Separata Probabilidad

Estadstica
PROBABILIDAD
Objetivos del Captulo
Despus de estudiar este captulo, el alumno deber estar en condiciones de:
Definir la probabilidad.
Dar ejemplos de casos en las que se pueda utilizar la probabilidad.
Explicar a los que se refiere el trmino experimento.
Definir los trminos espacio muestral y evento.
Describir los tres enfoques posibles de la probabilidad: clsica, de frecuencia relativa y

subjetiva.
Identificar los casos y situaciones en los que se utiliza cada enfoque.
Calcular las probabilidades o posibilidades para situaciones similares.
Definir los trminos conjunto y mutuamente excluyente, colectivamente exhaustiva,

complemento y diagrama de Venn.
Explicar lo que se entiende por probabilidad condicional.
Comparar eventos independientes y dependientes.
Calcular las probabilidades de combinaciones de eventos.
Relacionar reglas de conteo con la probabilidad clsica.
Utilizar frmulas de permutacin y combinacin para resolver problemas.
Contenido del Captulo

Introduccin.
Probabilidad de un evento.
Espacio muestral y eventos.
Tres fuentes de probabilidades.
Enfoque clsico.
Posibilidades.
Frecuencia relativa a largo plazo.
Enfoque subjetivo de las probabilidades.
Las matemticas de la probabilidad.
Clculo de la probabilidad de que ocurran 2 eventos: P(A y B)
Clculo de la probabilidad de que por lo menos ocurra uno de dos eventos: P(A o B)
Tcnicas de conteo.
Principio de multiplicacin.
Permutaciones y combinaciones.
Comparacin entre permutaciones y combinaciones.
Ing. Carlos Cruz Castaeda
Estadstica
Resumen:
La probabilidad es un nmero que indica cuan posible es algn evento futuro. Las
probabilidades se determinan ya sea mediante la realizacin de una serie de ensayos y la
observacin de la frecuencia relativa de ocurrencia del evento en cuestin (o bien, tratando
datos histricos como serie de ensayos idnticos), dndose cuenta que los eventos (o
resultados) son igualmente posibles, o bien, cuando estos no sean posibles, mediante el
empleo de juicios subjetivos. Resulta til para la comprensin y utilizacin de las
probabilidades, imaginar el espacio muestral de todos los resultados posibles de una muestra o
experimento.
Las reglas de Probabilidad fueron ideadas para ayudar en el clculo de eventos que sean, por
s mismos combinaciones de otros. La regla de adicin se utiliza cuando se desea obtener la
probabilidad de que ocurran uno de dos eventos, o ambos. Hay dos variaciones a la regla, una
para eventos que son mutuamente excluyentes, y otra para eventos que no lo son. En forma
semejante la regla de multiplicacin, que se utiliza para determinar la probabilidad de que
ocurran dos eventos, posee dos variantes, una para eventos dependiente y otra para
independientes.
Las reglas de conteo son tiles, en la determinacin del nmero de formas en que algo puede
ocurrir, particularmente cuando hay una gran diversidad de ellas.
Temas de Repaso
1. Describa brevemente los tres enfoques para la asignacin de probabilidades.
2. Por qu es importante el tamao muestral en el enfoque de frecuencia relativa?
3. Qu ventajas o desventajas presenta el enfoque subjetivo respecto a los otros dos
mtodos?
4. Explique esta proposicin: Puede haber un grado de subjetividad en el enfoque de
frecuencia relativa.
5. Qu son las posibilidades y cmo se relacionan con las probabilidades?
6. Defina los siguientes trminos: mutuamente excluyentes, colectivamente exhaustivos,
complemento.
7. Qu es espacio muestral? Qu es evento?
8. Qu son los diagramas de Venn y cul es su utilidad?
9. Qu significa la expresin eventos independientes?
10. Defina lo que significa probabilidad conjunta. Cmo se determina la probabilidad conjunta
cuando los eventos son independientes?
Estadstica
11. La probabilidad de que un evento ocurra ms la probabilidad de que no lo haga se suma

siempre ha determinado nmero. Cul es el nmero y porqu siempre se les debe sumar
las probabilidades?
12. Cul es la regla de adicin de la probabilidad respecto a eventos mutuamente
excluyentes? En lo relativo a eventos qu no son mutuamente excluyentes.
13. Enuncie la diferencia entre permutacin y combinacin.
14. Cul es la funcin de las tcnicas de conteo?
15. Qu relacin hay entre las tcnicas de conteo y la probabilidad clsica?
16. Explique el principio de multiplicacin.
17. Qu ventajas tiene la regla de multiplicacin con respecto al rbol de decisin?
18. Qu es un factorial?
19. Defina la probabilidad a posteriori.
20. Defina la probabilidad a priori.
ELEMENTOS DE PROBABILIDAD
I. Introduccin
En nuestra diaria comunicacin nos hemos acostumbrado a hacer y a or afirmaciones que
llevan implcito el concepto de probabilidades,
los consejeros escolares, en el colegio,
especulan sobre nuestras posibilidades de xito en la universidad; los encuestadores polticos

nos dicen qu oportunidad tiene nuestro candidato favorito de ganar las elecciones; los
pronsticos meteorolgicos nos sealan las posibilidades de lluvia; los mdicos nos dicen qu
probabilidades hay de que nuestras enfermedades se curen por medio de determinados
tratamientos teraputicos.
Podemos definir la probabilidad como un nmero, de 0 a 1, que le asignamos a un fenmeno
para indicar su posibilidad de ocurrir.
Con frecuencia las probabilidades se expresan en porcentajes, como cuando un meteorlogo
nos informa que la probabilidad de que llueva es de 20%, Tambin se podra decir que, en este
caso la probabilidad es de 0.20.
Le asignamos la probabilidad de 0 a un fenmeno que no puede ocurrir y una probabilidad de 1
a un fenmeno que con certeza ocurrir.
Le asignamos La probabilidad de 0.5 a un fenmeno que tenga la misma posibilidad de ocurrir
y de no ocurrir.
Le asignamos una probabilidad mayor o igual a 0, pero menor que 0.5 y a un fenmeno que
tenga mas posibilidades de no ocurrir que de ocurrir. Y le asignamos una probabilidad mayor
que 0.5, pero menor o igual a 1, a un fenmeno que tenga ms posibilidades de ocurrir que de
no ocurrir.
Independientemente de su aplicacin particular, el empleo de las probabilidades implica que
existe algn elemento aleatorio o de incertidumbre relativo a la ocurrencia o no ocurrencia de
Estadstica
algn evento futuro. As, en muchos casos puede ser virtualmente imposible predecir qu
pasar, pero es posible establecer lo que podra pasar. Por ejemplo, si se tira una moneda, por
lo regular no se puede decir con seguridad si caer cara o cruz. Sin embargo, combinando el
raciocinio, la experiencia y los datos histricos, con frecuencia es factible decir cun probable
es algn evento futuro.
II. Definiciones
1. Experimento: es un proceso o actividad que conduce a un resultado u observacin de un
fenmeno. Ejemplos:
a. El experimento de lanzar una moneda, para ver si cae sello o cara.
b. El experimento formal que tenga por objeto averiguar cul es entre varios mtodos
de enseanza el ms efectivo.
2. Experimento Aleatorio: es un experimento en el cual los fenmenos pueden o no ocurrir.
Ejemplos:
a. El experimento de lanzar una moneda para ver si sale cara.
b. El experimento de tirar un dado para ver si sale un as.
3. Suceso o Evento: es cada uno de los posibles resultados de un experimento. Puede ser
una cantidad o una cualidad. Ejemplos:
a. El nmero de caras al tirar una moneda cuatro veces.
b. Mtodos de enseanza.
4. Espacio Muestral (): es el conjunto de todos los posibles resultados (o sucesos
elementales) de un experimento aleatorio; tal que:
a. Cada resultado del experimento aleatorio, constituye un elemento del conjunto
b. A cualquier resultado del experimento aleatorio le corresponde uno y slo uno de
los elementos de
Ejemplos:
a. Sea el experimento aleatorio tirar una moneda 10 veces y anotar en cuantas
ocasiones cay cara.
El espacio muestral de este experimento sera entonces el nmero posible de caras
que podra resultar: 0, 1, 2,..., 10. o sea:
= {0,1,2,3,4,5,6,7,8,9,10}
b. Un experimento podra consistir en inspeccionar las medidas de seguridad contra
accidentes de una fbrica.
El espacio muestral se compone de la cantidad posible de accidentes o peligros
que pudiera descubrirse. O sea:
= {0, 1, 2, 3,..., }
Estadstica
c. Si el experimento aleatorio es medir la vida til (en horas) de un artefacto elctrico,

