediante el
empleodediagramasdeVenn.
Laprobabilidadesunnmeroquenuncapuedetenervalornegativo,nisermayor
que1.
3.3.PROBABILIDADTOTALYTEOREMADEBAYES.
Lareglademultiplicacinestilparadeterminarlaprobabilidaddeuneventoque
depende deotros.Enesta seccin se verotro modode calcular la probabilidad
deuneventoconsiderandoaestecomoelresultadodelaunindeotroseventos.
Paraestoesnecesariodefinirelconceptodeparticin.
) ( B A P
SonAyB
independientes?
) ( ) ( ) ( B P A P B A P =
) ( ) ( ) ( A B P A P B A P =
Si
No
48
Figura3.10
DiagramadeVennindicandolaparticindeunespaciomuestral
) ( ) ( ) (
2 1 n
A B A B A B B = L
Figura3.11
DiagramadeVenndeuneventoenvariossubconjuntosmutuamenteexcluyentes
) ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
2 2 1 1
2 1
n n
n
A P A B P A P A B P A P A B P B P
A B A B P A B P B P
+ + + =
+ + + =
L
L
Algunosautoresresumenestadefinicincomounasumatoria,as:
49
=
=
n
i
n n
A P A B P B P
1
) ( ) ( ) (
Laregladeprobabilidadtotalparadoseventossesimplificaconsiderandoqueel
eventoBpuededescribirsecomolaunindelapartedeBqueestenAylaparte
deBqueestenA.Estoes:
) ' ( ) ( A B A B B =
DemaneraqueparacualquierpardeeventosAyB:
Ejemplo3.16
Una compaa dedicada al transporte pblico tiene tres lneas enuna ciudad,de
forma que el 60% de los autobuses cubre el servicio de la primera lnea, el 30%
cubre la segunda y el 10% cubre el servicio de la tercera lnea. Se sabe que la
probabilidad de que, diariamente, un autobs se avere es del 2%, 4% y 1%,
respectivamente,paracadalnea.Determinelaprobabilidaddeque,enunda,un
autobssufraunaavera.
L1:eventoparaelcualelautobscubreelserviciodelaprimeralnea.
L2:eventoparaelcualelautobscubreelserviciodelasegundalnea.
L3:eventoparaelcualelautobscubreelserviciodelaterceralnea.
A:eventodondeelautobsseavera.
Conesto,seveclaramentequelaprobabilidadpedidaesP(A).Usandolareglade
probabilidadtotal,setiene:
025 , 0 ) (
) 1 , 0 01 , 0 ( ) 3 , 0 04 , 0 ( ) 6 , 0 02 , 0 ( ) (
) 3 ( ) 3 ( ) 2 ( ) 2 ( ) 1 ( ) 1 ( ) (
) 3 ( ) 2 ( ) 1 ( ) (
=
+ + =
+ + =
+ + =
A P
A P
L P L A P L P L A P L P L A P A P
L A P L A P L A P A P
dondeeldenominadorcorrespondeaencontrarlaProbabilidadTotaldeB.
En los problemas relacionados con la probabilidad, y en particular con la probabilidad
condicionada, as como con la probabilidad total y el teorema de Bayes, es aconsejable
que,conlainformacindelproblema,construyasunatabladecontingenciaoundiagrama
derbol.
EJEMPLO3.17
Tresmquinas,A,ByC,producenel45%,30%y25%,respectivamente,deltotaldelas
piezasproducidasenunafbrica.Losporcentajesdeproduccindefectuosadeestas
mquinassondel3%,4%y5%.
a. Seleccionamosunapiezaalazar;calculalaprobabilidaddequeseadefectuosa.
b. Tomamos,alazar,unapiezayresultaserdefectuosa;calculalaprobabilidadde
habersidoproducidaporlamquinaB.
c. Qumquinatienelamayorprobabilidaddehaberproducidolacitadapieza
defectuosa?
Solucin:
SeaD="lapiezaesdefectuosa"yN="lapiezanoesdefectuosa".Lainformacindel
problemapuedeexpresarseeneldiagramaderboladjunto.
51
a. Paracalcularlaprobabilidaddequelapiezaelegidaseadefectuosa,P(D),porla
propiedaddelaprobabilidadtotal,
P(D)=P(A)P(D/A)+P(B)P(D/B)+P(C)P(D/C)=
=0.450.03+0.300.04+0.250.05=0.038
b. DebemoscalcularP(B/D).PorelteoremadeBayes,
c. CalculamosP(A/D)yP(C/D),comparndolasconelvalordeP(B/D)yacalculado.
AplicandoelteoremadeBayes,obtenemos:
LamquinaconmayorprobabilidaddehaberproducidolapiezadefectuosaesA
EJEMPLO3.18
Tenemostresurnas:Acon3bolasrojasy5negras,Bcon2bolasrojasy1negrayCcon
2bolasrojasy3negras.Escogemosunaurnaalazaryextraemosunabola.Silabolaha
sidoroja,culeslaprobabilidaddehabersidoextradadelaurnaA
Solucin:
LlamamosR="sacarbolaroja"yN="sacarbolanegra".Eneldiagramaderboladjunto
puedenverselasdistintasprobabilidadesdeocurrenciadelossucesosRoNparacada
unadelastresurnas.
52
LaprobabilidadpedidaesP(A/R).UtilizandoelteoremadeBayes,tenemos:
53
EJERCICIOSCAPITULO3
1-SeaP(A)=0.6P(AB)=0.25P(B)=0.7
a.-EncontrarP(B/A)b.-SonAyBindependientes,compruebe?c.-EncontrarP(A)
2.-Seextraeunacartaalazardeunabarajade40cartas.a.-Culeslaprobabilidadde
queseadososeaunsiete?B.-Cualeslaprobabilidaddequeseaorooun6?
5.-Deentre20tanquesdecombustiblefabricadosparaeltransbordadorespacial,tresse
encuentran defectuosos. Si se seleccionan aleatoriamente 4 tanques: a.- cual es la
probabilidaddequeningunodelostanquesseadefectuosob.-Cualeslaprobabilidadde
queunodelostanquestengadefectos.
6.- En la tabla aparecen 1000 estudiantes universitarios clasificados de acuerdo con los
puntajesqueobtuvieronenunexamendeadmisinalauniversidad.Tambinmuestrala
clasificacindeloscolegiosendondesegraduarondebachilleres:
Puntaje
Colegio
Total Inferior(I) Regular(R) Superior(S)
Bajo(B) 100 50 50 200
Medio(M) 75 175 150 400
Alto(A) 25 75 300 400
Total 200 300 500 1000
8.-Cuatroamigossedirigenaunlugarytoman4rutasdiferentesdeacuerdoalriesgode
tener un accidente. Las probabilidades de riesgo de cada ruta son 0.2, 0.15, 0.25, 0.10
respectivamente.Cualeslaprobabilidaddequeningunosufraunaccidente.
9.-Elconsejeroescolardeuncolegioestimlasprobabilidadesdexitoenlauniversidad
para tres alumnos de ltimo ao en 0.9, 0.8 y 0.7 respectivamente. Cul es la
probabilidaddequelostrestenganxitoenlauniversidad?
54
10.-Unamaquinaqueproduceundeterminadoartculofueadquiridabajolacondicinde
que el 3% de los artculos producidos son defectuosos. Si el proceso se realiza bajo
control, es decir independiente cual es la probabilidad de que a.- dos artculos seguidos
sean defectuosos, b.- dos artculos seguidos no sean defectuosos, c.- el primero sea
defectuosoyelsegundobueno.
12.-Enunaempresa,laprobabilidaddequeunempleadoescogidoalazartengamsde
30aosesde0.55.Culeslaprobabilidaddequeunempleadoescogidoalazartenga
30aosomenos?
13.-Enunaciudadgrandeel70%deloshogarescompraunperidicomatutinoyel90%
uno vespertino. Si se supone que los dos eventos son independientes cual es la
probabilidad de que un hogar escogido al azar sea uno de los que compra ambos
peridicos?
14.- Latabla muestra el resultado de 500 entrevistas hechas durante una encuesta. Los
datosseclasificaronsegnelsectordelaciudaddondeseaplicoelcuestionario.
Sector
Resultadodelaentrevista
Total Contesto(C) Nocontesto(N) Noestaba(S)
M 100 5 20 125
N 115 5 5 125
O 50 15 60 125
P 35 40 50 125
Total 300 65 135 500
Siseseleccionauncuestionario.Cualeslaprobabilidaddea)Nosehayacontestadob)
Lapersonanoestabaencasac)elcuestionariosehayacontestadoylapersonavivaen
el sector N d) Dado que la persona viva en el sector O, no haya contestado el
cuestionario e) La persona viva en el sector M Conteste el cuestionario. F) Si la
personanoestabacualeslaprobabilidaddequevivaenelsectorO.
15.-Enelejercicioanterior,elresultadodelaentrevistaesindependientedelsectordela
ciudaddondevivelapersona?Comprobarlarespuesta
16.- El 70% de los estudiantes aprueba una asignatura A y el 60% aprueba otra
asignaturaB.Sabemosadems,queel35%deltotaldelosestudiantesapruebaambas.
