C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
1 | 18
CAPITULO I
1.1 Experimento – Clasificación: espacio muestral de un experimento
– Experimento Aleatorio
1.2 Algebra de Eventos: Operaciones y propiedades; eventos mutuamente excluyentes 1.3 Técnicas de Conteo.
1.4 Probabilidad: Definición, clasificación, definición axiomática, teorema de probabilidades
1.5 Probabilidad Condicional; regla de multiplicación.
1.6 Partición del espacio muestral; teorema de la probabilidad total, teorema de Bayes 1.7 Eventos Independientes; Probabilidad de eventos independientes
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
2 | 18
EXPERIMENTO: Es cualquier ensayo, experimento u observaciónEjemplos:
- Lanzar una moneda y observar la cara superior - Lanzar un dado y observar su cara superior
- Lanzar una pelota a la piscina y observar lo que ocurre.
- Pesar las piedritas de la orilla de un rio en una balanza electrónica. CLASIFICACION: Los experimentos se clasifican en:
a) EXPERIMENTOS DETERMINISTICOS: Cuando el resultado es posible calcular siguiendo un modelo matemático
b) EXPERIMENTO NO DETERMINISTICO: Cuando el resultado ocurre al azar.
c) EXPERIMENTOS ALEATORIOS: Aquellos experimentos no determinísticos, y que para ser aleatorios deben cumplir con las siguientes condiciones.
1.- El experimento se puede repetir un sin número de veces en las mismas condiciones.
2.- El resultado no es posible predecir con exactitud antes de realizar el experimento 3.- los resultados posibles del experimento se pueden describir con precisión. Ejemplos:
E1: Lanzar una moneda y observar la cara superior. E2: Lanzar un dado y observar la cara superior.
E3: Contar el número de autos que pasan por un cruce hasta que ocurra un accidente. E4: Seleccionar un delegado estudiante de un salón de 50 alumnos.
E5: Tiempo de vida de una bombilla eléctrica. E6: Seleccionar un numero entre 0 y 1 inclusive.
E7: Escoger una bolilla de una urna, donde hay 4 blancas y 6 negras. E8: Determinar un número real que hay entre 4 y 6
E9: Extraer un artículo bueno de un almacén que contiene artículos buenos y defectuosos.
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
3 | 18
ESPACIO MUESTRAL: Si ¨E¨ un experimento aleatorio, el espacio muestral de E denotado porΩ es el conjunto de todos los resultados posibles del experimento.
Ejemplo:
E1: Ω1={cara, sello} =={c, s} E2: Ω2= {1, 2, 3, 4, 5, 6} E3: Ω3= {1,2,….}
E4: Ω4= {𝐴𝑖/ i= 1,2,3,4, …..,50}
E5: Ω5 = {t / t ˃ 0} E6: Ω6 = { x/ 0 ≤ x ≤ 1 }
E7: Ω7 = {blanca, negra}
E8: Ω8 = {x/ 4 ˂ x ˂ 6} E9: Ω9 ={B, DB,DDB,….}
CLASIFICACION DEL ESPACIO MUESTRAL: De acuerdo a la forma como se determina el espacio muestral de un experimento aleatorio, entonces se clasifican en 2 tipos
1. ESPACIO MUESTRAL DISCRETO: Si el número de elementos es finito o infinito numerable.
Ejemplos.
- Ω1, Ω2, Ω3, Ω4, Ω7, Ω9
2. ESPACIO MUESTRAL CONTINUO: Cuando el número de elementos es infinito, no numerable.
- Ω5, Ω6, Ω8
ALGEBRA DE EVENTOS
Según la forma como se presenta los elementos del espacio muestral de un experimento aleatorio ¨E¨ estos son conjuntos determinados en forma de extensión y compresión, por consiguiente se cumplen todas las operaciones entre conjuntos.
REUNION DE CONJUNTOS (
υ):
Si A y B son 2 conjuntos, entonces A υ B = {x/x ϵ A ó x ϵ B}INTERSECCION DE CONJUNTOS (∩): Si A y B son 2 conjuntos, entonces A ∩ B = {x/x ϵ A i x ϵ B}
DIFERENCIA SIMETRICA (∆): Dados 2 conjuntos A y B entonces A ∆ B = { X ϵA i X ɇ B }
INCLUCION DE CONJUNTOS (ᴄ): Un conjunto A se dice que está incluido en B; Si todo elemento de A es elemento de B.
