1 1

UNIVERSIDAD NACIONAL SAN CRISTOBAL DE HUAMANGA

FACULTAD DE INGENIERIA MINAS, GEOLOGIA Y CIVIL

ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS

EXAMEN PARCIAL

CURSO : ESTADISTICA I

DOCENTE : TAPIA CALDERON, Guillermo B.

ALUMNO : GARAYAR MALLQUI, Gerson

AYACUCHO-PERU

2017
 2 2

I) TEORIA DE P R O B A B I L I D A D

Demuestre que se cumplen estas propiedades en un espacio de

probabilidad.

I-1 Probabilidad de un evento vaco: si es un evento vaco,

entonces la probabilidad d e ocurrencia de es cero, p () =
0.

demostracin: A es un evento diferente del vaco de , la unin

de A y el vaco es el mismo evento A y es excluyente ambos (el
intercepto es el vaco) entonces:
p (AU ) = p (A) + p (); por el axioma (3)
por otro lado, AU = A,
implica que p (AU ) = p (A)
de ambos resultados que p () = 0

I-2 Teorema de la adicin (de eventos que no son excluyentes) :

p (AU B) = p (A) + p (B) p (A B)

p (A B) = p (A) + p (B) p (A B)
demostracin: la unin de A y B se expresa en trminos de otros
conjuntos mutuamente excluyentes y luego se aplica la propiedad
(3)
A B = B A B C
P (A B) = p (B) + P A BC ... (I)
por otro lado, se pude observar, segn el grafico que el evento
A puede ser expresado como:
A (
A = (A B) B C la unin de dos excluyentes) por el axioma
(3) se tiene:
A
p (A) = p (A B) + p BC
A
p BC = p (A) p (A B) ....(I I ) (I I ) en (I
)
p (A B) = p (B) + p (A) p (A B) l.q.q.d.

I-3 Teorema de la adicin (eventos mutuamente excluyentes):

p (A B) = p(A) + p(B) no es necesario demostrar e l axioma
(3) es el mismo que el teorema (3).

I-4 Para tres eventos cuales quiera A, B y C se cumple (de

eventos que no son mutuamente excluyentes): p(A B C ) = p(A)
 3 3

+ p(B) + p(C ) P (A C ) P (B C ) + P (A B C ) Este

teorema es una extensin del teorema 3.

I-5 Si A es un evento y Ac es un evento complementario,

entonces: p(Ac ) = 1 p(A) Demostracin : El espacio
muestras puede ser escrito como la unin
de estos eventos = Ac A, as
p() = P (Ac U A) = P (Ac ) + P (A) por la propiedad (3) segn
el axioma (2),
p() = 1, resulta: P (Ac ) + P (A) = 1

As: P (Ac ) = 1 P (A)

P
I-6 Teorema de la probabilidad total: P (D) = P (Ai) P
(B/Ai )
Demostracin: sea por hiptesis tenemos una particin A1 , A2 ,
A3 , ....An del espacio mues-
Tras l . por lo tanto, el suceso de B se puede escribir como:

B = (B A1 ) (B A2 ) ... (B An )
ahora bien, los conjuntos B Ai son dos a dos disjuntos, ya
que en caso contrario los Ai
tampoco lo serian. en consecuencia

P (B) = P (B A1 ) + P (B A2 ) + ...P (B An)

por ultimo sabemos que P (C D) = P (C/D) P (D) para

cualesquiera sucesos C y D
Luego

P (B) = P (B/A1 ) P (A1 ) + P (B/A2 ) P (A2 ) + ...P (B/An )

P (An )

P
P (B) = P (B/Ai ) P (Ai ) l.q.q.d.

