Estadística y Probabilidades

Unidad : 05

“Técnicas de Conteo”

Semana : 09
Experimento1: Lanzar un dado.

Posibles resultados: 1, 2, 3, 4, 5, 6

Experimento2: Formar números pares de tres

cifras, con los números 1, 4, 7, 8 y 9.
Posibles resultados: 174, 148, 184, 198, etc…
Rpta. Si no se permite repetir el numero hay 24 maneras.
Si se permite repetir hay 50 maneras.
Conclusión: Ya no es tan fácil encontrar TODOS los números
pares de tres cifras. Aprenderemos Técnicas de Conteo

¿Qué son las técnicas de conteo?

Son aquellas usadas para enumerar actividades (eventos)

difíciles de cuantificar
 Principios de Conteo

Principio de Adición Principio de Multiplicación

Si un procedimiento A se puede Si un procedimiento A se puede
realizar de “m” maneras y un realizar de “m” maneras y un
procedimiento B se puede procedimiento B se puede
realizar de “n” maneras, si estos realizar de “n” maneras, si estos
procedimientos no se pueden procedimientos se realizan uno
realizar en forma simultánea; después del otro; entonces el
entonces el procedimiento A o el procedimiento A y el
procedimiento B se pueden procedimiento B se pueden
realizar de “m + n” maneras. realizar de “m * n” maneras.
Este resultado se puede extender Este resultado se puede extender
para más de dos procedimientos. para más de dos procedimientos.
¿Cómo podemos distinguir cuando hacer uso del principio
Aditivo o Multiplicativo?

Si la actividad a
desarrollar o a ser
efectuada tiene Si la actividad a
alternativas para ser desarrollar o a ser
llevada a cabo, haremos efectuada tiene una sola
uso del Principio aditivo alternativa, la cual
o de adición. requiere de una serie de
pasos para ser llevada a
Hay que darse cuenta efecto, entonces
que las actividades son haremos uso del
EXCLUYENTES, es decir Principio multiplicativo
es decir al elegir una o de multiplicación
forma se deja de lado las
demás
 Ejemplo 1: Ejemplo 2:
Suponga que tiene que viajar de
Suponga que tiene que la ciudad A a la ciudad C, pasando
viajar de la ciudad A a por la ciudad B. Para ir de A hacia
la ciudad B, y tiene 5 B tiene que ser por vía terrestre y
empresas por vía tiene disponibles 7 empresas,
terrestre y 3 líneas para ir de B hacia C debe ser por
aéreas. ¿De cuántas vía aérea y tiene dos líneas
formas diferentes puede aéreas. ¿ De cuántas formas
realizar dicho viaje? diferentes puede viajar de la
ciudad A hacia la ciudad C?

5 empresas terrestres 7 empresas

A B A terrestres B C
2 líneas
3 líneas aéreas aéreas

5 + 3 = 8 maneras 7*2 = 14 maneras

Ejemplo 3: Ejemplo 4:
Imagine que usted recibe un premio y Imagina que se va a organizar
podrá elegir solo uno de estos destinos una reunión y para la comida
de viaje: deben decidir entre
A) Viaje en bus a uno solo de estos tres hamburguesas, tacos o hot-
destinos: Paracas, Huaraz o Ayacucho dog; para el refresco entre
B) Viaje en avión al Sur a Arequipa o al limonada o chicha y para
Cuzco postre pueden pedir torta o
C) Viaje en avión al norte, a uno solo helado.
de estos cuatro destinos: Chiclayo, ¿De cuántas maneras
Máncora, Trujillo o Quito diferentes se puede elegir lo
¿De cuántas maneras puede elegir el que consumirán?
viaje?

C: 4 Comida: Refresco: Postre:

A: 3 + B: 2 +
maneras maneras maneras 3maneras * 2maneras * 2maneras

Total: 9 maneras Total: 12 maneras

 1
Diagrama de Árbol
(del ejercicio anterior) 2

10
3x2x2 = 12 11
Comidas Refresco Postre maneras
12
 Técnicas de Conteo

ARREGLOS
Son ordenamientos de elementos o datos.
En los arreglos puede o no interesar la posición de los elementos.

COMBINACIÓN PERMUTACIÓN

Es todo arreglo de Es todo arreglo de

elementos en donde elementos en donde
NO nos interesa el lugar, SI nos interesa el lugar,
orden o posición que orden o posición que
ocupa cada uno de los ocupa cada uno de los
elementos que elementos que
constituyen dicho arreglo constituyen dicho arreglo
 Definiciones y Formulas

COMBINACIÓN PERMUTACIÓN
De un conjunto de De un conjunto de
“n” elementos se “n” elementos se
toman de r en r, en toman de r en r, en
los cuales NO se los cuales SI se
considera el orden, y considera el orden, y
tampoco la repetición la repetición depende
𝑛
Notación C 𝑛, 𝑟 = 𝐶𝑟𝑛 = 𝑛𝐶𝑟 = P 𝑛, 𝑟 = 𝑃𝑟𝑛 = 𝑛𝑃𝑟
𝑟
𝒏! P 𝒏, 𝒓 =
𝒏!
Sin Repetición
Formulas 𝑪 𝒏, 𝒓 = 𝒏−𝒓 !
𝒓! 𝒏 − 𝒓 !
Si r = n => P(n, n) = n!

PR 𝒏, 𝒓 = 𝒏𝒓 Con Repetición

𝑛! Caso Especial
𝑃 𝑛; 𝑛1, 𝑛2, … , 𝑛𝑘 =
𝑛1 ! 𝑛2 ! … 𝑛𝑘 ! (estante libros)
Ejemplo 5:
¿Cuántos equipos de trabajo n=9 ; r=4
compuestos por 4 personas
se pueden formar si se
tienen 9 personas para ser C(9, 4) = 126 maneras
elegidas?

