REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACION UNIVERSIDAD NACIONAL EXPERIMENTAL ROMULO GALLEGOS AREA

DE INGENIERIA DE SISTEMA SAN JUAN DE LOS MORROS EDO. GUARICO

INTEGRANTES: JESUS GUTIERREZ CI: 19985067 PCTVSELECTIVA@HOTMAIL.COM YUNIOR GUATARAMA CI: 15632939 YUNIORJOSE2020@HOTMAIL.COM JACKSON SECCION 1

23/08/11

Cules son las condiciones para que exista la probabilidad Parece evidente que la idea de probabilidad debe ser tan antigua como el hombre. La idea es muy probable que llueva maana la deba pensar y trasmitir el hombre prehistrico. Pero es recin en 1654 que comienza a desarrollarse el clculo de probabilidades, cuando Fermat (1601-1665) y Pascal (1623-1662) en 1654, en correspondencia no publicada, comienzan a aplicar mtodos matemticos para resolver problemas de juegos de azar con cartas y dados. Otros nombres destacados en el desarrollo del clculo de probabilidades son Jakob Bernoulli (1654-1705) (Ars Conjectandi, publicado pstumo en 1713, que contiene la hoy llamada ley de los grandes nmeros de Bernoulli) y Abraham de Moivre (1667-1754) (Doctrina de las Chances, 1718). En el siglo siguiente se destaca Laplace (1749-1827) y su obra Teora analtica de la probabilidad (1812). Despus de un lento progreso, se acelera el desarrollo de la teora de probabilidades a mediados del siglo XIX. Tchebycheff (1821-1894) es el primero de la escuela rusa que contribuy mucho al desarrollo de la teora de probabilidades, con matemticos como Markov (1856-1922) y Kolmogorov (1903-1987)). Problemas de gentica que se plantearon a fines del siglo XIX (Galton) y el rpido desarrollo al comienzo del siglo XX en Fsica de las teoras de movimiento browniano y mecnica estadstica le dieron a la teora de probabilidades fuentes de nuevos problemas. La definicin que se usa actualmente de Probabilidad fue dada recin en 1933, por Kolmogorov. Es una definicin axiomtica, similar a la definicin de medida de la teora de la medida (teora desarrollada en 1898 por Borel (1871-1956) y que sirve de base a la teora de integracin de Lebesgue (1910)(1875-1941). Adems de sus aplicaciones a la gentica, fsica, tecnologa, etc., la teora de probabilidades sirve de base a la teora de inferencia estadstica, ya que en inferencia estadstica se mide la probabilidad de equivocarse al hacer una inferencia inductiva. Cuando ocurren dos eventos el resultado del primero PUEDE O N tener un efecto en el resultado del segundo evento, es decir, los eventos pueden ser tanto dependientes o independientes. En la actualidad la estadstica es una ciencia que ha logrado ganar importantes espacios en muchos mbitos cotidianos, es indispensable en estudios de poblaciones, predicciones de riesgos, pero sobre todo proporciona herramientas valiosas en la toma de decisiones eso sin quitarle al ser humano la ltima palabra. Los problemas de probabilidad proporcionan una fuente interesante para que pensemos un poco ms all de nuestro sentido comn, y unido a la estadstica nos permite hacer la llamada inferencia estadstica. Vale aclarar que hasta este punto las ideas que trabajaremos sern algo intuitivas, pero deseamos formalizarlas dentro de poco tiempo. Debido a que el proceso de obtener toda la informacin relevante a una poblacin particular es difcil y en muchos casos imposibles de obtener, se utiliza una muestra para estimar la informacin necesaria para la toma de decisiones. Muestra ( n ) inferencia _ X = 8 estimado de = 7.5 Poblacin

Tomemos por ejemplo una compaa como Elly Lilly de Puerto Rico. Si la empresa desea introducir un nuevo producto al mercado, sera absurdo pretender que toda la poblacin pruebe el producto. En este caso, se da a probar el producto a una muestra de consumidores y con base a los resultados de esa muestra se decide si el producto se elabora o no. Ahora bien, como los resultados obtenidos a partir de una muestra difieren de los resultados que se obtendran si se observara la poblacin total o universo, existe un riesgo al tomar la decisin. Es en este caso que se utiliza la PROBABILIDAD como una medida de riesgo. Experimento. Cualquier accin cuyo resultado se registra como un dato. Espacio Muestral ( S ). El conjunto de todos los posibles resultados de un experimento. Ejemplo. Supongamos el lanzar un dado al aire y observaremos los resultados siguientes: S = { 1, 2, 3, 4, 5, 6 } S={6} Ejemplo. En el lanzamiento de dos monedas tenemos; S = { HH, HT, TH, TT } S={4} Evento. Es el resultado de un experimento. Cuando cada evento es seleccionado al azar, el experimento se denomina aleatorio o al azar. Evento Simple (E). Cada uno de los posibles resultados de un experimento y que no se puede descomponer. En el caso del lanzamiento del dado, cada uno de los posibles nmeros en la cara del dado es un evento simple. Cuando los eventos se representan en un diagrama de Venn (ver ms adelante) se denominan puntos mustrales.

