CONTEO

DIFERENTES FORMAS DE SELECCIÓN DE MUESTRAS

REEMPLAZO –ORDEN

G={a,b,c,d} N=4 y r=2

MUESTRA CON REEMPLAZO Y CON ORDEN

Experimento aleatorio: Se selecciona de G, r elementos sucesivamente de tal

forma que cada

uno de los seleccionados retorna a la población y puede ser elegido nuevamente

S={(aa), (ab), (ac), (ad), (ba), (bb), (bc), (bd), (ca), (cb), (cc), (cd), (da), (db), (dc), (dd) }

MUESTRA SIN REEMPLAZO Y CON ORDEN

Experimento aleatorio: Se selecciona de G, r elementos sucesivamente de tal forma

Que cada uno de los seleccionados pierde la posibilidad de ser elegido nuevamente.

S={ (ab), (ac), (ad), (ba), (bc), (bd), (ca), (cb), (cd), (da), (db), (dc), (cd)}

MUESTRA SIN REEMPLAZO Y SIN ORDEN

Se selecciona de G, r elementos simultáneamente.

S={ (ab), (ac), (ad), (bc), (bd), (cd)}

MUESTRA CON REEMPLAZO Y SIN ORDEN

Experimento aleatorio: Se selecciona de G, r elementos sin que importe el orden

pero sustituyendo el seleccionado.

S={(aa), (ab), (ac), (ad), (bb), (bc), (bd),(cc), (cd) (dd)}

Ejemplo: ¿Dé cuantas formas se puede conformar un comité integrado por un

presidente,
un vicepresidente y un secretario, elegidos entre 20 aspirantes?

PRINCIPIO FUNDAMENTAL DEL CONTEO

Considere un proceso desarrollado en k etapas: A1, A2,…., Ak. De tal forma que la etapa A1

Tiene n1 formas de realización, la etapa A2 tiene n2 formas de realización y así sucesivamente

Hasta la etapa la etapa Ak con nk formas de realización. Entonces el número de formas en

Que se desarrollará todo el proceso es n1* n2*…* nk

Ejemplo: Para ir de un pueblo p1 a un pueblo p4 se debe pasar por los pueblos p2 y p3. ¿Dé

Cuantas formas se puede llegar a p4 si hay 4 caminos para ir de p1 a p2, 3 para ir de p2 a p3 y

2 rutas para ir de p3 a p4?

¿Cuantas posibles resultados se tienen al lanzar un dado y una moneda simultáneamente?

EXPERIMENTO ALEATORIO: experimento que genera resultados diferentes e

impredecibles aún si se repite bajo unas mismas condiciones.

Ejemplos: Tiempo en llegar a la universidad

Selección aleatoria de una muestra y la medición de una variable

Selección aleatoria de un artículo de la producción en una empresa y su clasificación

como bueno o defectuoso.

Lanzamiento de una moneda o un dado

ESPACIO MUESTRAL(S,Ω). Conjunto de todos los posibles resultados de un

experimento aleatorio

Ejemplo: EA. Lanzamiento de una moneda 1 vez (cs)

EA: Lanzamiento de una moneda 2 veces S=(cc)(cs)(sc)(ss)

EVENTO: Característica que define un subconjunto del espacio muestral

E.A. Lanzamiento de 1 dado 1 vez

S={1,2,3,4,5,6}

A=Número par

B= Múltiplo de 3

C= Mayor a 4

D =Igual a 7

OPERACIONES ENTRE EVENTOS

EVENTO COMPLEMENTO

El complemento de un evento A, denotado A’ o AC,está conformado por

todos los resultados opuestos a A, (es lo que le falta a A para

Ser igual al espacio muestral)

A’=Número impar

B’= No Múltiplo de 3

C’= Menor o igual 4

D’ =S

EVENTO UNION
La unión entre dos eventos denotada como AUB está conformada por los resultados

favorables a A junto con los favorables al evento B

EVENTO INTERSECCION

La intersección entre dos eventos denotada como AnB está dada por los

resultados favorables al evento A que también son favorables al evento B

EVENTO DIFERENCIA

La diferencia entre dos conjuntos A-B, está dada por los resultados

favorables a A que no son favorables a B

EVENTO DIFERENCIA SIMETRICA

La diferencia simétrica denotada por AB, está conformada por los resultados que

Pertenecen a AUB y no están en AnB

Ejercicio.

