Apuntes Del Curso de Probabilidad y Estadistica 2do e de C

CENTRO DE ESTUDIOS SUPERIORES DEL ESTADO DE SONORA Unidad Acadmica Navojoa Probabilidad y Estadstica (MAT0802A21)
2. TEORA DE LA PROBABILIDAD
Importancia de la Probabilidad
La probabilidad permite construir modelos, desarrollar procedimientos para calcular y estimar probabilidades y resolver problemas en situaciones donde interviene el azar o la incertidumbre. Su importancia es creciente en diversas reas: en ciencias bsicas como la Fsica, la Qumica y la Biologa. Los modelos probabilsticos han favorecido una mayor comprensin de los fenmenos de la naturaleza. En actividades prcticas tan diferentes como son el control de calidad en la industria, la prediccin del clima y la interpretacin de encuestas -que interesa tambin a sectores como la mercadotecnia y la poltica- tanto la probabilidad como el rea relacionada con la estadstica, sirven para interpretar informacin, hacer predicciones, y tomar decisiones racionales en situaciones de incertidumbre. No es entonces una exageracin afirmar que conocer algunos elementos de probabilidad y tener ciertas familiaridades con el razonamiento probabilstico, es necesario no solo para el especialista, sino para ser un ciudadano informado. Las consideraciones anteriores justificaran por si solas las inclusiones de las nociones de probabilidad en la enseanza superior, pero hay otras razones que hacen de esta materia un tema interesante para los profesores y en particular para los maestros en matemticas: No obstante que la teora de probabilidad es una rama de las matemticas de ms desarrollo en la actualidad, muchas de sus ideas fundamentales son accesibles sin prerrequisitos complicados. La probabilidad es rica en problemas interesantes en s mismos, que pueden despejar e incrementar el gusto de las matemticas en los alumnos. Los conceptos de la teora de probabilidad son ricas en resonancias intuitivas. Cotidianamente tenemos que evaluar y tomar decisiones en circunstancias donde hay incertidumbre e interviene el azar. Gracias a ello desarrollamos ciertas intuiciones acerca de los fenmenos probabilsticos y, aunque estas intuiciones son con frecuencia inexactas o se apoyan en concepciones no siempre correctas, proporcionan al educador un excelente comienzo para afianzarlas y acercarse gradualmente a formulaciones matemticas ms precisas. La probabilidad constituye un contexto donde pueden aplicarse con sentido, conceptos y tcnicas matemticas elementales, relacionados con fracciones, las cifras de porcentajes, el razonamiento proporcional y la simbolizacin algebraica. La probabilidad tiene, por tanto, valor para adquirir, reforzar y profundizar en la comprensin de nociones y procedimientos pertenecientes a otras partes de las matemticas, siempre y cuando stos no sean vistos rgidamente como prerrequisitos para comprenderlas. El estudio de la probabilidad se presta para un aprendizaje y enseanza participativos. Los alumnos pueden abordar algunos problemas a travs de la exploracin emprica de situaciones aleatorias. Podrn entonces formular hiptesis, contrastar sus expectativas con los resultados que se presentan experimentalmente y producir y discutir sus propias explicaciones.
Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011
Inicios de la Probabilidad
Pascal, Fermat y El Caballero de la Mer

