Probabilidad y Estadística

1
UNIDAD 1: Estadstica descriptiva
UNIVERSIDAD TECNOLGICA NACIONAL

FACULTAD REGIONAL AVELLANEDA
PROBABILIDAD Y ESTADSTICA
UNIDAD 2: Definicin Clsica - Axiomas
Autores:
Lic Luis Alberto Garaventa
Mg. Mara Cristina Kanobel
Ao 2014
Las leyes de probabilidad son el sustento terico de toda la teora estadstica.

Esperamos que al finalizar la lectura activa y comprensiva de este mdulo estn en
condiciones de resolver problemas relacionados con los axiomas y las propiedades de
la probabilidad y con los conceptos de probabilidad condicional e independencia.
Al trabajar con herramientas informticas, esperamos tambin que accedan a los
modelos de simulacin por computadora para aproximar soluciones a problemas
probabilsticos complejos.
INTRODUCCIN
Si apelamos al concepto ms cercano a nosotros respecto de qu es la
probabilidad, aparece una frmula, llamada tambin Definicin Clsica,
como la siguiente:
Probabilid ad
Nro de casos favorables

Nro de casos posibles
En este captulo avanzaremos sobre este concepto, aunque el mismo parece insinuar,
a partir de su planteo, que para calcular algunas probabilidades, solamente debamos
saber contar y dividir.
Antes de comenzar a desarrollar el captulo, donde veremos que el concepto no es tan
simple como parece, desarrollaremos en forma prctica algunas estrategias para
contar en los casos en los que la enumeracin de los mismos llevara mucho tiempo.
COMBINATORIA
Analicemos la siguiente situacin:

En una fbrica se compr una mquina nueva y se harn turnos de 2 horas con los
cuatro empleados (a lo largo de las 8 horas de la jornada) para que vayan aprendiendo
a usarla con un entrenador que provee la empresa que vendi la mquina.
Suponiendo que todos los das harn los turnos en el mismo orden, de cuntas
formas distintas se podra organizar el orden de la jornada de capacitacin?
Podemos organizar los datos en un diagrama de rbol
4 . 3 . 2 .1 = 4! =24
Multiplicamos los casos dado que por

cada una de las cuatro elecciones
que tenemos para el primer turno
tenemos tres para el segundo y
as sucesivamente.
En el ejemplo tomamos un grupo de 4
elementos
y
consideramos
los
ordenamientos posibles que se podan
llevar a cabo con ellos.
Si observamos el diagrama, solamente

completando los datos que estn
circulados en gris., queda configurado
el diagrama.
Podemos ver que para la primera
opcin se abren cuatro ramas, de cada
una de las cuatro ramas salen 3 ramas
y as sucesivamente, con lo que
podemos resumir la situacin en el
siguiente grfico
Opciones
para el
primer turno
Opciones para el
segundo turno
una vez que
ubicamos el
primero
La
solucin
multiplicando
la
encontramos
Dado un grupo
de
n
elementos,
se
llama
permutacin simple a todo
ordenamiento que se puede
realizar con ellos.
La cantidad total de permutaciones que se pueden realizar con n elementos se

simboliza como Pn y se calcula mediante
Pn n!
n! es el factorial del nmero natural n que se define como sigue
0! 1
1! 1
n! n(n 1)!
En una segunda etapa del entrenamiento para el uso de la mquina del ejemplo
anterior, se incorpora un nuevo empleado y por ser ms largas la experiencia, se
hacen turnos de tres personas por da.
De cuntas formas distintas se puede comenzar el primer da de entrenamiento?
Para resolver el problema podemos acudir a la misma estrategia que en el caso
anterior, que es usar el diagrama de casillas.
En este caso la respuestas al problema est dada por el clculo 5 . 4. 3 = 60
Lo que hemos hecho en este caso es tomar un grupo de 5 elementos y considerar

