Sunteți pe pagina 1din 29

Aracelli Pomape Estadstica Aplicada

Pgina - 1 -

INTRODUCCION
En pocas pasadas con lentos procesos de cambio, los cuales resultaban casi imperceptibles en el tiempo, se poda operar una planta con pocos datos estadsticos. Hoy en un mundo de profundos y veloces cambios en todos los rdenes ya no es posible actuar con displicencia. Hoy un Ingeniero necesita predecir a tiempo los cambios de tendencia, debe no slo saber en qu se gast, sino como se gast en el tiempo y en que conceptos. No se puede gestionar lo que no se mide. Las mediciones son la clave. Si usted no puede medirlo, no puede controlarlo. Si no puede controlarlo, no puede gestionarlo. Si no puede gestionarlo, no puede mejorarlo. Toda decisin, todo anlisis, todo presupuesto, est prcticamente en el aire si no se cuenta con datos estadsticos suficientes y fiables. El presente material de consulta sobre Estadstica Aplicada que se presenta pretende proporcionar una introduccin clara y concisa a la estadstica inferencial, proporcionando una preparacin para resolver los problemas de la toma de decisiones y una buena base para el anlisis estadstico.

Aracelli Pomape Estadstica Aplicada

Pgina - 2 -

UNIDAD PROBABILIDADES
Herramienta para la toma de decisiones.

Primera

Aracelli Pomape Estadstica Aplicada

Pgina - 3 -

COMPETENCIAS
CONCEPTUAL
Explica que es: Probabilidad. Experimento Aleatorio. Espacio Muestral. Eventos o Sucesos. Identifica Variable aleatoria. Eventos. Teorema de Bayes Reconoce Distribuciones de probabilidad Discretas. Bernoulli, Binomial y Poisson. Distribuciones de probabilidad contina.Distribucin Normal, t Student y F. Manejo de la tabla estadstica de probabilidades.

PROCEDIMENTAL
Observar fenmenos de nuestra realidad y plantearlos como experimentos aleatorios, sealando sus respectivos espacios muestrales. Determinar eventos o sucesos en los diferentes experimentos aleatorios expuestos anteriormente calculando su respectiva probabilidad. Explicar y construir una distribucin de probabilidad. Explicar los elementos que forman una distribucin de probabilidad discreta. Explicar los elementos que forman una distribucin de probabilidad continua. Resolver casos respecto a fenmenos probabilsticos discretos. Resolver casos respecto a fenmenos probabilsticos continuos.

ACTITUDINAL
Valora el Clculo de probabilidades para la toma de decisiones de tipo personal o gerencial. Aprecia la necesidad y la utilidad de los modelos de probabilidad

Aracelli Pomape Estadstica Aplicada

Pgina - 4 -

Probabilidad

Conceptos Bsicos Experimento Aleatorio Espacio Muestral Eventos o Sucesos

Enfoques de Probabilidad Clsico

Relaciones entre Eventos


E. Mutuamente excluyentes

Reglas de Probabilidad
Regla de Adicin

rbol de Probabilidades
Teorema de Bayes

Subjetivo Frecuencia relativa

E. Colect. Exhaustivos

Regla de Multiplicacin

Eventos Independientes

Probabilidad Condicional

Aracelli Pomape Estadstica Aplicada

Pgina - 5 -

Cualquiera que sea la profesin que se haya elegido, algo si es seguro: en algn momento se han de tomar decisiones. Con mucha frecuencia esto tendr que hacerse sin conocer todas las consecuencias de tales decisiones. Todo esfuerzo por reducir el nivel de incertidumbre en el proceso de toma de decisiones incrementar la probabilidad de que se tomen decisiones ms inteligentes y bien informadas. El propsito de sta unidad es ilustrar las formas en las cuales puede medirse la posibilidad o probabilidad de ocurrencia de eventos futuros. Al mejorar la habilidad para juzgar la ocurrencia de eventos futuros, se puede minimizar el riesgo y la especulacin arriesgada relacionados con el proceso de toma de decisiones

Aracelli Pomape Estadstica Aplicada

Pgina - 6 -

La aficin al juego fue lo que impulso el desarrollo de la probabilidad. En un esfuerzo por aumentar sus ganancias pidieron a los matemticos que les proporcionaran las estrategias ptimas para varios juegos de azar. Como resultado de este primer desarrollo de la teora de probabilidad, se extiende junto con la estadstica a muchos campos.

Aracelli Pomape Estadstica Aplicada

Pgina - 7 -

I. PROBABILIDADES
La inferencia estadstica es el conjunto de mtodos con los que se hacen generalizaciones, o la inferencia sobre una poblacin utilizando una muestra. La inferencia puede contener conclusiones que pueden ser o no ser ciertas en forma absoluta, por lo que es necesario que estas sean dadas con una medida de confiabilidad que es la Probabilidad. El trmino PROBABILIDAD se utiliza comnmente cuando existe una incertidumbre sobre: Que ocurri en el pasado Que est ocurriendo en la actualidad o Que ocurrir en el futuro. Un Ingeniero puede decidir la apertura de un nuevo proceso de produccin, porque la probabilidad de su xito es elevada. Entonces, debemos saber lo siguiente: Qu es una probabilidad, como puede medirse, de qu modo se puede utilizar? Para responder a esto debemos saber algunas definiciones preliminares

