Scribd Logo
Upload

Welcome to Scribd!

  • Capítulo 5 - Probabilidades

    Uploaded by

    Chemo Dsb
    26 views18 pages

    Original Title

    8. Capítulo 5 - Probabilidades

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    26 views18 pages

    Capítulo 5 - Probabilidades

    Uploaded by

    Chemo Dsb

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 18
    APUNTES DE ESTUDIO 5 PROBABILIDADES En capitulos anteriores se han estudiado la organizaci6n, la presentacién y el resumen de un Conjunto de observaciones poblacionales o muestrales. Asimismo, se han estudiado algunos procedimientos para el calculo de medidas estadisticas como, por ejemplo, la media aritmética. Durante toda investigacién estadistica en la que se utilizan muestras aleatorias, siempre se busca que las estimaciones realizadas sean precisas y confiables; es decir, se busca que estén proximas a los valores desconocidos de los parametros que pretenden estimarse y que tales aproximaciones sean representativas del comportamiento de los datos u observaciones de la poblacion desconocida. ‘La estadistica, como una ciencia que ayuda en la toma de decisiones, debe evaluar la confiabilidad y riesgos existentes en todo proceso de estimaci6n. Esto es posible gracias a la teoria de probabilidades, _base de la teoria estadistica, que permite generar indicadores de confiabilidad o riesgo. Para facilitar la ‘comprensién de los conceptos de probabilidades es conveniente revisar las técnicas de conteo 0 técnicas del andlisis combinatorio, es por esto que a continuacién se desarrollan y explican dichas técnicas, 5.1 TECNICAS DE CONTEO 0 DEL ANALISIS COMBINATORIO Comprenden un conjunto de procedimientos que permiten determinar el némero de resultados de un suceso o experimento sin necesidad de utilizar una enumeracién e identificacién directa de todos los posibles resultados de dicho suceso o experimento. El andlisis combinatorio esta basado en dos principios basicos: el de adicién y el de multiplicacién. 203 204 5.1.1 PRINCIPIO DE ADICION Dados B, el ntimero de resultados posibles en que puede ocurrir el suceso Ao el suceso H(A) + n(B) — n(ANB) (5.1) donde: nA) = Numero de maneras en que puede ocurrir el suceso A n(B) = Ntimero de maneras en que puede ocurrir el suceso B MAN) = Nimero de maneras en que pueden ocurrir los sucesos A y B, simulténeamente Este principio se puede extender 2 més de dos sucesos. Asi, si se tienen tres sucesos, A, B y C, la cantidad de formas de ocurrencia del suceso A, del suceso B 0 del suceso C es igual a la siguiente expresion n(AUBUC) = n(A) + n(B) + n(C) = (ANB) = (ANC) - n(BNC) + n(ANBNC) (5.2) En forma general, para K sucesos, A,, A, Ay, ..., Ay, la cantidad de formas de ocurrencia de los sucesos A, 0A, 0A, ... 0A, esta dada por: (kK. )_K KK nlA,UA2UA3U..UAK o{Uas | ZntA) ¥ Slay NA) (5.3) a tj e \K-, FES YP nA MA(MAm)— + C1 IANA 2MASN.-NAK) lets em Ejemplo 5.1 Suponga que un articulo es comercializado por las empresas T y W. La empresa T tiene 3 tiendas y la empresa W tiene 6 tiendas, a través de las cuales se vende dicho articulo. {De cuantas maneras diferentes puede un cliente comprar el articulo? Solucién Si se definen los sucesos: El cliente compra el articulo en la empresa T } El cliente compra el articulo en la empresa W } luego, el nimero de maneras diferentes en que un cliente puede comprar un articulo es: AUB) = (A) + n(B) — n(ANB) - oo 0 = 9. APUNTES DE ESTUDIO —___ En este caso, mANB) = 0, pues se asume que un cliente no puede comprar “el articulo” simultaneamente a las empresas T y W. 5.1.2 PRINCIPIO DE MULTIPLICACION Dados los sucesos A, A,, Ay, .... A, Si el suceso A, puede ocurrir de rA,) maneras diferentes; y luego de ocurrir A,, puede ocurrir otro suceso A, de nA.) maneras diferentes; y luego de ocurrir A,, puede ocurtir el suceso A, de n(A,) maneras diferentes, y asi sucesivamente; entonces el niimero de maneras en que pueden ocurrir consecutivamente los sucesos A, A,, As, ... A, es dado por: MAALDA,DASAAy) = M4A,) 10A,) 1A.) .-. mA) (6.4) Ejemplo 5.2 Suponga que un cliente ingresa a una tienda para adquirir un pantalén y una camisa. Un vendedor le muestra 6 pantalones y 8 camisas diferentes. ;De cudntas maneras diferentes puede el cliente efectuar su compra? Solucién Si se definen los sucesos: A= (El cliente compra un pantalén } B = (El cliente compra una camisa } 205 luego, el nimero de maneras diferentes en que un cliente puede efectuar su compra es: '6)(8) 1{AMB) = nA) « (8. 48 5.1.3 PERMUTACIONES — Una permutacién de un conjunto de “k" elementos diferentes es una disposicién de tales elementos de acuerdo con un orden definido. El numero de permutaciones de “R” elementos dos “k” cada vez (de k en k), donde k < R, es dado por: RAR = 1).(R-2).