Ejemplo 6: 4 Adm
Del ejercicio anterior: 3 Ing
2 Eco r=4
De las 9 personas, hay 4
9 personas
adm., 3 ing. y 2 eco.
Determine de cuántas
maneras se pueden 2 adm y 2 otros C(4,2)*C(5,2)
conformar equipos de ó +
3 adm y 1 otros C(4,3)*C(5,1)
cuatro personas de tal forma ó +
que se tenga por lo menos 2 4 adm y 0 otros C(4,4)*C(5,0)
administradores?
= 81 maneras
 Ejemplo 7:
Se debe seleccionar tres n=5 r=3
personas de una grupo de 5 María A B C
personas para asignarles tres Miguel 1. María Miguel Lucero
trabajos diferentes A, B y C ¿De Lucero 2. Patty Oscar María
cuántas formas se puede realizar Patty 3. Miguel Patty Oscar
Oscar ……..
dicha asignación de trabajos?
𝑷 𝟓, 𝟑 = 𝟔𝟎 𝒇𝒐𝒓𝒎𝒂𝒔

Ejemplo 8:
Con los dígitos: n=6 r=3
1, 2, 3, 4 ,5 y 6
a) ¿Cuántos números 𝑷 𝟔, 𝟑 = 𝟏𝟐𝟎 𝒏ú𝒎𝒆𝒓𝒐𝒔
posibles de tres cifras sin
repetir se pueden formar?
b) Y si se podrían repetir? 𝑷𝑹 𝟔, 𝟑 = 𝟔𝟑 = 𝟐𝟏𝟔 números
 Ejemplo 7*:
Se debe seleccionar tres n=5 r=3
personas de una grupo de 5
personas para asignarles tres ___ 4 *___
5 *___ 3 = 60 formas
trabajos diferentes A, B y C ¿De A B C
cuántas formas se puede realizar
dicha asignación de trabajos?

Ejemplo 8*:
Con los dígitos: n=6 r=3
1, 2, 3, 4 ,5 y 6
a) ¿Cuántos números ___ 5 *___
6 * ___ 4 = 120 números
posibles de tres cifras sin 1 2 3
repetir se pueden formar?
6 *___
6 * ___
___ 6 = 216 números
b) Y si se podrían repetir?
1 2 3
Ejemplo 9:
a) En 5 posiciones diferentes n=5 r=5
de cuántas formas se
pueden ubicar 5 personas P(5,5) = 5! = 120 formas
A, B, C D y E

b) ¿De cuántas maneras se n=4 r=4

pueden ubicar estas
personas si C y D siempre P(4,4)*P(2,2) = 4!*2! = 48 maneras
deben de estas juntas?

Ejemplo 10: Almacenes: 1 2 3 4 5 6 7 8 9 10

¿De cuántas maneras se A B C D E F
puede guardar en 10 A B C D E F
almacenes 6 paquetes? (1
D F A B E C
paquete x almacen)
Paquetes: A, B, C, D, E, F P(10,6) = 151200 maneras
Ejemplo 11:
Tres viajeros llegan a una
ciudad donde hay 4 hoteles. Pedro
¿De cuántas maneras pueden Juan P(4,3) = 24 maneras
estar cada uno en un hotel Cesar
diferente?

Ejemplo 12:
¿De cuántas formas se
pueden sentar en una fila de
5 asientos 3 hombres y 2
mujeres de tal manera que
las mujeres estén siempre
juntas?

P(4,4)*P(2,2) = 4!2! = 48
 Ejemplo 13: COCOLOCO: C:3 O:4 L:1 n = 8
¿De cuántas maneras se 𝟖!
P(8;3,4,1) = = 𝟐𝟖𝟎 𝒎𝒂𝒏𝒆𝒓𝒂𝒔
pueden permutar las letras 𝟑!𝟒!𝟏!
de las palabras: PAPAUPA: P:3 A:3 U:1 n = 7
“cocoloco” y “papaupa”? 𝟕!
P(7;3,3,1) = = 𝟏𝟒𝟎 𝒎𝒂𝒏𝒆𝒓𝒂𝒔
𝟑!𝟑!𝟏!

Ejemplo 14:
¿De cuántas formas diferentes Los 9 elementos se pueden
se pueden ordenar todos los ordenar de: 9! = 362880
(Hay casos donde el 1 y el 9 están juntos
elementos del conjunto
y en otros casos están separados)
A = 1, 2, 3, 4, 5, 6, 7, 8, 9
de manera que los elementos Si consideramos al 1 y al 9 como un
1 y 9 no aparezcan juntos? solo elemento entonces se pueden
ordenar como 8!2! = 80640
(Aquí siempre en todos los casos el
El 1 y el 9 juntos El 1 y el 9 El 1 y el 9 1 y el 9 están juntos)
y no juntos
menos juntos = separados
362880 – 80640 = 282240 maneras = 9! – 8!2!
 Ejemplo 15:
Un estudiante tiene que responder 10 preguntas de 13 en un examen:

a) ¿De cuántas maneras puede responder?

C(13,10) = 286 maneras

b) ¿De cuántas maneras puede responder, si las dos primeras

preguntas son obligatorias ?
C(2,2)*C(11,8) = 165 maneras
c) ¿Y si una de las 2 primeras es obligatoria?

C(2,1)*C(11,9) = 110 maneras

d) ¿Y si tiene que contestar por lo menos 3 de las 5 primeras preguntas?

C(5,3)*C(8,7) + C(5,4)*C(8,6) + C(5,5)*C(8,5) = ?