SUBCONJUNTO: si A es subconjunto de Ω entonces A U AC= Ω ; donde AC Indica el
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
4 | 18
𝑛=1
COMPLEMENTO DE UN COJUNTO: Si A ϵΩ entonces Ω - A = AC 1. ɸ( A U B ) U C = A U (B U C) ; A ∩ ( B ∩ C ) = (A ∩ B) ∩ C 2. A U ( B ∩ C) = (A U B) ∩ (A U C) ; A ∩ ( B U C) = ( A ∩ B) U (A ∩ C) 3. (AC ) C = A 4. ΦC = Ω 5. ΩC= ɸ 6. LEYES DE DMORGAN: (A U B)C = AC∩ BC (A ∩ B)C = AC U BC 7. REFLEXIBIDAD: A ᴄ A = A 8. TRANSITIVIDAD: A ᴄ B y B ᴄ C entonces A ᴄ C
CONJUNTOS DISYUNTOS: Dos conjuntos A y B se dicen que son disyuntos si no pueden ocurrir
a la vez; es decir A ∩ B = ɸ
EXTENSION DE LAS DEFINICIONES DE REUNION E INTERCECCION: Sean { A i / i ϵ I} Entonces una
extensión de conjuntos referidos al espacio muestral Ω, donde I es el conjunto de índices
cualesquiera, se define.
𝑈
𝑖𝜖
𝐼
A
i = { w ϵΩ / w ϵ Ai , ꓯ i ϵ I }∩
𝑖𝜖
𝐼
A
i = { w ϵΩ / w ϵ Ai , ꓯ i ϵ I }SIGMA ALGEBRA DE EVENTOS: Una colección especial
𝒜
de eventos de
Ω que cumple con las siguientes condiciones:CONDICIONES DE σ – ALGEBRA:
1. Para todo suceso A de los que constituyen
𝒜
.
También AC ϵ𝒜
.
2. Si, A1, A2,…. An, ... es cualquier sucesión de eventos numerables de sucesos de A
también 𝑈∞ A
n ϵ
𝒜
.
3. ɸϵ
𝒜
.
Una colección de eventos que cumple con estas 3 condiciones se llama σ – álgebra.
Ejemplo.
Sea el experimento que consiste en lanzar una moneda 3 veces, explique si los eventos de este experimento es SIGMA ALGEBRA
(
ϭ
)
Del esquema se tiene que:
Ω = {( C;C;C),( C;C;S), (C;S;C), (S;C;C), (C;S;S), (S;C;S), (S;S;C), (S;S;S) El conjunto potencia de Ω P (Ω) = 28 = 256 elementos
𝒜
={ɸ, A, A
C, Ω}
CCC CCS CSC SCC CSS SCS SSC SSSΩ
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
5 | 18
𝑘=1 𝑛 𝑛=1 𝑘=1 NOTA:1.- En el conjunto de sub-eventos de
𝒜
necesariamente están todos los subconjuntos del espacio muestral, no puede existir una colección de subconjuntos de Ω que no sea σ – álgebra.2.- Para cada espacio muestral Ω existe por lo menos un σ – álgebra.
3.- Si Ω es infinito, no podemos asegura que todo A ϵ
𝒜
sea
σ – álgebra.4.- si el espacio muestral Ω es infinita numerable siempre existe un σ – álgebra. Ejemplo:
- Sea Ω =
ℤ
,
sea A una colección de subconjuntos de Ω. ¿es Ω un σ – álgebra?Prueba 1.- ɸϵ
𝒜
2.- si A ϵΩ, entonces AC ϵΩ, entonces AC ϵ
𝒜
.
3.- si A1, A2,…. An, ... ϵ
𝒜
Por consiguiente este ejercicio es un σ – álgebra.
CONSECUENCIAS DE LAS CONDICIONS DE σ – ÁLGEBRA:
TEOREMA 1.- Si A1, A2,…. An es cualquier sucesión de eventos finitos en
𝒜
.