-(2).) (5.5) Ejemplo 5.3 Un grupo de 7 personas debe participar en una serie de charlas que se llevardn a cabo en dos dias sucesivos. En el primer dia deben participar 3 personas y en el segundo dia, las 4 personas restantes. ;De cudntas maneras diferentes se pueden organizar las charlas del primer dia? 7! 7.6.5.4! 7 Gal (7(6\(5)= 210 5.1.4 COMBINACIONES 2 Una combinacién de “k” elementos diferentes tomados de un conjunto de “R” elementos diferentes, donde k < R, es una seleccién de tales elementos sin tener en cuenta su orden, es decir, es un subconjunto de “k" elementos. El néimero de combinaciones o subconjuntos que se pueden formar con los “R" elementos tomados “k” cada vez (de k en k) est dado por: 206 = PROBABILIDADES R cp a(R)-__ RY _ 5.6 ' ( ) R-K)EK! Qo) Ejemplo 5.4 Un grupo de 7 personas debe participar en una serie de charlas que se llevarén a cabo en dos dias sucesivos. En el primer dia deben participar 3 personas y en el segundo dia, las 4 personas restantes. {De cudntas maneras diferentes se puede elegir a las personas que deben participar el primer dia? or(3}= Teor SS 7-3 St at 3.227 5.1.5 PERMUTACIONES DE ELEMENTOS SEMEJANTES 0 PERMUTACIONES CON REPETICIONES Si se tiene un conjunto de “R” elementos con el que se puede formar “K” grupos de tal manera _gue el grupo T contenga Rj elementos iguales, el grupo 2 contenga Rp elementos iguales, y asi “sucesivamente, hasta el grupo K que contenga R, elementos iguales, siendo R=R,+R, +R, +. +R,; entonces, el numero de permutaciones 0 disposiciones distinguibles que se ‘pueden formar con los “R" es dado por: (7¥5)= 35, Pe a 57 be R,ERLER3! = Ry ey Ejemplo 5.5 {Cuantas palabras diferentes se pueden formar con las letras de la palabra ‘econémico’? Palabra ECONOMICO (9 letras, R = 9) Letras Frecuencia E 1 c e ° 3 N 1 M 1 ' 1 R “Wa 5.1.6 LAS TECNICAS DE CONTEO Y EL MUESTREO ALEATORIO SIMPLE EI procedimiento més simple de muestreo aleatorio que se puede aplicar a una poblacién de tamafio “N" se denomina “muestreo aleatorio simple” 0 “muestreo irrestricto aleatorio”. Este método de seleccién de muestras se puede realizar de dos formas: con reemplazo o sin reemplazo. Por otro lado, la forma de seleccidn sin reemplazo puede hacerse con interés en el orden o sin interés en el orden. \ En la forma de seleccién sin reemplazo sin interés en el orden (MSRSO), se supone que los “n’ _clegidos y n ee ee 7 Un muestreo o forma de seleccién con reemplazo, con sustitucién o con reposicién (MCR), consiste en seleccionar los “n" elementos de una poblacién conformada por “N" elementos (el tamafio de muestra es “n” y este debe ser menor 0 igual a “N”), uno tras otro, considerando que para cada seleccién siempre se puede elegir entre los “N" elementos que conforman la poblacién; es decir, un elemento elegido en una seleccién debe ser devuelto a la poblacién de donde se seleccioné antes de elegir el siguiente elemento que conformara la muestra. Entonces, en forma general, la cantidad de muestras aleatorias posibles que se pueden obtener con el método de seleccién con reemplazo, aplicando el principio de multiplicacién de las técnicas de conteo, es N". Esto se explica en el siguiente diagrama. Seleccién > 1 2 a ab n Casos posibles > N N N fooee N Por el principio de multiplicacién, el N° total de muestras posibles es N.N.N ...N = N°. La forma de seleccién sin reemplazo con interés en el orden (MSRCO) consiste en seleccionar “n’ ‘elementos (n (20)*= 3,200,000 \ 207 oe ___ PROBABILIDADES : 20! Sin reemplazo con interés en el orden > P= =1 860,48 : > “(20-5 ° Sin reemplazo sin interés en el orden.....-» C2 aay 5,504 5.2 PROBABILIDAD Es un némero real que mide la incertidumbre que se tiene acerca de la ocurrencia de un suceso 0 _evento, cuyo resultado no se puede predecir con certeza. Una probabilidad se utiliza para expresar una confianza (o riesgo) acerca de la ocurrencia de un suceso. Para definir formalmente el concepto de probabilidad, es necesario tener en cuenta algunas definiciones basicas importantes como las de experimento aleatorio, espacio muestral, clases de espacios muestrales, punto muestral y evento. 5.2.1 CONCEPTOS BASICOS 5.2.1.1 Experimento aleatorio (E) Un experimento aleatorio E es una operacién cuyo resultado no se puede determinar con certeza y que se realiza bajo las siguientes condiciones: 208 1)_Puede ser repetido bajo las mismas condiciones. 2)_Se puede describir el conjunto de resultados posibles. 