Professional Documents
Culture Documents
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
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
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
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
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
TEOREMAS DE PROBABILIDAD
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
Ejemplo
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:
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
P(a<X<b)=
ejemplo
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:
X
p(x)
0
1
2
3
4
5
ejemplo
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
DISTRIBUCIN NORMAL
La
Propiedades
La
La
La
DISTRIBUCION NORMAL
ESTANDAR
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
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