Elegidounestudiantealazar,calcularlasprobabilidadesde:
a.-hayaaprobadolaasignaturaBsabiendoquehaaprobadolaA
b.-hayaaprobadolaasignaturaBsabiendoquenohaaprobadolaA
c.-nohayaaprobadolaasignaturaBsabiendoquehaaprobadolaA
d.-nohayaaprobadolaasignaturaBsabiendoquenohaaprobadolaA
55
17.- Los pedidos nuevos de los productos de una compaa varan en valor monetario,
segnelsiguientecuadro
a) cualeslaprobabilidaddequeunnuevopedidoseamayora$2.000
b) cualeslaprobabilidaddequeunnuevopedidoseaigualomenora$2000dado
queelpedidoexcedea$1.000
c) cualeslaprobabilidaddequeunnuevopedidoseamayora$3.000dadoquela
ventaexcedea$2.000
18.-Unacompaaencontrqueel82%delaspersonasseleccionadasparasuprograma
de entrenamiento de vendedores termino el curso. De estos solamente 60% se
convirtieron en vendedores productivos. Si un aspirante nuevo llega al curso cual es la
probabilidaddequetermineelcursoyseconviertaenunvendedorproductivo.
19-Enuncentromdico,losfumadoresquesesospechatenancncerpulmonar,el90%
lo tena, mientras que el 5% de los no fumadores lo padeca. Si la proporcin de
fumadores es del 45% a) Cul es la probabilidad de que un paciente con cncer
seleccionado al azar sea fumador? B) Cual es la probabilidad de que la persona tenga
cncer..
21.-Uncientficohadescubiertoenunhospitalparaenfermedadescrnicasqueel15%
delospacientespermanecenenelhospitalmenosde30das,mientrasqueel85%delos
pacientespermanece30dasoms.Tambinhadescubiertoqueel20%delosquese
quedanmenosde30dasyel60%delosquesequedan30dasoms,presentancierto
grupodecaractersticas.Cualeslaprobabilidaddequeunpacientequellegaalhospital
conesascaractersticaspermanezcamenosde30das?.
22.-Aunsospechososeleaplicaunsuerodelaverdadquesesabequeesconfiableen
90% cuando la persona es culpable y en 99% cuando la persona es inocente. En otras
palabrasel10%delosculpablesseconsideraninocentescuandoseusaelsueroyel1%
de los inocentes sejuzgan culpables. Si el sospechoso se escogi de un grupo del cual
solo5%hancometidoalgunavezuncrimenyelsueroindicaquelapersonaesculpable,
cualeslaprobabilidaddequeseainocente?
56
23.-Conlosjugadoresdeunclubdeftbolseformandosequiposparajugarunpartido
deentrenamiento;entrelosdosequiposserenen6defensas,8medios,6delanterosy2
porteros.Elentrenadorsabequeenestospartidos,laprobabilidaddequeselesioneun
jugadores0.22siesdelantero,0.11siesmedio,0.055siesdefensay0siesportero.
a.- Calcular la probabilidad de que se lesione uno cualquiera de los jugadores en este
partido.
b.- Si se sabe que un jugador se ha lesionado, determinar la probabilidad de que haya
sidoundefensa.
23.-Tras un estudio estadstico en una ciudad se observa que el 70% de los motoristas
sonvaronesy,deestos,el60%llevanhabitualmentecasco.Elporcentajedemujeresque
conducenhabitualmenteconcascoesdel40%.Sepide:
a.-Calcularlaprobabilidaddequeunmotoristaelegidoalazarllevecasco.
b.-Seeligeunmotoristaalazaryseobservaquellevacasco.Culeslaprobabilidadde
queseavarn?
24.- Los alumnos de Primero de Biologa tienen que realizar dos pruebas, una terica y
otraprctica.Laprobabilidaddequeunestudianteapruebelapartetericaesde0.6,la
probabilidaddequeapruebelaparteprcticaesde0.8ylaprobabilidaddequeapruebe
ambaspruebases0.5.
a.-Sonindependienteslossucesosaprobarlapartetericaylaparteprctica?
b.-Culeslaprobabilidaddequeunalumnonoapruebeningunodelosdosexmenes?
c.- Cul es la probabilidad de que un alumno apruebe solamente uno de los dos
exmenes?
d.-Se sabe que un alumno aprob la teora. Cul es la probabilidad de que apruebe
tambinlaprctica?
25.-Enunacajahayxbolasblancasy1bolaroja.Alextraerdelacajadosbolasalazar
sin reemplazamiento, la probabilidad de que sean blancas es 1/2. Calcula el nmero de
bolasblancasquedebetenerlacaja.
26.- El 20% de los empleados de una empresa son ingenieros y otro 20% son
economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los
economistastambin,mientrasque de los no ingenieros y no economistas solamente el
20% ocupan un puestodirectivo. Cul es la probabilidad de que un empleado directivo
elegidoalazarseaingeniero?
57
AUTOEVALUACIONUNIDAD1
1.- Una Vendedora tiene 10 productos y los desea exhibir en una feria nacional.
Sin embargo, no puede exhibir sino cuatro. Entre cuantas muestras diferentes
puedeescogersielordenenquevaaexhibirlosproductosnotieneimportancia?
Modelo
Marca
Total
B
1
B
2
B
3
S
1
70 22 50 142
S
2
65 16 40 121
S
3
45 35 30 110
S
4
50 17 60 127
Total 230 90 180 500
Conlosdatos,encontrar:
a)P(B
1
) b)P(B
2
S
4
) c)P(S
1
B
1
)
d) La probabilidad de que un equipo seleccionado aleatoriamente sea de marca
B1,dadoquesumodeloesS
4
e)LaprobabilidaddequeunequiposeleccionadoseademarcaB
1
oB
3
4.- En los archivos de una compaa de seguros se han registrado que en los
ltimosaosdeuntotalde949171jvenesde21aos,solo577882llegaronala
edadde65aos.Sitomamosestosdatoscomorepresentativosdelarealidad
a)culeslaprobabilidaddequeunjovende21aosvivaparapensionarsealos
65aos?b)Sienunaciudadpequeahayenlaactualidad2000jvenescuantos
deellossepuedeesperarquesepensionen.
5.- Un seor reemplazo las dos pilas inservibles de su linterna por dos nuevas,
pero se le olvido tirar las pilas usadas a la basura. Su hijo pequeo que estaba
jugandoconlalinterna,sacolaspilasyrevolvilaspilasnuevasconlasusadas.
Sielseorcolocanuevamentepilasasulinternaculeslaprobabilidaddeque
funcione?Porsupuesto,sesuponequelalinternanopuedefuncionarconunapila
nuevayunainservible.
6.- Un seor tena cinco maquinas de afeitar desechables las cuales ya estaban
muyusadas,laspusoenuncajnconlaintencindebotarlasalabasura.Suhijo
pequeonolosabaylasrevolvicontresnuevasquesacodeunpaquete.Siel
58
seor prueba dos maquinas de afeitar una tras otra Cul es la probabilidad de
quelasdosestnusadas?
7.- La probabilidad de que Juan llegue tarde a su cita con Rosy es de 0.3. La
probabilidad de que ambos lleguen tarde es de 0.2. Cul es la probabilidad de
queJuanlaesteesperando?
8.- En un examen de matemticas solo 75% de una clase respondi todas las
preguntas. De aquellos que lo hicieron, 80% aprob, pero de los que no
respondieron todo, slo aprobaron 50%. Si un estudiante paso, Cul es la
probabilidaddequehayarespondidotodaslaspreguntas?
10.- Ernesto y Lus estn enamorados de Silvia. Si Ernesto le pide que sea su
novia,tiene70%deprobabilidaddequeledigaquesyLuis30%.SiErnestoesel
novio de Silvia hay una probabilidad del 40% de que se casen y si es Luis del
30%.SiSilviasecasCuleslaprobabilidaddequehayasidoconLuis?
RESPUESTAS
AUTOEVALUACINUNIDAD1
1.-210
2.- a)0.46 b)0.025 c)0.605
d)0.4082 e)0.825
3.-0.0384
4.-a)0.609 b)1216
5.-1/6
6.-0.357
7.-0.2857
8.-24/29
9.-0.40
10.-0.756
59
UnidadDos
VARIABLESALEATORIASY
DISTRIBUCIONESDEPROBABILIDAD
60
INTRODUCCINALAUNIDAD
ConlosprincipiosdeProbabilidad,laspropiedadesbsicasyleyes,sedefinenlas
variablesaleatoriasyseestableceladiferenciaentrevariablesaleatoriasdiscretas
ycontinuas,entrminosdesufuncindeprobabilidad,valoresperado,varianzay
desviacinestndarysedesarrollaladesigualdaddeChbyshevqueseaplicaa
cualquiervariablealeatoriadiscretaocontinua.
61
OBJETIVOGENERAL
OBJETIVOSESPECFICOS
Definirvariablealeatoria.
Definirvariablealeatoriadiscretaycontinua.
Definirfuncindeprobabilidaddeunavariablealeatoriadiscreta.
Definirfuncindedensidaddeunavariablealeatoriacontinua.
Definiryobtenerelvaloresperadodeunavariablealeatoria,tantodiscreta
comocontinua.
62
Aplicar adecuadamente el teorema de Chbyshev para cualquier variable
aleatoriadiscretaocontinua.
