Académique Documents
Professionnel Documents
Culture Documents
PROBABILIDADES
El objetivo fundamental de la estadstica es realizar inferencias acerca de una variable en la
poblacin a partir del cocimiento de una muestra. La teora de la probabilidad es el fundamento
para la inferencia estadstica; esta proporciona y estudia modelos para las distribuciones de
algunas variables importantes.
En la mayora de los problemas hay que tomar decisiones en base a experimentos, as pues
definiremos lo que es un experimento aleatorio para poder entender el concepto de probabilidad.
1. EXPERIMENTO ALEATORIO Y ESPACIO MUESTRAL
Existen dos tipos de experimentos:
Experimento Determinstico: Al repetirlos bajo las mismas condiciones siempre dan el mismo
resultado (predecible). Ejemplos: Fenmenos fsicos y qumicos.
Ejemplos:
- El resultado de una reaccin qumica
- La velocidad de llegada de un cuerpo a tierra al dejarlo caer desde una torre
artculo defectuoso.
Ejemplos:
Clarifiquemos estos conceptos con unos ejemplos:
Realizamos el experimento aleatorio : Lanzar un dado y observar la cara superior
UNFV/FIEI/ PROBABILIDADES Y ESTADSTICAII -2013/LIC. PEDRO SAENZ R. Pgina 3
Espacio muestral: = { 1, 2, 3, 4, 5, 6 }
Evento simple:
Sacar un 2 = { 2 }
Evento compuesto: Sacar un nmero impar = { 1, 3, 5 }
Evento imposible:
Sacar un 7 =
Evento seguro:
Sacar un n menor que 7 = { 1, 2, 3, 4, 5, 6 }
Evento disjuntos:
A = Sacar un n par = { 2, 4, 6 }
B = Sacar un n impar = { 1, 3, 5 }
A B,si w A w B
IGUALDAD DE EVENTOS
Se dice que dos eventos A y B son iguales, y se denota por A = B, si A B y B A
AB A B w w A w B
De manera ms general, dados k eventos A1, A2, ..., Ak, su interseccin A1 A2 Ak es el
conjunto de todos los resultados bsicos que pertenecen a todo Ai (i = 1, 2, ..., k)
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos:
A: que salga nmero par, y
B: que sea mayor que 3.
La interseccin de estos dos sucesos tiene dos elementos: el 4 y el 6.
A B 4,6
LA UNIN, que se denota A B , es el evento que consta de todos los resultados en que
pertenecen al menos a uno de estos eventos. Por lo tanto, la unin A B ocurre si y slo si A
y/o B ocurren.
A B w w A w B
PROPIEDADES:
i.
A B C A B A C
ii.
A B C A B A C
De manera ms general, dados k eventos A1, A2, ..., Ak, su unin A1 A2 Ak es el conjunto
de todos los resultados que pertenecen al menos a uno de estos k eventos.
Ejemplo: lanzamos un dado al aire y analizamos dos eventos:
A: que salga nmero par, y
B: que el resultado sea mayor que 3.
El eventos unin estara formado por los siguientes resultados: el 2, el 4, el 5 y el 6.
Luego A B 2, 4,5,6
A ' A A w w w A
A' A
PROPIEDADES
i.
ii.
iii.
iv.
v.
A A
A A
A A
'
A B A B
Ejemplo: lanzamos un dado al aire. El eventos (A) es que salga un nmero par, luego su
complementario, evento A es que salga un nmero impar.
Definiciones complementarias:
Dados k eventos E1, E2, ..., Ek definidos en el mismo espacio muestral , si su unin E1 E2 ...
Ek = se dice que estos k eventos son colectivamente exhaustivos.
LEYES DE MORGAN
Las operaciones o el algebra de eventos o sucesos es el mismo de el algebra de conjuntos.
Las leyes de Morgan se usan para el complemento es decir: Leyes De Morgan
A B '
EJERCICIOS
Simplificar:
A ' '
Ejemplo
Si lanzamos una moneda dos veces, cul es la probabilidad de obtener al menos una cara?
El espacio muestral correspondiente es = { (C,C), (C,), (,C), (,) } , siendo C = cara y
= cruz
Sea el suceso A = al menos una cara = { (C,C), (C,), (,C) }
Luego: N A = casos favorables = 3, N = casos posibles 4
As, la probabilidad pedida es P A
N A 3
N 4
0 P( A) 1
4. PROBABILIDAD CONDICIONAL
Dados dos eventos A y B, se define la probabilidad condicional de A dado B como
P( A | B)
P( A B)
P( B)
P A B
P( A y B) 2 / 4
2/3
P( B)
3/ 4
1. 0 P( A | B) 1
2. P( | A) 1
3. P( A | ) A
i 1
i 1
4. P( Ai | B) P( Ai | B)
si Ai Aj 0 para i j
6. INDEPENDENCIA DE EVENTOS
Dados dos eventos A y B se dice que son independientes estadsticamente, o simplemente
independientes, si y slo si
P(A B) = P(A)P(B)
En otras palabras, A y B son independientes si y solo si P(A|B) = P(A) siempre que P(A) sea diferente
de 0 y tambin si P(B|A) = P(B) siempre que P(B) sea diferente de 0.
En general n eventos A1,, An , se dicen independientes si y slo si
P A1
An P A1 .P A2 .....P An
Ejemplo: Se lanza un dado 5 veces. Hallar la probabilidad de que no aparezca ningn seis en los
cinco lanzamientos.
SOL.
7. PARTICIN:
Se dice que la coleccin de eventos B1 , B2 ,
2.
3.
i 1
Bi
P( Bi ) 0 para todo i
P A P Bi P A Bi P B1 P A B1 P B2 P A B2 ... P Bk P A Bk
i 1
EJEMPLO: En un laboratorio hay tres jaulas, en la jaula B1 hay dos conejos pardos y tres blancos, en la jaula
B2 hay 4 conejos pardos y 2 blancos, en la jaula B3 hay 5 conejos pardos y 5 blancos. Se selecciona al azar
una jaula y se saca un conejo al azar de esta jaula. Cul es la probabilidad de que el conejo escogido sea
blanco?