3)_ Se puede establecer un modelo matematico asociado a E Ejemplos: E,: Lanzamiento de una moneda corriente, dos veces. E,: Lanzamiento de un dado corriente hasta obtener el numero seis. E,: Observacién del tiempo empleado en la fabricacién de una unidad de un articulo. E,: Seleccionar al azar, sin reemplazo y sin interés en el orden, dos contribuyentes de un total de siete. Cada uno de los cuatro experimentos puede repetirse bajo iguales condiciones. Ademas, en cada uno de ellos no se puede determinar con certeza cudl es el resultado que ocurrird, pero si es posible describir el respectivo conjunto de resultados posibles. Asi, para E, se tiene el conjunto de resultados posibles ((c,c), (c,s), (s,c), (s,s)}, donde “c” es cara y “s” es sello. Los resultados posibles son pares ordenados, donde el primer elemento del par corresponde al resultado del primer lanzamiento, y el segundo elemento del par corresponde al resultado del segundo lanzamiento. Por otro lado, el nimero de resultados posibles de E, se obtiene aplicando el principio de multiplicacion de las técnicas de conteo. Para cada lanzamiento hay dos resultados posibles WT APUNTES DE ESTUDIO; (cara y sello); por lo tanto, la cantidad total de resultados posibles para los dos lanzamientos es 2x2=4. Para E,, el conjunto de resultados posibles puede ser descrito de la siguiente manera: {S, (NS, S), (NS, NS, $), (NS, NS, NS, S), (NS, NS, NS, NS, $), En este conjunto, “S" es el numero 6 y “NS" representa un nuimero diferente de 6. Para el experimento E,, el conjunto de resultados posibles puede ser descrito por medio de! conjunto (t/ t> 0, te R}. En este conjunto, “t” representa el tiempo, digamos en minutos. En relacién con el experimento E,, si los contribuyentes se identifican con los némeros 1, 2, 3, 4, 5, 6 y 7, respectivamente, entonces el conjunto de resultados posibles es (1,2), (1,3), (1,4), (1,5), (1,6), (1,7), (2,3), (2,4, (2,5), (2,6), (2,7), (3,4), (3,5), (3,6), (3,7), (4,5), (4,6), (4,7), (5,6), (5,7), (6,7)}. La cantidad total de resultados posibles es 21. Esta cantidad se obtiene mediante la combinatoria de 7 tomados de dos en dos. Sobre el modelo matemético, la explicacién se dara mas adelante, cuando se trate el tema de variables aleatorias y distribuciones. 5.2.1.2 Espacio muestral (©) 209 Es el conjunto de todos los resultados posibles de un experimento aleatorio. Asi, 1os conjuntos de resultados posibles de los experimentos aleatorios E,, E, y E,, establecidos anteriormente, se pueden denotar, respectivamente, por: 2, = (0), (€,8), (5,0), (5,8)} 2, = {S, (NS, 8), (NS, NS, 8), (NS, NS, NS, 8), ..} Q,=(t/t>0,teR) Q,= (1,2), (1,3), (1,4), (1,5), (1,6), (1,7), (2,3), (2,4), (2,5), (2,6), (2,7), (3,4), (3,5), (3,6), (3,7), (4,5), (4,6), (4,7), (5,6), (5,7), (6,7) 5.2.1.3 Tipos de espacios muestrales a)_Espacios muestrales finitos Son aquellos conformados por una cantidad definida de elementos. Por ejemplo, 2, y ©, son espacios muestrales finitos. El primero tiene 4 elementos y el segundo tiene 21 elementos 0 puntos muestrales. 210 ________PROBABILIDADES b)_ Espacios muestrales infinitos Son aquellos conformados por un numero infinito de elementos. Pueden a su vez ser clasificados en: infinitos numerables e infinitos no numerables. b.1) Espacios muestrales infinitos numerables ‘Son aquellos espacios en los que cada elemento de Q (cada resultado posible de un experimento aleatorio E) es posible asociarlo a un numero natural. Por ejemplo, para el espacio muestral 2, que estd asociado a E,, se tiene una cantidad infinita de elementos, pero estos elementos se pueden enumerar 0 poner en correspondencia uno a uno con los numeros naturales. Asi, “S” es el resultado posible 1 0 elemento 1 de ©; (NS, 8), es el resultado posible 2; (NS, NS, S), es el resultado posible 3; (NS, NS, NS, S) puede ser identificado como el resultado posible 4; y asi sucesivamente. Por Io tanto, ©, es un espacio muestral infinito numerable. b.2)_Espacios muestrales infinitos no numerables. Son aquellos espacios cuyos elementos no pueden ser enumerados 0 asociados con los_nimeros naturales. Por ejemplo, el espacio muestral ©, que esta asociado al experimento aleatorio E,, es un conjunto que est formado por todos los niimeros reales mayores de cero. Este conjunto es infinito, pero sus elementos no pueden ser enumerados. Existe otra clasificacién de los espacios muestrales; segin esta clasificacién, los espacios muestrales pueden ser discretos 0 continuos. Los espacios muestrales discretos pueden ser finitos Q infinitos numerables, pero, en general, son espacios muestrales numerables. Los espacios muestrales continuos son los infinitos no numerables. 5.2.1.4 Punto muestral ( 0; ) Un punto muestral es cualquier elemento particular de un espacio muestral Q. Si = {0,, 0,, 05, “2,0, J, entonces © tiene "n” elementos o puntos muestrales. Asi, considerando los experimentos aleatorios y los respectivos espacios muestrales dados anteriormente, Q, tiene cuatro puntos muestrales, ©, tiene una cantidad infinita numerable de puntos muestrales, ©, tiene una cantidad infinita no numerable de puntos muestrales y ©, tiene 21 puntos muestrales. 