Probabilidades

Profesor: Juan Carlos Patio I.

 Introduccin
Es comn que las personas se refieran a las
probabilidades para indicar la posibilidad de
ocurrencia de un evento futuro.
Esta interpretacin puede considerarse
aceptable, pero no clarifica de forma explcita
de cmo se mide y de qu manera se utilizan
las probabilidades para hacer inferencias.
Las probabilidades son de gran utilidad cuando se
opera con problemas fsicos que generan
observaciones, las cuales no son factibles predecir
con exactitud.
Por ejemplo, el nmero de artculos defectuosos en
un proceso de la fabricacin de tubos plsticos. Los
eventos que poseen estas propiedades se denominan
eventos aleatorios.
 Fundamentos bsicos
Un experimento es cualquier accin o proceso cuyo resultado est sujeto a la
incertidumbre.
Aunque la palabra experimento en general sugiere una situacin de prueba
cuidadosamente controlada en un laboratorio, se le utiliza aqu en un sentido
mucho ms amplio.
Por lo tanto, experimentos que pueden ser de inters incluyen lanzar al aire una
moneda una vez o varias veces, seleccionar una carta o cartas de un mazo, pesar
una hogaza de pan, el tiempo de recorrido de la casa al trabajo en una maana
particular, obtener tipos de sangre de un grupo de individuos o medir las
resistencias a la compresin de diferentes vigas de acero.
EXPERIMENTOS DETERMINISTICOS: Son aquellos que repetidos bajo las
mismas condiciones, dan siempre un mismo resultado, el cual es predecible.
EXPERIMENTOS ALEATORIOS: Son aquellos cuyos resultados no pueden ser
exactamente conocidos a priori, aunque se repitan bajo las mismas condiciones.
Ejemplo:
En un proceso de fabricacin extraemos un artculo elegido entre los
artculos fabricados y observamos si es o no es defectuoso.
Si denotamos por B cuando el artculo es bueno y por D cuando el
artculo es defectuoso, podemos tomar:

= {B,D}

Si en lugar de un artculo elegimos n artculos, podemos considerar

donde i = 1 indica que el artculo es defectuoso y i = 0 indica que el

artculo es bueno.
Es muy importante notar que el mtodo
clsico (regla 2) requiere resultados
igualmente probables. Si los resultados no
son igualmente probables, debemos usar el
estimado de frecuencias relativas.
Al calcular probabilidades con el mtodo
de frecuencias relativas (regla 1),
obtenemos un estimado en lugar de un valor
exacto.
Ya que cualquier suceso imaginable es imposible, o cierto al 100%, o est
en alguna parte intermedia, se deduce que la probabilidad matemtica de
cualquier suceso es 0, 1, o un nmero entre 0 y 1.
La probabilidad de un suceso imposible es 0.
La probabilidad de un suceso que ocurrir con certeza es 1.
P(A) es menor o igual a 1 y mayor o igual a 0 para cualquier
suceso A.
En la figura siguiente, la escala de 0 hasta 1 se muestra a la izquierda,
mientras que las expresiones ms comunes y familiares de probabilidad
se indican a la derecha.
 Regla de la suma
El objetivo principal de la regla de la suma es entenderlo como un
mtodo para calcular probabilidades que pueden expresarse de la forma
P(A o B), o sea, la probabilidad de que ocurra el suceso A o de
que ocurra el suceso B (o de que ambos ocurran), como nico
resultado de un procedimiento. La palabra clave que debemos recordar
es o.
Constantemente, a continuacin usaremos la expresin o inclusive,
que significa: uno o el otro, o ambos. Al comienzo de esta presentacin
se entregaron aspectos fundamentales de la probabilidad y estudiamos
sucesos calificados como simples. En esta seccin y en la siguiente,
introducimos sucesos compuestos.
Unin de dos Eventos.
Es el evento formado por todos los puntos muestrales que
pertenecen a uno, al otro, o a ambos eventos. Si denotamos por
A y B, dos eventos, la unin de ellos se denota por AUB. (Seala
la forma de notacin de lo mostrado anteriormente)
Para calcular la probabilidad de que un suceso A ocurra
o un suceso B ocurra, calcule el nmero total de formas
en que A puede ocurrir y el nmero de formas en que B
puede ocurrir, pero calcule ese total de tal manera que
ningn resultado se cuente ms de una vez.
Ejemplo:
Considere el experimento siguiente: en una empresa existe una pala elctrica
que tiene un sistema de cables para generar el movimiento del balde, los cuales
requieren ser reemplazados cada cierto tiempo de uso. Para probar si se debe
cambiar, se somete el sistema a una tensin exagerada, si se rompen 2 o ms
hilos, se dice que el cable no sobrevive y por lo tanto debe ser reemplazado.
Se sabe por experiencia, que en cada tensin exagerada, se rompe a lo ms un
hilo y que la probabilidad de que se rompan ms de uno es despreciable.
Determine: La probabilidad de que se rompan a lo mas un hilo (A), La
probabilidad de que se rompan 1 o mas hilos (B), La probabilidad de que el hilo
sea considerado para reemplazo (C).
Adems, A U B y B U C
 Regla de la multiplicacin
En el punto anterior, presentamos la regla de la suma
para calcular P(A o B), es decir, la probabilidad de que
un ensayo tenga un resultado de A o B o ambos. El
objetivo de la regla de la multiplicacin es desarrollar
una regla para calcular P(A y B), esto es, la
probabilidad de que el suceso A ocurra en un primer
ensayo y el suceso B ocurra en un segundo ensayo.
Finalmente la regla de la multiplicacin se
transforma finalmente en:
Ejemplo 1
Una bolsa contiene 4 pelotas blancas y 2 pelotas negras; otra
contiene 3 pelotas blancas y 5 pelotas negras. Si se saca una
pelota de cada bolsa, encontrar la probabilidad de que:
ambas sean blancas,
ambas sean negras
una sea blanca y la otra sea negra.

