Beruflich Dokumente
Kultur Dokumente
Experimentos determinsticos
Se denominan experimentos determinsticos aquellos que realizados de la misma
forma y bajo las mismas condiciones iniciales, siempre tienen el mismo resultado, por
lo que estos se relacionan con la causalidad, que implica el conocimiento y control de
los factores que determinan el comportamiento del fenmeno.
Experimentos aleatorios
Se denominan experimentos aleatorios aquellos que an cuando se realicen bajo las
mismas condiciones generales, sus resultados no se pueden anticipar, por lo que
obedecen a factores de casualidad o del azar.
Determinsticos
Tipos de
experimentos
Aleatorios
Observacin
Algunos aseguran que todo fenmeno posee dos tipos de factores, pero que en ciertos
casos la importancia de los casuales (azar) es tan poca que se considera y acepta el
determinstico absoluto.
Espacio muestral
Se define como el conjunto de resultados posibles al desarrollar un experimento
aleatorio, lo que denotamos por . Cada resultado es denominado evento simple,
resultado elemental o elemento del espacio muestral.
Si el espacio muestral tiene un nmero finito o infinito numerable de elementos,
diremos que este es discreto. Si tiene como elementos todos los puntos de
algn intervalo de la recta real, diremos que ste es continuo.
Evento
Se llama evento o suceso a un subconjunto cualquiera del espacio muestral (todo
subconjunto es un evento).
Se llama suceso seguro al evento y el conjunto vaco
es llamado suceso
imposible.
Ejemplo
El encargado de la seccin de distribucin de nuestra empresa (que est en Coronel)
necesita enviar ciertos lotes de productos embalados a las ciudades de Serena,
Valparaso, Santiago y Talca. De cuntas formas puede enviar sus lotes si los medios
de los que dispone son camin y tren?
Los puntos de llegada (Serena, Valparaso, Santiago y Talca) lo podemos elegir como
los r1=4 formas y los medios de transportes como (r2=2) formas. Por lo tanto, de
acuerdo al principio de multiplicacin, la operacin distribucin la podemos realizar
de 4*2=8 formas distintas.
Permutaciones
El nmero de permutaciones
Prn = Pn,r =
n!
(n r )!
Combinaciones
El nmero de combinaciones
n
n!
C rn = =
r (n r )!r!
Ejemplo
El jefe de laboratorio, ha recibido un tipo reactivo de 7 proveedores distintos, que se
usar en un nuevo proceso de blanqueado de pulpa. Los reactivos son colocados uno
junto a otro en un dispositivo especial para esto. De cuntas formas puede ordenar el
jefe de laboratorio estos reactivos?.
Ejemplo
De acuerdo a los registros de la unidad de prevencin de riesgo, el ao pasado
participaron 50 funcionarios en el llamado a concurso que lanza cada ao la empresa
para las campaas anti-estrs. De cuntas maneras puede quedar repartido el
primer, segundo y tercer lugar? En cuntas de estas formas tendramos al
concursante N10 en el primer lugar?
P350 =
50!
50!
=
= 50 * 49 * 48 = 117600
(50 3)! 47!
P249 =
49!
49!
=
= 49 * 48 = 2352
(49 2)! 47!
Ejemplo
Para ejecutar las pruebas de blanqueado de pulpa, el jefe de laboratorio cuenta con
30 operarios altamente calificados Cuntos equipos de 3 operarios se pueden formar
para ejecutar las pruebas?
30
30!
30!
30 * 29 * 28
C 330 = =
=
=
= 4060
3 (30 3)!3! 27!*3!
3 * 2 *1
Probabilidad
Una Probabilidad es una aplicacin P que asocia a cada suceso un nmero real que
cumple los siguientes axiomas:
1. La ocurrencia de evento A es no negativa 0 P ( A) 1
2. La probabilidad de un evento seguro es la unidad, P ( ) = 1
3. Si Ai son mutuamente excluyentes ,
P(U Ai ) = P( Ai )
i
P ( A) =
m
k
Observacin
Sin embargo, la experiencia dice que si las condiciones del experimento no cambian
apreciablemente, esta fraccin tiende a estabilizarse a un nico valor cuando el
nmero de repeticiones N incrementa.
Propiedades de la probabilidad
Partiendo de los tres axiomas antes sealados, se dan las siguientes propiedades de
una probabilidad:
Teoremas
Sean A y B dos eventos arbitrarios, entonces
1. P ( ) = 0
2. P () = 1
3.
P( A c ) = 1 P( A)
4. Si A B entonces P ( A) P ( B )
5. Si A B entonces P ( B A) = P ( B ) P ( A)
6. P ( A U B ) = P ( A) + P ( B ) P ( A I B )
7. Si A y B son sucesos excluyentes, P ( A U B ) = P ( A) + P ( B )
8. P ( A U B U C ) = P ( A) + P ( B ) + P (C ) ( A I B ) P ( A I C ) P ( B I C ) + P ( A I B I C )
9. Si A , P ( A) =
P( A ) donde
i =1
A = U ki=1 Ai
Ejemplo
Sabemos que de los 50 paneles muestreados en el laboratorio, 8 de ellos resultaron
con problemas de humedad, 5 con problemas de resistencia y 3 con ambos problemas.
