28-02-2017 --------> Probabilidad y estadstica fundamental --------> Fundamentos de Probabilidad

Regla fundamental del calculo: SIGMA ALGEBRA: Conjuntos que cumplan

con los siguientes requisitos:
Sean posibles M sucesos los cuales tienen n
posibles soluciones; el total de soluciones 1. clase
posibles casos ser igual a N x N 2. Clausurativa del complemento
A Clase A c Clase
Posibles soluciones=N 1 x N 2 3. Clausurativa de la unin infinito
A Clase { A A A } Clase
1 1 1
Conjunto referencial () : Hace
2
referencia a el conjunto de los R donde
existe todas las posibles soluciones para un
OJO COMO FORMAR UN SIGMA
ALGEBRA:
determinado problema.
1. Contener el conjunto omega.
Ejemplo:
2. Contener sus clausurativas
Sea el subconjunto [1,5,7] determine complementarias.
todo los posibles conjuntos que existen. 3. Contener las uniones del
subconjunto.
{ [ 1 ] , [ 5 ] ; [ 7 ] , [ 1,5 ] , [ 1,7 ] , [ 5,7 ] , [ 1,5,7 ] , }
EJERCICIO:
Conjunto parte: Es aquel conjunto que
Calcule la sigma algebra del subconjunto
contiene todos sus posibles subconjuntos. ( el
conjunto parte es la sigma algebra ms {[ 5 ] , [ 7 ]}
grande )
{ , , { 5 } , { 1,7 } , {7 } , {1,5 } , { 5,7 } }
Clase: Conjunto de subconjuntos que
contiene una, mas no todas; las posibles Escriba la sigma algebra formada por el
combinaciones de un conjunto. conjunto que tiene el numero 1.

Ejemplo: { 1 }= { , , {1 } , { 5,7 } }
Sea el subconjunto { 1,5,7 } TODO SUBCONJUNTO DE UNA SIGMA
determine una de las posibles clases: ALGEBRA SE CONOCE COMO
EVENTOS
Clase A : { [ 1 ] , [ 1,5 ] , [ 1,5,7 ] }
Pregunta tipo parcial:

Sea = {1,3,4 } ,sea la

PROPIEDAD CLAUSURATIVA: Dice que 3,4
sea la suma de dos nmeros de la misma Clase={ , , {1 } , { 3 } , { 4 } , { 1,3 } , {1,4 } , { } }
especie el resultado ser de la misma especie.
Evento: Subconjunto de un espacio
COMPLEMENTO CLAUSURATIVO: Los
muestral.*Tal que debe existir un condicional
valores del conjunto necesarios para
(sigma algebra) que establezca las posibles
que el conjunto n se convierta en omega.
soluciones de un conjunto referencia ( ).
28-02-2017 --------> Probabilidad y estadstica fundamental --------> Fundamentos de Probabilidad
Probabilidad de ingenieros = Pi

ESPACIO MUESTRAL ( ): consiste Probabilidad de mayores de 30 = Pa

en el conjunto de todos los posibles resultados
de un experimento aleatorio. Probabilidad de menores de 30 = Pb

EXPERIMENTO ESTADISTICO: Es un Pa + Pi Pb
conjunto formado por un proceso de 30 16 10 36
obtencin y recoleccin de datos que + =
40 40 40 40
considere las siguientes condiciones.
1. Contiene todas las posibles
soluciones que dan forma a .
2. El experimento es reproducible.
3. Se pueden conocer los posibles
resultados de solucin.
FUNCION DE PROBABILIDAD:

Sea un espacio muestral asociado a un

experimento estadstico y A una lgebra .
Una funcin con dominio en y rango el
intervalo

EJEMPLO: Suponga que en un grupo de 40

personas. 20 personas son ingenieros con
edades debajo de los 30 aos, 10 son
ingenieros por encima de los 30 aos. 4 No
son ingenieros mayores de 30 . 6 No son
ingenieros menores de 30. Cuales de los
estudiantes son ingenieros o personas
mayores a 30.