Ejemplo 2
Cuatro estudiantes que perdieron un examen ofrecen una excusa
clsica, afirman que se le revent una llanta al automvil en el que
los cuatro viajaban. En la reposicin del examen, el maestro pide a
cada uno de los estudiantes que identifique la llanta en particular
que se revent. Si ellos en realidad no tuvieron ninguna avera en
los neumticos, pero seleccionan al azar una llanta que
supuestamente se revent, cul es la probabilidad de que todos
ellos escojan la misma llanta? Qu representara el complemento
de esta probabilidad?
Ejemplo 3
Con cierto mtodo de un procedimiento que se
llama muestreo de aceptacin, se selecciona
aleatoriamente y sin reemplazo una muestra de
artculos, el lote completo se acepta si cada
artculo en la muestra es aprobado. La empresa
WLS realiza la revisin de sus triconos del lote
de 5000 productos, de los cuales el 3% estn
defectuosos. Si se seleccionan al azar 65 de
estos de los triconos como muestra para
probarlos, cul es la probabilidad de que se
acepte el lote completo? Si existe un
procedimiento nuevo operacional el cual arroja
como medicin que los 65 triconos al azar
revisados no presentan defectos. Este ultimo
procedimiento es mejor al anterior?
 Conteo de puntos muestrales
Regla fundamental de conteo
Si una operacin puede realizarse en n1 maneras y si
para cada una de stas se puede efectuar una segunda
operacin en n2 maneras, y para cada una de las dos
primeras se puede efectuar una tercera operacin en
n3 formas, y as sucesivamente; entonces la secuencia
de k operaciones puede llevarse a cabo en
n1,n2,n3,n4,. maneras.
De acuerdo con la regla factorial, n diferentes elementos pueden ser
acomodados de n! diferentes maneras. Algunas veces tenemos n elementos
diferentes, pero necesitamos seleccionar slo algunos de ellos en lugar de todos.
Se generaliza este resultado observando que si tenemos n elementos disponibles
diferentes y queremos seleccionar un nmero r de ellos, el nmero de
combinaciones es de n!/(n-r)!

Es muy importante reconocer que la regla de las permutaciones requiere las

siguientes condiciones:
Debemos tener un total de n diferentes elementos disponibles. (Esta
regla no se aplica si algunos de los elementos son idnticos a otros).
Debemos seleccionar r entre los n elementos (sin reemplazo).
Debemos considerar que los reacomodamientos de los mismos
elementos son secuencias diferentes.
Ejemplo
Un mecanismo de control electrnico necesita 6 circuitos
idnticos de memoria De cuntas maneras se puede
armar este mecanismo, usando los seis circuitos?
Supngase que los circuitos son tomados dos a la vez De
cuntas maneras puede ser armado el mecanismo?

