You are on page 1of 8

TEMA 3.

- DISTRIBUCIONES DE PROBABILIDAD
3.1 EXPERIMENTOS Y SUCESOS ALEATORIOS Existen dos tipos de experimentos: deterministas y aleatorios. El primero es aquel del que se puede predecir el resultado siempre que se realice en las mismas condiciones. Por ejemplo, si lanzamos una piedra desde una ventana podemos predecir el tiempo que tardará dicho objeto en caer conociendo ciertos datos. Por el contrario, el experimento aleatorio es aquel que del que no se puede predecir el resultado aunque se realice en las mismas condiciones, como por ejemplo, lanzar al aire una moneda o sacar una bola de una urna en la que hay varias. Los posibles resultados de un experimento aleatorio reciben el nombre de sucesos aleatorios y se clasifican en elementales y compuestos. Los primeros son aquellos que no se pueden descomponer en sucesos más simples mientras que los se undos son los que están formados por más de un suceso elemental. Espacio muestral es el conjunto formado por todos los sucesos elementales. !ambi"n se denominan suceso se uro, puesto que ocurre siempre que se realiza el experimento y, eneralmente, lo representamos por la letra rie a Ω . El suceso imposible es aquel que no ocurre nunca y se representa usando la misma letra que para el conjunto vac#o φ . E$E%PL&' () Exp. *leatorio + Lanzar una moneda 'ucesos: 'al a cara ,-) o que sal a cruz ,.). Ω = { C, F} 'uceso imposible: que sal a un /. 0) Exp. *leatorio + Lanzo un dado. Ω = { (, 0,1, 2,3, /} *l 4n suceso elemental: * 5 6sal a /7 5 8/9 *l 4n suceso compuesto: : 5 6sal a un n4mero par 5 80,2,/9 1) Lanzar una moneda Ω = { CCC , CCF , CFC , CFF , FCC , FCF , FFC , FFF } 'uceso compuesto: 6que al menos uno sea cara7 5 8---,--.,-.-,-..,.--,.-.,..-9 2) -onstruir el espacio muestral del lanzamiento de dos dados... 3.2. OPERACIONES CON SUCESOS ;tilizando los dia ramas de <enn, el suceso se uro Ω lo representaremos como un rectán ulo y los demás sucesos por medio de c#rculos. Los puntos interiores del circulo constituirán los sucesos *= y c los exteriores forman el sucesos contrario o complementario A > A

(

)


*c *

intersección + e' c%".'e"ent!ri% )e c!)! . ) se llaman incompatibles.n% )e '%s n-"er%s es .tambi"n se puede leer * > :). *& Si A 0 1!' "en%s . y se representa A ∩ B .n% )e e''%s . Descri*e e' es.tambi"n se puede leer * y :). y se representa A ∪ B como el suceso consistente en que se cumpla al menos uno de los dos.nión )e !"*%s s. el conjunto de sucesos elementales que están en * o en : .e '% %r"!n. como el suceso consistente en que se cumplen ambos sucesos a la vez .estr!' in)ic!n)% e' n-"er% )e s.ces%s e'e"ent!'es /."! )e '%s n-"er%s es "-'ti. es decir. tambi"n se cumple A ∪ B si se cumplen los dos a la vez. Di erenci! si"#tric!: 'e define la diferencia sim"trica de * y :.Unión: ?ados dos sucesos * y :. En caso Di erenci!: ?ados dos sucesos * y :. E$ercici% !& Se '!n(!n )%s )!)%s s%*re '! "es! + se !n%t! e' . se define el suceso diferencia A − B como aquel que consiste en que se cumpla * pero no :. Intersección: ?ados dos sucesos * y :.son los sucesos elementales que pertenecen al suceso * y tambi"n al suceso :) ?os sucesos cuya intersecci>n es el suceso imposible ( φ contrario los sucesos son compatibles.'! '! .ces%s3 s.'% )e tres23 c!'c. y se representa A∆ B como el conjunto de los elementos que está en * y no en : > que está en : y no en *. se define el suceso * uni>n : .y por tanto.!r )e n-"er%s %*teni)%. se define el suceso * intersecci>n : .!r2 + B 0 1'! s.!ci% ".

