Beruflich Dokumente
Kultur Dokumente
FACULTAD DE INGENIERIA
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA DE MINAS
PROBABILIDADES
MAGISTER SALOMON
ORTIZ Q.
ALUMNO
TICONA
CODIGO
AO
FECHA DE PRESENTACION
TACNA PER
1
2013 - 38941
3 ER AO
JULIO 2015
2015
INTRODUCCION
En la vida cotidiana aparecen muchas situaciones en las que los resultados observados
son diferentes aunque las condiciones iniciales en las que se produce la experiencia sean
las mismas. Por ejemplo, al lanzar una moneda unas veces resultar cara y otro sello.
Estos fenmenos, denominados aleatorios, se ven afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable que...", "hay
muchas posibilidades de que..." hacen referencia a esta incertidumbre.
La teora de la probabilidad pretende ser una herramienta para modelizar y tratar con
situaciones de este tipo; Por otra parte, cuando aplicamos las tcnicas estadsticas a la
recogida, anlisis e interpretacin de los datos, la teora de la probabilidad proporciona
una base para evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias
realizadas. Debido al importante papel desempeado por la probabilidad dentro de la
estadstica, es necesario familiarizarse con sus elementos bsicos, lo que constituye el
objetivo del presente tema.
Comenzamos con una motivacin sobre la incertidumbre y los distintos grados de
incertidumbre, relacionndolos de manera intuitiva con los enfoques ms tradicionales
para asignar probabilidades. Posteriormente, se introduce el sentido de la probabilidad en
trminos de experimentos aleatorios, espacio muestral, sucesos, etc. , llegando a la
formalizacin axiomtica de la probabilidad y sus principales propiedades, junto con las
expresiones de la probabilidad condicionada y los teoremas de la probabilidad compuesta
o del producto, de la probabilidad total y de Bayes.
MARCO TEORICO
1. ORIGEN E HISTORIA DE PROBABILIDADES
El origen de las probabilidades se inicia en el ao de 1654 cuando el matemtico francs
Blaise Pascal hacia un viaje con el apasionado jugador de dados y cartas, conocido como
El Caballero de Mere, quien era noble e ilustrado. Este crea que haba encontrado una
falsedad en los nmeros al analizar el comportamiento de los dados, era diferente cuando
se utilizaba un dado, que cuando se utilizaban dos dados.
Esta presuncin era una comparacin errnea, entre las probabilidades de sacar un seis
en un solo dado o de sacar un seis con dos dados
Los juegos de azar tienen una antigedad de ms de 40000 aos; as por ejemplo, los
dados se utilizaron tanto en el juego como en ceremonias religiosas.
Jakob Bernoulli (1654-1705) Ars Conjectandi (publicado en 1713 aunque escrito sobre
1690) y Auguste De Moivre (1667-1754) contribuyeron de forma importante a este
desarrollo. Jacob Bernoulli proporciona la primera solucin al problema de estimar una
cantidad desconocida a partir de un conjunto de mediciones de su valor que, por el error
experimental, presentan variabilidad.
La necesidad de sortear la incertidumbre nos lleva a estudiar y aplicar la teora de la
probabilidad. Para tener xito en la toma de decisiones, se necesita la capacidad de
tratar sistemticamente con la incertidumbre misma mediante cuidadosas evaluaciones y
aplicaciones de mtodos estadsticos concernientes a las actividades de los negocios.
Las aplicaciones de mtodos estadsticos en las diferentes reas son numerosas.
Esto no es mas que un calculo de la probabilidad de que esta palabra recientemente sea
la misma que hayamos escuchado antes. De la misma forma, para situaciones en las que
no tenemos seguridad en un 100%, al buscar algo parecido o lo mas probable
CONCEPTOS BASICOS:
Con ellos vamos a dar una serie de conceptos para poder desarrollar este tema y los
sucesivos.
DOS SUCESOS: se dice que son iguales, cuando todo suceso elemental de uno
est en el otro, y viceversa.
3. DEFINICION DE PROBABILIDADES:
Para definir la probabilidad vamos a dar varias definiciones o conceptos de probabilidad.
Con estas definiciones se pretende expresar de manera objetiva y precisa el grado de
ocurrencia de ciertos resultados de un fenmeno aleatorio.
3.1.
DEFINICION DE LAPLACE:
3.2.
..........las frecuencias
4. COMBINATORIA
El anlisis combinatorio se ocupa de la ordenacin de los objetos dentro de un conjunto.
En este sentido nos facilitar mtodos que sern tiles para determinar el nmero de
resultados posibles de un experimento. Veamos a continuacin de una forma breve las
formulas combinatorias:
4.1.
4.2.
4.3.
4.4.
4.5.
5.2.
2)
3)
4)
11
La siguiente tabla resume y compara los conceptos que utilizamos, tanto cuando
disponemos de datos muestrales, como cuando recurrimos al modelo terico (en los dos
casos, discreto y continuo):
12
5.3.
MEDIANA
DEFINICIONES: Consideramos una variable aleatoria continua X con funcin
de densidad f(x).
5.4.