SOLUCIN:
P( Br | A)
P( Br ) P( A | Br )
k
P( B ) P( A | B )
i 1
P( Br ) P( A | Br )
P( B1 ) P( A | B1 ) P( B2 ) P( A | B2 ) ... P( Bk ) P( A | Bk )
P( Br | A)
P( Br A)
P A
Donde el numerador resulta del teorema de multiplicacin y el denominador del teorema de probabilidad
total.
EJEMPLO: En el ejemplo anterior, supongamos ahora que el conejo escogido aleatoriamente es blanco. Cul
es la probabilidad de que provenga de la jaula B1?
SOLUCIN:
I.
1. VARIABLE ALEATORIA.
Una variable aleatoria "X" es una aplicacin definida en un espacio muestral , que toma valores
reales, o sea es la transformacin del Espacio Muestral en un conjunto numrico, mediante X.
Definicin formal:
Dado un experimento aleatorio y el espacio muestral asociado a dicho . Una funcin que
asigna a cada elemento w en uno y solamente un numero real x X w , se llama VARIABLE
ALEATORIA. Es decir, X es una funcin real X :
El rango o recorrido RX de la variable aleatoria X esta dado por el conjunto de nmeros reales:
RX x / X w x, w X
Ejemplos:
RD d / d x2 y 2
de una
variable aleatoria X a la funcin que asigna a cada valor de la variable la probabilidad de que sta
tome ese valor:
La funcin de probabilidad de una v.a. discreta cumple las 3 propiedades:
i.
p x P X x
ii.
iii.
p x 0, x RX
p x 1
xRX
4.
Se llama funcin de distribucin, F, de una variable aleatoria X a la funcin que asigna a cada valor
de la variable la probabilidad de que sta tome un valor menor o igual que ese.
F ( x) P( X x)
Definicin formal: Sea X una v.a. discreta con rango RX x1 , x2, ..... y funcin de probabilidad,
F x y se define como:
F ( x) P( X x) p x P X xi
xi x
xi x
Es decir, para calcular el valor de la funcin de distribucin en un punto xi debemos sumar los
valores que toma la funcin de probabilidad en todos los puntos menores o iguales que xi.
Ejemplo:
Sea X = Nmero de caras al tirar dos monedas (del ejemplo anterior)
si x 0
0
1
F ( x) 2
3
4
1
si 0 x 1
si 1 x 2
si 2 x
Observaciones:
La funcin de distribucin es escalonada, empieza tomando el valor 0, tiene saltos en el
recorrido de la variable aleatoria hasta tomar el valor 1.
f x 0, x
b.
f x dx f x dx 1
RX
P A P a X b f x dx
a
OBS:
pues: P X x0 P( x0 X x0 ) f ( x) dx 0
x0
x0
Como
2
0dx c 6x 2x dx
0dx 1
2
2
3
2) Calcular P X 1
UNFV/FIEI/ PROBABILIDADES Y ESTADSTICAII -2013/LIC. PEDRO SAENZ R. Pgina 14
3
13
Sol: P X 1 f x dx 6 x 3x 2 dx
20 1
20
1
3) Calcular P 0.5 X 1.5
Sol: P 0.5 X 1.5
1.5
f x dx
0.5
F ( x) P( X x) f (t ) dt , x
x
Es decir F x asigna a cada valor x la probabilidad de que la variable aleatoria X sea menor
de x.
Ejemplo:
Sea una variable aleatoria continua con funcin de densidad dada por:
3x
,0 x 2
2 x
f x 4
0
, en otro caso
Hallar la funcin de distribucin acumulada de X.
SOLUCION:
1) Si x 0, F x P X x
odt 0
2) Si 0 x 2, F x P X x
f t dt
3) Si x 2, F x P X x
3
3 2 x
0dt 0 4 t 2 t dt 4 x 1 3
0
3
f t dt 0dt t 2 t dt 0dt 1
0 4
2
0
x0
3 x
Luego: F x x 2 1 0 x 2
4 3
1
x2
Grficamente:
Observar que F(x) empieza tomando el valor 0 y va creciendo hasta alcanzar el valor 1.
lim F x 0
lim F x 1
d F x
dx
Las caractersticas numricas son medidas que permiten sintetizar la informacin de forma
tal que ofrecen las caractersticas generales del fenmeno en estudio, es decir, sus rasgos
principales. Tambin se conocen como parmetros de las variables aleatorias.
Las caractersticas fundamentales que se estudiarn son: Media y varianza
7.1 Media o Esperanza matemtica de X se denota por E X y se Define por:
E x x1 p( x1 ) x2 p( x2 ) ... xn p( xn )
E x
xp( x) ,
xRX
xf x dx xf x dx ,
RX
1
1
1
Media= 0 p(0) 1 p(1) 2 p(2) 0 1 2 1
4
2
4
Es decir, si repites el experimento muchas veces en promedio obtendrs una cara.
Sea X = Nmero obtenido al lanzar un dado
1
1
1 21
3.5
Media= 1. p(1) 2 p(2) ...6. p 6 1 2 ... 6
6
6
6 6
7.2 Propiedades de la esperanza matemtica.
7.2.1 Sea X una v.a e Y H X Una funcin de X, EL valor esperado H X se define por:
i. E H X
ii. E H x
H x p( x)
H x f x dx ,
xRX
RX
E a a
ii.
E aH X aE H X
iii.