Describirlasprincipalescaractersticasypropiedadesdelasdistribuciones
deprobabilidaddiscretaycontinua.
Calculareinterpretarparmetrosestadsticos,talescomoMedia,varianzay
desviacin estndar, de las diferentes distribuciones de probabilidad
discretaycontinua.
ReconocercundounexperimentoaleatorioesunensayodeBernoulli.
Estandarizarunavariablealeatoria.
63
CAPITULOUNO
VARIABLESALEATORIAS
Parafacilitarestosclculosseacudeaunafuncinqueubicaelespaciomuestral
enelconjuntodelosnmerosreales,lacualesconocidacomovariablealeatoria.
Una variable aleatoria es pues, una funcin que asigna un nmero real a cada
resultado en el espacio muestral de un experimento aleatorio. Ellas se denotan
conunaletramayscula,talcomoX.
Ejemplo1.1.
SisedefineX(cara)=0yX(sello)=1,setransformanlosdosposiblesresultadosdel
espaciomuestralencantidadesnumricasreales.
DeestamaneraP(X=0)representalaprobabilidaddequeelresultadoallanzarla
monedaescara.
64
EJEMPLO1.2
Considereellanzamientodedosdados
7
.Elespaciomuestraldeesteexperimento
aleatorioestconstituidopor36posiblesresultados.
SedefinecomovariablealeatoriaXlasumadelosvaloresdelasdoscarasdelos
dados. La siguiente tabla relaciona los 36 resultados con los valores
correspondientesdelavariablealeatoriaXdefinidaenesteejemplo.
Tabla1.1.
Correspondenciaentrelosresultadosdellanzamientodeunpardedadosylavariable
aleatoriaquerepresentalasumadelascaras.
Resultado
Valordela
variable
aleatoria
Nmerode
ocurrencias
Probabilidad
(1,1) 2 1 1/36
(1,2)(2,1) 3 2 2/36
(1,3)(2,2)(3,1) 4 3 3/36
(1,4)(2,3)(3,2)(4,1) 5 4 4/36
(1,5)(2,4)(3,3)(4,2)(5,1) 6 5 5/36
(1,6)(2,5)(3,4)(4,3)(5,2)(6,1) 7 6 6/36
(2,6)(3,5)(4,4)(5,3)(6,2) 8 5 5/36
(3,6)(4,5)(5,4)(6,3) 9 4 4/36
(4,6)(5,5)(6,4) 10 3 3/36
(5,6)(6.5) 11 2 2/36
(6,6) 12 1 1/36
Sepuedendefinirvariablesaleatoriascuyosvaloresseancontablesono,yalser
una caracterizacin cuantitativa de los resultados de un espacio muestral, ellas
puedenserdiscretasocontinuas.Enlosdostemassiguientessedesarrollanlos
conceptos de variable aleatoria discreta y variable aleatoria continua y sus
estadsticosasociados.
1.1.-VARIABLEALEATORIADISCRETA
7
TomadodeProbabilidadyestadstica.Aplicacionesymtodos,GeorgeC.Canavos.McGrawHill.
Mxico.1988.
65
variable aleatoria. Ser importantepues, acordar la siguiente simbologa: { } x X =
denotar el evento formado por todos los resultados para los que x X = y
) ( x X P = serlaprobabilidaddedichoevento.
Toda distribucin de probabilidad debe satisfacer cada uno de los dos requisitos
siguientes:
1 ) ( = =
x X P
1 ) ( 0 = x X P
EJEMPLO1.3
Determinesilasiguientetabladescribeunadistribucindeprobabilidad
x 0 1 2
P(X=x) 0,04 0,32 0,64
Para ser una distribucin de probabilidad, P(X=x) debe satisfacer los dos
requisitos.
1 ) (
64 , 0 , 32 , 0 04 , 0 ) (
) 2 ( ) 1 ( ) 0 ( ) (
= =
+ + = =
= + = + = = =
x X P
x X P
X P X P X P x X P
Cuandoladistribucindeprobabilidadsedescribeapartirdeunaecuacin,sele
denominafuncindeprobabilidad.Estafuncin ) ( ) ( x X P x f = = vadelconjunto
delosvaloresposiblesdelavariablealeatoriadiscretaX(denominadorangode
X)alintervalo[0,1]ysatisfacelassiguientespropiedades:
x x f 0 ) (
66
1 ) ( =
x f
Ejemplo1.4
Determine si la funcin
3
) ( ) (
x
x X P x f = = = (donde x puede ser 0, 1 2) es una
funcindeprobabilidad.
EnlasiguientetablaseresumenlosposiblesvaloresdelavariablealeatoriaX.
X 0 1 2
f(x)=P(X=x) 0 1/3 2/3
Observequetodoslosvaloresdef(x)sontodospositivos,estoes 0 .Ademsse
cumpleelsegundorequisito:
1
3
2
3
1
0 ) ( = + + =
x f
Porlotanto,lafuncinf(x)esunafuncindeprobabilidad.
Enocasiones,estilpoderexpresarprobabilidadesacumuladas,estoes,valores
para los que X son menores o iguales a un valor especfico x. El uso de
probabilidades acumuladas es una alternativa para describir la distribucin de
probabilidaddeunavariablealeatoria.
= =
x x
i
i
x f x X P x F ) ( ) ( ) (
ParaunavariablealeatoriadiscretaX,F(x)satisfacelassiguientespropiedades:
1 ) ( 0 x F
) ( ) ( , y F x F entonces y x Si
) ( 1 ) ( x F x X P = >
0 ) ( = F
1 ) ( = + F
67
) 1 ( ) ( ) ( = = x F x F x X P
) 1 ( ) ( ) ( =
i j j i
x F x F x X x P
EJEMPLO1.5
SupongaquelafuncindedistribucinacumuladadelavariablealeatoriaXes:
<
<
=
x
x
x
x F
3 1
3 1 5 , 0
1 0
) (
DeterminelafuncindeprobabilidaddeX.
Figura1.1.
(a)Funcindedistribucinacumuladadelejemplo4.5.
(b)Funcindeprobabilidaddelejemplo4.5.
En la figura 1.1. (a), se representa una grfica de la funcin F(x). Se puede ver
quelosnicospuntosquetienenunaprobabilidaddistintadeceroson1y3.Para
todovalordexmenorque1, 0 ) ( = x X P yf(1)=0,5.Paravaloresdexentre1y3
ymayoresde3,sinincluiresteltimo, 0 ) ( = x X P yf(3)=0,5.Demaneraquela
funcindeprobabilidaddeXsepuedeescribircomo:
F(x)
x
0,5
1
1
2 3
f(x)
x
0,5
1
1
2 3
(a)
(b)
68
>
=
< <
=
<
=
x
x
x
x
x
x f
3 0
3 5 , 0
3 1 0
1 5 , 0
1 0
) (
Lafigura1.1.(b)representalagrficadelafuncindeprobabilidaddeX.Observe
tambinquelafuncinqueseacabadedefinircumplelosdosrequisitos: 0 ) ( x f
y 1 ) ( =
x f .Comprubelo.
a. 1 ) 3 ( ) 3 ( = = F X P
b. 5 , 0 ) 2 ( ) 2 ( = = F X P
c. 0 5 , 0 5 , 0 ) 1 ( ) 2 ( ) 2 1 ( = = = F F X P
d. 5 , 0 ) 2 ( 1 ) 2 ( = = > F X P
= =
x
X
x f x X E )] ( [ ) (
EJEMPLO1.6.
ConsiderelasiguientedistribucindeunavariablealeatoriaX.
X 0 1 2
f(x) 0,04 0,32 0,64
Lamediaestdadapor:
6 , 1 ) 64 , 0 2 ( ) 32 , 0 1 ( ) 04 , 0 0 ( ) ( = + + = = X E
X
69
EJEMPLO1.7
SeaXlavariablealeatoriaquerepresentalasumadelascarasdelosdosdados.
Tomando de referencia la tabla 4.1. en la que se relacionan los resultados del
lanzamientodelosdadosylasumadelascaras,setiene:
7 ) 36 / 1 12 ( ) 36 / 2 11 ( ... ) 36 / 3 4 ( ) 36 / 2 3 ( ) 36 / 1 2 ( ) ( = + + + + + = = X E
X
Demaneraqueelvaloresperadoallanzardosdadoses7.
= = =
x
X X X
x f x X E X V )] ( ) [( ) ( ) (
2 2 2
Odeunmodoequivalente,
2 2 2
)] ( [( ) (
X
x
X
x f x X V = =
EJEMPLO1.8
Determineahoralavarianzadelavariablealeatoriadefinidaenelejemplo4.7.
05 , 2 7 )] 36 / 1 12 ( ... ) 36 / 3 4 ( ) 36 / 2 3 ( ) 36 / 1 2 [(
2 2 2 2 2 2
= + + + + =
X
1.2.-VARIABLEALEATORIACONTINUA
Eneltemaanteriorsepresentelconceptodevariablealeatoriacomounafuncin
devalorqueasignaunnmerorealfinito(oinfinitocontable)acadaresultadoen
elespaciomuestraldeunexperimentoaleatorio;variablesaleatoriasquehansido
denominadas discretas. En este tema, donde las variables aleatorias pueden
tomarvaloresenunaescalacontinua,elprocedimientoescasielmismo.