5.2.1.5 Evento -Es cualquier subconjunto de un espacio muestral ©. Los eventos se identifican, usualmente, mediante letras maydsculas. Por ejemplo, si se define el experimento aleatorio E = { Lanzamiento de dos dados }, su espacio muestral sera dado por 2 = { (xy) /xy = 1, 2, 3, 4, 5, 6 }, con lo cual se puede también definir diferentes eventos, tales como A y B, que se dan a continuacién suma de los resultados es menor de 4 } A A=l(xy)/xty <4) APUNTES DE ESTUDIO __ = (1,0), (1,2), (2,1) { suma de los resultados es mayor de 10 } (xy) /xty > 10} B ={ (5,6), (6,5), (6,6) } 5.3 DEFINICIONES DE PROBABILIDAD 5.3.1 DEFINICION CLASICA DE PROBABILIDAD Si un experimento aleatorio E tiene m(Q) resultados mutuamente excluyentes e igu ptobables y si.n(A) de tales resultados estén a favor de un evento A, entonces la probabilidad de ocurrencia del evento A esta dada po nA) PIAl=7 (a) (5.8) Debe tenerse en cuenta que para la aplicacién de esta definicién se requiere que el espacio _muestral sea finito. Por otro lado, los elementos que la conforman deben ser mutuamente excluyentes, es decir que dos o mas de los resultados posibles no pueden ocurrir simultneamente. Finalmente, los resultados deben ser “equiprobables”, esto es, todos tienen la misma probabilidad de ocurrencia. Por ejemplo, para el experimento aleatorio “Lanzamiento, por dos veces, de una moneda balanceada y corriente”, el espacio muestral correspondiente esta conformado por cuatro puntos muestrales o elementos, que son: (c,c), (c,s), (s,c) y (s,s). Siendo la moneda corriente, en un lado se tiene cara (c) y en el otro lado se tiene sello (s). Por otro lado, si la moneda es balanceada, cara y sello tienen la misma posibilidad de ocurrir; lo que también sucede con los cuatro resultados posibles. Por lo tanto, si se establece un evento tal como A={obtencién de una cara}={(c,s), (8,c)}, la probabilidad de ocurrencia de este evento esta determinado por: WA 2 3 pays 24) 2 = na 4 2 5.3.2 DEFINICION DE PROBABILIDAD A PARTIR DE FRECUENCIAS RELATIVAS Si un experimento aleatorio E se repite n veces bajo las mismas condiciones y n, resultados estén a favor de un evento A, la frecuencia relativa del evento es fr,=n,/ny la probabilidad del evento Aes igual a: P[A]=Limm fy = Lim (5.9) Este concepto es esencialmente tedrico. Bajo esta definicién es imposible tener exactamente el valor de la probabilidad de ocurrencia de un evento. Lo que se observa a través de las repeticiones del experimento es una tendencia hacia un valor. Ejemplo 5.7 Se define el experimento aleatorio E={ Lanzamiento de una moneda corriente J, y el evento A={ obtencién de cara }. jEs igual a 0.5 la probabilidad de A? En la definicion del experimento aleatorio no se establece que la moneda esta balanceada; por lo tanto, no se puede 211 212 decir que la probabilidad de ocurrencia de cara asi como la probabilidad de ocurrencia de sello es igual a 0.5. No es posible la aplicacién de la definicién clésica. Para determinar la probabilidad de ocurrencia de A, se debe lanzar repetidamente la moneda, muchas veces, hasta que se observe cierta regularidad en la aparicién de resultados 0 en las frecuencias relativas de ocurrencia. Asi, tenemos el siguiente cuadro: fr fr Fr fr oa fo] c 25 eo | 2250 | 4700]. 0.464 s 3/5 40 | 28/50 | 53/100 . | 0536 N 5 10 50. 100 500 En este cuadro se observa que desde el lanzamiento 100 la frecuencia relativa de ocurrencia de cara (y también, por supuesto, de sello) no cambia sustancialmente. Bajo esta situacién, se decide paralizar los tanzamientos en el numero 600 y, en esta repeticién, la frecuencia relativa de cara es 0.463; por lo tanto, la probabilidad de ocurrencia de cara es aproximadamente igual a 0.463. 5.3.3 DEFINICION AXIOMATICA DE PROBABILIDAD Sea E un experimento aleatorio, © su espacio muestral asociado y A un evento cualquiera de Q. Luego, la probabilidad de ocurrencia del evento A, PIA], debe satisfacer los siguientes axiomas: 1) PIA}=-0 2) PIALS 1 3) SiA,, Ay, Ay)» » A, Son k eventos definidos sobre el espacio muestral ©, tales que A, A, Vit i j= 1,2,3, -., k, entonces, ada |-Seta Con los dos primeros axiomas, se deduce que la probabilidad de ocurrencia de un evento A es un ntimero real entre cero y uno, es decir, 0 < P(A) < 1. Si A es un evento vacio o imposible, Su probabilidad de ocurrencia es igual a cero. Si A es igual a W, entonces hay certeza, y su probabilidad de ocurrencia es igual a uno. Si Azo y Az, entonces 0 < P(A) < 1 (K El tercer axioma es el concepto de eventos mutuamente excluyentes. Si las | > intersecciones de dos eventos diferentes son iguales al vacio, las intersecciones de eventos de mas de dos eventos diferentes también serén iguales al vacio. Por lo tanto, la probabilidad de la unién de los "k” eventos es igual a la suma de las probabilidades de los “K" eventos. APUNTES DE ESTUDIO 5.4 PROBABILIDAD DE LA UNION DE EVENTOS 5.4.1 DE DOS EVENTOS Si Ay B son dos eventos de un espacio muestral Q, entonces la probabilidad de que ocurra el evento A o de que ocurra el evento B es dada por: p[aus]=P [a] +P [B]-P [ans] (5.10) Demostracién Por el principio de adicién