E aH X bG X aE H X bE G X
7.3 Varianza de X:
La varianza de una variable aleatoria es una caracterstica numrica que proporciona una idea
de la dispersin de la variable aleatoria respecto de su esperanza, se denota y se define como:
La varianza de una v.a. X, se denota por Var X V X por la letra griega X 2 y se define
como:
2
Var X E X
Por lo tanto:
V x
V x
p( x) ,
xRX
x f x dx ,
2
RX
Ejemplo:
Sea X = Nmero de caras al tirar dos monedas
Varianza
E X 2 02 p(0) 12 p(1) 22 p(2) 1.5
2 E X 2 2 02 12 22 12
4
2
4
2
V X E X 2 2
7.5 EJEMPLOS:
7.5.1 Tiramos 3 monedas y sea la v.a. discreta
Entonces:
Recorrido de X = {0, 1, 2, 3}
X = Nmero de caras
Funcin de probabilidad.
p ( x)
1
8
3
8
3
8
1
8
C
C
C
X
C
X
X
X
C
C
X
C
X
C
X
X
C
X
C
C
X
X
C
X
x0
x 1
x2
x3
Funcin de distribucin.
0
1
8
4
F ( x)
8
7
8
x0
0 x 1
1 x 2
2 x3
x3
Parmetros.
1
8
3
8
3
8
1
8
xi p( xi ) 0 1 2 3 1,5
2 xi 2 f ( xi ) 2 02 12 22 32 1,52 0,75
8
8
8
8
1
0,75 0,87
7.5.2 PREGUNTA:
UNFV/FIEI/ PROBABILIDADES Y ESTADSTICAII -2013/LIC. PEDRO SAENZ R. Pgina 19
Sea el siguiente juego Si un jugador lanza la moneda 3 veces, y gana un dos soles por cada
cara obtenida.
a.
Si el juego cuesta 2 soles cual es su ganancia esperada?
b. Si el juego cuesta 4 soles cual es su ganancia esperada?
c. Sea la variable aleatoria Y: ganancia en el juego, en cual de los casos a) b) ser Y mas
homognea?
x
para 0 x 2
2
Hallar la esperanza de X
Cul ser el valor de la varianza de x?
Hallar E(x+3)
Hallar E(2x2)
Cul ser el valor de V(2x)?
Cul es el valor de la desviacin tpica de X?
7.5.3 Ejemplo Si f x
a.
b.
c.
d.
e.
f.
SOLUCION:
Por la forma de presentar el recorrido de la variable x, indica que es una variable continua.
2
a. E X x f ( x)dx =
0
1 2
x dx = 1/2[x 3 / 3) = 1/2(8/3 - 0)=1.33
20
d. E(2x2) = 2 E(x2) = 2 . 2 = 4
e. V(2x) = 22 V(x) = 4 (0.23) = 0.92
f. 2 0,23 = 0,48
Recuerde que la desviacin tpica se representa por la letra griega sigma y que es la raz
cuadrada de la varianza (V(x) = 2
RESUMEN
VARIABLES DISCRETAS VERSUS VARIABLES CONTINUAS
X = N de hijos
Recorrido de X = {0, 1, 2, 3, 4, 5, }
Funcin de probabilidad
Funcin de densidad
Funcin de distribucin
Funcin de distribucin
F ( x) P( X x) f ( x) dx
x
f (x)
F (x)
Parmetros
Parmetros
n
xi f ( xi )
i 1
(x
i 1
) 2 f ( xi )
x f ( x) dx
( x ) 2 f ( x) dx
x
i 1
2
n
f ( xi ) 2
1
f ( xi ) P( X xi ) , Rx xi , x2, ...xn
n
EJEMPLO: Se lanza un dado y sea X: numero de la cara superior
8.2 ENSAYOS Y DISTRIBUCION DE BERNOULLI
Hay muchos experimentos que solo tienen dos resultados posibles, llamados xito E y
fracaso F. Donde la probabilidad de xito es siempre la misma es decir es constante y por lo
tanto tambin lo es la probabilidad de fracaso. Luego al espacio muestral para este tipo de
ensayo es E, F , Por ejemplo al lanzar una moneda podemos considerar xito si sale cara.
Un experimento con estas caracterstica se llama ensayo de Bernoulli.
Definimos ahora la variable aleatoria X de tal manera que X w numero de xitos en un
ensayo Bernoulli entonces tenemos: RX 0,1 , as esta variable aleatoria es llamda variable
aleatoria de Bernoulli.
Si denotamos p P E y q 1 p P F
x
p(x)
0
1-p=q
1
p
p x P X x p x 1 p
1 x
, x 0,1
DISTRIBUCION BINOMIAL
A menudo estamos interesados solamente en el numero total de xitos E obtenidos en un
proceso de n ensayos Bernoulli, al margen del orden en que se presentan.
Definimos ahora una variable aleatoria Binomial como:
X w nmero de xitos obtenidos en los n ensayos Bernoulli. Entonces tenemos:
2. V X npq
EJEMPLO:
Si Tiramos 5 esferas a una canasta, la probabilidad de acertar cada tirada es 0,4. Si
consideramos la variable X " Nmero de aciertos" Hallar la distribucin de probabilidades de
X , graficarla y calcular sus parmetros.
SOLUCION:
Suponiendo que la probabilidad de xito se mantiene constante (es decir el lanzador no
aprende)
Entonces X tiene distribucin de probabilidad binomial con Rango = {0, 1, 2, 3, 4, 5} y funcin de
5
probabilidad: f (k ) 0,4 k 0,6 5k
ES DECIR:
k
5
0
5
0,4 0,6 0,0778
0
5
0,41 0,64 0,2592
1
2
f ( x)
5 0,43 0,62 0,2304
3
5
4
1
0,4 0,6 0,0768
4
5
0,45 0,60 0,0102
si x 0
si x 1
si x 2
si x 3
si x 4
si x 5
Parmetros:
n p 5 0,4 2 , n p q 5 0,4 0,6 1,2 1,10
OBS:
Los clculos de probabilidad a partir de la funcin, pueden llegar a ser muy tediosos, en
especial cuando aumenta n, sin embargo se pueden obtener las probabilidades
directamente de la tabla Binomial, las cuales se encuentran disponibles en las tablas estadsticas y
de esta
forma evitar clculos fatigosos, Tambin se puede usar programas como el Excel
que dan
los clculos exactos
p x P X x p x q
x 1
, x 1, 2,3...