Estafuncindedensidaddeprobabilidadf(x)permitecalcularelreabajolacurva
que representa la probabilidad de que la variable aleatoria continua X tome un
valorentreelintervalodondesedefinelafuncin.
Formalmente,lafuncindedensidaddeprobabilidadf(x)deunavariablealeatoria
continua,sedefinecomotalsiparacualquierintervalodenmerosreales[a,b]se
cumpleque:
0 ) ( x f
1 ) ( =
dx x f
=
b
a
dx x f b X a P ) ( ) (
71
Puesto que el rea total bajo f(x) es uno, la probabilidad del intervalo [a,b] es el
reaacotadaporlafuncindedensidadylasrectasX=ayX=b,comosemuestra
enlafigurasiguiente.
Figura1.2.
Probabilidadilustradacomoelreabajolacurvadedensidad
Elmodelodevariablealeatoriacontinuaimplicalosiguiente:
0 ) ( =
x
x
dx x f
8
Separtedelapremisadequeelestudiantemanejaelclculodiferencial,oporlomenostieneun
conocimiento bsico de este. Se recomienda al estudiante que consulte el mdulo de Clculo
Integralocualquierotrotexto.Sinembargo,eneltratamientodelasdistribucionesdeprobabilidad
elclculode integralescomplejasnoescomn y,comoseverenlasiguienteUnidadDidctica,
las distribuciones de probabilidad ms comunes estn definidas por funciones poco complejas y
permitenasuntratamientosencillo.
72
EJEMPLO1.9
Supongaque
x
e x f
= ) ( parax>0.Calculelassiguientesprobabilidades:
a. 368 , 0 ) ( ) 1 (
1
1
1 1
= + = = = = >
e e e dx e dx x f X P
x x
b. 286 , 0 ) ( ) 5 , 2 1 (
1 5 , 2
5 , 2
1
5 , 2
1
5 , 2
1
= + = = = = < <
e e e dx e dx x f X P
x x
c. 0 ) 3 ( = = X P
d. { } 982 . 0 018 , 0 1 1 1 ) 4 ( 1 ) 4 (
4
4
= = + = = > = <
e e dx e X P X P
x
e. 05 , 0 ) ( ) 3 ( ) 3 (
3
3
3 3
= + = = = = =
e e e dx e dx x f X P X P
x x
= =
x
dx x f x X P x F ) ( ) ( ) ( para < < x
LafuncindedistribucinacumuladaF(x)cumplelassiguientespropiedades:
) ( ) ( ) ( x X P x X P x F < = =
0 ) ( = F
) ( ) ( ) ( a F b F b X a P = < <
) (
) (
x f
dx
x dF
=
EJEMPLO1.10
73
SupongalasiguientefuncindedistribucinacumuladadelavariablealeatoriaXy
determine:
<
<
=
x
x x
x
x F
5 1
5 0 2 , 0
0 0
) (
a. 56 , 0 8 , 2 2 , 0 ) 8 , 2 ( ) 8 , 2 ( = = = < F X P
b. 70 , 0 ) 5 , 1 2 , 0 ( 1 ) 5 , 1 ( 1 ) 5 , 1 ( 1 ) 5 , 1 ( = = = < = > F X P X P
c. 0 ) 2 ( ) 2 ( = = < F X P
d. 0 1 1 ) 6 ( 1 ) 6 ( 1 ) 6 ( = = = < = > F X P X P
e. 2 , 0 ) 4 2 , 0 ( 1 ) 4 ( ) 6 ( ) 6 4 ( = = = < < F F X P
= = dx x xf X E
X
) ( ) (
[ ]
2 2 2
2 2
) ( ) (
) ( ) ( ) (
= =
= =
dx x f x X V
dx x f x X V
X
X X
Asmismo,ladesviacinestndardeXes
2
X X
=
EJEMPLO1.11
Supongaquef(x)=0,125xpara0<x<4.CalculelamediaylavarianzadeX.
( )
3
8
24
1
8
1
125 , 0
4
0
3
4
0
2
4
0
= = = =
x dx x dx x x
X
74
88 , 0
9
64
8
1
) (
4
0
3 2
= = =
dx x X V
X
1.3.-TEOREMADECHBYSHEV
Parademostrarcmoladesviacinestndaresindicadoradeladispersindela
distribucin de una variable aleatoria, el matemtico ruso Pafnuty Lvovich
Chbyshevdesarrollunteoremaenelqueofreceunagarantamnimaacercade
la probabilidad de que una variable aleatoria asuma un valor dentro de k
desviacionesestndaralrededordelamedia.
Simblicamente,elteoremaseexpresadecualquieradelassiguientesmaneras:
( ) ( )
2 2
1 1
1
k
k X P
k
k X P >
Aunquelagarantanosiempreesmuyprecisa,laventajasobreesteteoremaes
su gran generalidad por cuanto es aplicable a cualquier variable aleatoria con
cualquierdistribucindeprobabilidad,yaseadiscretaocontinua.
EJEMPLO1.12
Elnmerodelicenciasdeconduccinexpedidasenunaciudadduranteelmesde
junio puede considerarse como una variable aleatoria cuya distribucin de
probabilidad se desconoce, pero se estima que su media sea aproximadamente
=124ysudesviacinestndar=7,5.SegnelteoremadeChbyshev,conqu
probabilidad se puede afirmar que se expedirn entre 64 y 184 licencias de
conduccinenesaciudadduranteelmesdejunio?
75
Paradar solucin a este problema sedebe conocer cules esevalor de k. Para
ellosepartedeladefinicindeunadesigualdadmenorquedeunvalorabsoluto:
( ) ( )
2 2
1
1
1
1
k
k X k P
k
k X k P + +
Tomandoelfactordelaizquierda,setiene
( ) ( ) 184 64 + + X P k X k P
DemaneraqueladesigualdaddeChbyshevquedaplanteada:
( ) ( ) 9844 , 0 184 64
8
1
1 184 64
2
X P X P
76
E EJ JE ER RC CI IC CI IO OS SC CA AP P T TU UL LO O1 1. .
1.-Unaurnacontienecuatrobalotasconlosnmeros1,2,3y4,respectivamente.
SisetomandosbalotasdelaurnasinsustitucinyXeslasumadelosnmeros
de las dos balotas extradas, determine la distribucin de probabilidad de X y
represntelapormediodeunhistograma.
2.-Paralassiguientestablasdedatos,determinesisetratadeunadistribucinde
probabilidad. En los casos en que sea as, identifique los requisitos que no se
satisfacen. En los casos en que si se describa una distribucin de probabilidad,
calculesumediaydesviacinestndar.
a.
x 0 1 2 3
f(x) 0,125 0,375 0,375 0,125
b.
x 0 1 2 3 4
F(x) 0,502 0,365 0,098 0,011 0,001
c.
x 0 1 2 3 4
f(x) 0,0000 0,0001 0,0006 0,0387 0,9606
resultado a b c d e f
x 0 0 1,5 1,5 2 3
Determine:
a. LafuncindeprobabilidaddeX. e. ) 2 0 ( < X P
b. ) 5 , 1 ( = X P f. ) 2 0 ( = = X X P
c. ) 7 , 2 5 , 0 ( < < X P g.
2
X X
y
d. ) 3 ( > X P
4.- Sea X una variable aleatoria discreta. Determine el valor de k para que la
funcin x k x f / ) ( = ,x=1,2,3,4,sealafuncindeprobabilidaddeX.Determine
adems ) 3 1 ( X P .
5.-ElrangodelavariablealeatoriaXes[0,1,2,3,x],dondexesunaincgnita.Si
cadavaloresigualmenteprobableylamediadeXes6,calculex.
77
6.-Compruebequelasiguientefuncinesfuncindedistribucinacumuladadela
variable aleatoria discreta X y calcule la funcin de probabilidad y las
probabilidadespedidas.
<
<
<
=
x
x
x
x
x F
5 , 0 1
5 , 0 3 , 0 75 , 0
3 , 0 1 , 0 25 , 0
1 , 0 0
) (
a. ) 5 , 0 ( X P d. ) 0 ( < X P
b. ) 4 , 0 ( X P e. ) 1 , 0 0 ( < X P
c. ) 6 , 0 4 , 0 ( X P f. ) 1 , 0 1 , 0 ( < < X P
7.-Verifiquequelasiguientefuncinesunafuncindeprobabilidadycalculelas
probabilidadespedidas.
x -2 -1 0 1 2
f(x) 1/8 2/8 2/8 2/8 1/8
a. ) 2 ( X P d. ) 2 1 ( = X X P
b. ) 2 ( > X P e. Determine
2
X X
y
c. ) 1 1 ( X P
<
<
<
<
=
5 1
5 3 4 3
3 1 2 1
1 1 4 1
1 0
) (
x
x
x
x
x
x F
Obtenga:
a. ) 3 ( X P d. ) 3 ( = X P
b. ) 1 ( X P e. ) 4 4 , 0 ( < < X P
c. ) 3 ( < X P f. ) 5 ( = X P
9.-SeaXunavariablealeatoriaquerepresentaelnmerodeclientesquellegaa
unalmacnenunahora.Dadalasiguienteinformacin:
x 0 1 2 3 4 5 6 7 8
f(x) 0,05 0,10 0,10 0,10 0,20 0,25 0,10 0,05 0,05
EncuentreE(X)yV(X).