II. CALCULO DE PROBABILIDADES:


1. DEFINICIONES PRELIMINARES: 1.1. EXPERIMENTO Es un hecho, acontecimiento u operacin que se realiza en nuestra realidad y que puede ser repetida bajo ciertas condiciones. Dentro de estos tenemos los deterministicos y no deterministicos. 1.1.1. EXPERIMENTO DETERMINISTICO Son aquellos cuyo resultado del experimento se conoce con anterioridad y que puede describirse por una frmula matemtica, fsica o qumica. Ejemplos: Soltar una piedra en el aire. Lanzar una pelota en una tina con agua, etc. 1.1.2. EXPERIMENTO NO DETERMINISTICO O ALEATORIO (): Un experimento aleatorio se caracteriza porque tienen las siguientes propiedades: a. Aunque en general no podemos indicar cul ser un resultado particular, podemos describir en conjunto de todos los resultados posibles del experimento. b. Se pueden repetir infinitas veces sin cambiar sus condiciones. Ejemplos: 1= Lanzamiento de un dado y ver su puntaje obtenido.
Aracelli Pomape Estadstica Aplicada Pgina - 8 -

2= Se lanza tres monedas y se observa la sucesin de sellos y caras obtenidos. 3= Se fabrican artculos en una lnea de produccin y se cuenta el nmero de artculos
defectuosos producidos en un periodo de 24 horas.

1.2.

ESPACIO MUESTRAL (): Es el conjunto de todos los resultados posibles de un experimento aleatorio. As por ejemplo, los espacios muestrales asociados a los respectivos experimentos mencionados anteriormente, son: Experimento Espacio Muestral 1= {1,2,3,4,5,6} 2= {ccc, ccs,csc,scc,,sss}; c=cara, s=sello 3 = {0, 1, 2,, N}; en donde N es el nmero mximo que pudo ser producido en 24 horas .

1 2 3 Ejercicios de Aula:

1. Indique Ud. si los siguientes experimentos son aleatorios: a. a. b. c. d. e. f. g. 2. Elegir una carta de una baraja (52 cartas) y sealar la figura obtenida. Verificar el estado de dos transistores (apagado - prendido) Lanzar una piedra a una tina con agua. Lanzar 4 monedas y ver el nmero de caras. Jugar un partido de fulbito Soltar un plumn en el aire. Rendir un examen. Jugar la tinka V V V V V V V V F F F F F F F F

Indique el espacio muestral para los siguientes experimentos: (Utilice el diagrama del rbol) = {..} = {..} = {..} = {..} = {..} = {..}

a. Lanzar 2 monedas: b. Lanzar 3 monedas c. Lanzar 1 dado y una moneda d. Lanzar 2 dados e. Jugar un partido de ftbol f. 1.3. Rendir un examen EVENTO:

Se llama Evento a cualquier subconjunto o parte del Espacio Muestral. As por ejemplo, considerando los experimentos de los ejemplos anteriores: En el 1: A: el puntaje obtenido es un nmero impar. Entonces, A= {1,3,5}

Aracelli Pomape Estadstica Aplicada

Pgina - 9 -

1.4.

TIPOS DE EVENTOS a) Evento Imposible: Cuando un suceso no puede ocurrir. No contiene elementos y por lo tanto es un conjunto vaco. Un evento imposible tiene una probabilidad igual a 0.Ejemplo: De un proceso que produce tornillos, un evento imposible sera sacar una tuerca. b) Evento seguro: Cuando un suceso siempre ocurre. Contiene todos los elementos posibles del experimento. Por lo tanto un evento seguro tiene una probabilidad igual a 1. Ejemplo: De un proceso que produce tornillos, un evento seguro ser obtener un tornillo. b) Evento Mutuamente Excluyentes: Dos eventos A y B definidos en el mismo espacio muestral se dice que son mutuamente excluyente si no pueden ocurrir juntos. Es decir la ocurrencia de uno excluye la ocurrencia del otro. Ejemplo: Del Experimento de verificar el estado de un transistor tiene como posibilidades de bueno y defectuoso, si asume una de las dos condiciones ya no puede asumir la otra. c) Evento Colectivamente exhaustivos: Se dice que la coleccin de n eventos A1An, definidos sobre el mismo espacio muestral son colectivamente exhaustivos si la unin de todos ellos es igual espacio muestral Ejemplo: De los 500 empleados de una empresa cajamarquina, 170 estn clasificados como miembros del personal administrativo, 290 como trabajadores de lnea y los 40 trabajadores restantes son empleados auxiliares. Los eventos colectivamente exhaustivos son S, L y A. Si un empleado se selecciona al azar P ( S ) = 170/500 = 0.34 P ( L ) = 290/500 = 0.58 P (A ) = 40/500 = 0.08
Debido a que ocurre la certeza de que el empleado seleccionado provenga de estas tres categoras colectivamente exhaustivas, P(S o L o A)= 0.34+0.58+0.08 =1

1.5.

SUCESO Se llama suceso a todo elemento del espacio muestral. Se denota por . = {CCC,CCS,CSC,CSS,SCC,SCS,SSC,SSS} Suceso

Ejemplo 1 de Experimento, Espacio Muestral y Evento ( 1): Lanzar dos monedas al aire ( 1) = (CC, CS, SC, SS) n (1 ) = 4 A: Que salga una cara al lanzar dos monedas A: CS, SC

n (A) = 2 P (A) = n (A) /n = 2 / 4 = 0.50


Aracelli Pomape Estadstica Aplicada Pgina - 10 -

Ejemplo 2 de Experimento, Espacio Muestral y Evento ( 2): Lanzar dos dados simultneamente y se observan las caras superiores ( 2) =

n (2 ) = 36 B: Que salga las caras iguales al lanzar dos dados B: (1,1) (2,2) (3,3) (4,4) (5,5) (6,6) n (B ) = 6 P (B) = n (B) /n = 6 / 36 = 0.17 1.6. REGLAS BSICAS DE PROBABILIDAD 1.6.1. 1.6.2. 1.6.3. Ley Fundamental de Probabilidad. Una probabilidad siempre estar comprendida entre 0 y 1. 0 P ( A) 1 P (A) = 1. La suma de las probabilidades de todos los eventos simples posibles del espacio muestral es 1. Ley del Complemento. Si A c es el complemento de A, entonces: P (A c) + P (A) = 1 P (A c) = 1 P (A) P (A) = 1 P (A c)

1.7.