del andlisis combinatorio y la definicién clasica de probabilidad, se tiene: (AUB) _ n(A)+n(B)-n(A NB) Plausl= KQ) 7 (8) _ ANB) 7 m(Q) — n(Q) =P[A] + PLB] PIA NB] 5.4.2 DE TRES EVENTOS Si A, By C son tres eventos de un espacio muestral ©, entonces la probabilidad de que ocurra cualquiera de estos eventos es dada por: ors P[AUBUC] = P[A] + P[B] + P[c] - Plans] - P[anc] - P[enc] + P[ansnc] (5.11) 5.4.3 DE "K” EVENTOS Si A, , A,, Ay so Ay Son eventos de un espacio muestral ©, entonces [Gea] Srl] - DSH nai] (5.12) = a +1! PLA, A,NASML..MA x] Esta expresion es una extensién de las expresiones dadas anteriormente referidas a la unién de dos eventos y a la unién de tres eventos. Debe notarse que si los “K” eventos son mutuamente excluyentes, entonces se da lo expresado en el tercer axioma probabilistico, que expresa que la probabilidad de la unién de los “K" eventos es igual a la suma de probabilidades de los “kK” eventos. Ejemplo 5.8 Se tienen 6 libros, de los cuales uno es de economia y otro es de estadistica. Si los libros se ordenan aleatoriamente de izquierda a derecha, hallar la probabilidad de que: ___PROBABILIDADES a) Los libros de economia y estadistica estén juntos, b) Uno de los libros (economia y estadistica) esté al inicio (primera posicién desde la izquierda) 0 que los libros de economia y estadistica no estén juntos. Solucién El ntimero de maneras en que se puede efectuar el ordenamiento de los 6 libros es: nQ) = a) Sea el evento A = { Los libros de economia y estadistica estdn juntos } 1 2 E] 4 5 1 n 1 1 Eco Est 2 = PSPS =2! 5! =: Gara 214 mA)= PEP) =2! 51 =240 = PIA) = To = 555-5 b) Sean los eventos: B =[ Uno de los libros (economia y estadistica) esta al inicio } Los libros de economia y estadistica no estan juntos } ie) =(7) Pi=2 51=240 n(C) =n(Q)—n(C*) =n(Q)-n(A) =P? ~PZP2= 6! - 2! x 5! = 480 nene-(7| 4) Pi=2.4.41= 192 = P[ BU C]=P[.B]+P[ C]-P[ BN c]= 240, 480_ 182 _ 528 720 720 720 720 15 Ejemplo 5.9 Suponga que en una clase de 50 estudiantes, 30 alumnos opinan que el profesor es claro en su explicacién; 8 alumnos, que el material bibliografico es deficiente; 35 alumnos, que el sistema de evaluacién es exigente; 5 alumnos, que el profesor es claro en su explicacién y que el material bibliografico es deficiente; 22 alumnos, que el profesor es claro en su explicacién y que e! sistema de evaluacién es exigente; 3 alumnos, que el material bibliogréfico es deficiente y que el sistema de evaluacién es exigente; y 5 alumnos, que el profesor no es claro en su explicacién, que el material bibliografico no es deficiente y que el sistema de evaluacién no es exigente. Si se elige al azar a un alumno, hallar la probabilidad de que: APUNTES DE ESTUDIO _ a) El alumno opine que el sistema de evaluacién es exigente o que el material bibliografico es deficiente. b) El alumno opine que el sistema de evaluacién es exigente o que: el profesor es claro y el material bibliogréfico es deficiente. Solucién Sean los eventos: El profesor es claro } El material bibliografico es deficiente } El sistema de evaluacién es exigente } Como el experimento consiste en la eleccién aleatoria de un alumno, entonces el nimero de elementos del espacio muestral es: n(0)=50. Ademés, con los datos del enunciado se tiene: mA) =30, fB)=8, —nf(C) = 35, MANB)=5, — n(ANC)=22, A(BNC) = 3, m(A® BSC) = (AUB UC) y por algebra se deduce que: 0, mn IBNC) NA I= n(CN (AUBF J=12, AUANB)NCT=3, m(ANCNB!] MAN(BUC)}=5, Al BN(AUCY AA NBC] =2 =2, a) En este caso, se pide: P[CUB]=PIC]+PIBI-PICN8] b) En este caso, se pide: P[CU(ANB)]=PICI+PIANB]-P[CM(ANB)] 35,5 2 38 50°60 50 50 216 5.5 EVENTOS CONJUNTAMENTE O COLECTIVAMENTE EXHAUSTIVOS SIA, AL. Ay si la uni6n de los ‘A, son eventos de un espacio muestral ©, estos son conjuntamente exhaustivos “K" eventos es igual al espacio muestral Q; es decir, si se cumple que: A,UAz UA3 U...U A = YA, =2 (6.13) a Ejemplo 5.10 La Superintendencia Nacional de Administracién Tributaria (Sunat) desea realizar una fiscalizacién tributaria en dos zonas. Suponga que en la zona | existen cuatro contribuyentes de categoria A y tres de categoria B; y en la zona II existen dos contribuyentes de categoria Ay tres contribuyentes de categoria B. Si se decide seleccionar, al azar y sin reemplazo, dos contribuyentes de cada zona y se establecen los eventos siguientes: A, = { De cada zona se selecciona un contribuyente de categoria B} A, = { De cada zona se seleccionan dos contribuyentes de categoria B) A, = ( Se seleccionan tres contribuyentes de categoria B) 4Son conjuntamente exhaustivos los eventos A,, A,y A,? Solucién La definicién de eventos conjuntamente exhaustivos establece que estos lo son si se cumple que la unién de los eventos es igual al espacio muestral ©. Sin embargo, la determinacién de si un conjunto de eventos es conjuntamente exhaustivo también se puede establecer determinando si: n(A,UA,UA3U...UA, {Ua,}-re (6.14) 0 P(A,UA,UA3U...UA, = Ua.