marqu"s de Laplace . !ambi"n podemos expresar estas probabilidades probabilidad de acierto es P .(/32 B (CD3) enunci> la Ley de los n4meros randes: 6la frecuencia relativa de un suceso tiende a estabilizarse entorno a un n4mero. Llamamos frecuencia relativa hA al cociente hA = A . A) = (DDD en porcentajes . E$E%PL& a) 'i un ju ador de baloncesto lanza (DDD tiros libres de los cuales encesta 30E. a medida que el n4mero de pruebas del experimento crece indefinidamente7.EF) b) 'i de 3DD personas consultadas. oyen la radio 103 personas.3. A) = casos favorables a * total de casos posibles . /3 de oir la radio es 3DD &bservaci>n La probabilidad será siempre un n4mero comprendido entre D y (. decimos que la 30E = D. PROBABILIDAD DE UN SUCESO 'ea un experimento aleatorio con un espacio muestral Ω . que relacionan la uni>n y la intersecci>n de sucesos con los complementarios: ( A ∪ B) c = Ac ∩ B c y ( A ∩ B) c = Ac ∪ B c 3. La re la de Laplace dice: 6La probabilidad de un suceso *. son muy importantes las leyes conocidas como Leyes de ?e %or an. ?efinici>n frecuentista: supon amos que el experimento se repite @ veces. Llamamos frecuencia absoluta f A del suceso * al n4mero de veces que ha f ocurrido *. * este n4mero se le llama probabilidad de un suceso.Propiedades A∪ Ω = Ω A∪ φ = A A∪ A = Ω c A∩ Ω = A A∩ φ = φ A∩ A = φ c Ωc=φ φc= Ω *demás. N El matemático suizo $aAob :ernoulli . podemos decir que la probabilidad 103 = D. 30E .30.(C2GH(E0C) que fue un astr>nomo y matemático franc"s. ?efinici>n de Laplace: La primera definici>n de probabilidad se debe a Pierre 'imon. se obtiene dividiendo el n4mero de casos favorables a * entre el n4mero total de casos posibles7 P . 'ea * un suceso de dicho experimento.

A) + P . . AK ) iv) P . Ac ) = ( − P .4 5ARIABLES ALEATORIAS @ormalmente o en muchos casos los resultados posibles de un experimento aleatorio no suelen ser definidos num"ricamente.. A0 . .*) 5 (DI2D 5 (I2 5 D... . *leatorio + Lanzar un dado 'ucesos: * 5 6sacar un 27 : 5 6sacar un n4mero par7 P. A ∪ B ) = P .φ ) = D iii)'i A( . + P . A) ii) P . B ) i) P .(GD1H(GEE) y se basa en las propiedades de la frecuencia relativa.Ω ) = ( P. .03 Para esta definici>n tambi"n ocurre que D ≤ P ..-.-. A) ≤ ( . A0 ) + .*) que verifica las si uientes propiedades A() D ≤ P ... A( ) + P . ?efinici>n axiomática de Probabilidad: se debe al matemático ruso *ndrei Kolmo orov . -..E$E%PL&' () Exp. *notamos el n4mero de caras que obtenemos: . -. A( ∪ A0 ∪ . A ∪ B ) = P .*) 5 (I/ 0) 'acar una carta de una baraja espaJola. 'e llama probabilidad a la funci>n que a cada suceso le hace corresponder un n4mero real P... . A) ≤ ( A0) P .. ∪ AK ) = P .en los casos convenientes) la re la de Laplace para asi nar probabildades. A) + P . B ) − P . .. 3. . Lesulta interesante desde el punto de vista matemático asociar valores num"ricos a los resultados. .... 'uceso: * 5 6sacar un oro7 P.:) 5 1I/ 5 (I0 A1) 'i dos sucesos son incompatibles ( A ∩ B = φ -onsecuencias ) entonces P . A ∩ B ) v)Podemos usar . AK son incompatibles entonces: P . -onsideremos el experimento aleatorio de lanzar tres monedas al aire y describamos el espacio muestral: ----.