Evento Compuesto. Los eventos A, B, C, etc., son eventos compuestos si se componen de dos o ms eventos simples. Ejemplos de eventos simples y compuestos Evento simple: Lanzamiento de un dado A = { evento que salga un # impar } A = { 1, 3, 5 } B = { el nmero sea 4 } = { 1, 2, 3, 4 } Evento Compuesto: Lanzamiento de dos monedas A = el evento de observar una cara A = {HH, HT, TH, TT }

Existen varias maneras de representar un espacio muestral particular. Consideremos dos de ellas; a) mediante una tabla de contingencia b) mediante un diagrama de Venn a. Tabla de Contingencia o de clasificacin cruzada En una tabla de frecuencia los datos se organizan de modo que slo consideramos una variable a la vez. A los fines de estudiar de manera simultnea la repuesta de dos variables categricas, se utiliza lo que se conoce como una tabla de contingencia. Para este tipo de tabla se establece una clasificacin cruzada entre las variables analizadas. Por ejemplo, se puede relacionar mediante una tabla de contingencia las variables sexo ( m, f ) y el rea de estudio (concentracin); sexo y rango acadmico; ventas de productos por rea geogrfica y tipo de productos, etc.,

El ejemplo que se presenta a continuacin clasifica las variables por rango acadmico y sexo.

Rango acadmico Sexo Instructor Hombre Mujer 100 90 190 Auxiliar 170 145 315 Asociado 80 50 130 Profesor 50 25 75 400 310 710

________________________________________________

b. CONJUNTOS. Operaciones con Conjuntos Un diagrama de Venn ayuda a visualizar un experimento. Se representa por un diagrama rectangular representando el espacio muestral S y que contiene los eventos simples marcados por E1, E2,......, E6 . Como un evento A es una coleccin de eventos simples, los puntos muestrales de ese evento se localizan en el interior del evento A ( E2, E3, E6 ) Unin. La unin de dos conjuntos A y B es el conjunto C que est formado por los elementos de A, de B o de ambos. A B = C { x / x , A, x , B o x , a ambos }

Interseccin. La interseccin de dos conjuntos A y B es el conjunto C que est formado por los elementos que pertenecen a ambos conjuntos simultneamente. A B=C {x/x,Ay x,B}

Complementos. El complemento de un conjunto A que se denota por Ac es el evento que consta de todos los resultados en el espacio muestral que no estn contenidos en A. Ac = { x Ac + A = S Si dos conjuntos A y B no tienen elementos en comn, su interseccin ser nula o vaca. En este caso A y B se dicen eventos mutuamente excluyentes. A B={ } Tcnicas de Conteo. El anlisis de los problemas de probabilidad se facilita a travs de mtodos sistemticos de conteo de los grupos y arreglos de los datos. Principio de Multiplicacin: Si un experimento puede describirse como una secuencia de k pasos y en cada paso hay n1 resultados en el primer paso, n2 resultados en el segundo paso, n3 resultados en el tercer paso, y as sucesivamente, entonces el nmero de eventos que pueden ocurrir ser, (n1) (n2) (n3) (n4) (nk) Ejemplos. 1) Lanzar dos dados: (n1) (n2) = ( 6 ) ( 6 ) = 36 2) Suponga que se desea formar un comit de tres miembros en el cul se elegir un presidente, un vicepresidente y un tesorero. Hay dos candidatos para la presidencia, 4 para la vicepresidencia y 3 para el tesorero. De cuntas formas se puede formar el comit? # de formas para escoger presidencia : 2 # de formas para escoger vicepresidencia : 4 # de formas para escoger el tesorero : 3 # formas para escoger las posiciones: 2 4 3 = 24 Definicin de Factorial. El smbolo n! que se lee n factorial se refiere al producto de todos los enteros desde n hasta 1. n ! = n ( n 1 ) ( n 2 ) ( n 3 ) ..........3.2.1 definicin: 0 ! = 1 ( cero factorial es 1 ) ejemplos; 5 ! = 5 . 4 . 3 . 2 . 1 4!=4.3.2.1 3!=3.2.1 2!=2.1 5!=5 . 4! 4!=4.3! 3!=3.2! Sx A}