78
2
) ( kx x f = para 4 0 < < x
) 2 1 ( ) ( x k x f + = para 2 0 < < x
x
ke x f
= ) ( para x < 0
< <
=
caso otro en
x
x f
0
7 2 5 1
) (
a. Demuestrequeelreabajolacurvadeestafuncinesiguala1.
b. Determine ) 5 3 ( < < X P
12.-SeaXunavariablealeatoriacontinua.
a. Determineelvalordek,demaneraquelafuncinf(x)sealafuncin
dedensidaddeprobabilidaddeX.
=
caso otro en
x kx
x f
0
1 1
) (
2
b DeterminelafuncindedistribucinacumuladadeX.
c. Calcule ) 2 / 1 2 / 1 ( ) 2 / 1 ( X P y X P .
>
< <
=
1 1
1 0 2
0 0
) (
2
x
x x x
x
x F
Determine:
a. ) (x f b. ) 2 / 1 ( < X P c. ) 4 / 3 ( > X P
< +
<
=
x
x x
x
x F
2 1
2 2 5 , 0 25 , 0
2 0
) (
Determine:
a. ) 8 , 1 ( < X P c. ) 2 ( < X P
b. ) 5 , 1 ( > X P d. ) 1 1 ( < < X P
16.- Sea X la variable que representa la cantidad de lluvia cada de una semana
enunaregindeterminada.Supongaque=1,0y=0,25pulgadas.Seraextrao
queestareginregistremsdedospulgadasdeaguaduranteunasemana?
x 40 60 68 70 72 80 100
f(x) 0,01 0,04 0,05 0,80 0,05 0,04 0,01
2.1. DISTRIBUCINUNIFORMEDISCRETA
n
x f
1
) ( =
Para una variable aleatoria discreta uniforme X, que puede tomar los
valores1,2,,n,lamediaes:
2
1
) (
+
= =
n
X E
X
Ysudesviacinestndares:
12
1
2
=
n
X
12
1 ) 1 (
2
) (
2
+
=
+
= =
a b b a
X E
X X
No hay reparos para usar una u otra frmula, queda a criterio del
estudiante.Loimportanteesquesteentiendaquesonequivalentes.
81
EJEMPLO2.1.
La variable aleatoria X tiene una distribucin discreta uniforme sobre los enteros
100 91 x .DeterminelamediaylavarianzadeX.
5 , 95
2
91 100
) ( =
+
= = X E
X
25 , 8
12
1 ) 1 91 100 (
) (
2
2
=
+
= = X V
X
EJEMPLO2.2
Solucin:
Losposiblesvaloresqueseobtienenallanzarundadosonlosnmerosdel1al6,
de ellos slo tres son nmeros primos, a saber: 2, 3 y 5. Estos nmeros
corresponden a las ganancias posibles en dlares del apostador. Las posibles
prdidas sern entonces: 1, 4 y 6. La siguiente tabla relaciona los posibles
resultados de la variable aleatoria X (cantidad de dlares ganados al lanzar un
dado)consusrespectivasprobabilidades,queparaestecasosonigualespuesel
dadonoseencuentracargadohaciaunacaradeterminada.
x -1 2 3 -4 5 -6
f(x) 1/6 1/6 1/6 1/6 1/6 1/6
Observequelosnmeros1,4y6sonnegativos,puescorrespondenalhechode
queeljugadorpierdesinosaleunnmeroprimo.
Comocadavalordelavariablealeatoriatieneigualprobabilidad,ladistribucinde
probabilidadesuniformediscreta.Perotengaencuentaquelosvaloresquetoma
X no son consecutivos, por tanto no se aplica la definicin de valor esperado y
deberecurrirsealadefinicinoriginalEstoes:
6
1
) 6 5 4 3 2 1 (
6
1
) ( ) (
1
= + + + = = =
=
n
i
i X
x f x X E
Comoelvaloresperadoesnegativo,eljuegoesdesfavorableparaelapostador.
82
Si todos los valores del rango de la variable aleatoria X se multiplican por una
constante (sin cambiar ninguna de las probabilidades), entonces la media y la
desviacinestndardeXquedanmultiplicadasporlamismaconstante.
2.2.- DISTRIBUCINBINOMIAL
recibeelnombredeexperimentobinomial.
n x para p p
x
n
n p x f
x n x
,..., 1 , 0 ) 1 ( ) , ; ( =
|
|
\
|
=
Sisedenotalaprobabilidaddefracasocomo p q =1 ,lafuncindeprobabilidad
binomialsesimplificadelasiguientemanera:
x n x
q p
x
n
n p x f
|
|
\
|
= ) , ; (
9
Recuerdequelanotacin
)! ( !
!
x n x
n
x
n
=
|
|
\
|
esunacombinacinyestdesarrolladaenelcaptulo2
delaUnidadDidcticaUnodelpresentemdulo.
83
Lafuncindedistribucinbinomialacumuladaseexpresacomo:
|
|
\
|
= =
x
i
i n i
q p
i
n
n p x F x X P
0
) , ; ( ) (
EJEMPLO2.3
LavariablealeatoriaXtieneunadistribucinbinomialconn=10yp=0,5.Calcule
lasprobabilidadessiguientes.
10 10
5 . 0
10
) 5 . 0 1 ( 5 . 0
10
) 10 , 5 . 0 ; ( ) (
|
|
\
|
=
|
|
\
|
= = =
x x
x f x X P
x x
a. 246 , 0 5 . 0
5
10
) 10 , 5 . 0 ; 5 ( ) 5 (
10
=
|
|
\
|
= = = f X P
b. 055 , 0 5 . 0
2
10
5 . 0
1
10
) 10 , 5 . 0 ; 2 ( ) 2 (
2 1
=
|
|
\
|
+
|
|
\
|
= = F X P
c.
=
= =
|
|
\
|
= =
8
0
011 , 0 989 , 0 1 5 . 0
10
1 ) 8 ( 1 ) 9 (
i
i
i
X P X P
d.
=
=
|
|
\
|
= <
4
3
322 , 0 5 . 0
10
) 5 3 (
i
i
i
X P
e. 945 , 0 055 , 0 1 ) 2 ( 1 ) 2 ( = = = > X P X P
npq p np y np X E
X X
= = = = ) 1 ( ) (
2
EJEMPLO2.4
84
Laprobabilidaddequeunfutbolistaprofesionalhagagoldetirolibreesdel70%.
Enunentrenamiento,estefutbolistahace14tiroslibres.Calculelaprobabilidadde
que ste haga por lo menos 7 goles, la probabilidad de que falle entre 3 y 6
inclusive, la probabilidad de que no haga ningn gol y la probabilidad de que en
todossustiroslacierte.Calculetambin,elpromediodegolesesperados.
SeaXelnmerodegoleshechosporunfutbolistaen14tiros.ObservequeXes
unavariablealeatoriaquesedistribuyecomounabinomialconp=0.7yn=14.
x x
x
x f n p x b
|
|
\
|
= =
14
3 . 0 7 . 0
14
) 14 , 7 . 0 ; ( ) , ; (
Sepidelaprobabilidaddequehagaporlomenos7goles,estoes:
=
=
= =
|
|
\
|
= = =
6
0
14
14
7
9685 , 0 0315 , 0 1 3 . 0 7 . 0
14
1 ) 6 ( 1 ) 14 , 7 . 0 ; ( ) 7 (
i
i i
i
i
X P i f X P
=
|
|
\
|
=
11
8
14
7459 , 0 3 . 0 7 . 0
14
) 11 8 (
i
i i
i
X P
Laprobabilidaddequeelfutbolistanohaganingngolensus14tiroslibresest
dadapor:
0 10 783 , 4 3 . 0 7 . 0
0
14
) 0 (
8 14 0
=
|
|
\
|
= =
X P
Escasiimposible,encondicionesnormales,queunfutbolistaconladestrezade7
golesporcada10detirolibrenopuedahacerunslogolen14oportunidades
Porltimo,laprobabilidaddequestehagalos14golesser:
0068 , 0 10 782 , 6 3 . 0 7 . 0
14
14
) 14 (
3 0 14
=
|
|
\
|
= =
X P
Esto quiere decir que nuestro futbolista tiene una probabilidad menor del 1% de
acertarentodossus14tiroslibres.
Ahorabien,elpromediodegolesqueseesperanes:
8 . 9 7 . 0 14 ) ( = = = X E
X
Conunadesviacinestndarde1,71goles.Comprubelo.
85
(1)Localiceelvalorden,indicadoenlaprimeracolumnadelatablaenmencin.
(2)Ubiqueelvalorcorrespondientedexenlasegundacolumna.
(3)Identifiqueelrenglnofiladenmeros,resultadodelospasos(1)y(2).
(4)Enlaprimerafiladelatabla,quecorrespondealvalordep,ubiqueelvalorde
subsqueda.
(5) Haga coincidir o cruzar la fila que obtuvo en el paso (3) con la columna del
paso(4).
(6) El valor correspondiente a la interseccin obtenida en el paso (5) ser la
probabilidadacumuladadeseada.
