Académique Documents
Professionnel Documents
Culture Documents
Probabilidad y Estadstica
Noviembre 2009
E
D
B
U
G
C
Donde: A B C ... Z = S
Probabilidad y Estadstica
Noviembre 2009
P ( A) = Lim n
m
1
n
Segundo, si no se presenta la ocurrencia de un
guila, entonces m = 0 y
m
=0
n
por lo tanto:
m
n
m
1
n
lo que equivale a:
0 P( A) 1
Probabilidad y Estadstica
Noviembre 2009
Enfoque subjetivo
Formulado por L.J. Savage (1954) establece:
Un punto de vista personalista sostiene que la
probabilidad mide la confianza que tiene un
individuo determinado en la verdad de una
proposicin particular.
Este punto de vista permite interpretar a las
probabilidades como ponderaciones atribuidas
conforme la confianza personal) o subjetiva) en
el resultado de un experimento. Este enfoque se
aplica a experimentos que todava no ocurren o
que lo hacen una sola vez y no requiere un
experimento con gran cantidad de ensayos ni la
hiptesis de regularidad estadstica.
El primer enfoque frecuentista se puede
interpretar con base en el enfoque subjetivista. El
primer enfoque frecuentista asigna un nmero
P(A) a la ocurrencia del evento A, que proviene
de la frecuencia relativa m/n del evento A
(cuando el experimento se realiza un nmero
grande de veces). En el enfoque subjetivo, P(A)
es la medida de la confianza que una persona
razonable asigna a la ocurrencia del evento A. En
ambos casos, la frecuencia relativa y la
asignacin con base en la confianza de
ocurrencia, dependen de la experiencia.
Eventos colectivamente exhaustivos. Son
aquellos cuya unin conforma totalmente el
espacio muestral.
A
D
B
E
G
U
F
C
Donde: A B C ... Z = S
A = { a, b, c, d, e}
B = { ,, }
Probabilidad y Estadstica
Noviembre 2009
E
C
Aritmtica
Lgica
Matemtica
lgebra de
Conjuntos
+
SUMA
o
CONJUNCIN
UNIN
X
PRODUCTO
y
DISYUNCIN
INTERSECCIN
Corolario:
1) Cuando se trata de eventos independientes se
aplica la regla de la suma.
2) Cuando se trata de eventos dependientes se
aplica la regla del producto.
AB=2
BC=1
CB=1
BA=2
2X1X1X2 = 4
AB=3
BC=2
2X3 = 6 formas
> 246
2op. 3op
Nmeros de 4 cifras.
6 X 2 = 12 formas
> 246
Probabilidad y Estadstica
Noviembre 2009
2op (2)(3)(2) = 12
4op
3op
3X2X1X2 = 12 formas
a) De tres dgitos.
> 246
2op
4op
(2)(4)(4) = 32
4op
n-1
n-2
n-r+1
De cuatro digitos.
> 246
4op 4op 4op 4op (4)(4)(4)(4) = 256
r>0
nr
n=3
c
. . . Tres formas
ac
ca
ba
cb
acb bac
cab cac
Noviembre 2009
n! = O(n, r )(n r )!
O(n, r ) =
n!
(n r )!
O(3,1) =
r =1
3!
=3
(3 1)!
Probabilidad y Estadstica
O(3,2 ) =
3!
=6
(3 2)!
O(3,2 ) =
3!
=6
(3 3)!
3,5
O ( 4,1) =
Para este tipo de arreglos se cumple r < n
n = 10
O(10,4) =
r=4
7,9
4!
=4
( 4 1)!
O(5,2) = 20
Total = ( 4 )( 20 )= 80 nmeros impares.
d) Cuntos mltiplos de 5?
10!
10 * 9 * 8 * 7 * 6!
=
= 5040
(10 4)!
6!
O (1,1) =
1!
=1
(1 1)!
arreglos
Ejemplo. Se dispone de los dgitos 2,3,5,6,7,9
O (5,2) =
a) Cuntos nmeros de 3 dgitos se pueden
formar?
6!
O(6,3) =
= 120 nmeros.
(6 3)!
5!
= 20
(5 2)!
n=3
Tomando 1 letra :
b
c
. . tres arreglos
Tomando 2 letras:
aa
ab
ac
ba
bb
bc
ca
cb
cc
2
Para el dgito menos
significativo (par)
6
5 posibilidades
para el resto
2!
O(2,1) =
=2
(2 1)!
