UNIVERSIDAD PRIVADA DE

TACNA
FACULTAD DE INGENIER
Tema: Teora de probabilidades
PROFESOR: Ing. Juan Carlos Romaina
Semestre 2014-II

31OBJETIVOS DE
APRENDIZAJE

Definir probabilidad
Describir el enfoque de probabilidad clsica
Describir el enfoque frecuencial
Describir el enfoque subjetivo
Calcular probabilidades aplicando las reglas de adicin de
probabilidades
Calcular las probabilidades aplicando las reglas de
multiplicacin de probabilidades.
Estudiar la probabilidad condicional
Definir eventos mutuamente excluyentes y eventos
independientes

El objetivo principal del estudio de las

probabilidades, es ilustrar las diversas
formas en las cuales puede medirse la
posibilidad o probabilidad de ocurrencia de
eventos futuros, permitiendo de esta
manera minimizar o reducir el riesgo y la
especulacin arriesgada relacionado con el
proceso de toma de decisiones.

PREGUNTAS
Por qu una encuesta de 600 electores permite
predecir con bastante certeza el resultado de la
eleccin con 20 millones de electores ?
Cmo se logran los resultados?
Cmo se mide la precisin?
En un estudio de control de calidad en una fbrica de
Vinos, es muy costoso examinar cada uno de los
envases, se procede a extraer una muestra a los cuales
se les examina para determinar si el lote pasa o no
pasa, de acuerdo a ciertos lmites de tolerancia.

3.2 PROBABILIDAD

Es una medicin de la posibilidad de que un evento ocurra en el futuro,

es decir, es la cuantificacin de la ocurrencia de un evento. Este valor
puede asumir solamente valores entre cero y uno. La estadstica se
extiende a varios campos, como la poltica, los negocios, la economa,
el pronstico del clima y la investigacin cientfica, desarrollo de
nuevos productos.
Experimento: es un proceso de observacin de alguna actividad o el
acto de realizar alguna medicin que conlleva a la obtencin de
resultados nicos y bien definidos. Para su desarrollo requiere de
ciertas condiciones afn de asegurar la certeza de los resultados.
Evento o Suceso: Es el conjunto de uno o ms resultados simples o
compuestos del experimento. Se simboliza mediante letras maysculas.
Espacio muestral: Se le define como el conjunto de todos los
resultados posibles de un experimento estadstico. Se simboliza con la
letra S

3.3 ESPACIO MUESTRAL

S= Espacio muestral U=T. de conjuntos
Ejemplo: Si lanzamos un dado los resultados posibles son:
S={1,2,3,4,5,6}
Ejemplo: Si lanzamos dos dados, los resultados posibles
son:
S={(1,1), (1,2), (1,3), ,(6,4), (6,5), (6,6)}
Ejemplo: Si un experimento consiste en seleccionar 4
estudiantes de la FAING para un congreso de carcter
nacional. Si los estudiantes slo deben pertenecer a civil y
agroindustria. Construir el espacio muestral para
estudiantes de agroindustria
S=

3.4 Espacio muestral

Ejemplo 1: Un experimento consiste en

preguntar a tres jvenes universitarios si
concurren a las salas de cine de P V. La respuesta
si es positiva se marca con S, si es contrario se
marca son N. Determinar el espacio muestral del
nmero de estudiantes que responden SI.
Ejemplo 2: Un avin que arriba al aeropuerto de
Tacna con cuatro contenedores de vino se tienen
que inspeccionar. El inspector de calidad tiene
que decidir si el lote pasa o no pasa. Elaborar el
espacio muestral de todas las decisiones que
puede tomar el inspector de calidad.