|=1 (5.15) Para este ejemplo, se utilizara la expresion 5.14, que tiene el siguiente desarrollo para los eventos establecidos: Entonces, n(@2) -( all a 210; n'a.) A a 2y3)_, qa) (ole aI RENE “i “aes (A, MA)=0 5 (A, A5)=0; A(A2MAs)=0; nA, A;MA,)=0; nA.) Luego, n(A, UA, UA,) = 72 +9 + 54- 0-0-0 + 0 = 135, que no es igual a n(Q)=210. Por lo tanto, los eventos A,, A, y A, no son conjuntamente exhaustivos. APUNTES DE ESTUDIO 5.6 PARTICION Los eventos A, A,, A, siguientes condiciones: ., Ay forman una particién del espacio muestral © si cumplen las D Az6, AQ, 1=1,2,3, 2) ANA “6 Vieh, 12,3, 3) UA=A,UA,UA,U~-UA,=2 Ejemplo 5.11 Suponga que se tiene un conjunto de contribuyentes, cuatro de los cuales son de categoria A y los otros tres son de categoria B, y se selecciona al azar, sin reemplazo y sin interés en el orden, a tres de ellos. Si se establecen los eventos: A= (un contribuyente seleccionado es de la categoria B} A.= (ningin contribuyente seleccionado es de la categoria B} A, = {al menos dos contribuyentes seleccionados son de la categoria B} Determine si estos tres eventos forman una particién del espacio muestral Q. Solucién 217 7 La cantidad de elementos que tiene el espacio muestral es (3)-38- Para determinar si se cumple con la primera condicién, basta con establecer la cantidad de elementos que posee cada uno de los eventos. Asi, tenemos: (2\a}-t8: niane( | o}= wase(t tol sl= Por lo tanto, A, #4, A, #6, A, #6, A, #2, A, #O, A, #Q. La primera condicién se cumple. nA.) La segunda condicién también se cumple, puesto que: A,NA,= 6, A, NA,= 69 A, NA,= 6 Para determinar si la tercera condicién se cumple, es necesario hallar n(A, U A,U A,). Siendo A,, A, y A, mutuamente excluyentes, entonces, necesariamente, A, 1 A. A, = 4: y, por lo tanto, considerando el principio de adicién de las técnicas de conteo: n(A, UA,UA,) = 18+ 4 +13 = 35 = n(Q). Luego, también se cumple la tercera condicién. Entonces, los eventos A,, A, y A, conforman una particién del espacio muestral Q. 218 5.7 EVENTOS COMPLEMENTARIOS Los eventos A y A° de un espacio muestral © son complementarios si son conjuntamente exhaustivos y mutuamente excluyentes. Nota: también se simboliza el evento complementario A‘ como A’ 0 A. Si Ay A® son conjuntamente exhaustivos, A U At = © Si Ay Ar son mutuamente excluyentes, AN A® = 6 Luego, PIA U A"l = PIA] + PIA‘] = P[Q] = 1, de donde se deduce finalmente que PIA]=1-PIAq Ejemplo 5.12 Considerando el enunciado del ejemplo 5.10, si se establece el evento W={se seleccionan a lo mas tres contribuyentes de la categoria B}, determinar la probabilidad de ocurrencia de W. El evento W es la unin de los eventos mutuamente excluyentes “ningtin contribuyente elegido es de categoria B", “uno de los contribuyentes seleccionados es de categoria B", “dos de los contribuyentes seleccionados son de categoria B" y “tres de los contribuyentes seleccionados son de categoria B". Por lo tanto, el evento complementario de W es W°=(los cuatro contribuyentes seleccionados son de categoria B). Luego: 4) 3y2y3 olalel 2) 9 _ 201 210 210° 210 P[W]=1-P[ we 5.8 PROBABILIDAD CONDICIONAL Si Ay B son dos eventos de un espacio muestral Q, entonces,la probabilidad condicional de que ocurra el evento A dado B se determina por: Plans] . > (5.16) P[A/B] rey siendo P[B]>0 De acuerdo a la definicién clasica de probabilidad, se tiene: (a0 8) P[AnB]= [AaB l= Tay Plans] Pive]= anal [AB] PLB] (5.17) y Bes llamado “espacio muestral restringido”. APUNTES DE ESTUDIO _ 5.8.1 PROPIEDADES DE PROBABILIDAD CONDICIONAL 1) O, Vis ji entonces: Ale|=F{ rena »]-Selenal- Seta leer] 5.8.3.2 Teorema de Bayes Sean los eventos A,, A,, A,, ..., Aj, los cuales forman una particién del espacio muestral 9; luego, para cualquier otro evento (no nulo) B de 9, se tiene que: P[A,/NB A |PLB AA ray B]=PlAi08 1 AADPLE A) (5.19) Sefaine] Ss lefer a) La demostracién de este teorema se hace evidente por la definicién de probabilidad condicional y la expresién (5.18) Ejemplo 5.15 Suponga que tres maquinas A, B y C, producen respectivamente el 50%, 30% y 20% del nimero total de articulos producidos por una empresa, y que los porcentajes de unidades defectuosas producidas por estas maquinas son 3%, 4% y 5%, respectivamente. Si se elige un articulo al azar y es no defectuoso, hallar la probabilidad de que haya sido producido por la maquina A. 222 Solucién Sean los eventos: Hos _osH, 02 H,= (Articulo es producido por la maquina A) De [0485 [0288 [0.190 Jo H,= (Articulo es producido por la maquina B} D [9.018_]o.012_}0.010 H,= {Articulo es producido por la maquina C) D = (Articulo elegido es defectuoso} Como los porcentajes indicados se refieren al total de articulos producidos (datos poblacionales); luego, las frecuencias relativas correspondientes son las probabilidades de los eventos. Es decir: PCH, J PL D/H, 5, PL H, 1= 0. 