5!
O(5,2) =
= 20
(5 2)!
Probabilidad y Estadstica
Noviembre 2009
. . . nueve arreglos
Tomando 3 letras:
aaa
aba
aca
aab
abb
acb
aac
abc
acc
baa
bba
bca
caa
cba
cca
bab
bbb
bcb
cab
cbb
ccb
bac
bbc
bcc
cac
cbc
ccc
. . . 27 arreglos
Si consideramos que tenemos r lugares
disponibles para colocar n objetos, los cuales se
pueden repetir, existen n formas para la primera
posicin, n para la segunda, n para la tercera y
as consecutivamente.
OR (26,2) = 676
OR (10,3) = 1000
n=4
Posiciones = 5
OR(n, r ) = n r
En este caso,
r n.
Lenguaje
Lenguaje
Lenguaje
Lenguaje
Total Letras = 26
OR (26,3) = 17,576
Total Dgitos = 10
1
2
3
4
signo
signo
signo
signo
OR ( 2,1 ) = 2
OR ( 2,2 ) = 4
OR ( 2,3 ) = 8
OR ( 2,4 ) = 16
Total = 30
lenguajes
OR(10,3) = 1,000
Probabilidad y Estadstica
Noviembre 2009
En este caso: r = n
O (n, r ) =
n!
= n!
( n n )!
Pn = O(n,n) = n!
PRn = OR(n, n ) = n n
Conjunto A = { a, b, c }
aaa
aba
aca
baa
bba
bca
caa
cba
cca
6 7
9 10
n=3
aab
abb
acb
bab
bbb
bcb
cab
cbb
ccb
. . . 27 arreglos
aac
abc
acc
bac
bbc
bcc
cac
cbc
ccc
n=3
n=3
slo
aab = aab
hay
tres
baa = baa
permutaciones
P4 = 4! = 24
Probabilidad y Estadstica
Noviembre 2009
P(12,3,2,2,5) =
n = 12
q1 = 3
q2 = 2
q3 = 2
q4 =5
12!
= 166,320
3!2!2!5!
formas diferentes
x ! ! = n!
despejando
x=
n!
! !
P(n, q1 , q 2 , q3 , ... , q n ) =
donde :
n!
q1!, q 2 !, q3 !, ... , q n !
q1 + q 2 + q3 + ... + q n n
1 2 3 ... n 1 n
Si se lleva el ltimo elemento de la permutacin
al primer lugar, se obtiene la nueva permutacin.
n 1 2 3 ... n 1
Probabilidad y Estadstica
Noviembre 2009
n PC n = Pn
PC n =
n PC n = n! despejando
n! n(n 1)!
=
= (n 1)!
n
n
PC n = (n 1)!
PC n =
(n 1)!
2
P5 = 5! = 120
PC 5 =
c
(5 1)! = 12
2
Tomando 2 letras:
Tomando 3 letras:
n=3
a
ab
b
c
. . . tres arreglos
bc
ca
. . . tres arreglos
abc
. . . un arreglo
C (8,3) =
8!
= 56
(8 3)! 3!
C (8,3) =
8!
= 56
(8 3)! 3!
C (8,5) =
8!
= 56
(8,5)! 5!
r! C (n, r )! = O(n, r )
C (n, r ) =
O(n, r )
n!
=
r!
r!(n, r )!
rn
C (9,4) =
Ejemplo. De un grupo de diez personas debe
elegirse un comit formado por cinco. Calcular el
nmero de comits diferentes que se pueden
elegir si:
9!
= 126
(9 4)! 4!
C (10,5) =
10!
= 252
(10 5)! 5!
Probabilidad y Estadstica
Noviembre 2009
n=3
Tomando 1 letra :
a
b
c
. . . tres arreglos
Nmeros
combinatorios.
generados
por
bb
bc
Tomando 2 letras:
aa
ab
ac
cc
. . . seis arreglos
Tomando 3 letras:
aaa
aab
aac
abb
abc
acc
bbb
bbc
bcc
nmeros
n!
para
(n, r )! r!
n
, donde n es el numerador y r es el
r
Los nmeros
propiedades:
nmero
expresin
los
ccc
. . . diez arreglos
La expresin que denota el
combinaciones con repeticin es:
la
de
combinatorios
poseen
tres
n
= 1
0
CR (n, r ) = C (n + r 1, r )
n
= 1
n
Demostracin:
Ejemplo. En una escuela mixta, de hombres y
mujeres, se va a formar un comit de cinco
alumnos. Cuntos comits diferentes se pueden
formar, con respecto a su composicin de
hombres y mujeres?
