Académique Documents
Professionnel Documents
Culture Documents
Captulo VI
Teora de probabilidades
6.1 Tcnicas de conteo
Regla de la multiplicacin.
Permutaciones.
Permutacin de n objetos en n posiciones.
Permutacin de n objetos en r posiciones
Permutacin de objetos repetidos.
Permutacin de n objetos donde r tienen posiciones fijas (permutacin circular).
Combinaciones.
Ejemplos:
1) Regla de la multiplicacin. El anlisis del agua en un rio puede ser realizado por un equipo
formado por un ingeniero qumico, un laboratorista y un obrero. Se tiene 3 ingenieros, 2
laboratoristas y 3 obreros. Cul ser el nmero total de posibles equipos que se pueden
formar?. Cul ser los posibles equipos?. Cul ser la probabilidad de que el equipo cry
realice el anlisis?.
SOLUCIN
a p w
b q x
c r y
SOLUCIN
P Q R
P R L1 L2 L3
Q L1 L3 L2
L2 L1 L3
Laboratoristas: L1, L2, L3 L2 L3 L1
L3 L1 L2
Pnn n ! P33 3! 3* 2 *1 6 L3 L2 L1
P(L2,L1,L3)=1/6
3) Permutacin de n objetos en r posiciones. Si las tomas de muestras de agua deben hacerse
solo en dos puntos del ro y se cuenta con tres laboratoristas. Cul ser el nmero posible
de maneras y las maneras posibles en que los 3 laboratoristas podran realizar las tomas de
muestras de agua en los dos puntos del ro?. Cul ser la probabilidad de que las tomas
sean realizadas en el orden siguiente: En el punto P la toma la haga el laboratorista L2, en el
punto Q la toma la haga el laboratorista L1?.
SOLUCIN
Laboratoristas: L1, L2
P Q
n! 3!
P
n
P
3
3! 6
(n r )! (3 2)!
r 2
P Q
P(L2,L1)=1/6 L1 L2
L1 L3
L2 L1
L2 L3
L3 L1
L3 L2
4) Permutacin de objetos repetidos en n posiciones. Una mezcla debe ser elaborada con 4
sustancias (2 de A y 2 de B) aadiendo y disolviendo secuencialmente una a una. Cul ser
el nmero posible de maneras y las maneras posibles en que las sustancias se van aadiendo
y disolviendo?. Cul ser la probabilidad de que se aada y disuelva las sustancias en el
orden siguiente ABAB?.
SOLUCIN
Sustancias: A, A, B, B
n n!
Pnn1 ,n2 ,...,nk
n1 , n2 ,..., nk n1 ! n2 !... nk !
n 4 n1 2 n2 2
4 4! 4*3* 2*1
4
P2,2 6
2, 2 2! 2! (1* 2) *(1* 2)
Orden de mezclar
Primero Segundo Tercero Cuarto
A A B B
B B A A
A B A B
B A B A
B A A B
A B B A
2 Recopilacin por Tefilo Donaires Flores. Facultad de Ingeniera Qumica.
Estadstica y Diseos Experimentales
5) Combinaciones. Tres de los 6 equipos (E, F, G, H, I, J) deben ser escogidos. Cul ser el
nmero total de maneras y las maneras en que podran ser escogidos los equipos?. Cul
ser la probabilidad de escoger una de estas maneras?.
Equipos: E, F, G, H, I, J
n n! 6 6! 6*5* 4
Crn C36 20
r r !(n r )! 3 3!(6 3)! 1* 2*3
EFG, EFH, EFI, EFJ, EGH, EGI, EGJ, EHI, EHJ, EIJ, FGH, FGI, FGJ, FHI, FHJ, FIJ, GHI,
GHJ, HIJ, GIJ
1
Probabilidad de una seleccin =
20
Ejemplo:
Una muestra de 100 pacientes con presin alta fue seleccionada al azar a fin de
indagarles cul de los medicamentos A o B ingeran cada vez que les suba la presin y
si era eficaz en bajarles la presin. Se obtuvieron las frecuencias relativas de la tabla
siguiente:
Para una nueva indagacin esta tabla de frecuencias relativas se convierte en una tabla
de probabilidades.
Probabilidad total.
Es la suma de las probabilidades para un determinado evento.
Probabilidad de eventos condicionados o filtrados.
Si se supiese que uno de los eventos ocurri por ejemplo el A y se desea la probabilidad
del otro evento B, entonces se dir que un evento est condicionado al otro. El evento
condicionado se denota como B/A, se lee como B dado A y la probabilidad se escribe
como P(B/A).