 Estadística y
Probabilidades
Unidad : 03

“PROBABILIDADES”

Semana : 10
 CONCEPTOS BASICOS
EXPERIMENTO ESPACIO EVENTO O
ALEATORIO () MUESTRAL () SUCESO
Es el conjunto que reúne
Es un fenómeno todos los resultados
que al ser realizado posibles de un Es un subconjunto
bajo las mismas experimento aleatorio. del espacio
condiciones Cada elemento del espacio muestral
presenta más de un muestral se denomina Se denotan con
resultado posible, punto muestral. Los letras mayúsculas:
pero no se puede espacios muéstrales A,B,C,…etc.
precisar el resultado pueden ser finitos ó
que se obtendrá. infinitos (numerables ó no
numerables).
1: el lanzamiento
1: {1,2,3,4,5,6} A = {2, 4, 6}
de un dado.
2: el lanzamiento Si cae cara es un evento, y
2: {C,S} si cae sello es otro evento
de una moneda
Eventos Mutuamente Excluyentes
Dos eventos A y B son mutuamente excluyentes (disjuntos) si no
pueden ocurrir los dos a la vez, es decir A  B = ø (conjunto vacío)
 OPERACIONES CON EVENTOS
(Diagramas de Venn)
Complemento ( Ac ) Union (AUB) Interseccion (A  B)
Ocurre el evento A, o Los eventos A y B
Significa que el
el evento B o los dos ocurren, a la vez, en
evento A no ocurre.
eventos el mismo instante
  
A A B
Ac B
A

AꓴB = BꓴA A∩B = B∩A

Para dos eventos A y B cualesquiera , se pueden representar de la siguiente manera:


A B
A  Bc AB Ac  B

Ac  Bc
 PROBABILIDAD DE UN EVENTO
La Probabilidad es una medida de la posibilidad de ocurrencia de un evento
CLASICA FRECUENTISTA SUBJETIVA
Si el espacio muestral es
Es la probabilidad
finito y cada punto muestral Es la frecuencia
asignada a un
tiene la misma posibilidad relativa observada
evento por parte de
de ocurrir. entonces la de un evento
un individuo,
probabilidad de ocurrencia durante un gran
basada en la
de un evento A se define: número de
evidencia que
𝒏(𝑨) intentos
𝑷 𝑨 = tenga disponible
𝒏()
Ejemplo 1: Ejemplo 2: Ejemplo 3:
1: Lanzamiento de un dado 2: Lanzamiento de una 3: Lanzamiento de dos
al aire. moneda al aire. dados al aire.
Ω1 = { 1, 2, 3, 4, 5, 6 } Ω2 = {C , S } n(Ω3) = 36
Evento A: se obtenga número “m3” Evento B: salga “cara” Evento C: suma sea “8”
2 1 5
𝑃 𝐴 = = 0.3333 𝑃 𝐵 = = 0.5 𝑃 𝐶 = = 0.1389
6 2 36
 AXIOMAS Y TEOREMAS DE PROBABILIDAD

Axiomas de Teoremas de
Probabilidad Probabilidad
Si A y B son dos eventos Sean los eventos A y B
mutuamente excluyentes: no excluyentes entonces:
P(A U B) = P(A) + P(B) P(A U B) = P(A) + P(B) - P(A∩B)
Ejercicio 1
N° AFIRMACION VERDADERO/FALSO
1 A U AC = Ω Verdadero
2 A ∩ Ω = AC Falso
3 Si A y B son mutuamente excluyentes P(A∩B)=0 Verdadero
4 Si B es subconjunto de A, P(B) = 0 Falso
5 P(Ω) = 1 Verdadero
6 Si P(F) = 0.25 entonces P(Fc) = 0.75 Verdadero
7 Si P(A)= 0.12, P(B) =0.7 P(A∩B)=0.2; P(AUB)=0.8 Falso
8 Si B es subconjunto de A, P(AUB) = P(A) Verdadero

Ejercicio 2 Definir los eventos de la siguiente muestra de empresas:

Tipo de ALIMENTOS QUIMICA CONSTRUCCION A: la empresa pertenece a la
(A) (Q) (C ) industria de alimentos
empresa
Q: la empresa pertenece a la
PEQUEÑA (N) 10 5 8 industria química
C: la empresa pertenece a la
MEDIANA (M) 12 22 15 industria de la construcción
GRANDE (G) 9 6 4 N: la empresa es pequeña
M: la empresa es mediana
TOTAL 31 33 27
G: la empresa es grande
 Ejercicio 3 (a) Hallar cada una de las probabilidades de los seis eventos:
Tipo de ALIMENTOS QUIMICA CONSTRUCCION TOTAL P(A) = 30/90 = 0.3333
empresa (A) (Q) (C )
P(Q) = 33 / 90 = 0.3667
PEQUEÑA (N) 10 5 8 23 P(C ) = 27/90 = 0.3
MEDIANA (M) 12 22 15 49
P(N) = 23/90 =0.2556
GRANDE (G) 8 6 4 18 P(M) = 49/90=0.5444
TOTAL 30 33 27 90 P(G) = 18/90 =0.2

(b) Calcular las siguientes probabilidades:

P(A∩N) = 10/90 = 0.1111

P(Q∩G) = 6 / 90 = 0.0667
P(CUN ) = P(C ) + P(N) – P(C∩N) = 27/90 +23/90 -8 /90 = 42/90 = 0.4667
P(MUG) = P(M) + P(G) – P(M ∩ G) = 49/90+18/90 -0/90 = 67/90 = 0.7444
P(Gc) = 1 – P(G) = 1 – 0.2 = 0.8
P[(QUA)∩Mc] = (10+5+8+6)/90 = 29/90 = 0.3222
Ejercicio 4
La probabilidad de aprobar matemáticas es 2/3, la probabilidad de aprobar
física es 4/9, si la probabilidad de aprobar por lo menos una de las materias es
4/5. ¿Cuál es la probabilidad de probar ambos cursos?