su espacio muestral es el conjunto:
= {t R / t 0}
5. Evento Imposible (): es aquel que no tiene puntos muestrales, en consecuencia no
ocurre nunca.
6. Evento Seguro o Cierto (): es el mismo espacio muestral, es el subconjunto que
contiene todos los eventos elementales.
7. Eventos Elementales y Compuestos: evento elemental es cada resultado de un
experimento. Evento compuesto es aquel que est formado por dos o ms eventos
elementales. Ejemplo:
Consideramos al experimento de sacar una sola carta de un mazo de 52 naipes
Los resultados posibles son:
Trboles (negros): A, 2, 3,..., 10, J, Q, K.
Diamantes (rojos): A, 2, 3,..., 10, J, Q, K.
Corazones (rojos): A, 2, 3,..., 10, J, Q, K.
Espadas (negros):
A, 2, 3,..., 10, J, Q, K.
Hay 52 eventos elementales en el espacio muestral . Otros eventos pueden considerarse

como combinaciones de tales sucesos elementales. Por ejemplo, el evento sacar un naipe
de corazones se puede satisfacer por cualquiera de los trece eventos elementales (A, 2,
3,..., 10, J, Q, K corazones); el evento sacar un naipe de cinco consta de cuatro eventos
elementales; y el evento la carta es roja consta de 26 sucesos elementales.
8. Complemento de un Evento: es un conjunto que consta de todos los dems resultados
del espacio muestral. Ejemplos:
a. El complemento el naipe es un corazn es el conjunto de todas las cartas de
corazones.
b. El complemento de el naipe es K de diamante es el conjunto de las otras 51
cartas del mazo.
9. Eventos Mutuamente excluyentes: los eventos son mutuamente excluyentes si no tienen
elementos en comn, o si no pueden ocurrir al mismo tiempo. Ejemplos:
a. Si el experimento es hacer un examen final. Los eventos pasar y reprobar son
mutuamente excluyentes, puesto que ninguna persona puede al mismo tiempo
pasar y reprobar un examen.
b. Sea el experimento sacar una sola carta. Los eventos:
A : El naipe es un corazn y
B : El naipe es un diamante,
Estadstica
6
Son mutuamente excluyentes, ya que una carta no puede ser corazn y diamante a
la vez.
III. Definiciones de Probabilidad

La definicin adecuada de probabilidad depender de la naturaleza del problema especfico
que se este tratando de resolver. Pueden ser:
1. Objetivas:
a. Clsica o a priori
b. Por frecuencia relativa
2. Subjetivas
La probabilidad subjetiva de un evento es el grado de creencia asignado a la ocurrencia
de un evento por un individuo particular.
Definicin Clsica o A Priori de Probabilidad

Esta definicin tiene en cuenta las condiciones siguientes:
1. Si hay m casos posibles favorables a la ocurrencia del evento A.
2. Si hay k posibles casos que indicaran la no ocurrencia de A.
3. Si cada caso es igualmente probable, y
4. Si todos los casos son mutuamente excluyentes, entonces la probabilidad de que el evento
A ocurra, se define como:
P(A) =
m
km
Nmero de casos favorables a A

Nmero de casos posibles
Ejemplo:
Supongamos que nuestro experimento es un solo lanzamiento de dado. Entonces nuestro
espacio muestral es =
1, 2, 3, 4, 5, 6.
Sea el evento A = la aparicin de un nmero par.

En un solo lanzamiento del dado, hay tres resultados posibles (es decir, un 2, un 4, un 6) que
indican la ocurrencia del evento A; entonces m = 3.
Hay tres posibles resultados (es decir, 1, 3 5) que indicaran la no ocurrencia del evento A;
entonces k = 3.
Si se supone un dado corriente, entonces cada resultado es igualmente probable. Los seis
resultados son mutuamente excluyentes por que no pueden ocurrir dos resultados con un solo
lanzamiento del dado. (ejemplo, un 1 y un 3; un 4 y un 5)
Con todas estas condiciones, la probabilidad de conseguir un nmero par con un solo
lanzamiento del dado es:
Estadstica
P( A)
m
3
3 1

k m 33 6 2
Definicin de la Probabilidad de Frecuencia Relativa

La definicin clsicade probabilidades se ve limitada a situaciones en las que los resultados
son igualmente probables. Si se tira una moneda, digamos 100 veces, y cae cara 60 puede ser
razonable estimar la probabilidad de caras respecto a tiradas futuras como 60/100 = 0.60.
De manera semejante, si los informes de laboratorios indican que cuando a 25 ratones se les
administraron dosis iguales de un frmaco, las lenguas de 20 de ellos adquirieron un color
verde claro, entonces es posible utilizar (20/25 = 0.80) como una estimacin de la probabilidad
real de que este evento ocurra en condiciones idnticas.
Por tanto, segn el enfoque de frecuencia relativa de la probabilidad, se tiene la siguiente
definicin:
P ( A)
Nmero de veces que ocurre A

Nmero total de ensayos u observaciones
Esto se interpreta como la frecuencia relativa resultante de una larga serie de ensayos u
observaciones.
Esta interpretacin de probabilidad difiere en un aspecto muy importante del primer enfoque
clsico. La nocin tradicional es que la probabilidad de que ocurra un resultado puede
determinarse antes de un experimento. La idea de frecuencia relativa es que la probabilidad se
calcula despus de una serie de ensayos u observaciones.
Las probabilidades calculadas sobre una muestra, o despus de ensayos (experimentos u
observaciones) se llaman probabilidades a posteriori o empricas. Vemos luego que la
interpretacin de la frecuencia relativa de las posibilidades se funda en la experiencia pasada.
Ejemplos:
a. Una probabilidad calculada antes de arrojar un dado puede considerarse como
probabilidad exacta. Una probabilidad calculada sobre datos muestrales no puede ser
exacta, antes bien solo una estimacin.
b. Si, sobre una muestra de 2000 empleados, 1600 estn a favor de un salario anual, la
probabilidad de 0.80 es solo una estimacin, pues una muestra ms amplia dara una
probabilidad ms precisa (y, sin duda, diferente), como por ejemplo 0.79 0.81.
Probabilidad de un Evento: la probabilidad de cualquier evento A de , es el nmero real
P(A) que satisface los axiomas siguientes:
1.
P(A) 0, para todo evento A
Estadstica
2.
P() = 1
3.
Si A y B son dos eventos mutuamente excluyentes (A B = ), entonces

P(A B) = P(A) + P(B)
En resumen: la probabilidad P es una funcin que asocia a cada evento A, el nmero real P(A)
que satisface los axiomas 1, 2, 3.
VARIABLES ALEATORIAS
Def.1 : Una VARIABLE ALEATORIA es una funcin valorada numricamente, cuyo valor
est regida por factores en los que interviene el azar.
Esta variable tiene resultados que tienden a variar de observacin en observacin debido a los
factores relacionados con el azar. Es conveniente por su importancia prctica, definir una
variable aleatoria asociada con el espacio muestra de un experimento, de tal manera que sus
resultados posibles sean numricos.
Ejemplo:
Sea el experimento de tirar la moneda una sola vez. Los resultados posibles sern SELLO y
CARA, los cuales no son numricos. De otra manera, el nmero de caras de una tirada se
considerara como la variable aleatoria que tiene como posibles valores numricos 0 y 1.
Otra variable aleatoria podra ser el nmero de clientes que entran a una tienda de novedades
en un lapso de 20 minutos. 0, 1, 2, 3, 4,...
Def. 2: Se llama variable aleatoria a toda funcin X de en el conjunto de los nmeros

reales
Estadstica
Las variables aleatorias pueden ser discretas o continuas.
Una variable aleatoria se considera discreta si los valores que asume se pueden
Una variable aleatoria se considera continua si puede asumir cualquier valor
contar.
dentro de un determinado intervalo
Como ejemplos representativos de variables aleatorias discretas se encuentran el nmero de

accidentes que ocurren durante una semana, nmero de defectos de los zapatos, cantidad de
cosechas perdidas, nmero de terremotos, nmero de juegos perdidos por inasistencia y la
cantidad de libros que hay en un estante.Una variable continua tiene un nmero infinito de
valores posibles, como ejemplos tpicos tenemos: peso de las cajas de naranjas, altura de los
pinos, duracin de una conversacin telefnica y el tiempo que se requiere para llevar a cabo
un examen de tipo ensayo.
La diferencia que existe entre variables aleatorias discretas y continuas es, muy importante
debido, a que los diferentes modelos de probabilidad (distribuciones) se utilizarn segn el tipo
de variable aleatoria en consideracin.
Valor Esperado de una Variable Aleatoria