Debern seleccionarse cinco de dos objetos
diferentes (hombre y mujer):
CR(5,2) = C (5 + 2 1,2) =
6!
=6
(6 2)! 2!
n!
Si =
, sustituyendo:
r r!(n r )!
n
n!
n!
=
= =1
0 0!(n 0)! n!
n
= 1
por lo tanto:
0
Por otra parte:
n
n!
n!
=
= =1
n n!(n n)! n!
n
= 1
por lo tanto:
n
Probabilidad y Estadstica
Noviembre 2009
n n
=
r n r
Triangulo
de
Pascal.
Los
nmeros
combinatorios pueden ser acomodados en un
arreglo piramidal, en el cual se observan
plenamente sus propiedades.
0
0
Demostracin:
n!
Si: =
, sustituyendo:
r r!(n r )!
1
0
n
n
n!
n!
=
=
=
n r (n r )![n (n r )]! (n r )!r! r
n n
=
n r r
3. La suma de los nmeros combinatorios de
igual numerador y rdenes diferentes en una
unidad es igual a un nmero combinatorio de
numerador igual a una unidad ms grande
que la de los sumandos y orden igual al
mayor de los rdenes de los combinatorios
sumandos.
n n n + 1
+ =
k 1 k k
2
0
3
0
4
0
n + 1
( k + n k + 1) n!
( n + 1) n!
( n + 1)!
=
=
=
k!( n k + 1)!
r!( n r + 1)! k!( n k + 1)! k
Probabilidad y Estadstica
Noviembre 2009
2
1
3
1
4
1
2
2
3
2
4
2
3
3
4
3
4
4
Demostracin:
n
n!
Si: =
r r!(n r )!
1
1
1
1
1
1
3
4
5
6
1
2
6
10
15
1
3
1
4
10
20
1
5
15
1
6
(a + b )4 = a 4 + 4a 3b + 6a 2 b 2 + 4ab 3 + b 4
puede observarse que los coeficientes de los
sumandos del binomio coinciden con los
nmeros combinatorios de orden n = 4.
Una expresin general para obtener el desarrollo
de cualquier binomio elevado a una potencia es:
(a + b )n = a nr
r
n
r =0
br
Probabilidad y Estadstica
Noviembre 2009
Teoremas derivados
axiomtica.
de
la
definicin
P(A) + P( A ) = 1 P( A ) = 1 P(A)
e.q.d.
Si A B = A ( A B )
y B = (A B) (A B)
luego entonces
Teorema 1:
P() = 0
Demostracin:
Si P(S ) = P(S) + P()
(por el axioma 3) y
P ( A B) = P( A) + P(B A )
y P ( B) = P( A B ) + P( A B )
S = S, entonces
P(S ) = P(S) = 1 (axioma 1)
simplificando
Teorema 2: P( A ) = 1 P(A)
P ( A B) P( B) = P( A) P( A B )
Demostracin:
P ( A B) = P( A) + P( B) P( A B ) e.q.d.
Si P(A) + P( A ) = P(S)
y P(S) = 1
Probabilidad y Estadstica
Noviembre 2009
Teorema 5:
P ( A B) = P ( A) + P( B) P( A B)
Leyes de DMorgan
Eventos elementales en A
Lo que puede escribirse como:
P ( BIA) =
se define
Probabilidad y Estadstica
Noviembre 2009
n( A B )
n( A)
P( AB ) =
P ( A) =
si n(A) 0
( A B)
n( S )
n( A)
n( S )
de tal forma
P(B I A) =
finalmente
P(B I A) =
P( AB )
P( A)
En
la
generalidad,
las
probabilidades
condicionales se advierten porque los eventos se
subordinan con la conjuncin si (condicional, de
diferente significado que el s afirmativo). De la
misma forma, suele detectarse en la definicin
del experimento que la probabilidad condicional
es un dato histrico, tal que cuando es
mencionada an no se produce el evento.
P(A) 0
La secuencia en que ocurren los eventos pueden
mostrarse con claridad a travs de un diagrama
de rbol, siempre y cuando se trate de eventos
mutuamente
excluyentes,
colectivamente
exhaustivos con un nmero finito de resultados.