Enelsiguienteejemploseindicacmohaceresteclculo.
EJEMPLO1.5
Tabla2.1.
Distribucinbinomialacumuladaparan=13
P
n x 0.1 0.2 0.25 0.3 0.4
13 0 0.2542 0.0550 0.0238 0.0097 0.0013
1 0.6213 0.2336 0.1267 0.0637 0.0126
2 0.8661 0.5017 0.3326 0.2025 0.0579
3 0.9658 0.7473 0.5843 0.4206 0.1686
4 0.9935 0.9009 0.7940 0.6543 0.3530
5 0.9991 0.9700 0.9198 0.8346 0.5744
6 0.9999 0.9930 0.9757 0.9376 0.7712
7 1.0000 0.9988 0.9944 0.9818 0.9023
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
10
http://www.informatica.us.es/~calvo/asi/varios/tablaspedro.pdf
86
p
n x 0.1 0.2 0.25 0.3 0.4
13 0 0.2542 0.0550 0.0238 0.0097 0.0013
1 0.6213 0.2336 0.1267 0.0637 0.0126
2 0.8661 0.5017 0.3326 0.2025 0.0579
3 0.9658 0.7473 0.5843 0.4206 0.1686
4 0.9935 0.9009 0.7940 0.6543 0.3530
5 0.9991 0.9700 0.9198 0.8346 0.5744
6 0.9999 0.9930 0.9757 0.9376 0.7712
7 1.0000 0.9988 0.9944 0.9818 0.9023
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(1)
(2) (3)
(4)
(5)
Enlafigurasiguienteseindicangrficamenteunoaunolospasosparaelclculo
de
6543 , 0 7 . 0 3 . 0
13
) 13 , 3 . 0 ; 4 ( ) 4 (
13
0
13
=
|
|
\
|
= =
=
i
i i
i
F X P
Figura2.1.
Esquemagrficoparaelusodelatabladedistribucinbinomialacumulada
De la misma manera, puede hacerse uso de esta tabla para determinar las
probabilidadesindividualespuestoquelavariablealeatoriabinomialtieneunvalor
enteroyseaplicalapropiedad:
) , ; 1 ( ) , ; ( ) , ; ( p n x F p n x F p n x b =
Parailustrarlo,sean=10yp=0.3,laprobabilidaddequeXseaexactamentecinco
es:
Nota:
Enelsiguientelinksepuedeencontrarunprogramasencilloquepermitecalcular
probabilidades de variables aleatorias discretas, simplemente conociendo los
valoresdelosparmetrosdecadauna
87
http://www.pwpamplona.com/wen/calcu/calcu1.htm
2.3DISTRIBUCINGEOMTRICA
Considere ahora una serie de ensayos Bernoulli con una probabilidad constante
de xitos p, en la que el nmero de ensayos no es fijo como en la distribucin
binomial si no que stos se realizan hasta que se obtiene el primer xito. Sea
entonces, la variable aleatoria X el nmero de ensayos realizados hasta obtener
unxito,ellatieneunadistribucingeomtricaconparmetropyseexpresa:
,... 2 , 1 ) 1 ( ) ; (
1
= =
x p p p x f
x
p q p x g
x
=
1
) ; (
Lafuncindedistribucingeomtricaacumuladaseexpresacomo:
= =
x
i
i
p q p x F x X P
0
1
) ; ( ) (
Lamediaylavarianzadeunavariablealeatoriageomtricason:
2
2
) (
1
) (
p
q
X V
p
X E
X X
= = = =
EJEMPLO1.6
Supongaquecadaunadelasllamadasquehaceunapersonaaunaestacinde
radiomuypopulartieneunaprobabilidadde2%dequelalneanoestocupada.
Supongaquelasllamadassonindependientes.
Entonces: 0167 , 0 02 . 0 98 . 0 ) 02 . 0 ; 10 ( ) 10 (
9
= = = = g X P
X P
X P X P
i
i
2.4.-DISTRIBUCINBINOMIALNEGATIVA
Enladistribucingeomtrica,lavariablealeatoriaestabadefinidacomoelnmero
deensayosBernoullinecesariosparaobtenerelprimerxito.Supongaahoraque
se desea conocer el nmero de ensayos hasta obtener r xitos; en este caso la
variablealeatoriaesdenominadabinomialnegativa.
... 2 , 1 ,
1
1
) , ; ( + + + + =
|
|
\
|
=
r r r r x p q
r
x
r p x f
r r x
Algunosautoresdenotanestadistribucincomo ) , ; (
*
r p x b Observequeenelcaso
especial donde r = 1, la variable aleatoria binomial negativa se convierte en una
variablealeatoriageomtrica.
Latablasiguienteexpresaladiferenciaentreunavariablealeatoriabinomialyuna
variablealeatoriabinomialnegativa.Enestesentido,lavariablealeatoriabinomial
negativa se considera como el opuesto, o el negativo, de una variable aleatoria
binomial.
89
Tabla2.2.
Comparacinentreunavariablealeatoriabinomial
yunavariablealeatoriabinomialnegativa
2
2
) ( ) (
p
q r
X V
p
r
X E
X X
= = = =
Ejemplo2.7
Suponga otra vez el caso del jugador de ftbol del ejemplo 1.4. Cul es la
probabilidaddequeelquintotiroquelanzaseaprecisamentesutercergol?
Sea X el nmero de tiros libres hechos por un futbolista para obtener tres goles.
ObservequeXesunavariablealeatoriabinomialnegativaconp=0.7yr=3.
3 3 *
7 . 0 3 . 0
1 3
1
) 3 , 7 . 0 ; (
|
|
\
|
=
x
x
x b
Laprobabilidadpedidaes:
1852 , 0 7 . 0 3 . 0
2
1 5
) 5 (
3 2
=
|
|
\
|
= = X P
Lafuncindedistribucinbinomialnegativaacumuladaseexpresacomo:
|
|
\
|
= =
x
r i
r r i
p q
r
i
r p x F x X P
1
1
) , ; ( ) (
90
EJEMPLO2.8
a. LamediadeX. 20
2 . 0
4
) ( = = = X E
X
b. 0436 , 0 2 . 0 8 . 0
1 4
1 20
) 20 (
4 4 20
=
|
|
\
|
= =
X P
c. 0170 , 0 2 . 0 8 . 0
3
1
) 6 (
6
4
4 4
=
|
|
\
|
=
=
i
i
i
X P
2.5.DISTRIBUCINHIPERGEOMTRICA
SeaNelnmerodeelementosdeunconjuntodeloscualesksondeterminados
como xitos y N-k como fallas, se trata ahora de determinar la probabilidad de x
xitos en n ensayos de los N elementos del conjunto donde N k y N n . Sea
tambin la variable aleatoria X el nmero de xitos en la muestra. Entonces, X
tiene una distribucin hipergeomtrica y su funcin de distribucin de
probabilidadestdadapor:
) , ( ,... 2 , 1 , 0 ) , , ; ( n k mn x
n
N
x n
k N
x
k
n k N x f =
|
|
\
|
|
|
\
|
|
|
\
|
=
Laexpresinmn(k,n)correspondealvalormenorentreeltamaodelamuestrak
y el nmero mximo de xitos que puede presentarse en la muestra n. La
distribucinhipergeomtricasueleexpresarsecomo ) , , ; ( n k N x h .
91
Lafuncindedistribucinhipergeomtricaacumuladaseexpresacomo:
=
|
|
\
|
|
|
\
|
|
|
\
|
= =
x
i
n
N
i n
k N
i
k
n k N x F x X P
0
) , , ; ( ) (
Elreadondemsaplicacionestieneladistribucinhipergeomtricaeselcontrol
estadstico de calidad y la aceptacin de muestreo, el siguiente ejemplo es
muestradeello.
EJEMPLO2.9
Antesdeiniciarconelclculodelasprobabilidades,sedebeidentificareltipode
variablealeatoriaqueintervieneenelproblemaysusrespectivosparmetros.Sea
Xelnmerodequesosinaceptablesenunamuestrade10,tomadosdeunlotede
75quesosdeloscuales5soninaceptables.Estoes,Xesunavariablealeatoria
hipergeomtrica con parmetros N=75, k=5 y n=10 y su distribucin de
probabilidades:
|
|
\
|
|
|
\
|
|
|
\
|
=
10
75
10
70 5
) 10 , 5 , 75 ; (
x x
x h
4786 , 0
10
75
10
70
0
5
) 0 ( =
|
|
\
|
|
|
\
|
|
|
\
|
= = X P
\
|
|
|
\
|
|
|
\
|
+
|
|
\
|
|
|
\
|
|
|
\
|
= + = F F X P
3923 , 0
10
75
9
70
1
5
) 1 ( =
|
|
\
|
|
|
\
|
|
|
\
|
= = X P
N
k N
p q y
N
k
p donde
N
n N
npq X V np X E
X X
= = =
|
\
|
= = = =
1
1
) ( ) (
2
N
n N
,quese
conocecomofactordecorreccindepoblacinfinita.Estacorreccinsehace
sobre la varianza binomial debido a que el muestreo en la distribucin
hipergeomtricaessinreemplazodeunconjuntofinitodetamaoN.