Entonces:𝑈𝑛 Ak ϵ
𝒜
.
Demostración: por ɸ = An+1= An+2 =……..
Luego 𝑈∞ Ak = 𝑈𝑛 Ak ; Lqqd.
𝑘=1 𝑘=1
TEOREMA 2.- Un suceso seguro de Ω siempre ϵ
𝒜
, es decir Ω ϵ𝒜
Demostración: Por la condición 3 ɸϵ𝒜
;
entonces ɸC = Ω ϵ𝒜
.
Lqqd.TEOREMA 3.- Si A1, A2,…. An, ... ; es una sucesión numerable cualesquiera de sucesos de A,
también: ∩∞ An ϵ
𝒜
.
Demostración: An ϵ
𝒜
,
entonces 𝐴𝐶ϵ, ;
ꓯn= 1,2,3,…..Por la condición 2 se tiene 𝑈∞𝐴𝐶ϵ
𝒜
.
𝑛=1 𝑛
Por la condición 1 (𝑈∞𝐴𝐶 )C ϵ
𝒜
𝑛=1 𝑛
Por las leyes de D´ Morgan (𝑈∞𝐴𝐶) = ∩∞ An ; lqqd.
𝑛=1 𝑛 𝑛=1
COROLARIO DEL TEOREMA 3.- Si A1, A2,…. An es una sucesión finita de sucesos
cualesquiera en
𝒜
.
Entonces ∩𝑛 Ak ϵ𝒜
.
TECNICAS DE CONTEO
PERMUTACION: Son arreglos de los elementos de un conjunto finito, considerando el orden en el que se presentan.
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
6 | 18
𝑛 4 𝑛𝑐𝑖𝑟 6(𝑐𝑖𝑟) 3 (𝑟𝑒𝑝) 𝑘 (𝑟𝑒𝑝) Ejemplo:- Permutar los elementos del conjunto A= {a,b,c} tomados todos los elementos a la vez.
Solución:
(a,b,c), (a,c,b), (b,a,c), (b,c,a), (c,a,b), (c,b,a) CASOS DE PERMUTACIONES:
1. El número de permutaciones diferentes de ¨n¨ elementos diferentes, tomados todos los elementos a la vez denotado por: 𝑃𝑛= n!
Donde n! = 1x2x3…..x (n-1) x n
n! = (n)(n-1)……(n-k)! se considera que 0! =1
Ejemplo: De cuantas maneras se puede permutar las letras de la palabra ¨Omar¨ Solución:
n=4; 𝑃4=4!=4x3x2x1=24 formas
2. El número de permutaciones diferentes de ¨n¨ elementos diferentes tomadas de ¨n¨ en ¨n¨ en forma circular denotado por 𝑃𝑛 = (n-1)!
Ejemplo: De cuantas formas pueden sentarse alrededor de una meza los 6 delegados del centro federado de Matemáticas?
Solución:
n=6; 𝑃6 = (6-1)!= 120 formas
3. El número de permutaciones diferentes de ¨n¨ elementos diferentes tomadas de ¨k¨ en ¨k¨ denotado por 𝑃𝑛= 𝑛!
𝑘 (𝑛−𝑘)!
Ejemplo: Con los dígitos {1, 2, 3, 4, 5}, ¿cuántos números diferentes de 3 cifras se pueden escribir si no se admiten que los dígitos se repitan?
Solución:
n=5; k=3; 𝑃5= 5! = 60 formas
3 (5−3)!
4. El número de permutaciones diferentes de ¨n¨ elementos diferentes tomadas de ¨k¨ en ¨k¨ con reposición denotado por 𝑃𝑛 = nk
Ejemplo: cuantos número diferentes de 3 cifras se pueden escribir con los dígitos {1,2,3,4,5} si se admiten que pueden repetirse los dígitos.
Solución:
n=5; k=3; 𝑃5 = 53=125 números
5. El número de permutaciones diferentes de ¨n¨ elementos divididos en K clases tales que elementos iguales pertenecen a la misma clase, elementos diferentes a
clases diferentes, denotado por 𝑃𝑛 = 𝑛!
𝑛1𝑛2…..𝑛𝑘 𝑛1!𝑛2!….𝑛𝑘!