Probabilidad y Estadstica
Noviembre 2009
Asimismo,
la
probabilidad
simultnea
corresponde a dos eventos que ocurren al mismo
tiempo, en el instante en que se estudia el
experimento y la subordinacin entre ellos se
detecta a travs de la conjuncin Y.
P( A / B) =
P ( A) =
P( AB )
--------2
P( B )
P( AB )
P(A) P(B) = P(AB)
P( B )
(0.5)(0.15) 0.05
P(A) = 0.50
P(B) = 0.15
Evento
P(AB) = 0.05
A y B no son independientes
CONTRAE NO CONTRAE
CANCER
CANCER
0.5
0.2
0.7
NO FUMADOR 0.1
0.2
0.3
0.6
0.4
FUMADOR
P( AB ) 0.05
=
= 0.1 = 10%
P( A)
0.5
b) P(B I A ) =
P( A B ) 0.1
=
= 0.2 = 20%
P( A ) 0.5
Probabilidad y Estadstica
Noviembre 2009
P(B / A) = ?
P ( B / A) =
2)
P(B / A) = ?
P( B / A ) =
3)
P( AB ) 0.5
=
= 0.71
P( A) 0.7
P ( A B ) 0.1
=
= 0.333
P( A ) 0.3
P(A) = 0.7
(0.7) (0.6) 0.5
P(B) = 0.6
no son ind.
P(AB) = 0.5
En general
Probabilidad y Estadstica
Noviembre 2009
Ejemplo.
P(N3/N1N2) =
3 2 1
= 0.0119
9 8 7
4 Bolas Blancas
3 Bolas Negras
2 Bolas Rojas
9
Experimento: Se extraen 3 bolas (Sin
Reemplazo) Cul es la probabilidad de que las 3
sean negras?
P(N2/N1) = P(N2) = P(N3) =
Eventos
Ni Sale Negra
Bi Sale Blanca
Ir Sale Roja
P(N3/N1N2)
P(N1N2N3) = 3/9 3/9 3/9 = 0.03
El reemplazo garantiza la independencia de los
eventos.
A = (AB1)(AB2) (A Bn)
P ( Ai B ) =
P(A) =
P( A / Bi ) P( Bi )
Teorema de la
i =1
Probabilidad total.
P( Ai B )
P(B Ai )P( Ai )
P( A )P(B A ) P( A B ) P( A B )
n
i =1
P( Ai B )
i
i =1
i =1
Teorema de Bayes
P(B ) = P ( Ai ) P( B / Ai )
i =1
P ( Ai B )
P B Ai =
P ( Ai )
Probabilidad condicional
A = { Ral es culpable }
P( Ai B )
Sustituyendo el Teorema de
P( Ai B ) =
P(B )
2do evento
la Probabilidad Total:
Probabilidad y Estadstica
Noviembre 2009
P(M) = ?
Por el Teorema de Probabilidad Total
20% de la agencia E
60% de la agencia F
Si: 10% de los autos de la agencia D
12% de los autos de la agencia E
4% de los autos de la agencia F
tienen neumticos en mal estado. Cul es la
probabilidad de que la empresa rente un auto con
neumticos en mal estado? Si el auto tiene los
neumticos en mal estado, Cul es la
P( A B ) =
P(F / M) = ?
P( AB )
P( AB )
0.02
=
=
= 0.29
P(B ) P( AB ) + P( AB ) 0.05 + 0.02
Probabilidad y Estadstica
Noviembre 2009
Bibliografa
Canavos, Probabilidad y Estadstica, Edit.
Mc Graw Hill, Mxico 1988.
Borras, et. al. Apuntes de Probabilidad y
Estadstica, Facultad de Ingeniera UNAM,
Mxico 1985.
Villarreal , Probabilidad y Modelos
Probabilsticos, UAEM, Mxico 1989.
Hines,
Montgomery;
Probabilidad
y
Estadstica, Edit. CECSA, 3 edicin,
Mxico 1993.
Vilenkin,
De
cuntas
formas?
Combinatoria, Editorial Mir, Mosc 1972.
Iriarte, Apuntes de Mtodos Numricos,
Facultad de Ingeniera UNAM, Mxico.
Vilenkin,
De
cuntas
formas?
Combinatoria, Editorial Mir, Mosc 1972.
Iriarte, Apuntes de Mtodos Numricos,
Facultad de Ingeniera UNAM, Mxico.
Captura y Edicin:
M.A. Mara Torres Hernndez.
Probabilidad y Estadstica
Noviembre 2009