Ejercicio 5
El 30% de los habitantes de una gran ciudad sintoniza el noticiero de televisión de
la mañana, el 40% ve el noticiero de la noche y el 10% sintoniza ambos noticieros.
Se escoge al azar una persona de esta ciudad, halle la probabilidad de que ella:
a) Vea el noticiero de la mañana o de la noche.
b) No presencie ninguno de los dos noticieros.
c) Presencie sólo el de la mañana o sólo el de la noche.

Ejercicio 6
Se escogen al azar 3 televisores de un total de 15, de los cuales se sabe que 5 son
defectuosos. Hallar la probabilidad de que:
a) Ninguno sea defectuoso .
b) Exactamente uno sea defectuoso.
c) Por lo menos uno sea defectuoso.
Ejercicio 7
La junta directiva de una compañía tiene 9 miembros; 5 de los cuales están a
favor de la compra de otra compañía y 4 están en contra. Cuando se convocó a
una reunión de la junta para considerar el tema sólo 5 se presentaron. La
decisión de compra de la compañía requiere la simple mayoría de los que
están presentes. ¿Cuál es la probabilidad de que se haga la compra?

Ejercicio 8
En un salón de clases de 15 alumnos, 3 de ellos no presentaron su trabajo. Si el
profesor elige al azar a 5 alumnos ¿cuál es la probabilidad de que a lo más dos
de ellos no hayan presentado su trabajo?

Ejercicio 9
Cinco amas de casa van a realizar sus compras al supermercado. Si en la
zona donde ellas viven hay 3 supermercados:
a) De cuántas formas pueden realizar sus compras?
b) ¿De cuántas formas pueden hacer sus compras si todas las harán en el
mismo supermercado?
Ejercicio 10
Los estudiantes A y B tienen respectivamente probabilidades 1/2 y 1/5 de
desaprobar un examen. La probabilidad de que desaprueben ambos el examen es
de 1/10. Determinar la probabilidad de que al menos uno de los dos el examen.

Ejercicio 11
En un sobre hay 20 papeletas, ocho llevan dibujado un coche las restantes son
blancas. Hallar la probabilidad de extraer al menos una papeleta con el dibujo de
un coche:
A) Si se saca una papeleta.
B) Si se extraen dos papeletas SIN REPOSICIÓN
C) Si se extraen dos papeletas CON REPOSICIÓN
D) Si se extraen tres papeletas sin reposición.
 Estadística y
Probabilidades
Unidad : 04

“PROBABILIDADES”

Semana : 11 y 12
Probabilidad
Condicional
 PROBABILIDAD CONDICIONAL

si
Es la probabilidad otro evento ya
de que ocurra un con la condición de que ha ocurrido
evento antes.
dado que

Sean dos eventos A y B

de un espacio muestral
(ꭥ), entonces, la 𝑃(𝐴 ∩ 𝐵)
probabilidad de que 𝑃 𝐴/𝐵 =
ocurra el evento A 𝑃(𝐵)
“dado” que el evento B
ya ha ocurrido antes
se define de la
siguiente manera:
Ejemplo:
Un empresario tiene 2 tipos de acciones A y B. La probabilidad de que las
acciones tipo B aumenten su cotización es 0.89 y la probabilidad de que los
dos aumenten su cotización es de 0.65. Si las acciones tipo B ya habían
aumentado su cotización.
¿Cuál es la probabilidad de que las acciones tipo A aumenten su cotización?

Solución: Sean los eventos:

A: las acciones tipo “A” aumenten su cotización
B: las acciones tipo “B” aumenten su cotización

Luego: P(B) = 0.89 P(A∩B) = 0.65

Si las acciones tipo “B” aumentaron, quiere decir,

que el evento B ya ocurrió antes, luego:

𝑃(𝐴 ∩ 𝐵) 0.65
𝑃 𝐴/𝐵 = = = 0.7303
𝑃(𝐵) 0.89
PROPIEDADES DE LA PROBABILIDAD CONDICIONAL

Si A1 y A2 son eventos cualesquiera entonces usando

el teorema de la adición tenemos:
P[(A1U A2)/B] = P(A1/B) + P(A2/B) – P[(A1  A2)/B]
Tabla de doble entrada de Probabilidades
Comúnmente cuando se realizan ejercicios con probabilidad condicional
también es de utilidad una tabla de doble entrada de probabilidades.