(Los inicios de la Probabilidad) El inicio de la Probabilidad est asociado a los nombres de Blaise Pascal (16231662) y Pierre Femart (1601-1665). Al parecer, el caballero de la Mer, un hombre culto aficionado a los juegos de azar, plante ciertos problemas de juego a Pascal y ste a su vez los discuti con Femart por correspondencia en el ao de 1654. El siguiente problema fue conocido como "el problema de los puntos" o de "la divisin de la apuesta". Dos personas compiten en un juego hasta completar un cierto nmero de puntos. Cada una tiene la misma oportunidad de hacer un punto; aqul que los complete primero se lleva la totalidad de la apuesta. Si el juego tiene que interrumpirse antes de que ningn jugador complete los puntos, cmo debe de dividirse la apuesta?
Por ejemplo, supongamos que dos personas, llammoslas A y B, juegan a los volados. Si sale guila, A gana el punto; si sale sello, B gana un punto; juegan varios volados y el que complete primero 3 puntos gana una apuesta de $64.00. Pero cuando A lleva dos puntos y B un punto, el juego se interrumpe. Cmo debe dividirse la apuesta? Ha de descartarse la solucin inmediata que dice "que se reparta mitad y mitad", porque de seguro A protestara, pues lleva ventaja y quisiera que se le compensara esta ventaja dndole una mayor parte de la apuesta. No vale la otra solucin inmediata que sugiere la apuesta en partes proporcionales a los puntos acumulados, es decir: 2/3 de la apuesta para A , porque lleva dos puntos y 1/3 de la apuesta para B porque lleva 1. Esta es la solucin que propona el Caballero de la Mer, pero Pascal y Femart estuvieron de acuerdo que no era la correcta. Para darse cuenta de ello solo pinsese que dicha solucin no depende del nmero de puntos que deben acumularse para ganar la apuesta. En una carta a Femart, fechada el 29 de julio de 1654, Pascal comenta el mtodo encontrado por l, resolviendo justamente el caso expuesto en el ejemplo de arriba. Supongamos que se juega el siguiente punto, puede suceder alguna de dos cosas: o gana A o gana B. Si gana A, entonces completara 3 puntos y se llevara toda la apuesta. Si gana B, entonces tanto A como B llevaran dos puntos y la apuesta debera dividirse en partes iguales (mitad y mitad). Entonces A razona as: "yo estoy seguro de obtener (al menos) la mitad de la apuesta (es decir $32.00), pues an si perdiera el siguiente punto la obtendra; pero quiz la otra mitad me la lleve yo, quiz t o ambos con las mismas oportunidades. Entonces, dividamos esta mitad entre ambos y dame adems la mitad que ya tengo asegurada". As A reclamara para s tres cuartas partes de la apuesta (1/2 +1/4 = 1/3, es decir $48.00) y una cuarta parte para B (es decir $16.00). La solucin de Femart es la siguiente: "Se debe de observar que a lo ms en dos tiradas ms se decidir el juego. Supongamos que necesariamente se juegan esos dos puntos, sealemos con a
2
cuando el punto lo gana A y con b cuando lo gana B. Todos los posibles desarrollos del juego son los siguientes: [aa], [ab], [ba], [bb], de llos en tres casos ganara A y solo en un caso ganara B; de donde la fraccin de la apuesta que se debe llevar A es de 3/4, es decir $48.00 para A y $16.00 para B". El lenguaje del azar Es necesario que se busque en peridicos o revistas, ejemplos de frases que se utilicen en situaciones que encierran un mayor o menor grado de incertidumbre. En dichas frases aparecern trminos y expresiones como: indudablemente es posible hay buenas oportunidades es casi imposible a) Describe su significado con tus propias palabras. Si hay algunos trminos que no conozcas, bscalas en el diccionario. b) Compara los trminos que encontraste con los que encontraron tus compaeros hay algunos que t no hayas encontrado? cul es su significado? c) En tu lista de trminos y expresiones, hay algunos que quieran decir lo mismo?, por ejemplo: "sin duda" y "es seguro" tienen el mismo significado? d) Puedes ordenar los trminos y expresiones de tu lista segn la confianza que mantienen de que ocurrir algo?, por ejemplo: es imposible es casi imposible es posible es muy posible es seguro e) Inventa frases que utilicen, de manera realista, los trminos del listado. La escala de la probabilidad Considera que tienes una escala de 0 a 1, como en la figura siguiente, en la cual se asigna un nmero a algunas expresiones relacionadas con el azar. Cmo ubicaras en esta escala los trminos que ordenaste en el inciso d)? Es imposible Hay alguna probabilidad Es seguro
1/2
Una de las ideas fundamentales de la probabilidad es que las nociones intuitivas acerca del azar, que en el lenguaje cotidiano se expresa en frases como: se espera que, hay igual probabilidad, es bastante probable. ...se normen dentro de la teora matemtica, de tal manera que los eventos imposibles tengan probabilidad 0, los eventos seguros tengan probabilidad 1 y se asigne valores entre 0 y 1 a las probabilidades de otros eventos. Tambin se espera que la relacin "ms probable" que se traduzca en la "relacin mayor" entre los nmeros que expresan las probabilidades de los eventos. Se pretende explorar algunas formas de establecer la correspondencia, a saber: si quiere verse donde colocar determinado evento en la "escala de probabilidad", se intenta estimar cuntas veces se verificar el suceso en un nmero determinado de pruebas, ya sea razonando a priori (utilizando la frmula clsica de probabilidad), o considerando la frecuencia relativa con la que el evento aparece al
3
realizar efectivamente varios experimentos o ensayos (utilizacin de la nocin frecuencial de la probabilidad). Experimentos aleatorios Mediante experimentos aleatorios como el lanzamiento de dados, serie de volados, giros de ruletas, extraccin de urnas y muestreo en poblaciones finitas (de hecho pequeas) conocidas, podr esclarecerse el carcter imprevisible del azar en ocurrencias individuales de eventos y observar la aparicin de regularidades en experimentos repetidos. As se plantean situaciones en las que es o no admisible la equiprobabilidad de los eventos, se realizan experiencias aleatorias equivalentes y se preparan las ideas de simulacin que se vern adelante. Al mismo tiempo se desarrollan nociones que sern tiles cuando se estudien la frmula y la nocin frecuencial de la probabilidad. EJEMPLOS: 1. Efecta 10 series de 10 volados cada una y registra los resultados en la siguiente tabla. Serie 1 2 3 4 5 6 7 8 9 10 Total= = Resultados No. de guilas % de guilas