Muestras Ordenadas. Permutacin (P). Cada arreglo de datos donde el orden es importante y que puede realizarse tomando algunos datos o todos los datos contenidos en el grupo. n = # de datos Caso 1. (n = r ) nPn = n ! Ejemplo. Se tienen 6 mquinas de escribir y 6 personas para operar las mquinas, de cuntas maneras se pueden asignar las personas a las mquinas? Solucin: 6 P6 = 6 ! = 6 5 4 3 2 1 = 720 Ejemplo. De cuntas maneras se pueden ordenar las letras A, B, C tomndolas todas a la vez? Solucin: 3P3 = 3 2 1 = 6 [ ABC, BCA, CAB, BAC, CBA, ACB ] Caso 2 ( r < n ). Muestras ordenadas sin repeticin. En ste caso cada observacin se toma una sola vez, porque la unidad despus de observada no se regresa a la poblacin de donde proviene. NPn = N! [N n]! r = grupo tomado de n ( r < n )

N- # de elementos diferentes disponibles (poblacin) n- # nmero de elementos tomados de N (muestra). A veces no interesa exactamente cul resultado ocurri, sino si sali o no cierto subconjunto de resultados. En el ejemplo 2 interesa si sali o no el subconjunto A={1,2,...,12} S

En la teora de probabilidad se llama suceso o evento a cualquier subconjunto de S. En la teora ms avanzada los eventos a los que se les puede asignar una probabilidad pueden no ser "todos los subconjuntos de S" sino slo algunos de ellos, pero no nos ocuparemos de esta dificultad. A los subconjuntos de un solo elemento se los suele llamar sucesos elementales. Habamos dicho que intuitivamente los experimentos aleatorios tena dos propiedades 1) y 2). Veremos ahora una tercera: 3) Sea A un suceso. Si repito n veces el experimento en las mismas condiciones y cuento nA = nro de veces que ocurre un resultado de A Y luego calculo

nA / n = proporcin de veces que ocurre A

La experiencia muestra que cuando n es grande esta proporcin se parece a un nmero. A ese nmero lo llamamos probabilidad de A = P(A) Esta es entonces la idea intuitiva de probabilidad: Lim n n nA = P( A)

Hubo a principios del siglo XX un intento de usar (1) como definicin de probabilidad (von Mises) pero la teora matemtica era muy complicada. Es ms simple desarrollar la teora a partir de la definicin axiomtica de Kolmogorov.

Sucesos o eventos: Dado un espacio de probabilidad ( ,F,P) y dos eventos (o sucesos) A, B F con P(B) > 0, la probabilidad condicional de A dado B est definida como:

P(A / B) = P(A B) P( B) P(A / B) se puede interpretar como, tomando la regin en la que se cumple, la fraccin en la que tambin se cumple A. La parte o fraccin de A supeditada al evento B. Interpretacin. P(A / B) La parte de A que es afectada por la ocurrencia de B. Si el evento B es, por ejemplo, tener gripe, y el evento A es tener dolor de cabeza, P (A / B) sera la probabilidad de tener dolor de cabeza cuando se est enfermo de gripe. Grficamente, si se interpreta el espacio de la ilustracin como el espacio de todos los mundos posibles, A seran los mundos en los que se tiene dolor de cabeza y B el espacio en el que se tiene gripe. La zona verde de la interseccin representara los mundos en los que se tiene gripe y dolor de cabeza P (A B). En este caso P (A / B), es decir, la probabilidad de que alguien tenga dolor de cabeza sabiendo que tiene gripe, sera la proporcin de las regiones con gripe y dolor de cabeza (interseccin) de todos los mundos con gripe.

Propiedades. 1. P (A / B) + P (A / B) = 1 2. A B P (A / B) = 1

Pero NO es cierto que A

P (A / B) = 1

Independencia de sucesos. Dos sucesos aleatorios A y B son independientes si y slo si: P(A B) = P (A) P (B)

O sea que si A y B son independientes, su probabilidad conjunta, P (A B). Puede ser expresada como el producto de las probabilidades individuales. Equivalentemente: en particular, si A y B son eventos independientes, entonces se cumple. P(A/B) = P(A) P(B/A) = P(B) En otras palabras, si A y B son independientes, la probabilidad condicional de A dado B es simplemente la probabilidad de A y viceversa.