3.5 Axiomas de
probabilidad

La
probabilidad de un evento E, son
mayores o iguales que cero.
La probabilidad de ocurrencia del espacio
muestral es igual a la unidad.
Si
dos
eventos
son
mutuamente
excluyentes, es decir que no ocurren
simultneamente, entonces la frecuencia
relativa de su unin es la suma de las
frecuencias relativas de cada uno.
Dado dos eventos complementarios

3.6 Conceptos de
probabilidad
1 ENFOQUE FRECUENCIAL, la probabilidad
de ocurrencia de un evento se determina
observando la ocurrencia del evento en el
pasado. Las formula de este Enfoque es.
P(E

)=

Ejemplo: Si en el ao 2012 se exportaron 5000

contenedores de aceituna, de los cuales 2500
se exportaron a Brasil. Si en el ao 2013,
seleccionamos un pas importador de aceituna.
Cual es la probabilidad que sea brasil?

ejemplo

Si se selecciona un estudiante de la FAING.

Cual es la probabilidad que sea de Ing.
Agroindustrial, Ing. ambiental, Ing. Civil?
Carrera

N estudiantes

Agroinduistrial

100

Ambiental

120

Civil

600

Electrnica

80

Sistemas

300

TOTAL

1200

Concepto de probabilidad

2
Enfoque clsico, est basado en la
suposicin del principio de la razn
insuficiente, suponiendo que todos los
resultados de un experimento son todos
igualmente probables de ocurrir. La
naturaleza se supone indiferente

Ejemplo: Un experimento consiste en extraer de una urna

que contiene 5 bolas rojas, 10 bolas negras y 8 bolas
blancas, una bola en forma aleatoria. Cual es la
probabilidad de extraer una bola. a) blanca, b) Bola negra,
c) Negra o blanca?

Conceptos de probabilidad
3 Probabilidad subjetiva, este enfoque
tiene su fundamento en la intuicin,
creencia, opiniones personales. Se aplica en
situaciones en la cual se carece de
informacin pasada o antecedentes
Ejemplos:
La probabilidad que las ventas en el negocio
particular de un empresario aumente en el
2do semestre del presente ao, es de 25%.
Cual es la probabilidad que el sbado
llueva?,

Teoremas de probabilidad

Regla
de la adicin se basa en la unin de

conjuntos, cuyos elementos pertenecen a uno u

otro
La adicin de dos o mas eventos mutuamente
excluyentes es igual a la suma de las
probabilidades individuales de ambos eventos
Ejemplo: si en una urna existen 10 esferas rojas,
15 esferas Verdes y 8 esferas azules. Si se
extrae una esfera en forma aleatoria, calcular la
probabilidad, de extraer una esfera verde o azul.

TEOREMAS DE PROBABILIDAD

Regla de la adicin para eventos que no se

excluyen mutuamente
Ejemplo: En una oficina publica de Tacna,
trabajan 40 Economistas y 50 Ingenieros.
De los ingenieros 6 son hombres y 15
economistas son mujeres. Si seleccionamos
un trabajador. Cual es la probabilidad que
sea
a) Ingeniero o mujer?

Teoremas de probabilidad
Regla de la multiplicacin
A) Para eventos independientes: Si E1y E2
son dos eventos independientes, entonces
la probabilidad de que ocurran E1 y E2 es
igual al producto de sus probabilidades

Ejemplo:

Teoremas de probabilidad

B) Para eventos dependientes

Se dice que E11 y E22 son dos eventos dependientes, si la

ocurrencia de E11 (o E22) afecta a la probabilidad que E22 (o
E11 ) ocurra o deje de ocurrir

Probabilidad condicional: La probabilidad condicional de

cualquier evento es la probabilidad de que este evento
ocurra con la condicin de que otro evento haya ocurrido.

Ejemplo

Una empresa de manufactura para computadoras

adquiere dos lotes de mquinas a multinacionales
distintas. El lote I consiste en cuatro mquinas y el
lote II en seis mquinas. Los dos lotes de mquinas,
tienen la misma capacidad de produccin, se
emplean para producir piezas idnticas. Las piezas
producidas por las mquinas de lote I, el 5% son
defectuosas, mientras que el 90% de las piezas
producidas por lote II no son defectuosas. Suponga
que se selecciona una mquina al azar y se elige
una de las partes producidas. Determinar cada una
de las siguientes probabilidades conjuntas.