Propiedades:
1
q
1. E X
2. V X 2
p
p
3. P X x r X r P X x es decir la distribucin geomtrica no tiene memoria
EJEMPLO:
La probabilidad de que una maquina produzca un articulo defectuoso es 0.25, se hace un
control de calidad se enciende la maquina.
a. cual es la probabilidad de que exactamente el cuarto articulo producido sea el
primer articulo defectuoso producido luego de encender la maquina?.
b. Si la maquina produce consecutivamente 4 artculos no defectuosos pasa al control
de calidad, Cul es la probabilidad de que la maquina pase el control de calidad?
c. Si la maquina pasa el control de calidad y se hace un segundo control cual es la
probabilidad de que vuelva a pasar el control de calidad?
d. Cual es valor esperado de X?
SOLUCION:
x 1 r
xr
p x P X x
p q , x r , r 1, r 2, r 3,...
r 1
Propiedades:
r
rq
1. E X
2. V X 2
p
p
EJEMPLO:
La probabilidad de que una maquina de la marca A con 2 aos de servcicio produzca un articulo
defectuoso es 0.25
a. Cual es la probabilidad de que exactamente el segundo articulo producido sea
defectuoso. (interprete correctamente la pregunta)
b. Cual es la probabilidad de que sea necesario fabricar 5 en total articulos para
obtener exactamente 3 articulos defectuosos.
c.
M N M
x n x
, x 0,1, 2,......, min n, M
p x P X x
N
n
Propiedades:
M
1. E X n
N
M M N n
2. V X 1
N N 1
N
3. Aproximacin a la binomial: Sea X una v.a. con distribucin hipergeomtrica H (N,n,p ).
Entonces si N es muy grande en comparacin con n, la distribucin hipergeomtrica se
M
aproxima a la binomial. Es decir: H(N,M,n) B(n,p) si N. (se toma p
)
N
n
0.1
Se considerar una buena aproximacin cuando
N
EJEMPLO 1
En una convencin nacional, hay 50 representantes de un partido poltico, de los cuales 30
apoyan al candidato A y 20 apoyan al candidato B. Si seleccionamos aleatoriamente cinco
representantes, cul es la probabilidad de que entre esos cinco, dos apoyen al candidato
A?
SOLUCION: Sea X numero de representantes que apoyan a A, Tenemos: N=50, M=30,n=5.
30 50 30
30 20
x 5 x
2 5 2
0, 234
P X x
, x 0,1, 2,3, 4,5 , P X 2
50
50
5
5
8.6 DISTRIBUCION DE POISON
La distribucin de Poisson constituye un buen modelo para experimentos donde X representa el
nmero de veces que ha ocurrido un evento en una unidad dada de tiempo o de espacio. Por
ejemplo:
Nmero de llamadas recibidas en un conmutador durante un da, conociendo el promedio por
da.
Nmero de reclamaciones contra una empresa de seguros por semana, conociendo el prom.
Sem.
Nmero de llegadas a una estacin de servicio durante un minuto dado, conociendo el
prom./min.
Nmero de ventas hechas por un agente de ventas en un da, conociendo el promedio por da.
Slo se requiere que los eventos sean independientes.
1. Proceso Poisson
Diremos que los eventos discretos que se generan en un intervalo continuo (unidad de
medida: longitud, rea, volumen, etc) forman un proceso Poisson con parmetro , si
tiene las siguientes propiedades:
i.
ii.
iii.
2.
Distribucin De Poisson
En un proceso Poisson de parmetro se observa t unidades de medida, definimos X de la
siguiente manera:
X w =numero de ocurrencias de eventos en t unidades de medida.
RX 0,12,3,..
La variable aleatoria as definida se llama variable aleatoria de Poisson y la distribucin de
probabilidad de X se llama distribucin de Poisson la cual esta definida por:
e t t
p x P X x
, x 0,1, 2,3..
x!
x
3. Propiedades:
a. t es el numero promedio de ocurrencias de los eventos en las t unidades de medida
b. E X t
c. V X t
d. La distribucin de Poisson tambin se utiliza para modelar datos discretos como
aproximacin a la Binomial dada la dificultad que exista de encontrar tablas Binomiales
adecuadas cuando n es grandes y p pequea.
Considerando un nmero n grande de pruebas de Bernouilli independientes, con
probabilidad de xito, pequea y haciendo = np, llegamos a obtener la distribucin de
Poisson como lmite de la binomial cuando n . Es decir, si n, p0 y =np
permanece constante, entonces se verifica: limB n,p P
n
EJEMPLO 1
Una central telefnica recibe 480 llamadas en una hora, pero no puede recibir ms de 12
llamadas en un minuto.
Determine:
a. La probabilidad de que se produzcan 10 llamadas en un minuto.
b. La probabilidad de que la central quede saturada en un minuto dado.
c. La probabilidad de que se produzcan a lo sumo 1 llamada en un minuto.
d. La probabilidad de que se produzcan mas de 2 llamadas en un minuto.
e. El nmero de llamadas esperadas en un minuto.
SOLUCION:
Sea X nmero de llamadas que se reciben en un minuto, como las probabilidades
pedidas se refieren a un minuto, deberemos hallar el numero de llamadas promedio por
minuto es decir t 480 / 60 8 (8 llamadas por minuto)
UNFV/FIEI/ PROBABILIDADES Y ESTADSTICAII -2013/LIC. PEDRO SAENZ R. Pgina 28
e 8 8
, x 0,1, 2,3..
x!
Asi calculamos directamente las probabilidades pedidas:
Luego p x P X x
e8 8
0.09926
a. P X 10
10!
10
e8 8
b. P X 12 1 P X 12 1
1 0.9362 0.06379 Porque como la
x!
0
central no puede recibir ms de 12 llamadas en un minuto, quedara saturada si
recibe ms de 12 llamadas
12
P Y 4 p(4)
5000!
