PROBABILIDAD Y ESTADSTICA

PROBABILIDADES

CONTENIDO
Definiciones de Probabilidad
Definicin clsica, subjetiva y frecuentista de probabilidad.
Algebra de Eventos.
Regla de la adicin: eventos mutuamente excluyentes y no excluyentes.
Regla de la multiplicacin: eventos independientes y dependientes.
Probabilidad de eventos compuestos.
Probabilidad condicional.

LOGRO DE SESION
Al trmino de la sesin, el estudiante resuelve problemas de situaciones
reales en Ingeniera, considerando las leyes, propiedades bsicas y
leyes de las probabilidades, con precisin en el clculo.

Caso de estudio 1:
Para un Ingeniero tendr sentido
preguntarse:
Qu porcentaje de las botellas
de su produccin, tienen una cantidad
menor de contenido, especificado?

Esto sin tener que acceder

a toda la produccin

Caso de estudio 2:
2)

A un ingeniero encargado del

tratamiento de Agua le interesar
saber el % de bacterias en un
tanque

Esto sin tener que acceder

a todo el tanque

Los profesionales de ingeniera tienen como

exigencia intrnseca desarrollar investigacin
permanente,
ello
significa,
la
bsqueda
sistematizada y objetiva de hechos o de
explicaciones
a fenmenos
relacionados
con su
entorno
laboral .

Casi toda decisin que un Ingeniero tiene

que tomar, de una u otra manera, presenta
algn elemento de incertidumbre, es decir,
en el momento en que la decisin es
tomada no se tiene la certeza absoluta de
cual ser la consecuencia de la decisin
tomada.

Algunas
veces,
los
efectos
de
la
incertidumbre son tan pequeos que su
influencia en la decisin tomada puede
despreciarse y por tanto se trata a la situacin
que se presenta como que no tiene
incertidumbre y se toma la decisin con entera
confianza.

Pero en muchas ocasiones se enfrentan situaciones

donde la incertidumbre es importante y no puede
ser ignorada y en esas situaciones, las
probabilidades y la
estadstica son
herramientas
eficaces para
tomar las
decisiones.

El objetivo de la PROBABILIDAD es
medir la incertidumbre de que
ocurran determinados Eventos.

10

INICIO DE LAS PROBABILIDADES

La aficin al juego fue lo que impulso el desarrollo de la
probabilidad.
Los jugadores, en su esfuerzo por aumentar sus
ganancia pidieron a los matemticos que les
proporcionaran las estrategias ptimas para varios juegos
de azar.
Como resultado de este primer desarrollo de la teora de
probabilidad, se extiende junto con la estadstica a
muchos campos del saber humano.

12

1. EXPERIMENTO:
Es un hecho, acontecimiento u operacin que se realiza
en nuestra realidad y que puede ser repetida bajo
ciertas condiciones.
Dentro de estos tenemos los determinsticos y no
determinsticos.

13

1.1. Experimentos Determinsticos:

Son aquellos cuyo resultado del experimento se
conoce con anterioridad y que puede describirse por
una formula matemtica, fsica o qumica.
Ejemplos:
Soltar una piedra en el aire.
Lanzar una pelota en una tina con agua, etc.

14

1.2. Experimento NO deterministico o ALEATORIO ()

Son aquellos cuyos resultados del experimento no
pueden predecirse con exactitud antes de realizar el
experimento.
Ejemplos:
1= Lanzamiento de un dado y ver su puntaje obtenido.
2= Se fabrican artculos en una lnea de produccin y se
cuenta el nmero de artculos defectuosos producidos en
un periodo de 24 horas
15

2. ESPACIO MUESTRAL ()
Es el conjunto de todos los resultados posibles de un
experimento aleatorio.
Ejemplo:
Experimento
1
2

Espacio Muestral
1= {1,2,3,4,5,6}

en donde N es el
nmero mximo de artculos que
pudo ser producido en 24 horas.
2 = {0, 1, 2,, N};

16

3. EVENTO ( A, B, C ):
Se llama evento a cualquier subconjunto del espacio
muestral. Se denotan por letras maysculas del alfabeto.
Los eventos siempre de indica en forma de enunciado.
Ejemplo 1:
Para 1 A= Lanzamientos pares de un
dado
Para 2 B= Se fabrican menos de 10 artculos
en la lnea de produccin

A= { 2, 4, 6 }
B= { 0,1,2,3, 4, 5, 6,7,8,9 }

17

Ejemplo 2:
Determinar los siguientes eventos si el experimento consiste en
verificar 3 tornillos, que pueden ser defectuosos (D) o no
defectuosos (N)
Solucin:
: Verificar 3 tornillos
= {DDD,DDN,DND,DNN, NDD, NDN,NND,NNN}
EVENTOS

A: Que el primer tornillo sea defectuoso.

