Instituto Tecnológico de Piedras

Negras.

“ Unidad II ”

“Probabilidad y Estadísticas”.

Luis Antonio Cerda González.

2.1 Probabilidad de eventos
Veamos que es un evento y cito al libro de "Probabilidad y Estadistica aplicadas a
la ingenieria de Douglas C. Montgomery y George C. Runger"

Un evento es un subconjunto de un espacio muestral de un experimento aleatorio.

por ejemplo veremos la probabilidad de un evento.

En este caso nuestro evento sera lanzar un dado

y la probabilidad de nuestro evento por ejemplo suponiendo que queremos saber

cual es la probabilidad de que el resultado de nuestro evento (que es lanzar una
moneda) sea un 5
por ejemplo.

como en este ejemplo la probabilidad de que salga un numero es igual a la de otro

ya que no se sabe el resultado del evento..

si el dado tiene 6 caras el espacio muestral de nuestro evento es:

y la probabilidad de nuestro evento es 1/6 o un sexto o el resultado de dividir 1

entre 6 que seria 0.1666

otro ejemplo:
ahora nuestro evento es lanzar dos dados
y nuestro espacio muestral que son los posibles resultados son:

y la probabilidad de nuestro evento que en este caso seria que la suma de las
caras sea 6
entonces nuestros posibles resultados son

(2,4),(4,2),(3,3),(5,1),(1,5)=6

entonces la probabilidad de que la suma de las caras sea 6 es de 6/36 o seis

trentaiseiseavos.

2.2 Espacio maestral

Ejemplo:
Consideres un experimento donde se seleccionan dos componentes y se
clasifican conforme cumplen o no los requerimientos de temporización eléctrica del
producto. Un resultado de este experimento es que la primera parte sea aceptada
y la segunda parte no; esto se denotara como AN. Si se emplea esta notación,
entonces puede representarse el espacio muestral del experimento como como el
conjunto

Donde la primera letra de cada par indica la clasificación de la primera parte,

mientras que la segunda señala la clasificación de la segunda parte.
La mejor representación de un espacio muestral depende de los objetivos que se
persiguen. Si solo se tiene interés en el numero de artículos aceptables obtenidos
en la muestra, entonces el espacio muestral puede resumirse asi: S= {2,1,0}. En
esta representación, se pierden los detalles sobre que selección es la que no
cumple con los requisitos.

Cuando tenemos un experimento aleatoria donde nos piden un espacio muestral

por ejemplo si se seleccionan tres artículos para hallowen de una tienda entonces
tenemos {a,b,c} y el experimento consiste en seleccionar dos artículos de ellos sin
remplazo entonces nuestro espacio muestral
seria:

y nuestro espacio muestral con remplazo.

es decir repitiendo articulos ;

Otro caso muy comun es cuando el espacio muestral puede dar infinitos
resultados.
por ejemplo:

Un experimento en el que cada 10 minutos se verifica el volumen de llenado de las

latas de cerbeza pacifico de una maquina llenadora automatica, con la finalidad de
determinar si las latas cumplen o no con las especificaciones de volumen que
deben contener. La evaluacion continua hasta encontrar una lata que no cumpla
con lo establecido.
Si s significa el echo de que la lata cumple y n de que no cumple entoces cada
resultado del espacio muestral se representa como una secuencia de letras
formada por eses seguidas de enes.

Y encontramos que este espacio muestral puede tener infinitas soluciones.

En algunos experimentos el resultado final depende de los resultados intermedios.

por ejemplo:

Un experimento en el que se selecciona un componente electrónico y clarificarlo

según cumple o no los requerimientos de temporización del producto. Si el
componente es aceptable, entonces solo se asienta este echo. Si no es aceptable
se registra el echo y luego se clasifica o se pone el resultado de la temporización
en una de cuantro categorias las cuales se indican con el simbolo a,b,c,d. De este
modo, el conjunto de todos los resultados posibles de este experimento puede
describirse como:

Y ahora nos topamos con otra definición tomada del libro:

Un espacio muestral es directo si esta formado por un conjunto finito (o infinito
contable) de resultados.