Si una variable aleatoria X asume valores X 1, X2, X3,..., Xn, con las probabilidades
correspondientes P1, P2, P3,..., Pn, entonces el valor esperado de la variable aleatoria E(X) es:
P1X1 + P2X2 + P3X3 + + PnXn
Por tanto:
n
E(X) =
x
i 1
p( xi )
Supngase que una tienda de aparatos electrnicos ha reunido los siguientes datos sobre
ventas de congeladoras:
(Xi) Congeladores vendidos

0
P(Xi) Frecuencia relativa

0.20
0.30
0.30
0.15
0.05
1.00
Estadstica
E(X)
10
= 0.20(0) + 0.30(1) + 0.30(2) + 0.15(3) + 0.05(4)

= 1.55
Como obviamente la tienda no puede vender en realidad 1.55 congeladores en un da

determinado (dado que la cantidad vendida es una variable discreta que consta de los enteros
0, 1, 2, 3 y 4), la pregunta obvia es cmo interpretar dicha cifra. Es muy simple, el valor
esperado es un promedio de largo plazo.
En forma semejante, si se tira un dado no cargado, Cul es el valor esperado de una tirada?
Hay seis resultados que tienen la misma probabilidad, y el valor es:
1
1
1
1
1
1
(1)+
(2)+
(3)+
(4)+
(5)+
( 6 ) = 3.5
6
6
6
6
6
6
Una vez ms, 3.5 es un evento imposible en lo referente a una sola tirada, pero ciertamente es
razonable en trminos de un promedio calculado sobre muchas pruebas.
Es interesante observar que el valor esperado se pueda calcular aun cuando no se hayan
llevado a cabo observaciones muestrales, como en el caso del dado, y el valor estimado se
puede estimar a partir de datos de muestreo, como en el ejemplo de las ventajas de
congeladores.
Ejemplo 1:
Un inversionista se da cuenta de que tiene una probabilidad de 0.40 de obtener una utilidad de
S/. 100000,000, y una probabilidad de 0.60 de perder S/. 60000,000, en una inversin. Su
ganancia esperada es:
0.40 (1000000,000) + 0.60 (-60000,000) = 4000,000.
Obsrvese que la prdida de 60000,000 tiene el signo menos.
Ejemplo 2:
Un contratista hace las siguientes estimaciones:
Probabilidad
0.30
Tiempo de terminacin
10 das
0.20
15 das
0.50
22 das
El nmero esperado de das para la terminacin del proyecto, segn estas estimaciones, es:
0.30 (10) + 0.20 (15) + 0.50 (22) = 17 das
Los clculos del valor esperado pueden comprender el nmero de ocurrencias, como el nmero
de errores, cantidad de productos defectuosos, nmero de accidentes, etc., as como
determinados resultados financieros, como utilidades, prdidas o ganancias, rendimientos de
inversin, etc.
Estadstica
11
EJEMPLOS:
1.
Los datos reunidos por el administrador de un supermercado indican que 915

de 1500 compras dominicales exceden de S/. 40,000. Calcule la probabilidad de que
cualquier cliente dominical gastar ms de S/. 40,000.
Solucin:
P(Cliente) =
2.
Casosfavorales
915
=
= 0.61
Casosposibles
1500
Se sacan dos cartas al azar de una baraja corriente de 52 cartas. Hallar la
probabilidad de que, (a) las dos sean espadas, (b) la una espada y la otra coco.
Solucin:
Hay
a) Hay
P=
52
2
13
2
= 1326 maneras de sacar 2 cartas de 52

= 78 maneras de sacar 2 espadas de 13; o sea
nmerodecasosfavorablesdesacar 2espadas
78
1
=
=
nmerodecasosposiblesdesacar 2cartas
1326 17
b) Puesto que hay 13 espadas y 13 cocos, hay 13.13 = 169 maneras de sacar una
espada y un coco; o sea P = (169/1326)
3.
Juan llega tarde al paradero del autobs que lo trae a su trabajo el 25% de las
veces. El autobs se retrasa el 10% de las veces. Si los dos sucesos no estn
relacionados, qu probabilidad hay de que ambos ocurran.
Solucin:
P(ambos se retrasen)
= P(Juan se retrase) P(el autobs se retrase)

= (0.25)(0.10) = 0.025.
4.
Se escogen al azar tres lmparas entre 15 de las cuales 5 son defectuosas.

Hallar la probabilidad de que:
(a)
ninguna sea defectuosa
(b)
exactamente una sea defectuosa
(c)
una por lo menos sea defectuosa
Solucin:
Hay
a.
15
3
= 455 maneras de escoger 3 lmparas entre 15

Puesto que hay 15 1 = 10 lmparas no defectuosas, entonces existe
= 120 maneras de escoger 3 lmparas no defectuosas. As que

P ( ninguna sea defectuosa ) = (120/455) = 24/91.
10
3
Estadstica
12
10
45 pares diferentes de lmparas no

b. Hay 5 lmparas defectuosas y
2
defectuosas; por consiguiente hay (5)(45) = 225 maneras de escoger 3 lmparas de las
cuales una es defectuosa. Entonces:
225
45
455
91
P(una exactamente defectuosa) =
c. El evento en que por lo menos una sea defectuosa es el complemento del evento en
que ninguna es defectuosa que tiene segn (a) P =
24
91
Entonces:
67
24

91
91
P(una por lo menos defectuosa) = 1

5.
Una moneda est cargada (aumentada de peso) de modo que la posibilidad de

salir cara (H) sea el doble que la de sello (T). Hallar P(T) y P(H).
Solucin:
Sea P(T) = p; entonces P(H) = 2p. Ahora estableceremos la suma de probabilidades, igual
a uno: p + 2p = 1 de donde p = 1/3. As P(T) = p = 1/3 y P(H) = 2p = 2/3.
6.
si se extraen 2 cartas de una baraja de 52 cartas, hallar la probabilidad de que:

(a)
ambas cartas sean ases, si es que la primera carta extrada se

devuelve al mazo de naipes.
(b)
Ambas cartas sean ases, si es que la primera carta extrada no se

devuelve al mazo.
Solucin:
(a) P(2 ases) = (4/52)(4/52) = 1/169
(b) P(2 ases) = (4/52)(3/51) = 1/221
7.
Si la probabilidad de que una persona viva 10 aos es de 0.6 y la probabilidad

de que otra persona viva 10 aos es de 0.5. Cul es la probabilidad de que ambas
personas vivan 10 aos?
P(amabas personas vivan 10 aos) = (0.6)(0.5) = 0.30
8.
Con una sola carta de un mazo de 52 cartas bien barajado, seale la

probabilidad de obtener las siguientes:
(a)
Una sota;
(b)
Una carta roja;
(c)
Un diez de trboles;
(d)
Una carta con figura;
(e)
Un diamante;
(f)
Un nueve rojo o un ocho negro.
Solucin:4/52,26/52,1/52,12/52,13/52,4/52
Estadstica
13
Permutaciones
Una permutacin es uno de los diferentes arreglos u ordenaciones que se pueden hacer con
todos o con parte de los elementos de un conjunto.
A)
Permutaciones Simples:
El nmero de permutaciones de n objetos distintos tomados los n a la vez es igual a n!, y
se denota por nPn, y por tanto podemos escribir
Pn = n (n 1) (n 2)...2 .1 = n!
El nmero de permutaciones de n objetos distintos tomados de r en r, que se escribe
Pr
es
Pr =
B)
n!
(n r )!
Permutaciones Circulares: se denominan as a las permutaciones que pueden

formarse con n objetos distintos, donde no hay ni primero ni ltimo objeto, ya que todos
forman un crculo (o cualquier otra figura geomtrica plana cerrada) El total de
permutaciones circulares diferentes pueden formarse con n objetos distintos, que
denotaremos por PCn, es:
PCn = (n 1)!
C)
Permutaciones con Objetos Repetidos: el nmero de permutaciones de n