ENFOQUES DE PROBABILIDAD. Hay tres enfoques de la probabilidad, Clsico, Subjetivo y Frecuentista. 1.7.1. Enfoque Clsico de la Probabilidad El enfoque clsico o a priori de la probabilidad est basado en la suposicin de que todos los resultados del experimento son igualmente posibles. La probabilidad se calcula de la siguiente manera: Probabilidad del evento = Ejemplo: El experimento es lanzar un dado. Cul es la probabilidad de que caiga un dos hacia arriba? P (caiga 2) = 1= 1/6 = 0.166 Nmero de posibles resultados del evento Nmero total de resultados posibles del experimento

Aracelli Pomape Estadstica Aplicada

Pgina - 11 -

1.7.2. Enfoque Subjetivo Si no hay experiencia anterior o hay muy poca sobre la cual basar una probabilidad, esta se fundamenta en la intuicin, opiniones, creencias personales y otra informacin indirecta. Este tipo de probabilidad es el enfoque subjetivo de la probabilidad. Ejemplo: P (Que una Mujer sea elegida presidente del Per) = 0.50 1.7.3. Enfoque Frecuentista La probabilidad de que suceda un evento es determinada observando como sucede el evento en el pasado. En trminos de frmula: Nmero de veces que sucedi el evento en el pasado Probabilidad de que = suceda un evento Ejemplo: Se sabe que una moneda est sesgada. Para determinar la probabilidad de que caiga cara se lanza 60 veces la moneda al aire, de las cuales 25 veces cay cara. Si aplicamos la frmula: P (cae cara) = 25/ 60 = 0.42 Nmero total de observaciones

1.8.

ALGEBRA DE EVENTOS 1.8.1. Sub Eventos Dados dos eventos, A y B se dice que A est contenido en B, o que A es sub evento de B y denotado por A B, si todo suceso favorable a A, es favorable a B. En otras palabras si ocurre el evento A, entonces ocurre el evento B. En smbolos:

B,

si

Ejemplo: Consideremos el experimento, Verificar el estado de transistores hasta que ocurra defectuoso En este experimento el espacio muestral es: = 1, 2, 3, 4, 5, Se define los siguientes eventos A: Se necesita por lo menos 20 transistores = 20, 21,22, B: Se necesita ms de 5 transistores = 6, 7, 8, Es claro que A
Aracelli Pomape Estadstica Aplicada

B.
Pgina - 12 -

1.8.2. Igualdad de Eventos Dados dos eventos, A y B se dice que A y B son iguales A = B, si A B y B A que

Ejemplo: Consideremos el experimento, Verificar el estado de transistores hasta ocurra defectuoso En este experimento el espacio muestral es: = 1, 2, 3, 4, 5, Se define los siguientes eventos A: Se necesita a lo ms 10 transistores = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10

B : Se necesita menos de 11 transistores = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 Es claro que A = 1.8.3. Unin de Eventos Dados dos eventos, A y B, se llama unin de A con B y se denota por A U B al evento formado por los sucesos que pertenecen a A a B de ambos, es decir si ocurre el evento A B ambos. En smbolos: B

A U B = si w / w A

Ejemplo: Consideremos el experimento, Verificar el estado de transistores hasta que ocurra defectuoso En este experimento el espacio muestral es: = 1, 2, 3, 4, 5,

Se define los siguientes eventos A: Se necesita un nmero par de transistores = B : Se necesita ms de 10 transistores = Es claro que A U B = 2, 4, 6, 8, 10

11, 12, 13, 14

2, 4, 6, 8, 10, 11, 12, 13, 14,. . .

Aracelli Pomape Estadstica Aplicada

Pgina - 13 -

1.8.4. Interseccin de Eventos Dados dos eventos, A y B, se llama interseccin de A con B y se denota por A B AB al evento formado por los sucesos que pertenecen a A y a B. Es decir, ambos eventos A y B ocurren (la ocurrencia conjunta de A y B). En smbolos: AB= si w / w A ^ w B

Ejemplo: Consideremos el experimento, Verificar el estado de transistores hasta que ocurra defectuoso En este experimento el espacio muestral es: = 1, 2, 3, 4, 5,

Se define los siguientes eventos A: Se necesita un nmero par de transistores = 2, 4, 6, 8, 10, 12,14...

B: Se necesita ms de 10 transistores = 11, 12, 13, 14 Es claro que A B = 12, 14,. . .

1.8.5. Complemento de Evento Si A es un evento del espacio muestral , se llama complemento de A, denotado por A o A al evento formado por todos los sucesos que no pertenecen a A. Es decir, no ocurre el evento A. En smbolos: A

Ejemplo: Consideremos el experimento, Verificar el estado de transistores hasta que ocurra defectuoso En este experimento el espacio muestral es: = 1, 2, 3, 4, 5,

Se define los siguientes eventos A: Se necesita un nmero par de transistores = 2, 4, 6, 8, 10, 12,14...

