Estadistica 1 Cuaderno Segun Parcial

Adición de eventos

Reglas de adición de eventos

P (A ∪ B) = P A + P B − P (A ∩ B) (1)

P (A) 6= P A

NOTA:Si los eventos son escluyentes:

P (A ∪ B) = P A + P B (2)

Ejemplo:
Se tiene un naipe en donde este se encuentra completo y con todos los tipos de cartas, si escojo una
carta al azar.
a)Cual es la probabilidad de que la carta sea trebol.
b)Cual es la probabilidad de que la carta sea 5.
c)Cual es la probabilidad de que sea 5 y trebol.

Solución:
a)Cual es la probabilidad de que la carta sea trebol.

P (A) = P osibles/T otal

13
P (A) = = 0,25 = 25
52
ESPE I ESPE
Estadistica 1 Cuaderno Segun Parcial

b)Cual es la probabilidad de que la carta sea 5.

P (B) = P osibles/T otal

4
P (B) = = 0,0769 = 7,7
52
c)Cual es la probabilidad de que sea 5 y trebol.

P (A ∪ B) = P A + P B − P (A ∩ B)
1
P (A ∩ B) = elementos comunes = = 1,9
52
13 4 1 16 4
P (A ∪ B) = + − = = = 30,77
52 52 52 52 3
Regla de adición de eventos para tres conjuntos

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) − P (A ∩ B ∩ C) (3)

NOTA:Si son eventos escluyentes

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) (4)

Regla de complemento

P (A0 ) = 1 − P (A) (5)

ESPE II ESPE
Estadistica 1 Cuaderno Segun Parcial

Regla de la multiplicación
Probabilidad Condicional:Es la propabilidad que ocurre un evento con la particularidad de que
otro evento ocurrio previamente.
P (A\B) =Es la probabilidad de que ocurra el evento A dado que ocurrio previamente el evento B.
Ejercicio:
Tengo una caja en donde estan 3 manzanas verdes y 7 rojas. a)Encontar la probabilidad de que
escoja al azar una manzana roja dado que anterioirmente saque una roja.
b)Encontar la probabilidad de que escoja al azar una manzana verde dado que anterioirmente saque
una roja.
Solución:
a)Dado que A=manzanas verdes y B es manzanas rojas
3 7
P (A) = P osibles/T otal = 10
= 0,3yP (B) = P osibles/T otal = 10
= 0,7
6
P (B\B) = 10
3
b)P (A\B) = 9

Regla general de la multiplicación

Regla de la probabilidad conjunta:Se utiliza para determinar la probabilidad conjunta de que
ocurra eventos cualesquiera.

P (A ∧ B) = P (A/cupB) = P (A) ∗ P (B\A) (6)

P (A ∪ B ∪ C) = P (A) ∗ P (B\A) ∗ P (C\AyB) (7)

Independencia de eventos
NOTA:Si los eventos son independientes no estan afectados por los eventos anteriores.

P (A ∧ B) = P (A/cupB) = P (A) ∗ P (B) (8)

P (B ∧ A) = P (B/cupA) = P (B) ∗ P (A) (9)

Cnsideraciones:

1. Nunca se debe asumir que dos eventos son independientes hasta estar absolutamente seguro.

ESPE III ESPE

Estadistica 1 Cuaderno Segun Parcial

2. Se puede pensar que son eventos independientes cuando los eventos son fisicamente indepen-
dientes.

3. Diferencia entre eventos mutuamente escluyentes y eventos independientes.

Para demostrar la independencia de un evento sedebe:

1. Evaluar el producto de la probabilidad

P (A) ∗ P (B)

2. Deeterminar el valor de la probabilidad de P (A ∪ B)

P (A ∪ B) Resolver por otro método.

3. Si los dos resultados son iguales entonces son independientes.

Ejercicio:
Si se rrogan dados, uno rojo y otro blanco, determinar si los dos eventos son independientes si se
definen:
Dado:
A=Rojo divisible para 3. A={3,6}
B=Blanco divisible para 2. B={2,4,6}

2 3
P (A) = P (B) =
6 6
2 3 1
P (A) ∗ P (B) = ∗ =
6 6 6
n(A ∪ B) 6 1
P (A ∪ B) = {3 − 2, 3 − 4, 3 − 6, 6 − 2, 6 − 4, 6 − 6} . = =
n(Ω) 36 6
1
P (A ∪ B) = P (A) ∗ P (B) =
6

ESPE IV ESPE
Estadistica 1 Cuaderno Segun Parcial

Por lo tanto se llega a la conclusión de que son eventos independientes.