DISTRIBUCIONES DE
PROBABILIDAD
1. Funcin. Es una asociacin especial entre un
elemento x de un conjunto y un elemento y de otro
conjunto, en la cual cada elemento x se aparea con
uno y solo uno de los elementos y.
2. Variable aleatoria, es una funcin real definida en
el espacio muestral, asociado a un experimento
aleatorio.
3. Tipos de variables
a) v.a. discreta, es aquella cuyo recorrido est
compuesto de valores discretos, es decir
numerables y cuyas probabilidades se recogen
en una funcin de cuanta.

Distribucin de
probabilidad
Ejemplo. Suponer que se lanzan dos
monedas al aire. Los posibles resultados
elementales del espacio muestral son:
S={ss,sc,cs,cc}
Donde c: representa obtener cara
s: obtener sello
f ={0, 1, 2}

Distribucin de probabilidad
de variable aleatoria discreta

Def.
Es una funcin que solo toma valores
positivos para un conjunto de valores de X,
finitos o infinitos numerables, en la cual los
pares de valores de la cual est constituida
se corresponden, es decir, (xi , p(xi)). A
dicha funcin se le denomina funcin de
cuanta
de
probabilidad.
Cuyas
caractersticas son:

Propiedades de la distribucin
de v.a discreta

Esperanza
o media:

Varianza:

Ejemplo. Se extraen 3 cartas de un juego de naipes

con reemplazo. construir una distribucin de
probabilidades, para el numero de cartas espadas.
X P(x)
S
0
1

a)
b)

3
Determinar
Determinar

la
la

media
varianza

Ejemplo
Sea X designado al nmero de caras
obtenidas en la tirada de cuatro monedas
balanceadas. Obtener lo siguiente:
a) ( 2)
b) (2)
c) (3)
d) (13)
e) (04

Funcin de distribucin
F(t)

Se
puede definir como:
, se denomina funcin de distribucin de la
variable aleatoria X o funcin de distribucin
de probabilidad. F(t) es la probabilidad que el
valor de una v.a. X sea menor o igual que el
nmero real t
Ejemplo. Dada una funcin:
X = 0 1 2
f(x)=1/4
a) Construir F y graficar f y F
b) Calcular las siguientes probabilidades:
P(X<2), P(X>1.3), P(X>1)

Distribucin de probabilidad de
variable aleatoria continua

Se denomina variable continua a aquella que

puede tomar cualquiera de los infinitos valores

existentes dentro de un intervalo. En el caso de
variable continua la distribucin de probabilidad
es la integral de la funcin de densidad, por lo
que tenemos entonces que:

f(x) es una funcin de densidad

f(x)>=0

P(a<X<b)=

ejemplo

Dado una funcin:

para
Determinar
a) el valor de k para que f(x) sea una funcin de
densidad
b) calcular la probabilidad de obtener un valor
mayor que 2
c) Probabilidad mayor que 4.8
d) probabilidad entre 3 y 4

Propiedades de la Variable
aleatoria continua

Esperanza o media

Varianza

Ejemplos

-Dada
la funcin de densidad:
f(x)=
a) Determinar F y graficar
b) Calcular las siguientes probabilidades
P(X

DISTRIBUCIONES ESPECIALES
A) Distribucin Binomial
La v. a. binomial X se define como el nmero de
xitos
que
ocurren
en
n
repeticiones
independientes de un experimento
La funcin de probabilidad discreta de la binomial
es:

Simblicamente:

DISTRIBUCIN BINOMIAL:
Caractersticas
1
Consiste
en
dos
posibles
resultados
comnmente
llamados
xito
y
fracaso,
mutuamente excluyentes
2 El nmero de pruebas es fijo y no muy grande.
3 En cada ensayo la probabilidad de xito es
constante.
4
Las
pruebas
son
estadsticamente
independientes
5 Los parmetros de la distribucin son: n y p
4 La media es: xx=np, la varianza= np(1-p)
Ejemplo:

Ejemplo
Supongamos
1.
que en un proceso de
produccin de un laboratorio de suelos, la
probabilidad
de
producir
una
unidad
defectuosa es , y la probabilidad de una
unidad buena es de 0.92. el inters radica en
evaluar el proceso mediante una muestra de 5
unidades. Por tanto, se define la v.a. X, como
el nmero de unidades defectuosas en la
muestra. Para garantizar que los ensayos
resulten independientes se hace el muestreo
con reemplazamiento o sustitucin.