RESPUESTA: 9 de cada 10 seran ingenieros

o mayores de 30
28-02-2017 --------> Probabilidad y estadstica fundamental --------> Fundamentos de Probabilidad

Axiomas de Probabilidad 1 1 1
p ( 4 ) = , p ( 5 )= , p ( 6 ) =
6 6 6
Sea un espacio muestral asociado a un 3
p ( primo )= p ( 2 )+ p ( 3 )+ p ( 5 ) =
experimento estadstico y A una lgebra . 6
Una funcin con dominio en y rango el
intervalo Cual es la probabilidad que al lanzar dos dados,
las sumas de las caras sea igual a 7,

{ }
{1,1 } , {1,2 } , { 1,3 } , { 1,4 } , {1,5 } , {1,6 } ,
se llama medida de probabilidad o { 2,1 } , {2,2 } , { 2,3 } , {2,4 } , { 2,5 } , {2,6 }
simplemente probabilidad si satisface los
siguientes axiomas: = { 3,1 } , {3,2 } , { 3,3 } , {3,4 } , {3,5 } , {3,6 }
{ 4,1 } , { 4,2 } , { 4,3 } , { 4,4 } , { 4,5 } , { 4,6 }
{ 5,1 } , {5,2 } , { 5,3 } , {5,4 } , {5,5 } , { 5,6 }
{ 6,1 } , {6,2 } , { 6,3 } , { 6,4 } , { 6,5 } , {6,6 }

= { ( i, j ) R|0<i 6 0< J 6 }

P (i+ j=7 ) =p ( 1,6 )+ p ( 2,5 )+ p ( 3,4 )+ p ( 6,1 ) + p ( 5,2 ) + p( 4,3)

P( A) es llamada la probabilidad del evento
A. Observese que la definicin anterior
solamente expresa cales son las propiedades
que tiene que cumplir una probabilidad, pero
no expresa como asignar las probabilidades
especficas a los eventos.
ESPACIO MUESTRAL CONTABLE:
Lanzar un dado. Determine la probabilidad de
que salga un numero primo.
6
P (i+ j=7 ) =
36
EJEMPLO:
Suponga que se realiza el experimento de
seleccionar 2 productos al azar de un gran lote
de una produccin y se registra si el producto es
defectuoso o no. Se conoce por experiencia que
la probabilidad de que el producto salga
defectuoso es 0.1.
= { { bueno , malo } , { malo , malo } , {bueno ,bueno } }

= { { 1 } , { 2 } , { 3 } , { 4 } , { 5 } , { 6 } } Para este caso la probabilidad de que algo salga

malo es 0,1 y bueno es 0,9. Por lo cual por ley
1 1 1 de la dependencia la probabilidad ser igual a la
p ( 1 ) = , p ( 2 ) = , p ( 3 )= ,
6 6 6 probabilidad de sus factores
 p ( a , b )= p ( a )p ( b ) ojoesto es para binomial Permutacin

{ bueno , malo } =A { malo , malo }=B Son eventos de tipo multiplicativo, donde el
nmero de posibilidades va disminuyendo y si
{ bueno , bueno }=C importa el orden una permutacin es un arreglo
de un conjunto de objetos en un orden definido.
p ( A )=0,10,9=0.09 El nmero de permutaciones diferentes de
estos objetos es ; esto se v fcilmente si
p ( A )=0,10,1=0.01 pensamos que para la primera alternativa
disponemos de los elementos del conjunto, cada
p ( A )=0,90,9=0,81 uno de los cuales puede complementarse con
Cmo calcular la probabilidad de cada uno de los restantes como segunda opcin, y as hasta
los eventos independientes? llegar a la ltima eleccin, conformando el
producto .
ewi
p ( wi ) = El nmero de permutaciones posibles al
wi ! tomar objetos del conjunto de elementos ser,
siguiendo el mismo razonamiento.
X
x =
I=0 !

2. ESPACIO MUESTRAL CONTABLE

FINITO Y EQUIPROBABLE. PERMUTACIONES SIN REPETICIN DE
n ELEMENTOS TOMADOS TODOS A LA
En los casos donde las probabilidades de un
VEZ
espacio muestral son iguales en todos sus casos.
Se considera que la probabilidad es :

numero de casos favo . Ejemplo : De cuntas formas diferentes se

Probabilidad=
numero de casos posibles pueden ordenar las letras de la
palabra IMPUREZA?

Combinacin Solucin: Puesto que tenemos 8 letras

Son eventos similares a las permutaciones. Pero
el orden ya no importa y es necesario eliminar
de las permutaciones aquellas donde los
elementos se repiten aunque con distinto orden
Una combinacin es una seleccin de objetos
sin importar el orden en que se escojan:
diferentes y las vamos a ordenar en diferentes
formas, tendremos 8 posibilidades de escoger la
primera letra para nuestro arreglo, una vez
usada una, nos quedan 7 posibilidades de
escoger una segunda letra, y una vez que
hayamos usado dos, nos quedan 6, as
sucesivamente hasta agotarlas, en total tenemos:
8 7 6 5 4 3 2 1 = 40320
PERMUTACIONES CIRCULARES

Ahora estudiaremos algunos ejemplos de

arreglos circulares, sabemos que si queremos
sentar a cuatro personas una al lado de la otra
en fila, el nmero de arreglos que podemos
hacer es 4!; ahora bien, si las queremos sentar al
rededor de una mesa circular, de cuntas
formas lo podemos hacer? = nr
Observemos los siguientes arreglos: Observe que r es el nmero de veces que se
repiten los n elementos.