Ejercicio:
Una pareja de amigos decide ir al cine, la probabilidad que el chico llegue es del 80 % y la probabi-
lidad de que llegue la mujer es de 60 % y si se considera que sus ausencias son eventos independien-
tes.Calcula la peobabilidadde:
a)Los dos lleguen al cine.
b)Ninguno llegue al cine.
c)Solo uno llegue al cine.
A=Chico llegue. P (A) = 45 P (A0 ) = 1
5

B=Chica llegue. P (B) = 35 P (B 0 ) = 2

5
4 3 12
a)P (A ∪ B) = P (A) ∗ P (B) = 5
∗ 5
= 25
= 48 %
b)P (A0 ∪ B 0 ) = P (A0 ) ∗ P (B 0 ) = 1
5
∗ 2
5
= 2
25
= 0,08 = 8 %
c)P (A ∩ B) ∩ (B ∩ A0 ) = 12
100
+ 32
100
= 44
100
= 44 %

Tabal de contingencia y diagrama de área

Ejercicio:
Se sortea un viaje a galápagos entre los 120 mejores estudiantes de la ESPE, de ellas 60 son mujeres,
80 son solteras/as/ y 45 son mujeres solteras.
a)Elabore una tabla de contingencia y diagrama de árbol.
b)Determine la probabilidad de que un hombre casado gane.
c)Si se sabe que el afortunado/a/ es soltera o soltero. Cual es la probabilidad de que sea mujer.
a)

Soltero Casado
Mujer 45 15 60
Hombre 35 25 60
80 40 120
60
P (M ) = 120
= 50 %
80
P (S) = 120
= 66,67 %
b)Probabilidad conjunta:
25
P (H ∪ C) = 120
= 20,83

ESPE V ESPE
Estadistica 1 Cuaderno Segun Parcial

Probabilidad condicional:
45
P (M \S) = 80
= 56,26 %
25
P (H\C) = 40
= 62,5 %
45
P (S\M ) = 60
= 75 %
60 45 45
P (M ∪ S) = P (M ) ∗ P (S\M ) = 120
∗ 60
= 120
= 56,25 %

Diagrama de árbol

Ejercicio:
Luego de una encuesta de 200 trabajadores de una época de supermanencia o no en la misma arte
una nueva prpuesta de trabajo similar:

Menos de 1 año De 1 a 5 años De 6 a 10 años Más de años

Permanece 10 30 5 75 120
No Permanece 25 15 10 30 80
35 45 15 105 200

a)Probabilidad de seleccionar a alzar un trabajador que sea leal y que luego de mas de 10 años de
servivio para promoverlo.
75
P (P ∪ M ) = P (P ) ∗ P (M \P ) = 200
= 37,5 %
b)Probabilidad de que parece en la empresa y tiene de 1 a 5 años.

ESPE VI ESPE
Estadistica 1 Cuaderno Segun Parcial

30
P (P ∪ R) = 200
= 15 %
120 30 30
P (P ∪ R) = P (P ) ∗ P (R\P ) = 200
∗ 120
= 200
= 15 %
c)Realice un diagrama de árbol

Probabilidad Total

Eventos exautivos:Dos o más eventos son exautivos cuando la union o suma de ambos eventos me
genera el espacio muestral.

P (B) = P (B ∪ A) + P (B ∪ A0 ) (10)

P (B) = P (A) ∗ P (B\A) + P (A0 ) ∗ P (B\A0 ) (11)

ESPE VII ESPE

Estadistica 1 Cuaderno Segun Parcial

Nota:En el caso de existir más eventos:

P (B) = P (B ∪ E1) + P (B ∪ E2) + ... + P (B ∪ En) (12)

P (B) = P (E1) ∗ P (B\E1) + P (E2) ∗ P (B\E2) + ... + P (En) ∗ P (B\En) (13)

n
X
P (B) = P (Ei) ∗ P (B\Ei) (14)
i=1

Ejemplo:
Durante un proceso de fabricación de circuitos integrados da la probabilidad que un circuito integra-
do que está sujeto altos niveles de contaminación sea la causa de falla de un equipo es de 0.10, por
otra parte la probabilidad de que un circuito que no este sujeto altos niveles de contaminación sea la
causa de falla es de 0.005. En un dı́a de producción el 20 % de los circuitos altos niveles de contami-
nación.¿Cuál es la probabilidad de que un equipo que utilice algún de estos circuitos integrados falle?