Total / 100*100 =
De acuerdo con tu tabla, son iguales las probabilidades de obtener guila y de obtener sello al realizar un volado?
2. Arroja dos monedas 50 veces. Registra los resultados en una tabla como la que sigue.
RESULTADO
1 2 3 4 5 6 7 8 9
FRECUENCIA
1 1 1 1 1 1 1 1 7 1 2 2 2 2 2 2 2 2 2 2 3 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0
Total
FRECUENCIA RELATIVA (%) = Total / 50*100
2 SELLOS 2 GUILAS GUILA Y SELLO De acuerdo tu tabla, los resultados: 2 guilas, 2 sellos, un guila y un sello, tienen las mismas oportunidades de ocurrir?, puedes explicar por qu si o porque no?
3. Carreras de dados. Segn el corredor que le corresponde en la PISTA DE CARRERAS, avance a uno de los trece corredores, en funcin de la suma de los nmeros que resulten, de una tirada de dos dados, por ejemplo si el dado A sale un 4 y en el dado B sale un 3, entonces el corredor 7 avanza una casilla. Antes de iniciar el juego deber escoger a su corredor favorito. CORREDOR # PISTA DE CARRERAS 1____________ 2____________ 3____________ 4____________ 5____________ 6____________ 7____________ 8____________ 9____________ 10___________ 11___________ 12___________ 13___________ Conceptos bsicos Probabilidad: Es aquella parte de las matemticas que se encarga del estudio de los fenmenos o experimentos aleatorios (al azar). Experimentos: En cualquier accin, ya sea natural o que intervenga la mano del hombre en la que haya uno o varios resultados. Espacio muestral: Es el conjunto de todos los posibles resultados de un experimento (S), o todos los resultados que pueden suceder. Evento: es cualquier subconjunto del espacio muestral. Evento simple o elemental: Cualquier evento formado por un solo resultado. Evento compuesto: Es el evento formado por tres o ms eventos simples. Evento seguro: es el evento que siempre suceder. Evento imposible: Es el evento que nunca suceder. Eventos mutuamente excluyente: Dos o ms eventos son mutuamente excluyentes, cuando uno sucede el otro no puede suceder y viceversa. Eventos Complementarios: Dos o ms eventos, son complementarios cuando entre todos completan el espacio muestral y son mutuamente excluyentes entre si. Por tal, si dos o ms eventos son complementarios, entonces necesariamente son excluyentes y si son mutuamente excluyentes, no necesariamente son complementarios.
M E T A
Teora de probabilidad
5
Probabilidad de un evento cualquiera A, se calcula de la siguiente manera:
P ( A) = n A N
Donde P(A): Probabilidad del eventos definido como A. N: # de eventos simples, o el tamao de S. n A : # de eventos donde se cumple el evento A.
Tcnicas de Conteo Principio multiplicativo (Principio fundamental de conteo, regla m x n): "Si un evento se puede realizar de n1 maneras y un segundo se puede realizar de n2 maneras y as sucesivamente, entonces el nmero de maneras diferentes que se puede realizar en un conjunto es: n1 x n2 x n3 x ... x Combinaciones (No interesa elnx orden en que aparecen): "Es un arreglo de r objetos (tomados de un lote de tamao n, donde r n) si un cambio de orden no origina otra alternativa, entonces esto es una combinacin".
n r
n! = r!( n r )!
Se lee: "la combinacin de n objetos tomados de r a la vez"
Permutaciones (Interesa el orden en que aparecen). Es un arreglo de ordenado r objetos (tomados de un lote de tamao n, donde r n) si un cambio de orden origina otra alternativa, entonces esto es una permutacin.
n! = P = ( n r )!
n r
Se lee: "la permutacin de n objetos tomados de r a la vez"
Sugerencias para la solucin de problemas. Muchas veces se tiene la dificultad de decidir cul de las tres tcnicas de conteo, se debe usar en un problema dado? Las siguientes sugerencias pueden ser tiles: 1) Estudie el problema y determine si se forma de un suceso simple. a) Seleccione elementos de dos (o ms) conjuntos; situacin que sugiere el uso de la Regla De cuntos conjuntos se estn seleccionando los elementos? mxn; b) o al seleccionar r elementos de un solo conjunto de n elementos; lo cual sugiere la utilizacin de combinaciones o permutaciones. 2) Si la situacin es 1b), hay que decidir si se usan combinaciones o permutaciones. Si cada ordenamiento se define de los r elementos de un grupo, conduce a un MS diferente, entonces UNO DOS suceso se deben usar permutaciones. Si el ordenamiento no produce un nuevo suceso simple, entonces se deben usar combinaciones. As, el proceso de diagnstico debe seguir las indicaciones del rbol de decisiones mostrado en el diagrama siguiente:
Es importante el orden? S Regla de enumeracin: Probablemente aplicacin de Permutaciones.
Regla de enumeracin: Probablemente aplicacin de la Regla m x n.
No Regla de enumeracin: Probablemente aplicacin de Combinaciones. Facilitador: M.A. Jess Enrique Mendvil Gtz.
Enero 2011
3) Si se tiene dificultad para visualizar la regla (o reglas) de enumeracin apropiada para un problema que involucra un gran nmero de puntos muestrales, se puede construir una versin en miniatura del problema de tal forma que se puedan contar manualmente los puntos. Esto puede ayudar a ver como se puede resolver la versin ms complicada. Tarea # 6: Tcnicas de conteo: Principio Multiplicativo, Permutaciones y combinaciones.
Respuestas: 1. R. = 6. 2. R. = 6. 3. R. = 12. 4. R. = 8. 5. R. = 20. 6. R. a) = 512. b) = 337. 7. R. = 96. 8. R. = 4096. 9. R. = 1024. 10. R. = 243,000. 11. R. = 5040.
12. R. = 336.
13. R. = 216. 14. R. a)= 120; b)= 120. 15. R. 20. 16. R. 720. 17. R. ______ 18. R. 3024. 19. R. 720. 20. R. 4. 21. R. 1000; Error. 22. R. = 6. 23. R. 7P5 = 2520, 7P7 = 5040. 24. R. 12P3 = 1320.
Tarea # 7: Tarea # 8:
Ejemplos de Aplicacin en la vida cotidiana de la teora de Probabilidad. Clculo de probabilidades.
Respuestas de la tarea # 8:
1. a) 792 maneras b) 330 maneras 2. P(suma = 10) = 8/72 = 0.1111 = 11.11 % 3. P(todos diferentes) = 720/46656 = 0.0154 = 1.54 %
7
