You are on page 1of 14

PROBABILIDAD

RESUMEN UNIDAD 1

GRUPO No. 100402_16


JOSE EUSEBIO LOPEZ JUNCO CODIGO: 74338899

DOCENTE:
MARTHA CATALINA OSPINA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD


JOSE ACEVEDO Y GOMEZ
JUNIO 19 DEL 2016
1

1. CAPITULO 1.
1.1. EXPERIMENTOS ALEATORIOS Y ESPACIO MUESTRAL.
La palabra aleo en latn significa azar o suerte , y es aquel sobre el
cual no se tiene control.
Un fenmeno aleatorio: es aquel el que puede dar varios
resultados

sin saber cul de estos

experimento.
Un ejemplo : El numero personas

va a ser observado en el

que compran un determinado

artculo, el nmero de veces que cae un meteorito, cuantas veces


cae un numero en una lotera.
1.2.

ESPACIO MUESTRAL
Es el espacio, lugar , conjunto formado por los posibles
resultados de un experimento aleatorio. En los cuales los
resultados son conocidos, el resultado del experimento no
se sabe, se puede realizar de una misma forma y se puede
obtener un patrn en la medida que aumentan

las

repeticiones

1.3.

SUCESOS O EVENTOS. OPERACIONES CON SUCESOS.


Son cada uno de los elementos o subconjuntos del espacio
muestral
Ejemplo:

1.4.

OPERACIONES CON SUCESOS O EVENTO


Debido son subconjuntos de un espacio muestral se puede utilizar
las leyes de los conjuntos como:

1.5.

DIAGRAMAS DE RBOL
Es una especie de grafico donde se presentan los sucesos que
ocurren en un esperimento y se representa mediante rectas
puntos(Eventos); mediante esta

forma se puede

representar

espacio muestral, combinatoria.

2. CAPITULO 2 TECNICAS DE CONTEO


Todo fenmeno se debe contar, pero los eventos aleatorios

son

complicados por tanto se debe recurrir a tcnicas como las siguientes.


2.1.

PRINCIPIO FUNDAMENTAL DEL CONTEO

2.2.1. Principio de multiplicacin o multiplicativo


Si Se desea realizar una actividad que consta de (r) pasos donde el primer
paso de la actividad puede ser llevado a cabo de N maneras , el segundo
paso de N2 maneras y el r-esimo de Nr; entonces esta actividad puede
ser llevada a cabo de la siguiente forma.
N 1N 2 .. N r
3

Este mtodo implica que los pasos deben realizar uno detrs de otro.
2.2.2. Principio aditivo
2.2.

FACTORIAL DE UN NMERO

En esta forma se busca que los eventos sean mutuamente excluyentes es


decir que un suceso ocurra sin necesidad que el otro se presente;
n1 +n2 nn
Ejemplo: Hay diferentes maneras de viajar en la ciudad
2 maneras de viajar en cicla.
3 maneras de viajar con vehiculo
1 manera de viajar a pie
2+3+1=6

2.3.

PERMUTACIONES Y VARIACIONES

Se denomina permutacin de n elementos, los diferentes grupos que se


pueden hacer tomndolas todos cada vez, estos tambin implican orden.
La permutacin de

P A =! n

n Pn=V n , n=P ( n , n )=n Pn =n ( n1 ) ( n2 ) 1=n ! ; n=r ; n , r >0


Ejemplo: (Carlos)

P6=6 !=654321=720

Cuando se toman elementos.


Frmula:

n Pr=

2.4.

n!
( nr ) !

COMBINACIONES

Es el numero de combinaciones que se puden hacer de un conjunto de n elementos


tomados r veces sin tener encuenta el orden.

[]

n!
n Pr=P n =
r ( nr ) !r !
4

2.5.

REGLA DEL EXPONENTE

Se trata de un tipo de combinacin o arreglo ordenado en donde siempre hay


remplazo del elemento que se toma; es decir cuando se tiene N sucesos estos se
elevan a la potencia por el nmero de eventos n que se apliquen.
Ejemplo : N = sucesos n= eventos
Ejemplo moneda = (S, C) eventos = ( Nmero de veces que se lanza la moneda)
Resultado =

2 +2 + 2

3. CAPITULO 3 PROPIEDADES BSICAS DE LAS PROBABILIDADES


En forma muy simple se puede definir la probabilidad como un nmero de 0 a 1, que le
asignamos a suceso para indicar su posibilidad de ocurrir. Las probabilidades se
expresan como fracciones o como decimales que estn entre uno y cero o tambin en
valor porcentual entre 0 y 100

3.1.

INTERPRETACIONES DE LA PROBABILIDAD

Los eventos sern enunciados en letras maysculas as: A, B, C,; la letra mayscula
P denotar una probabilidad y P(A) indicar, entonces, la probabilidad de que ocurra
el evento A.

