SOLUCIN

1. Mapa conceptual: Suma P(A o B) = PA + PB Probabilidad (0<P<1) Son Mutuamente Excluyentes

Son

Producto P(A y B) = PA * PB

Si

Si Independientes
No

No Compatibles P(A o B) = PA + PB P(A y B)

Se Sucesos Dependientes P(A y B) = PA * PB = (eA/n) * (eB/n-1) Como

Nmero de Eventos

Son

Exitosos Define Sobre En

Estn

Ausentes

Total casos posibles Se Clasifica Es

Imposibilidad absoluta

Es

En

P>0

P=0

Aprioris

Emprica

No

Si

Experimentacin

2. A. Probabilidad asistente mayor est ausente en un da PM = 0.09 Probabilidad asistente mayor mas joven est ausente en un da PJ = 0.05 Probabilidad ambos asistentes (mayor y el ms joven) estn ausentes en un da PM = 0.01

Anlisis: Los eventos no son mutuamente excluyentes, son de tipo compatible, por lo tanto se aplica la regla de la adicin. Formulacin: P (M o J) = PM + PJ P (M y J) Desarrollo:
PM =0.09 PJ =0.05

P (M y J) = 0.01 P (M o J) = 0.09 + 0.05 0.01 = 0.13 Rta. Probabilidad de que ambos estn ausentes es 0.13 o el 13% 2. B. Probabilidad estudiante estadstica compre una computadora PC = 0.50 Probabilidad notas subas si compra calculadora PN = 0.82 Anlisis: Los eventos son dependientes, se ata la superacin en las calificaciones a la compra del computador por lo tanto se aplica la regla de la multiplicacin. Los valores entregados aunque no comparten igual espacio muestral uno si condiciona el otro. Formulacin: P (C y N) = PC x PN Desarrollo:
PC =0.50 PN =0.82

P (M o J) = 0.50 x 0.82 = 0.41 Rta. Probabilidad de que las notas suban por la compra de la calculadora es 0.41 o el 41% 2. C. Caractersticas de Vendedores en empresa J & J Habilidades en ventas Debajo del promedio D Promedio P Por encima del promedio E Competencia para progresar Regular R Bueno B Excelente X 10 15 25 45 65 40 80 100 120

P (Habilidad para las ventas por encima E del promedio y excelente X competencia para progresar) es P (E y X)

Espacio muestral es = 10 + 45 + 80 + 15 + 65 + 100 + 25 + 40 + 120 = 500 Probabilidad habilidad para las ventas por encima E del promedio PE = (80 + 100 + 120)/500 = 0.60 Probabilidad excelente X competencia para progresar PX = (25 + 40 + 120)/500 = 0.37 Rta. Probabilidad para eventualidad independiente P (E y X) = 0.60 x 0.37 = 0.222 2. D Probabilidad compre Renault PR = 0.25 Probabilidad compre Toyota PT = 0.13 Probabilidad compre Ford PF = 0.90 Probabilidad compre un automvil sin importar marca Anlisis: Al seleccionar un automvil ya no seleccionar ninguno de los otros dos, pues slo invierte en uno, este hecho aparentemente los convertira en eventos mutuamente excluyentes; pero recordemos que no existe algo que ate los tres automviles condicionalmente ni el comprador entra aun garaje con los ojos vendados para comprar el auto que en primera instancia toque; los autos slo en comn tienen la opcin de ser elegidos por el comprador y todos con oportunidades diversas de eleccin. Por se independientes los sucesos se aplica la propiedad del producto. Formulacin: P = PR x PT x PF Desarrollo:
PR =0.25 PT =0.13