Por cada una de las permutaciones o arreglos

circulares tenemos 4 de ellos diferentes en fila;
esto es, el arreglo circular 1 puede leerse en
sentido contrario a las agujas del reloj de las
siguientes formas: ABCD, BCDA, CDAB, y
DABC, que son 4 arreglos diferentes si fueran
en filas; pero es un solo arreglo circular.
Entonces, en lugar de tener 4! que es el nmero
de arreglos en fila, tenemos

solamente .
3. ESPACIO MUESTRAL NO CONTABLE
PERMUTACIONES SIN REPETICIN
2
1 (xu)
Ejemplo 7: De cuntas formas diferentes se 1 2
2

f ( x )= e
pueden sentar seis alumnos en un saln de 2 2
clases con 25 pupitres?
X
x 1
Solucin: El primer estudiante puede elegir f ( x )= e
entre 25 lugares, el segundo tendr 24 lugares a ( x )
escoger, el tercero 23, as sucesivamente; por lo
tanto el nmero de arreglos sin repeticin de 25
elementos tomados de 6 en 6 es: Preguntas tipo parcial:

Un grupo de personas de un restaurante desean

conocer los tiempos que se demoran en atender
Esto se simboliza por = a los clientes.

Algoritmo:

1. Realizar una toma de datos.

PERMUTACIONES CON REPETICIN
Veamos otra aplicacin del principio de la
multiplicacin. Supongamos que tenemos 20
nios de un grupo de Preescolar y 10 sabores de
helados disponibles. De cuntas formas
diferentes podemos servir un helado a 20 nios?
2. Compilar la informacin y resumirlas
en un histograma.
3. Realizar un pool al cual se ajusta el
conjunto de datos.
4. Realizar un anlisis de la probabilidad
de que ocurran dichos eventos.

Al primer nio le podemos servir uno de los 10

sabores, al segundo nio tambin le podemos Porque se requiere que la f ( x ) =1 .
servir los 10 sabores, al tercero tambin, y as
sucesivamente. A cada uno de los 20 nios le
podemos servir de los 10 sabores, por lo que
21-03-2017 --------> Probabilidad y estadstica fundamental --------> Fundamentos de Probabilidad

DEFINICION DE DEPENDENCIA: Dos eventos son independientes si al calcular la probabilidad

conjunta de dos variables es igual al producto de la contra.

METODO NORMAL PARA EL ANALISIS DE VARIABLES DEPENDIENTES.

1. Realice la tabla dinmica que relacione las variables que desea comparar.

2. Realice una comparacin de cada una de las variables con su correspondientes probabilidades
tanto independientes como dependientes para almenos una de las variables

3. Evalu los resultados obtenidos (sea el caso que los valores se aproximen) se puede considerar
que las variables son independientes. Es decir que el valor de su probabilidad no depende de la
condicional que se le haya colocado.

4. Se pueden obtener graficas con los valores que usted est evaluando ,
METODO PRUEBA CHI-CUADRADO PARA EL ANALISIS DE VARIABLES
DEPENDIENTES.

Para el caso inicial considere que el valores que se toman hacen referencia al anlisis de dos variables en
una tabla dinmica como la siguiente:

Reconozca que los valores de probabilidad se pueden obtener de la siguiente manera

Valor encontrado: Es el resultado obtenido a travs de una recoleccin de datos. Un ejemplo de valor
observado es el valor de mujeres que eligieron tema acadmico (19). Para hallar la probabilidad
observada tome el resultado experimental y divdalo entre el nmero total de casos (149).