Ejemplo: De cuantas formas se pueden permutar las letras de la palabra ¨estadísticas¨
Solución:
Clase 1-letra ¨e¨ entonces n1=1
Clase 2-letra ¨s¨ entonces n2=3
Clase 3-letra ¨t¨ entonces n3=2
Clase 4-letra ¨a¨ entonces n4=2
Clase 5-letra ¨d¨ entonces n5=1
Clase 6-letra ¨i¨ entonces n6=2
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
7 | 18
0 1 𝑛 TOTAL = 12 𝑃12 = 12! = 1,3,2,2,1,2,1 1!3!2!2!1!2!1! COMBINACIONEs un arreglo de los elementos de un conjunto finito sin considerar el orden en el que se presenten.
Ejemplo: ¿Cuales son las combinaciones que se pueden establecer con los elementos del conjunto A = {a,b,c,d} de 2 en 2?
Solución:
(a,b)(a,c),(a,d),(b,c),(b,d),(c,d)
Definicion: El número de combinaciones diferentes de ¨n¨ elementos tomadas de ¨k¨ en ¨k¨ denotada por n ck= 𝑐𝑛= (𝑛)= 𝑛! PROPIEDADES 1.- 𝑐𝑛=1 2.- 𝑐𝑛=1 3.- 𝑐𝑛= n 4.- 𝑐𝑛=𝑐𝑛 𝑘 𝑘 𝑘!(𝑛−𝑘)! 𝑘 𝑛−𝑘 5.- 𝑐𝑛+𝑐𝑛 =𝑐𝑛+1 𝑘 𝑘−1 𝑘 𝑛𝑛 𝑛−1 6.- 𝑐𝑘=𝑘𝑐𝑘−1 7.- 𝑐𝑛= 𝑛 𝑐𝑛−1 𝑘𝑛−𝑘𝑘 8.- 𝑐𝑛=𝑛−𝑘+1 𝑐𝑛 𝑘 𝑘 𝑘−1 𝑥 = 𝑦 9.- 𝑐𝑛=𝑐𝑛 entonces
{
𝑥 𝑦 𝑥 + 𝑦 = 𝑛 PROBABILIDADDEFINICION CLASICA: si A es un evento del espacio muestral Ω asociado a un experimento aleatorio “E”, la probabilidad de A es la razón entre el número de casos favorables y el
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
8 | 18
número de casos posibles, siempre que nada obligue a creer que algún evento tenga preferencia de ocurrir, estando todos los eventos igualmente posibles de ocurrir. P(A) = 𝑛(𝐴)=𝑛ú𝑚𝑒𝑟𝑜𝑑𝑒𝑐𝑎𝑠𝑜𝑠𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
9 | 18
Ejemplo:
- Se lanza un par de dados .¿Cuál es la probabilidad de obtener suma 9? Solucion:
Suma 9:
n(A)= número de casos favorables = 4 n = número de casos posibles = 36
4 p(suma 9) =
36
.
DEFINICION AXIOMATICA: si A es un evento del espacio muestral Ω asociado a un exp. Aleatorio ¨E¨, la probabilidad de A es una función que hace corresponder un número real y solamente un número P(x) que cumple los siguientes axiomas
1.- P(x)> 0 2.- P (Ω) = 1
3.- Si A y B son eventos disyuntos, es decir A∩B=ɸ entonces P(AUB)= P(A)+ P(B)
En general para una sucesión de eventos disyuntos A1, A2, …….An ; se cumple que
P (𝑈𝑛 Ai) = P(A1 U A2 U……U An) =∑𝑛 𝑃(Ai)
𝑖=1
TEOREMAS DE PROBABILIDAD
𝑖=1
TEOREMA 1: Si ɸ es un evento imposible, entonces P(ɸ)= 0
DEMOSTRACION: Sabemos que Ω=Ω U ɸ (1)
Ω ∩ɸ= ɸ (2)
Se puede afirmar que Ω y ɸ son eventos disyuntos
- Entonces por el axioma número 3 se tiene: P(Ω)= P( Ω Uɸ)
P(Ω)= P(Ω)+ P(ɸ)
Por el axioma número 2 se tiene: 1= 1+ P(ɸ) entonces P(ɸ)= 0 Lqqd. TEOREMA 2: Si A ⊂ B tal que A y B ∈ Ω entonces P(A) ≤ P(B)
DEMOSTRACION: B A A⧵B 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
10 | 18
Del esquema se tiene que:B= A U (AC∩B)… ....(1)
Aplicando una función de probabilidad en (1) se tiene: P(B)= P(A U (AC∩B))… (2)
De (2) se tiene que:
A ∩ (AC∩B) = ɸ
por consiguiente: A y (AC∩B) son eventos disyuntos, por consiguiente por el axioma 3 se tiene en (2) P(B)= P(A)+P(AC∩B)
Si P(AC∩B)=0⇒P(B)=P(A)… .... (3) Si P(AC∩B)>0⇒P(B)>P(A)……(4)
De 3 y 4 se tiene que P(B)≥P(A) ó P(A)≤P(B) Lqqd.
