Beruflich Dokumente
Kultur Dokumente
k
P B P Ai .P B Ai
i 1
TEOREMA DE BAYES
Si se conoce la probabilidad de B en cada uno de los sucesos mutuamente excluyentes
A1, A2 , , An , entonces si ocurre de B , se puede calcular la probabilidad de ocurrencia de
Ai A1, A2 , , Ak , de la siguiente manera:
P Ai B P Ai .P B Ai
P Ai B k
P B
P Ai .P B Ai
i 1
¡Recomendación!
Para la resolución de ejercicios de Probabilidad Total y Teorema de Bayes se recomienda utilizar
como punto de partida el siguiente diagrama de árbol.
EJEMPLO N° 1
En una línea de producción hay dos procesos, A y B. En el proceso A hay un 20% de defectuosos
y en B hay 25%. En una muestra de 300 productos hay 200 del proceso A y 100 del B.
a) ¿Qué eventos conformar una partición del espacio muestral?
b) Si se extrae un producto al azar, hallar la probabilidad que sea de que defectuoso.
c) Si al extraer el producto resultó defectuoso, halle la probabilidad de que sea del proceso A.
Solución:
a) El espacio muestral son todos los productos y los componen los productos del proceso A y
los productos de B A B . Por lo tanto, los sucesos A y B conforman una partición
del .
P D P A.P D A P B .P D B
b)
2 1
P D 0.20 0.25
3 3
13
P D
60
P A .P D A
P A D
P D
c)
2
0.20
P A D 3
2 1
0.20 0.25
3 3
2 15 6
P A D
13 60 13
EJEMPLO N° 2
El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El 75%
de los ingenieros ocupan un puesto directivo y el 50% de los economistas también, mientras que
los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo.
Solución:
VARIABLE ALEATORIA
DEFINICIÓN
Una variable aleatoria es una función que asigna un número real, y sólo uno, a cada uno de los
resultados de un experimento aleatorio.
Las variables aleatorias se representan por letras mayúsculas de nuestro alfabeto latino
X ,Y ,... y utilizaremos las minúsculas
x, y,..., , para los valores concretos de las
variables. Son de carácter cuantitativo.
EJEMPLO N° 3
Sea el espacio muestral que se obtiene al lanzar al aire una moneda tres veces consecutivas,
esto es,
A) Función de Probabilidad:
i ) f ( x) 0 ii) f x 1
i
La colección de pares
x , p
i i pi f xi
se llama distribución de probabilidades
de X. La distribución de probabilidad se representa usualmente en una tabla, como la
siguiente:
Valores
xi de X x1 x2 x3 x4
Probabilidad
pi P X xi p1 p2 p3 p4
La gráfica de una distribución de probabilidades discreta es la gráfica de bastones.
EJEMPLO N° 4
Con los datos del Ejemplo N° 3, determine la tabla de distribución de probabilidades con su
respectiva gráfica.
Solución:
Sea el
SSS , SSC, SCS , CSS , SCC, CSC, CCS , CCC
P X 0 P SSS 1 8
P X 1 P SSC ó SCS ó CSS 3 8
P X 2 P SCC ó CSC ó CCS 3 8
P X 3 P CCC 1 8
Luego, cada
xi con su respectiva
P X xi se lleva a la siguiente tabla:
xi 0 1 32
pi 0.125 0.375 0.375 0.125
f ( x)
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0 X
0 0.5 1 1.5 2 2.5 3 3.5
B) Función de distribución
La función de distribución acumulada de probabilidades o simplemente función de
distribución,
F ( x) , de la variable aleatoria discreta X , cuya función de probabilidad es
f ( x) , se define por:
F ( x) P X x P X x f ( x )
EJEMPLO N° 5
Con los datos del Ejemplo N° 3, determine la función de distribución de probabilidades con su
respectiva gráfica.
Solución:
Sea el
SSS , SSC, SCS , CSS , SCC, CSC, CCS , CCC
La función de probabilidades
f ( x) de la variable aleatoria X está descrita en el
ejemplo 3. por:
F (0) f 0 1 8 0.125
F (1) f 0 f 1 1 8 3 8 1 2 0.5
F (2) f 0 f 1 f 2 1 8 3 8 3 8 7 8 0.875
F (3) f 0 f 1 f 2 f 3 1 8 3 8 3 8 1 8 1
Por lo tanto,
0, x 0
0.125, 0 x 1
F ( x) 0.5, 1 x 2
0.875, 2 x 3
1, x 3
La gráfica de esta función de distribución está dada en la siguiente figura.
F ( x)
2 V X E X 2 E X
2
Me xi F xi P X xi 0.5
¡Ten presente!
P X a F a
P X a 1 P X a 1 F a 1
P a X b F b F a
P a X b F b F a P X a
P a X b F b F a P X b
EJEMPLO N° 6
Con la Tabla de Distribución de Probabilidades del Ejemplo N° 4, determinar el valor
esperado, la varianza la mediana.
Solución:
b) V X 3 1.5
2
V X 0.75
c) Me 1
VARIABLE ALEATORIA CONTINUA
Es aquella que solo puede tomar valores infinitos no numerable. En general las variables
aleatorias discretas representan datos que provienen del conteo del número de elementos,
mientras que, las variables aleatorias continuas representan mediciones, por ejemplo, tiempo,
peso, longitud, etc.
i ) f ( x) 0
ii)
f ( x)dx 1
indica que el área total bajo la curva es igual a uno.
iii) P( A) f x dx
A expresa: probabilidad igual a área.
P a X b f x dx
b
EJEMPLO N° 7
Sea a una constante y consideremos la función de densidad:
a 3x x , 0 x 3
2
f ( x)
0, en otros casos
a) Calcule el valor de a.
b) Obtenga y represente la función de distribución.
c) Halle la
P 1 X 2
Solución:
a ) 1 a 3 x x 2 dx
3
3 2 1 33
1 a x x
2 3 0
27
1 a 9
2
2
a
9
b) La función de distribución se muestra de la siguiente manera:
2 2 2
x x , 0 x3
f ( x) 3 9
0, en otros casos
Y la gráfica de esta función se muestra en la siguiente figura:
f ( x)
2 2 2
P 1 X 2 x x 2 dx
c)
1
3 9
2
x 2 2 x3
P 1 X 2
3 27 1
4 16 1 2
P 1 X 2
3 27 3 27
13
P 1 X 2
27
EJEMPLO N° 7
La gráfica de la función de densidad de una
variable aleatoria continua X , es como se
muestra en la figura adjunta. Determinar el
número m tal que:
1
P X m
2
Solución:
De la figura observamos que la recta pasa por los puntos (1,0) y (0,2). Sea y = ax + b la
ecuación de la recta, entonces:
Si x 1, se tiene que 0 a b
Si x 0, se tiene que 2 b
2 1 x , 0 x 1
f ( x)
0, en otros casos
Calculamos m, por la ecuación:
1
P X m
2
1
m
f ( x)dx
2
1
2 1 x dx 0dx
1
m 1 2
1
m 1
2
2
1
m 1
2