(0.001)4 (0.999)4996 =0.1755
4!4996!
P( X 4)
t 4et
4!
54 e5
0.1754
4!
P( X1 k1 , X 2 k2 ,..., X r kr )
n!
p1k1 pr kr
k1 ! kr !
con ki 0,1,..., n y
k
i 1
2. Propiedades:
a. E X i n pi
b. Var( X i )= npi 1 pi
Ejemplo:
Si lanzamos un dado 50 veces. Cul es la probabilidad de obtener 25 unos, 10 veces el dos y
15 veces el cinco?
SOLUCION:
Sea: X1 : numero total de unos, X2 : numero total de dos, X3 : numero total de tres,
Entonces la probabilidad pedida ser:
P X1 25, X 2 10, X 3 0, X 4 0, X 5 15, X 6 0
25
10
15
50!
1 1 1 1 1 1
19
5.1(10 )
25!10! 0! 0!15! 0! 6 6 6 6 6 6
8.8 EJERCICIOS:
ESPACIO MUESTRAL
1. Construir el espacio muestral asociado al experimento de lanzar dos monedas y observar
las caras superiores.
2. Construir el espacio muestral apropiado para el experimento de lanzar una moneda y
lanzar un dado.
3. Construir el espacio muestral apropiado para el experimento de lanzar una moneda o
lanzar un dado pero no ambos.
4. Dados los experimentos no determinsticos determinar los espacios mustrales
asociados a cada uno de ellos:
a. Se lanza una moneda 5 veces y se cuenta el nmero de caras.
b. Se fabrican artculos en una maquina y se cuentan el numero de artculos
defectuosos cada12 horas.
c. Se fabrican artculos hasta producir 5 no defectuosos. Se cuenta el nmero de
artculos fabricados en total.
5. Se tiene dos equipos en competencia A y B. El primero en ganar dos encuentros de tres
se adjudica el premio.(el juego acaba cuando uno de ellos gana) Describir el espacio
asociado a este juego.
6. Se fabrica un foco y luego de encenderlo se toma el tiempo hasta que se queme.
EVENTOS y SUCESOS:
1. Tres secretarias A, B y C se distribuyen al azar en dos oficinas 1 y 2 (una por oficina).
Describa los eventos:
a. La secretaria A ocupa la oficina 2
b. La secretaria C no ocupa ninguna de las oficinas.
2. Una urna contiene 4 bolillas numeradas: 1, 3,5 y 7, otra urna contiene 3 bolillas
numeradas: 2, 4, y 6. Se extrae una bolilla de la primera urna y luego una segunda bolilla
de la segunda urna. De tres ejemplo de:
a. Un evento elemental.
b. Un evento imposible
c. Un evento seguro
UNFV/FIEI/ PROBABILIDADES Y ESTADSTICAII -2013/LIC. PEDRO SAENZ R. Pgina 31
PROBABILIDADES:
1. Sean A y B dos eventos cualesquiera tal que:
P AB
P AB
P AUB
P AUB
2. Una urna contiene 5 bolas blancas y 7 bolas negras.se extrae un abola al azar, se pone fuera
3. Se tiene 5 urnas idnticas; dos de ellas de igual contenido ,con 3 bolas blancas y 5 negras ,y
las otras tres teniendo cada una ,4 blancas y 3 negras .se elije una urna aleatoriamente .De
la urna elegida se extrae al azar una bola .cual es la probabilidad que sea blanca?
4. Se tiene 2 urnas A y B, con 5 bolas rojas ,3 blancas y una roja ,2 blancas respectivamente .Se lanza un
dado, si se obtiene 3 o 6, se pasa una bola de B a A, luego se extrae una bola de A .En cualquier otro
caso se pasa una bola de A a B, luego se extrae una bola de B. Determinar la probabilidad que:
a. Ambas bolas sean rojas.
b. Ambas bolas sean blancas.
5. tres urnas contienen respectivamente una bola blanca, dos negras; dos blancas una bola negra; dos
blancas y dos bolas negras. De la primera urna se transfiere una bola a la segunda, despus se
transfiere una a la tercera urna y enseguida se extrae una bola de la tercera urna. Cul es la
probabilidad de que esta sea blanca?
6. Considere una urna con 10 bolas de las cuales 5 son negras .se elije al azar un entero n del
conjunto {1, 2, 3, 4, 5,6}, luego se selecciona una muestra de tamao n sin reemplazo de la
urna .Determinar al probabilidad que todas las bolas de la muestra sean blancas.
7. En una sociedad hay 15 miembros, 5 mujeres y 10 hombres. A una reunin asistieron 13 miembros
para elegir un presidente. Cul es la probabilidad de que sea una mujer la elegida?
8. Se tiene 5 fusiles que, cuando son apuntados apropiadamente y disparados, tienen probabilidades
de dar en el blanco respectivamente como sigue: 0.5; 0.6; 0.7; 0.8 y 0.9. e escoge aleatoriamente
uno de los fusiles, se apunta y dispara. Cul es la probabilidad de dar en el blanco?
9. Una caja contiene 3 monedas, dos normales y una con dos caras. Se elige una moneda al azar y se
efecta una tirada. Si sale cara se tira otra vez. Si sale sello, entonces se elige una de las otras dos de
la caja y se tira.
moneda con
dos caras.
12. Una urna I contiene dos bolas blancas y tres azules, una segunda urna II, contiene tres bolas blancas
y cuatro azules, se extrae aleatoriamente una bola de la urna I y se coloca en la segunda, luego se
extrae aleatoriamente una bola de esta; calcular la probabilidad de que esta ultima sea blanca.