En ocasiones necesitamos calcular el nmero de

permutaciones cuando algunos de los elementos son
idnticos a otros. La siguiente variacin de la regla de las
permutaciones se aplica a tales casos.
Ejemplo:
Se tienen 3 tipos de equipos presentes en la operacin de
transporte: Komatsu 930E (15 unidades); 797B (10 unidades) y
797F (23 unidades). Cuantas combinaciones posibles se puede
tener en relacin a los operadores de equipos?

Ejemplo:
Se necesitan instalar 5 bombillos de 45 vatios, 8 bombillos de 60
vatios y 4 bombillos de 100 vatios De cuntas maneras se pueden
colocar en una instalacin en serie?

Cuando tenemos la intencin de seleccionar r elementos de entre

n elementos diferentes, sin tomar en cuenta el orden, nos preocupan
en realidad las combinaciones posibles, ms que las permutaciones.
Es decir, cuando diferentes ordenamientos de los mismos
elementos cuentan por separado, tenemos un problema
de permutaciones, pero cuando los diferentes
ordenamientos de los mismos elementos no cuentan por
separado, nos enfrentamos a un problema de
combinaciones; en tal caso se aplica la regla siguiente:
Muchas calculadoras se disearon para evaluar
nCr. Es muy importante reconocer que, en la
aplicacin de la regla de las combinaciones, se
aplican las siguientes condiciones:
Debemos tener un total de n elementos
diferentes disponibles.
Debemos seleccionar r de los n elementos
(sin reemplazo).
Debemos considerar que los reacomodos de
tales elementos son los mismos.
 Distribuciones de probabilidad
Por lo general en la teora de probabilidades slo se toman en cuenta
ciertos aspectos particulares de los resultados de algn experimento. Por
ejemplo, cuando se estudia la produccin de equipos en gran escala,
puede interesar su durabilidad, pero no su precio; al examinar la
produccin en una empresa puede importar slo el nmero de artculos
defectuosos. Estos nmeros estn asociados con elementos al azar, es
decir, con variables aleatorias. Al estudiar estas variables, tambin es
indispensable establecer las distribuciones de probabilidad.
 Principales distribuciones de
probabilidad
Distribucin de probabilidad binomial
Distribucin de probabilidad de Poisson
Distribucin de probabilidad Normal
Distribucin de probabilidad binomial
Las distribuciones de probabilidad binomial son
importantes porque nos permiten enfrentar
circunstancias en las que los resultados
pertenecen a dos categoras relevantes, tales
como productos aceptables/defectuosos o
respuestas s/no a una pregunta de encuesta.
En una distribucin binomial, las probabilidades
pueden calcularse con el uso de la frmula de la
probabilidad binomial.
Ejemplo:
Aplique la frmula de la probabilidad binomial para
calcular la probabilidad de tener exactamente tres
respuestas correctas, cuando se adivina al azar en las
cuatro preguntas de opcin mltiple. Esto es, calcule
P(3), siendo que n = 4, x = 3,

Distribucin de Poisson
La distribucin de Poisson representa la
probabilidad de que un evento aislado ocurra un
nmero especfico de veces en un intervalo de
tiempo o espacio dado. La ocurrencia de eventos slo
se ver afectada por la casualidad o por el azar; por lo
tanto, la posicin de un evento no servir para predecir la
localizacin de cualquier otro evento especfico. Adems,
los datos acerca de un intervalo de tiempo o espacio
tampoco facilitan la prediccin del nmero de eventos que
se presentarn en otro evento.
Distribucin de Poisson: distribucin de probabilidad
discreta que se aplica a las ocurrencias de algn suceso
durante un intervalo especfico. La variable aleatoria x es el
nmero de ocurrencias de un suceso en un intervalo. El
intervalo puede ser tiempo, distancia, rea, volumen o
alguna unidad similar.
Un experimento de Poisson tiene las siguientes
caractersticas.
a) El nmero de resultados que ocurren en un intervalo
de tiempo o espacio, es independiente del nmero
que se tiene en cualquier otro intervalo.
b) La probabilidad de que un solo resultado ocurra
durante un lapso muy corto o en una pequea regin,
es proporcional a la magnitud del intervalo de tiempo
o espacio, y no depende del nmero de resultados que
se produzcan fuera del intervalo considerado.
c) La probabilidad de que ocurra ms de un resultado en
ese breve lapso o de que caiga en un pequeo espacio
resulta despreciable.
La distribucin de Poisson difiere de una distribucin
binomial en estas formas fundamentales:
La distribucin binomial se afecta por el tamao de
la muestra n y la probabilidad p, mientras que la
distribucin de Poisson slo se afecta por la media
m.
En una distribucin binomial, los valores posibles de
la variable aleatoria x son 0, 1, . . . , n, pero los valores
posibles x de una distribucin de Poisson son 0, 1, 2,
. . . , sin lmite superior.
Ejemplos:
La contaminacin constituye un problema en la
fabricacin de discos de almacenamiento ptico.
El nmero de partculas de contaminacin que
ocurre en un disco ptico tiene una distribucin
de Poisson y el nmero promedio de partculas
por centmetro cuadrado de superficie del disco
es 0.1. El rea de un disco bajo estudio es 100
centmetros cuadrados.
Encuentre la probabilidad de que ocurran 12
partculas en el rea del disco bajo estudio.
La probabilidad de que ocurran cero partculas
en el rea del disco bajo estudio
Determine la probabilidad de que 6 o menos
partculas ocurran en el rea del disco bajo
estudio
Distribucin de probabilidad normal