Ejemplo1:
Un club consiste de 150 miembros. Del total, 3/5 son hombres y 2/3 son
profesionales. Además, 1/3 de las mujeres son no profesionales. Si se elige al azar
un socio del club:
a) Calcular la probabilidad de que sea hombre y profesional.
b) Calcular la probabilidad de que sea hombre dado que es profesional.
c) Calcular la probabilidad de que sea no profesional dado que es mujer.
Solución:
Sean los siguientes eventos: H: Hombre, M: Mujer, F: Profesional, NF: No profesional
Profesional No Profesional Total 𝑛(𝐻 ∩ 𝐹) 60
𝑎) 𝑃 𝐻 ∩ 𝐹 = = = 0.4
(F) (NF) 𝑛(ꭥ) 150
Hombre (H) 60 30 90
𝑃(𝐻∩𝐹) 60/150
Mujer (M) 40 20 60 b) 𝑃 𝐻/𝐹 = = = 0.6
𝑃(𝐹) 100/150
Total 100 50 150
𝑃(𝑁𝐹∩𝑀) 20/150
c) 𝑃 𝑁𝐹/𝑀 = = = 0.3333
𝑃(𝑀) 60/150
Ejemplo2:
Se tienen los resultados de una encuesta efectuada a los huéspedes de un hotel,
evaluando si les gustaba la comida o no, y también se les pregunto de donde provenían.
Los resultados de la encuesta se encuentran en la siguiente tabla de doble entrada:
Calcular lo siguiente:
Franceces
USA (N) Total a) La probabilidad de que el huésped
(F)
sea francés. 100
𝑃 𝐹 = = 0.4762
Les agrado 210
30 50 80
mucho (M) b) La probabilidad de que les haya
agradado la comida. 55
Les agrado (A) 30 25 55 𝑃 𝐴 = = 0.2619
210
Les desagrado c) La probabilidad de que el huésped sea
40 35 75 norteamericano y le desagrade la
(D)
comida. 35
Total 100 110 210 𝑃 𝑁 ∩ 𝐷 = = 0.1667
210
d) La probabilidad de que el huésped sea e) La probabilidad de que el huésped sea
francés si le desagradó la comida. norteamericano si le agradó la comida.
40/210 25/210
𝑃 𝐹/𝐷 = = 0.5333 𝑃 𝑁/𝐴 = = 0.4545
75/210 55/210
 El Teorema de la Multiplicación
La consecuencia más importante de la probabilidad
condicional es el teorema de la multiplicación

𝑃(𝐴 ∩ 𝐵)
𝑆𝑖: 𝑃 𝐴/𝐵 =
𝑃(𝐵)

P(A  B) = P(A/B) P(B)

Este teorema se puede generalizar para “n” eventos:
P(A1A2 …. An) = P(A1)P(A2 /A1) P(A3 /A1  A2)…..P(An/A1A2…. An-1)
Ejemplo:
Calcular la probabilidad de extraer una bola verde en la primera
extracción y una bola roja en la segunda extracción sin
reposición de una urna que contiene 3 bolas verdes y 4 rojas.
 EVENTOS INDEPENDIENTES
En la definición de la probabilidad condicional decimos: la probabilidad de
que ocurra el evento A dado que el evento B ya ha ocurrido antes, es decir
la ocurrencia de A depende si ocurre o no el evento B, esto es:
𝑃(𝐴 ∩ 𝐵)
𝑃 𝐴/𝐵 = P(A∩B) = P(A/B).P(B)
𝑃(𝐵)
Si decimos que los eventos A y B son “independientes”, es decir, que el
evento A ocurra, ya no depende si ocurre ó no el evento B. Se tendrá que:

P(A/B) = P(A) Si dos eventos A y B son

independientes se cumple que:
Cuando A Cuando A
esta No esta P(A∩B) = P(A).P(B)
condicionado condicionado
Ejemplos de eventos independientes
1) En el lanzamiento de dos 2) En los tiros al blanco, el que 3) Los tiros
monedas, el que salga cara dé al blanco en el tercer tiro penales en el
en una de ellas no depende no depende de los tiros en el futbol, etc..
que salga cara en la otra. segundo ni en el primero.
PROPIEDADES:
Si dos eventos A y B son independientes entonces: P(A∩B) = P(A).P(B)
i) Ac y Bc también son independientes => P(Ac∩Bc ) = P(Ac).P(Bc)
ii) Ac y B también son independientes => P(Ac∩B ) = P(Ac).P(B)
iii) A y Bc también son independientes. => P(A∩Bc ) = P(A).P(Bc)

Ejemplo:
Andrés y Michel juegan tiro al blanco. Las probabilidades de dar en el
blanco son 0.6 y 0.8 respectivamente. Hallar la probabilidad de que por
lo menos uno de ellos dé en el blanco.
TEOREMA DE LA PROBABILIDAD TOTAL
Y TEOREMA DE BAYES
Eventos Mutuamente Eventos Colectivamente
Excluyentes Exhaustivos
Dados k eventos: A1,A2,……,Ak Dados k eventos: A1,A2,……,Ak
Son aquellos donde se cumple: Son aquellos donde se cumple:
Ai ∩ Aj = ɸ ; i≠j A1UA2U……UAk = ꭥ

Partición del Espacio Muestral

Se denomina partición del espacio muestral (), a una
colección de “k” eventos A1,A2,……,Ak que sean
mutuamente excluyentes y colectivamente exhaustivos
y donde P(Ai) > 0 para cada i = 1,2, …. ,k


A3 A4 A6 A7
A2

A1 A5 A8
TEOREMA DE LA PROBABILIDAD TOTAL


Si “k” eventos
A1,A2,……..,Ak A1 A 2 A3 Ak
constituyen una
partición del
espacio muestral ……….
(ꭥ), entonces B
para cualquier
evento B en ꭥ se
cumple lo
siguiente:
Entonces la probabilidad que ocurra el evento B es:
k
P(B)=  P(A )P(B / A )
i=1
i i
 TEOREMA DE BAYES

Si los k eventos
A1, A2, …….. Ak
constituyen una
P(Ai∩B)
partición del
P(Ai/B) =
espacio muestral
(ꭥ), entonces P(B)
para cualquier
evento B incluido
en ꭥ tal que Probabilidad
P(B)> 0 se Total
cumple:
 Ejemplo: Construir el diagrama de árbol para el siguiente enunciado:
La probabilidad que Andrea estudie es 0.25. Si estudia la probabilidad que
apruebe es de 0.80 y si no estudia la probabilidad que apruebe es de sólo 0.50.
a) ¿Cuál es la probabilidad que Andrea apruebe su examen?
b) Si Andrea aprobó su examen. ¿cuál es la probabilidad de que haya estudiado?
Solución: Sean los eventos E: Andrea estudia Ē: Andrea no estudia
B: aprueba BC: no aprueba