13. Por la noche dos coches se aproximan uno al otro en una autopista. Si ninguno de los dos choferes
esta borrachos, ambos pasarn a salvo con una probabilidad de 0.999. Cada uno puede estar
borracho con una probabilidad de 0.1, la probabilidad que ambos estn borrachos es de 0.01. si solo
el chofer A esta borracho, pasaran a salvo con una probabilidad de 0.7. Si solo el chofer B esta
borracho pasaran a salvo con una probabilidad de 0.8. Si ambos estn borrachos, pasaran sin peligro
con una probabilidad de 0.4. Cul es la probabilidad que pasen a salvo?
14. La urna I tiene tres bolas blancas y 7 negras. La urna II tiene 20 bolas de las cuales algunas son
blancas y las dems son negras se escoge una urna al azar y de ella se extrae una bola
encontrndose que es blanca. si la probabilidad que esta bola blanca provenga de la urna I es igual a
1/3 determinar el nmero de bolas blancas que existan originalmente en la urna II.
15. Un fabricante recibe el 60% de sus materias primas del distribuidor A y el resto B por experiencia
sabe que el 92% de los costales de materia prima llegan en buenas condiciones. Cul es la
probabilidad que un costal daado sea el distribuidor A? Qu Sea el B? un estudio posterior revela
que el 95% de los costales del distribuidor A llega en buen estado ,mientras que el 87.5% de B es de
buena calidad .con esta informacin Cul es la probabilidad que un costal daado proceda de A ?.
16. un aparato especial para medir el contenido alcohlico en la sangre de una persona arrojo el
siguiente resultado : de 500 voluntarios ,240 estaban borrachos ( el nivel de alcohol de sangre era
0.0015 o mas ) los mismos 500 voluntarios se sometieron a una prueba sangunea inmediatamente
despus ,encontrndose 280 personas con un nivel de 0.0015 o mas .despus se determino que 180
personas resultaron estar borrachos en ambas pruebas que porcentaje de personas resultaron
estar ebrios sin que lo indicara el aparato?.Supngase que una persona realmente estuviera
borracha y que pasara la prueba en el aparato .segn la informacin dada anteriormente, Cul es la
probabilidad que al prueba resulta positiva?.
17. Todas las noches, el seor Prez llega tarde a su casa .la seora Prez que es una buena esposa, le
deja encendida la luz de la entrada a la casa. la probabilidad que el seor Prez llegue borracho es
0.60 si llega borracho ,hay una probabilidad de 0.90 que olvide apagar la luz que tanto que esta es
solo de 0.05 si llega sobrio.
a. Cual es la probabilidad que el seor Prez apague la luz en una noche cualquiera?.
b. Dado que el seor Prez apago la luz una cierta noche .cual es la probabilidad que a
ya legado borracho?
18. La compaa COMPUT-PERU esta considerado comercializar una Calculadora electrnica .de
acuerdo a una investigacin hecha en el mercado, la probabilidad que el producto tenga xito es
0.80 si una firma competidora introduce un producto similar en el mercado, en tanto que la
probabilidad de xito es de 0.30 si la firma competidora comercializa el producto similar en el
mercado ,en tanto que la probabilidad de xito es de 0.30 si al firma competidora comercializa el
producto similar .A dems la compaa estima que hay una probabilidad de 0.40 que la firma
competidora comercialice el producto .dado que el producto de la compaa de COMPUT-PERU tuvo
xito . cual es la probabilidad que al firma competidora haya comercializado el producto ?
19. Juan tiene dos bolas; la bolsa I, con tres bolas rojas y dos blancas ;la bolsa II con una bola roja y
cuatro blancas. Juan escogi una bola de la bolsa I ala zar y lo coloca en la bolsa II y encuentra que es
roja Cual s la probabilidad de que al bola transferida de la bolsa I a la II haya sido roja.
20. Si P[A] = 1/6, P[AB] = 1/18, P[B] = 1/3. Son A y B independientes?
21. Una urna contiene cuatro bolas blancas y cinco negras. Se extraen sucesivamente y sin reposicin
dos bolas, sean los eventos: A: La primera bola extrada es negra B: la segunda bola extrada es
blanca, Son los eventos A y B independientes?
22. De una baraja ordinaria de 52 cartas se extraen sucesivamente dos cartas, restituyendo la primera
antes de extraer la segunda. Sea A el evento (suceso) la primera carta es una pica, B el evento la
segunda carta es as o rey y C el evento la primera carta es as o rey. De los tres pares de eventos:
A y B; A y C; B y C. determine cuales (si los hay) son independientes.
23. Si A y B son independientes, P[A] = 1/3, P[B] = 1/4, Hallar P[A U B]
24. si A Y B son independientes .P[A]=P[B]=1/2.calcular p[AB U AB]
25. Dado P [A] = 0.5 y P[AUB] =0.7.Hallar P[B],Si A y B son independientes
26. si A Y B independientes, y P[A] = [B/A] =1/2 Hallar P[AUB]
27. si A y B son eventos independientes con P[A]= 0.2 , P[B]= 0.3 Cul es la probabilidad que:
a.
b.
c.
d.
Ambos ocurran
28. Sean A y B dos eventos independientes, se sabe que la probabilidad de que ocurra al menso uno de
dicho eventos es 0,6 y que al probabilidad de que ocurra de A es 0,4 .Cual es la probabilidad de que
ocurra B.
29. Si un conejo es inyectado con una droga A la probabilidad que muera dentro de las 24 horas
siguientes es de 0,63 y si es inyectado con una droga B dicha probabilidad es de 0,45 .cual es la
probabilidad que un conejo sobreviva ms de 24 horas despus de haber sido inyectado
simultneamente con las drogas A y B ,si se supone que la accin de las misma es independiente.
30. Se dispara cada uno de los fusiles A, B y C la probabilidad de dar en el blanco es 0,15; 0,25 y 0,35,
respectivamente. Calcular la probabilidad:
3. En un juego de apuestas un hombre puede obtener una ganancia de 1000 soles o una
perdida de 500 soles La probabilidad de sufrir una perdida es 0.4 .Cual es la perdida o la
ganancia esperada en soles?
