Algunas Frmulas Bsicas de la Teora de

Probabilidades
Recopilacin: Dr. Danilo Gortaire
I. Sucesos aleatorios
1. Frmulas del clculo combinatorio
) Permutaciones:

b) Variaciones:

c) Combinaciones:

= ()!!

d) Permutaciones con repeticin:

; ,, =

!
! ! !

2. Definicin de probabilidad clsica

() = , donde
es el nmero de casos favorables al suceso

casos elementales e igualmente posibles (equiprobables).

es el nmero total de

3. Probabilidad de la suma de sucesos

Teorema de la probabilidad de la suma de sucesos incompatibles:

Teorema de la probabilidad de la suma de sucesos compatibles:

4. Probabilidad del producto de sucesos

Teorema del producto de probabilidades para sucesos independientes:

Teorema del producto de probabilidades para sucesos dependientes:

,
es la probabilidad condicional del suceso

dado que ha acontecido el suceso

es la probabilidad condicional del suceso

dado que ha acontecido el suceso

5. Frmula de la probabilidad total

donde

es
,

un

grupo

completo

de

hiptesis,

es

decir,

es el suceso siempre cierto (universo).

6. Frmula de Bayes. Clculo aposteriori de las probabilidades de las hiptesis

donde

es un grupo completo de hiptesis.

7. Frmula de Bernoulli

es la probabilidad de que acontezca el suceso A en k veces de un total de n experimentos

independientes.
es la probabilidad de que ocurra el suceso A y q = 1 p de que no ocurra.
8. Nmero ms probable de aparecimiento de un suceso

El nmero ms probable
de aparecimiento de un suceso A en
independientes se estima mediante:

experimentos

es la probabilidad de aparecimiento del suceso A en un solo experimento.

9. Frmula local de Laplace

P es la probabilidad de que el suceso aparezca

veces en

experimentos independientes,

es la probabilidad de aparecimiento del suceso en un solo experimento,

10. Frmula Integral de Laplace

es la probabilidad de aparecimiento de un suceso

no menos de

y no ms de

veces en

experimentos independientes ,

la probabilidad de aparecimiento del suceso en un solo experimento,

es

11. Estimacin de la desviacin de la frecuencia relativa con respecto a la probabilidad

en un valor :

II. Variables Aleatorias (VA)

12. Serie o tabla de distribucin de una variable aleatoria discreta
.
.

La suma de las probabilidades siempre es 1, es decir,

13. Funcin de distribucin (funcin integral de distribucin)

La funcin de distribucin de la variable aleatoria

se define mediante la frmula

. Es una funcin no decreciente y que toma valores entre 0 y 1. Si

es la densidad de la distribucin, entonces la funcin de distribucin se viene expresada

mediante

14. Densidad de la distribucin (funcin diferencial de la distribucin)

La densidad de la distribucin de la variable aleatoria
frmula

se define mediante la relacin o

. Existe slo para una variable aleatoria continua y para ella se debe

cumplir la condicin de norma:

(el rea bajo la curva es igual a 1).

15. Probabilidad de caida de una variable aleatoria en un intervalo dado

Esta probabilidad puede ser medida por 2 mtodos:

1) Mediante la funcin de distribucin

2) Mediante la funcin de densidad

16. Esperanza matemtica de una variable aleatoria
1) Para una variable aleatoria discreta

con su serie de distribucin, tendremos:

2) Para una variable aleatoria continua

con su funcin de densidad de distribucin:

.
17. Varianza o dispersin de una variable aleatoria
Por definicin, la varianza es el segundo momento central:

.
1) Para una variable aleatoria discreta

con su serie de distribucin, tendremos:

2) Para una variable aleatoria continua

con su funcin de densidad de distribucin:

18. Desviacin tpica (estndar) o desviacin media cuadrtica de una variabla aleatoria

19. Momento inicial de orden r de una variable aleatoria

En particular, el primer momento inicial es la esperanza matemtica:

20. Momento central de orden r de una variable aleatoria

En particular, el segundo momento central es la dispersin o varianza:

.
21. simetra

El coeficiente de asimetra es positivo, si la cola derecha de la distribucin es ms larga que la

cola izquierda (la parte derecha de la curva es ms baja), negativo en el caso contrario. Si la
distribucin es simtrica respecto a su esperanza matemtica, entonces el coeficiente de
asimetra es nulo.
22. Exceso

El coeficiente de exceso de una distribucin normal es nulo. Es positivo, si el pico de la

distribucin cercano a la esperanza matemtica es agudo; y negativo, si el pico es suave.