3.1.1. Probabilidad clsica o a Priori


la probabilidad de que ocurra un evento A cualquiera, que tiene la misma posibilidad
de ocurrencia que cualquier otro evento dentro del espacio muestral de tamao n, se
define como:

P ( A )=

1
n

3.1.2. Frecuencia relativista:


Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un evento
como una probabilidad. Determinamos qu tan frecuente ha sucedido algo en el
pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el
futuro.

3.1.3. Probabilidades subjetivas


La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento
por parte de un individuo, basada en la evidencia que se tenga disponible. Esa
evidencia puede presentarse en forma de frecuencia relativa de presentacin de
eventos pasados o puede tratarse simplemente de una creencia meditada.

3.2.

AXIOMAS DE PROBABILIDAD: REGLA DE LA ADICIN

Estos axiomas no determinan las probabilidades, lo que hacen es facilitar el clculo de


las probabilidades de algunos eventos a partir del conocimiento de las probabilidades
de otros. S= espacio Muestral ; A: Cualquier evento
a. P(S) = 1
b.

0 P( A) 1

Resultados
c. Regla de la adicin para eventos mutuamente excluyentes.
Cuando dos eventos puede ser que sucedan uno o el otro y para poder unirlos se
aplica esta regla.

P ( A B )=P ( A ) + P( B)
d. Regla de adicin para eventos que no son mutuamente excluyentes.
P ( A B )=P ( A ) + P ( B )P( A B)

3.3.

AXIOMAS DE PROBABILIDAD: REGLAS DE MULTIPLICACIN

Regla para determinar P(A

B) , esto es, la probabilidad de que el evento A

ocurra en un primer experimento y el evento B ocurra en un segundo experimento.

a. Probabilidades bajo condiciones de independencia estadstica.


La probabilidad de dos o ms eventos independientes que se presentan juntos o
en sucesin es el producto de sus probabilidades marginales:

P ( A B ) =P ( A )P( B)
b. Probabilidades bajo condiciones de dependencia estadstica.

P ( A B ) =P ( B/ A )P( A )
P ( A B ) =P ( A /B )P(B)

La dependencia estadstica existe cuando la probabilidad de que se presente algn


suceso depende o se ve afectada por la presentacin de algn otro evento.

3.4.

PROBABILIDAD CONDICIONAL

Simblicamente, la probabilidad condicional se escribe P(B/A) y se lee "la


probabilidad de que se presente el evento B, dado que el evento A se ha
presentado". La probabilidad condicional es la probabilidad de que un segundo
evento (B) se presente, si un primer evento (A) ya ha sucedido.
a. Probabilidad condicional bajo Independencia estadstica

[ ]

B
=P(B)
A

b. Probabilidad condicional bajo dependencia estadstica.


B P(B A)
P
=
A
P( A)

[ ]

3.5.

PROBABILIDAD TOTAL Y TEOREMA DE BAYES


n

P ( B ) = P
i=1

[ ]

B
( Pn )
An

La regla de probabilidad total para dos eventos se simplifica considerando que el


evento B puede describirse como la unin de la parte de B que est en A y la parte
de B que est en A. Esto es:

P ( B ) =P ( B A ) + P ( B A ' ) P ( B )=P

[ ]

[ ]

B
B
P ( A ) + P
P ( A ' )
A
A'

4. Propuesta para la solucin del problema.


ESTUDIO DE CASO 5
Un fabricante de reproductores de DVD compra un microchip en
particular, denominado LS-24, a tres proveedores: Hall Electronics,
Schuller Sales y Crawford Components. Los registros de la compaa
muestran que el Veinticinco por ciento de los chips LS-24 se le compran
a Hall Electronics; el treinta por ciento a Schuller Sales y el restante, a
Crawford Components. El fabricante cuenta con amplios historiales
sobre los tres proveedores y sabe que 2% de los chips LS-24 de Hall
Electronics tiene defectos, 4% de los de Schuller Sales tambin y6 % de
los que vende Crawford Components son defectuosos. Cuando los chips
LS-24 se reciben, se les coloca directamente en un depsito y no se
inspeccionan ni se identifican con el nombre del proveedor. Un
trabajador selecciona un chip para instalarlo en un reproductor de DVD y
lo encuentra defectuoso. Como el fabricante no identific los chips, no
se est seguro de qu proveedor los fabric. Con el propsito de evaluar
con que proveedor hay mayor probabilidad de tener chips defectuosos,
usted ha sido llamado para que ayude en el anlisis de datos. Utilice su
conocimiento de la probabilidad para ayudar a realizar el informe
solicitado
a. Lectura de la unidad 1. Revisando conceptos , formulas y ejemplos
Que permitan desarrollarlo.
b. Revisar las referencias bibliogrficas que se presentan en el entorno
de conocimiento.
c.. Leer bien el problema e identificar los sucesos, espacio muestral,
eventos excluyentes, condicionales.

d. Aplicar la teora de la probabilidad total donde debemos unos eventos


que dependen de otros o el teorema de Bayes

5. DESARROLLO DEL EJERCICIO


Datos del ejercicio:
Chip LS 24
Proveedor
Hall electronics
Schuller
Crawford

% Compras
25
30
45

% Defecto
2
4
6

% Bueno
98
96
94

Eventos
A: Evento % compras a Hall electronics
B: Evento % compras a Schuller Sales
C: Evento % compras a Crawford Components
D: % Defectusos
N: % No Defectuosos.
Para el desarrollo del informe se recomienda
Identificar los eventos mutuamente excluyentes.
D: % Defectusos
N: % No Defectuosos
Son mutuamente excluyentes segn lo ledo y visto en videos son
aquellos que se presentan cuando se relaciona columnas con
columnas o filas con filas . Un ejemplo no es probable que un
elemento defectuoso sea producido al mismo tiempo por dos empresas
proveedoras.