Las caratersticas de la Distribucin Normal son las siguientes:

La curva es simtrica con recpecto a la recta x = u. Se suele
decir que es simtrica respecto a la media.
La distribucin depende de la media y de la desviacin estndar.
Esto es muy importante, ya que podemos comparar
poblaciones o muestras, comparado sus medias y sus
desviaciones estndar.
En el caso dos poblaciones con desviaciones iguales, pero medias
diferentes, las dos curvas son de forma idntica, pero estn
centradas en distintas posiciones sobre una recta horizontal
 En el caso de dos poblaciones con desviaciones
diferentes, y las medias iguales; las curvas estn
centradas en la misma posicin, pero una de ellas es
ms achatada y extendida que la otra. La que tiene
mayor desviacin es la ms achatada y extendida.
 En el caso de dos poblaciones con desviaciones y medias
diferentes, las curvas estn centradas en posiciones
deferentes y una de ellas es ms achatada y extendida que la
otra. La que tiene mayor desviacin, es la ms achatada y
extendida.

Por la simtrica de la curva, el rea de la regin bajo la

curva en el intervalo (, 0), es igual a 0,5; que
corresponde a E(x 0) = 0,5. Igual en el intervalo (0,).
Se suele decir que del lado izquierdo de la media se
encuentra el 50% de los datos, as como del lado
derecho; tambin se puede mencionar que la
probabilidad del lado izquierdo o derecho de la media
es de 0,5. En definitiva el rea total bajo la curva es igual
a 1.
El clculo de reas bajo la curva, utilizando la
definicin,

resulta muy tedioso, por lo que es

conveniente aplicar una tabla estandarizada,
convirtiendo los valores de la variable
aleatoria X en valores Z, a travs de la
frmula
Ejemplo:
Una mquina que expende bebidas en vasos esta calibrada
de modo que descarga el producto con un promedio de
250 mililitros por vaso. Si la cantidad de lquido est
distribuida normalmente con una desviacin estndar de
14 mililitros.
Qu porcentaje de vasos contendr menos de 240 ml?
Qu porcentaje de vasos contendr ms de 256 ml?
Qu porcentaje de vasos contendr entre 240 y 256
ml?
Si se usan vasos de 240 ml, cuntos de los siguientes
500 vasos, se derramarn?
Bajo qu valor estar el 30% de los vasos con menos
contenido?
Bajo qu valores est el 50% de los valores centrales?
 Ejercicios:
El jefe de recursos humanos de una empresa realiza un test de
diez tems a los aspirantes a un puesto, teniendo en cada tems
cuatro posibles respuestas, de las que slo una es correcta.
Suponiendo que los aspirantes teniendo la misma probabilidad de
responder. Se pide hallar las probabilidades para el aspirante:
Conteste todos los tems mal
Conteste al menos cuatro tems bien
Conteste entre cuatro y seis tems bien
Conteste todos los tems bien
Conteste menos de tres tems bien

Para El tiempo empleado, en horas, en hacer un determinado

producto sigue una distribucin N(10, 2) . Se pide la probabilidad
de que ese producto se tarde en hacer:
Menos de 7 horas
Entre 8 y 13 horas
 Una agencia ofrece un premio entre los
distribuidores si venden trescientos veinte o
ms paquetes de viajes por da. Sabiendo que
el nmero de paquetes de viajes vendidos al
da por los distribuidores A y B siguen una ley
normal de la forma siguiente:

Porcentaje de los das que obtendr premio el

distribuidor A
Porcentaje de los das que obtendr premio el
distribuidor B
A qu distribuidor beneficia la decisin de la
agencia