0.80 B 0.20 a) P(B) = P(E∩B) + P(Ē∩B)

= 0.20 + 0.375 = 0.575
E Prob.Total
0.25 0.20 BC 0.05

Andrea 0.50 B 0.375

b) P(E/B) = P(E∩B)/P(B)
0.75 Ē = 0.20/0.575 = 0.3478
0.50 BC 0.375 Teorema Bayes

1
Ejemplo:
3 máquinas producen un mismo artículo; las máquinas A, B y C fabrican el 35%,
el 25% y el 40% de la producción total respectivamente. De lo que producen el
5%, 4% y 2% son defectuosos respectivamente.
a) Si se escoge un artículo al azar, calcular la probabilidad de que sea defectuoso.
b) Si se escoge un articulo al azar, ¿Cuál es la probabilidad de que haya sido producido
por la maquina A o B, si el articulo no es defectuoso?
c) Si se escogen ahora cuatro artículos al azar, calcular la probabilidad de que
sean no defectuosos.
0.05 D 0.0175 Eventos: A: maquina A
B: maquina B
C: maquina C
A ND 0.3325 D: producto defectuoso
0.35 0.95 P. Total
D 0.01 ND: producto no defectuoso
0.04
0.25 a) P(D)=P(A∩D) + P(B∩D) + P(C∩D)
B = 0.0175 + 0.01 + 0.008 = 0.0355
0.96 ND 0.24
b) P[(AUB)/ND] = P[(AUB)∩ND]/P(ND)
0.02 D 0.008 = 0.5725/0.9645
0.40
C = 0.5936 T. Bayes
0.98 ND 0.392 c) P(ND)P(ND)P(ND)P(ND)
= (0.9645)^4 = 0.8654
1
 Estadística y
Probabilidades
Unidad : 05
“DISTRIBUCIONES
DISCRETAS DE
PROBABILIDAD”
Semana : 13
 Unidad de Aprendizaje 5
Distribuciones Discretas de Probabilidad

9. Variable Aleatoria Discreta

9.1 Definición. Variables aleatorias discretas.
9.2 Función de Cuantía
9.3 Valor esperado
9.4 Varianza.
9.5 Interpretación de resultados
Variable Aleatoria Discreta
 IDEAS PREVIAS
VARIABLE ESTADÍSTICA
Indica una característica de interés de una población y puede
tomar diferentes “valores”.
VARIABLE VARIABLE
VARIABLE
CUANTITATIVA CUANTITATIVA
CUALITATIVA
DISCRETA CONTINUA
Color De ojos
No de hermanos Peso de las personas

VARIABLE VARIABLE
ALEATORIA ALEATORIA
DISCRETA CONTINUA
(Estadística&Probabilidades) (Estadística Inferencial)

DEFINAMOS VARIABLE ALEATORIA

 VARIABLE ALEATORIA
Es una descripción numérica del resultado de un experimento
aleatorio, es decir una variable aleatoria es una función que asocia a
cada elemento del espacio muestral (ꭥ) un número real.
Las variables aleatorias se denotan con letras mayúsculas: X,Y,Z,U,V yW.
Una variable aleatoria X es una Los valores que puede tomar la v.a. se
función cuyo dominio es el espacio llama el recorrido (rango) de la v.a. y se
muestral ꭥ clasifica como discreta ó continua.
Función
# entero:
ꭥ X Reales v.a. discreta
# no entero:
v.a. continua

W X = X(w)

Dominio Rango
Ejemplo:
Є: Lanzar una moneda dos veces consecutivas
entonces:  = { CC,CS,SC,SS }
Se define la siguiente variable aleatoria:
X : El número de caras en el lanzamiento de una moneda
dos veces consecutivas
Función Variables
Aleatorias
ꭥ X= # caras Reales Discretas
CC Son aquellas
2 cuyo rango de
CS X es un
1 conjunto finito
SC o infinito
0 numerable de
SS
elementos
Dominio = ꭥ Rango = Rx = {0, 1, 2} Rx = {x1,x2,x3,…,xn}
 Función de Distribucion de Probabilidades
(Función de Cuantia)
Es el conjunto de parejas ordenadas ( xi,p(xi))
Función de Cuantía
X x1 x2 …… xn Propiedad:

P(X=xi) p(x1) p(x2) ……. p(xn) P( xi ) = 1

Función de Cuantía f(x)

Función de Cuantía
p(x1) ; x1 p(xn)

p(x2) ; x2 .
. .
P(x)=f(x) = .
.
.
p(x2)
. .
p(xn) ; xn
p(x1)
x
x1 x2 …………. xn
 Ejemplo:
Consideremos el siguiente experimento aleatorio: Se lanza una moneda dos
veces y se observa el número de “caras” obtenidas. Calcular la función de Cuantía
Solución:
La variable aleatoria se define: X: números de “caras” que se obtiene.
En este caso tendremos: p(x=0) = p(SS) = (1/2)(1/2) = 1/4
p(X=1 ) = p(CS,SC) =( 1/2*1/2)+(1/2*1/2)= 2/4
p(X=2 ) = p(CC) = 1/2*1/2 = 1/4
Función de Distribución de Probabilidades o
función de Cuantía de la variable aleatoria X