III. Distribuciones de Variables Aleatorias

21. Distribucin binomial o de Bernoulli (discreta)
La variable aleatoria
es el nmero de xitos en una sucesin de
experimentos aleatorios
independientes, tales que la probabilidad de xito en cada uno de ellos es igual a
, siendo
.
La ley o serie de distribucin de
0

tiene la forma:
1

..

..

Aqu, la probabilidad se calcula mediante la frmula de Bernoulli:

..
..

Se tienen las siguientes caractersticas:

Ejemplos de polgonos de distribucin para

y distintas probabilidades:

22. Distribucin de Poisson (discreta)

La distribucin de Poisson modela una variable aleatoria que representa el nmero de sucesos
que acontecen en un determinado tiempo, bajo la condicin de que los sucesos dados
acontecen con cierta intensidad media fija e independientemente el uno del otro.
Bajo las condiciones
la ley de distribucin de de Poisson es
un caso lmite de la ley binomial o de Bernoulli. Ya que segn estas condiciones, la probabilidad
del suceso A en cada experimento es pequea, entonces la ley de distribucin de Poisson la
llaman ley de sucesos o fenmenos raros.
La serie o ley de distribucin es:
0

..

..

..

..

Las probabilidades se calculan con la frmula de de Poisson:

Las caractersticas numricas son :

Los polgonos de distribucin para

,
.

23. Distribucin Exponencial (continua)

La distribucin exponencial es una distribucin absolutamente continua que modela el tiempo
entre dos resultados sucesivos de un mismo suceso.
Densidad probabilstica:

donde

Caractersticas numricas:

La densidad de la distribucin para valores distintos de

24. Distribucin Uniforme (continua)

La distribucin uniforme es usada en el anlisis de errores de redondeo en clculos numricos
(por ejemplo, el error de redondeo de un nmero hasta un entero est distribuido

uniformemente sobre el segmento [-0,5; 0,5] o en una serie de problemas de la teora de colas,
bajo modelacin estadstica cuyas observaciones obedecen a una distribucin dada).
Densidad de la distribucin:

Caractersticas numricas:

Grfica de la densidad probabilstica:

25. Distribucin Normal o de Gauss Laplace (continua)

La distribucin normal o de Gauss Laplace es la principal distribucin probabilstica continua,
juega un importantsimo rol en varias reas del conocimiento, especialmente en la fsica. Una
variable fsica obedece a una ley normal cuando ha estado bajo la influencia de un gigantesco
nmero de seales o ruidos.
Ladensidad de la distribucin normal es:

() =

Caractersticas numricas:

Ejemplos de densidades probabilsticas normales:

( )
)

La ley de distribucin normal de una variable aleatoria con parmetros

y
se
denomina distribucin normal estndar o normada, y su curva - curva normal estndar de
Gauss.

La funcin de Laplace se definida mediante

La probabilidad de que una variable aleatoria continua

valores del intervalo dado

, distribuida normalmente, tome

es

La probabilidad de desviacin de una variable aleatoria

esperanza matemtica en un valor

, normalmente distribuida, de su

(en mdulo) es:

IV. Frmulas complementarias

26. Desigualdad de Chebyshv

27. Desigualdad de Markov

28. Esperanza matemtica de una funcin de una variable aleatoria

29. Momento correlacional del sistema de variables aleatorias

30. Coeficiente de correlacin del sistema de variables aleatorias

31. Flujo de sucesos de Poisson