Beruflich Dokumente
Kultur Dokumente
TA total de alternativas
TIPOS DE EXPERIMENTOS:
ALEATORIO
DETERMINISTICO
EXPERIEMN ALEATORIO.- Cuando se tiene 2 o más resultados.
EXPERIEMNTO DETERMINISTICO. – Cuando siempre se obtiene el
mismo resultado.
• EJEMPLOS:
2.2.1 DEFINICION
Es un posible resultado o una combinación de resultados de un
experimento aleatorio y constituye un subconjunto del espacio
muestral S.
• Ejemplo:
Se lanza 3 monedas simultáneamente, el espacio muestral será:
S# ={ccc,ccs,csc,scc,css,scs,ssc,sss }
De este experimento se puede definir los sigts. eventos:
A: Obtener exactamente 3 sellos
A={SSS}
P(A)=
Número de casos favorables en el evento A No.. A
Número de casos posible en S No. S
La probabilidad de un evento A, es un numero real P(A) de
una función de conjunto que cumple las siguientes
propiedades:
1) P(A) ≥ 0
2) P(S) = 1
3) Si A1, A2, ……An son eventos mutuamente excluyentes de
S, entonces:
n
P Ai P( Ai )
i 1
• 2.3 TEOREMAS
P ( A` ) = 1 – P(A)
≠
• Ejemplo:
• En un Colegio Estatal el 30% de los profesores son de Tacna , el 10% son
egresadas de la Universidad Nacional de San Marcos, el 1% son de Tacna y
egresadas de San Marcos . Si se selecciona a lazar un profesor del Colegio
Estatal
• ¿ Cuál es la probabilidad de que no sea de Tacna?.
• ¿ Cuál es la probabilidad que sea de Tacna o sea egresada de San Marcos ?
• ¿ Cuál es la probabilidad que no sea de Tacna ni egresada de San Marcos?
• Solución
•
• P (T) = 0.30
• P ( E SM) = 0.10
• P (T ESM) = 0.01
B PPA(B)B
P A
• P(A) = P
• Computadoras defectuosas: 5% de 500 = 0.05x 500 = 25
( A1 A2 ) P A2 A1 P A1 P A2
A1
•P
A1 25 500 0.05
• P= A A( Extraer
2
1
una computadora defectuosa en la segunda sacada
dado que se extrajo una computadora defectuosa en la primera
sacada).
•P A2
24
A1
459
• P(A) =P A1 A2 P A1 P A2 A
1
•= 25 24
*
6
0.0024
500 499 2495
25
= 0.0024
500
2
casos favorables
casos posibles
2
2.2. 13 EVENTOS INDEPENDIENTES:
• TEOREMA.
Si A y B son independientes entonces P (A B) P( A) P( B)
• CONSECUENCIA. Sí A 1, A2... An son independientes
p n n
Ai
P Ai
i 1 i 1
• Ejemplo.
Sea E el experimento de lanzar una moneda dos veces
consecutivos o lanzar dos monedas a la vez.¿ Cuál es la
probabilidad de obtener dos caras?
SOLUCIÓN:
P(obtener dos cosas) = P (obtener cara en el primer
lanzamiento y cara en el segundo lanzamiento).
Sea A = {obtener 2 caras}
A1 = (Obtener cara en el primer lanzamiento).
A2= (Obtener cara en el segundo lanzamiento)
A2 )
P(A) = P(A1
P A 1 ; P A 1
2 1 2
2
Si A1 y A2 son independientes
P A1 A2 P A1 P A2 1 * 1 1
2 2 4
1
4
P(A) =
• 2.6 TEOREMA DE LA PARTICIÓN DE
• ESPACIO MUESTRAL
• Sea B ysea
S Ai S i=1,2,....n talque
n
• a) Ai S
i 1
• b) Ai Aj ij
• P n
(B) =
P( A ) P( B A )
i 1
i
i
• P(D) = P D A D A D A
1 2 3
•P P P
D 0.75 D 0.50
A A D 0.75
1
2 A
3
•P
• P(D)( D=) 0.750 00.15
0.6 * 0.75 + .5 * 0.5 +0.10
0.076
* 0.75 = 0.6 25 probabilidad de que un
estudiante APRUEBE
• B) Si se elige aleatoriamente un estudiante y resulta estar
aprobado . cuál es la probabilidad de que se haya acogido al
método de enseñanza de tipo II .?
P( A2 ) P( D )
A2 0.3 * 0.5
P( A2 )
D P( A) 0.675
A2
P( ) 0.222 pro b a b i l i d a d de que un estudiante
D
elegido haya e s c o g i d o el método de tipo II
FIN -II
• 3.0 VARIABLES ALEATORIAS
• Es una función que va del espacio muestral al
conjunto de los número reales
• y lo denotamos por una letra mayúscula; y una
minúscula para sus valores.
• EJEMPLO :
• Se lanza tres monedas sobre una mesa.
• S R
• X
•
• Si X es la variable aleatoria que determina el # de caras en el experimento
entonces .
• X (CCC) = 3 X(CSC) = 2 X(SSC) = 1 X(CSS) = 1
• X (CCS) = 2 X(SCC) = 2 X(SCS) = 1 X(SSS) = 0
•
• Por lo tanto x toma los valores
• x : 0, 1, 2, 3
• 2).
f (x) 1
1 3 3 1
8 8 8 8
La distribución acumulativa de una variable aleatoria
discreta f(x) está dada por F(x).
donde
F(x) = P x x f t
tx
• EJEMPLO :
• Hallar la función de distribución acumulativa F(x) del
ejemplo anterior:
•
0 si x0
1
• <1 0 x
8
si
• F(x) = si 81
4 x2
• 7
si8 2x3
• 1 x 3
3.11 ESPERANZA MATEMÁTICA
Dado una variable aleatoria con distribución de cuantía o
probabilidad f(x), el valor esperado o la esperanza matemática de x
esta dado por:
x x f(x) si x discreta
x
• EJEMPLO :
• En un juego de apuesta, un estudiante debe ganar $ 5, si al tirar 3
monedas obtiene todas cara o todas sello y paga $3 si sale 1 o 2 caras ,
conviene participar en la apuesta .?
• x: 5 , -3
• P(x=5) = ¼
• P(x=-3)
( x) 5 =1 ¾ 3 3 1
4 4
• EJEMPLO :
• Calcular la varianza de x donde x es el número de químicos
de un comité de tres personas seleccionadas al azar entre
un grupo de 4 químicos y 3 biólogos
• x= 0, x = 1, x = 2, x = 3 :
v( x) E x 2 E x
2
Ex
12
1 12 18 4
, E x 2 0 1 4( ) 9
v x
2
24 12
24
7 35 35 35 35
7 7 39
Def: Si x variable aleatoria y b usa constante entonces
v( x b) v( x) v(b) v( x) ; v(b) 0
v(ax) a 2 v( x) a 2 v 2
Def: Si x e y son variables aleatorias independientes, entonces