Ejemplo Tres mquinas denominadas A, B y C, producen un 43%, 26% y 31% de la produccin total de una empresa respectivamente, se ha detectado que un 8%, 2% y 1.6% del producto manufacturado por cada una de estas mquinas es defectuoso. a. Se selecciona un producto al azar y se encuentra que es defectuoso Cul es la probabilidad de que el producto haya sido fabricado en la mquina B? b. Si el producto seleccionado resulta que no es defectuoso Cul es la probabilidad de que haya sido fabricado en la mquina C? Solucin: Para resolver este problema nos ayudaremos con un diagrama de rbol;

92% ND D

43% 26% B

2%

98% ND

31% 1.6% C 98.4%

ND

Definiremos los eventos;

D = evento de que el producto seleccionado sea defectuoso (evento que condiciona). A = evento de que el producto sea fabricado en la mquina A. B = evento de que el producto sea fabricado por la mquina B. C = evento de que el producto sea fabricado por la mquina.

P(B/D) = p(B/D)/p(D) = p(B)p(D/B)/p(A)p(D/A) + p(B)p(D/B) + p(C)p(D/C) P(B D) = (0.26*0.02)/(0.43*0.08 + 0.26*0.02 + 0.31*0.016) = 0.0052/0.04456 =0.116697

b). ND = evento de que el producto seleccionado no sea defectuoso (evento que condiciona). A = evento de que el producto sea fabricado en la mquina A B = evento de que el producto sea fabricado por la mquina B C = evento de que el producto sea fabricado por la mquina C

P(C/ND)=p(C/ND)/p(ND)=p(C)p(ND/C)/p(A)p(ND/A) + p(B)p(ND/B) + p(C)p(ND/C) = 0.31*0.984/(0.43*0.92 + 0.26*0.98 + 0.31*0.984) = 0.30504/0.95544 =0.31927

Ejemplo. Una empresa recibe visitantes en sus instalaciones y los hospeda en cualquiera de tres hoteles de la ciudad; Palacio del Sol, Sicomoros o Fiesta Inn, en una proporcin de 18.5%, 32% y 49.5% respectivamente, de los cuales se ha tenido informacin de que se les ha dado un mal servicio en un 2.8%, 1% y 4% respectivamente. A). Si se selecciona a un visitante al azar Cul es la probabilidad de que no se le haya dado un mal servicio? B). Si se selecciona a un visitante al azar y se encuentra que el no se quej del servicio prestado Cul es la probabilidad de que se haya hospedado en el Palacio del Sol? C). Si el visitante seleccionado se quej del servicio prestado Cul es la probabilidad de que se haya hospedado en el hotel Fiesta Inn?

Solucin: Haciendo uso de un diagrama de rbol;

Q 2.8% PS 18.5% 97.2% NQ

32% S

1.0%

99.0% NQ 49.5% 4.0% Q FI

NQ A). NQ = evento de que un visitante no se queje del servicio PS = evento de que un visitante haya sido hospedado en el hotel Palacio del Sol S = evento de que un visitante haya sido hospedado en el hotel Sicmoro FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn

P(NQ) = p(PS)p(NQ/PS) + p(S)p(NQ/S) + p(FI)p(NQ/FI) = = 0.185*0.972 + 0.32*0.99 + 0.495*0.96 = 0.17982 + 0.3168 + 0.4752 = 0.97182

B). NQ = evento de que un visitante no se queje del servicio PS = evento de que un visitante haya sido hospedado en el hotel Palacio del Sol S = evento de que un visitante haya sido hospedado en el hotel Sicomoro FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn

P(PS/NQ)=p(PS/NQ)/p(NQ) =(0.185*0.972)/(0.185*0.972+0.32*0.99+0.495*0.96)= = 0.17982/(0.17982 + 0.3168 + 0.4752) = 0.17982/0.97182 = 0.1850342

C). Q = evento de que un visitante se queje del servicio FI = evento de que un visitante haya sido hospedado en el hotel Fiesta Inn P(FI/Q) = p(FI/Q)/p(Q) = 0.495*0.04 / (0.185*0.028 + 0.32*0.01 + 0.495*0.04) = 0.0198 / (0.00518 + 0.0032 + 0.0198) = 0.0198/0.02818 = 0.7026

RESUMEN
Segn formas de asignar valores de probabilidad a los eventos se habla de

  

Probabilidad clsica a priori. Probabilidad clsica emprica. Probabilidad subjetiva.

Evento simple A

Evento Complemento A

Evento Unin A U B

Evento conjunto o Evento Interseccin A y B o A B

Representacin de los eventos

 

Diagrama de Venn Euler. Tabla de contingencia.