Ahora partimos de aquí para comenzar a entrar los temas mas difíciles de
probabilidad, si hay algo por lo que se caracteriza la probabilidad es por ser
enredosa, tratare de hacerla la mas explicativa posible..
2.3 Ocurrencia de eventos
Y a continuación se proporcionan unas operaciones básicas de conjuntos en
términos de eventos:

La unión de dos eventos es el evento que esta formado por todos los resultados
contenidos en cualquiera de los eventos. La unión se denota por : .
La intersección de dos eventos es el evento que esta formado por los resultados
contenidos en ambos eventos. La intersección se denota por:
El complemento de un evento en un espacio muestral es el conjunto de resultados
en el espacio muestral que no están en el evento. Este componente del evento E
se denota como E'

Por ejemplo:

En uno de los ejemplos anteriores vimos uno en donde el espacio muestral era
negado aprobado, aprobado negado etc .. tomaremos ese ejemplo para realizar
esto:

en el espacio muestral anterior:

si

entonces

Todo esto es cuestion de visualizacion, ahora los complementos:

 y

Ahora veamos un ejemplo mas complejo..

Las mediciones del tiempo necesario para completar una reaccion de quimica
pueden modelarse utilizando el espacio muestral s={1,2,3......n}.

sea

Entonces:

y por otra parte los complementos:

Todo esto no es tan complicado como parece es solo cuestión de poner atención
en nuestro espacio muestral y nuestros eventos, puede ser confuso al principio
pero con la practica lo aremos mas rápido.

2.4 Permutaciones y combinaciones

Con frecuencia es útil cuantificar la posibilidad de que se presente un resultado de
un experimento aleatorio. "La posibilidad de que llueva hoy es de 30%" esto es
una afirmación que refleja una creencia sobre la posibilidad de que llueva. La
posibilidad de un resultado se cuantifica asignándoles un numero del intervalo
[0,1], o un porcentaje del 0 al 100%.
Esto quiere decir que entre mas grande sea el numero, mayor es el posibilidad del
resultado, un cero indica que el resultado no se presntara y un uno indica que el
resultado es seguro ..
Aunque todo esto tiene que ver mas con la logica claro. Y cada vez que un
espacio muestral este formado por N posibles resultados igualmente probables, la
probabilidad de cada uno de ellos sera 1 sobre N (1/N).

Para un espacio muestral discreto, la probabilidad de un evento E, denota como

P(E), es igual a la suma de las probabilidades de los resultados en E.

Veamos un ejemplo de esto que acabo de explicar:

Los resultados posibles de un experimento aleatorio son {a,b,c,d} con probabilidad

de 0.1, 0.3, 0.5 y 0.1, respectivamente. Sean el evento A: el evento {a,b} y el
evento B {b,c,d} y el C {d}.
Entonces
P(A)=0.1 + 0.3=0.4
P(B)= 0.3+0.5+0.1=0.9
P(C)=o.1

asimismo

Por otra parte dado que:

Ya que

entonces:

como es e conjunto vació.

entonces:
2.5 Diagramas de árbol
Los espacios muestrales pueden describirse gráficamente en términos de un
diagrama de árbol. Un diagrama de arbol puede construirse en varios pasos o
etapas, entonces cada una de las maneras de completar el primer paso puede
representarse como una rama del árbol. Cada una de las maneras de completar el
segundo paso puede representarse con el numero de ramas que comienzan
donde terminan las ramas originales y así sucesivamente dependiendo de que tan
grande sea el espacio muestral.

por ejemplo:

En un sistema de comunicación digital cada mensaje se clasifica segun llega o no

dentro del tiempo establecido por el diseño del sistema. Si se clasifican tres
mensajes, utilice un diagrama de arbol para denotarlo y representar los resultados.

nuestro diagrama de arbol queda asi:

Entonces se dice que tenemos 8 posibles combinaciones multiplicando nuestras

ramas
tenemos 2x2x2=8
entonces tenemos 8 posibles combinaciones diferentes.

Ahora veamos uno mas complejo:

El fabricante de un automóvil proporciona vehículos equipados con distintas

opcciones que el cliente selecciona. Cada vehículo se solicita

Con o sin transmisión automática

Con o sin aire acondicionado
Con una de tres opciones posibles en cuanto a un sistema de sonido estereo
Con uno de cuatro colores exteriores

nuestro diagrama de árbol queda así:

Si multiplicamos nuestras ramas

tenemos 2x2x3x4= 48
entonces tenemos 48 vehículos diferentes.