X 0 1 2 f(x)
Función de Cuantía
P(x) 1/4 2/4 1/4 =1
2/4

1/4 ; x = 0 1/4
P(x)=f(x) = 2/4 ; x = 1
1/4 ; x = 2 x
0 1 2
Características de una la variable aleatoria
Valor Esperado: E(X) Varianza: V(X)
• La varianza, de una v.a., es el
• El valor esperado es la media o
punto de partida para analizar la
promedio de la v.a.
dispersión o variabilidad de la
• Se denota por E(X)
variable.
• Si una v.a. X tiene función de
• Se denota por V(X)
probabilidad P(x), su valor
• Si una v.a. X tiene función de
esperado se calcula de la
probabilidad p(x), su varianza se
siguiente manera:
calcula de la siguiente manera:
E(X) = ∑ xi P(xi) V(X) = E(X2) – [E(X)]2
Donde: E(X2) = ∑x2P(xi)
Propiedades: Sean a, b y k constantes:

i. E(k) = k i. V(k) = 0
ii. E(aX) = a E(X) ii. V(aX) = a2 V(X)
iii. E(X± b) = E(X) ± b iii. V(X ± b) =V(X)
iv. E(aX ± b) = a E(X) ± b iv. V(aX±b) = a2 V(X)
 Ejemplo: Del ejercicio anterior: lanzar dos veces la moneda y observar el numero de caras
Calcular el Valor Esperado, la varianza, la Desviación estándar, el Coeficiente de Variación.
Solución: X: números de “caras” que se obtiene
Función de distribución de probabilidades o
función de Cuantía de la variable aleatoria X

X 0 1 2
P(X) 1/4 2/4 1/4 =1
E(X) 0 2/4 2/4 =1 Valor Esperado
X^2 0 1 4
E(X^2) 0 2/4 4/4 = 6/4=1.5

Varianza V(X) = E(X^2) – [E(X)]^2 = 1.5 –(1)^2 = 0.5

Desviación Estándar S(X) = 0.7071
Coeficiente de Variación CV(X) = 0.7071/1 = 70.71% Presenta una dispersión alta
Ejemplo:
Consideremos el siguiente experimento aleatorio: Se lanza una moneda 4
veces y se observa el número de “caras” obtenidas.
Calcular el E(x), V(x), S(x) y CV(x) de la v.a. “x”
X: Nº de caras al lanzar cuatro monedas

x 0 1 2 3 4
P(x) 1/16 4/16 6/16 4/16 1/16
E(x) 0 4/16 12/16 12/16 4/16 =2
x^2 0 1 4 9 16
E(x^2) 0 4/16 24/16 36/16 16/16 = 80/16 = 5
V(X) = E(X^2) – [E(X)]^2 = 5 – (2)^2 = 1
S(X) = 1
CV(X) = 1/2 = 0.5 = 50% Alta dispersión
 Funcion de Distribución Acumulada: F(x)
Se define la Función de Distribución Acumulada, de la siguiente manera:

F(x) = P [ X ≤ x ] = Σ P[X=k]
Ejemplo:
Hallar la función de distribución acumulada de la v.a. X: Nº de caras al lanzar 4 monedas

x 0 1 2 3 4

P(x) 1/16 4/16 6/16 4/16 1/16

F(x)
0 ; x<0 1

1/16 ; 0≤ x < 1 15/16

5/16 ; 1≤ x <2 11/16

F(x) = 11/16 ; 2≤ x <3 5/16
15/16 ; 3≤ x <4 1/16
1 ; x≥4 x
0 1 2 3 4
 Estadística y
Probabilidades
Unidad : 05
“DISTRIBUCIONES
DISCRETAS NOTABLES”
Semana : 14
 Unidad de Aprendizaje 5
Distribuciones Discretas Notables de Probabilidad

10. Distribuciones discretas notables

10.1 Variables discretas: distribución de Bernoulli
10.2 Variables discretas: distribución Binomial
10.3 Variables discretas: distribución Hipergeometrica
10.4 Variables discretas: distribución de Poisson
 Variables discretas
Distribución de Bernoulli
 1. Distribución Bernoulli: Be(x; p)
La distribución de Bernoulli es un modelo teórico utilizado para
representar una variable aleatoria discreta, la cual solo puede
resultar en dos sucesos mutuamente excluyentes.

“éxito”(p) y “no éxito”(q)

Es importante destacar que el resultado “no éxito” no se refiere al
contrario de “éxito”, sino que se refiere a cualquier caso distinto al
que representa a “éxito” (siempre y cuando haya más de dos posibilidades)
Definimos la v.a. de interés del siguiente manera:
X = Numero de exitos en un lanzamiento X ~ Be(x;p)
Su función de probabilidad viene definida por:
parámetro
𝑓 𝑥 = 𝑝 𝑥 𝑞1−𝑥 𝑐𝑜𝑛 𝑅𝑥 = {0, 1}
q ; si x = 0
E(x) = p
f( x ; p) = p ; si x = 1
V(x) = pq
0 ; en cualquier otro caso
Ejemplo 1
"Lanzar una moneda, cual es la probabilidad de conseguir que salga cruz".
Se trata de un solo experimento, con dos resultados posibles: éxito (p) se
considera sacar cruz, p valdrá 0,5. Fracaso (q) que saliera cara, vale q=0,5.
La v.a. X medirá "número de cruces que salen en un lanzamiento", y sólo
existirán 2 resultados: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz).
Por tanto, la v.a. X se distribuirá como una Bernoulli, ya que cumple todos
los requisitos.
𝑃 𝑥 = 1 = 𝑓 1 = 0.51 0.50 = 0.5 E(x) = 0.5
X ~ Be(0.5)
𝑃 𝑥 = 0 = 𝑓 0 = 0.50 0.51 = 0.5 V(x) = 0.25

Ejemplo 2 "Lanzar un dado y salir un 6".