B: Se necesita ms de 10 transistores = 11, 12, 13, 14 Sus complementos son: A= 1, 3 , 5 , 7 , 9 , B= 1,2,3,4,5,6,7,8,9,10

Aracelli Pomape Estadstica Aplicada

Pgina - 14 -

1.9.

TEOREMAS DE PROBABILIDAD 1.9.1. Regla de Adicin La Regla de Adicin nos da la forma de calcular la probabilidad de que ocurra el evento A B ambos.

Ejemplo: Si el experimento es lanzar un dado una vez, el espacio muestral es: = {1, 2, 3, 4, 5, 6} Si el evento A es cae un nmero par A = {2, 4, 6} Si el evento B es cae un nmero menor de 3 B = {1, 2} Cul ser la probabilidad de que suceda alguno de estos dos eventos? Entonces la probabilidad de A y la probabilidad de B es: P(A) =3/6= 0.50 P (B) =2/6= 0.3366

Para aplicar el teorema es necesario conocer la probabilidad de la interseccin de estos dos eventos, es decir, la probabilidad de que caiga un nmero par y menor de 3. A B =Es el elemento {2} = P(A B) = 1/6 = 0 .17 Si aplicamos la regla de adicin: P( A U B ) = P( A ) + P( B ) P( A B ) P(A U B) = 0.50 + 0.33 0.17 = 0.66

Aracelli Pomape Estadstica Aplicada

Pgina - 15 -

1.9.2. Regla de Multiplicacin La Regla de Multiplicacin nos da la forma de calcular la probabilidad de la interseccin de dos eventos.

1.9.3. Probabilidad Condicional La probabilidad de que ocurra un evento dado que otro evento ya ha ocurrido se llama Probabilidad Condicional

Ejemplo: El experimento es extraer aleatoriamente dos canicas de una urna que contiene 5 canicas rojas y 5 canicas verdes. Cul es la probabilidad de que ambas canicas sean rojas? P (AB) ={probabilidad de que las dos canicas son rojas} P(A) = {probabilidad de que la primer canica es roja} P (B) = {probabilidad de que la segunda canica es roja} P (BA) = {la segunda canica es roja dado que la primer canica es roja}

Aracelli Pomape Estadstica Aplicada

Pgina - 16 -

Solucin: * Al extraer la primera canica hay en la urna 5 canicas rojas de un total de 10, por lo que la probabilidad es: P(A) = 5/ 10 = 0.50 ** Al extraer la segunda canica hay en la urna 4 canicas rojas de un total de 9, por lo que la probabilidad de que la segunda sea roja dado que la primera fue roja es: P (BA) =4/9 = 0.44 P (AB) = P (A) * P (BA) = 0.5*0.44 = 0.22 1.10. PERMUTACIN Y COMBINACIN PERMUTACIN

1.10.1.

Factorial de un nmero: Sea n un nmero entero positivo, el factorial de n, se denota por n! y se define como el producto de todos los enteros consecutivos de 1 hasta n inclusive, es decir: n! = n* (n-1)** 2*1 5! = 5*4*3*2*1 =120 Observe que n! = n* (n-1)! Si n =1; 1! = 1* 0!;. Luego definimos que 0! = 1 Permutacin: Es un arreglo de todos o parte de un conjunto de objetos donde el orden es importante. Teorema 1: El nmero de permutaciones de n objetos diferentes es: Pn =
n

n P n = n!

Ejemplo: Suponga que tenemos un conjunto de tres elementos: A = ( a,b,c) y estamos interesados en el nmero de arreglos ( las posibles permutaciones) con los elementos del conjunto A. Las posibles permutaciones son: abc, acb, bac, bca,cab y cba Vemos que hay 6 permutaciones distintas: 3!= 3*2*1 = 6 Teorema 2: El nmero de permutaciones de n objetos diferentes tomados r a r es: Pn = n P r =

n! / ( n-r)!

Ejemplo: Un grupo est formado por 5 alumnos y se desea formar una comisin integrada por presidente y secretario. De cuntas maneras puede nombrarse sta comisin?
5

P2 =

5! / (5-2)! = 5* 4 = 20

Ejercicio: Se va a colorear un mapa de cuatro pases, con colores diferentes para cada pas. Si hay disponibles 6 colores diferentes De cuntas maneras puede colorear el mapa?. Teorema 3: El nmero de permutaciones de n objetos diferentes alrededor de un crculo es: P c = ( n-1)!
Aracelli Pomape Estadstica Aplicada Pgina - 17 -

Ejemplo: De cuntas formas diferentes pidieron sentarse, en la ltima cena, alrededor de la mesa Jesucristo y sus apstoles?. El nmero de formas es: P c = (13-1)!= 12! Observacin: Si la mesa no fuese circular se tendr una permutacin de las 13 personas: 1.10.2. COMBINACIN En muchos casos estaremos interesados en el nmero de formas de seleccionar r objetos de n, sin importar el orden. A estas selecciones se le llaman combinaciones. Combinacin: Un subconjunto de r elementos de un conjunto que tiene n elementos diferentes, se llama una combinacin de los n elementos tomados r a r. Determinaremos ahora, el nmero de combinaciones de r elementos que se pueden formar con los n objetos diferentes de un conjunto. Este nmero se denota por:
13 P 13

= 13!

Llamado Coeficiente Binomial, porque aparece como coeficiente en el desarrollo del binomio (a+b) n Ejemplo: Se extraen dos cartas de una baraja de 52 cartas. De cuntas maneras se puede hacer esto? Se necesita solo subconjuntos de dos cartas, sin importar el orden entonces, en nmero de forma de seleccionar estas dos cartas es: Solucin:

Ejemplo: Un estudiante tiene que contestar 8 de 10 preguntas en un examen: a) De cuntas maneras puede el estudiante escoger las 8 preguntas? b) Si las tres primeras son obligatorias, de cuntas maneras puede escoger las preguntas?