B: Que los dos primeros sean No defectuosos.
C: Los ltimos sean defectuosos.
D: Ocurran por lo menos dos defectuosos.
E: Que ocurra que los tres tornillos sean
defectuosos
F: Que ocurra que los tres tornillos sean a lo
ms defectuosos

A= {DDD,DDN, DND,DNN}
B= {NND,NNN}
C= {DDD,DND,NDD,NND}
D= {DDD,DDN,NDD, DND}
E= {DDD}
F = {DDD,DDN,DND,DNN, NDD,
NDN,NND,NNN}
18

4. CLASES DE EVENTOS
a. Evento unitario: Es aquel que contiene un solo resultado.
E: Que ocurra que los tres tornillos sean defectuosos
E= {DDD}
b. Evento compuesto: Es aquel que contiene 2 o mas resultados
A: Que el primer tornillo sea defectuoso.
A= {DDD,DDN, DND,DNN}

19

4. CLASES DE EVENTOS
c. Evento seguro: Es aquel que contiene a todos los elementos del
F: Que ocurra que los tres tornillos sean a lo ms defectuosos
F = {DDD,DDN,DND,DNN, NDD, NDN,NND,NNN}
d. Evento nulo: Es aquel que no contiene ningn elemento.
G: Que ocurra que los cuatro tornillos sean defectuosos

G=

20

5.SUCESO:
Se llama suceso a todo elemento del espacio muestral y
se denota por (w).
= {CCC,CCS,CSC,CSS,SCC,SCS,SSC,SSS}

Suceso

21

EJEMPLO : Experimento, Espacio Muestral, Eventos

y Sucesos
Dos gasolineras se ubican en cierta interseccin. Cada una tiene 6 bombas.
Considere el experimento en el que para cada gasolinera se
determina el nmero de bombas en uso en determinado
momento del da. Un resultado experimental especifica cuantas
bombas estn en uso en la primera gasolinera y cuantas en la
segunda.
Un posible resultado es (2 ,2 ) otro es (4,1) y otro ms (1,4). Los 49 resultados se
muestran:

22

EJEMPLO : Experimento, Espacio Muestral, Eventos y

Sucesos.
Cuando se observa el nmero de bombas en uso en cada una de las dos
gasolineras provistas con 6 bombas, hay 49 resultados posibles, as que
hay 49 eventos simples: E1 = (0,0) E2 = (0,1) E49= (6,6)
A= (0,0) , (1,1) , (2,2), (3,3) , (4,4), (5, 5) , ( 6,6) = Evento en el que el
nmero de bombas en uso es el mismo para ambas gasolineras (con
7 sucesos).
B = (0,4) , (1,3), (2,2), (3,1),(4,0) = Evento en el que el nmero total de
bombas es cuatro (con 5 sucesos). .
C = ( 0,0) , (0,1) , (1,0) , (1,1) = Evento en el que a lo sumo una bomba
est en uso en cada gasolinera (con 4 sucesos)..

23

Ejercicios de Aula:
1. Indique Ud. si los siguientes experimentos son aleatorios:
a. Elegir una carta de una baraja (52 cartas) y sealar la figura obtenida.
b. Verificar el estado de dos transistores (apagado y prendido)

V F
V F

c. Lanzar una piedra a una tina con agua.

V F

d. Lanzar 4 monedas y ver el nmero de caras.

V F

e. Jugar un partido de fulbito

V F

f. Soltar un plumn en el aire.

V F

g. Rendir un examen.

V F

h. Jugar la tinka

V F
24

Ejercicios de
Aula:
2. Indique el espacio muestral para los siguientes experimentos:
Lanzar 2 monedas:
Lanzar 3 monedas
Lanzar 1 dado y una moneda
Lanzar 2 dados
Jugar un partido de ftbol
Rendir un examen

= {..}
= {.}
= {.}
= {.}
= {.}
= {.}

25

6. REGLAS BASICAS DE PROBABILIDADES

1.