SinespequeorespectoaN,entonceslacorreccinespequeayladistribucin
hipergeomtrica es similar a la binomial. De esta forma, la distribucin
hipergeomtrica tiende a la binomial conforme el cociente de n/N se vuelve ms
pequeo. De manera general, la funcin de probabilidad binomial aproximar de
maneraadecuadaaladistribucindeprobabilidadhipergeomtricasisetieneque
n<0,1N.
93
EJEMPLO2.10
SeaXelnmerodeartculosdefectuososdeunamuestrade25,tomadosdeun
lote de 1000 con 10 artculos defectuosos. Entonces X es una variable aleatoria
hipergeomtrica con parmetros N=1000, k=10 y n=25. Dado que el cociente
n/N=0,025<0,1 puede emplearse la distribucin binomial para aproximar la
probabilidaddeseada.
|
|
\
|
+
|
|
\
|
=
= =
X P
X P
F X P X P
b
DondeF
b
esladistribucin
Comoseve,laprobabilidaddetenerdosomsartculosenelloteesdemasiado
pequea.Estoquieredecirquesedeberechazarellotesiseencuentranmsde
dos artculos defectuosos, pues habra serias dudas de que el fabricante est
diciendolaverdadfrenteasuproduccin.
2.6.DISTRIBUCINPOISSON
Estaesotradistribucindeprobabilidaddiscretatilenlaquelavariablealeatoria
representa el nmero de eventos independientes que ocurren a una velocidad
constante. La distribucin de Poisson, llamada as en honor a Simen Denis
Poisson probabilista francs que fue el primero en describirla, es el principal
modelo de probabilidad empleado para analizar problemas de lneas de espera,
confiabilidad y control de calidad; como el nmero de personas que llegan a un
lugardeterminadoenuntiempodefinido,losdefectosenpiezassimilaresparael
material,elnmerodebacteriasenuncultivo,elnmerodegolesanotadosenun
partidodeftbol,elnmerodefallasdeunamquinaenunahoraoenunda,la
cantidad de vehculos que transitan por una autopista, el nmero de llamadas
telefnicas por minuto, etc. Como se puede observar se trata de hallar la
probabilidaddeocurrenciadecualquiernmeroporunidaddemedicin(temporal
oespacial).
0 ,... 2 , 1 , 0
!
) ; ( > = =
x
x
e
x f
x
LadistribucinPoissonrepresentalaprobabilidaddequeuneventoaisladoocurra
unnmeroespecficodevecesenunintervalodetiempo(ounespacio)dado,al
fijarse la tasa de acontecimientos en un continuo temporal (o espacial). Su
parmetroes,elnmeropromediodeocurrenciasdelexperimentoaleatorio.En
muchoscasossedenotacomo
) ; ( x
.
LaprobabilidaddequeunavariablealeatoriaPoissonXseamenoroiguala
unvalordexsedeterminaporlafuncindedistribucinacumulada:
= =
x
i
i
i
e
x F x X P
0
!
) ; ( ) (
LadistribucinPoissonsehatabuladodemaneraparadistintosvaloresde.En
la tabla A.2. del anexo A, se proporcionan las probabilidades acumuladas para
distintos valores del parmetro . El procedimiento para su clculo es similar al
seguido en el clculo de probabilidades acumuladas de variables aleatorias
binomiales,
(1)Localiceelvalorde,indicadoenlaprimerafiladelatabla.
(2)Identifiquelacolumnadenmerosqueseobtienendelpaso(1).
(3)Ubiqueelvalorcorrespondientedexenlaprimeracolumna.
95
(4)Hagacoincidirocruzarlafilaqueobtuvoenelpaso(3)conlacolumna
delpaso(1)paraobtenerelvalordelaprobabilidadacumuladadeseada.
Sepuedehacerusodeestatablaparadeterminarlasprobabilidadesindividuales
puesto que la variable aleatoria Poisson tiene un valor entero y se aplica la
propiedad:
) ; 1 ( ) ; ( ) ; ( = x F x F x
= = ) ( X E
X
Yladesviacinestndarresultaser: = = ) (
2
X V
X
EJEMPLO2.11
Un equipo de ftbol, en un campeonato local, lleva un promedio de 2,5 goles
anotados.Calculelaprobabilidaddequeenunpartidocualquieraelequipohaga:
a. cuatrogoles.
b. entre4y6golesinclusive.
c. nomsdetresgoles.
d. ningngol.
e. porlomenostresgoles.
Sea X el nmero de goles por partido de ftbol jugado anotados por un equipo.
EntoncesXsedistribuyecomounaPoissonconparmetro=2.5.
!
5 . 2
) 5 . 2 ; (
5 . 2
x
e
x
x
=
HaciendousodelastablasdeprobabilidadesacumuladasdePoisson,seobtiene:
b.
2282 , 0 7576 , 0 9858 , 0 ) 5 . 2 ; 3 ( ) 5 . 2 ; 6 (
) 5 . 2 ; ( ) 5 . 2 ; ( ) 5 . 2 ; ( ) 6 4 (
3
0
6
0
6
4
= = =
= =
= = =
F F
x x x X P
x x x
c. 7576 , 0 ) 5 . 2 ; 3 ( ) 3 ( = = F X P
96
d. 0821 , 0 ) 5 . 2 ; 0 ( ) 5 . 2 ; ( ) 0 (
0
0
= = = =
=
F x X P
x
e. 4562 , 0 5438 , 0 1 ) 5 . 2 ; 2 ( 1 ) 5 . 2 ; ( 1 ) 3 (
2
0
= = = =
=
F x X P
x
2.6.1. DistribucinPoissoncomoaproximacinaladistribucinbinomial
SeaXunavariablealeatoriacondistribucinbinomialyfuncindeprobabilidad:
x n x
q p
x
n
n p x b
|
|
\
|
= ) , ; (
Si para n = 1, 2, la relacin
n
p
= es cierta para alguna constante 0 > ,
entonces:
,... 2 , 1 , 0
!
) , ; (
0
= =
x
x
e
p n x b lm
x
p
n
Deacuerdoalanteriorteorema,lamediaylavarianzadeladistribucinbinomial
es:
= = = np X V X E ) ( ) (
EJEMPLO2.12.
Siel1%delasbombillasfabricadasporunaempresasondefectuosas,determine
laprobabilidaddequeenunamuestrade100bombillas3seandefectuosas.
SeaXelnmerodebombillasdefectuosasconp=0.01yn=100,entoncesXes
una variable aleatoria binomial que puede aproximarse a una Poisson con
parmetro=np=(0.01)(100)=1ysufuncindedistribucines:
97
!
1
) 1 ; (
1
x
e
x
x
=
Laprobabilidaddeencontrar3bombillasdefectuosases:
0613 , 0
! 3
1
) 3 (
3 1
= = =
e
X P
98
EJERCICIOSCAPITULODOS
1.-Sesabequeel60%delosalumnosdeunauniversidadasistenaclaseselda
viernes.Enunaencuestaa8alumnosdelauniversidad.Culeslaprobabilidad
dequea)porlomenossieteasistanaclaseeldaviernes.b)porlomenosdosno
asistanaclase.
2.-Segnlosregistrosuniversitariosfracasael5%delosalumnosdeciertocurso.
culeslaprobabilidaddequede6estudiantesseleccionadosalazar,menosde
3hayanfracasado?
4.- Una compaa de seguros considera que alrededor del 25% de los carros se
accidentan cada ao. Cual es la probabilidad de que por lo menos 3 de una
muestrade7vehculosasegurados,sehayaaccidentado?
5.-Losregistrosmuestranque30%delospacientesadmitidosenunaclnica,no
pagansusfacturasyeventualmentesecondonaladeuda.Supongaquellegan4
nuevos pacientes a la clnica, cual es la probabilidad de que se tenga que
perdonar la deuda de uno de los cuatro. B) los cuatro pacientes paguen sus
facturas.
7.- Los clientes llegan a una exhibicin a razn de 6,8 clientes /hora Calcule la
probabilidaddequea)enlaprimeramediahoraporlomenoslleguendosclientes;
b)encualquierhoradadalleguemasdeuno.
8.-Elnumeropromediodeurgenciasquellegaaunhospitalenunahoraesde12.
Cual es la probabilidad de que en un minuto lleguen por lo menos 2 urgencias.
Cualeselnumerodeurgenciasesperadoporminuto?
10.-Elnumerodepersonasqueingresanalaunidaddecuidadosintensivosdeun
hospitalenundacualquiera,esde5personasdiarias.Cualeslaprobabilidadde
99
queelnumerodepersonasqueingresanalaunidaddecuidadosintensivosenun
daparticularseamenoroiguala2personas?
11.- Un jefe de almacn sabe que 6 de las 25 bicicletas que tiene para la venta
presentan fallas en los frenos y necesitan ajuste. Si el vendedor que no tena
conocimientodeloanteriorvendienelda4bicicletas,culeslaprobabilidad
dequevendieradosdelasquerequeranajuste
13.- Un almacn contiene diez maquinas impresoras, cuatro de las cuales estn
defectuosas. Una compaa selecciona al azar cinco de las maquinas, pensando
que todas estn en condiciones de trabajar, cul es la probabilidad de que las
cincomaquinasestnenbuenestado?