4. a) 72 maneras b) P(sacar 100) = 1/72 = 0.01389 = 1.39 % c) P(1 correcta) = 0.9445 = 94.45 % 5. a) P(5 I) = 1/4368 = 0.000228 = 0.022 % b) P(0 F) = 1287/4368 = 0.2946 = 29.46 % c) P(2N, 2I, 1F) = 840/4368 = 0.1923 = 19.23 % d) P(5 F) = imposible = 0% 6. a) P(comprar 50 tvs) = 990/1225 = 0.8081 = 80.81 % b) P(comprar 10 tvs) = 225/1225 = 0.1837 = 18.37 % c) P(comprar ninguna) = 10/1225 = 0.0081 = 0.81 % 7. a) P(3B) = 4/220 = 0.01818 = 1.818 % b) P(2B y 1V) = 30/220 = 0.1363 = 13.63 % c) P(al menos 1R) = 0.6181 = 61.81 % d) P(0 V) = 35/220 = 0.159 = 15.90 % 8. a) P(3Perfec. Cond.) = 4/10 = 0.4 = 40 % b) P(1 Defectuosa) = 6/10 = 0.6 = 60 % 9. 350 formas 10. a) 120 maneras b) P(incluir la pregunta ms difcil) = 36/120 = 0.3 = 30 % 11. a) 40320 maneras b) 6720 maneras 12. a) 10 eventos b) P(2 Perfec. Cond.) = 1/10 = 0.10 = 10 % c) P(incluir la de defectos considerables) = 4/10 = 0.4 = 40% 13. a) 1024 respuestas diferentes b) 120 respuestas diferentes 14. a) 1680 nmeros diferentes* b) 40320 nmeros diferentes 15. a) P(3H) = 120/455 = 0.2637 = 26.37 % b) P(2H, 1M) = 100/455 = 0.2197 = 21.97 % c) P(al menos 1H) = 0.7363 = 73.63 % d) P(usted sea seleccionado) = 91/455 = 0.2 = 20 % 16. 5040 maneras 17. 15 maneras* 18. P(3 diamantes) = 286/22100 = 0.01294 0 1.29 % 19. P(3 diamantes y 2 trboles) = 22308/2598960 = 0.00858 = 0.86 % 20. a) P(2 Defect.) = 6/66 = 0.09090 = 9.09 % b) P(2 no defect.) = 48/66 = 0.4242 = 42.42 % c) P(al menos 1 defect.) = 0.5757 = 57.57 % 21. a) 120 nmeros diferentes b) 40 nmeros pares c) 80 nmeros impares d) 40 nmeros menores que 400 e) 20 nos. mltiples de 5 22. a) P(sean esposos) = 6/66 = 0.0909 = 9.09 % b) P(1H, 1M) = 36/66 = 0.5454 = 54.54 % 23. a) 45 maneras b) 21 maneras 24. a) P(3H) = 20/120 = 1/6 = 0.1666 = 16.67 % b) P(2H, 1M) = 60/120 = 0.5 = 50 % c) P(todos M) = 4/120 = 1/30 = 0.0333 = 3.33 % 25. a) P(2 hermanos) = 10/35 = 0.2857 = 28.57 % b) P(0 hermanos) = 5/35 = 0.143 = 14.3 % 26. a) 6,227,020,800 maneras b) 165,888 maneras c) P(4 juntos) = 87091200/6227020800 = 0.013986 = 1.40 % d) P(misma nac. juntos) = 165888/13! = 0.00002664 = 0.0027 % 27. a) 120 formas b) 24 maneras c) 48 maneras d) 24 maneras 28. a) 24 formas b) 840 formas* c) 9,979,200 formas* 29. a) 40320 maneras b) 280 maneras* 30. a) n = 9** b) n = 9** 31. a) 1152 maneras b) ______ 32. a) 8008 maneras b) 3136 maneras c) 1960 maneras 33. a) 5040 maneras b) 15,120 maneras* Nota: * se resuelven aplicando permutaciones con repeticin. ** se resuelven aplicando la definicin algebraica de permutaciones
Probabilidad condicional Sucesos compuestos Como su nombre lo sugiere, se forma de alguna composicin de dos ms sucesos (simples). La composicin tiene lugar en una de dos formas , o en alguna combinacin de estas dos formas, a saber una unin o una interseccin. Definicin: Sean A y B dos sucesos en un espacio muestral S. La unin de A y B se define como suceso que contiene todos los puntos muestrales que estn en A, en B o en ambos. Se denota la unin de A y B con el smbolo: A B. Ejemplo: Lanzar un dado y observar el nmero que aparece en la cara superior. A Algunos sucesos son: 1. Suceso A: observar un # impar. 2. Suceso B: observar un # menor que 4. S 3. Suceso E1: observar un # 1. E5 E4 4. Suceso E2: observar un # 2. 5. Suceso E3: observar un # 3. E1 E3 6. Suceso E4: observar un # 4. E6 7. Suceso E5: observar un # 5. E2 8. Suceso E6: observar un # 6.
A B
A={E1, E3, E5 } y B={ E1, E2, E3} A B = {E1, E2, E3, E5}
Toda la zona sombreada
Definicin: Sean A y B dos sucesos en un espacio muestral S. La interseccin de A y B es el suceso de todos los puntos que estn en A y B. La interseccin de A y B se representa con el smbolo AB A B. La interseccin AB es el suceso que consiste en que ocurran simultneamente A y B. AB A B = {E1, E3} Relaciones entre sucesos 1. Sucesos Complementarios. 2. Sucesos Independientes-dependientes. 3. Sucesos Mutuamente Excluyentes. 1. Sucesos Complementarios. Definicin: El complemento de un suceso A, es la coleccin de todos los puntos muestrales en S, que no estn en A. El complemento de A se denota por Ac. P(A) + P(Ac) = 1 y P(A) = 1 - P(Ac) 2. Sucesos Independiente-dependientes: Definicin: Dos sucesos se relacionan frecuentemente de una manera tal que la probabilidad de la ocurrencia de uno depende de si el segundo ha ocurrido o no. Por ejemplo: Suceso A: "observar lluvia" Suceso B: "observar un da nublado".
Obviamente ambos eventos estn relacionados. La probabilidad P(A) de lluvia, no es la misma que la probabilidad de lluvia, dado que la informacin fuera que el da est nublado. La probabilidad de A, sera fraccin de la poblacin total de observaciones en las que se observa lluvia. A esa fraccin se le llama probabilidad de A dado B; puede ser igual a P(A), pero es de esperarse que la probabilidad de lluvia, dado que el da est nublado, sea menor. Se denota la probabilidad de A dado B por:
P( A / B) =
P( A B) P( B)
P ( B / A) =
P( A B) P ( A)
Ejemplo: Supongamos que el 10% de todos los das son lluviosos y nublados [P(A/B) = 0.10] y que el 30% de todos los das son nublados.
Das nublados B das lluviosos y nublados A (A B) es el rea sombreada-
cul es la probabilidad de que seleccionemos un da lluvioso dado que est nublado?. Esto es P(A/B) =? P(A/B) =
0.10 1 = = 0.3333 = 33.33% 3 0.30
Se dice que si P(A/B) = P(A), entonces los eventos "A" y "B" son independientes de tal manera que si P(A/B) P(A), entonces estos eventos son independientes.
P( A / B) = P( A B)
P( B)
Donde P(A B) es la
P ( B / A) = P ( A B)
P( A)
probabilidad de que suceda "A" y "B"; si A y B son mutuamente excluyentes, entonces P(A B) = 0; as mismo P(A/B) = 0 y P(B/A) =
Ley multiplicativa de la probabilidad. Esto nos dice que la probabilidad de que suceda "A" y "B" es P(A B) = P(A) igual a la probabilidad de que suceda "A", por la probabilidad de P(B/A) que el suceso "B" dado que sucedi "A". Si "A" y "B" son independientes entonces P(B/A) = P(B), por tal motivo:
P(A B) = P(A)
P(B)
10
Ley aditiva de la probabilidad.
Esto nos dice que la probabilidad de que suceda "A" "B" ambos es igual a la probabilidad de que suceda "A" ms la probabilidad de que suceda "B", menos la probabilidad de que sucedan ambos.
P(A B) = P(A) +P(B) P(A B)
SUCESOS DEPENDIENTES
SUCESOS MUTUAMENTE EXCLUYENTES
Si "A" y "B" son mutuamente excluyentes, entonces P(A B) = P(A) + P(B) Ejemplo: Considrese el experimento de "lanzar dos monedas" y definiendo a: Suceso A: observar al menos una cara (guila). Suceso B: observar al menos una cruz (sello). Definimos los sucesos A, B, AB (A B), y (AB) como la coleccin de puntos muestrales:
EVENT O E1 E2 E3 E4
M1 M2 C C + + C + C +