Principios bsicos de las probabilidades de los eventos

  

Si A es un evento entonces 0 P(A) 1 Si es el espacio muestral entonces P(S) = 1 Si A es el evento complemento de A, entonces P(A ) = 1 P(A)

Independencia estadstica

 

P[A/B] = P[A] P[A y B] = P[A]. P[B]

INTERVALO CERRADO Conjunto que contiene en s sus puntos extremos y todos los nmeros apropiados. El intervalo 0 < x < 4 es un intervalo cerrado porque estn incluidos los dos extremos, 0 y 4. Un intervalo cerrado entre dos nmeros a y b se escribe como [a, b], utilizando corchetes cuadrados.

ESPACIO MUESTRAL Y SUCESOS

El espacio muestral o espacio de muestreo (denotado E, S, o U) consiste en el conjunto de todos los posibles resultados individuales de un experimento aleatorio. Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio de muestreo es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}. Un evento o suceso es cualquier subconjunto del espacio muestral, llamndose a los sucesos que contengan un nico elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estara formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}. Para algunos tipos de experimento puede haber dos o ms espacios de muestreo posibles. Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas, una posibilidad del espacio de muestreo podra ser el nmero (del as al rey), mientras que otra posibilidad sera el palo (diamantes, trboles, corazones y picas). Una descripcin completa de los resultados, sin embargo, especificara ambos valores, nmero y palo, y se podra construir un espacio de muestreo que describiese cada carta individual como el producto cartesiano de los dos espacios de muestreo descritos. Los espacios de muestreo aparecen de forma natural en una aproximacin elemental a la probabilidad, pero son tambin importantes en espacios de probabilidad. Un espacio de probabilidad ( , F, P) incorpora un espacio de muestreo de resultados, , pero define un conjunto de sucesos de inters, la -lgebra F, por la cual se define la medida de probabilidad P. Experimentos aleatorios: son aquellos en los que no se puede predecir el resultado obtenido. Sucesos: Suceso elemental: cada uno de los resultados posibles correspondientes a la realizacin de un experimento aleatorio. El espacio muestral, E, lo forma todos los sucesos elementales. Suceso: subconjunto del espacio muestral. Puede ser elemental o compuesto (formado por ms de un elemento del espacio muestral). Suceso seguro E: es aquel que ocurre siempre. Suceso imposible : es aquel que no ocurre.

 Suceso complementario: dado un suceso A su complementario A es el que ocurre cuando no sucede A. Un suceso aleatorio A est incluido en otro suceso B si ocurre B siempre que ocurre A, es decir, si todos los elementos de A estn en B. Esto se expresa de la forma A B. Tambin se dice que A implica B. Operaciones con dos sucesos: Unin de sucesos A B : aquel que ocurre cuando sucede A o B . B : aquel que ocurre cuando sucede A y B . B : aquel que ocurre cuando sucede A y no B .

Interseccin de sucesos A Diferencia de sucesos A AuladeMate.com

Compatibilidad e incompatibilidad de sucesos: dos sucesos son compatibles cuando tienen algn suceso comn ( A (A B= ). B ), y son incompatibles cuando no lo tienen

Propiedades de las operaciones con sucesos: Conmutativa: A Asociativa: ( A Distributiva:( A C) B=B B) B) A; A B=B (B C) A= B;A B=A B A B) C ); ( A C=A B) (B C) C) (B

C=A C=(A A = E; A B=A

C ); ( A (B

C=(A

Complementaria: A Leyes de Morgan: A

Problemas:

1. Se extrae una carta de una baraja espaola de 40 cartas, y se consideran los siguientes sucesos: A= "obtener una de oros", B = "obtener una sota" y C = "obtener un tres". Di si son compatibles o incompatibles A con B y B con C. Por qu? Solucin: B y C no se pueden dar a la vez (B y C son incompatibles, B A y B si se pueden dar a la vez A B = "sota de oros "). C= ).

2. Se lanza una moneda dos veces. Define el espacio muestral. Si consideramos los sucesos A = "obtener lo mismo en las dos tiradas", B = "la primera vez sale cara" y C = "obtener al menos una cruz". Indica los puntos elementales de cada suceso. (La solucin no est completa) Halla los sucesos: Solucin: A A B B B = {cc, ++, c+} B = {cc } C = {cc, C+, +C, ++} = E C = {c+ }

3. Una urna contiene 3 bolas blancas (B), 2 rojas (R) y 1 amarilla (A). Se extrae una bola al azar. Indica cules son los sucesos elementales o puntos elementales, el suceso seguro y el suceso imposible. Solucin: Sucesos elementales: B, R, A. Suceso seguro: extraer una bola blanca, roja o amarilla. Suceso imposible: extraer una bola que no sea blanca, roja o amarilla.

4. Cul es el espacio muestral del experimento "suma de los puntos obtenidos al lanzar dos dados"? Solucin: {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}.