TEOREMA 3: Si A ∈ Ω entonces: P(A) = 1 - P(AC) ó P(AC) = 1 – P(A) DEMOSTRACION:
Ω
Del esquema se tiene Ω = A U AC ... (1)
Aplicando una función de probabilidades en (1) se
tiene: P(Ω) =P( A U AC ) ... (2)
A∩AC = ɸ Por consiguiente A y AC son eventos disyuntos; luego por el axioma 3 se tiene en (2)
P(Ω) = P(A) + P(AC ) ... (3) Por el axioma 2 se tiene en (3)
1= P(A) + P(AC ) de lo cual se tiene que: P(A) = 1- P(AC) ó P(AC) = 1 – P(A) Lqqd.
TEOREMA DE 4: Si A y B son 2 eventos cualesquiera en Ω, asociado a un experimento
aleatorio, entonces P(A U B)=P(A)+P(B) –P(A ∩ B)
2).
ADEMOSTRACION:
Del esquema 1 se tiene: A U B = A U (AC∩B)……(1) Aplicando una función de probabilidades en (1) se tiene: P (A U B) = P(A U (AC∩B)) (2)
A ∩ (AC∩B) = ɸ⇒ A y (AC∩B) son eventos disyuntos;
por el axioma 3 se tiene en (2) P (A U B) = P(A) + P(AC∩B)… (3)
Del esquema 2 se tiene: B = (A∩B) U (AC∩B)… (4)
A
1).
B AC∩B A∩B B AC∩B ACA
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
11 | 18
A p l i c a n d o l a f u n c i ó n d e p r o b a b i l i d a d e s e n ( 4 ) s e t i e n e : P ( B) = P((A ∩B) U (AC∩ B)) ... (5) Pero: (A∩B) ∩ (AC∩B)= ɸ⇒ (A∩B) y (AC∩B) son eventos disyunto s ⇒ por el axioma 3 se tiene en (5) P(B)=P(A ∩B)+P(AC ∩B) ⇒P(AC∩B ) = P(B)-P(A∩B)… (6)C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
12 | 18
𝑖=1 𝑖<𝑗=2
𝑖=1
TEOREMA 5: Si A,B,
C son eventos cuales quiera en Ω entonces:
P(AUBUC) = P(A)+P(B)+P(C)
–
P(A∩B) –
P(A∩C) –
P(B∩C) + P(A∩B∩C)……. (Ejercicio)
TEOREMA 6: Si A1, A2, ... AK son una colección de eventos cualesquiera de eventos en
Ω, entonces:
P(A1UA2
U…..A
3)=∑
𝐾𝑃
(Ai)-
∑
𝐾𝑃
(Ai
∩A
j)+……+(
-1)
k+1P(A1
∩A
2 ……∩A
K)… (Ejercicio)
PROBABILIDAD CONDICIONAL Y REGLA DE MULTIPLICACION: Si A y B son 2 eventos en
Ω; Asociados a un experimento aleatorio ``E``, la
probabilidad condicional del evento A
𝑃(𝐴∩𝐵)
dado que ha ocurrido el evento B denotado por: P(A/B)=
𝑃(𝐵); ꓯ P(B) ≠ 0
similarmente, la probabilidad condicional del evento B dado que a ocurrido el evento A
denotado por:
P(B/A)=
𝑃(𝐴∩𝐵)𝑃(𝐴)
; ꓯ P(A) ≠ 0
LA PROBABILIDAD DE LA INTERSECCIÓN O REGLA DE MULTIPLICACIÓN
De las probabilidades condicionales tenemos P(A
∩ B
)=P(A)P(B/A)= P(B)P(A/B)
PARTICION DE UN ESPACIO MUESTRAL : Si A1, A2, ... AK es una colección de eventos
en Ω asociados a un experimento aleatorio ``E`` se dice que
A1, A2, ... AK representa
una partición de Ω si cumple las siguientes condiciones:
1.- Ai
∩
Aj =
ɸ; 2 a 2 ꓯ i ≠ j
=
1,2,3,…
.. k
2.-
𝑈
𝑘Ai =
Ω
3.- P(Ai)
> 0
;
ꓯ i
=
1,2,3,…
... ,k.