I-7 Teorema de Bayes:

 4 4

P (A )P= (B/Ak )
k k /D)
P (A
P P (A )P (B/A )
i i

por definicin:

P (Ai B) = P (Ai ) P (B|Ai ) = P (B) P (Ai |B)

despejando P (Ai |B), se tiene:

P (Ai |B) = P P(A

(B)i )P (B|Ai )

la probabilidad P (B), por el teorema de la probabilidad

total, es igual a:

P (B) = ( A1 ) P ( B | A1 ) + P ( A2 ) P ( B | A2 ) + +
P ( An ) P ( B | An )

sustituyendo en la ecuacion anterior, optenemos la formula de

bayes.

( A1 P )P
(Ai |B)(=B | A1 ) + P (A
P i )P
( (B|A
A2i ) )P ( B | A2 ) + + P ( An )P
( B | An ) ...(1)

P (B) = ( A1 ) P ( B | A1 ) + P ( A2 ) P ( B | A2 ) + +
P ( An ) P ( B | An ) =
Pn
i=i P ( Ai ) P ( B | Ai )...(2)

remplazando (2) en (1)

P (Ai |B) =
Pn
i=i
P (A i )P (B|Ai )
l.q.q.d.
P ( Ai )P ( B | Ai )
 5 5

I-8 Teorema de la multiplicacin: sean A, B sub-conjuntos del

espacio muestra

P (A B) = P (A).P (B/A), si P (A) > 0;

P (A B) = P (B).P (A/B), si P (B) > 0;

demostracin:

I-9 Teorema de la multiplicacin de eventos no-independientes

P (A B) = (A).P (A B ), tal que P (A) > (B) demostracin:
P (A1 A2 ) =P (A2P) (A1 despejando se tiene
A2 )

P (A1 A2 ) = P (A2 A)P

1

( A2 )
 6 6

para eventos dependientes se cumple la igualdad y como P (A1 )

est en el denominador y aparte de ello la probabilidad por
el teorema de probabilidad es 0 pero en este caso es
> o.

I-10 Teorema:

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

cualesquiera, entonces el evento
A se puede separar en dos eventos mutuamente excluyentes:
(A/B)y(A B) , por lo tanto :
A = (A/B) (A B), luego
p(A) = P (A/B) + P (A B) entonces
P (A/B) = P (A B) p(A) LQQD

II) CALCULO DE P R O B A B I L I D A D E S

II-A) La urna 1 contiene (x + 1) esferas blancas e (y 1)

rojas. La urna 2 contiene (z 1) esferas blancas y (v + 2)
rojas. Se escoge una esfera al azar de la urna 1 y se pone en
la urna 2. Entonces se escoge una esfera al azar de la urna 2.
Cual es la probabilidad de que esta esfera sea blanca?
Solucin urna 1: (x + 1) esferas blancas e (y 1) rojas
urna 2: (z 1) esferas blancas y (v + 2) rojas
urna 1: [x + 1 + (y 1)] esferas
urna 2: [z 1 + (v + 2)] esferas
i) De la urna 1, se saca 1 esfera y luego se le pone en la urna
2
urna 1: [x + 1 + (y 1)] 1 esferas urna 2: [z 1 +
(v + 2)] + 1 esferas
C asosf
ii) favorables
C aposttales
[x+1+(y1)]1 [z1+(v+2)]+1
=
x+y2=
z+v+2

II-B) En la Empresa Aurfera YANACOCHA (Cajamarca), la

probabilidad de que una familia minera tenga una televisor
es de 0.80, una maquina lavadora es 0.50 y de que tenga
ambos es de 0.45. Cual es la probabilidad de que una familia
 7 7

Yanacochina tenga televisor o maquina lavadora o ambos

artefactos domsticos?

Solucin

Datos:
P (T ) = 0,80
P (L) = 0,50
P (T L) = 0,45

Entonces queremos P (T L)
P (T L) = P (T ) + P (L) P (T L)
P (T L) = 0,80 + 0,50 0,45
P (V L) = 0,85
Para la pregunta:
P (T L (T L))
= P ((T L) (T L))
= P (T L) + P (T L) P ((T L) (T L))
= P (T L) + P (T L) P ((T L) P (T L))
= 0,85 + 0,45 (0,85)(0,45)
= 1,30 0,3825
= 0,9175
La probabilidad de que les toque televisor o maquina lavadora
o ambos artefactos domes- ticos es 0.9175.