todos los ordenamientos de 3 elementos a partir de los 5 del grupo.
Dado un grupo de n elementos, llamamos variacin simple de n

elementos agrupados de a r, a todo ordenamiento de r elementos
seleccionados entre los n del grupo.
Se simboliza con V
n;r
Para calcularlas debemos utilizar el producto
Vn;r nn 1...n r 1
r factores
Si multiplicamos y dividimos por n r ! tendremos
Vn;r
nn 1...n r 1n r !
, obteniendo
n r !
Vn;r
n!
n r !
Finalizado el entrenamiento en la fbrica y convencidos del rendimiento de la misma

se compran tres mquinas nuevas y van a asignar a tres responsables para el control
(uno para cada mquina)
De cuntas formas distintas pueden hacerlo? Intenten formular el problema de modo

tal que puedan aplicar la estrategia para otros problemas (es decir no solamente
contndolas por enumeracin).
Cuentan con las siguientes pistas:
En los grupos no importa el orden en que aparecen los operarios dado que es
indistinto a qu mquina asignamos cada operario. Slo nos interesa quines
van a ser.
En el clculo, pueden hacer intervenir los conceptos que aplicamos
anteriormente.
Pueden utilizar la enumeracin para verificar los resultados o utilizar la
estrategia para entender cmo pensar el problema.
Si estas pistas no les alcanzan, pregntenos y seguiremos ayudando.
Dado un grupo de n elementos, llamamos combinacin de n elementos

agrupados de a r, a todo agrupamiento no ordenado de r elementos
seleccionados entre los n del grupo.
La cantidad de variaciones de n elementos agrupados de a r que se pueden
formar se simboliza con C
y se calcula segn:
n;r
Cn; r
n!
k!n k !
PROBABILIDADES
Analicemos las siguientes situaciones:

a) La probabilidad de obtener un cuatro si se tira un dado es
P =.
b) La probabilidad de sacar cara si se tira una moneda es:
P=..
c) La probabilidad de sacar un artculo fallado de un lote que tiene cinco artculos
buenos y dos fallados:
P=..
Seguramente pueden, con sus conocimientos previos, calcular ciertas probabilidades a
partir de la aplicacin de la definicin clsica o de Laplace como lo hicieron con las
actividades que preceden.
Probabilid ad
Nmero total de casos favorables

Nmero de casos posibles
Si hacemos un anlisis esta definicin tiene algunas restricciones que nos impiden
construir la teora de probabilidades a partir de ella.
No es aplicable en el caso de que los casos posibles no constituyan un
conjunto finito. ( por ejemplo, si tiramos una moneda hasta que salga la primer
cara)
No es aplicable cuando los casos posibles no son equiprobables ( por ejemplo
si tienen un dado cargado, hay una cara que saldr hacia arriba con ms
frecuencia que las dems)
An considerando la definicin con las restricciones planteadas, no sirve
como definicin, porque se usa el trmino equiprobable para definir la
probabilidad.
De todos modos, resulta una frmula vlida para un gran conjunto de situaciones.
Antes de continuar con la bsqueda de la definicin, debemos definir algunos trminos
para comenzar a construir la Teora de Probabilidades:
EXPERIMENTOS
Para nuestros propsitos clasificaremos los experimentos en dos grupos
EXPERIMENTOS
DETERMINSTICOS
ALEATORIOS
Se puede determinar el resultado a

priori.
No es posible determinar a
priori el resultado.
Por ejemplo: si soltamos un objeto en

el aire, seguro que caer por efecto de
la gravedad.
Por ejemplo, si arrojamos un

dado, no podemos determinar a
priori que nmero saldr.
En el caso de los experimentos aleatorios que, como sospecharn, son los de nuestro
inters, podemos decir que a pesar de no poder determinar a priori el resultado, es
posible determinar el conjunto de todos los resultados posibles del experimento.
Espacio muestral es el conjunto de todos los resultados posibles de un

experimento aleatorio E
A todo subconjunto del espacio muestral se lo demonina suceso
Dos sucesos A y B son mutuamente excluyentes si no pueden ocurrir

juntos.
En smbolos ser: A B
Veamos el siguiente experimento aleatorio:

Experimento: E= Arrojar un dado y ver la cara que sale.
Espacio Muestral S 1, 2; 3, 4, 5, 6
Sucesos
A
1 B sale par 2, 4, 6 C sale menor que 4 1, 2, 3
Podemos decir que:

Ocurre el suceso A, cuando sale el 1
Ocurre el suceso B cuando sale el 2, sale el 4 o sale el 6
Ocurre el suceso C cuando sale el 1, sale el 2 o sale el 3.
FRECUENCIA RELATIVA
Vamos a aproximarnos al concepto de probabilidad mediante la frecuencia
relativa. Supongan que repetimos n veces un experimento aleatorio E y
sean A y B dos sucesos asociados con el experimento. Sean n A y n B el nmero de
veces que ocurrieron respectivamente los sucesos A y B en las n repeticiones.
Se llama frecuencia relativa del suceso A en las n repeticiones del

experimento E al cociente entre n y n A .
Es decir que:
fA
nA
n
Vamos a analizar las propiedades de la frecuencia relativa.

a) La frecuencia relativa est acotada entre 0 y 1.
Si repetimos n veces un experimento, el suceso A puede ocurrir como mximo
n veces y como mnimo ninguna vez, por lo tanto 0 n A n , si dividimos
miembro a miembro por n, obtenemos:
0 nA n
n n n
0 f A 1
o bien
b) Si A y B son sucesos que se excluyen mutuamente, podemos calcular

mediante la suma de las frecuencias relativas de A y de B.
n A B
n
n nB
A
n
n
n
A B
n
n
fA fB
f A B
f A B
f A B
f AB
c)
f A B
Por ser A y B excluyentes, podemos calcular la

frecuencia absoluta de A B como la suma de las
frecuencias de A y de B ( no pueden ocurrir
simultneamente)
f A basada en las n repeticiones del experimento y considerada para una

funcin de n converge en probabilidad a P(A) cuando n
Esto no podemos demostrarlo en este punto del desarrollo de la materia, pero

haremos una aproximacin al concepto en la siguiente actividad de laboratorio.
LABORATORIO DE INFORMTICA
SIMULACIN DE LA TIRADA DE UNA MONEDA
Vamos a simular la tirada de una moneda usando la planilla de clculo, para ello
vamos a usar:
a) la funcin ALEATORIO, que genera nmeros aleatorios entre 0 y 1. Como lo
que necesitamos son ceros o unos ( supongamos que queremos contar las
caras, entonces 0 es ceca y 1 es cara)
b) la funcin REDONDEAR que redondea el nmero aleatorio a cero o uno, si lo
asignamos cantidad de decimales igual a cero.
Para realizar el experimento tienen que armar una tabla como la siguiente.
Resultado
Aqu pegamos la
funcin
REDONDEAR
(ALEATORIO();0)
Cantidad de
caras
Suma parcial
de la cantidad
de caras
Total de
tiradas
Suma parcial
de la cantidad
deveces que
se tir la
moneda
Frecuencia
relativa
Frecuencia
relativa que
lleva la
cantidad de
caras en este
instante de la
simulacin
Probabilidad
0,5
( es el valor
terico de
probabilidad)
Copien la frmula entre 500 y 1000 veces para tener una aproximacin buena. A partir
de all construyan un grfico de lneas con los de valores, la frecuencia relativa y la
probabilidad.
Discutan entre ustedes en qu se diferencia el concepto de convergencia en
probabilidad del concepto de convergencia que ustedes tenan previamente al
experimento de simulacin.
Consulten con los docentes a cargo para escribir conclusiones sobre el experimento.
Se llama frecuencia relativa del suceso A en las n repeticiones del

experimento E al cociente entre n y n A .
Es decir que:
P A B P A PB P A B
AXIOMAS DE PROBABILIDAD
Supongan que un espacio muestral S est asociado con un experimento E,
A cada suceso A definido en S (A es un subconjunto de S), se le asigna un
nmero P(A), denominado probabilidad de A, de tal manera que se cumplen los
axiomas siguientes.
1. P A 0 .
2. PS 1
3. Si A y B son sucesos mutuamente excluyentes, entonces
P A B P A PB
4. Si A1 ; A2 ; A3 ; es una sucesin de sucesos de S que se excluyen