03, PI Dit PLH, 1=0.2 0.04, PI D/H, ] = 0.05 Con lo cual, se deduce: P[D'/H, ]=1-P[D/H ,]=1 -0.03= 0.97 P[D®/H» J=1-P [D/H .]=1 -0.04= 0.96 P[D°/H, ]=1-P[DIH ,]=1 -0.05= 0.95 P[H, nD ]=P[H, P [D/H ,}=(0.5%0.03)= 0.015 P[H, nD]=P[H, JP [DH] =(0.3X0.04) = 0.012 P[H, nD]=P [H, JP [D/H 2} =(0.21(0.05) =0.010 P[H,nD®]=P[H ;P[D 7H ,]}(0.5X0.97)= 0.485 P[H.nD°]=P|H 2P [DH .]+(0.3(0.96)= 0.288 P[H,11D* ]=P[H]P[ D°/Hs] = (0.23(0.95) =0.190 Con estas probabilidades, se puede encontrar ahora: P[H,n DF] PLH.A DB] PLD] PL(H,nDVUH,ND UH 4nd 9] PLH,0 D*] [H,nD° ]+P[H, nD°]+P[H, n°] PLH/D" ]= oT APUNTES DE ESTUDIO _ — a PLH, JL] { DH, J+ PL H, ]PL DH ,]+P[ Hs JPL _ (0.5)(0.97) (0.50.97) + (0.3)(0.96 = 0.503634 PLH, | .2)(0.95) 5.9 INDEPENDENCIA DE EVENTOS 5.9.1 INDEPENDENCIA DE DOS EVENTOS Se dice que dos eventos A y B son independientes si: PIA 1) B] = PIA] PIB] (5.20) Y se dice que son eventos dependientes si: PIA B] + PIA] PIB] (5.21) En general, dos eventos son independientes si la ocurrencia de uno de ellos no afecta la probabilidad de ocurrencia del otro. Es decir, si son independientes, en el caso de la expresion siguiente, la ocurrencia del evento B no afecta a la probabilidad de ocurrencia del evento A; por 223 lo tanto: _P[ANB]_P[ANB] _ PIA/B]=—Fray - are] = PLA]: entonces, P[A () B] = PIA] PIBI. Algo igual ocurre cuando la ocurrencia del evento A no afecta a la ocurrencia del evento B, es decir, P[B/AJ=PIBI. Teorema Si Ay B son dos eventos independientes, entonces también lo son los siguientes eventos: 1) AyB® = PIA( B= PIA] PIB‘) 2) AcyB => P(A‘ () B] = PIA‘) PIB) 3) Avy Be => PIA‘ BJ = PIA‘) PIB‘) 5.9.2 INDEPENDENCIA DE TRES EVENTOS Tres eventos A, By C de un espacio muestral Q, se dice que son mutuamente independientes si cumplen las siguientes condiciones: 1) PIA B] = PIA] PIB] 2) PIANC] = PIAI PIC] 3) PIB C] = PIB] PIC] 4) PIAM BMC] = PIA] PIB] PIC] Las condiciones 1, 2 y 3 determinan la independencia por pares entre los eventos Ay B, Ay C, y By C, respectivamente. Ejemplo 5.16 Suponga que una empresa que trabaja a tres turnos permite a sus nuevos trabajadores elegir su turno de trabajo y que, por experiencias anteriores, se conoce que cada turno tiene la misma probabilidad de ser elegido por un nuevo trabajador. Si ingresan a la empresa los trabajadores X, Y y Z, y se definen los eventos: A= {El trabajador X elige el primer turno} B = {El trabajador Y elige el segundo turno} C = {El trabajador Z elige el segundo o tercer turno} D = (El segundo turno no es elegido} 224 a) ;Son los eventos C y D mutuamente independientes? b) {Son los eventos A, B y C mutuamente independientes? Solucién a) Como cada trabajador tiene tres maneras de hacer su eleccién, Trabajador: x ue Zz niQ)= (3) 3) (3) =27 I ee el en PIDIE = (2) x (2) x (27 PICNDI= (2) x (2) x (i) (27 =4127 Por otra lado, P{C] P[D] = (2/3) (8/27) = 16/81. Este valor es diferente de 4/27, que es el valor de PIC 1 DJ. Por lo tanto, los eventos C y D no son independientes, es decir, son dependientes. b) Para ver si los eventos A, B y C son mutuamente independientes, se deben hallar las probabilidades de los eventos involucrados en el cumplimiento de las cuatro condiciones, que es lo que se haré enseguida. ee ee ——— ___PROBABILIDADES ST a __ nt Trabajador x Y Zz na= (3) 3) CG) = =27 Pl a x @) x @ 27 =13 Pll i Gd). Ge =13 Pi (eG) 2) en =2/3 PIAN am x @ x @) 27 =1/9 PIAN a x (3) x @) 27 =2/9 PIBncl= (3) x (1) x (2) 127 =2/9 PIANBNCle (1) * (1) * (2) 27 =2127 Conociendo estas probabilidades, se puede ahora probar la independencia PLA] P{B] = (1/3) (1/3) = 1/9, que es igual al valor de PLA 1) B] PIA] PIC] = (1/3) (2/3) = 2/9, que es igual al valor de PIA C] P{B] PIC] = (1/3) (2/3) = 2/9, que es igual al valor de P[B 1) C] 225 PLA] PLB] PIC] =(1/3)(1/3N2/3)= 27, que es igual al valor de PLA 1B 1C) Como se cumplen las cuatro condiciones, entonces los eventos A, B y C son mutuamente independientes. En general, es suficiente que una de las cuatro condiciones no se cumpla para expresar que los eventos no son mutuamente independientes. Ahora, si se cumplen las tres primeras condiciones, pero no la cuarta, entonces se dice que los eventos son independientes por pares, pero que los tres eventos no son mutuamente independientes. 