E.A: Lanzamiento de 1 dado dos veces

Hallar el espacio muestral

Definir dos eventos: A y B

Hallar A’, AUB, AnB, A-B y AB

AXIOMAS DE PROBABILIDAD

1. P(A)>=0 A es un evento cualquiera

2. P(Ω)=1

3. P(AUB)= P(A)+P(B) si AnB=ǿ (Ay B disyuntos o mutuamente excluyentes)

PASOS PARA EL CALCULO DE PROBABILIDADES

1. Definir claramente el experimento aleatorio

2. Hallar el espacio muestral, Ω
3. Asignar a cada elemento del espacio muestral (punto muestral)
un valor tal que:
a. No negativo
b. Suma de todos los valores sea igual a 1
4. Definir una característica A (evento) y hallar
P(A) como la suma de los valores de los puntos que satisfacen
dicha característica.
EJEMPLO:
En una bodega hay 5 motores, dos de los cuales son defectuosos.
Si se seleccionan aleatoriamente 2 para cubrir un pedido. ¿Cuál es
la probabilidad de que:
a. Ninguno esté defectuoso?
b. Exactamente uno esté defectuoso?
c. Al menos uno esté defectuoso?
Al menos=mínimo,
A lo más, a lo sumo =máximo

DEFINICIÓN CLÁSICA DE PROBABILIDAD

Eventos favorables/Eventos Posibles (Equiprobabilidad)
PROBABILIDAD CONJUNTA, MARGINAL Y CONDICIONAL

SEXO(B)
EDAD (A) HOMBRE(B1) MUJER(B2) Subtotal
<20 (A1) 4 (n11) 1(n12) 5(NA1)
>=20(A2) 5(n21) 3(n22) 8(NA2)
Subtotal 9(NB1) 4(NB2) 13 (N)
PROBABILIDAD CONJUNTA “y”
Es la probabilidad de ocurrencia de dos o más eventos simultáneamente

P(AnB)

P(AinBj)=nij/N
Ejemplo: ¿Cuál es la probabilidad de seleccionar un estudiante menor

de 20 años y que sea mujer?

P(A1nB2)=n12/N=2/10=0.2

PROBABILIDAD MARGINAL

Es la probabilidad de ocurrencia de un evento considerando todas las

categorías del otro evento

P(Ai)=NAi/N P(Bj)=NBj/N

Ejemplo: ¿Cuál es la probabilidad de seleccionar un estudiante que tenga

Menos De 20 años?

P(A1)=NA1/N

¿Cuál es la probabilidad de seleccionar una mujer?

PROBABILIDAD CONDICIONAL

Es la probabilidad de ocurrencia de un evento restringido a la ocurrencia

de otro evento

P(Ai/Bj)= P(AinBj)/ P(Bj)

Ejemplo: ¿Cuál es la probabilidad de seleccionar un estudiante menor

de 20 años dado (si se sabe)que es una mujer?

P(A1/B2)= P(A1nB2)/ P(B2)=2/10/3/10=2/3

Ejemplo:

Dado (si se sabe)que se elige un estudiante menor de 20 años

¿Cuál es la probabilidad de seleccionar una mujer?