objetos de los cuales n1 son iguales entre si, n2 son iguales entre si,..., nk son iguales entre
si, que denotaremos por:
Pnn1 .n 2 n k , se calcula por la siguiente expresin:
Pnn1 .n 2 n k
n!
n1!n2 ! nk !
EJEMPLOS:
1. De cuntas maneras se puede acomodar una reunin de 8 personas.
(a) En una fila de 8 sillas.
(b) Alrededor de una mesa redonda
Solucin:
(a) Las 8 personas se pueden distribuir en una fila de 8.7.6.5.4.3.2.1 maneras, o sea, 8! =
40320.
(b) Una persona puede sentarse en cualquier punto de la mesa redonda, las otras 7
personas pueden acomodarse de 7.6.5.4.3.2.1 = 7! Maneras alrededor de una mesa, o
sea, de 5040 maneras.
Estadstica
14
Este es un ejemplo de permutacin circular. En forma general n objetos pueden

distribuirse en un crculo de (n-1)(n-2)...3.2.1 = (n-1) maneras.
2. De cuntas maneras diferentes pueden sentarse 7 alumnos.
(a) En una banca.
(b) Si en la banca slo hay 3 sitios disponibles
Solucin:
(a) Los 7 alumnos pueden sentarse en una banca de 7.6.5.4.3.2.1 = 7! = 4050 maneras
diferentes.
(b) nPr = n(n-1)(n-2)... (n-r+1) para este problema 7P3 = 7.6.5 = 210.
3. Se requiere sentar 6 nios y 5 nias en una banca, en tal forma que los nios ocupen los
lugares impares. En cuantas formas pueden sentarse?
Solucin:
Los nios pueden sentarse en 6P6 y las nias de 5P5 formas. Cada forma de sentarse de los
nios puede asociarse con cada forma de sentarse de las nias. De aqu que el nmero de
formas de sentarse es de:
(6P6)( 5P5) = (720)(120) = 86400
4. En cuantas pueden sentarse 8 personas alrededor de una mesa, si 2 personas en
particular deben estar sentadas juntas?
Solucin:
Consideremos a las dos personas como una sola, entonces tenemos 7 personas, y ellas
pueden colocarse en 7P7 formas. Adems las 2 personas pueden sentarse en 2P2 formas.
Luego el nmero de formas requerido es de (7P7)(2P2) = (7!)(2!) = 10080.
5. Seis libros diferentes de matemticas, 2 de estadstica y 4 de contabilidad, deben ser
colocados en un estante. En cuntas maneras diferentes pueden colocarse?
(a) Si los libros de cada materia deben estar juntos.
(b) Si slo los libros de contabilidad deben estar juntos.
Solucin:
(a) El nmero de maneras diferentes que pueden colocarse los libros de matemticas es
P6. En igual forma los libros de estadstica y contabilidad son
P2 y
P4
respectivamente. Estas formas a su vez se asocian una con otra. Luego el nmero de
maneras diferentes es:
(6P6)(2P2)(4P4)(3P3) = 6! 2! 4! 3! = 207,360
(b) Consideremos que los 4 libros de contabilidad sean un solo libro el que sumado con los
8 restantes da un total de 9. todos los cuales pueden ser colocados en 9P9 formas, en
las que los libros de contabilidad estarn juntos. Pero los libros de contabilidad pueden
ser colocados entre si en 4P4 formas. Luego el nmero requerido de formas de colocar
los libros es de:
(9P9)(4P4) = 9! 4! = 8709,120
6. Cuntas seales diferentes, cada una de 6 linternas colgadas en una lnea vertical,
pueden formarse con 4 linternas rojas idnticas y dos azules idnticas?
Estadstica
15
Solucin:
Este problema corresponde a permutaciones con repeticiones.
Hay 6!/4! 2! = 15 seales puesto que hay 6 linternas de las cuales 4 son rojas y 2 azules.
7. Supngase que una urna contiene 8 bolas. Hallar el nmero de pruebas ordenadas de
tamao 3.
(a) Con sustitucin
(b) Sin sustitucin
Solucin:
(a) Cada bola de la prueba ordenada puede ser escogida de 8 maneras; entonces hay
8.8.8 = 512 pruebas con sustitucin.
(b) La primera bola de la prueba ordenada puede ser escogida de 8 maneras, la siguiente
de 7 maneras y la ltima de 6 maneras. Por lo tanto hay 8.7.6 = 336 pruebas sin
sustitucin.
8. Hallar n si:
(a) P(n.2) = 72
(b) P(n,4) = 42P(n,2)
Solucin: a) n = 9, b) n = 9
Combinaciones
Una combinacin es un arreglo de cierto nmero de objetos tomados de un conjunto de n
objetos en tal forma que el orden en que se disponen no importa
A)
Combinaciones Simples:
Determinar todas las combinaciones de k objetos, a partir de n objetos distintos, es obtener
todos los subconjuntos de k objetos de los n dados.
El nmero de combinaciones de orden k que se pueden formar a partir de n elementos
n
distintos, denotado por Ck

n
k
es:
Ckn
n!
k! n k !
n
El nmero combinatorio Ck satisface las siguientes propiedades:
n
n
a. C0 Cn 1
n
n
b. Ck Cn k
n
n
n 1
c. Ck 1 Ck Ck
n
d. Ck
n k 1 n
Ck 1
k
Estadstica
n
e.
C
k 0
t
f.
C
k 0
16
n
k
m
k
B)
2n
Ctn k Ctm n
Combinaciones con Repeticin: el nmero de combinaciones de k objetos
tomados de n objetos, de manera de dos, tres,..., k objetos pueden ser uno mismo y que
n
denotaremos por CRk , est dado por la expresin:
n k 1
(n k 1)!

k
k!(n 1)!
CRkn
EJEMPLOS:
1.
Una clase consta de 9 nios y 3 nias.

(a) De cuntas maneras el profesor puede escoger un comit de 4?
(b) Cuntos comits contarn con una nia por lo menos?
(c) Cuntos tendrn una nia exactamente?
Solucin:
(a) El comit de 4 pueden ser escogidos de los 12 de 12C4 maneras, o sea:
C4 = 12.11.10.9/1.2.3.4 = 495 maneras.
12
(b) Si una nia se incluye en el comit, entonces ste puede escogerse de ( 9C3)(3C1) = 252
formas, si 2 nias se incluyen, entonces el comit se puede escoger de ( 9C1)(3C2) = 108
formas y por ltimo si 3 nias se incluyen, entonces el comit se puede escoger de
(9C1)(3C3) = 9.
Luego un comit con una nia por lo menos se puede escoger de 252 + 108 + 9 = 369
formas.
Otro mtodo:
Sabemos que el comit de 4 se puede elegir de
12
C4 formas y tambin un comit
formado por solamente hombres se puede elegir de 9C4 formas. Entonces los comits
que cuentan con una nia por lo menos son 12C4 9C4 = 369.
(c) Los comits que tendrn exactamente una nia se encuentran de la forma siguiente:
(3C1)(9C3) = (3)(9.8.7/1.2.3) = 252 formas
2.
Una seora tiene 11 amigos de confianza.

(a) De cuntas maneras puede invitar 5 de ellos a comer?
(b) De cuntas maneras si dos son casados y no asisten el uno sin el otro?
(c) De cuntas maneras si dos de ellos no la van bien y no asisten juntos?
Solucin:
(a) Puede invitar a 5 de ellos de 11C5 = 11.10.9.8.7/1.2.3.4.5 = 462 formas.
Estadstica
17
(b) Llamamos C y D los amigos casados. Si C y D no van la invitacin puede hacerse de

C5 = 126 formas. Si ambos C y D van, entonces la invitacin puede hacerse de 9C3 =
84 formas. En resumen, la invitacin puede hacerse de 126 + 84 = 210 formas.

(c) Sean A y B los amigos que no la van bien. Si A y B no se incluyen, entonces la
invitacin se puede hacer de 9C5 = 126 formas. Si uno de los dos A o B pero no juntos
es incluido entonces la invitacin puede escogerse de (2)( 9C4) = (2)(126) = 252 formas.
Por lo tanto la invitacin puede hacerse de 126 + 252 = 378 formas.
3.
Un estudiante tiene que contestar 8 de 10 preguntas en un examen.