II-C) La probabilidad de que un vendedor de maquinaria minera

venda por lo menos 3 maquinas en un dia es 0.20 .Cual es la
probabilidad de que venda 0,1 o 2 maquinas en ese dia?

Solucion

Dato:
P (A B) = 0,20
P iden :
P ( A B)
= P (A B)
= P (A) + P (B) P (A B)

II-D) En una encuesta publica se determina que la probabilidad

de que una persona consuma el producto A es 0.50 , que consuma
el producto B es de 0.37, que consuma el producto C es 0.30,
que consuma A y B es 0.12, consuma solamente A y C es 0.08 y que
consuma solamente B y C es 0.05 y que consuma solamente C es
 8 8

0.15. Usando Diagrama de Venn- Euler y Teoremas de

probabilidades, hallar la probabilidad que una persona consuma:
i) A o B, pero no C
ii) Solo A

Solucin

Para i)
A o B, pero no C
= P [(A B) C ]
= P (A B) P [(A B) C ]

i.i)P [(A B) C ]
= P [C (A B)]
= P {(C A) [(C B)/(C B A)]}
= P (C A) + P [(C B)/(C B A)]
= P (C A) + P (C B) P ((C B) (C B A)]
= P (C A) + P (C B) P (C B A)]
= P (C A) + P (C B) P (C ) P (B) P (A)
= 0,08 + 0,12 0,0745
= 0,1255
P (A) + P (B) P (A B) [P (A B) P (C )]
 9 9

= 0,5 + 0,37 0,12 0,1255

= 0,75 0,1255
= 0,6245

Para ii) Solo A P(A) = 0.5

III) CALCULO DE PROBABILIDADES

APLICACION DE TEOREMAS DE PROBABILIDAD TOTAL Y DE BAYES III.A

En l a figura Nro 1 se supone que la probabilidad que cada
rele este cerrado es p
que cada rele se abre o se cierra independientemente de 2

cualquier otro. Encontrar la

probabilidad de que la corriente pase de I a D (Ev.
Independientes ):

Solucin

1) Sea A:

A = (A1 A3 ) A2
P (A) = P [(A1 A3 ) A2
P (A) = [P (A1 ) + P (A3 ) P (A1 ) P (A3 )] P (A2 )
P (A) = [p + p p p] p
P (A) = (2p p2 ) p
P (A) = 2p2 p3
1 1
0 0

2) Sea B:

B = B4 (B5 B6 )
P (B) = P [B4 (B5 B6 )]
P (B) = P (B4 ) + P (B5 B6 ) P (B4 B5 B6 )
P (B) = P (B4 ) + P (B5 ) P (B6 ) P (B4 ) P (B5 ) P (B6 )
P (B) = p + p2 p3

3) Entonces en la figura 1 se obtiene: I D = A B P (I D) =

P (A B)
P (I D) = P (A) P (B)
P (I D) = (2p2 p3 ) (p + p2 p3 )
P (I D) = 2p3 + 2p4 2p5 p4 p5 + p6

La probabilidad de que pase la corriente de I a D es: 2p3 +

2p4 2p5 p4 p5 + p6

III.B En un tiempo dado se propone 3 teora econmicas que

parecen ser igualmente posibles, entre la base de la evidencia
existente. Al ao siguiente se observa el estado de la economa
de un cierto pas y se encuentra q ue su desarrollo tiene
probabilidad 0.60 de ocurrir, de acuerdo a la primera teora,
probabilidad de 0.40 y 0.20 de ocurrir de a las otras. Como
modificar estos resultados las posibilidades de correccin de
las tres teoras?