INDEPENDENCIA ESTADISTICA

Dos eventos Ay B son estadísticamente independientes si la

ocurrencia de A no incide en la ocurrencia o no ocurrencia de B

1. Si P(AnB)= P(A) P(B) entonces A y B son independiente

2. Si P(A1/B2)= P(A1) entonces A y B son independientes, en caso
contrario se dicen dependientes
Ejemplo: son los eventos A1=Tener menos de 20 años
y B2=ser mujer ¿estadísticamente independientes?
P(A1nB2)= P(A1) P(B2)?
Ejemplo: Considere los siguientes 3 eventos, del experimento
aleatorio: lanzamiento de 1 dado dos veces.
A: El primer y segundo lanzamiento iguales
B: Suma de ambos lanzamientos igual a 8
C: Primer lanzamiento igual a 4
[Link] los eventos A y B independientes estadísticamente?
[Link] los eventos A y C independientes estadísticamente?

REGLAS DE PROBABILIDAD

REGLA ADITIVA P(AUB) (probabilidad de A “o”B)

P(AUB)=P(A)+P(B) si Ay B son disyuntos
P(AUB)=P(A)+P(B)- P(AnB) si Ay B NO son disyuntos

P(AUBUC)=P(A)+P(B)+ P(C) si Ay B son disyuntos

P(AUBUC)=P(A)+P(B)+P(C)-P(AnB)-P(AnC)-P(BnC)+P(AnBnC)
si Ay B NO son disyuntos

REGLA MULTIPLICATIVA P(AnB) (probabilidad de A “y”B)

P(AnB)= P(A)P(B) si A y B son independientes
P(AnB)= P(A/B)P(B) si A y B NO son independientes

P(AnBnC)= P(A)P(B)P(C) si A, B y C son independientes

P(AnBnC)= P(A/BC)P(B/C)P(C) si A, B y C NO son independientes

EJEMPLOS:
¿Cuál es la probabilidad de que al lanzar un dado 1 vez se obtenga un
Número par o un 2?
A:Obtener un par
B Obtener un dos
¿Cuál es la probabilidad de obtener una suma de 5 o una suma de
6 al lanzar un dado dos veces?
A:Suma igual a 5
B:Suma igual a 6

¿Cuál es la probabilidad de obtener al menos un 4 en los dos

Lanzamientos de un dado?
A:Obtener un 4 en el primer lanzamiento
B:Obtener un 4 en el segundo lanzamiento

En una biblioteca hay 7 libros de estadística. 4 en empaste fino y 3

en empaste rustico. Si llegan 3 estudiantes, ¿Cuál es la probabilidad

de que el primero se lleve un libro en empaste fino, el segundo

en empaste rustico y el tercero empaste rustico?

A: tercer estudiante se lleva un libro empaste rustico

B: Segundo estudiante se lleva un libro en empaste rustico

C: Primer estudiante se lleva un libro en empaste fino.

¿Cuál es la probabilidad de que el primero se lleve un libro

en empaste rustico, el segundo

en empaste rustico y el tercero empaste rustico?

TEOREMAS DE PROBABILIDAD TOTAL Y TEOREMA DE BAYES

 Considere una partición de Ωes decir

1. Ei≠vacio
2. EinEj=vacio
3. UEi= Ω

P(B)= P(BnE1)+ P(BnE2)+...+ P(BnEk)

P(B)= P(B/E1)P(E1)+ P(B/E2)P(E2)+...+ P(B/Ek)P(Ek)

En una fábrica, tres máquinas E1, E2 y E3 producen el 25%, 35% y 40% del total

de la producción, respectivamente. Se sabe por experiencia pasada que el 2%

de la maquina E1, el 3% de la maquina E2 y el 4% de la maquina E3 son artículos defectuosos.

a. ¿Cuál es la probabilidad de que un artículo sea defectuoso?

b. Si un artículo es defectuoso, ¿cuál es la probabilidad de que sea producido por la maquina E2?

VARIABLES ALEATORIAS

DISCRETAS

Ejemplo:

Experimento aleatorio: Lanzamiento de 1 dado 1 vez*******?