Por ejemplo, en una indagacin a un nuevo paciente de la poblacin de pacientes con
presin alta, si se supiese que l consume el medicamento A, cul ser la probabilidad
de que el medicamento si sea eficaz en disminuirle la presin?.
Independencia de eventos.
Dos eventos son independientes si uno de ellos no dependen del otro, matemticamente
se debe demostrar que:
P ( A B ) P ( A) * P ( B )
Teorema de Bayes.
El teorema de Bayes es una preobabilidad condicional que se utiliza cuando se desea
hallar la probabilidad de ocurrencia de un evento que ocurri posteriormente despus
que ocurri un evento anterior.
Ejemplo
En una muestra de pacientes se realiz el anlisis del nivel de colesterol total y del nivel
de acido rico, encontrando las frecuencias relativas de la tabla:
Z
X Y p q r Total
d 6 9 10 25
e 5 3 9 17
a
f 8 7 3 18
g 5 3 4 12
24 22 26 72
Total
d 9 8 8 25
e 9 8 5 22
b
f 5 10 10 25
g 6 5 5 16
29 31 28 88
Total
d 7 5 10 22
e 3 3 10 16
c
f 10 4 5 19
g 6 6 4 16
26
Total 18 29 73
TOTAL 79 71 83 233
iii) Cul ser la probabilidad de que tenga colesterol total normal?. Si se seleccionase una
muestra al azar de 20 empleados, cuntos se esperara que tuviesen colesterol total
normal.
NOTAS:
Las interpretaciones en las estadsticas se hacen en tiempo pasado.
Las interpretaciones en las probabilidades se hacen para un tiempo futuro.
Conforme el tiempo avanza las estadsticas disminuyen en su valor y no sirven para
ser utilizadas como probabilidades.
SOLUCION
Un modelo est formado por una funcin de probabilidad y un rango de valores para la
variable aleatoria.
6 Recopilacin por Tefilo Donaires Flores. Facultad de Ingeniera Qumica.
Estadstica y Diseos Experimentales
b
k g ( x )dx si la variable es de tipo continua
a
Se selecciona una muestra al azar de 3 empleados en donde cada uno de ellos tiene la
probabilidad de 1/3 de tener colesterol total normal, cul ser la probabilidad de que los
tres tengan colesterol total normal?.
SOLUCIN
n
P( X x) f ( x) p x q n x x : 0,1,2,..., n
x
3 2
P ( X 2) f (2) (1 / 3) 2 (2 / 3) 0.07407407
2 27
La probabilidad de que en la muestra dos de los pacientes tengan colesterol total normal es
del 7% aproximadamente.
En el envasado de una bebida gaseosa se ha detectado que en promedio dos botellas cada
dos horas presenta impurezas. Encuentre las probabilidades de que en:
a) En 1 hora no se encuentre ninguna botella con impurezas.
b) En 3 horas se encuentre a lo ms dos botellas con impurezas.
c) En 1.5 horas se encuentre 3 botellas con impurezas.
d) En 30 minutos no se encuentren botellas con impurezas.
e) En 4 horas se encuentre 1 sola botella con impurezas.
SOLUCION
e x
P( X x) f ( x) x : 0,1,2,....
x!
2 botellas en promedio cada 2 horas presentan impurezas.
X: nmero de botellas con impurezas cada 2 horas x : 0,1,2,....
e2 0
a) P( x 0) f (0) 2 0.14 la probabilidad de que ninguna de las botellas
0!
tenga impurezas en 2 horas es del 14%.
SOLUCION
0.977250-0.748571 0.228679
La probabilidad de encontrar un nivel de turbidez en el agua en el rango de 0.6 a 1.2 NTU
es del 23% aproximadamente.
2) Supongamos que, para el tamao de muestra de 300 en el caso d) se hubiesen extrado los
individuos que se dan en el archivo muestra.xls, halle el estimador puntual y de intervalo
para un nivel de confianza del 95%. Habra sido la muestra una buena estimacin de la
poblacin?. Comente sobre el valor de la precisin.
Si en una muestra de sangre extrada de una persona se mide que el nivel de colesterol es normal
entonces, toda la sangre de este paciente tendr un nivel de colesterol normal. A este proceso se
le llama inferir.
