Curso:

Curso:
Aritmética
Aritmética

Ciclo:
Ciclo:
Semestral
Anual UNIUNI
PROBABILIDADES Evento o suceso. Es cualquier subconjunto de su espacio
muestral y se denotan con letras mayúsculas.
Es una ciencia exacta que se desarrolla en base de
axiomas, esta teoría matemática tuvo como uno de sus A continuación se muestra algunos ejemplos de experimento
primeros puntos de partida el intentar resolver un problema aleatorio, espacio muestral y eventos.
particular, concerniente a una apuesta de juego de dados
entre dos personas. • ε1: Lanzar un dado
• 𝛀𝟏 = 1; 2; 3; 4; 5; 6
Dos jugadores escogen, cada uno de ellos, un número del 1 • A: Obtener un cuadrado perfecto
al 6, distinto uno del otro, ya pues apuestan 32 doblones de → A = 1; 4
oro a que el número escogido por uno de ellos aparece en
tres ocasiones antes que el número del contrario al lanzar • ε2: Lanzar 3 monedas
sucesivamente un dado. Suponga que el número de uno de • 𝛀𝟐 = 𝐶𝐶𝐶; 𝐶𝐶𝑆; 𝐶𝑆𝐶; 𝑆𝐶𝐶; 𝑆𝑆𝑆; 𝑆𝑆𝐶; 𝑆𝐶𝑆; 𝐶𝑆𝑆
los jugadores ha aparecido dos veces y el número del otro, • B: Obtener 2 caras
una sola vez. Bajo estas circunstancias, ¿cómo debe → B = 𝑆𝐶𝐶; 𝐶𝑆𝐶; 𝐶𝐶𝑆
dividirse el total de la apuesta si el juego se suspende? • ε3: Lanzar una moneda hasta obtener cara
• 𝛀𝟑 = 𝐶; 𝑆𝐶; 𝑆𝑆𝐶; 𝑆𝑆𝑆𝐶; 𝑆𝑆𝑆𝑆𝐶; …
Experimento aleatorio (ε). Es aquel acto o prueba que
• C: Obtener cara en un máximo de 3 lanzamientos
depende del azar, es decir, no se sabe su resultado hasta
→ C = 𝐶; 𝑆𝐶; 𝑆𝑆𝐶
después de realizarlo.
Espacio muestral (Ω). Es el conjunto que tiene como Observación: Lo espacios muestrales pueden ser finitos o
elementos los posibles resultados de su experimento infinitos. En caso de un espacio muestral finito de “n” puntos
aleatorio. A cada elemento de su espacio muestral se le muestrales, el número de eventos asociados a dicho espacio
llama punto muestral. muestral es igual a 2n.
Ω = ω1 , ω2 , ω3 , … , ωn
1. DEFINICIÓN CLÁSICA DE PROBABILIDAD Ejemplo: En un salón de clases del curso de estadística – I
Regla de Laplace: Para un espacio muestral finito de la FIM hay 10 varones y 6 mujeres. Se desea elegir a
equiprobable, la probabilidad de que ocurra el evento A es: dos alumnos para que traigan el proyector e iniciar la clase,
¿Cuál es la probabilidad de que ambos alumnos sean
n(A) N.º casos favorables
P(A) = = 0  P(A)  1 mujeres?
n() N.º casos posibles
Solución:
Ejemplo: Al lanzar 3 monedas, ¿Cuál es la probabilidad de
obtener dos caras y un sello? ε: Elegir dos alumnos de un total de 10 varones y 6 mujeres
A: Elegir dos mujeres de un total de 6 mujeres.
Solución:
Casos posibles: Elegir 2 personas de un total de 16
ε: Lanzar tres monedas 16  15
A: Obtener dos caras y un sello 2 =
n() = C16 = 120
2 1
Hallamos los casos posibles Casos favorables: Elegir 2 mujeres de un total de 6
 = CCC , CCS , CSC , SCC , SSC , SCS , CSS , SSS  65
n(A) = C62 = = 15
Hallamos los casos favorables 2 1
A =  CCS , CSC , SCC  Hallamos la probabilidad