X: No. De puntos en la cara superior del dado

X f(X) F(X)
1 1/6 1/6
2 1/6 2/6
3 1/6 3/6
4 1/6 4/6
5 1/6 5/6
6 1/6 6/6=1
Función de masa de probabilidad

𝑓(𝑥𝑖 ) = 𝑃(𝑋 = 𝑥𝑖 )
Función de distribución acumulada

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∑ 𝑓(𝑥𝑖 )

𝑥𝑖 ≤𝑥

Propiedades

1. 0 ≤ 𝐹(𝑥) ≤ 1
2. Si 𝑥 ≤ 𝑦 entonces 𝐹(𝑥) ≤ 𝐹(𝑦)

MEDIA, VALOR ESPERADO O ESPERANZA

𝜇 = 𝐸(𝑋) = ∑ 𝑥𝑓(𝑥)
𝑥
VARIANZA
𝜎 2 = 𝑉(𝑋) = ∑(𝑥 − 𝜇)2 𝑓(𝑥) = ∑ 𝑥 2 𝑓(𝑥) − 𝜇2
𝑥 𝑥

3. CONTINUAS

Función de densidad de probabilidad

1. 𝑓(𝑥) ≥ 0
∞
2. ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
𝑏
3. 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏)=∫𝑎 𝑓(𝑥)𝑑𝑥
4. 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝑃(𝑎 ≤ 𝑋 < 𝑏)
= 𝑃(𝑎 < 𝑋 < 𝑏)

Función de distribución acumulada

𝑥

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫ 𝑓(𝑢) 𝑑𝑢

−∞
 MEDIA
∞

𝜇 = 𝐸(𝑋) = ∫ 𝑥𝑓(𝑥) 𝑑𝑥
−∞
VARIANZA
∞

𝜎 = 𝑉(𝑋) = ∫ (𝑥 − 𝜇)2 𝑓(𝑥)𝑑𝑥

2

−∞
∞

= ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥 − 𝜇2
−∞

EA. Lanzamiento de 1 dado 2 veces

X: Suma de los puntos de los dos dados

 Hallar FDP Graficar

 Hallar la acumulada
 Hallar E(X) y V(X)
 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
Uniforme Binomial Binomial negativa Geométrica Hipergeométrica Poisson
Discreta
Cara Cada uno de los Consiste en la repetición Consiste en la repetición de Consiste en la Se selecciona una Considere un intervalo de número reales en el
c- valores que de n ensayos ensayos independientes repetición de ensayos muestra aleatoria de espacio o en el tiempo. Si dicho intervalo se
terist asume tiene la independientes Bernoulli independientes tamaño n sin puede dividir en subintervalos lo
icas misma Bernoulli(Experimento con Bernoulli reemplazo suficientemente pequeños tales que:
probabilidad dos posibles resultados 1. La probabilidad de más de una ocurrencia
disyuntos: éxito y fracaso en el intervalo es cero
con probabilidades 2. La ocurrencia en un subintervalo es
constantes p y (1-p), independiente de la ocurrencia en los demás
respectivamente) subintervalos y es directamente proporcional
la longitud de los mismos.
Entonces el proceso se distribuye Poisson
FDP 1 𝑛 𝑥 − 1 (1
) − 𝑝) 𝑥−𝑟 𝑝𝑟 (1 − 𝑝) 𝑥−1𝑝 𝐾 𝑁−𝐾 𝑒 −𝜆 𝜆𝑥
( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 (
𝑟−1
( )(
𝑥 𝑛−𝑥
)
𝑛 𝑥 𝑥 = 𝑁𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠 𝑥!
𝑥 = 𝑁𝑜 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠 𝑒𝑛 𝑛 𝑥 = 𝑁𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠 ℎ𝑎𝑠𝑡𝑎 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑎𝑟 1 é𝑥𝑖𝑡𝑜 𝑁 𝑥 = 𝑁𝑜 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜
( )
𝑒𝑛𝑠𝑎𝑦𝑜𝑠 ℎ𝑎𝑠𝑡𝑎 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑎𝑟 𝑟 𝑒𝑥𝑖𝑡𝑜𝑠 𝑥 = 1,2, … 𝑛 𝑥 = 0,1,2, …
𝑥 = 0,1,2, … , 𝑛 𝑝 = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 é𝑥𝑖𝑡𝑜 𝑒𝑛 𝜆 = 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜
𝑛 = 𝑁𝑜. 𝑒𝑛𝑠𝑎𝑦𝑜𝑠 𝑏𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖 𝑢𝑛 𝑒𝑛𝑠𝑎𝑦𝑜
𝑝 𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, ..
= 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 é𝑥𝑖𝑡𝑜 𝑒𝑛 𝑢𝑛
𝑒𝑛𝑠𝑎𝑦𝑜 𝑏𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖
E(X) (𝑏 + 𝑎) 𝑛𝑝 𝑟 1 𝑛𝐾 𝜆
2 𝑝 𝑝 𝑁
V(X) (𝑏 − 𝑎 + 1)2 − 1 𝑛𝑝(1 − 𝑝) 𝑟(1 − 𝑝) (1 − 𝑝) 𝐾 𝐾 𝑁−𝑛 𝜆
𝑛 (1 − ) ( )
12 𝑝2 𝑝2 𝑁 𝑁 𝑁−1
Ejemplo: La probabilidad de que un semáforo esté en verde en una mañana