PF=0.90

P = 0.25 x 0.13 x 0.90 = 0.02925 Rta. Probabilidad de que las notas suban por la compra de la calculadora es 0.02925 o el porcentaje es 2.925 % 3. Cuadro resumen. DISTRIBUCIONES DE PROBABILIDADES FORMULA MODO DE EMPLEO P(X)=
X (probabilidad si) = 1 1 X (probabilidad no) = 0 p (probabilidad del evento)
Se determina probabilidad del evento y se decide si este corresponde a la existencia o a la ausencia del mismo para aplicar la formulacin correctamente

TIPO
BERNOULLI (Discreta)

CONCEPTO
Determinacin de la probabilidad de la ocurrencia de un evento, teniendo como opciones nicamente, su existencia (xito) o su ausencia (fracaso)

EJEMPLO
Se abre una tarjeta de 4 hojas Qu probabilidad hay de abrirla entre las 2 ltimas pginas? P= 1/3 X=1 si lograrlo 1-1 = 0 no lograrlo P(1)= P(1) = 0.33

Determinacin de la probabilidad de uno o varios sucesos mediante la obtencin de un conjunto probabilstico muestral

P(X)=( )
p (P. xito) q (P. Fracaso) n (xitos totales) x (xitos deseados)

( )
Combinatoria

Se desarrolla el binomio de Newton teniendo como variables las probabilidades de xito y error, siendo el mximo exponente el espacio muestral que comprende los sucesos a analizar.

De 3 lanzamientos un dado obtenga 2 veces 6: P= 1/6 Q=1-1/6=5/6 N=3 X=2 P(2)=( ) P(2)=0.06944 P(1)=( ) P(1)=0.34722 P(0)=( ) P(0)=0.5787
P = P(2) + P(1) + P(0) P = 0.9953 De 50 canicas, hay 30 de un color y las restantes de dos colores, se extraen 10 que probabilidad hay de que 3 aleatoriamente no sean unicolor

BINOMIAL (Discreta)

HIPERGEOMTRICA (Discreta)

Se aplica en muestreo aleatorio sin reemplazo, o sea sirve para determinar la probabilidad de eventos dependientes

P(X)=

( )( ( )

)
Determinar inicialmente las variables N, n, d, x, luego reemplazar en formula y solucionar la combinatorias para obtener el cociente expresado formularmente

N = Poblacin n = Muestra d = Elemento de la poblacin x = Variable aleatoria

( P(X)=

)(

( ) P(X)= 0.2259
Si el 5% defectuoso P de 7 de 1000 TV elaborados sea defectuoso en fbrica? = 2.7182 k=7 =(5/100)(1000)=50
-14

Es la probabilidad de ocurrencia de un nmero de eventos en un periodo de tiempo

K (Variable aleatoria) (% Error) = 2.7182

Se aplica la determinacin de sucesos no exitosos en lo analizado para conocer la probabilidad de existencia no exitosa en determinada muestra que hace parte del total analizado

POISSON (Discreta)

2.9897x10

P(X) =
Aplica a intervalos que miden la duracin de una variable continua al transcurrir un sucesos

= 1/ (Frecuencia) 2 2 = 1/ X = variable determinacin (Media) 2 (Varianza)

ESPONENCIAL (Continua)

Iniciamos con especificar el valor de la frecuencia luego se reemplazan valores en la frmula

La vida til de un juguete es 10 aos, un padre compra 6 de stos, Cul es la probabilidad que en el transcurso de 15 aos aun sean tiles?

= 1/10 = 0.1 X = 15
= 2.7182

P(X) =
P (X) = 0.02231

Representada como N (, ), define eventos probabilsticos experimentales y/o correlacionales a travs de la funcin de densidad y su respectivo grfico, tambin se conoce como Probabilidad de Gauss o Gaussiana.

P(Z)= 1- f(Z) en tabla Z=

X (Variable) (Media) = (Varianza) =

Determinan la media y la varianza, se aplica la frmula para obtener Z y se interpreta densidad grfica y obtiene valor f(z) con el uso de tabla para distribucin normal, siguiendo orientacin de la sombra se calcula por diferencia P(Z).