13
14
definimos:
De esta forma, tenemos que X1, . . . ,Xn son variables aleatorias independientes con
distribucin de Bernoulli y, adems, X = X1 + . . . + Xn. Por lo tanto:
DEFINICION: El
representaremos.
modelo
de
Poisson
de
parmetro
>
0),
que
16
PRACTICA DE LABORATORIO
1. PRIMERA PRACTICA DE LABORATORIO PROBABILIDADES:
x
f(x)
F (X)
m'1
m'2
m'3
m'4
0.06
0.06
0.25
0.31
0.25
0.25
0.25
0.25
0.38
0.69
0.75
1.5
0.25
0.94
0.75
2.25
6.75
20.25
0.06
1.00
0.25
16
sumatoria
1.00
3.00
14
42.5
TABLA DE VALORES:
media=u=m'1
clculos de la varianza
var=u2
m'2-(m'1)^2
2.5
coeficiente de asimetra
u3/(u2)^3/2=
coef. Curtosis
u4/u2=
2.5
17
0.25
0.25
0.06
0.06
18
HISTOGRAMA DE PROBABILIDAD
19
distribucion acumulada
20
DISTRIBUCION ACUMULADA
p=
0.3
x
0
1
2
3
4
sumatori
a
f(x)
0.2401
0.4116
0.2646
0.0756
0.0081
1
F(x)
0.2401
0.6517
0.9163
0.9919
1
0.2401
0.4116
0.2646
0.0837
MEDIA
np=
1.2
VARIANZA
np(1-p)
0.84
22
0.0837
0.2646
GRAFICOS:
23
0.23%
6.71%
llegadas
y contrastar con el modelo real
SOLUCION:
x
=
6
MAX=16
MIN=1
0
1
2
3
4
5
6
VALORES
7
8
9
10
11X
120
1
13
2
14
3
15
4
16
5
17
6
18
7
19
20
SUMATORI
A
PRACTICA
f(x)
0.0024787
5
0.0148725
1
0.0446175
4
0.0892350
8
0.1338526
2
0.1606231
4
0.1606231
4
0.1376769
8
0.1032577
3
0.0688384
9
0.0413030
terico
9
0.0225289
f
6
0
0.0112644
8
4
0.0051989
9
24
0.0022281
4
50
0.0008912
6
67
0.0003342
2
89
0.0001179
6
76
3.932E-05
66
1.2417E05
3.7251E25
06
1.2393760
9
7.4362565
3
22.308769
6
44.617539
2
66.926308
8
80.311570
5
80.311570
5
68.838489
0
5.6322400
1
0.007984
2.5994953
03
9
0.047904
1.1140694
19
5
0.099800
0.4456277
4
8
0.133732
0.1671104
53
2
0.177644
0.0589801
71
5
0.151696
0.0196600
61
5
0.131736
0.0062084
53
4
0.0018625
3
0.9999985
4
499.99927
2
51.628866
8
34.419244
5
20.651546
7
11.26448
f(x)
TOMADOS
ALEATORIAMENTE
43
39
10
20
11
14
12
13
14
15
SUMATORI
A
501
GRAFICOS:
26
0.085828
34
0.077844
31
0.039920
16
0.027944
11
0.005988
02
0.007984
03
0.001996
01
0.001996
01
TEORICO
PRACTICO
27
CONCLUSIONES
28
BIBLIOGRAFA
PGINA WEB
http://ciberconta.unizar.es/leccion/probabil/
polgono de frecuencias para datos agrupados. El INE (Instituto Nacional de
Estadstica)
https://www.google.com.pe/search?q=PROBABILIDAD
%09VARIACIONES+SIN+REPETICI%C3%
https://www.google.com.pe/search?q=PROBABILIDAD
%09VARIACIONES+SIN+REPETICIN:&rlz
ANEXO:
DISTRIBUCIONES DE PROBABILIDAD
29
n letras
PARMETROS: n, P
30
(1-P)^(n).
n veces F
n veces E
n
F(x) = P (k)
i=1
* Ejemplo 01 :
31
PARMETROS: n=5
P=0.2
b) Generacin De Datos:
Ejemplo:
32
Cuando lanza una moneda al aire, slo puede obtener dos resultados: cara
o cruz. La probabilidad de que la primera vez que la lance resulte en cara
es 0,5 y la probabilidad de que exactamente 6 de 10 intentos resulten en
cara es:
DISTR.BINOM(6;10;0,5;FALSO) igual a 0,205078125
P (x)
0.3276
8
0.4096
0.2048
0.0512
0.0064
0.0003
2
c) Diseo De Grfico.-
33
F(X)
0.3276
8
0.7372
8
0.9420
8
0.9932
8
0.9996
8
1
GRAFICO DE PROBABILIDAD
GRAFICO ACUMULADO
0.94
0.99
0.74
0.33
34
* Ejemplo 02:
K
0
1
2
3
4
P(x)
0.0423911
6
0.141303
86
0.227656
22
0.236087
93
0.177065
95
35
F(X)
0.0423911
6
0.183695
02
0.4113512
4
0.647439
17
0.824505
12
P=0.1
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
0.102304
77
0.047363
32
0.018043
17
0.005763
79
0.001565
47
0.000365
28
7.3793E05
1.2982E05
1.9973E06
2.6947E07
3.1937E08
3.3268E09
3.0441E10
2.4428E11
1.7143E12
1.0476E13
5.5429E15
2.5195E16
9.7372E18
3.1556E19
8.4148E21
1.798E-22
2.9597E24
3.5235E36
0.926809
89
0.974173
21
0.992216
38
0.997980
17
0.999545
64
0.999910
92
0.999984
72
0.999997
7
0.999999
69
0.999999
96
1
1
1
1
1
1
1
1
1
1
1
1
1
1
29
30
26
2.7E-28
1E-30
1
1
GRAFICO DE PROBABILIDAD
GRAFICO ACUMULADO
37
GRAFICO ACUMULADO
=5
=2
=5
= 0.5
=8
=2
39