La ocurrencia de los puntos muestrales E1, E2 y E3 implica y por lo tanto define el suceso A. Los otros sucesos pueden definirse similarmente. Suceso A: {E1, E2, E3} Suceso B: {E2, E3, E4} Suceso AB A B: {E2, E3} Suceso A B: {E1, E2, E3, E4} Por lo tanto P(A) = 3 / 4 = 0.75 = 75 %
3. Sucesos suplementarios: P(Ac) = 1 / 4 Entonces P(Ac) + P(A) = 1 y despejando P(Ac) = 1 - P(A), por lo tanto P(Ac) = 1 - 3/4 = 4/4 - 3/4 = 1/4 = 0.25 = 25 %. Ejemplo: Para el lanzamiento de un dado, observar el nmero que aparece en la cara superior. Algunos sucesos son: (1) Suceso A: observar un nmero impar. (2) Suceso B: observar un nmero menor que 4.
11
4. Sucesos Dependientes-independientes: Calcular P(A/B) o sea la probabilidad de que obtenga un nmero impar, dado que ocurri un nmero menor que 4. Dado que B ha ocurrido, los nicos puntos muestrales que EVENTO: nos conciernen son E1, E2 y E3, los cuales ocurren con la E1 Observar un # 1 misma frecuencia. De stos E1 y E3 implican la ocurrencia del E2 Observar un # 2 suceso A, luego: P(A/B) = P(A B) = 2 / 6 = 2 / 3 = 0.66 = E3 Observar un # 3 66.667 % E4 Observar un # 4 P(B) 3/6 E5 Observar un # 5 E6 Observar un # 6 Vemos que P(A/B) = 2 / 3, mientras que P(A) = 1 / 2, entonces P(A/B) P(A), por lo tanto A y B dependen uno del otro. Definicin: Si la ocurrencia de A (o B) no afecta la probabilidad de que B (o A) ocurra, entonces se dice que A y B son independientes. Si la ocurrencia de A (o B) afecta la probabilidad de que B (o A) ocurra, entonces se dice que A y B son dependientes. Definicin: Decimos que A y B son mutuamente excluyentes, si el suceso (A B) no tiene ningn punto muestral, entonces: P(A B) = 0 y P(A B) = P(A) + P(B). Ejemplo: en el experimento de lanzar un dado: Suceso A: observar un # impar. Suceso B: observar un # menor que 4. a) Son sucesos mutuamente excluyentes? A: {E1, E3, E5}; B:{E1, E2, E3} entonces AB = (A B) = {E1, E3}, por lo tanto no son mutuamente excluyentes. b) son complementarios? A y B no son complementarios, porque B no es el complemento (no es el conjunto de todos los puntos en S que no estn en A). Ac = 1 - A entonces A : {E1, E3, E5}; y B:{E1, E2, E3}, pero B Ac. c) son independientes? P(A/B) = P(B)? P(AB) = P(A) = 2 / 6 y 2 / 3 1 / 2 P(B) 3/6 B A
E2
E11 E E3
E3
E5
E4
E6
12
GRFICAMENTE Ejemplo: Supngase que se extraen 2 cartas en sucesin de una baraja comn de 52 cartas, reemplazar la primera carta antes de extraer la segunda. La probabilidad de extraer dos reyes es?
A A A A
2 2 2 2
3 3 3 3
4 4 4 4
5 5 5 5
6 6 6 6
7 7 7 7
8 8 8 8
9 9 9 9
10 10 10 10
J J J J
Q Q Q Q
R R R R
A: extraer un rey en la primera eleccin. B: extraer un rey en la segunda eleccin. Por ser sucesos independientes: P(A B) = P(A) X P(B) = (4/52) (4/52) = 16/2704 = 0.0059 = 0.59% Ejemplo: Se arroja un dado balanceado cul es la probabilidad de que aparezcan seis puntos en todas las primeras tiradas? A: aparezcan 6 puntos en la 1 tirada. B: aparezcan 6 puntos en la 2 tirada. C: aparezcan 6 puntos en la 3 tirada. P(A B C) = P(A) X P(B) X P(C) = 1/6 X 1/6 X 1/6 = 1 / 216 Ejemplos de sucesos independientes Cul de los siguientes pares de eventos son independientes? Obtener caras en dos tiradas sucesivas de una moneda balanceada. Ser presidente de una compaa y tener ojos azules. Tener un segundo hijo del mismo sexo que el primero. Estar ebrio mientras se maneja un automvil y tener un accidente fatal. Extraer un diamante de una baraja completa, reemplazarla y extraer otro diamante. Extraer de una baraja un rey y una reina sin reemplazar la primera carta extrada. Ejemplo: Una caja contiene diez esferas. Cinco de llas son blancas ( B ), tres son rojas (R)y dos son negras ( N ). Se selecciona aleatoriamente una esfera sin reemplazo. Cul es la probabilidad de extraer dos esferas blancas una despus de otra? P(B y B) = (5 / 10) (4 / 9) = 20 / 90 = 0.22 = 22.22% Cul es la probabilidad de extraer una esfera roja despus de una negra? P(R y N) = (3 / 10) (2 / 9) = 6 / 90 = 0.066 = 6.67% Cul es la probabilidad de extraer 3 esferas rojas, una despus de otra? P(R y R y R) = (3 / 10) (2 / 9) (1 / 8) = 6 /720 = 0.0083 = 0.83% Cul es la probabilidad de extraer una esfera negra, despus una roja y finalmente una blanca? P(N y R y B) = (2 / 10) (3 / 9) (5 / 8) = 30 / 720 = 0.0417 = 4.17% Ejemplo: Se extrae una carta de una baraja ordinaria completa. Si la carta que se ha extrado se reemplaza antes de extraer la siguiente, cul es la probabilidad de extraer:
13
ESPACIO MUESTRA L
4 ases y despus cualquiera de las otras cartas? (4 / 52) (4 / 52) (4 / 52) (4 / 52) (48 / 52) = 12288 / 380,204,032 = 0.000023 = 0.0023% tres ases y despus 2 reyes? (4 / 52) (4 / 52) (4 / 52) (4 / 52) (4 / 52) = 0.000002.69 = 2.6 x 106 = 0.000269% Ejemplo: Se arrojan dos dados balanceados. Cul es la probabilidad de que aparezcan un nmero par de puntos en la primera tirada y un nmero non en la segunda? Suceso A: que la suma de los dados sea un nmero par. Suceso B: que la suma de los dados sea un nmero non. P(A) = 18/36 P(B) = 18/36, entonces P(AB) = (18/36) (18/36) = 1/4 = 0.25 = 25% Ejemplo: Considere la probabilidad de que al tirar una moneda sta quede con la cara hacia arriba es de 0.6. Si se arroja tres veces una moneda cul es la probabilidad de obtener: EVENT M M M probabilidad Total O es 1 2 3 %
a) obtener solamente sellos?
E1 E2 E3 E4 E5 E6
ESPACIO MUESTRAL
P(A) = {E8} P(SSS) = 0.4 x 0.4 x 0.4 P(SSS) = 0.064 = 6.4 % b) obtener cuando ms dos caras? P(A) = {E2, E3, E4, E5, E6, E7, E8}
E7 E8
C 0.6 0.6 0.6 0.21 21. 6 6 C C S 0.6 0.6 0.4 0.14 14. 4 4 C S C 0.6 0.4 0.6 0.14 14. 4 4 C S S 0.6 0.4 0.4 0.09 9.6 6 S C C 0.4 0.6 0.6 0.14 14. 4 4 S C S 0.4 0.6 0.4 0.09 9.6 6 S S C 0.4 0.4 0.6 0.09 9.6 6 S S S 0.4 0.4 0.4 0.06 6.4 EVENTO M1 M2 M3 PROBABILIDADE totales 4 S Totales 1.000 100
E2 E3 E4 E5 E6 E7 E8 C C S = 0.6 0.6 0.4 C S C 0.6 0.4 0.6 C S S 0.6 0.4 0.4 S C C 0.4 0.6 0.6 S C S 0.4 0.6 0.4 S S C 0.4 0.4 0.6 S S S 0.4 0.4 0.4 Probabilidad de cuando ms 2 caras 0.144 0.144 0.096 0.144 0.096 0.096 0.064 0.784
EVENT O
c) al menos 2 caras?
14
M1 M2 M3
PROBABILIDAD ES
totales
E1 E2 E3 E5
C C C 0.6 0.6 0.6 0.216 C C S 0.6 0.6 0.4 0.144 C S C 0.6 0.4 0.6 0.144 Facilitador: M.A. 0.6 S C C 0.4 0.6 Jess Enrique Mendvil Gtz. 0.144 Enero 2011 Probabilidad de al menos 2 caras 0.648
P(A) = {E1, E2, E3, E5,}
d) al menos 2 sellos? P(A) = {E4, E6, E7, E8,}
EVENTO M1 M2 M3 PROBABILIDADE total S es