4. Dada la funcin de densidad de la variable X :
x,
0 x 1500
(1500)2
f ( x) 1
(1500)2 ( x 3000), 1500 x 3000
en otro caso
0
a. Hallar el valor esperado de X
b. Hallar el valor esperado de 6X-500
5. Suponiendo que la duracin (en horas) de cierto transistor es una variable contina X con
100
fdp f ( x) 2 , x 100 y 0 para cualquier otro valor.
x
a. Halle la funcin de distribucin acumulada de X.
b. Determine si existe E ( x)
6. Supngase que un instrumento electrnico tiene una duracin X (en unidades de 1000 horas
) que se cons8idera como una variable aleatoria continua con la siguiente fdp:
f ( x) e x , x 0.
Suponiendo que el costo de fabricacin de tal articulo es $2.00. El fabricante vende el
articulo por $5.00, pero garantiza un reembolso total si X 0.9 . Cul es la utilidad
esperada del fabricante por artculo?
10. Supngase que el 5 por ciento de los artculos que salen de una lnea de produccin son
defectuosos. Se escogen 10 de tales artculos y se inspeccionan Cul es la probabilidad de
que se encuentren a lo ms 10 defectuosos?
11. Una fbrica produce diariamente 10 recipientes de vidrio. Se puede suponer que hay una
probabilidad constante p=0.1 de producir uno defectuoso. Antes de que estos depsitos se
almacenen son inspeccionados y los defectuosos puestos aparte. Supongamos que hay una
probabilidad constante r=0.1 de que un recipiente defectuoso sea mal clasificado. Sea X
igual al nmero de recipientes clasificados como defectuosos al trmino de un da de
produccin. (Suponemos que todos los recipientes que se fabrican en un da son
inspeccionados al termino de ese mismo da)
a. Calcular P( X 3) ,y P( X 3)
b. Obtener una expresin para P( X k )
12. Supngase que la maquina uno produce (diariamente) el doble de artculos que la maquina
2. Sin embargo, cerca del 4 % de los artculos producidos por la maquina uno son
defectuosos, mientras que en el caso de la maquina dos el porcentaje de defectuosos son
del 2%. Supongamos que se combina la produccin diaria de las dos maquinas. Se toma una
muestra aleatoria de tamao 10 del resultado combinado. Cul es la probabilidad de que
esta muestra contenga 2 defectuosos?
13. Una variable X aleatoria tiene por funcin de densidad:
x0
0
0.2 x
0 x 1
1 x 2
0.2
f ( x)
2 x3
0.2 x 0.2
0.4
3 x4
0
4 x
Calcular:
a. P(x1)
b. P(1<x2)
c. P(2<x3)
14. Sea X una variable aleatoria continua de funcin de densidad de probabilidad:
C(1 x 2 )
si x (0,3)
f ( x)
en otro caso
0
a. Hallar el valor de la constante C y la funcin de distribucin acumulativa de
probabilidad. Dibujar ambas funciones
b. Probabilidad de que X est comprendido entre 0 y 1
c. Probabilidad de que X sea menor que 1
UNFV/FIEI/ PROBABILIDADES Y ESTADSTICAII -2013/LIC. PEDRO SAENZ R. Pgina 38
ax 2 b
si x (0,2)
f ( x)
en otro caso
0
Sabiendo que P(1/2<x<1) = 1/8, calcular:
a. a y b
b. La funcin de distribucin. Graficar f(x) y F(x)
c. P(x<1/2), P(1/4<x<3/4), P(x>1)
16. El dimetro de un cable elctrico se considera una v.a. continua X, cuya funcin de densidad
de probabilidad es:
a.
b.
c.
d.
e.
si 0 x 1
Cx(1 x)
f ( x)
en otro caso
0
Calcular el valor de C y dibujar f(x)
Determinar la funcin F(x) y dibujarla.
Calcular la media, mediana y varianza de la distribucin
Calcular P(x<1/2), P(0x1/4), P(x1/3)
1
2
P X 0.5 X
3
3
c.e x
, x
17. Sea F x x
e e x
aleatoria continua X.
a. Hallar el valor de c
b. Hallar f x la funcin de densidad de X, y demostrar que
f x dx 1
1
18. Sea una variable aleatoria con funcin de densidad f x kx , x 1,1
2
a. Determinar los valores de k para los cuales f x es ciertamente una funcin de
b.
c.
d.
e.
densidad.
Calcular la esperanza
la moda
la mediana de X.
Para qu valores de k se minimiza la varianza de X?
a.
8. Se sabe que el 1% de los artculos importados de un determinado pas tienen algn defecto.
Si tomamos una muestra de tamao 30 artculos, determinar la probabilidad de que tres o
ms de ellos tengan algn defecto.
9. La distribucin de los salarios mensuales de los trabajadores de una gran empresa viene
dada por la siguiente tabla:
Proporcin de
trabajadores
[600,750]
0,15
(750,900]
0,28
(900,1200]
0,26
(1200,1800]
0,18
mas de 1800
0,13
Se seleccionan aleatoriamente cinco trabajadores de la empresa. Determinar la probabilidad
de que entre esos cinco trabajadores, uno pertenezca al tramo de salarios ms bajos, dos al
siguiente tramo y los dos restantes al tramo comprendido entre 1200 y 1800 Euros.
Rentas (euros)
10. El nmero de alumnos que llegan a la primera clase de la Facultad, sigue una distribucin de
Poisson, cuya media es de dos alumnos por minuto. El nmero de alumnas que llegan a la
misma clase sigue tambin una distribucin de Poisson, cuya media es de tres alumnas por
minuto. Admitimos que ambas llegadas son independientes. Obtener la probabilidad de que
lleguen menos de 4 alumnos y alumnas en un minuto.
11. Una empresa constructora tiene comprometida la realizacin de 9 proyectos, de los que 5
son de edificios de pisos. Si el prximo mes debe emprender la realizacin de 3 proyectos y
su eleccin es al azar con probabilidades de eleccin iguales para cada proyecto, se pide:
a. La distribucin del nmero de edificios de pisos que se empiecen a construir el
prximo mes.
b. Nmero esperado de edificios de pisos que previsiblemente se inicie su construccin
el prximo mes.