Identificar
las probabilidades
excluyentes(Probabilidad a priori)

de

los

eventos

mutuamente

A: Evento % compras a Hall electronics 25% = 0.25/1 = 0.25


B: Evento % compras a Schuller Sales 30% = 0.30/1 = 0.30
C: Evento % compras a Crawford Components45% = 0.45/1 = 0.45
Identificar las probabilidades condicinales presentadas.
Las probabilidades condicionales son todas aquellas que nos piden
encontrar donde tenemos un antecedente y debemos encontrar un
interrogante o una probabilidad como :
a. Probabilidad de que un chip este defectuoso.

Aplicamos la frmula de probabilidad Total


P ( D )=P ( A )P

[ ]

[ ]

[ ]

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

P ( D )=P ( 0.25 )P [ 0.02 ] + P ( 0.30 )[ 0.04 ] + P ( 0.45 )[ 0.06 ]


P ( D )=0.044
b. Probabilidad de que un chip no este defectuoso.
P ( N )=P ( A )P

[ ]

[ ]

[ ]

N
N
N
+ P ( B )
+ P ( C )
A
B
C

P ( N )=P ( 0.25 )P [ 0.98 ] + P ( 0.30 )[ 0.96 ] + P ( 0.45 )[ 0.94 ]


P ( N )=0.956
c. Si el chip seleccionado resulta defectuoso, debe
encontrar la
probabilidad de que haya sido fabricado por cada uno de los
fabricantes.
Por el teorema de Bayes.
Nota: Estas son probabilidades condicionales
Probabilidad de que sea A.

10

P ( A / D )=

P ( A / D )=

P ( A / D )=

P ( A )P [ D / A ]
P ( A )P [ D / A ] + P ( B )[ D/ B ] + P ( C )[ D/C ]

0.250.02
0.250.02+ 0.300.04 +0.450.06

0.05
=0.113
0.44

Probabilidad de que sea B.


P ( B/ D ) =

P ( B )P [ D/B ]
P ( A )P [ D/ A ] + P ( B )[ D/B ] + P ( C )[ D/C ]

P ( B/ D ) =

0.300.04
0.250.02+0.300.04+ 0.450.06

P ( B/ D ) =

0.012
=0.272
0.44

Probabilidad de que se C.
P (C / D )=

P ( C )P [ C/ D ]
P ( A )P [ D/ A ] + P ( B )[ D /B ] + P (C )[ D /C ]

0.450.06
( CD )= 0.250.02+0.300.04+0.450.06

=0.613
( CD )= 0.027
0.44

11

d. Si el chip seleccionado est en buenas condiciones, debe encontrar la


probabilidad de que haya sido fabricado por cada uno de los
fabricantes.
P ( A )P [ A /N ]
P ( A /N )=
P ( A )P [ N / A ] + P ( B )[ N / B ] + P ( C )[ N /C ]

P ( A /N )=

P ( A /N )=

0.250.98
0.250.98+0.300.96+0.450.94

0.245
=0.256
0.956

Probabilidad de que sea B.


P ( N /B ) =

P ( N /B ) =

P ( N /B ) =

P ( B )P [ N / B ]
P ( A )P [ N / A ] + P ( B )[ N /B ] + P ( C )[ N / C ]

0.300.96
0.250.98+0.300.96+ 0.450.94

0.288
=0.301
0.956

Probabilidad de que se C.
P (C / N )=

P (C / N )=

P ( C )P [ N /C ]
P ( A )P [ N / A ] + P ( B )[ N /B ] + P ( C )[ N /C ]
0.450.94
0.250.98+0.300.96+0.450.96

12

P (C / N )=

0.423
=0.442
0.956

e. Elabore un diagrama
encontradas.

de rbol que represente las

probabilidades

BILIOGRAFIA
13

Universidad Abierta y a Distancia. (2010). Experimento aleatorios y espacio


muestral. En A. M. Robayo, 100402-Probabilidad (pgs. 12-19). Bogot
D.C: Unad.
Universidad Abierta y a Distancia. (2010). Tcnicas de Conteo En A. M. Robayo,
100402-Probabilidad (pgs. 21-31). Bogot D.C: Unad.
Universidad Abierta y a Distancia. (2010). Propiedades Bsicas de las
probabilidades. En A. M. Robayo, 100402-Probabilidad (pgs. 12-19).
Bogot D.C: Unad.

14

You might also like