A
i P Ai
i 1 i 1
mutuamente, dos a dos, entonces se cumple que P
PROPIEDADES DE LA PROBABLIDAD
A partir de los axiomas podemos deducir y demostrar las siguientes
propiedades, que intentaremos comprender a travs de la representacin
grfica.
P A 1 P A
Demostracin:
10
A A
P A P A
P A P P A
Aplicamos el axioma 3 por ser excluyentes y cancelamos

en ambos miembros P A
P 0
P 0
Demostracin.
A A S
P A A PS
P A B P A PB P A B
Demostracin:
A B A B A
Por ser A y B A mutuamente excluyentes se cumple:
P A B P A P B A
Por otro lado
S
A
B B A B A
Por ser B A y B A excluyentes ser:
PB PB A P B A
Es decir que:
PB PB A P B A
Reemplazando en resultar
P A B P A PB P A B
.
Grficamente podemos ver que al sumar P(A) y P(B), estamos sumando dos veces la
interseccin y por lo tanto debemos restarla una vez.
P A B C P A B C P A B PB C PC A P A B C
La demostracin quedar a cargo de ustedes a modo de ejercitacin.
11

Como pista pueden considerar que P A B C P A B C
Si A B entonces se verifica que P A PB
Demostracin:
Como A B , entonces B A B A
S
B
A
B P
A
P
P BA
no negativo
no negativo
no negativo
Si P B A 0 entonces PB P A , si P B A 0 entonces PB P A
PROBABILIDAD CONDICIONAL
En los casos, como en el ejemplo anterior, que calculamos probabilidades

sobre una parte del espacio muestral, se dice que calculamos probabilidades
condicionales.
Definimos la probabilidad de que ocurra el suceso A si ocurre el suceso

B de la siguiente manera:
P A / B
Se lee: Probabilidad de A dado B
P A B
P B
con P( B) 0
12
De la definicin se desprende la siguiente propiedad:
Teorema de la multiplicacin
P A B P A / B. PB
con P( B) 0
Veamos los siguientes ejemplos:

a) En un grupo de alumnos universitarios el 30% no rindi el final de Anlisis
Matemtico, un 70% no rindi tampoco el final de Fsica.
Para calcular la proporcin de alumnos que adeudan el final de las dos materias
calculamos
P( A F ) PF / A.P A
=0,70 . 0,30
=0,21
b) Una fbrica de automviles produce un 65% de autos de cuatro puertas, un 15% de

autos con aire acondicionado, y un 10% de autos que tienen cuatro puertas y aire
acondicionado.
Para calcular la probabilidad de que un auto elegido al azar entre los que tienen cuatro
puertas, tenga aire acondicionado calculamos:
P A / 4 P
P A 4 P 0,10
=0,1538
P4 P
0,65
pero si queremos calcular la probabilidad de que un auto elegido al azar entre los que
tienen aire acondicionado sea de cuatro puertas tendremos que hallar:
P4 P / A
P A 4 P 0,10
=0,6666
P A
0,15
DIAGRAMAS DE RBOL
Analicen el siguiente ejemplo:

En una caja hay 4 bolitas negras y 3 blancas y se extraen 3 bolitas,
una tras otray sin reponer. Los resultados posibles y sus
probabilidades se pueden representar en un diagrama de rbol.
13
2
5
3
6
3
5
3
6
N1 N 2 N3
N1 N 2 B3
3
5
N1 B2 N3
2
5
3
7
3
5
4
6
B1 N 2 N3
2
5
2
6
N1 B2 B3
B1 N 2 B3
4
5
B1 B2 N3
1
5
B1 B2 B3
Para obtener la probabilidad de que salgan todas blancas, tendremos que calcular:
3 2 1 1
PB1 B2 B3 . .
7 6 5 35
La representacin simblica del clculo anterior es:
PB1 B2 B3
PB1
PB2 / B1
blanca la primera blanca la segunda si blancala primera
PB / B B2
31
blancala tercera si las dos primerassonblancas
simbolizacin que comunmente se omite y que se simplifica notablemente

mediante el uso del diagrama de rbol.
INDEPENDENCIA ENTRE SUCESOS

En muchos casos nos interesa conocer si dos sucesos se vinculan con una
relacin de dependencia.
En el caso de la caja con las bolitas cuando extraemos sin reposicin vemos que la
probabilidad de que la segunda bolita sea de un determinado color depende del color
de la primera bolita. Cuando extraemos y luego reponemos, la probabilidad de que la
segunda bolita sea de un determinado color no depende del color de la primera,
porque, al reponer la bolita, la segunda extraccin se hace en las mismas condiciones
que la primera
Dos sucesos A y B son independientes si se cumple que
P A / B P A
14
Al aplicar la definicin de probabilidad condicional tendremos que:
P A B
P A
P B
Y despejando convenientemente P A B P APB

Luego, podremos decir tambin que:
Dos sucesos A y B son independientes si y slo si se cumple que
P A B P APB
Si los sucesos son tres, podremos decir que:

1. Si tres sucesos son independientes, se verifica que:
P A B C P A.PB.PC
En cambio:
2. Para que tres sucesos sean independientes, debe verificarse que:
P A B C P A.PB.PC
P A B P A.PB
PB C PB.PC
P A C P A.PC
Analicemos ahora la siguiente situacin:
Un tornillo tiene dos tipos de fallas independientes: en la rosca y en la ranura, el
5% de los tornillos tiene fallas en la ranura y el 10% tiene fallas en la rosca.
Para conocer la probabilidad de que un tornillo tenga ambas fallas tenemos
que calcular
P( Ro Ra ) PRo .PRa 0,10 . 0,05 0,005
Para conocer la probabilidad de que un tornillo no tenga ninguna de las dos

fallas tenemos que calcular
P( Ro Ra ) P( Ro Ra )
=1 P( Ro Ra )
1 PRo PRa PRo .PRa
=1-( 0,10 + 0,05 0,10 . 0,05)
=1-0,145
=0,855
Hubiera sido vlido calcular P( Ro Ra ) P( Ro) P( Ra ) ?
Si hacemos los clculos pareciera que s, pero hay que demostrarlo para poder
utilizar la igualdad como propiedad.
15
Probaremos primero que:
Si A y B son independientes entonces tambin lo son A y B
Para ello hay que demostrar que:
A y B independie ntes P A B P A. P B
Podemos descomponer el suceso A de la siguiente forma:
A A B A B
por ser sucesos excluyentes
P A P A B P A B
despejamos la probabilidad buscada
P A P A B P A B
por ser A y B independientes
P A P APB P A B
sacamos factor comn P(A)
P A1 PB P A B
por propiedad de los sucesos complementarios
P AP B P A B
De la misma forma se puede deducir que:
Si A y B son independientes entonces tambin lo son A y B y
Sistema en paralelo
AyB
Sistema en serie
A
B
C
El sistema funciona cuando funciona El sistema funciona cuando funcionan
alguna
de
sus todas sus componentes, o sea
componentes, A B C
y
falla A B C y falla cuando falla alguna de
cuando fallan todas las componentes las componentes A B C
A B C
16
Si la probabilidad de funcionar de cada componente en los siguientes sistemas es p,