( caras) 5 1 E ( E P .--..... + ( .+ ( .. 19.. •-ontinuas: cuando los valores del recorrido pertenecen a un intervalo de la recta real. (.+ 0 -. la funci>n de probabilidad asocia a cada valor de la variable un n4mero real entre D y ( que es el que le hace corresponde la probabilidad de que ocurra dicho suceso. <ariable aleatoria Es una funci>n que a cada elemento del espacio muestral de un experimento aleatorio le asocia un n4mero real: Ω ¡ ----. Las variables aleatorias cobran sentido cuando asociamos a cada valor de su recorrido la probabilidad de que sal a ese valor y la ley que relaciona los valores del recorrido con su probabilidad se llama funci>n de probabilidad o funci>n de densidad de la variable aleatoria.-.1 caras) 5 'i M es una variable aleatoria discreta que puede tomar los valores x( ..M51) 5 P .+ 1 --. D ( 0 1 'e llama recorrido de la variable aleatoria al conjunto de valores reales que puede tomar dicha variable.-..como en el ejemplo anterior). + ( . 'e 4n sean los valores que toman las variables aleatorias estas pueden clasificarse en: •?iscretas: cuando su recorrido esta formado por puntos aislados . -..0 caras) 5 P . xn con probabilidades .. En el caso de las variables aleatorias discretas. x0 . En el ejemplo el recorrido ser#a: 8D.M50) 5 P . 0.. + 0 -.-.M5() 5 P ... En el ejemplo anterior: P . + D Esta forma de relacionar posibles resultados de experimentos aleatorios con n4meros reales mediante funciones se consi ue con variables aleatorias.+ 0 .D caras) 5 ( E 1 E P . .M5D) 5 P .

%n)iente ! '! s.H() 5 D = .. X = () + P ...nción )e )istri*. xn 9 'e define la . C!'c. + P .respectivas P.. X = x0 ) + . x0 . X = () = ( 0 . X = D) + P .discreta) para M..M5 x0 ). X ≤ () = P . xi ) . Opodemos calcular cuál será la probabilidad P. ...sacar a lo sumo xi )P.r%*!*i'i)!) + '! .M5 xn ) de manera que P. X = D) = ( 1 2 + = E E E ( E .... P.. 'ea M una variable aleatoria discreta que toma n valores distintos.3) 5 .  N .x). X = xi ) .M5 xn ) 5 (.. xn están ordenados de menor a mayor. X ≤ xi ) = P .. xi ) D ( E ( E ( 1 E 2 E 0 1 E C E 1 ( E ( *s# que.N P. ( 1 1 C + + = E E E E La funci>n de distribuci>n no es más que la distribuci>n de probabilidad acumulada.ción que representamos por . x0 .(. La definici>n de funci>n de distribuci>n aprovechará justo este cálculo de probabilidades.M5 x( )NP. como la funci>n dada por F . X = D) + P .. Las probabilidades son idealizaciones de las frecuencias relativas. X = x( ) + P . 'i estos valores x( .. X ≤ xi ) ... X ≤ 0) = P . X = 0) = . diremos que tenemos definida una distribuci>n de probabilidad .. x) = P .M5 x( ).4 PAR8METROS DE LAS DISTRIBUCIONES DE PROBABILIDAD DISCRETA...0) 5 P . En efecto. P. X ≤ x) En nuestro ejemplo xi f. P .!ci%nes %*teni)!s en e' '!n(!"ient%.'! '! ....nt.eri"ent% !'e!t%ri% )e '!n(!r )%s )!)%s + '! 7!ri!*'e !'e!t%ri! c%rres."! )e '!s ..M5 x0 )N. X ≤ D) = P . como ya vimos en la definici>n  f  frecuentista de probabilidad  i  .() 5 P .. E$ercici% C%nsi)er!"%s e' e6.nción )e .D) 5 P .nción )e )istri*.ción 3. y cuyo recorrido es 8 x( ..