Aracelli Pomape Estadstica Aplicada

Pgina - 18 -

Solucin: a) Como interesa subconjuntos de 8 preguntas de un conjunto de 10 sin importar el orden, esto 8 sera de C10 = 10! / (8! 2!) = 45 b) Puesto que las tres primeras preguntas son obligatorias; las 5 restantes tendr que escoger 5 de las 7 preguntas sobrantes. Luego, esto se hace de: 1 * C7 = 7!/ (5!*2!) = 21 TEOREMA DE PROBABILIDAD TOTAL Y TEOREMA DE BAYES Se presenta el teorema ms importante del clculo de probabilidades y el camino para llegar a l exige la definicin de particin de un espacio muestral y el teorema de probabilidad total. 1.11.1. Particin de un espacio muestral: Se dice que la coleccin de eventos B1, B2, , B k del espacio muestral representa una particin del espacio muestral , si cumple las siguientes condiciones: a) Los eventos B1, B2, , B k , son mutuamente excluyentes: En smbolos Bi B j = i= j ; i,j = 1,2,3.,k

1.11.

b) Los eventos B1, B2,, B k, son colectivamente exhaustivos.

En smbolos: c) P(Bi) >0 i = 1,2,3.k

1.11.2. Probabilidad Total Sea B1, B2,, Bk; una particin del espacio muestral , entonces para cualquier evento A en se cumple:

P (A) = P (Bi) P (A/Bi)

Teorema de Probabilidad Total

= P (B1) P (A/B1) + P (B2) P(A/B2) ++ P(Bk) P(A/Bk).

Fig. Relacin entre el evento A en y la particin de


Aracelli Pomape Estadstica Aplicada Pgina - 19 -

1.11.3.

Teorema de Bayes del espacio muestral y A es un evento

Sea B1, B2, , B k; forman una particin cualquiera de entonces :

Teorema de Bayes

El numerador resulta del teorema de multiplicacin y el denominador del teorema de probabilidad total.

DIAGRAMA DEL RBOL: Un diagrama de rbol es una representacin grfica que


muestra los resultados posibles de una serie de experimentos y sus respectivas probabilidades.

Construccin Del Diagrama De rbol a) Fijar un nodo inicial (Un punto situado a la izquierda, representa la raz del rbol); b) Abrir a partir del mismo, tantas ramas como elementos tenga el conjunto A; c) Abrir a partir de cada una de estas, tantas ramas como elementos tenga el conjunto B; d) Leer el conjunto ordenado resultante sobre cada secuencia de ramas

Aracelli Pomape Estadstica Aplicada

Pgina - 20 -

Ejemplo1. Teorema de Bayes: En una Universidad, producto de un examen en una determinada materia, hay alumnos aprobados y desaprobados. En el aula A hay un 20% de desaprobados, en B hay 25% y en el aula C un 15% de desaprobados. En una muestra de 300 alumnos hay 150 alumnos del aula A, 100 alumnos del aula B y el resto del aula C. a) Si se selecciona a un alumno al azar, hallar la probabilidad de que est Aprobado. b) Si result aprobado. Halle la probabilidad de que sea del Aula A. Solucin: Se definen los siguientes eventos: A= Alumno seleccionado result Aprobado A= Alumno seleccionado result Desaprobado B1 = Alumno seleccionado es del Aula A B2 = Alumno seleccionado es del Aula B B3 = Alumno seleccionado es del Aula C Se distribuyen las probabilidades utilizando un Diagrama del rbol P ( A / B1 ) =0.80

B1
P (A / B1 ) =0.20

P (B2) = 100/300= 0.33

B2

P (A / B2) =0.75 P (A / B2) =0.25 P (A / B3 ) =0.85 P (A / B3 ) =0.15

B3

a. Si se selecciona a un alumno al azar, hallar la probabilidad de que est Aprobado. Se desarrolla utilizando la frmula de la Probabilidad Total

= P (B1) P (A/B1) + P (B2) P(A/B2) + P(B3) P(A/B3).

= 0.50 (0.80) + 0.33 (0.75) + 0.17 (0.85) = 0.40 + 0.25 +0.142 = 0.792
La probabilidad de que el alumno seleccionado resulte aprobado es de 0.792 o 79.2%

Aracelli Pomape Estadstica Aplicada

Pgina - 21 -

b. Si result aprobado. Halle la probabilidad de que sea del Aula A.