Si seleccionamos 3 paneles al azar, cul es la probabilidad de que al menos 2 de ellos
tengan problemas de humedad?. Cul es la probabilidad de que los primeros 2
paneles tengan problemas de resistencia y el tercero ambos problemas?.
50
50!
50!
50 * 49 * 48
C 350 = =
=
=
= 19600
3 (50 3)!3! 47!*3!
3
*
2
*
1
8 42
8! 42! 8 * 7
*
=
C 28 * C142 = =
* 42 = 1176
2 1 (8 2)!2! (42 1)!1! 2 * 1
8 42
2 1 1176
=
Luego, P( A2) =
= 0.06
19600
50
3
8 42
3 0
= 56 = 0.0028
Similarmente para calcular la P(A3) tenemos P( A2) =
19600
50
3
Entonces, P ( A2 U A3) = P ( A2) + P ( A3) = 0.06 + 0.0028 = 0.0628 = 6%
Este caso involucra el reconocimiento del orden de seleccin de los paneles y por lo
tanto, hacemos uso de las permutaciones.
P350 =
50!
50!
=
= 50 * 49 * 48 = 117600
(50 3)! 47!
Luego, existen 117600 selecciones ordenadas de 3 paneles de un grupo de 50, tal que
todos tienen la misma probabilidad, debido al proceso de seleccin aleatoria.
El nmero de selecciones, en los cuales los dos primeros paneles tienen problemas de
resistencia y el tercero ambos problemas, est dado por:
P25 * P13 =
5!
3!
*
= (5 * 4)(3) = 60
(5 2)! (3 1)!
Por lo que,
P( B) =
P25 * P13
60
=
= 0.00051 = 0.05%
50
117600
P3
Captulo 2: Probabilidades
Tema 1: Probabilidad condicional e independencia
Probabilidad condicional
Se llama probabilidad condicional de un suceso A respecto de un suceso B, a la
probabilidad de que suceda A, dado que se sabe con certeza que ha ocurrido B,
expresndose como:
P( A / B) =
P( A I B )
, A, B
P( B)
si P(B)>0
Teoremas
1.
2.
P ( / B ) =
P ( B I ) P ( B )
=
=1
P ( B)
P ( B)
P ( A1 U A2 U A3 ...... / B ) =
P[( A1 U A2 U A3 ......) I B ]
= P ( A1 / B ) + P ( A2 / B )...
P( B )
Observacin
figura.
Independencia
Decimos de dos sucesos A y B son independientes cuando la informacin aportada
por el hecho de que ha ocurrido A no modifica la probabilidad de que ocurra B, y
viceversa; o dicho de otra forma, la ocurrencia de uno no influye en la ocurrencia del
otro.
En trminos de probabilidad condicionada se escribe P ( B / A) = P ( B ) y P ( A / B ) = P ( A)
Luego, se dice que dos sucesos A y B son independientes si P ( A I B ) = P ( A) P ( B )
Se dice que los sucesos A1, A2, A3,......An son mutuamente independientes si,
P( A1 I A2 I A3 I ...... I An ) = P( A1 ) P( A2 ) P( A3 )......P ( An )
Tema 2: Ley multiplicativa de probabilidades
P( A2 I A1 ) = P( A1 ) P( A2 / A1 )
La probabilidad de la interseccin de conjuntos puede ser extendida a un nmero finito
de sucesos A1, A2,.....An, es decir,
k 1
i =1
i =1
P( I Ai ) = P( A1 ) P( A2 / A1 ) P ( A3 / A1 I A2 )......P( Ak / I Ai )
Ejemplo
Un grupo de reguladores de voltaje son clasificados de acuerdo a si son o no
defectuosos y al tipo de proveedor (P1, P2 y P3). Las proporciones estn dadas como
sigue.
P1
P2
P3
Total
Defectuoso
0.10
0.08
0.02
0.20
No defectuoso
0.15
0.45
0.20
0.80
0.25
0.53
0.22
1.00
Total
P(A/B) = P(A
I B) / P(B)
i =1
P ( B ) = P ( Ai ) P ( B / Ai )
i =1
Ejemplo
de
que
funcione
un
regulador
de
voltaje
de
acuerdo
con
las
especificaciones.
Observemos que ningn regulador puede ser vendido por P1, P2 o P3 a la vez, por lo
que estos eventos son excluyentes.
P ( A) = P ( A I P1) + P ( A I P 2) + P ( A I P3)
Pero
Teorema de Bayes
Bajo las mismas condiciones del Teorema de la Probabilidad Total se define el Teorema
de Bayes como:
P ( Ai / B ) =
P ( Ai ) P ( B / Ai )
k
P( A ) P ( B / A )
j =1
, i = 1,2,......, k
Ejemplo
El sistema utilizado en bodega para almacenar los insumos recibidos, no permite
distinguir el proveedor. Supngase que se desea determinar la probabilidad de que un
regulador en particular fue vendido por el proveedor P3 cuando se sabe que funciona
de acuerdo con las especificaciones.
En este caso buscamos la probabilidad condicional de que el regulador fue vendido por
P3 dado que funciona correctamente. Es decir,
P( P3 / A) =
Pero P ( P 3 I A) = P ( P 3) P ( A / P 3)
Por lo que,
P( P3 / A) =
P( P3 / A) =
P( P3) P( A / P3)
P( A)
(0.80)(0.97)
= 0.81
(0.96)
P( P3 I A)
P( A)