19
Probabilidad encontrada de femenino y academico=
149
Valor marginal: Es el resultado de una experiencia muestral el cual solo considera una de las variables,
ejemplo: Nmero de mujeres (58); Numero de temas acadmicos (42). Para obtener la probabilidad
marginal divida cada uno de los valores de las variables que desea relacionar entre el valor total de datos
(149). Luego multiplique las probabilidades como en el siguiente ejemplo:

58
Probabilidad de femenino:
149
42
Probabilidad de academico :
149
58 42
Probabilidad esperadade femenino y academico= ( 149 )( 149 )
1. Calcule los valores de probabilidad de los valores esperados con respecto a los obtenidos por la
multiplicacin de las probabilidades
 2. Calcule la probabilidad observada y la relativa conforme a los siguientes datos
Probabilidad observada=Valor encontradonumero total de casos
Probabilidad esperada=Multiplicacion de las P . marginalesnumero total de casos
El resultado de estas operaciones deja el resultado

3. Los valores obtenidos se compararan con respecto a la formula de chi-cuadrado que es la

siguiente:

( P . observadaP .esperada )2
P(Chicuadrado)=
Probabilidad esperada

Chicuadrado= P(chicuadrado)

4. Para obtener el valore real de chi-cuadrado se realiza la sumatoria de TODAS las relaciones
entre las variables y sus condicionales con respecto a la formula del literal 3 ;

De ser la sumatoria de todos los valores de chi-cuadrado un numero considerablemente grande, se puede
decir que las variables son dependientes de no ser asi se puede asumir que las variables NO son
dependientes

EN EL CASO DE R UTILICE CHISQ.TEST(TABLE(INDEPENDIENTE, DEPENDIENTE))

04-04-2017 --------> Probabilidad y estadstica fundamental --------> Fundamentos de Probabilidad
TEOREMA DE BAYES: P ( Uso|( 3 ) )=0.40
Ejemplo: 3. Relacione las probabilidades
Un doctor dispone de tres equipos electrnicos
para realizar ecosonogramas, El uso que le da a P(Uso Error)
P ( ( 1 )|USOError )=
cada equipo es de 25% al primero, 35% al P ( Error)
segundo y 40% el tercero. Se sabe que los Error( 3 )
aparatos tienen una posibilidad de error de 1%, Error ( 2 )+ P
2% y 3% respectivamente. Un paciente busca el Error (1 )+ P
resultado de una ecografa y observa que tiene
P
un error. Determine la posibilidad de que se ha
usado el primer aparato. P ( USO )P(Error( 1 ) )


Solucion:

1. Considere la probabilidad condicional de

error de cada aparato,

P ( error|( 1 ) )=0.01

P ( error|( 2 ) )=0.02

P ( error|( 3 ) ) =0.03
2. Establezca las posibles variables que
intervienen y el resto de las probabilidades

P ( Uso|( 1 ) )=0.25

P ( Uso|( 2 ) )=0.35
04-04-2017 --------> Probabilidad y estadstica fundamental --------> Fundamentos de Probabilidad
VARIABLE ALEATORIA: Funcin la cual NOTA: Considere que los valores de
permite dar valores nmeros a determinadas probabilidad no son equiprobables sino que son
caractersticas de un evento en un experimento 0,9 y 0,1 ( bueno, malo ;
muestral. correspondientemente )

Situacin problema: Considere que toma al Para hallar la probabilidad utilice el mtodo
azar 3 elementos de un lote.
n
()
X n X
P ( 1P )
x

La variable aleatoria es aquella que en este caso

permite dar valores nmericos a cada uno de los
posibles eventos.

Variable aleatoria (BUENO)

A= LOS 3 SON BUENOS = (B, B, B) = 3

B= QUE 2 SEAN BUENOS= ( B, B, M ) = 2

C= QUE ALGUNO SEA BUENO = (B, B, M )

=1

D= QUE NINGUNO SEA BUENO = (M, M,

M) = 0
 B 2 0,243
3
()
2 32
( 0,9 ) ( 0,1 )
2 c

C 1 0,027
3
1
( 0,9 ) ( 0,1 )
31
()
1 c

D 0 0,001
3
()
0 30
( 0,9 ) ( 0,1 )
0 c

n
P X( 1P )
n X

x()
B. Calcule la probabilidad de que x sea mayor
que 1.5

P>2=P ( 2 ) + P ( 3 )=0,729+ 0,243=0,972

C. Calcule la probabilidad de que el evento sea
1,5<x<3

P (1,5< x<3 )=P ( 2 )=0,243

D. Transforme las probabilidad a grafica

Funcion de probabilidad
1.2
1
0.8
0.6
0.4
X= El nmero asignado por la variable aleatoria 0.2
0
n= Nmero total de estratificaciones 0 1 2 3 4
ramificacadas o elementos

Ejemplo: Funcion de probabilidad

1.2
1
0.8
0.6
Event X P(X) Rta 0.4
o 0.2
A 3 0,729 0
3
3
( 0,9 ) ( 0,1 )
33

3 () c
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5

e. funcin de probabilidad conjugada

Escriba aqu la ecuacin .