= 0.50 (0.80) / 0.792 = 0.5052

La probabilidad de que el alumno seleccionado sea del Aula A es 0.5052 o 50.52% Ejemplo 2. Teorema de Bayes: Una planta armadora recibe microcircuitos provenientes de tres fabricantes distintos B1, B2 y B3. El 50% del total se compra a B1 mientras que a B2 y B3 se le compra el 35% y 15% a cada uno. El porcentaje de circuitos defectuosos para B1, B2 y B3 es de 3, 6 y 9% respectivamente. Si los circuitos se almacenan en la planta sin importar quin fue el proveedor. Finalmente Si un circuito no est defectuoso Cul es la probabilidad de que haya sido vendido por el proveedor B2? Ejemplo 3. Teorema de Bayes: Con base en varios estudios una compaa ha clasificado, de acuerdo con la posibilidad de descubrir petrleo, las formaciones geolgicas en tres tipos. La compaa pretende perforar un pozo en un determinado sitio, al que se le asignan las probabilidades de 0.35, 0.40 y 0.25 para los tres tipos de formaciones respectivamente. De acuerdo con la experiencia, se sabe que el petrleo se encuentra en un 40% de formaciones de tipo I, en un 20% de formacin es de tipo II y en un 30% de formaciones de tipo III. Si la compaa no descubre petrleo en ese lugar, determnese la probabilidad de que exista una formacin del tipo II. Ejemplo 4. Teorema de Bayes: Una compaa estudia la comercializacin de un nuevo producto. El presidente de la compaa desea que el producto sea superior al de su ms cercano competidor. Con base a una evaluacin preliminar que realiz el personal clave, se decide asignar una probabilidad del 50% de que el producto sea superior al ofrecido por el competidor, 30% que tenga la misma calidad y un 20% que sea inferior. Un estudio de mercado sobre el producto concluye que ste es superior que el del competidor. Con base en la experiencia sobre el resultado de las encuestas, se determina que si el producto es realmente superior, la probabilidad de que la encuesta alcance la misma conclusin es 0.7. Si el producto tiene la misma calidad que el del competidor, la probabilidad de que la encuesta de cmo resultado un producto superior 0.4. Si el producto es inferior, la probabilidad de que la encuesta indique un producto superior es de 0.2. Dado el resultado de la encuesta. Cul es la probabilidad corregida, de obtener un producto superior?

Aracelli Pomape Estadstica Aplicada

Pgina - 22 -

PRACTICA DE AULA N 1 Probabilidades y Teorema de Bayes


1. Cuntas representaciones diferentes sern posibles formar, si se desea que consten de Presidente, Secretario, Tesorero, Primer Vocal y Segundo Vocal?, s esta representacin puede ser formada de entre 25 miembros del sindicato de una pequea empresa. 2. Cuntas representaciones diferentes sern posibles formar, si se desea que consten de tres miembros de un total de 35 alumnos de una clase? 3. De cuantas formas diferentes se pueden sentar 6 ingenieros en una charla. 4. Ud. va a realizar la seleccin de personal en su rea de trabajo. Dispone de 8 trabajadores egresados de universidades particulares, 10 de universidades nacionales y 12 de formacin tcnica. a) b) c) d) Si 6 trabajadores tienen que ser seleccionados al azar de los 30 disponibles. De cuntas formas podr hacerlo? Si seleccion al azar 6 trabajadores Cuntas formas existen de seleccionar dos trabajadores de cada centro de estudio? Si seleccion al azar 6 trabajadores Cul es la probabilidad de seleccionar dos trabajadores de cada centro de estudio? Si seleccion al azar 6 trabajadores Cul es la probabilidad de que todos los trabajadores sea del mismo centro de estudio?

5. Un ingeniero est realizando pruebas para estudiar los efectos de la temperatura, la presin y el tipo de catalizador en el mejoramiento de la calidad de cierto producto. Se estn considerando Tres diferentes temperaturas, cuatro presiones distintas, cinco catalizadores diferentes: a) Si cualquier prueba en particular implica utilizar una temperatura, una presin y un catalizador. Cuntas pruebas son posibles? 6. Una caja en un almacn contiene cuatro focos de 40W, cinco de 60w y seis de 75w. Suponga que se eligen al azar 3 focos a) Cul es la probabilidad de que exactamente dos de los focos seleccionados sean de 75W? b) Cul es la probabilidad de que los tres focos seleccionados sean de los mismos watts? c) Cul es la probabilidad de que se seleccione un foco de cada tipo? 7. Una editorial tiene 75 ttulos distintos de libros, clasificados por tipo y costo de la siguiente manera: Tipo Estadstica Qumica Inv. Operaciones
Aracelli Pomape Estadstica Aplicada

Costo $30 10 12 4 $35 8 10 17 $45 3 9 2


Pgina - 23 -

Halle la probabilidad de que un libro seleccionado aleatoriamente sea de : a) b) c) d) e) f) Estadstica o cueste $30. Inv. Operaciones y cueste $45. Inv. Operaciones y cueste $30 o $35 Estadstica y cueste menos de $45. Qumica o cueste $.35 Qumica o cueste ms de $30.

8. Suponga que los cuatro inspectores de una fbrica de pintura, colocan la fecha de caducidad en cada balde de pintura al final de la lnea de montaje. Juan, que coloca la fecha de caducidad en 20% de los baldes, no la pone una vez en cada 200 baldes. Csar, que la coloca en 60% de los baldes, no la coloca una vez en cada 100 baldes; Nilton, quien la coloca en el 15% de los baldes, no lo hace una vez en cada 90 baldes y Gustavo, que fecha 5% de los baldes, no lo hace una vez en 200 baldes. Si un consumidor se queja de que su balde de pintura no muestra fecha de caducidad Cul es la probabilidad de que haya sido inspeccionado por Csar?