EJEMPLO:
- Se lanza un dado y se tiene los siguientes grupos de eventos:
Grupo 1: A= {resulta un número menor que 5}
B= {resulta el número 3}
C= {resulta un número mayor que 3}
Grupo 2: P= {resulta un número menor que 3}
Q= {resulta EL número 3}
R= {resulta un número mayor que 3}
¿Cuál de los 2 grupos de eventos representa una partición?
SOLUCION:
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
13 | 18
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
14 | 18
Del esquema se tiene B=Ω∩B ... (1)Por la condición de partición de Ω se tiene que 𝑈𝑘 Ai…(2)
(2) en (1) se tiene B= 𝑈𝑘 Ai ∩ B ⇒B=(
A1, A2,...AK
)∩B….(3)
Aplicando una función de probabilidad en 3 se tiene:
P(B)=P((A1 U A2 U,.. U.AK)∩B)⇒
P(B)=P(A1∩B)UP(A2∩B)U… U P(AK∩B)………(4)
Pero: P(A1∩B)∩P(A2∩B)∩…∩P(AK∩B)=ɸpor consiguiente son mutuamente excluyentes entonces en 4 se tiene:
P(B)=P(A1∩B)+ P(A2∩B)+…+P(AK∩B) por la regla de multiplicación se tiene:
P(B)=P(A1)P(B/A1)+ P(A2)P(B/A2)+…+P(AK)P(B/AK) P(B)=∑𝑘 𝑃(Ai)P(B/Ai) Lqqd.
𝑖=1
AUBUC= {1,2,3,4,5,6} Cumple la segunda condición
P(A)= 4/6
>
0 ; P(B) = 1/6
>
0 ; P(C) = 3/6
>
0 Cumple tercera condición
CONCLUCION: No cumple la totalidad de la primera condición por
consiguiente este grupo de eventos no representa una partición.
Grupo 2: P = {1,2}; Q = {3}; R= {4,5,6}
P∩Q = ɸ; P∩R = ɸ; Q∩R=ɸ
Cumple con la primera condición
PUQUR= {1,2,3,4,5,6} Cumple con la segunda condición
P(P)= 2/6
>
0; P(Q)= 1/6
>
0; P(R)= 3/6
>
0 Cumple condición 3
CONCLUCION: Este grupo de eventos representa una partición de Ω
TEOREMA DE LA PROBABILIDAD TOTAL: Si A1, A2, ... AK
son eventos de Ω asociado
a
un experimento aleatorio ``E``; si A1, A2, ... AK
representa una partición de Ω y B
un
evento cualesquiera en
Ω
entonces: P(B)=
∑
𝐾𝑃
(Ai) P(B/Ai
)
DEMOSTRACION:
Ω
TEOREMA DE BAYES: Si A1, A2, ... AK
son eventos de Ω asociado a un
experimento
aleatorio ``E``; si A1, A2, ... AK
representa una partición de Ω y B un evento
cuales_
quiera en
Ω
entonces: P(A /B)=
𝑃(𝐴𝑟∩𝐵);
ꓯ A
∈
Ω.
r
𝑃(𝐵) r
Este teorema no requiere demostración puesto que el numerador es la probabilidad
de la intersección y el denominador es la probabilidad total.
EVENTOS INDEPENDIENTES: Dos eventos A y B se dice que son independientes si: la
ocurrencia de uno de los eventos no afecta la ocurrencia del otro.