Desde el punto de vista estadstico, inferencia estadstica es, analizar una variable en los
individuos de una muestra a fin de obtener sus estimadores y las conclusiones que se obtengan
de ellos generalizarlas hacia los parmetros de la poblacin de la cual se extrajo la muestra.
Parmetro:
Un parmetro es un valor que se calcula para los datos de una determinada variable medida en
los individuos de una poblacin. Los parmetros de una poblacin son: la media aritmtica
poblacional, la varianza poblacional, la desviacin estndar poblacional y el coeficiente de
variacin poblacional. Todos estos parmetros se suman a fin de analizar el comportamiento de
una determinada variable.
Estimador:
Como por muchas razones no se trabaja con toda la poblacin, los parmetros de la poblacin
(media, varianza, DE y CV ) deben ser estimados mediante los valores de una muestra llamados
estimadores. Estos estimadores se sumaran para analizar y obtener conclusiones del
comportamiento de la misma variable en la muestra con la cual se inferir a la poblacin. Los
estimadores que se calcularn en la muestra son: la media aritmtica muestral, la varianza
muestral, la desviacin muestral y el coeficiente de variacin muestral.
Las frmulas para los parmetros y los estimadores se dan en la tabla siguiente:
Media Y i y i
i 1
y i 1
N n
N n
Y y y
2 2
i i
Varianza
S2 i 1
s2 i 1
N 1 n 1
Desviacin
estndar DE S S 2 DE s s 2
Coeficiente de S s
CV % *100 cv% *100
variacin y
Poblacin
Conjunto de unidades de estudio Tamao: N
Area de estudio Tamao: Cierta extensin
Volumen de estudio Tamao: Cierta zona acutica
Otro definido al caso
M u estra
Subconjunto de unidades de estudio Tamao: n
Area de estudio Tamao: Parte de la extensin
Volumen de estudio Tamao: Parte de la zona acutica
Otro definido al caso
Es un valor que se coloca en la parte central de todos los datos. Expresa el rendimiento
medio de todas las unidades de anlisis.
Es un valor que se esperara que todos los datos fuesen igual a l. Si todos los datos fuesen
iguales a este valor todas las unidades de anlisis tendran el mismo rendimiento.
Cuando los datos estn ms cercanos a este valor, la media ser ms representativa. La
media aritmtica del rendimiento de todas la unidades de anlisis ser ms representativa
cuando ms cercanos estn los rendimientos de cada una de ellas.
La varianza muestral:
La varianza muestral mide la cantidad de variacin total de los datos respecto de la media
muestral.
La unidad de medida de la varianza es en unidades al cuadrado.
El valor de la varianza es til cuando se quiere comparar entre varios estudios o entre varios
grupos. Para un solo estudio no se podr determinar si es grande o pequea.
El coeficiente de variacin:
Tipos de Estimadores:
El estimador puntual es el mismo valor obtenido con la frmula del estimador y un estimador de
intervalo es una amplitud de valores en donde se espera que se halle el valor del parmetro.
En los problemas que buscan satisfacer una condicin, es una afirmacin que se hace a
priori acerca del cumplimiento de dichacondicin que debe ser probada.
En los problemas de relaciones entre una variable dependiente y una o ms variables
independientes, es una afirmacin a priori acerca de la existencia de un modelo de
regresin u otro que relaciona estas variables.
En los estudios problemticos, una hiptesis es una probable solucin a un problema
que debe ser probada.
Como las hiptesis deben ser probadas o verificadas y el planteamiento de estas es antes de la
verificacin, la probable aceptacin de alguna de ellas se mide en trminos de probabilidades,
estas probabilidades son:
EJEMPLOS
Caso2: Bajar el nivel de alta alcalinidad de un suelo para sembro mediante 4 tratamientos
A,B,C,D.
Hiptesis operativas:
PROBLEMA EN INVESTIGACION:
En el problema se pregunta cul ser la probable solucin a un problema
HIPTESIS DE LA INVESTIGACIN:
En la hiptesis de la investigacin se indica cul es la probable solucin
HIPTESIS OPERATIVAS
Las hiptesis operativas contrastan con datos reales si la probable solucin
es o no una solucin al problema en investigacin
A continuacin deben proponerse los niveles de probabilidad para aceptar o rechazar las
hiptesis que se plantearon.
Luego se calcula para la muestra un valor llamado estadstico de prueba para el cual se
calcular la probabilidad p P(t t0 ) que ser comparada con la probabilidad de rechazo de
la hiptesis nula .
y y
t0
sy s
n
y y
z0
sy s
n
A continuacin deben proponerse los niveles de probabilidad para aceptar o rechazar las
hiptesis que se plantearon.