Aracelli Pomape Estadstica Aplicada

Pgina - 24 -

PRACTICA DOMICILIARIA N 1
1. D 4 ejemplos de experimento que es de inters para su carrera profesional, con su respectivo espacio muestral 2. Quince amigos juegan ajedrez una vez a la semana. Este grupo est formado por 5 parejas de casados, 4 jvenes y una joven. Antes del juego cada uno coloca S/. 10 en una bolsa cuyo contenido ganar el que obtenga mayor puntuacin. Si las mujeres tienen la mitad de la habilidad que los varones poseen para este juego. Se le pide encontrar: a) Cul es la probabilidad que un hombre soltero gane? b) Cul es la probabilidad que una mujer casada gane? c) Cul es la probabilidad que una mujer soltera gane? d) Cul es la probabilidad que un hombre casado gane? 3. El cuadro siguiente contiene la clasificacin de 558 obreros de un sindicato respecto a dos caractersticas: a) El nmero de aos de pertenencia de cada uno al sindicato b) Su respuesta a la pregunta: Desea Ud. Ir a la huelga para obtener un aumento de salarios Respuesta a la pregunta Si ( S) No (N ) No s (NS) Total Nmeros de aos en el sindicato Menos de De 1 a 3 De 4 a 10 Ms de 10 1 (A) (B) (C) (D) 57 58 26 141 64 26 14 104 137 65 16 218 39 26 30 95

Total 297 175 86 558

*) Describa y Encuentre la probabilidad de cada uno de los siguientes eventos: NS U C; S B; SU B ; S/ B ; NS/A ; A/NS ; N C ; S (C U D); S U (C D); NS U C 4. Un contratista minero tiene 500 clientes clasificados en la siguiente tabla segn si realizan pedidos regularmente o de forma espordica y segn si efectan el pago al contado o a travs de crdito. Forma de Pago Tipo de Total Al Crdito Pedido Contado Regular Espordico Total 65 40 105 120 275 395 185 315 500

En el marco de la campaa publicitaria, el mayorista decide sortear un paquete turstico entre sus clientes eligiendo uno de ellos al azar. a. Cul es la probabilidad de que el cliente afortunado con el viaje realice pedidos regularmente o bien utilice crditos para efectuar sus pagos? b. Calcule la probabilidad de que el cliente afortunado con el viaje realice pedidos regularmente si sabemos que el elegido efecta sus pagos mediante crdito c. Calcule la probabilidad de que el cliente afortunado con el viaje realice los pagos mediante crdito si sabemos que realiza pedidos regularmente. d. Son independientes los sucesos comprar a crdito y comprara regularmente. 5. Si la probabilidad de que un proyecto de investigacin sea correctamente planeado es de 0.80 y la probabilidad de que sea planeado y correctamente ejecutado es de 0.72, qu probabilidad hay de que un proyecto de investigacin correctamente planeado, sea correctamente ejecutado? (R = 0.90)
Aracelli Pomape Estadstica Aplicada Pgina - 25 -

6. En un sistema de alarma, la probabilidad de que sta funcione habiendo peligro es 0.95, y la de que funcione por error sin haber peligro es 0.03. Si la probabilidad de haber peligro es 0.1 a. Hallar el porcentaje de veces que habiendo funcionado la alarma no haya peligro. b. Calcular la probabilidad de que no habiendo funcionado la alarma haya peligro c. Cul es la probabilidad de que la alarma funcione. 7. Una empresa multinacional desea elegir un candidato para ocupar la plaza de Supervisor de la planta que va abrir en Cajamarca. Tras las tres primeras pruebas de seleccin de los 100 candidatos inciales, tres han quedado para la cuarta y ltima prueba que consistir en una entrevista personal. A la revisin de los curriculums presentados y de las puntuaciones obtenidas en las pruebas anteriores, se cuenta con probabilidades de 0.3; 0.5 y 0.2 de elegirlos para el puesto a los candidatos 1, 2 y 3 respectivamente. Se estima en un 80% las posibilidades de incrementar las ventas en el prximo ao en la multinacional si se elige al primer candidato. Para el segundo y tercer candidato, respectivamente se estiman el 10% y el 40% de posibilidades de incremento de ventas. El tercer candidato est seguro de conseguir dicho puesto en la multinacional. Con respecto a la informacin anterior Est Ud, de acuerdo con el pensamiento del tercer candidato? Si no es as, segn sus clculos qu candidato sera el ganador (Extrado del libro Problemas de probabilidades y estadsticas. Romera y Alonso: Facultad de Informtica de la UPM 1992) 8. En un grupo de 200 estudiantes graduados de ingeniera, 98 se inscriben en un curso avanzado de estadstica, 73 en un curso de investigacin de operaciones; y 50 en ambos. Cuntos de estos estudiantes no se inscriben en ningn curso? 9. Si la probabilidad de que un sistema de comunicacin tenga alta fidelidad es de 0.81 y la probabilidad de que tenga alta fidelidad y alta selectividad es de 0.18. Cul es la probabilidad de que un sistema con alta fidelidad, tenga alta selectividad? (R= 2/9) 10. Si A y B son eventos mutuamente excluyentes, p(A)= 0.29 y p(B)=0.43, determine, a. p(A c), b. p(AB) ( R = a) 0.71 b) 0.72 ) 11. Una compaa de desarrollo urbano est considerando la posibilidad de construir un centro comercial en un sector de Cajamarca. Un elemento vital en esta consideracin es un proyecto de una autopista que une este sector con el centro de la ciudad, si el consejo municipal aprueba esta autopista, hay una probabilidad de 0.90 de que la compaa construya el centro comercial en tanto que si la autopista no es aprobada la probabilidad es de slo 0.20. Basndose en informacin disponible, el presidente de la compaa estima que hay una probabilidad de 0.70 que la autopista sea aprobada. a) Cul es la probabilidad que la compaa construya el centro comercial? b) Dado que el centro comercial fue construido. Cul es la probabilidad de que la autopista haya sido aprobada? 12. En una reunin de profesionales de 20 integrantes de cuantas formas se pueden seleccionar tres representantes: presidente, vicepresidente y secretaria?. 13.De un grupo de ingenieros, el 30% practica futbol el 40% juega ajedrez. De los futbolistas el 50% juega ajedrez. Si se elige aleatoriamente a un ingeniero. Cul es la probabilidad de que: a) Sea futbolista b) Juegue Ajedrez c) No practique ni futbol ni ajedrez. 14. Un jefe de planta le solicita a su supervisor, le alcance 5 productos qumicos utilizados para el tratamiento de agua. En el almacn de la planta se dispone de 10 productos en estado