Solucin. Construir una distribucin de

probabilidad binomial

Solucin:
X
p(x)
0
1
2
3
4
5

ejemplo

2. Una empresa de manufactura adopt un

proceso de control de calidad que consiste
en seleccionar al azar 20 unidades de su
produccin diaria. El Plan establece que si
se
encuentran
3
o
ms
unidades
defectuosas
se
detiene
el
proceso
productivo. Cul es la probabilidad de
detener el proceso, conociendo que la
probabilidad de hallar
una unidad
defectuosa es de 10%?

ejemplo
3. Una empresa que fabrica llantas realiza
pruebas de resistencia en una terreno
accidentado. Los ingenieros encuentra que
el 20% de los neumticos probados
presentan deterioro en el recorrido total. Se
prueban adicionalmente 20 llantas ms, al
azar. Hallar la probabilidad de encontrar
A) entre 3 a 6 llantas defectuosas
B) ms de 2 llantas defectuosas.

ejemplo

4. El dpto de control de calidad de una empresa

que fabrica partes de un equipo sabe que el 5%
de su produccin tiene algn tipo de defecto.
Las piezas se empaquetan en cajas de 15
unidades. Calcule la probabilidad de que una
caja contenga:
a) dos unidades defectuosos
b) menos de tres unidades defectuosas
c) entre 3 y 5 defectuosos
d) Ninguna unidad defectuosa
e) El nmero esperado de piezas defectuosas

DISTRIBUCIN NORMAL

La

distribucin normal es el modelo de probabilidad de mayor

uso, es una distribucin terica de variable aleatoria continua,
que puede expresarse en forma general o estandarizada. En
la prctica es frecuente que la mayora de las distribuciones ,
para un nmero grande de casos, se distribuyen como una
curva normal.

Propiedades

1. Tiene una simetra perfecta, en forma de campana, en la

cual la media, la mediana y la moda son iguales.
2. El rea bajo la curva normal y el eje x es igual a uno.
3. La funcin de densidad de probabilidad de la distribucin
normal es:
4.
5.
6.

La
La
La

DISTRIBUCION NORMAL
ESTANDAR

La funcin de densidad es:

La media es igual a cero

La varianza igual a 1
La variable aleatoria Z es igual a:
, en la cual
x: es el valor de la variable aleatoria,

Ejemplos

Sea
Calcular:
a)
b)

Ejercicios
Calcule la probabilidad que:
A)P(Z<2.3)
b) P(Z<1.89)
c) P(0.1<Z<2.56)
d) P(-3<Z<-0.59)
e) P(Z>2.54)
f) P(Z>-1.73)

Ejemplo
Considere que el coeficiente intelectual de
un estudiante de ingeniera es de 110 con
una varianza de 144. Si se selecciona al
azar un estudiante de ingeniera. Cul es la
probabilidad que tenga un coeficiente
intelectual:
A. Mayor de 125?
B. Menos de 100?
C. entre 105 y 130?
D. Menos de 90?

Aproximacin normal a la
binomial

Para
resolver problemas de probabilidades
binomiales mediante la distribucin normal
se debe proceder de la siguiente manera:
1 calcular la media y varianza de la
distribucin binomial, mediante:

Luego hacer:

ejemplo
Una

mquina de sellado est produciendo un 10%

de unidades defectuosas. Si tomamos al azar una
muestra de 64 unidades. Cual es la probabilidad
que haya a los ms ocho unidades defectuosas en
la muestra?
Empleando la funcin de cuanta de la distribucin
binomial sera:

Para x=0,1,28
Dado que este clculo se torna extenso, se procede
a realizar la aproximacin mediante la normal, de la
siguiente manera:

ejemplo
Calculamos la
1
2 La desviacin
3 Dado que X es una variable discreta
realizamos la correccin de continuidad
mediante:

Entonces