2.6 Axiomas de probabilidad

Ahora se ha definido la probabilidad de un evento, es posible reunir las hipotesis
realizadas hasta el momento con respecto a las probabilidades en un conjunto de
axiomas que deben satisfaser las probabilidades de cualquier experimento
aleatorio. Los axiomas aseguran que las probabilidades asignadas en un
experimento pueden interpretarse como frecuencias relativas, y que son
consistentes con el conocimiento intuitivo de las relaciones entre frecuencias
relativas,

Bueno este consepto es dificil de entender, pero si lo analizamos con mas cuidado
encontramos que:

La Probabilidad de un numero que se asigna a cada miembro de una coleccion de

eventos de un experimento aleatorio y que satisfase las siguientes propiedades.
Si S es el espacio muestral y E es cualquier evento por deciro asi de un
experimento aleatorio,
1)P(S)=1

2)

3)Para dos eventos E1 y E2 con

2.7 Independencia y probabilidad condicional

Ahora veremos la probabilidad condicional.
Veamos un problema en donde hay una probabilidad condicional:

En un proceso de manufactura el 10% de las partes contienen fallas visibles en la

superficie, mientras que otro el 25% con fallas en la superficie son funcionalmente
defectuosas. Sin embargo, solo el 5% de las partes sin fallas en la superficie son
funcionalmente defectuosas. La probabilidad de una parte funcionalmente
defectuosa depende del conocimiento del conocimiento que se tenga sobre la
presencia o ausencia de fallas en la superficie. Si una parte una parte tiene una
falla en la superficie, entonces la probabilidad de que sea defectuosa es 0.25. Si
una parte no tiene fallas en la superficie, la probabilidad de que sea defectuosa es
0.05.

Esta notación se lee como la probabilidad condicional de A dado B, y se interpreta

como la probabilidad de que una parte sea funcionalmente defectuosa, dado que
tiene una falla en la superficie. Ya que el 25% de las partes con fallas en la
superficie son funcionalmente defectuosas, la conclusión que puede obtenerse de
este echo es que P(A|B)=0.25. Por otra parte debido que B' denota el evento
donde una parte no tiene fallas en la superficie y ya que el 5%de las partes sin
defectos en la superficie son funcionalmente defectuosas, se que tiene que
P(A|B')=0.05. Estos resultados aparecen de manera gráfica en la figura 2-16.
En algunos modelos, P(A|B) puede calcularse mediante la interpretación de la
definición de probabilidad condicional.

Defnicion de Probabilidad condicional.

La probabilidad condicional de un evento A dado un evento B, denotada por

A(A|B), es:

Esta definicion puede comprenderse al considerar el caso especial en que todos

los resultados de un experimento aleatorio son igualmente probables. Si existe un
total de n resultado, entonces.
 por otra parte

En concecuencia,

Por consiguiente, P(A|B) puede interpretarse como la frecuencia relativa del

evento A con respecto al numero de ensayos que producen un resultado en el
evento B.

Solo es cueston de interpretacion y de seguir la formula.

2.8 Teorema de Bayes

Si E1, E2, ......, Ek son eventos exahutivos y mutuamente excluyentes, y B es
cualquier evento entonces se entiende el teorema de bayer por la siguiente
formula:

ejemplo:

Debido a que un nuevo procedimiento medico ha demostrado su eficacia en la

detección temprana de cierta enfermedad, se propone realizar un examen medico
preventivo a la población. La probabilidad de que la prueba sea positiva e
identifique de manera correcta a una persona que tiene la enfermedad es de 0.99,
mientras que la probabilidad de que la prueba sea negativa e identifique
correctamente a un paciente que no tiene la enfermedad, es 0.95.
La incidencia de la enfermedad en la población es de 0.0001. Alguien toma la
prueba y esta resulta positiva ¿Cual es la probabilidad de que esa persona tenga
la enfermedad.

Sean D el evento en el que la persona tiene la enfermedad y S en que la prueba

es positiva. La probabilidad pedida es entonces P(D/S). La probabilidad de que la
prueba sea negativa y detecte de manera positiva a una persona que no tiene la
enfermedad es de 0.95. En consecuencia la probabilidad de la prueba sea positiva
sin que la persona esté enferma es de:
Las posibilidades de que la persona tenga la enfermedad es muy pequeña, incluso
si la prueba es positiva.