Aracelli Pomape Estadstica Aplicada

Pgina - 26 -

lquido y 5 en estado slido. Cuntas maneras hay que el Supervisor le lleve 3 productos qumicos lquidos y 2 productos slidos?. 15. En un estudio del rendimiento de combustibles, cada uno tres autos de carrera se prueba con 5 marcas diferentes de gasolina en 7 lugares de prueba que se localizan en diferentes regiones del pas. Si se utilizan 2 pilotos en el estudio y las pruebas se realizan una vez bajo cada uno de los distintos grupos de condiciones Cuntas pruebas se necesitan? Por qu. 16. Suponga que de un grupo de 500 trabajadores del rea de control de calidad de una empresa se encuentran que 210 fuman, 258 consumen bebidas alcohlicas, 216 comen entre comidas, 122 fuman y consumen bebidas alcoholicas, 83 comen entre comidas y consumen bebidas alcoholicas, 97 fuman y comen entre comidas y 52 tienen estos tres hbitos nocivos para la salud. Si se selecciona al azar a un miembro de este grupo, encuentre la probabilidad de que el trabajador: a) Fume o coma entre comidas. b) Fume pero no consuma bebidas alcohlicas c) Coma entre comidas y consuma bebidas alcohlicas pero no fume d) Ni fume ni coma entre comidas. 17. En una encuesta pblica se determina la probabilidad que una persona consuma el producto A es 0.50, que consuma el producto B es 0.37 que consuma el producto C es 0.30, que consuma Ay B es 0.12, que consuma solamente A y C es 0.08, que consuma solamente B y C es 0.05 y que consuma solamente C es 0.15. Calcular la probabilidad que una persona consuma a) A o B pero no C b) Solamente A 18.Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de haber sido extrada de la urna A? 19.Suponga que una caja contiene cuatro tornillos negros y siete blancos. De cuntas maneras puede sacarse un grupo de tres tornillos de la caja en las combinaciones siguientes: a. Un tornillo negro y dos blancos. b. Tres tornillos de un solo color c. Por lo menos una tornillo negro. 20. Una fbrica utiliza tres lneas de produccin para fabricar latas de cierto tipo. La tabla adjunta da porcentajes de latas que no cumplen con las especificaciones, categorizadas por tipo de incumplimiento de las especificaciones, para cada una de las tres lneas durante un periodo particular.

Manchas Grietas
Problema con la argolla de apertura

Lnea 1 15 50 21 10 4

Lnea 2 12 44 28 8 8

Lnea 3 20 40 24 14 2

Defecto superficial Otros

Durante este periodo, la Lnea 1 produjo 500 latas fuera de especificacin, la 2 produjo 400 latas como esas y la 3 fue responsable de 600 latas fuera de especificacin. Suponga que se selecciona al azar una de estas 1500 latas. a) Cul es la probabilidad de que la lata la produjo la Lnea 1? Cul es la probabilidad de que la razn del incumplimiento de la especificacin es una grieta.

Aracelli Pomape Estadstica Aplicada

Pgina - 27 -

b) Si la lata seleccionada provino de la Lnea 1 Cul es la probabilidad de que tena una mancha? c) Dado que la lata seleccionada mostr un defecto superficial. Cul es la probabilidad de que provino de la lnea 1? . 21. En una fbrica los obreros trabajan en tres turnos distintos. En el ltimo ao ocurrieron 200 accidentes. Algunos de stos se pueden atribuir por lo menos en parte a las condiciones inseguras de trabajo, en tanto que otros se relacionan con condiciones de trabajo. En la tabla siguiente se proporciona el porcentaje de accidentes que caen en cada tipo de categora accidente turno. Condiciones inseguras Diurno Turno Nocturno 10% 5% Vespertino 8% Condiciones No relacionadas 35% 20% 22%

Suponga que se elige al azar uno de los 200 informes de accidentes de un archivo , y se determina el turno y tipo de accidente: a. Cules son los eventos simple? b. Cul es la probabilidad de que el accidente seleccionado se deba a condiciones inseguras? Desarrollar 5 EJERCICIOS DE REPASO del tema TEOREMA DE BAYES del Libro PROBABILIDAD Y ESTADISTICA PARA INGENIEROS DE WALPOLE. Caso 1: En una Universidad, los estudiantes se distribuyen entre las tres carreras que pueden cursarse del siguiente modo: el 20% estudian Ingeniera Civil Industrial, el 35% Ingeniera Comercial y el 45% arquitectura. El porcentaje de alumnos que finalizan sus estudios en cada caso es del 5%, 12% y del 18%. Elegido un alumno al azar determinar la probabilidad de que haya acabado los estudios. Caso 2: La fbrica de enlatados DHL S.A. produce 5000 envases diarios. La mquina A produce 3000 de estos envases, de los que el 2% son defectuosos y la mquina B produce los 2000 restantes de los que se sabe que el 4% son defectuosos. Determinar la probabilidad de que un envase elegido al azar sea defectuoso. Caso 3: Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del 3%, 4% y 5%. a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la mquina B. c. Qu mquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?

No existe la suerte. Slo hay preparacin adecuada o inadecuada para hacer frente a una estadstica. Robert Heinlein
Aracelli Pomape Estadstica Aplicada Pgina - 28 -

Aracelli Pomape Estadstica Aplicada

Pgina - 29 -

S-ar putea să vă placă și