calculen la probabilidad de funcionar de cada sistema.
a)
b)
PARTICIN DEL ESPACIO MUESTRAL
Muchas veces tenemos que clasificar los elementos del Espacio Muestral
segn algn sistema de clasificacin.
Por ejemplo una produccin de tornillos podemos clasificarla segn el tipo de cabeza,
el largo, el dimetro, segn calidad. Cada criterio implica un grupo de categorasLos
sistemas de clasificacin son adecuados si cumplen con algunas condiciones:
Ningn elemento puede pertenecer a ms de una categora. ( un artculo no
puede estar no fallado y fallado a la vez ). Esto implica que las categoras
deben ser excluyentes.
Las categoras tienen que tener sentido, es decir, que tiene que existir
algn elemento que justifique la existencia de la categora.( si clasificamos
segn el dimetro, no tiene sentido enunciar la categora entre 5 y 6
metros)
No pueden haber elementos que no puedan ser clasificados, esto quiere
decir que el sistema debe contemplar todas las posibilidades.
Un concepto matemtico que nos permite encuadrar los sistemas de clasificacin es el

de Particin del Espacio Muestral.
Decimos que M K1; K 2 ; K3 ; ...K n es una particin del Espacio
Muestral, si cumple con las siguientes condiciones:
S
a) PKi 0
A
b) K i K j
n
c)
i 1
K1
K2 K3
Kn
Condiciones que, si analizamos, se vinculan con los criterios para establecer sistemas
de clasificacin .
Importante: Cada K i es un elemento de la particin. No hay que confundirse la
particin que indica la forma en que se clasifica el espacio muestral con un elemento
K i que es el equivalente a una categora
17
TEOREMA DE LA PROBABILIDAD TOTAL

Tenemos el espacio muestral S particionado, e includo en l al suceso A.
Podemos descomponer al suceso A de la
S
siguiente manera:
A
A A K1 A K2 ... A Kn
Por ser los sucesos excluyentes:
PA PA K1 PA K 2 ... PA K n
K1
K2 K3
Kn
Segn la definicin de probabilidad condicional
PA PA / K1 .PK1 PA / K 2 .PK 2 ... PA / K n .PK n

Expresin que podemos simplificar como:
PA PA / K i . PK i
i 1
Analicemos la siguiente situacin:

En un depsito reciben mercaderas de dos fbricas que trabajan en relacin 2:3. El 10
por ciento de los artculos que se producen en la primera fbrica son defectuosos.
Para la segunda fbrica ese porcentaje es del 5%. Si se toma un artculo al azar del
depsito, calculen la probabilidad de que sea defectuoso
0,10
0,4
0,6
A
0,90
0,05
0,95
Producir en relacin 2:3 implica que cada 2 artculos que

produce la primera fbrica (la llamaremos A), la segunda
(B) produce 3 artculos.
D
Por lo tanto PA
2
3
0,4 y PB 0,6
5
5
Para aplicar el teorema de la Probabilidad Total,

tenemos que considerar que hay una particin de S
dada por la fbrica de la cual se recibe la mercadera.
Entonces los elementos de la particin son A y B.
Aplicando la frmula queda
PD PD / A.PA PD / B.PD
Reemplazando
P(D)= 0,10 . 0,40 + 0,05 . 0,60 =0,07
18
Que es el mismo clculo que hubiramos realizado directamente a partirdel diagrama

de rbol.
Actividad
Consideren los datos del ejemplo anterior. Si es elige un artculo al azar y resulta estar
fallado, calculen la probabilidad de que provenga de la fbrica A.
TEOREMA DE BAYES
En la actividad anterior, calcularon la probabilidad de que ocurra un
elemento de la particin ( fbrica A ) sabiendo que haba ocurrido cierto
suceso (Artculo defectuoso).
Vamos a justificar tericamente el ejemplo, para poder aplicarlo en otros contextos.
Vamos a calcular PK i / A
Como se desprende de la definicin de probabilidad condicional
PK i / A
PK i A
PA
PA / K i . PK i
PA
PA / K i . PK i
n
A / K j . PK j
j1
Luego:
PK i / A
PA / K i . PK i
A / K . PK
n
j1
19
A MODO DE SNTESIS