E4 E6 E7 E8 C S S 0.6 0.4 0.4 S C S 0.4 0.6 0.4 S S C 0.4 0.4 0.6 S S S 0.4 0.4 0.4 Probabilidad de al menos 2 sellos 0.096 0.096 0.096 0.064 0.352
Ejemplo de sucesos dependientes Ejemplo: Si se extraen dos cartas de una baraja comn de 52 cartas, sin reemplazar el primer naipe antes de extraer el segundo, entonces los resultados de las dos extracciones son dependientes. La probabilidad de obtener un rey en la primera extraccin es de 4/52. Si la primera extraccin es un rey, la probabilidad de extraer un rey la siguiente vez es de 3/51. En consecuencia, la probabilidad conjunta de extraer dos reyes en los dos ensayos es (4/52)(3/51) = 12/2652 = 0.0045 = 0.45 %. En general, el evento de extraer uno de un conjunto finito de objetos y el evento de una extraccin subsecuente son dependientes si el objeto que se ha extrado previamente, no se reemplaza. Ejemplo: Una compaa manufacturera compra dos grupos de mquinas a dos proveedores diferentes. El grupo I consiste en cuatro mquinas y el grupo II en seis mquinas. Los dos tipos de mquinas tienen la misma capacidad y se emplean para producir partes sintticas. De las parte producidas por las mquinas del grupo I, el 5% son defectuosas (D), mientras que el 90% de las producidas por las mquinas del grupo II no son defectuosas (nD). Supngase que se selecciona aleatoriamente una mquina y se elige y examina una de las partes producidas. Determnese cada una de las posibles probabilidades conjuntas. Se tiene: P(I)=0.4, P(II)=0.6, P(D/I)=0.05, P(nD/I)=0.95, P(D/II)=0.1, P(nD/II)= 0.90, entonces: # 1 2 3 4 Probabilidad P(ID) = P(IID) = P(InD) = P(IInD) = clculo P(I) x P(D/I) P(II) x P(D/II) P(I) x P(nD/II) P(II) x P(nD/II) valores 0.4 x 0.05 0.6 x 0.10 0.4 x 0.95 0.6 x 0.90 total 0.02 0.06 0.38 0.54 % 2% 6% 38 % 54 % 100 %
= = = =
15
Tarea # __. Probabilidad de sucesos compuestos. 1. Se examinaron las tarjetas de registro de 200 estudiantes en relacin a ciertos idiomas. Se encontr que 100 estudiaban francs. 80 estudiaban espaol y 60 ambos idiomas. Si de este grupo de 200 estudiantes se selecciona uno al azar, cul es la probabilidad de que haya estudiado francs o espaol, o ambos idiomas? 2. De un grupo de 100 estudiantes universitarios del ltimo ao, 60 estudian biologa, 20 estudiaron geologa y 10 estudiaron astronoma. 15 estudiaron biologa y geologa, 7 estudiaron biologa y astrologa y 3 estudiaron geologa y astronoma, 3 de los estudiantes cursaron las 3 materias. Si se selecciona al azar un estudiante del ltimo ao, cul es la probabilidad de que haya estudiado por lo menos una de estas materias? 3. Una caja contiene 3 canicas rojas y 8 canicas negras, todas ellas del mismo material y del mismo tamao. Si se extraen 2 canicas en sucesin y sin reemplazo, cul es la probabilidad de que ambas sean rojas? 4. Si el 60 % de los hombres norteamericanos de 20 aos y el 65 % de las mujeres de Norteamrica de 20 aos, viven hasta los 70 aos, cul es la probabilidad de que un matrimonio norteamericano que contrajo nupcias cuando ambos tenan 20 aos de edad, vivan para celebrar sus bodas de oro? 5. Se ha encontrado que, en Nueva Inglaterra, la distribucin de los 4 grupos sanguneos bsicos es como sigue: O, 45 %; A, 45%; B, 10 %; AB, 5%. Cul es la probabilidad de que en un matrimonio de Nueva Inglaterra seleccionado al azar: a) ambos sean del tipo A?, b) ninguno sea del tipo O?, c) la esposa sea tipo A y el esposo tipo B?, d) uno sea del tipo A y el otro del tipo B?, e) sean de tipo diferentes? 6. En general, el 10% de cierto tipo de focos para el rbol de Navidad es defectuoso. Si se selecciona al azar una muestra de 10 de estos focos y se investiga cul es la probabilidad de que no haya ningn defectuoso? 7. Una clase consta de 10 hombres y 20 mujeres, de las cuales la mitad de los hombres y la mitad de las mujeres tienen ojos castaos, hallar la probabilidad de que una persona escogida al azar sea hombre o tenga ojos castaos? 8. Si P(A) = 3 / 8; P(B) = 5 / 8; P(B/A) = 8 / 12, encuentre a) P(AB), b) P(AB), c) son A y B mutuamente excluyentes? por qu? 9. Una urna contiene 7 bolas rojas, 5 blancas y 3 bolas verdes. Si se seleccionan 3 al azar, una tras otra sin reemplazo; encuentre las siguientes probabilidades: a) todas sean blancas, b) ninguna sea verde, c) las primeras dos sean rojas y la ltima sea verde, d) sean 2 blancas y una verde. 10. En una fbrica se tienen 3 mquinas que producen un determinado artculo. La mquina 1 produce el 45% del total. La mquina 2 el 35% y la mquina 3 el 20%. La mquina 1 produce el 15% de defectuosos, la mquina 2 el 10% de defectuosos y la mquina 3 el 5% de defectuosos. A) Si se selecciona un artculo al azar cul es la probabilidad de estar en buenas condiciones?. B) Si se selecciona un artculo y resulta defectuoso, cul es la probabilidad de que sea de la mquina 1? Teorema de Bayes (Probabilidades conjuntas) Las formulas de Bayes nos permiten calcular la probabilidad condicional de un evento cualquiera perteneciente a una familia de eventos exhaustivos y mutuamente excluyentes, si sabemos que ha ocurrido un evento B del espacio, siempre que P(Ai) y P(B/Ai) sean conocidas. Para obtener estas formulas supongamos que tenemos n eventos mutuamente excluyentes y exhaustivos A1, A2, A3, ... , An y sea B un evento definido en el mismo espacio muestral. De acuerdo con la definicin de probabilidad condicional.
16
P ( Ai / B ) =
Pero:
P ( Ai B ) P ( B)
P ( AI B ) = P ( B / AI ) P(Ai) de acuerdo con la regla de la multiplicacin. Adems la formula de la probabilidad total nos permite escribir: P ( B) = P ( B / Ai ) P ( Ai )
i =1 n
Sustituyendo obtenemos:
P ( Ai / B ) =
P ( B / Ai ) P ( Ai )
P( B / A ) P( A )
j =1 j j
i = 1,..., n
Que son las frmulas de Bayes para el clculo de la probabilidad condicional. Ejemplo: Dos fbricas producen lmparas elctricas. La primera proporciona el 70% y la segunda el 30% de la produccin total. Por otra parte, se sabe que el 83% de las lmparas suministradas por la primera fbrica se ajusta a las normas establecidas, mientras que slo el 63% de las producidas por la segunda, se ajusta a dichas normas. Calcular la probabilidad de que una lmpara haya sido producida por la primera fbrica, si se sabe que se ajusta a las normas. De acuerdo con los eventos siguientes: A1: Lmparas producidas por la primera fabrica. A2: Lmparas producidas por la segunda fabrica. B: Lmparas que se ajustan a las normas. La probabilidad que deseamos calcular es: P(A1 / B) Sabemos que:
P ( A1 / B ) =
adems:
P( A1 B ) P( B)
P( A1 B ) = P ( B / A1 ) P(A1) P ( B) = P ( B / Ai ) P ( Ai )
i =1 2
17
Segn las reglas de la multiplicacin y la probabilidad total. Sustituyendo:
P ( A1 / B ) =
P ( B / A1 ) P( A1 )
P( B / A ) P ( A )
i =1 i i
Observe que el planteamiento anterior no es ms que una formula de Bayes aplicada a este problema. Sustituyendo los valores de probabilidad obtenemos:
P ( A1 / B ) =
0.83 0.7 0.58 = 0.75 0.83 0.7 + 0.63 0.3 0.77
Las formulas de Bayes resultan de utilidad cuando un evento B puede ocurrir bajo una de las hiptesis A1, A2, ... , An, de las cuales tenemos sus probabilidades P(A1), P(A2), ... , P(An) y adems bajo la hiptesis Ai, se conoce tambin la probabilidad P(B/A i), i=1,2,...,n y deseamos calcular la probabilidad de que una de las hiptesis Ai ocurra si el evento ha ocurrido. Las formulas de Bayes cuantifican las probabilidades para cada una de estas hiptesis, suponiendo que B ha ocurrido. Es aconsejable que, tal y como hemos hecho en el ejemplo anterior al abordar la solucin de un problema de este tipo, siga el proceso de razonamientos progresivos desde la formulacin de las hiptesis de definicin de los eventos, hasta el planteamiento de cada una de las probabilidades condicionadas, aplicacin de la regla y la formula de la multiplicacin y de la formula de la probabilidad total. Ejemplo: Se tienen dos urnas con bolas rojas y blancas distribuidas de la siguiente manera: A. Urna 1: 3 Rojas y 2 blancas B. Urna 2: 2 Rojas y 3 blancas Se extrae una bola de la urna 2 y se introduce en la urna 1. Si al extraer una bola de la urna 1, esta es blanca, Cul es la probabilidad de que la bola trasladada sea blanca tambin? Solucin: Para calcular la probabilidad pedida, definimos los eventos: B2: Que la bola trasladada de la urna 2 a la urna 1 sea blanca. R2: Que la bola trasladada de la urna 2 a la urna 1 sea roja.
18
B1: Que la bola extrada de la urna 1 sea blanca. Como lo que nos interesa calcular es la probabilidad de que la bola trasladada de la urna 2 a la urna 1 sea blanca, si la bola extrada de la urna 1 es blanca, esta es la probabilidad P(B2/B1) que de acuerdo con la definicin de probabilidad condicional es:
P( B2 / B1 ) =
P ( B2 B1 ) P( B1 )
Para calcular las probabilidades que aparecen en el numerador y denominador de esta expresin, analicemos los datos que suministra el problema. Las hiptesis que hemos establecido son: que la bola trasladada de la urna 2 a la urna 1 sea blanca (B2) y que la bola trasladada de la urna 2 a la urna 1 sea roja (R2). Bajo esta hiptesis se realiza la extraccin de la bola de la urna 1. Las probabilidades de estas hiptesis son:
P( B2 ) =
3 5
P( R2 ) =
2 5
Para calcular la probabilidad de que la bola extrada de la urna 1 sea blanca, hay que considerar adems las probabilidades condicionales P(B1/B2) y P(B1/R2) ya que trasladar una bola de un color u otro, se altera consecuentemente la urna 1. Calculemos entonces:
P ( B1 / B 2 ) =
3 1 = 6 2
P ( B1 / R 2 ) =
2 1 = 6 3
Estamos en condiciones de calcular, utilizando la regla de la probabilidad total, la probabilidad de B1, que aparece en el denominador de la probabilidad P(B2/B1) segn pide el problema. P(B1)=P(B1/B2) P(B2) + P(B1/R2) P(R2) Sustituyendo los valores correspondientes:
1 3 1 2 3 2 P ( B1 ) = + = + = 0.40 2 5 3 5 10 15
Y la probabilidad del numerador ser:
P ( B 2 B1 ) = P ( B1 / B 2 ) P ( B 2 ) = 0.3
19
Luego:
P ( B 2 / B1 ) =
P ( B 2 B1 ) 0.3 = = 0.75 P ( B1 ) 0.4
Tarea # ___. Problemas tipos relacionados con las probabilidades conjuntas (Teorema de Bayes) 1. Suponga que de una poblacin total, se cree que el 8% tiene una enfermedad particular. Tambin imagine que hay un nuevo tipo de prueba de sangre para la deteccin de la enfermedad, y que los investigadores han evaluado su eficiencia. Datos de pruebas extensas muestran que la prueba de sangre no es perfecta: no solamente es positiva para slo el 95 % de quienes tienen la enfermedad, tambin resulta positiva para el 3 % de quienes no la tienen. Suponga que una persona de la poblacin es seleccionada al azar y se le realiza la prueba de sangre. Si el resultado es positivo cul es la probabilidad de que la persona tenga la enfermedad? 2. Un fabricante de cmaras de vdeo utiliza un microchip en el ensamblaje de cada cmara que produce. Los microchips son comprados a los proveedores A, B y C y son sacados al azar para el ensamble de cada cmara. El 20 % de los microchips provienen del proveedor A, el 35 % de B y el resto de C. Con base en la experiencia el fabricante cree que la probabilidad de que un microchip de A est defectuoso es de 0.03 y las probabilidades correspondientes a B y C son 0.02 y o.01, respectivamente. Una cmara se selecciona al azar de un da de produccin y su microchip est defectuoso. Encuentre la probabilidad de que fuera suministrado por a) A, b) B y c) C; d) de cul proveedor es ms probable que provenga el microchip? 3. Dos urnas idnticas, la I y la II, estn sobre una mesa. La urna I contiene una canica roja y una canica negra; la urna II contiene dos canicas rojas. Una urna es seleccionada al azar y de ella se saca una canica al azar. La canica es roja. Cul es la probabilidad de que la otra canica en la urna seleccionada sea roja? 4. Dos fbricas producen lmparas elctricas. La primera proporciona el 70 % y la segunda el 30 % de la produccin total. Por otra parte, se sabe que el 83 % de las lmparas suministrada por la primera fbrica se ajusta a las normas establecidas, mientras que slo el 63 % de las producidas por la segunda, se ajusta a dichas normas. Calcular las probabilidades de que una lmpara haya sido producida por la primera fbrica, si se sabe que se ajusta a las normas. 5. Una compaa manufacturera compra dos grupos de mquinas a dos proveedores diferentes. El grupo I consiste en cuatro mquinas y el grupo II en seis mquinas. Las dos mquinas, que tienen la misma capacidad, se emplean para producir partes idnticas. De las partes producidas por las mquinas del grupo I, el 5 % son defectuosas (D), mientras que el 90 % de las producidas por las mquinas del grupo II no son defectuosas (D). Supngase que se selecciona aleatoriamente una mquina y se elige y examina una de las partes producidas. Determnese cada una de las posibles probabilidades conjuntas. a) P(I D) =?, b) P(II D) =?, c) P(I D) =?, d) P(II D) =?
20