15.-Laprobabilidaddequeunestudiantedeaviacinpaselapruebaescritapara
obtener su licencia de piloto privado es de 0.7. encuentre la probabilidad de que
unapersonapaselapruebaantesdelcuartointento.
100
CAPITULOTRES
DISTRIBUCIONESDEPROBABILIDADCONTINUA
3.1.DISTRIBUCIONUNIFORME
SedicequeunavariableXposeeunadistribucinuniformeenelintervalo[a,b],
sisufuncindedensidadeslasiguiente:
lafuncindedistribucinde es:
101
Figura3.1
FuncindeProbabilidadydeDistribucindelaVariableUniformeContinua
Elvaloresperadosepuededefinir:
Lavarianza:
Ejemplo3.1:
El volumen de precipitaciones estimado para el prximo ao en la ciudad de
Bucaramanga va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular la
funcindedistribucinylaprecipitacinmediaesperada:
Esdecir,queelvolumendeprecipitacionesestentre400y401litrostieneun1%
deprobabilidades;queestentre401y402litros,otro1%,etc.
102
Elvalormedioesperadoes:
Esdecir,laprecipitacinmediaestimadaenBucaramangaparaelprximoaoes
de450litros.
3.2.DISTRIBUCIONNORMALOGAUSSIANA
Es el modelo de distribucin ms utilizado en la prctica, ya que multitud de
fenmenossecomportansegnunadistribucinnormal.
Esta distribucin de caracteriza porque los valores se distribuyen formando una
campana de Gauss,en tornoa un valor central que coincide con el valor medio
deladistribucin:
Figura3.2
Funcindedensidaddeunavariablealeatoriadedistribucinnormal
Ladistribucingaussiana,recibetambinelnombrededistribucinnormal,yaque
una gran mayora de las variables aleatorias continuas de la naturaleza siguen
esta distribucin. Se dice que una variable aleatoria X sigue una distribucin
normalsisufuncindedensidades:
Estadistribucinvienedefinidapordosparmetros:X:N(,
2
)
103
:eselvalormediodeladistribucinyesprecisamentedondesesitaelcentro
delacurva(delacampanadeGauss).
2
: es la varianza. Indica si los valores estn ms o menos alejados del valor
central: si la varianza es baja los valores estn prximos a la media; si es alta,
entonceslosvaloresestnmuyalejadosdeella.Serepresentapor
2
porquesu
raizcuadrada, ,esladenominadadesviacinestandar.
3.2.1Distribucinnormalestndarotipificada
Ejemplo3.2.
Atencin:latablanosdalaprobabilidadacumulada,esdecir,laquevadesdeel
inicio de la curva por la izquierda hasta dicho valor. No nos da la probabilidad
concreta en ese punto. En una distribucin continua en el que la variable puede
105
tomar infinitos valores, la probabilidad en un punto concreto es prcticamente
despreciable.
Ejemplo3.3.
Veamosotrosejemplos:
a.-Probabilidadacumuladaenelvalor0,67:larespuestaes0,7486
b.-Probabilidadacumuladaenelvalor1,35:larespuestaes0,9115
c,-Probabilidadacumuladaenelvalor2,19:larespuestaes0,98574
Veamosahora,comopodemosutilizarestatablaconunadistribucinnormal:
Ejemplo3.4.
EJEMPLO3.6
107
Lavidamediadeloshabitantesdeunpasesde68aos,conunavarianzade
25.Sehaceunestudioenunapequeaciudadde10.000habitantes:
a)Cuntaspersonassuperarnprevisiblementelos75aos?
b)Cuntosvivirnmenosde60aos?
Solucin:
a)Cuntas personas superarn previsiblemente los 75 aos? Calculamos el
valordelanormaltipificadaequivalentea75aos
P(X>75)=P(Z>1,4)=1-P(Z<1,4)=1-0,9192=0,0808
Luego,el8,08%delapoblacin(808habitantes)vivirnmsde75aos.
b)Personasquevivirn(previsiblemente)menosde60aos.Calculamoselvalor
delanormaltipificadaequivalentea60aos
P(X<60)=P(Z<-1,6)=P(Z>1,6)=1-P(Z<1,6)=0,0548
Luego, el 5,48% de la poblacin (548 habitantes) no llegarn probablemente a
estaedad.
EJEMPLO3.7
La vida media de una lmpara, segn el fabricante, es de 68 meses, con una
desviacintpicade5.Sesuponequesedistribuyesegnunadistribucinnormal
Enunlotede10.000lmparas.a)Cuntaslmparassuperarnprevisiblemente
los75meses?.b)Cuntoslmparasseestropearnantesde60meses?
Solucin:
Z=(75-68)/5=1,4
P(X>75)=P(Z>1,4)=1-P(Z1,4)=1-0,9192=0,0808
Luego,el8,08%delaslmparas(808lmparas)superarnlos75meses
b)Z=(60-68)/5=-1,6
P(X60)=P(Z-1,6)=P(Z>1,6)=1-P(Z1,6)=0,0548
Luego, el 5,48% del lote (548 lmparas) no llegarn probablemente a durar 60
meses
108
Ejemplo3.8
El consumo medio bimestral de energa elctrica en una ciudad es de 59 Kwh.,
con una desviacin tpica de 6 Kwh. Se supone que se distribuye segn una
distribucinnormal. a) Cuntos Kwh. tendra que consumir bimestralmentepara
pertenecer al 5% de la poblacin que ms consume?. b) Si usted consume 45
Kwh.qu%delapoblacinconsumemenosqueusted?
Solucin:
a) Buscamos en la tabla el valor de la variable tipificada cuya probabilidad
acumulada es el 0,95 (95%), por lo que por arriba estara el 5% restante. Este
valorcorrespondeaZ=1,645.AhoracalculamoslavariablenormalXequivalente
aesevalordelanormaltipificada:
1,645=(X-59)/6X=67,87
Porlotanto,tendraustedqueconsumirmsde67,87Kwh.bimestralmentepara
perteneceral5%delapoblacinquemsconsume
b)Vamosaverenqueniveldelapoblacinsesituaraustedenfuncindelos45
Kwh.consumidos.
Calculamoselvalordelanormaltipificadacorrespondientea45Kwh.
Z=(45-59)/9=-2.333
P (X 45) = P (Z -2,333) = P (Z > 2,333) = 1 - P (Z 2,333) = 1 - 0,9901 =
0,0099
Luego,tansloun1,39%delapoblacinconsumemenosqueusted
109
EJERCICIOSCAPITULO3
1.- Una maquina automtica con funcionamiento electrnico hace pernos de 3/8
depulgadaloscualesdebentenerunalongitudde3pulgadas.Sienrealidadlas
longitudesde los pernos de 3/8 sedistribuyen uniformeenel intervalo (2,5 : 3,5)
pulgadasCuleslaprobabilidaddequeunodelospernoselegidoalazar,deun
lotedeterminadotengaunalongitudde:
a.-esteentre2.75y3.25pulgadas
b.-seamayorde3.25pulgadas
c.-seaexactamenteiguala3pulgadas
2.- Una empresa de productos de hule fabrica pelotas esfricas de hule baratas,
cuyos dimetros oscilan entre 4 y 8 cm. Suponga que el dimetro de una pelota
elegidaalazaresunavariablealeatoriaquesedistribuyedemodouniformeentre
dichosvalores.Culeselvaloresperadodelvolumendeunapelota?
3.-Elpesodeunbeberecinnacidoenunpasesunavariablealeatoriacontinua
quesigueunadistribucinnormal,conmedia3.2kgydesviacintpicade0.4kg.
Determineelporcentajedebebesrecinnacidosquepesan3.5kgomas.
BIBLIOGRAFA
CANAVOSC.,George(1986).ProbabilidadyEstadstica.Mxico:McGrawHil.
CASTILLOGARZN,Patricia(1998).MtodoscuantitativosIenadministracin.
SantafdeBogot:UNAD.
LIPSCHUTZ,Seymour.Teorayproblemasdeprobabilidad.Seriedecompendios
Schaum.Mxico:McGrawHill.
MARTNEZBENCARDINO,Ciro(2004).EstadsticaBsicaAplicada.Santafede
Bogot:ECOEEdiciones.
MILTON,J.Susan(1999).Estadsticaparabiologaycienciasdelasalud.Madrid:
McGrawHillInteramericana.
111
ORTEGA, Joaqun y WSCHEBOR, Mario (1994). Introduccin a la Probabilidad.
SantafedeBogot:UNISUR.
CIBERGRAFA
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://server2.southlink.com.ar/vap/PROBABILIDAD.htm
http://es.wikipedia.org/wiki/Probabilidad
http://descartes.cnice.mecd.es/3_eso/Azar_y_probabilidad/
http://www.terra.es/personal2/jpb00000/pprobjunio99.htm
http://www.terra.es/personal2/jpb00000/pprobjunio00.htm
http://www.fvet.edu.uy/estadis/probabilidad.htm
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm
http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/Esta
distica/index.html
http://www.cortland.edu/flteach/stats/links.html
http://www.d16acbl.org/U173/Brmx_prob1.html#_1
112
http://espanol.geocities.com/eprobabilidades/index.htm
http://www.monografias.com/trabajos11/tebas/tebas.shtml#intro