Probabilidad y Estadística

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

Probabilidad y Estadística

Transféré par

Droits d'auteur :

Formats disponibles

1

UNIDAD 1: Estadstica descriptiva

UNIVERSIDAD TECNOLGICA NACIONAL

UNIDAD 1: Estadstica descriptiva

Las leyes de probabilidad son el sustento terico de toda la teora estadstica.

Nro de casos favorables

Analicemos la siguiente situacin:

Podemos organizar los datos en un diagrama de rbol

UNIDAD 1: Estadstica descriptiva

Multiplicamos los casos dado que por

Si observamos el diagrama, solamente

La cantidad total de permutaciones que se pueden realizar con n elementos se

UNIDAD 1: Estadstica descriptiva

n! es el factorial del nmero natural n que se define como sigue

En este caso la respuestas al problema est dada por el clculo 5 . 4. 3 = 60

Lo que hemos hecho en este caso es tomar un grupo de 5 elementos y considerar

Dado un grupo de n elementos, llamamos variacin simple de n

Para calcularlas debemos utilizar el producto

Si multiplicamos y dividimos por n r ! tendremos

Finalizado el entrenamiento en la fbrica y convencidos del rendimiento de la misma

UNIDAD 1: Estadstica descriptiva

De cuntas formas distintas pueden hacerlo? Intenten formular el problema de modo

Dado un grupo de n elementos, llamamos combinacin de n elementos

Analicemos las siguientes situaciones:

UNIDAD 1: Estadstica descriptiva

Nmero total de casos favorables

Se puede determinar el resultado a

Por ejemplo: si soltamos un objeto en

Por ejemplo, si arrojamos un

UNIDAD 1: Estadstica descriptiva

Espacio muestral es el conjunto de todos los resultados posibles de un

Dos sucesos A y B son mutuamente excluyentes si no pueden ocurrir

Veamos el siguiente experimento aleatorio:

Podemos decir que:

Se llama frecuencia relativa del suceso A en las n repeticiones del

Vamos a analizar las propiedades de la frecuencia relativa.

UNIDAD 1: Estadstica descriptiva

b) Si A y B son sucesos que se excluyen mutuamente, podemos calcular

Por ser A y B excluyentes, podemos calcular la

f A basada en las n repeticiones del experimento y considerada para una

Esto no podemos demostrarlo en este punto del desarrollo de la materia, pero

UNIDAD 1: Estadstica descriptiva

Se llama frecuencia relativa del suceso A en las n repeticiones del

mutuamente, dos a dos, entonces se cumple que P

UNIDAD 1: Estadstica descriptiva

Aplicamos el axioma 3 por ser excluyentes y cancelamos

Por ser A y B A mutuamente excluyentes se cumple:

Por ser B A y B A excluyentes ser:

La demostracin quedar a cargo de ustedes a modo de ejercitacin.

UNIDAD 1: Estadstica descriptiva

Si A B entonces se verifica que P A PB

En los casos, como en el ejemplo anterior, que calculamos probabilidades

Definimos la probabilidad de que ocurra el suceso A si ocurre el suceso

Se lee: Probabilidad de A dado B

UNIDAD 1: Estadstica descriptiva

De la definicin se desprende la siguiente propiedad:

Veamos los siguientes ejemplos:

b) Una fbrica de automviles produce un 65% de autos de cuatro puertas, un 15% de

Analicen el siguiente ejemplo:

UNIDAD 1: Estadstica descriptiva

blanca la primera blanca la segunda si blancala primera

blancala tercera si las dos primerassonblancas

simbolizacin que comunmente se omite y que se simplifica notablemente