es del 20%. Suponga que cada mañana representa un ensayo independiente

a. En 5 mañanas ¿cuál es la probabilidad de que el semáforo este en verde

Una vez?
b. En 5 mañanas ¿cuál es la probabilidad de que el semáforo este en verde
Al menos 2 veces?
c. En 5 mañanas ¿cuál es la probabilidad de que el semáforo este en verde
tres veces?
d. ¿Cuál es la probabilidad de que la tercera vez que el semáforo esta en
Verde sea la quinta mañana que usted pasa por el cruce?
e. ¿Cuál es la probabilidad de que la primera vez que el semáforo esta en
Verde sea la quinta mañana que usted pasa por el cruce?

El número de baches que necesitan reparación urgente en una carretera

Intermunicipal tiene una distribución con una media de 5 baches por
Kilometro.
 a. ¿Cuál es la probabilidad de no encontrar ningún bache?
b. ¿Cuál es la probabilidad de encontrar al menos un bache?
c. ¿Cuál es la probabilidad de encontrar al menos un bache en un
tramo de 2 kilómetros?

DISTRIBUCIONES CONTINUAS

DISTRIBUCIÓN DISTRIBUCI DISTRIBUCION GAMMA ERLANG CHI WEIBULL

UNIFORME ÓN EXPONENCIAL CUADRADO
CONTINUA NORMAL
X: Longitud del intervalo Caso particular de la Caso particular Modela el tiempo hasta que
entre conteos sucesivos o distribución Gamma de la ocurre una falla en muchos
hasta que ocurre el cuando r es entero distribución sistemas físicos diferentes
primer conteo(falla) en (r>0) Gamma
un proceso Poisson con X: Longitud del cuando
media 𝜆 >0 intervalo hasta que 1
𝜆=
ocurren r fallas en un 2
proceso Poisson con 1 3
𝑟 = , 1, , 2
media 𝜆 >0 2 2
(Suma de r
exponenciales)

1 𝑓(𝑥) 𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥 𝜆𝑟 𝑥 𝑟−1 𝑒 −𝜆𝑥 𝜆𝑟 𝑥 𝑟−1 𝑒 −𝜆𝑥