Ley Fundamental de Probabilidad. Una

probabilidad siempre estar comprendida entre 0 y 1.
0 P ( A) 1

2.

P () = 1. La probabilidad del espacio muestral es 1.

3.

Ley del Complemento. Si A c es el complemento de

A, entonces:
P ( Ac) + P ( A) = 1
P (A c ) = 1 P (A)
P ( A ) = 1 P (A c)

26

7. ENFOQUES DE PROBABILIDAD
Existen tres enfoques de la probabilidad:
* Clsico
* Subjetivo
* Frecuentista.

27

7. ENFOQUES DE PROBABILIDAD
1. Enfoque clsico

El enfoque clsico o a priori de la probabilidad est basado en la

suposicin de que todos los resultados del experimento son igualmente
posibles. La probabilidad se calcula de la siguiente manera:
Probabilidad del evento

nmero de posibles resultados del evento

nmero total de resultados posibles del
experimento

Ejemplo:

El experimento es lanzar un dado. Cul es la probabilidad de que caiga

un dos hacia arriba?
P( caiga 2 ) = 1= 1/6 = 0.166
28

7. ENFOQUES DE PROBABILIDAD
2. Enfoque subjetivo
Si no hay experiencia anterior o hay muy poca sobre la cual basar
una probabilidad, esta se fundamenta en la intuicin, opiniones,
creencias personales y otra informacin indirecta. Este tipo de
probabilidad es el enfoque subjetivo de la probabilidad.
Ejemplo:
P ( Que una Mujer sea elegida Presidente del Per) = 0.50

29

7. ENFOQUES DE PROBABILIDAD
3 . Enfoque frecuentista
La probabilidad de que suceda un evento es determinada observando
como sucede el evento en el pasado. En trminos de frmula:
nmero de veces que sucedi el evento en el pasado
Probabilidad de que
suceda un evento

=
nmero total de observaciones

Ejemplo:
Se lanza una moneda. Para determinar la probabilidad de que caiga cara
se lanza 60 veces la moneda al aire, de las cuales 25 veces cay cara. Si
aplicamos la frmula:
P(cae cara ) = 25/ 60 = 0.42

30

8. PROPIEDADES DE RELACIONES ENTRE EVENTOS

Sean A, B y C eventos de un mismo espacio muestral () entonces:

8.1 LEY O PROPIEDAD CONMUTATIVA

( C 1)
:
( C2)
:

A B B A
A B B A

31

8. PROPIEDADES DE RELACIONES ENTRE EVENTOS

Sean A, B y C eventos de un mismo espacio muestral () entonces:

8.2 LEY O PROPIEDAD ASOCIATIVA

( A1) A ( B C ) ( A B ) C
:
( A2) : A ( B C ) ( A B ) C

32

9.LEYES O PROPIEDAD DISTRIBITIVA

Dados los eventos A, B y C, entonces:

(D1) :
C)

A (B U C)= (AB)U(A

(D2) : A U ( B C ) = ( A U B ) ( A
UC)

33

10. LEYES DE MORGAN

Sean los eventos A y B

(M1) :

A B = A U B

(M2) : A U B = A B

34

11. TEOREMAS DE PROBABILIDAD

1. Regla de Adicin
2. Regla de Multiplicacin
3. Probabilidad Condicional

35

1 Regla de Adicin
La Regla de Adicin nos da la forma de calcular la probabilidad de
que ocurra el evento A B ambos.
a) Si los eventos son Dependientes
o relacionados

P ( A U B )= P (A) + P( B ) P ( A B)

b) Si los eventos son Independientes

P ( A U B ) = P (A) + P( B )

36

o Ejemplo 1:
Si el experimento es lanzar un dado una vez, el espacio muestral es:
= { 1, 2, 3, 4, 5, 6 }
Si el evento A es cae un nmero par
A = { 2, 4, 6 }
Si el evento B es cae un nmero menor de 3
B = { 1, 2 }

Cul ser la probabilidad de que suceda alguno de estos dos eventos?