Donde:
A=Contaminado
A’=No contaminado

ESPE VIII ESPE

Estadistica 1 Cuaderno Segun Parcial

B=Falle
B’=No falle

P (B\A) = 0,10 P (B\A0 ) = 0,005

P (A) = 0,2 P (A0 ) = 0,8

P (B) = P (A ∪ B) + P (A0 ∪ B)

P (B) = P (A) ∗ P (B\A) + P (A0 ) ∗ P (B\A0 )

P (B) = 0,20 ∗ 0,10 + 0,8 ∗ 0,005 = 0,024 = 2,4 %

En el ejmplo anterior se propone que 0.01 es la probabilidad d que un circuito integrado expuesto
a niveles medios de contaminacion sea lq cosa de falla de un equipo y que 0.001 es la probabilidad
de que un circuito integrado expuesto a una contaminacion sea la causa d la falla. En un dia d
produccion el 20 % de loe circuitos en los circuitos de alto nivel, 30 % a niveles medios y el resto a
niveles a bajo.
¿Cual es la la probabildad que un equipo sea ?

P (B) = P (A ∪ B) + P (C ∪ B) + P (D ∪ B)

P (B) = P (A) ∗ P (B\A) + P (C) ∗ P (B\C) + P (D) ∗ P (B\D)

P (B) = 0,2 ∗ 0,1 + 0,3 ∗ 0,01 + 0,5 ∗ 0,001 = 0,0235 = 2,35 %

Teorema de Bayes

ESPE IX ESPE
Estadistica 1 Cuaderno Segun Parcial

P (A) ∗ P (B\)
P (A\B) = (15)
P (B)
Ejercicio:
Debido a que un nuevo procedimiento medico a demostrado su eficiencia en la detencion de cierta
enfermedad, se propone realizar un examen medico preventivo, la probabilidad de que la prueba sea
negativa e identifique de mas a menos correcto a una persona que tiene una enfermedad es de 0.99,
mientras que la probabilidad de que la prueba salga negativa e identifique correctamnte que una
persona tiene la enfermedad es de 0.95. La insidencia de la enfermedad en la poblacion es de 0.0001.
Se realiza una prueba y esta resulta positiva.¿Cual es la probabildad de que esta persona tenga la
enfermedad?.
Dado:
E1=Positivo
E2=Negativo
B=Correcto
B’=Incorrecto
P (E1)=0.0001
P (B\ E1)=0.99
P (E1’)=0.05
P (B\ E1’)=0.9999

P (E1) ∗ P (B\E1)
P (E1\B) =
0,0001 ∗ 0,99 + 0,05 ∗ 0,9999
0,0001 ∗ 0,99
P (E1\B) = = 0,00197 = 0,2 %
0,0001 ∗ 0,99 + 0,05 ∗ 0,9999

Distribución de probabilidad

ESPE X ESPE
Estadistica 1 Cuaderno Segun Parcial

Muestran todos los resultados posibles de un experimento aleatorio y la probabilidad asociada a cada
resultado
Variable aleatoria

X 0 1
f(x) 1/2 1/2

Una variable aleatoria X se define como una función que asigna un número real x a cada resultado
o evento elemental del espacio muestra.
X:ω R
El conjunto de los posibles valores de las variables aleatoria X recibe el nombre del rango de X.
El espacio muestral
ω={CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}

Evento:número de casos.
X={0,1,2,3}

X 0 1 2 3
f (x) 1/8 3/8 3/8 1/8

Ejemplo:
Si existen 6 mujeres y 2 hombres para ocupar 3 cargos en una empresa, cuantas mujeres piden entrar
en ese cargo.
Función de masa
También llamado función de probabilidad para variables aleatorias discretas.