Luego se calcula para la muestra un valor llamado estadstico de prueba para el cual se
calcular la probabilidad p P(t( n1) t0 ) si t0 es positivo (o p P(t( n1) t0 ) si t0 es
negativo); esta probabilidad ser comparada con la probabilidad de rechazo de la hiptesis nula
.
La frmula para este estadstico se utiliza solo si el tamao de muestra es mayor o igual a 30,
este estadstico de prueba sigue la distribucin normal,
pP pP
z0
sp pq
n 1
Finalmente debe realizarse las interpretaciones redactndolas de acuerdo al caso que se est
analizando.
Si el tamao de muestra es mayor o igual de 30, se usa el intervalo para la distribucin normal:
y z /2 s y y z1 /2 s y
Con una confianza se espera que la media poblacional est contenida en el intervalo de la
media muestral.
Donde:
y : Media muestral
s2
Error estndar muestral se deduce de la frmula s
2
sy : y
n
z /2 , z1 /2 : Puntos que se determinan con la distribucin normal
t( n1, /2) , t( n1,1 /2) : Puntos que se determinan con la distribucin t-Student
Cuando la varianza se desconozca debe ser estimada mediante una muestra piloto.
p z/2 sp P p z1/2sp
cuando s p se desconozca debe ser estimada con una muestra piloto que es una muestra
pq
seleccionada de la poblacin mediante la frmula s p2 .
n 1
EJEMPLOS
1) Suponga que Ud. tiene una fbrica que envasa en bolsas de 25 Kgs., un producto para el
tratamiento de la alcalinidad del agua. A fin de verificar si el peso es correcto toma una
muestra al azar de 26 bolsas. Los pesos obtenidos son los siguientes:
24.60 25.20 24.60 25.00 24.60 24.80 24.60 25.10 25.40 25.30 25.10 24.60 25.40
25.20 24.80 24.70 25.30 25.40 24.90 25.20 25.50 24.70 24.90 24.50 24.90 24.70
Pruebe a un nivel de confianza del 95% si en promedio las bolsas tienen un peso de 25 Kg.
Interprete los resultados.
Solucin:
Hiptesis:
=25 Kg.
Ho: El peso promedio de las bolsas es de 25 Kg.
25 Kg.
Ha: El peso promedio de las bolsas es significativamente diferente de 25 Kg.
Por ser el tamao de muestra menor de 30 se usa la prueba del estadstico t-Student.
y y 24.96154 25
t0 0.62755
sy s 0.06129
n
Por tanto, con una probabilidad de confianza del 95% se afirma que las bolsas se estn
produciendo a un peso promedio de 25 Kg.
s 2 0.09766154
s y2 0.00375621 de donde s y 0.00375621 0.06128795
n 26
y t(25,0.025) s y y t(25,0.975) s y
24.8353 25.0878
Con una probabilidad del 95% se afirma que el envasado se est realizando con un peso que
flucta entre 24.84 y 25.09 Kg.
2) Los datos que se dan a continuacin son el resultado de la opinin de una muestra de 50
personas consumidoras de leche informal que dan su opinin respecto de que la leche que
compran est contaminada. En un estudio anterior se estim que 1 de cada 2 opinaron lo
mismo. Pruebe a un nivel de significacin del 5% si la proporcin de opinin que indica
esta muestra es superior a la opinin anterior.
1
0 1 0 0 1 1 0 1 1 1 0 0 0 0 1 0 1 1 0 1 0 1 0 1 1 3
N S N N N N N S S N N N N S N S N N N N N
O I O O O O O SI I I O O O O I O I O O SI O SI O O SI
1
0 1 1 0 1 0 1 0 1 1 0 0 1 1 1 0 1 1 1 0 1 0 1 1 0 5
N S N N N N N N S S N N S N S N N N
O I O O O O O O I I O O SI SI I O I SI SI O SI O SI SI O
SI (1) para las que indican que la leche est contaminada (Exito)
NO (0) para las que indican que la leche no est contaminada (Fracaso)
Nmero de xitos = 21
Nmero de fracaso = 29
Total de casos= 50
28
p 0.56 o el 56%
50
21
q 1 p 1 1 0.56 0.44 o el 44%
50
Planteamiento de la hiptesis:
pP pP
z0
sp pq
n 1
0.56 0.50
z0 0.84611
(0.56)(0.44)
49
p P( z z0 ) P( z 0.84611) 0.198745
como p 0.05 se acepta Ho, por tanto a un nivel de confianza del 95% se afirma que
estadsticamente no ha habido aumento en la proporcin de opinin respecto de que la leche
que compran est contaminada.