Hallamos la probabilidad N.º casos favorables n(A) 15 1

 P(A) = = = =
N.º casos posibles n() 120 8
N.º casos favorables n(A) 3
 P(A) = = =
N.º casos posibles n(  ) 8
Observaciones: Solución:
▪ Un evento se dice seguro, y se denota Ω, cuando tiene
Al lanzar un dado solo se puede obtener 1, 2, 3, 4, 5 y 6
todos los puntos muestrales y su probabilidad es uno.
como resultados y por dato:
▪ Un evento se llama imposible, y se denota Ø, cuando no P(1) = P(3) = P(5) = p
tiene puntos muestrales y probabilidad es cero.
P(2) = P(4) = P(6) = 2p
▪ Un evento se llama elemental, cuando solo posee un
punto muestral. Se forma la siguiente partición:
Sale Sale Sale Sale Sale Sale
2. EVENTOS MUTUAMENTE EXCLUYENTES 1 2 3 4 5 6
Sean A y B dos eventos mutuamente excluyentes se cumple
que: P A ∪ B = P A + P(B) = p 2p p 2p p 2p

Teorema 1. Si un espacio muestral (Ω) se particiona en “n”

eventos A1, A2, …, An disjuntos 2 a 2 , entonces: Se cumple: P(1) + P(2) + P(3) + P(4) + P(5) + P(6) = 1
1
= Evento Evento Evento Evento p + 2p + p + 2p + p + 2p = 1 → p =
A1 A2 A3 … An 9
Piden: P( 2 ) + P(3) + P(5) = 4p = 4
Se cumple: P(A1) + P(A 2 ) + P(A 3 ) + ... + P(A n ) = 1 9

Teorema 2: Para un evento A, se llama evento complemento

Ejemplo: En un dado trucado la probabilidad de que salga ഥ al evento donde no ocurre A.
de A, y se denota 𝐴𝐶 o A,
un número par es el doble de que salga un número impar.
Dichos eventos son mutuamente excluyentes y se cumple:
Al lanzar dicho dado, ¿cuál es la probabilidad de obtener un
número primo? P ( A ) + P(A C ) = 1 → P ( A ) = 1 − P(A C )
Ejemplo: Al lanzar dos dados, ¿cuál es la probabilidad de P(A  B) n(A  B)
obtener al menos una suma igual a 4? P(A / B) = → P(A / B) =
P(B) n(B)
Solución:
Ejemplo: De un grupo de 250 personas, 80 de ellos fuman.
ε: Lanzar dos dados
Si del total de personas 150 son varones, 50 de los cuales
A: Obtener mínimo 4 como suma de puntajes
fuman. Si se elige una persona al azar, ¿cuál es la
AC: Obtener como suma de puntajes 2 o 3
probabilidad que esta sea mujer sabiendo que esta fuma?
Hallamos los casos posibles
Solución:
Fuman No Fuman
n() = 6  6 = 36
Varones 50 100 150
Hallamos los casos favorables de AC
Mujeres 30 70 100
A = (1;1),(1;2),(2 ;1) → n(A ) = 3
C C
80 170
Hallamos la probabilidad de AC
C M: Elegir una mujer F: Elegir una persona que fuma
N.º casos favorables n(A ) 3 1
 P(A C ) = = = =
N.º casos posibles n() 36 12 P(M/F): Probabilidad de elegir una mujer dado que fuma
n(M  F) 30 3
Sabemos: P ( A ) = 1 − P(A ) = 1 −
C 1
=
11  P(M/F) = = =
12 12 n(F) 80 8