Cuando lanzamos un dado tenemos 6 posibles resultados:
Estamos realizando un único experimento (lanzar el dado una sola vez).
Se considera éxito (p) sacar un 6, se considera fracaso sacar otro resultado (q).
La v.a. X medirá "número de veces que sale un 6", y solo existen dos valores
posibles, 0 (que no salga 6) y 1 (que salga un 6).

1 5
X ~ Be(1/6) 𝑃 𝑥 = 1 = 𝑓 1 = ( )1 ( )0 = 1/6 E(x) = 1/6
6 6
1 5 V(x) = 5/36
𝑃 𝑥 = 0 = 𝑓 0 = ( )0 ( )1 = 5/6
6 6
2. Distribución Binomial: B(x; n, p)
Si realizamos un experimento aleatorio en el cual es posible
identificar las siguientes características:
A. Se realizan “n” ensayos independientes, bajo las misma condiciones
B. Los resultados posibles para cada ensayo se pueden considerar divididos
en dos partes, a las que llamaremos “éxito”(p) y “fracaso”(q).
C. Para cada ensayo se tiene una probabilidad de “éxito” igual a p, y esta
probabilidad es constante de ensayo en ensayo. Asimismo se tiene una
probabilidad de “fracaso” igual a q. Donde p + q = 1

Definimos la v.a. de interés del siguiente manera:

X: número de éxitos en los n ensayos realizados X ~ B(x; n, p)
Función de distribución de probabilidades:
parámetros
𝑛 𝑥 𝑛−𝑥
𝑓 𝑥 = 𝑝 𝑝 𝑞 𝑐𝑜𝑛 𝑅𝑥 = {0, 1, 2, 3, … … . , 𝑛} E(x) = np
V(x) = npq
Ejemplo 3
En cierta población el 30% de personas prefieren utilizar el producto A. Si se
eligen 12 personas al azar determine las siguientes probabilidades:
a) Tres de las personas prefieren usar el producto A
b) A lo mas 3 personas prefieren utilizar el productoA
c) Por lo menos 7 personas prefieren utilizar el producto A

Ejemplo 4
Un alumno que no ha estudiado, decide resolver un examen marcando las
respuestas al azar. Si el examen consta de 10 preguntas con 5 posibles
respuesta, una de las cuales es la correcta, y para aprobar el examen se
requiere contestar correctamente al menos 7 de las preguntas, determine la
probabilidad de que el mencionado estudiante apruebe el examen.

Ejemplo 5
En una fábrica se tienen dos máquinas A y B, que producen el 30% y el 70% de
artículos respectivamente. La máquina A produce 3% de artículos defectuosos
y la máquina B 5% de artículos defectuosos. En un determinado momento se
seleccionan 15 artículos. Hallar la función de probabilidad de la v.a. “número
de artículos defectuosos” en la muestra de 15 artículos.
3. Distribución Hipergeométrica: H(x; n, M,N)
Se caracteriza por que se tiene una población de tamaño N, en la cual hay M
unidades que tienen alguna característica de interés (éxitos) y por lo tanto
tenemos (N – M) unidades que no tienen dicha característica (fracasos), de
esta población se toma una muestra sin reposición de n elementos.
Se define la variable aleatoria :
X: Número de éxitos en la muestra X ~ H(x; n, M, N}
Función de distribución de probabilidades: parámetros
𝑀 𝑁−𝑀
𝑓 𝑥 = 𝑥 𝑛−𝑥 𝑐𝑜𝑛 𝑅𝑥 = {0, 1, 2, 3, … … . , 𝑚𝑖𝑛(𝑀; 𝑛)}
𝑁
𝑛
Si p = M/N E(x) = np
V(x) = npq(N-n)/(N-1)
Ejemplo 6
De un lote que contiene 12 artículos, 4 de los cuales son
defectuosos, se toma una muestra de 5 artículos, sin reposición,
calcular las siguientes probabilidades:

a) De encontrar en la muestra 3 artículos defectuosos.

b) De encontrar en la muestra a lo más dos artículos defectuosos.
c) ¿Qué sucede si la extracción es con reposición?
 4. Distribución de Poisson P(x;λ)
Esta variable aleatoria permite medir la frecuencia relativa de un suceso por
cada unidad de tiempo o espacio, como por ejemplo:
- Número de accidentes industriales por mes.
- Número de conexiones eléctricas defectuosas por milla de cableado.
- Número de máquinas que se malogran por semana.
- Número de llamadas telefónicas que se reciben en una central telefónica, por hora.
En cada uno de los ejemplos anteriores las variables aleatorias
(accidentes, conexiones, máquinas y llamadas recibidas) se miden por
unidad de tiempo o espacio (distancia)
A partir de esto la v.a. de interés la podemos definir de la siguiente manera:
X: Número de ocurrencias por unidad de tiempo o espacio. X ~ P(x; λ}
La función de probabilidad de esta v.a. es la siguiente:
parámetro
λ𝑥 𝑒 −λ Rx = {0, 1, 2, 3, ….}
𝑓 𝑥 = Donde:
𝑥!
E(X) = λ
λ: Es el promedio de ocurrencias por unidad de tiempo o espacio
e = 2.71828, es la base de los logaritmos neperianos
V(X) = λ
Ejemplo 7:
El número de clientes que ingresan a un centro comercial se
comporta según una variable aleatoria con distribución de
Poisson. Si en promedio ingresan a este centro comercial 12
clientes por hora.

a) Calcular la probabilidad de que en una hora ingresen a lo

más 10 clientes.

b) Calcular la probabilidad de que en 15 minutos ingresen al

centro comercial a lo mas 2 clientes.