𝑓(𝑥) = 2 𝑓(𝑥) = 𝑓(𝑥) =
𝑏−𝑎 1 1
− (
𝑥−𝜇
) 0≤𝑥<∞ Γ(𝑟) (𝑟 − 1)! 𝛽 𝑥 𝛽−1 −(𝑥 )𝛽
𝑎<𝑥<𝑏 = 𝑒 2 𝜎 𝑓(𝑥) = ( ) 𝑒 𝛿
√2𝜋𝜎 𝑥>0 𝑥>0 𝛿 𝛿
−∞ < 𝑥 𝑟>0 𝑟 = 1,2,3, .. 𝑥>0
<∞ ∞ 𝑟−1 −𝑥 𝛿 > 0 𝑒𝑠𝑐𝑎𝑙𝑎
Γ(𝑟) = ∫ 𝑥 𝑒 𝑑𝑥 𝛽 > 0 forma
0 𝑟>0
𝑥 𝛽
Γ(𝑟) = (𝑟 − 1)Γ(𝑟 − 1) 𝐹(𝑥) = 1 − 𝑒
−( )
𝛿
= (𝑟 − 1)!
Γ(0) = 0!; Γ(1/2) = 𝜋 1/2
𝑎+𝑏 𝐸(𝑋) = 𝜇 1 𝑟 𝑟 1
𝐸(𝑥) = 𝐸(𝑋) = 𝐸(𝑋) = 𝐸(𝑋) = 𝐸(𝑋) = 𝛿Γ (1 + )
2 −∞ < 𝜇 𝜆 𝜆 𝜆 𝛽
<∞
 𝑉(𝑥) 𝑉(𝑋) = 𝜎 2 1 𝑟 𝑟 𝑉(𝑋)
𝑉(𝑋) = 𝑉(𝑋) = 𝑉(𝑋) =
(𝑏 − 𝑎)2 𝜎>0 𝜆2 𝜆2 𝜆2
= = 𝛿 2 Γ (1
12
2 2
1 2
+ ) −𝛿 [Γ (1 + )]
𝛽 𝛽

UNIFORME

Sea X la corriente medida en n alambre delgado de cobre en miliamperes. Suponga que el rango es 0 a 250 MA suponga que la función de densidad de X es
f(x)=0.05, 0 ≤ 𝑥 ≤ 20

EXPONENCIAL

En una red de computadoras de una corporación, el acceso de usuarios al sistema

puede modelarse como un proceso de Poisson con una media de 25 accesos por hora.

a. ¿Cuál es la probabilidad de que no haya acesos en un intervalo de 6 minutos?

b. ¿Cuál es la probabilidad de que el tiempo hasta el siguiente accesos este

entre 2 y 3 minutos?

c. Determine el intervalo de tiempo tal que la probabilidad

de que no haya accesos en el intervalo sea de 0.90

d. E(X), V(X)

X: tiempo en horas desde el principio del intervalo hasta el primer acceso

a.P(x>0.1)

b.P(0.033<X<0.05)

ERLANG

Las fallas de las unidades de procesamiento central (CPU) de los sistemas de

computadoras se modelan por un proceso Poisson. Generalmente las fallas

son de carácter aleatorio en el gran número de circuitos semiconductores de

las unidades. Suponga que las unidades que fallan se reparan de inmediato

y que el número promedio de fallas por hora es de 0.0001. Sea X el tiempo

hasta que ocurren cuatro fallas en el sistema.

Determine la probabilidad de que X exceda 40 000 horas

P(X>40 000)

r=4; 𝜆 = 0.0001

WEIBULL

El tiempo para que ocurra una falla (en horas) de un rodamiento en un eje mecánico
1
se modela por una distribución Weibull con 𝛽 = 2 𝑦 𝛿 = 5 000 horas

a. Determine el promedio para que ocurra una falla

b. Determine la probabilidad de que un rodamiento dure por

lo menos 6000 horas

1
𝐸(𝑋) = 5000Γ (1 + )
0.5
6000 1/2
−( )
P(X>6000)=1-𝐹(6000) = 1 − 1 − 𝑒 5000 =0.301