3. PROBABILIDAD CONDICIONAL También se puede entender que el nuevo espacio muestral

son las personas que fuman.
Sean dos eventos A y B, la probabilidad de que ocurra A
dado que ya ocurrió B, y se denota P(A/B), se define por:
4. REGLA DE LA MULTIPLICACIÓN DE PROBABILIDADES b) Si B depende de A:
a) Dos eventos A y B son independientes cuando la P(A  B) = P(A)  P(B / A)
ocurrencia de uno no afecta la ocurrencia del otro y se
cumple: Ejemplo: Una caja contiene 20 focos en buen estado y 5 en
P(A  B) = P(A)  P(B) mal estado. Se extraen tres focos al azar uno por uno sin
reposición, ¿cuál es la probabilidad de que el primero se
encuentre en buen estado, mientras que el segundo y el
Ejemplo: Sergio lanza dos monedas y un dado, ¿Cuál es la tercero sean defectuosos?
probabilidad de obtener dos caras y un número compuesto?
Solución:
Solución: A: Elegir un producto bueno en la primera extracción
A: Obtener 2 caras al lanzar dos monedas. B: Elegir un producto defectuoso en la segunda extracción
1
1 = CC,CS,SC,SS → P(A) = C: Elegir un producto defectuoso en la tercera extracción
4
B: Obtener un número compuesto al lanzar un dado Como la probabilidad de extraer un foco defectuoso en la
tercera extracción depende de extraído en la segunda
2 1
2 =  1,2,3,4,5,6  → P(B) = = extracción, y esta a la vez depende de lo extraído en la
6 3 primera, entonces:
Como la ocurrencia de A no se ve afectado por la ocurrencia P(Exito) = P(A)  P(B / A)  P(C / AB)
de B, es decir son independientes, entonces:
20 5 4 2
1 1 1 P=   =
P(A  B) = P(A)  P(B) → P(A  B) =  = 25 24 23 69
4 3 12
5. PROBABILIDAD GEOMÉTRICA 6. DIAGRAMA DEL ÁRBOL
Sea A un evento incluido en el espacio muestral 𝛀, tal que la Ejemplo: Se tiene dos urnas A y B que contiene bolitas
medida de A (longitud , área o volumen), representado por negras y rojas como se muestra la tabla.
m(A), se define como:
Negras Rojas
m(A)
P(A) =
m() A 3 4
B 6 5
Ejemplo: Se tiene un cuadrado ubicado en el plano
cartesiano de vértices (0;0), (0;1), (1;0) y (1;1). Se toma un Se debe extraer una bolita al azar, ¿Cuál es la probabilidad
punto al azar dentro de ese cuadrado, ¿cuál es la que sea negra?
probabilidad de que la suma de sus coordenadas es menor
o igual a 1/2? Solución:
Como antes de elegir una bolita debemos elegir la urna,
Solución:
podemos analizar mediante el diagrama del árbol.

 
(0;1) 3/7 negra
 = (x,y)  2
0  x  1 0  y  1
1/ 2 A
  1 roja
0,5 A A = (x,y)   x + y  
 2
6 / 11
0,5 negra
(0,5)(0,5) 1/ 2 B
Área A 2 roja
 P(A) = = = 0,125
Área  (1)(1) 1 3 1 6 75
P=  +  =
2 7 2 11 154
7. VARIABLE ALETORIA ESPERANZA MATEMÁTICA (VALOR ESPERADO)
Una variable aleatoria es cualquier regla que asocia un Sea una variable aleatoria discreta X con función de
número con cada resultado en 𝛀. Dichas variables pueden probabilidad 𝑓 𝑥𝑖 = 𝑝(𝑥𝑖 ), el valor esperado denotada por
ser discretas o continuas. E(x), se define como:
n
FUNCIÓN DE PROBABILIDAD E(x) =  xi  p(xi )
i=1
Sea una variable aleatoria discreta X, de denomina función
de probabilidad de X a 𝑓(𝑥), tal que 𝑓 𝑥 = 𝑃[𝑋 = 𝑥] tal que
Ejemplo: Una variable aleatoria discreta tiene la siguiente
cumpla las siguientes condiciones:
tabla de distribución de probabilidad. Calcule E(x).
f(x)  0, x   f(xi ) = 1 X 1 2 3 4
Por ejemplo, sea el experimento que consiste al lanzar una 2𝑘 − 3 3𝑘 3𝑘 𝑘−1
moneda dos veces y se la variable aleatoria discreta X igual p 𝒙
14 14 14 14
al número de caras obtenidas.
Solución:
 X
X(CC) = 2 9k − 4
CC 2 P[X = 2] = 1/ 4 Se cumple:  P(x) = 1 → 14
=1 →k = 2
X(CS) = 1
CS 1 P[X = 1] = 2 / 4
X(SC) = 1 SC
X 1 2 3 4
0 P[X = 0] = 1/ 4 Tenemos:
X(SS) = 0 SS p 𝒙 1/14 6/14 6/14 1/14

 1  6   6   1
X 0 1 2 • E(x) =  xP(x) = 1   + 2   + 3   + 4  
 14   14   14   14 
𝒇 𝒙 = 𝑷[𝑿 = 𝒙] 1/4 2/4 1/4 E(x) = 2,5