PROBABILIDAD DE EVENTOS INDEPENDIENTES:
1.- P(A/B)= P(A);
P(B/A)=P(B)
A6 A7 A8 A5 B A4 A3 A2 A1C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
15 | 18
2.-
P(A∩B)= P(A)P(B)
Ejemplo:
- Se lanza una moneda y un dado ¿Cuál es la probabilidad de obtener cara en la
moneda y numero par en el dado?
Moneda
⧵
Dado
1
2
3
4
5
6
CARA (C)
(C,1) (C,2) (C,3) (C,4) (C,5) (C,6)
SELLO(S)
(S,1) (S,2) (S,3) (S,4) (S,5) (S,6)
3 1
SOLUCION: por definición clásica de Probabilidades = P(C, par) =
=
12 4
El Experimento con dado y la moneda son eventos independientes entonces:
3
P(num. Par en el dado)=
6 1
P(Cara en la moneda)=
2
3 1 1
P(num. Par en el dado y cara en la moneda) = x =
6 2 4
DIAGRAMA DE DOBLE ENTRADA: Sirve para visualizar problemas de probabilidades con
2 características; este diagrama es de la forma:
Caract. A
⧵
Caract. B B1
B2
……
Br
Total
A1
A2
…..
AK
Total
DIAGRAMA DE ARBOL: Este diagrama toma la forma de un árbol y sirve para visualizar
problemas de probabilidades con más de 2 características con la particularidad de que
la suma de las probabilidades que sale de un punto o nudo suman uno; las
probabilidades en una dirección se multiplican; y las probabilidades en diferentes
direcciones se suman.
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
16 | 18
Ejemplo:
- Se tiene 3 máquinas que producen el mismo autoparte; la primera máquina
Requiere de 3 minutos para terminar un autoparte; la segunda máquina. 3
minutos y la tercera máquina. 5 minutos; las maquinas producen
respectivamente 5%, 4% y 2% de productos defectuosos. De la producción de
una hora de las Maquinas se selecciona al azar un autoparte:
1.- ¿Cuál es la probabilidad de que sea defectuoso?
2.- Si el producto seleccionado resulta defectuoso, ¿Cuál es la probabilidad de
que haya sido fabricada por la segunda máquina?
SOLUCION:
Maq. 1
⇒
1 Hr. = 30 autopartes con 5% de defectuosos
Maq. 2
⇒
1 Hr.= 20 autopartes con 4% de defectuosos
Maq. 3
⇒
1 Hr = 12 autopartes con 2 % de defectuosos
Esquematizando con el diagrama de árbol se tiene:
P(D/A) D P(A) A P(DC/A DC Punto de partida P(D/B) D P(B) B P(DC/B) DC P(D/M1)= 5/100
M1
P(M1)= 30/62 P(DC/M1)= 95/100 P(D/M2)= 4/100 P(M2)= 20/62M2
P(DC/M2)= 96/100 P(M3)= 12/62 P(D/M3)= 2/100M3
P(DC/M3)= 98/100D
C
D
D
C
D
D
C
C A L C U L O D E P R O B A B I L I D A D E S P á g i n a
17 | 18
A I L1.- P(D)= P(M1)P(D/M1)+ P(M2)P(D/M2)+ P(M3)P(D/M3)
= (30/62)(5/100)+ (20/62)(4/100)+ (12/62)(2/100)
254=
6200 𝑃(𝑀2)𝑃(𝐷/𝑀2) (20/62)(4/100) 802.- P(M2/D)=
𝑃(𝐷)=
254/6200=
254APLICACIONES DE LAS PROBABILIDADES INDEPENDIENTES EN RELES: Si el relé está dado
en paralelo, por ejemplo
La probabilidad de que la corriente pase de I a L es igual P(A ò B) = P(A U B) = P (A)+ P(B) –P(A∩B)
B
Si el relé está dado en serie; por ejemplo
La probabilidad de que la corriente pase de I a L
es igual P(A ì B Ì C) = P(A ∩ B ∩ C) = P(A) P(B) P(C)
Ejemplo: Se tiene el siguiente rele:
1 2
I L
3 4 5