MULTINOMIAL CONTINUAS

Normal (Gaussiana)

=80 X=100 Determine la P(X>100) para la N(80,10) X = 100 = 80 = 10

Z=
f(2) = 0.9772 P(2)= 1- f(2) = 1-0.9772 P(2)= 0.0228 = 2.28%

Es la aplicada en muestras pequeas cuando se desea determinar la media de una poblacin normalmente distribuida

t-Student

t=

Z (distribucin normal) V (distribucin Chicuadrado grados de libertad) Z y V (independientes) Para valores negativos de X:

Se determina inicialmente Z, tal cual se hace para la distribucin Normal, con la Media y Varianza y los grados de libertad, se implementa la formula dada. El valor t tambin se estima por medio de tabla con variable X en columna izquierda tabla y grados de libertad en columnas, casilla interseccin es el valor.

Cul es la probabilidad de que una variable t de Student de 40 grados de libertad deja a la izquierda de -1,30? P(t40 < - 1.30) Los valores negativos no vienen en la tabla, pero segn lo anterior: P(t40 < - 1.30) = 1 - P(t40 < 1.30) En la tabla existe: P(t40 < 1.30) = 0.899 Por lo tanto: P(t40 < - 1.30) = 10.899 Se obtiene: P(t40 < - 1.30) = 0.101

Aplica a pruebas paramtricas, fija si existe una relacin para dos variables categricas sin indicar el (%) de dominio entre variables ni cual causa influencia.

Se calcula las frecuencias esperadas Ei si estas no han sido proporcionadas 2 por la prueba en evaluacin, se aplica la determinacin de X , luego se 2 compara por tabla el valor crtico con el obtenido X y acepta o rechaza hiptesis.
Se busca en tabla, para grado de libertad indicado, entrando por las veces de prueba y ubicando el valor ms aproximado en el interior de la tabla para luego proyectarlo hacia la probabilidad acumulada

Ji-Cuadrado

Una sastrera hay 4 sastres elaborando mismo tipo trajes. El inters es conocer si la eleccin de cualquiera de ellos es aleatoria o si existe preferencia en la los clientes. La siguiente tabla muestra el nmero de Trajes elaborados por c/u de ellos durante el mes. Contrastar la hiptesis de que los canales son seleccionados al azar a un nivel de significacin del 5%. Sastre 1 2 3 4 Trajes 13 22 18 17 Aleatorio probabilidad distribuye por igual:
Ei = (13 + 22 +18 +17)*1/4 Ei = 17.5 X2 =((13-17.5)2+(22-17.5)2+ (1817.5)2+(17-17.5)2)/17.5 X2 = 2.3428

Ei = n * pi (i va de 1 hasta n)

Puesto que el valor del estadstico (2.3428) es menor que el valor crtico, no se rechaza la Hiptesis de seleccin aleatoria. Dos hornos se diferencian por su tiempo de uso, se cree que las varianzas de horneado no son iguales. Se toma una muestra de 16 (13 grados de libertad) panificados de c/u, cul es la probabilidad de que la razn de varianzas sea: (a) Mayor a 1.97 y (b) Menor a 3.52?
P(F 1.97) = 1 0.9 = 0.1 para v1= v1= 13

Es la construccin hecha a partir del cociente de dos variables de distribucin Chicuadrada. U1 y U2 estadsticamente independiente y grados de libertad d1 y d2, tambin conocida como distribucin de Fisher Snedecor.

Distribucin F

f(x) = *(n + d/2)] / {*(n/2)] + *(d/2)]} * n/2 n/2 1 (n/d) * [X / (n + (n + d)/2 X /d) ] si X>0

La probabilidad de que la razn de varianzas sea mayor a 1.97 es 0.1.

P(F 1.97) = 1 0.99para v1= v1= 13

La probabilidad de que la razn de varianzas sea menor a 3.52 es 0.99.