Solucin

III.C Una Ca. perforadora de petrleo debe decidir si

taladrara o no un lugar determinado que la compaa tiene bajo
contrata. Por investigaciones geolgicas practicadas se sabe
que existe una posibilidad de 0.45 que una formacin de TIPO I
se extienda debajo del lugar prefijado para taladrar, 0.30 de
probabilidad que exista una una formacin de TIPO II y de 0.25
de TIPO III. Estudios anteriores indican que el petrleo se
encuentra en un 30 % de las veces en la formacin de TIPO I,
en un 40 % en la formacin de TIPO II, en un
1 1
1 1
20 % en la de TIPO I I I . Determinar l a probabilidad que si no
se encontr petrleo, la perforacin fue hecha en la formacin
de TIPO I. Sugerencia Teoremas: Probabilidad Total y de
Bayes

Solucin

Simbologa:
T1 = Formacin Tipo I
T2 = Formacin Tipo II T3 = Formacin Tipo III E1 =
Encuentre Petrleo
E2 = No encuentre Petrleo

Datos:
P (T1 ) = 0,45
P (T2 ) = 0,30
P (T3 ) = 0,25

Encuentre Petrleo:
P (E1 | T1 ) = 30 % 0,45 = 0,135
P (E1 | T2 ) = 40 % 0,30 = 0,120
P (E1 | T3 ) = 20 % 0,25 = 0,05

No encuentre Petrleo:
P (E2 | T1 ) = 1 0,135 = 0,865
P (E2 | T2 ) = 1 0,120 = 0,880
P (E2 | T3 ) = 1 0,050 = 0,950

Empleando la formula de probabilidad total se obtiene: Para

el caso de que no se encuentre petrleo:
P (E2 ) = P (T1 ) P (E2 | T1 ) + P (T2 ) P (E2 | T2 ) + P
(T3 ) P (E2 | T3 )
P (E2 ) = 0,45 0,865 + 0,30 0,880 + 0,25 0,950
P (E2 ) = 0,38925 + 0,264 + 0,2375
P (E2 ) = 0,89075
Pero segn el problema nos dice que la perforacin se hizo en
TIPO I, entonces por Teo-
rema de Bayes y el caso de que no se encuentre petrleo:
P (T1 | E2 ) = PP(E2(T
) 1 )P (E2 |T1 )

P (T1 = 0,450,865
| E2 ) 0,89075
P (T1 | E2 ) = 0,4369913
1 1
2 2
la probabilidad de que no se encontr petrleo y perforacin
hecha en la formacin de TIPO I es de 0.4369913.

IV) TEORIA DE P R O B A B I L I D A D E S :

respecto a las siguientes proposiciones del clculo de

probabilidades, complete en forma apropiada entre parntesis
con (V) si es VERDADERO y con (F) si es FALSO:

4.1 la probabilidad de un evento imposible es siempre cero

...........(V)

4.2 Para dos eventos mutuamente excluyente A y B se cumple: P

(A B) = P (A) + P (B)
...(V)

4.3 si P (A) = 0, no es necesario que se cumpla A =

........(F)

4.4 Fenmenos aleatorios o no determinsticos son aquellos cuyo

estado final se puede predecir con exactitud a partir del
estado inicial...........(V)

4.5 si P (A B) = P (A)xP (A), los eventos A y B son mutuamente

independiente ....(V)

4.6 si P (A B) = P (A)xP (B/A), los eventos A y B son

dependiente.(V)

4.7 Los modelos especiales de probabilidad discreta son:

Bernuulli, Binomial, Poison, Hper- geomtrica, Geomtrica,
Binomial Negativa o Pascal.......(V)

4.8 Los modelos especiales de probabilidad continuo son:

Distribucin uniforme, exponencial, distribucin normal y
estndar ......(V)

4.9 El teorema de Bayes compara la probabilidad previa (a

priori) P(A) con la probabilidad posterior o posteriori
P(A/B) (V)

4.10 Probabilidad de que ocurra un evento, sabiendo que otro

evento ha ocurrido se llama Pro- viabilidad condicional o
condicionada .....(V)