PROBABILIDADES
EJEMPLO 1: Consideremos el experimento de tirar un dado, ¿Cuál es la probabilidad del evento
(suceso). “ obtener un numero par?
SOLUCION
Sea:
A= El número que sale al tirar el dado es par.
EJEMPLO 2: Calcular la probabilidad de que en una carrera de 12 caballos, acertar a los tres
que llegan primero en el orden de su llegada a la meta
SOLUCION
12
= 12¡÷ (12 − 3)¿
∫ =
3
EJEMPLO 3: Una caja contiene dos valcetines blancos y dos azules. Si se elegin dos
aleatoriamente.. ¿Cuál es la probabilidad de que sean del mismo color’
SOLUCION
4
4¡
∫ =6
2¡ 2¡
2
2 1
𝑝(𝐴) = 6 = 3
Sea el evento: A= los dos calcetines extraídos son del mismo color
Evento es cualquier subconjunto del espacio muestral
EJEMPLO 4 : Como parte de un programa de servicios de salud para los empleados de la
empresa Don Carlos S.A. Se descubrió que el 8% de los empleados tienen el colesterol alto, el
15% sufre de gastritis y el 3 % tiene el colesterol alto y sufra de gastritis.
¿Cuál es la probablidad de que un empleado seleccionado al azar tenga el colesterol alto o
sufra de gastritis?
SOLUCiON
Sea los siguientes eventos:
A= E mpleados seleccionados con colesterol alto
B= Empleados seleccionados con gastritis
P(A)= 0.08
P(B)=0.15
P(A y B )= 0.03
P(A o B)=p(A) + p(B)- p (A y B)
P(A o B)= 0.08+ 0.15- 0.03= 0.2
EJEMPLO 5: ¿ De cuantas formas se pueden ubicar en una fila de 7 asientos 4 hombres y 4
mujeres, se estas deben ocupar los lugares impares?
SOLUCION
mujeres hombres mujeres hombres mujeres hombres mujeres
4 x 3 x 3 x 2 x 2 x 1 x 1
= 144
DISTRIBUCION DE PROBABILIDAD BINOMIAL
Es un ejemplo de una distribución probabilística binomial la cual
tiene muchas aplicaciones en la vida diaria.
Resumen de características:
a) El resultado de cada ensayo o realización de un
experimento se clasifica en una de dos categorías
mutuamente excluyente: éxito o fracaso
b) La variable aleatoria es el resultado de contar el número de
éxitos en una cantidad fija de ensayos.
c) la probabilidad de éxito permanece igual en cada ensayo.
d) Los ensayos son independientes lo cual significan que el
resultado de un ensayo no afecta el resultado de algún
otro.
Función de distribución probabilística binomial
𝒏!
𝒇(𝑿) = { 𝒑𝒙 (𝟏 − 𝒑) 𝒏−𝒙
, 𝒔𝒊 𝑿 = 𝟎, 𝟏, 𝟐, … , 𝒏}0, para
𝑿!(𝒏−𝑿)
otro X
𝒑(𝒙𝟎 ) = 𝒇(𝑿 = 𝒙𝟎 )
Ejemplos 1: cuando un cliente hace una compra en una tienda
por departamentos, un sistema computarizado de información
contable verifica de manera automática si él o ella ha excedido
su límite de crédito. Registros pasados indican que la
probabilidad de que los clientes excedan su límite de crédito es
de 0.05. suponga que en un día cualquiera 20 clientes hacen
pedidos y que el número de clientes que a excedido su límite de
crédito detectado por el mismo sistema de información de
contabilidad se distribuye como una variable aleatoria binomial.
a) ¿Cuál es la probabilidad de que ningún cliente exceda su
límite?
b) ¿Cuál es la probabilidad de que un cliente exceda su límite?
c) ¿Cuál es la probabilidad de que dos o más exceda su límite?
Solución
Sea
X=El número de clientes que ha excedido su límite de crédito.
P= La probabilidad de exceder su límite de crédito.
q= la probabilidad de no exceder su límite de crédito.
n= El número de ensayos.
Datos
P=0.05 su complementoq=0.95 n=20
20!
a) p(𝑋 = 0) = 0.050 (0.95)20 = 0.3585
0!(20−0)!
Rspta: la probabilidad de que un cliente exceda su límite de
crédito es de 0.3585 ó 35.85%
20!
b) 𝑝(𝑋 = 1) = (0.05)1 (0.95)20−1 = 0.3774
1!(20−1)!
Rspta: la probabilidad de que un cliente exceda su límite de
crédito es de 0.3774 ó 37.74%.
c) 𝑝(𝑋 ≥ 2) =
La probabilidad de que más de dos clientes excedan su límite
de crédito es de 0.2642 ó 26.42%.
DISTRIBUCION PROBABIKISTICA DE POISSON
Es aplicable a casos en los cuales se desea obtener la
probabilidad de un evento sobre un intervalo de tiempo o
espacio, en el cual se cumple los siguientes supuestos:
a) Se tienen un conjunto de intervalos contiguos de la misma
amplitud.
b) La probabilidad de éxito es la misma en cada intervalo
c) La ocurrencia del evento en uno de los intervalos es
independiente de la ocurrencia del evento en cualquiera d
los otros
La distribución de poisson puede describirse
matemáticamente utilizando la siguiente fórmula:
𝜆𝑥 𝑒 −𝜆
𝑝(𝑋) =
𝑋!
Dónde : Es la media aritmética del número de ocurrencias (
éxito) en un intervalo de oportunidad especifico( de tiempo,
de superficie, etc)
e :constante de Euler
X: número de ocurrencias (éxitos)
P(x): es la probabilidad que se va a calcular para un valor
determinado de x
: En el caso de poisson puede calcularse como =np
Ejemplo 1: el número de accidentes que se producen en la
carretera central en el Perú es, en promedio de dos a la
semana.
a) La probabilidad de que no se registre un accidente en una
semana determinada.
b) La probabilidad de que en un mes haya más de 5
accidentes.
Solución
De acuerdo al contexto del problema se trata de un
distribución de probabilidad de poisson ya que queremos la
probabilidad de un evento en un intervalo, en este caso
tiempo (semana).Así tenemos:
X= número de accidentes en la carretera central en una
semana
=2 promedio de accidentas por semana.
20 𝑒 −2
a)𝑝(𝑋 = 0) = = 0.1353
0!
Por lo tanto la probabilidad de que no ocurra un accidente
es de 13.53%
c) Como en promedio hay dos accidentes por semana
podemos suponer que en un mes habrá ocho, en
promedio, siempre que el mes tenga 4 semanas, entonces
bajo estas condiciones tenemos:
5
8𝑥 𝑒 −8
𝑝(𝑋 > 5) = 1 − 𝑝(𝑋 ≤ 5) = 1 − ∑ = 0.8088
𝑥!
𝑥=0
𝑝(𝑋 ≤ 5) + 𝑝(𝑥 > 5) = 1
𝑝(𝑥 > 5) = 1 − 𝑝(𝑥 ≤ 5)
Por lo tanto, la probabilidad de que en un mes haya más de 5
accidentes es del 80.88%.