.Por tanto podemos definir unos conceptos análo os a los que ten#amos en el caso de las variables estad#sticas y que nos permitan definir en cierto sentido el comportamiento de la variable aleatoria.. varianza y desviaci>n t#pica de la misma forma que en los temas anteriores: 'e define la media de una variable aleatoria. + pn xn = 'e define la varianza como: ∑ i pi xi σ 0 = ( p( x(0 + p0 x0 0 + . . + pn ( xn − µ ) 0 = ∑ i pi . *s#. podemos definir los parámetros media. x( − µ ) 0 + p0 ( x0 − µ ) 0 + . y se representa con el s#mbolo µ como: µ = p( x( + p0 x0 + ... xi − µ ) 0 La desviaci>n t#pica se definirá como la ra#z cuadrada de la varianza... + pn xn 0 ) − µ 0 = o dicho de otra forma: ∑ i pi xi 0 − µ 0 σ 0 = p( .

b) apruebe el práctico pero no el te>rico. S( ∩ S 0 ) . 2 .na urna contiene 3 bolas blancas. 'e lanza una moneda= si sale cara. A − B ) . sortean. 1 rojas y 0 verdes. S( ∪ S 0 ) G. el recorrido de dicha variable. P. -alcula: P . P .H *na. Raz una tabla con la funci>n de probabilidad y calcula la funci>n de distribuci>n asociada. B ) . el orden en que van a entrar. B ) .H . A ∪ B ) = D.H Efectuamos dos extracciones con reposici>n en una urna que contiene cinco bolas numeradas del ( al 3.H . 'e eli e un alumno al azar. y la probabilidad de sacar una carta que no sea ni rey ni bastos es D. -alcula: P . S( ) .H En una bolsa hay seis caramelos de naranja y cuatro de lim>n. 1. A ∩ B ) . P . -alcula la probabilidad de que la bola extra#da sea: a) la que lleva el n4mero 3 b) la que lleva el n4mero E c) lleve un n4mero par. A) . P . Ac ∪ B c ) = D./.1. P . P .E . -alcula la probabilidad de obtener cara y de obtener cruz al lanzar dicha moneda. A ∪ B) . al azar. C . 'e extraen dos caramelos. C. 'ean los sucesos S( : 6la mujer entra antes que al uno de los hombres7 y S 0 : 6los dos hombres entran consecutivamente7 -alcula las probabilidades si uientes: P . A) = D. 2. P . se extrae una moneda de la urna :. P . $uan y La4l. -alcula la probabilidad de que: a) apruebe el examen te>rico. y el 3DF no aprueba el práctico. E. S 0 ) . 'e hacen dos extracciones sin reemplazamiento y se anota el n4mero de bolas rojas extra#das.(3.H 'ean * y : dos sucesos del mismo espacio muestral tales que P .H En el experimento aleatorio de lanzar una moneda tres veces se consideran los sucesos: *: 6sacar al menos una cara y una cruz7= ::7sacar a lo sumo una cara7. 0. Qndicar la variable aleatoria asociada a dicho experimento. se extra una bola de la urna *.RELACI9N DE E:ERCICIOS (. El E3F de los que se presentan aprueban al uno de los dos= el 2DF aprueba los dos. la funci>n de probabilidad y la funci>n de distribuci>n asociadas a esa variable aleatoria.H . ((. Entre las que quedan. P . la probabilidad de sacar una carta de bastos es D. (D. B − A) . que están esperando para realizar una consulta m"dica. se tiene que la probabilidad de sacar un rey es D. O-uál es la probabilidad de que la suma de los n4meros sea i ual a 2P 3. P . y si sale cruz. A ∩ B) .H ?e una baraja espaJola hemos quitado al unas cartas. P. -alcula la probabilidad de que todos sean del mismo usto si se realiza la extracci>n: a) con reposici>n= b) sin reposici>n.n rupo de alumnos hace dos exámenes el mismo d#a= uno te>rico y otro práctico.H 'acamos dos cartas de una baraja y anotamos el n4mero de ases obtenidos.na moneda está trucada de manera que la probabilidad de obtener cara es triple que la probabilidad de obtener cruz.H En una urna * hay 3 bolas numeradas del ( al 3 y en otra urna : hay 2 bolas numeradas del / al G. . OEstá entre ellas el rey de bastosP /.