(a)
Cuntas maneras de escoger tiene?
(b)
Cuntas maneras, si las 3 primeras preguntas son obligatorias?
(c)
Cuntas, si tiene que contestar 4 de las 5 primeras preguntas?
Solucin:
(a) Las 8 preguntas pueden seleccionarse de 10C8 = 10C2 = 10.9/1.2 = 45 maneras.
(b) Si contesta las 3 primeras preguntas, entonces puede escoger las otras 5 de las 7
ltimas preguntas de 7C5 = 7C2 = 7.6/1.2 = 21 maneras.
(c) Si consta todas las 5 primeras preguntas, entonces puede escoger las otras 3 de las 5
ltimas de 5C3 = 10 maneras. Por otra parte, si contesta 4 de las 5 primeras preguntas,
entonces puede escogerlas de 5C4 = 5 maneras; pro consiguiente puede escoger de las
8 preguntas de 5.5 = 25 maneras, o sea que tiene 10 + 25 = 35 maneras diferentes
para escoger.
4.
Un muchacho tiene 4 monedas cada una de diferente valor. Cuntas sumas

diferentes de monedas puede formar?
Solucin:
El muchacho puede formar grupos de 1 moneda, grupos de 2 monedas, grupos de 3
monedas y grupos de 4 monedas; esto es 4C1 + 4C2 + 4C3 + 4C4 = 4 + 6 + 4 + 1 = 15.
En general, para cualquier nmero entero positivo de n:
C1 + nC2 + nC3 + ... + nCn = 2n - 1
5.
De cuntas maneras puede un profesor escoger uno o ms estudiantes de 6

elegibles?
Solucin:
Primer mtodo: aplicando la frmula anterior: 2 6 1 = 63 maneras de escoger los
estudiantes.
Segundo mtodo: puesto que se escogen a uno, o dos, etc. o seis estudiantes, entonces, el
nmero de maneras de escoger es:
C1 + 6C2 + 6C3 + 6C4 + 6C5 + 6C6 = 6 + 15 + 20 + 15 + 6 + 1 = 63.
Estadstica
18
DISTRIBUCIONES DE PROBABILIDAD
Cualquier regla o mecanismo que sirva para determinar P ( X = x i ), probabilidad de que la
variable aleatoria X tome cada uno de los valores posibles x, se denomina una distribucin
de probabilidad.
Una distribucin de probabilidad debe poseer las caractersticas siguientes:
1. P ( X = x ) 0
2. P ( X = x ) = 1
Esta regla o mecanismo puede ser una tabla, un grfico o una frmula.
Una frmula que se emplee para calcular P ( X = x ) se denomina funcin de
probabilidad y se denota por f(x)
Distribucin Binomial
Para describir esta distribucin tomemos el experimento E que tiene los nicos resultados:
V (xito) y F (Fracaso), con probabilidades p y q, respectivamente, donde p > 0, q > 0 y
p + q = 1.
Repitamos el experimento n veces de manera independiente y consideremos la variable
aleatoria X que toma los valores 0, 1, 2,..., n. segn aparezcan 0, 1, 2,..., n xitos,
respectivamente. La distribucin correspondiente a la variable X se llama distribucin o ley
binomial de parmetros n y p. Esta queda definida si se conoce P[X = k] para k = 0, 1, 2,..., n.
esta probabilidad es:
P x k
p
n
k
qnk
Si X tiene la ley binomial de parmetros n y p se escribe:
TEOREMA : si
k = 0,1,2,...,n.
x ~ (n, p)
x ~ (n, p), entonces = E ( X ) = np ;
= Var ( X ) = np ( 1 p )
EJEMPLOS:
1.
Un estudiante que no se ha preparado absolutamente nada para un examen ve

que este contiene 20 preguntas de verdadero y falso. Decide lanzar al aire una moneda
para responder. Anota verdadero si la moneda cae por la cara y falso si cae por el sello.
Estadstica
19
(a)
Qu probabilidad hay de que pase el examen si para hacerlo debe

contestar correctamente el 70% de las preguntas?
(b)
Qu probabilidad hay de que conteste por lo menos la mitad de las

preguntas?
Solucin:
(a) La probabilidad de que conteste el 70% correctamente, quiere decir que a lo sumo
debe dejar de contestar 6 preguntas.
P(X 6/20, 0.5) = 0.0577
(b) La probabilidad de que conteste por lo menos la mitad de las preguntas es igual a: P(X
10/20, 0.5)
Sabemos que:
P(X = 0) + P(X = 1) + +
P(X 10)
=1
De donde:
P(X 10)
= 1 - [P(X = 0) + ...+ P(X = 9)]

= 1 0.4119
= 0.5881
2.
La probabilidad de que un individuo acierte, en un solo tiro, con un dardo en el

centro de un blanco es de 0.40. Lanza 10 dardos consecutivamente. Hallar la probabilidad
de que de en el blanco:
(a)
Todas las 10 veces.
(b)
Cinco veces.
(c)
Entre 3 y 7 veces inclusive.
(d)
Menos de 3 veces.
Solucin:
n = 10
p = 0.40
(a) La probabilidad de que de en el blanco 10 veces es igual a:

P(X = 10/10, 040) = 0.0001
(b) La probabilidad de que de en el blanco 5 veces es igual a:
P(X = 5/10, 0.40) = 0.2007
(c) La probabilidad de que de en el blanco entre 3 y 7 veces es igual a:
P(3 X 7 /10, 0.40) = P(X = 3) + P(X = 4) + + P(X = 7) = 0.2150 + 0.2508 + 0.2007
+ 0.1115 + 0.0425 = 0.8205
(d) La probabilidad de que de en el blanco menos de 3 veces es igual a:
P(X<3 /10, 0.40)
= P(X = 0) + P(X = 1) + P(X = 2)

= 0.0060 + 0.0403 + 0.1209 = 0.1672
Estadstica
20
3.
Supongamos que el 30% de los estudiantes de una universidad se oponen a

pagar una cuota para actividades estudiantiles. Hallar la probabilidad de que en una
muestra aleatoria de 25 estudiantes el nmero de estudiantes que se opone a la cuota sea:
(a)
Exactamente 5.
(b)
Mayor que 5.
(c)
5 o menos.
(d)
Un nmero comprendido entre 6 y 10 inclusive.
Solucin:
n = 25
(a)
p = 0.30
La probabilidad de que sean exactamente 5 es igual a:

P(X = 5/25, 0.30) = 0.1030
(b)
La probabilidad de que el nmero de alumnos que se oponen sea mayor que e es

igual a:
P(X > 5/25, 0.30) = 1 (P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) +
P(X = 4))
= 1 0.1934
= 0.8066
(c)
La probabilidad de que se pongan 5 o menos es igual a:

P(X 5/25, 0.30)
= P(X = 0) + P(X = 1) + + P(X = 5)

= 0.1934
(d)
La probabilidad de que los alumnos que se oponen a la cuota sea un nmero

comprendido entre 6 y 10 inclusive es igual a:
P(6 X 10/25, 0.30) = P(X = 6) + P(X = 7) + + P(X = 10)
= 0.7087
4.
Una secretaria que debe llegar a su trabajo todas las maanas a las 8:00 se
tarda 15 minutos o ms el 20% de las veces. El presidente de la compaa, que no llega
sino a las 10:00 a.m., llama ocasionalmente a la oficina entre 8:00 y 8:15 para dictar una
carta. Cul es la probabilidad de que 3 maanas de las 6 en que el presidente llama, la
secretaria no est presente en la oficina?
Solucin:
P = 0.20 (de que se tarde) ;
n = 6 veces;
X=3
Estadstica
21
La probabilidad de que 3 maanas de las 6 en que el presidente llama, la secretaria no

est en la oficina se obtiene mediante:
P(X = 3 / 6, 0.20)
= (6C3) (0.20)3 (0.80)3

= (20) (0.008) (0.512)
= 0.08192
5.
En el 15% de los hogares de un rea metropolitana no hay nadie por la noche

entre las 7 y la media noche. Una persona que est haciendo una encuesta telefnica
selecciona al azar 10 hogares de esa zona y los encuesta entre las 7 y la media noche.
Cul es la probabilidad de que la persona que est haciendo la encuesta no obtenga
respuesta en:
(a)
Todas las 10 llamadas.
(b)
Exactamente 5 llamadas.
(c)
3 llamadas o ms.
(d)
Cul es la probabilidad de que la persona obtenga una respuesta en cada una de

las 10 llamadas?
Solucin:
(a)
La probabilidad de que no obtenga respuesta en todas las 10 llamadas es igual a:

P(X = 10/10, 0.15)
= (10C10) (0.15)10 (0.85)0

= (1) (0.0000) (1)
= 0.0000
(b)
La probabilidad de que no obtenga respuesta en 5 llamadas es:

P(X = 5/10, 0.15)
= (10C5) (0.15)5 (0.85)5

= (252) (0.0000) (0.44370)
= (0.0191363) (0.44370)
= 0.00849
(c)
La probabilidad de que no obtenga respuesta en 3 llamadas o ms ser:

P(X 3/10, 0.15)
= 1 P(X 2)
= 1 (P(X = 0) + P(X = 1) + P(X = 2))
= 1 (0.1969 + 0.3474 + 0.2759)
= 1 0.8202
= 0.1798
(d)
La probabilidad de que la persona obtenga una respuesta en cada una de las 10

llamadas es:
P(X = 0/10, 0.15)
6.
= 0.1969
Un mtodo modelo para ensear una habilidad especial a ciertos individuos

retardados resulta efectivo en el 50% de los casos. Se ensay un nuevo mtodo para 15
Estadstica
22
personas. Si el nuevo mtodo no es mejor que el mtodo modelo, cul es la probabilidad

de que 11 o ms aprendan la habilidad?
Solucin:
P = 0.50;
n = 15
La probabilidad de que 11 o ms aprendan la habilidad ser igual a:

P(X = 11/15, 0.50) = P(X = 11) + P(X = 12) + ... + P(X = 15)
= 0.0417 + 0.0139 + 0.0032 + 0.0005 + 0.0000
= 0.0593
7.
El archivo de personal de una fbrica indica que el 10% de los empleados de la

lnea de montaje se retiran al ao de haber sido contratados. Se acaba de contratar a 10
empleados nuevos.
(a) Cul es la probabilidad de que exactamente la mitad de ellos siga trabajando despus
de un ao?
(b) Cul es la probabilidad de que todos sigan trabajando despus de un ao?
(c) Cul es la probabilidad de que 3 de los 10 se vayan antes de terminar el ao?
Solucin:
P = 0.10 (de que se retiren)
(a) La probabilidad de que exactamente la mitad de ellos siga trabajando despus de un
ao se calcula mediante:
P(X = 5/10, 0.10)
= (10C5) (0.10)5 (0.90)5

= (2.52) (0.00001) (0.59049)
= 0.001488
(b) La probabilidad de que todos sigan trabajando despus de un ao es igual a:

P(X = 0/10, 0.10)
= (10C0) (0.10)0 (0.90)10

= (1) (1) (0.3486784)
= 0.3487
(c) La probabilidad de que 3 de los 10 se vayan antes de terminar el ao es igual a:

P(X = 3/10, 0.10)
= (10C3) (0.10)3 (0.90)7

= (120) (0.001) (0.4783)
= 0.0574
Estadstica
8.
23
En una zona geogrfica, el 15% de los adultos son analfabetos. Dada nuestra
muestra aleatoria de 25 adultos de sta rea. Cul es la probabilidad de que el nmero de

analfabetos sea:
(a) Exactamente 10.
(b) Menos de 5.
(c) 5 o ms.
(d) Entre 3 y 5 inclusive.
(e) Menos de 7 pero ms de 4
Solucin:
P = 0.15 (analfabetos);
n = 25 adultos
(a) La probabilidad de que el nmero de analfabetos sea exactamente 10 se obtiene

mediante:
P(X = 10/25, 0.15)
= (25C10) (0.15)10 (0.85)15

= 0.0016
(b) La probabilidad de que el nmero de analfabetos sea menor que 5 es igual a:

P(X < 5/25, 0.15)
= P(X =0) + P(X = 1) + + P(X = 4)

= 0.0172 + 0.0759 + 0.1607 + 0.2174 + 0.2110
= 0.6822
(c) La probabilidad de que 5 o ms sean analfabetos es igual a:

P(X 5/25, 0.15)
= P(X =5) + P(X = 6) + + P(X = 25)
P(X 5)
= 1 P(X < 5) (problema anterior)

= 1 0.6822
= 0.3178
(d) La probabilidad de que el nmero de analfabetos est entre 3 y 5 inclusive es igual a:

P(3 X 5/25, 0.15)
= P(X =3) + P(X = 4) +P(X = 5)

= 0.2174 + 0.2110 + 0.1564
= 0.5848
(e) La probabilidad de que el nmero de analfabetos sea menos de 7 pero ms de 4 es

igual a:
P(4< X < 7/25, 0.15)
= P(X =5) + P(X = 6)

= 0.1564 + 0.0920
= 0.2484
Estadstica
24
DISTRIBUCIN DE POISSON
Una variable X que toma los valores 0, 1, 2, ..., se dice que tiene distribucin o Ley de Poisson
de ,
0 , si la probabilidad de que X tome el valor k es:
k X
e
!
0,1,2,
Cuando una variable X sigue una Ley de Poisson con parmetro

La media de esta distribucin es = E(X) = y la varianza
se escribe X ~ P .
2 E (X ) 2
La forma de la funcin de probabilidad, depende la media .

El grfico de la Ley de Poisson con parmetro 3.7 , aparece en la figura siguiente:
Grfico 1
La distribucin de Poisson se aplica a problemas donde la variable aleatoria es el nmero de
eventos que ocurren en un intervalo de tiempo, o en una regin por ejemplo:
-
El nmero de accidentes que suceden en una fbrica durante un mes.
El nmero de llamadas telefnicas registradas en un intervalo de tiempo en una central

telefnica.
El nmero de clientes que llegan a la ventanilla de un banco.
El nmero de veces que falla una pieza de un equipo durante un perodo de tres meses
Aproximacin de la ley binomial mediante la ley de Poisson

Entre las propiedades de la ley de Poisson destaca la siguiente:
Si X es una variable aleatoria con ley n, p , entonces cuando n , p 0 y
np (constante), la ley n, p tiende a la ley P().
Estadstica
25
La aproximacin es cada vez mejor si n 30 y np 5.

La propiedad permite el siguiente razonamiento:
Supongamos que se tiene un segmento A de longitud a unidades y otro B, contenido en A de
longitud fija t. La probabilidad de que un punto escogido al azar pertenezca a B es p = t/a. Si se
toman al azar n `puntos de A y se denota con X al nmero de puntos que estn en B, se tendr:
n
k
nk
P x k t / a 1 t / a
k

Asumiendo que a y n tienden al infinito y n/a permanece constante e igual a , se tendr que:
p = t / a tiende a 0,
t = n p permanece constante, y por tanto, P[ X = k ] tiende a e-t (t)k / k!.
Ntese que representa el nmero de puntos por unidad de longitud. De este modo, por
ejemplo, la probabilidad de recibir k llamadas en una central telefnica y en un intervalo de
longitud t, se calcula conociendo el promedio de llamadas en la unidad de tiempo.
Ejemplo. El promedio del nmero de llamadas telefnicas que se reciben en una central
telefnica en momentos de mayor intensidad es de dos cada 5 minutos; ( 2/5 llamadas cada
minuto ), hallar la probabilidad de que se reciban 2 llamadas en un intervalo de longitud t = 4
minutos.
Solucin:
Si x es el nmero de llamadas recibidas en un intervalo de longitud t, se tiene que la
probabilidad de recibir k llamadas de tal intervalo de longitud t es:
P[X = k] =
e t t
k!
En un intervalo de longitud t = 4, y para = 2/5,
e ( 2 / 5)( 4 ) (2 / 5)(4)
P X 2
0.25842
2!
2
Ejemplo. La probabilidad de que un artculo producido por una lnea de produccin sea
defectuoso es p = 1/100. Cuntos artculos tendrn que producirse para que con probabilidad
0.9 se tenga al menos un defectuoso?
Solucin:
Aplicando directamente la frmula de la distribucin de Poisson, se tiene que la probabilidad de
obtener por lo menos un defectuoso es 1 e -. La condicin del problema indica que 1 e- =
0.9, de donde se tiene que n 230.
Ejemplo: La probabilidad de que un vehculo que se estaciona en una gasolinera para
aprovisionarse de combustible sea automvil es P 1 = 0.6 y de que sea camin, P 2 = 0.2. si a la
gasolinera llegan vehculos a razn de 4 vehculos cada 5 minutos y de acuerdo a una ley de
Estadstica
26
Poisson; calcular la probabilidad de que el nmero de automviles que lleguen en un intervalo