12. El numero N de tanques de aceite que llega a un refinera cada da se comporta como v.a de
Poisson con parmetro 2. Las facilidades de puerto de la refinera pueden servir tres
tanques por da .Si llegan mas de tres tanques en exceso deben ser puestos en otro puerto.
En un da especifico, Cul es la probabilidad de tener que enviar tanques a otro lugar?
13. Los coches que llegan a un semforo siguen un proceso de Poisson con media de 4 vehculos
por minuto. El semforo est 40 segundos en rojo y 80 segundos en verde.
a. Cul es la probabilidad de que haya 4 coches en cola cuando el semforo se
pone en verde?
UNFV/FIEI/ PROBABILIDADES Y ESTADSTICAII -2013/LIC. PEDRO SAENZ R. Pgina 41
( )
Se tiene una flota de 300 autobuses Cuntos se esperara que se sometieran a reparacin
antes de 60,000km?, Cul es la probabilidad de que un autobs recorra ms de 100,000km
antes de cometer el motor a reparacin?
21. En un experimento de laboratorio se utilizan 10 gramos de
Sabiendo que la duracin
media de un tomo de esta materia es de 140 das, cuantos idas transcurrirn hasta que
haya desaparecido el 90% de este material?
22. El periodo de de vida en aos de un televisor de cierta marca tiene una distribucin
Exponencial con un promedio de falla de 6 aos.
a. Cul es la probabilidad de que un televisor falle antes de 2 ao de uso?
b. Suponga que analiza 5 televisores de esa marca, cul es la probabilidad de
que al menos 2 de los 5 televisores fallen antes del 2 ao de uso.
23. El tiempo que transcurra antes de que una persona sea atendida en una clnica de urgencias
es una variable aleatoria que tiene una distribucin exponencial con una media de 5
minutos.
a) cual es la probabilidad que una persona sea atendida antes de que transcurran 3 minutos.
b) si se selecciona al azar 10 personas cul es la probabilidad de que ms de 2 personas
sean atendidas en menos de 4 minutos?
24. El nmero medio de pinchazos en los neumticos de cierto vehculo industrial es de 0,3 por
cada 50.000 kilmetros (km) recorridos. Si el vehculo recorre 100.000 km, se pide:
a. Probabilidad de que no haya tenido pinchazos.
b. Probabilidad de que tenga menos de 3 pinchazos.
c. Nmero de km. recorridos para que la probabilidad de que no tenga
pinchazos sea 0,4066
25. En una planta manufacturera en particular, dos mquinas (A y B) producen una pieza
especial. Una mquina (B) es ms nueva y ms rpida. En un periodo de 5 minutos se
produce un lote formado por 32 piezas, 22 de las cuales son producidas por la mquina B y
el resto por la mquina A. Suponga que un inspector selecciona al azar doce piezas de este
lote.
a. Cul es la probabilidad de que exactamente tres piezas se hicieran en la mquina A?
b. Cul es la probabilidad de que la mitad de las piezas se hicieran en cada mquina?
c. Cul es la probabilidad de que todas las piezas se hicieran en la mquina B?
UNFV/FIEI/ PROBABILIDADES Y ESTADSTICAII -2013/LIC. PEDRO SAENZ R. Pgina 43
UNFV-FCCNNM-EAPQ-ASIGNATURA: PROBABILIDADES
Examen Parcial Mayo 2012
1. Pruebe que el teorema de la multiplicacin P A B P A / B P B establecido para dos
sucesos, se puede generalizar para tres sucesos como sigue:
P A B C P A / B C P B / C P C
(3
pts.)
2. La variable aleatoria continua X tiene funcin de densidad f x 3x2 , 1 x 0 .
(3 pts.)
3. Un experimento consiste en lanzar 2 bolas en 4 cajas de tal manera que cada bola tiene
igual probabilidad de caer en cualquier caja. Si X denota el nmero de bolas en la primera
caja.
(3 pts.)
a. Hallar la funcin de probabilidad de X
b. Hallar la media y E X 2
c. Hallar la moda de X.
4. Se tiene 5 urnas idnticas, dos de ellas de igual contenido, con 3 bolas blancas y 5 negras, y
las otras tres teniendo cada una, 4 blancas y 3 negras. Se elige una urna aleatoriamente. De
la urna elegida se extrae al azar una bola.
(3 pts.)
a. Cul es la probabilidad de que sea blanca?
b. Si la bola resulto blanca, cual es la probabilidad que provenga de una de las dos
primeras urnas?
c. Si no se sabe qu color resulto, cual es la probabilidad de que provenga de la primera
urna blanca?
5. Una persona tiene tiempo para jugar a la ruleta 5 veces a lo sumo. En cada juego gana o
pierde 6 euros. Una persona empieza con 6 euros y dejar de jugar si antes de la 5 vez
pierde todo su dinero o si gana 18 euros, esto es, si tiene 24 euros. Sea X el nmero total de
jugadas que hace esta persona Hallar:
(3 pts.)
a. el Rango de X
b. la funcin de probabilidad
c. la esperanza matemtica de W 2 X 1
6. La funcin de densidad de una variable aleatoria continua X es:
pts.)
(4
k
,0 x
4
f ( x) x 1
0
, en otro caso
a) Hallar k
b) Hallar E X (EN CASO EXISTA)
(1 pt)
(2 pt)
c) Hallar la moda
(1 pt)
7. Sea el experimento aleatorio De urna que contiene 2 esferas rojas y 3 esferas negras se
extrae una esfera con reemplazo hasta que salga una esfera roja por primera vez
Se define el espacio muestral como r, nr, nnr, nnnr, nnnnr....
Indique si las afirmaciones son verdaderas falsas:
(2 pts.)
2 3 2
. donde y est definido en el tem b
5 5 5