ESPE XI ESPE
Estadistica 1 Cuaderno Segun Parcial

Variable aleatoria discreta:Enteras.

Si x es una variable aleatoria discreta, la función de masa de la probabilidad f (x) es una función
cuyo dominio es la variable aleatoria X y el recorrido es el intervalo cerrado de [0,1] y si se define
como la probabilidad de que x sea estrictamente igual a un valor especı́fico x.
X v.a. discreta
f(x):X→[0,1]
f (x) = P (X = x)en :
f (0) = P (X = 0) = 1/8
f (1) = P (X = 1) = 3/8
f (5) = P (X = 5) = 0
f (1,5) = P (X = 1,5) = 0

Propiedades:

1. f(x)=P(X=x)

2. 0¡=f(X¡=1)
Pi=1 Pi=0
3. n f (x) = n P (X = x) = 1

Función de distribución
Tambien llamada funcion de distribución de funcion acumulada
Si X v.a. discreta
Sun funcion de distribución F(X) es una función cuyo dominio es la variable aleatoria X y el recorrido

ESPE XII ESPE

Estadistica 1 Cuaderno Segun Parcial

en el intervalo cerrado[0.1],Y se define como la probabilidad de que X sea menor o igual a un valor
especı́fico de X.
v.a.discreta X
F(X):X→[0.1]
P
F(X)=P(X¡=x)= f (x)
Propiedades:

P
1. F (x) = P (X <= x) = xi <=x f (x)

2. 0¡=f(X¡=1)

3. P(X¿x)=1-P(X¡=x)

F (x) 6= P (X < x)
(X <= 2 6= P (X < 2))
P (X = 0) + P (X = 1) + P (X = 2) 6= P (X = 0) + P (x = 1)

P (X <= 1,5) = P (X = 0) + P (X = 1) = 1/8 + 3/8 = 1/2

Ejercicio:
El análisis de una caja contiene frutas puede considerarse en términos de un número de ellas a sus
caracterı́sticas. Una consideración particular podrı́a ser por ejemplo el # de frutas en mal estado
presente en las cajas. En donde X sera una v.a. discreta que dará el número de frutas en mal estado.
a)Determinar el rango de X

ESPE XIII ESPE

Estadistica 1 Cuaderno Segun Parcial

b)Considere que X es una v.a discreta que es el numero de frutas que serı́a necesarias tomar hasta
encontrar una de mal estado.
c)Suponga que la probabilidad que una caja conytenga frutas en mal estado es dee 0.02 y si los
eventos son independientes.Determine la distribución de probabilidad de X.
Solución:
a)X = {0,1,2,3....n}
b)X = {1,2,3,4....n − 1}
c)d=fruta mala
d’=fruta buena
P(d)=0.02
P(d’)=0.98
P (X = 14) = (0,98)13 ∗ 0,02 = 1,538 %
Medidas descriptivas para variables aleatorias discretas
Esperanza matemática
ux = E(X)=Valor esperado
Es la medida o valor esperado de la variable aleatoria discreta X y se define como:

X X
U x = E(x) = −∀xx ∗ f (x) =−∀xP (X = x) (16)

Promedio de todas las variables, mediaponderada. E(x2 ) = −∀xx2 ∗ f (x)

P

E(x3 ) = −∀xx3 ∗ f (x)

P

Varianza de la variable aleatoria completa

X
τ 2 x = V (X) = E(X − ux)2 = −∀x(X − ux)2 ∗ f (x) (17)

X x1 x2 ... xn
f (x) f(x1) f(x2) ... f(xn)
NOTA:Para que una variable aleatoria X la varianza de X es 0 entonces todos los valores son iguales.
Ejercicio:
Determinar la media y la varianza de la siguiente función de probabilidad.

X 2 8 10
f (x) 0.5 0.3 0.2

ESPE XIV ESPE

Estadistica 1 Cuaderno Segun Parcial

Solución:

X
ux = E(x) = −∀xX ∗ f (x) = 5,4u
X
τ 2x = −∀x(X − ux)2 ∗ f (x) = 12,04u2

τ x = 12,041/2 = 3,4698

Nota este no es distriución de probabilidad:

X 2 8 10 20
f (x) 0.5 0.3 -0.2 0.4

ESPE XV ESPE