de 5minutos sea igual a 5.
Solucin:
Se puede probar que,
Si el nmero de eventos de un experimento aleatorio se produce segn la ley de Poisson con
parmetro y si cada evento puede ser,
de tipo 1, con probabilidad P1,
de tipo 2, con probabilidad P2,
...............................................
de tipo m, con probabilidad Pm; entonces,
la distribucin del nmero de sucesos de tipo 1, es Poisson con parmetro P1, ...,
la distribucin del nmero de sucesos de tipo m, es Poisson con parmetro Pm.
Usando el resultado anterior, la probabilidad pedida es:
P[x = 5] = e-4(0.6) (4(0.6))5 / 5! = 0.0602.
A continuacin mencionamos otra propiedad que se cumple para la ley de Poisson.
Si x e y siguen la ley de Poisson con parmetros 1 y 2, respectivamente, x + y sigue una ley
de Poisson con parmetro 1 + 2.
Ejemplo: Consideremos la red de trnsito que se ilustra en la figura siguiente. Las llegadas
(inputs) en cada interseccin se rigen bajo la ley de Poisson con los promedios por minuto
que se indican. La probabilidad de que un vehculo, a partir de un punto, se dirija a otro es
como se muestra en la figura. Hallar el flujo de trnsito en los puntos o nodos de la figura.
1 30
1 0.3 2 0.4 A
0.7
2 60
0.6
3 4 B
0 .6
0 .1
0.4
0.9
0.5 5 0.5 C
Solucin:
Los vehculos llegan o sales del punto 1 segn una ley de Poisson.
Los vehculos llegan con tasa 1 = 30 al punto 1, salen de ste hacia el punto 2 con tasa 2 = 30
x 0.3 = 9 y hacia el punto 3 con tasa 4 = 30 x 0.7 = 21. anlogamente para los otros puntos.
Ejemplo: Un lquido contiene ciertas bacterias cuyo promedio es de 4 por cm cbico. Hallar la
probabilidad de que:
a) En 1 cm cbico del lquido no exista bacteria alguna.
Estadstica
27
b) En 0.5 cm cbicos del lquido haya por lo menos una bacteria.

Solucin:
Siguiendo el razonamiento anlogo al que se hizo para la central telefnica, se puede
considerar que el nmero x de bacterias sigue una ley de Poisson con parmetro = 4 por cm
cbico del lquido. (1 cm cbico = unidad de volumen)
a) P X 0
e 4 (1) (4 x1) 0
e 4 0.0183
o!
c) La probabilidad de que no exista ninguna bacteria en 0.5 cm. cbicos del lquido es,
P X 0
e 4 ( 0.5) ( 4 x 0.5) 0
e 2 0.1353
0!
y la probabilidad pedida es P X 1 1 P X 0 0.8647
Estadstica
28
Distribucin Normal
Una variable aleatoria continua X que tiene la funcin de densidad,
f(x) =
1
2
e (1 / 2 )( x / ) con , 0 yx ;
Se dice que sigue una distribucin normal con parmetros y . Se escribe x ~ N(, 2)
En su grfica se observa que es simtrica respecto de la recta x = y se denomina campana
de gauss.
El rea bajo la curva y por encima del eje X es 1. el rea comprendida entre las rectas x = a y
x = b, correspondiente a la probabilidad P[a x b] se calcula usando los mtodos de
integracin, sin embargo, se puede aproximar usando tablas de la distribucin normal
estandarizada.
Se cumple que:
El rea comprendida entre - y + es
aproximadamente el 68.26% del rea total,

El rea comprendida entre - 2 y + 2 es
aproximadamente el 95% del rea total,

El rea comprendida entre - 3 y + 3 es
aproximadamente el 99.9% del rea total.
Si = 0 y = 1, la distribucin normal N(0, 1) se llama distribucin normal estndar o tpica.

Si X es una variable con distribucin N(0, 1), se denota con Z y sus funciones de acumulacin y
densidad, con Nz y z, respectivamente.
EJEMPLOS:
1. Dada la variable aleatoria Z que se distribuye como la distribucin normal estandarizada,
hallar lo siguiente:
(b) P(z 1.77)

(c) P(z 2.46)
(d) P(0 z 0.95)
Estadstica
29
(e) P(-2.0 z 1.8)

(f) P(-2.10 z -1.65)
(g) P(1.45 z 2.15)
(h) La proporcin de valores de z mayores que 1.96.
(i) La probabilidad de que z asume valores entre 1.96 y +1.96.
(j) La frecuencia relativa de ocurrencia de valores mayores que 1.65.
(k) La probabilidad de que z sacada al azar este entre 2.58 y +2.58.
Solucin:
(a)
P(z 1.77) = 0.9616
(b)
P(z 2.46) = 0.9931
(c)
P(0 z 0.95) = 0.3289
(d)
P(-2.0 z 1.8) = 0.4772 + 0.4641 = 0.9413
(e)
P(-2.10 z -1.65) = 0.4821 + 0.4505 = 0.0316
(f)
P(1.45 z 2.15) = 0.4842 + 0.4265 = 0.0577
(g)
P(z 1.96) = 0.5000 0.4750 = 0.0250
(h)
P(-1.96 z 1.96) = 2(0.4750) = 0.9500
(i)
P(z -1.65) = 0.5000 + 0.4505 = 0.9505
(j)
P(-.258 z 2.58) = 2(0.4951) = 0.9902
2.
Una empresa ha encontrado que la duracin de sus llamadas telefnicas a

larga distancia tiene aproximadamente una distribucin normal, con media de 3 minutos y
desviacin tpica de un minuto.
(a) En qu proporcin las llamadas a larga distancia tienen una duracin de ms de dos
minutos, pero menos de tres y medio minutos?
(b) Qu proporcin de llamadas se completan en un minuto o menos?

(c) Una secretaria va a hacer una llamada a larga distancia. Cul es la probabilidad de
que dure ms de cinco minutos?
Solucin:
(a) P(Xa X Xb) = P(Za Z Zb)

P(2 X 3.5) = P[((2-3)/1) Z ((3.5 3)/1)] = P(-1 Z 0.5)
= P(-1 Z 0) + P(0 Z 0.5)
= 0.3413 + 0.1915 = 0.5328
Respuesta: la proporcin de llamadas a larga distancia que tienen una duracin de
ms de dos minutos y menor que tres y medio minutos es de 53.28%.
Estadstica
30
(b) P(X 1) = P(Z Z)

Donde:
P(Z -2) = P(- Z 0) P(-2 Z 0)
= 0.5000 0.4772
= 0.0228
Respuesta: la proporcin de llamadas que se
completan en un minuto o menos es de 2.28%
(c) P(X 5)
= P[Z ((5-3)/1)] = P(Z 2)

= P(0 Z ) P(0 Z 2)
= 0.5000 0.4772 = 0.0228
Respuesta: la probabilidad de que la llamada dure ms de 5 minutos es 0.0228.

3.
Un psiclogo descubre que sujetos normales completan una tarea

determinada en un promedio de 10 minutos. El tiempo requerido para completar la tarea
est aproximadamente distribuido normalmente con una desviacin tpica de 3 minutos.
Hallar lo siguiente:
(a)
La proporcin de sujetos normales que completan la tarea en menos de 4 minutos.
(b)
La proporcin de sujetos que requieren ms de 5 minutos para completar la tarea.
(c)
La probabilidad de que un sujeto normal, a quien se le haya asignado la tarea, la

complete en 3 minutos.
Solucin:
(a)
P(X 4)
= P(Z z) = P[Z ((4-10)/3)] = P(Z -2.0)

= P(- Z < 0) P(-2 Z 0) = 0.5000 0.4772
= 0.0228
(b)
P(X 5)
= P(Z Z) = P[Z ((5-10)/3)] = P(Z -1.67)

= P(-1.67 Z 0) + P(0 Z +) = 0.4525 + 0.5000
= 0.9525
(c)
P(X 3)
= P(Z z) = P[Z ((3-10)/3)] = P(Z -2.33)

= P(- Z 0) P(-2.33 Z 0) = 0.5000 0.4901
= 0.0099
4.
Unos expertos agrcolas descubren que el rendimiento por acre de un

determinado tipo de grano tiene una distribucin aproximadamente normal, con media y
desviacin tpica de 40 y 10 toneladas por acre respectivamente.
Estadstica
(a)
31
Qu proporcin del rea en acres sembradas de este grano producen ms de 50
toneladas por acre?
(b)
Si se elige al azar un acre en la hacienda donde se siembra este grano. Cul es

la probabilidad de que produzcan menos de 15 toneladas?
Solucin:
(a) P(X 50) = P(Z Z)

P[Z ((50-40)/10)] = P(Z 1)
P(Z 1) = P(0
+) P(0
1)
= 0.5000 0.3413
= 0.1587
(b) P(X 15) = P(Z Z)

P[ Z ((15-40) / 10) ] = P(Z -2.5)
P(Z -2.5) = P(- Z 0)
- P(-2.5 Z 0)
= 0.5000 0.4938
= 0.0062
5.
Los puntajes de una prueba de aptitud escolar estn normalmente

distribuidos con una media de 600 y una varianza de 10000.
(a) Qu proporcin de los encuestados tiene un puntaje debajo de 300?