El IC que estima con esta muestra a la proporcin poblacional de personas que opinan que
la leche que compran est contaminada es,
p z/2 sp P p z1/2sp
z /2 z0.025 1.959964
0 .5 6 (1 .9 5 9 9 6 4 )( 0 .1 1 6 6 4 1) P 0 .5 6 (1 .9 5 9 9 6 4 )( 0 .1 1 6 6 4 1)
0 .4 4 P 0 .6 8
Con una probabilidad del 95% se afirma que la proporcin de personas que opinan que la
leche que compran est contaminada est fluctuando en el intervalo del 44% al 68%.
Muest 1 1 1 1
1 2 3 4 5 6 7 8 9 10 11 15 16 17 18 20
ra 2 3 4 9
Nivel 10. 9. 11. 10. 9. 12. 9. 9. 10. 12. 9. 8. 8. 10. 11. 11. 10. 9. 10.
9
pH 3 6 7 3 9 9 6 9 5 8 6 4 9 4 4 3 9 6 9
quienes les gustar esta nueva agua mineral en la poblacin de dicha edad. Realice las
interpretaciones del caso.
3) En un experimento se someti a un tratamiento a las aguas de 20 estanques a fin de
disminuirles la alcalinidad. Las medidas del pH al inicio y al final se da en la siguiente
tabla:
ANTE 12 10 1 10 10 10 10 11 10 11 11 10 10 11 12 1 12 1 11 12
S .6 .9 3 .5 .9 .7 .5 .3 .7 .2 .2 .5 .9 .7 .4 3 .1 3 .1 .1
DESP 10 1 10 9. 10 9. 10 10 10 10 10 9. 9. 9. 1 9. 10
UES .5 11 0 11 .4 9 1 .9 9 .6 .2 .6 .6 .6 2 9 6 1 2 .6
4) En dos grupos de personas se midi el pH de la saliva. Los datos son los siguientes:
Grup_ 3. 6. 5. 4. 5. 3. 6. 4. 5. 4. 4. 4. 3. 5. 5. 3. 3.
1 8 7 4 6 8 9 6 9 6 8 5 1 2 2 6 5 1 7 6 5
Grup_ 5. 6. 6. 5. 6. 6. 5. 6. 5. 6. 5. 6. 6. 6. 5.
2 5 6 1 1 1 3 7 2 7 3 8 6 1 5 3 6
Con una probabilidad de confianza del 90%, se podr afirmar que ambos grupos tienen el
mismo pH. Construya los IC para del pH para ambos grupos.
5) Pruebe para 3) y 4) a un nivel de confianza del 9% si ambos grupos tienen igual varianza.
6) Una nutricionista afirma que los comensales de un cierto restaurante por las comidas que
estn vendiendo probablemente tengan un nivel de colesterol mayor de 200 mg/dL. La
media del nivel de colesterol de una muestra de 20 personas de dicho restaurante fue de 240
mg/dL con una DE=40 mg/dL. Con una confianza del 99% se podr confirmar la hiptesis
de la nutricionista.
7) Ante la sospecha de que el peso de ciertos artculos alimenticios de 1 Kg. que venden las
tiendas de un mercado estn con falta de peso se toma una muestra de 60 de dichos artculos
los cuales al pesarlos dan un peso promedio de 0.823 de Kg. con una desviacin estndar de
0.093 de Kg. Con una confianza del 95% se podr confirmar la sospecha.
8) Se ha detectado que en el consumo de una bebida gaseosa a 12 de cada 50 les afecta a la
presin arterial. Se toma una muestra de 80 de estos consumidores y en ellos se encuentra
que a 45 les afecta a la presin arterial. A fin de confirmar este nmero se toma otra muestra
de 250 de estos consumidores y se determina que a 98 les afecta a la presin arterial.
Con una confianza del 95% plantee la hiptesis, analice el caso y d la conclusin
correspondiente.
9) Para los casos siguientes de pruebas de hiptesis, plantee las hiptesis correspondientes,
proponga los niveles de confianza de estas hiptesis, analice el caso y d las conclusiones
que corresponden.
donde
nA 62
nB 71