Apuntes Del Curso de Probabilidad y Estadistica 2do e de C

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Apuntes Del Curso de Probabilidad y Estadistica 2do e de C

Transféré par

Droits d'auteur :

Formats disponibles

CENTRO DE ESTUDIOS SUPERIORES DEL ESTADO DE SONORA Unidad Acadmica Navojoa Probabilidad y Estadstica (MAT0802A21)

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

Pascal, Fermat y El Caballero de la Mer

FRECUENCIA RELATIVA (%) = Total / 50*100

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

Probabilidad de un evento cualquiera A, se calcula de la siguiente manera:

Se lee: "la combinacin de n objetos tomados de r a la vez"

Se lee: "la permutacin de n objetos tomados de r a la vez"

Es importante el orden? S Regla de enumeracin: Probablemente aplicacin de Permutaciones.

Regla de enumeracin: Probablemente aplicacin de la Regla m x n.

Ejemplos de Aplicacin en la vida cotidiana de la teora de Probabilidad. Clculo de probabilidades.

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

Toda la zona sombreada

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

Das nublados B das lluviosos y nublados A (A B) es el rea sombreada-

0.10 1 = = 0.3333 = 33.33% 3 0.30

Ley aditiva de la probabilidad.

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

SUCESOS MUTUAMENTE EXCLUYENTES

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

a) obtener solamente sellos?

P(A) = {E1, E2, E3, E5,}

d) al menos 2 sellos? P(A) = {E4, E6, E7, E8,}

EVENTO M1 M2 M3 PROBABILIDADE total S es

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

Segn las reglas de la multiplicacin y la probabilidad total. Sustituyendo:

0.83 0.7 0.58 = 0.75 0.83 0.7 + 0.63 0.3 0.77

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

P ( B 2 B1 ) 0.3 = = 0.75 P ( B1 ) 0.4

Facilitador: M.A. Jess Enrique Mendvil Gtz. Enero 2011

Vous aimerez peut-être aussi