(b) Una persona va a presentar la prueba. Qu probabilidad tiene de obtener un puntaje
de 850 o ms?
(c) Qu proporcin de puntajes estar entre 450 y 700?

Solucin:
(a) P(X 300)
= P[Z ((300-600)/100)] = P(Z -3)

= P(- Z 0) P(-3 Z 0)
= 0.5000 0.4987 = 0.0013
(b) P(X 850)
= P[Z ((850-600)/100)] = P(Z 2.5)

= 0.5000 0.4938 = 0.0062
(c) P(450 X 700)
= P((300-600)/100) Z ((700-600)/100)]
= P(-1.5 Z 1.0)
= P(-1.5 Z 0) + P(0 Z 1)
= 0.4332 + 0.3413 = 0.7745
Estadstica
6.
32
En una poblacin determinada la estatura de los adultos hombres est ms
o menos normalmente distribuida, con una media y una desviacin tpica de 70 y 3

pulgadas respectivamente.
(a) Qu proporcin de hombres tiene entre 65 y 73 pulgadas de altura?

(b) Se elige al azar un adulto en esa poblacin. Cul es la probabilidad de que tenga ms
de 6 pies de altura?
(c) Qu proporcin de adultos tiene menos de 5 pies y 8 pulgadas de altura?

Solucin:
(a) P(65 X 73) = P[((65-70)/3) Z ((73-70)/3)] = P(-1.67 Z 1.0)

= P(-1.67 Z 0) + P(0 Z 1.0)
= 0.4525 + 0.3413
= 0.7938
(b) P(X 72)
= P[Z ((72-70)/3)] = P( Z 0.67)

= P(0 Z ) P(0 Z 0.67)
= 0.5000 0.2486
= 0.2514
(c) P(X 68)
= P[Z ((68-70)/3)] = P( Z -0.67)

= P(- Z 0) P(-0.67 Z 0)
= 0.5000 0.2486
= 0.2514
7.
La longitud de los ptalos de una especie de flor est normalmente

distribuida con una media y una desviacin tpica de 4 y 2 respectivamente.
(a) Qu proporcin de ptalos tiene ms de 5cm?

(b) Qu proporcin tiene menos de 2.5cm?
Solucin:
(a) P(X 5)
= P[Z ((5-4)/1)] = P(Z 0.5)

= P(0 Z ) P(0 Z 0.5)
= 0.5000 0.1915
= 0.3085
(b) P(X 2.5)
= P[Z ((2.5 4.0)/2)] = P(Z -0.75)

= P(- Z 0) P(-0.75 Z 0)
= 0.5000 0.2734
= 0.2266
8.
La velocidad de los automviles al pasar por un punto de verificacin de

una autopista est ms o menos normalmente distribuida, con una media de 45 MPH y una
varianza de 25 MPH.
(a) Qu proporcin de los automviles que pasan por el punto de control viaja a ms de
50 MPH?
Estadstica
33
(b) Qu proporcin para por el punto de control a una velocidad de menos de 40 MPH?
(c) Supongamos que la velocidad lmite en el control es de 55 MPH. Qu proporcin de
automviles exceden esta velocidad cuando pasan por el control?
Solucin:
(a) P(X 50) = P[Z ((50-45)/5)]

P(Z 1) = P(0 Z ) P(0 Z 1)
= 0.5000 0.3413
P(X 50) = 0.1587
(b) P(X 40) = P[Z ((40-45)/5)]

P(Z -1) = P(- Z 0) P(-1 Z 0)
= 0.5000 0.3413
P(X 40) = 0.1587
(c) P(X 55) = P[Z ((55-45)/5)]

P(Z 2.0) = P(0 Z ) P(0 Z 2)
= 0.5000 0.47723
P(X 55) = 0.0228

Separata Probabilidad

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Separata Probabilidad

Diunggah oleh

Hak Cipta:

Format Tersedia

Estadstica

Dar ejemplos de casos en las que se pueda utilizar la probabilidad.

Explicar a los que se refiere el trmino experimento.

Definir los trminos espacio muestral y evento.

Describir los tres enfoques posibles de la probabilidad: clsica, de frecuencia relativa y

Identificar los casos y situaciones en los que se utiliza cada enfoque.

Calcular las probabilidades o posibilidades para situaciones similares.

Definir los trminos conjunto y mutuamente excluyente, colectivamente exhaustiva,

Explicar lo que se entiende por probabilidad condicional.

Comparar eventos independientes y dependientes.

Calcular las probabilidades de combinaciones de eventos.

Relacionar reglas de conteo con la probabilidad clsica.

Utilizar frmulas de permutacin y combinacin para resolver problemas.

Contenido del Captulo

Frecuencia relativa a largo plazo.

Enfoque subjetivo de las probabilidades.

Las matemticas de la probabilidad.

Clculo de la probabilidad de que ocurran 2 eventos: P(A y B)

Comparacin entre permutaciones y combinaciones.

Ing. Carlos Cruz Castaeda

Ing. Carlos Cruz Castaeda

11. La probabilidad de que un evento ocurra ms la probabilidad de que no lo haga se suma

los consejeros escolares, en el colegio,

especulan sobre nuestras posibilidades de xito en la universidad; los encuestadores polticos

Ing. Carlos Cruz Castaeda

Ing. Carlos Cruz Castaeda

c. Si el experimento aleatorio es medir la vida til (en horas) de un artefacto elctrico,

Hay 52 eventos elementales en el espacio muestral . Otros eventos pueden considerarse

Ing. Carlos Cruz Castaeda

III. Definiciones de Probabilidad

Definicin Clsica o A Priori de Probabilidad

Nmero de casos favorables a A

Sea el evento A = la aparicin de un nmero par.

Ing. Carlos Cruz Castaeda

Definicin de la Probabilidad de Frecuencia Relativa

Nmero de veces que ocurre A

P(A) 0, para todo evento A

Ing. Carlos Cruz Castaeda

Si A y B son dos eventos mutuamente excluyentes (A B = ), entonces

Def. 2: Se llama variable aleatoria a toda funcin X de en el conjunto de los nmeros

Ing. Carlos Cruz Castaeda

Las variables aleatorias pueden ser discretas o continuas.

Como ejemplos representativos de variables aleatorias discretas se encuentran el nmero de

Valor Esperado de una Variable Aleatoria

(Xi) Congeladores vendidos

P(Xi) Frecuencia relativa

Ing. Carlos Cruz Castaeda

= 0.20(0) + 0.30(1) + 0.30(2) + 0.15(3) + 0.05(4)

Como obviamente la tienda no puede vender en realidad 1.55 congeladores en un da

Ing. Carlos Cruz Castaeda

Los datos reunidos por el administrador de un supermercado indican que 915

= 1326 maneras de sacar 2 cartas de 52

= P(Juan se retrase) P(el autobs se retrase)

Se escogen al azar tres lmparas entre 15 de las cuales 5 son defectuosas.

ninguna sea defectuosa

exactamente una sea defectuosa

una por lo menos sea defectuosa

= 455 maneras de escoger 3 lmparas entre 15

= 120 maneras de escoger 3 lmparas no defectuosas. As que

Ing. Carlos Cruz Castaeda

45 pares diferentes de lmparas no

P(una exactamente defectuosa) =

P(una por lo menos defectuosa) = 1