37

Solucin al Ejemplo 1:
Cul ser la probabilidad de que suceda alguno de estos dos eventos?
Entonces la probabilidad de A y la probabilidad de B es:
P(A) =3/6= 0.50

P(B) =2/6= 0.3366

Para aplicar el teorema es necesario conocer la probabilidad de la interseccin

de estos dos eventos, es decir, la probabilidad de que caiga un nmero par y
menor de 3.
A B =Es el elemento { 2 }= P(A B) = 1/6 =0 .17
Si aplicamos la regla de adicin:
P( A U B ) = P( A ) + P( B ) P( A B )
P( A U B ) = 0.50 + 0.33 0.17 = 0.66

38

2 Regla de Multiplicacin
La Regla de Multiplicacin nos da la forma de calcular la probabilidad
de la interseccin de dos eventos.
a) Si los eventos son Dependientes
o relacionados
A

B )= P (A)
P ( A B )= P (B)
P(A

b) Si los eventos son Independientes

P(B/A)
P(A/B)

P(A
B)

B ) = P (A)

P(

39

3 Probabilidad Condicional
La probabilidad de que ocurra un evento dado que otro evento ya
ha ocurrido se llama Probabilidad Condicional
a) Si los eventos son Dependientes
o relacionados
A

b) Si los eventos son Independientes

= P ( A B ) / P (B)

P ( A / B ) = P (A)

P ( B / A ) = P ( A B ) / P (A)

P ( B / A ) = P (B)

P(A/B)

40

Ejemplo 2:
El experimento es extraer aleatoriamente dos fluoculantes de una caja
que contiene 5 fluoculantes liquidos y 5 fluoculantes slidos Cul es
la probabilidad de que ambas fluoculantes sean lquidos?
P(A) = {probabilidad de que el primer fluoculante sea lquido}
P(B) = {probabilidad de que el segundo fluoculante sea lquido}
P(BA) = {probabilidad de que el segundo fluoculante es lquido dado
que el primero es lquido}
P(AB) ={probabilidad de que los dos fluoculantes sean lquidos}

41

Solucin al Ejemplo 2:
* Al extraer el primer fluoculante, en la caja hay 5 tipos de fluoculate lquidos de un total de
10, por lo que la probabilidad es:
P(A) = 5/ 10 = 0.50

** Al extraer el segundo fluoculante hay en la caja 4 fluoculantes liquidos de un total de 9, por

lo que la probabilidad de que el segundo fluoculante sea lquido dado que el primero fue
lquido es

P(BA) =4/9 = 0.44

P(AB) = P(A) * P(BA) = 0.5*0.44 = 0.22
La probabilidad de que los dos fluoculantes sean lquidos es 0.22

42

Ejemplo 3:
Se lanzan dos monedas Cul es la probabilidad de que ambas caigan cara?
Solucin:
P(A) = {probabilidad de que caiga cara en la primera moneda}
P(B) = {probabilidad de que caiga cara en la segunda moneda}
P(A B) = P(A) * (P(B)
= (1/2)*(1/2)
= 0.25

43

QU HEMOS VISTO?
Definiciones de Probabilidad
Definicin clsica, subjetiva y frecuentista de probabilidad.
Algebra de Eventos.
Regla de la adicin: eventos mutuamente excluyentes y no excluyentes.
Regla de la multiplicacin: eventos independientes y dependientes.
Probabilidad de eventos compuestos.
Probabilidad condicional.

Enfrentarse, siempre enfrentarse,

es el modo de resolver el
problema. Enfrentarse a l!.
Joseph Conrad (1857-1924) Novelista britnico de
origen polaco

BIBLIOGRAFIA BASICA:
Estimado estudiante, puedes revisar los siguientes textos que se encuentran en
tu biblioteca:
1

519.2
SCHE

SCHEAFFER Mc. CLAVE

PROBABILIDAD Y ESTADSTICA PARA

2005
INGENIERA

519.5
LEVI/P

LEVINE-KREHBIELBERENSON

ESTADSTICA PARA ADMINISTRACIN.

519.2
HINE

WILLIAM W. HINES
DOUGLAS C. MONTGOMERY
DAVID M. GOLDSMAN
CONNIE M. BORROR

PROBABILIDAD Y ESTADSTICA PARA

2011
INGENERIA

2006