5.10 PROBABILIDAD EN ESPACIOS MUESTRALES INFINITOS 5.10.1 PARA ESPACIOS MUESTRALES INFINITOS NUMERABLES La determinacién de una probabilidad, cuando se tienen espacios muestrales infinitos numerables, se efectia de manera similar a lo descrito anteriormente. La diferencia es que en estos casos a menudo se generan series cuyo valor debera ser hallado. Dado el espacio muestral 2=(0,, 0,, 0,, ...) y un evento A de dicho espacio muestral, se deben cumplir los axiomas de probabilidad, es decir, que: ccc ________PROBABILIDADES a) P(A) es un niimero no negative b) P= Y PO)=1 ©) P(A)= ¥ P(O,) oe Ejemplo 5.17 Suponga que en un proceso de produccién en serie una maquina produce articulos en forma independiente, de modo tal que la probabilidad de producir un articulo no defectuoso es cuatro veces la probabilidad de producir un articulo defectuoso. Si el proceso se detiene tan pronto como se produce un articulo defectuoso, hallar: a) La probabilidad de que el proceso se detenga antes de producir el articulo 16 b) La probabilidad de que el proceso se detenga después de producir el tercer articulo. Sea: {el i-ésimo articulo producido es defectuoso } {el i-ésimo articulo producido no es defectuoso } 226 Solucién El espacio muestral para este experimento aleatorio es: O=((0;), (B,D: ); (6, .B,,0,),. (6, ,6,,8,,-., 0), ..} donde, Pl D, 1 + PL B,]= 1 y, por dato del problema: Pl B, 1 = 4 PLD, I, con lo cual se tiene: PLD,1+4PLD,J=1 => PLD]= V5 PLB 1-45 Sea ademas el evento: A= (El proceso se detiene antes de producir el articulo 16 }; es decir: A=((D,),(B, D3), (BB, Ds), 5 (By, Byy By Diy) ] Luego: P[A]=P[(0,) U(B,,0,) UCB,,B,,D,) U---UtB,, --B.,0,,)] = PLD, ]+P[B,.D, ]+P[B,,B,,D5]+---+ P[B, Bia Dia] =P[D,]+P[B,10,]+P[B,B,MD,]+---+ PBN BAMDid Como los articulos son producidos independientemente, se tiene: PIA] = P[D,] + PIB,] P[D,]+ PIB,] PIB.) PID] +...+ PIB,) x...x PIB,,]P(D,.) = (1/5) + (A/5)(1/5) + (4/5)(4/5)(1/5) +...+ (4/5) x...x (475)(1I5) = (1/5) + (4/5)(1/5) + (4/5)? (1/5) +...+ (4/5) (1/5) = (1/5) [1 + (4/5) + (4/5? +...4 (4/5) = (1/5) ae 1-(4/5y 1-4/5) Nota: SiS, =a+ar+ar?+ar+...+ar, conr8,xeR}, y n(A)= | 10-8 | =2 = PIA] = n(A) / n(Q) = 2/6 = 1/3 Ejemplo 5.19 Si se elige aleatoriamente un punto de un circulo cuya circunferencia tiene por ecuacién x2 + y2 = 16, hallar: a) La probabilidad de que pertenezca al circulo x? + y? < 4. b) La probabilidad de que pertenezca al circulo x? + y? < 9, si se sabe que x >0. ©) La probabilidad de que pertenezca al circulo x? + y?< 9, 0 que xsy. Para este experimento aleatorio, se tiene: Q= (OYE +y?s16, (Ky ER },y (0) = Areal) = 160 a) Sea el evento A = (xy) /x? + y? <4, (xy) € R?} => n(A) = Area(A) = 4x S PIA] = Area(A) / Area(Q) = in! 16x = 1/4 b) °) Axe y?<9u xs yl=Axe+y sou xs y+P[xsy]-Ax? +? s9n xsy| OF, W6rl2_ 9/2 én 16n 16x eae 2 16 16 32 = 32 PREGUNTAS DE REPASO Expresar con V o F, segin considere verdadera o falsa, cada una de las afirmaciones siguientes. Rectifique adecuadamente las afirmaciones que considere falsas. (..) 1. Para determinar el numero de muestras posibles para un muestreo con reemplazo aplicado a una poblacién de tamafo “N", se debe aplicar el principio de 229 multiplicacién de las técnicas de conteo. () 2. El numero de muestras posibles, cada una con "'n" elementos para un muestreo sin reemplazo sin interés en el orden, se determina mediante la combinatoria de “N" tomadas de “n” en “n". () 3. La definicién clasica de probabilidad se aplica a cualquier espacio muestral finito. () 4. La definicién de probabilidad, utilizando el concepto de frecuencia relativa, proporciona un valor exacto de la probabilidad de ocurrencia de un evento. (.) 5. Doseventos diferentes del vacio son mutuamente excluyentes; luego, estos eventos son necesariamente complementarios. ( ) 6. Dos eventos diferentes del vacio son conjuntamente exhaustivos, luego, P [AUB PA] + PLB]. () 7. El teorema de Bayes sirve para determinar la probabilidad de ocurrencia de un evento que forma la particién del espacio muestral dado que ocurrié otro evento B, diferente del vacio, del mismo espacio muestral. ( ) 8. Los espacios muestrales infinitos también se denominan “espacios muestrales continuos”. ( ) 9. Unevento no puede tener una cantidad infinita de elementos. ( ) 10. Los eventos A, By C de un espacio muestral son independientes por pares; luego, los tres eventos son mutuamente independientes. on" 230 -PROBABILIDADES Il, Completar, adecuadamente, cada una de las afirmaciones siguientes. 1. La probabilidad de ocurrencia de (AUBUC) se determina mediante ..... 2. Para aplicar la definicién clasica de probabilidad debe tenerse en consideracién: 3. Un espacio muestral es discreto cuando 4. Para que los eventos A, B y C sean conjuntamente exhaustivos, se debe cumplir 5. El teorema de probabilidad total se utiliza para 6. El teorema de multiplicacién de probabilidades es util cuando ... 7. En una poblacién con 2,000 elementos, se desea aplicar un muestreo con reemplazo para muestras de tamafio 40. En otra poblacién con 1,000 elementos, se desea aplicar un muestreo sin reemplazo sin interés en el orden, para muestras de tamafio 25. Luego, el numero total de casos posibles se determina .. 8. Dos eventos que forman una particién de un espacio muestral son ..... 9, Tres eventos (A, B y C) son conjuntamente exhaustivos; luego, la probabilidad de ocurrencia , que debe obtenerse mediante de (AUBUC) debe ser igual a . 10. Dado =(x/1

    You might also like