FRBA-UTN-Dto. Ing.

Qumica
1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias

1.- Probabilidad y Frecuencia Relativa

Proceso aleatorio:
Cualquier fenmeno que puede tener diferentes resultados finales cuando
se repiten las condiciones en que se realiza u observa dicho fenmeno.
No necesariamente se deben repetir exactamente las mismas condiciones,
justamente los diferentes resultados pueden ser producidos por pequeas
variaciones de las condiciones.
Evento:
Cada uno de los posibles resultados finales.
Sin embargo, diferentes eventos finales se pueden reunir en un nuevo
evento.
Ejemplo 1.: Tiro de un dado
Proceso aleatorio : Tiro del dado
Evento: cada uno de los posibles 6 valores del dado,
Evento A : sale el 1 ,
Evento B : sale el 2,...
Otros Eventos : cualquier otra combinacin de resultados ,:
Evento G: sale un valor par;
Evento H sale un numero impares, o
Evento I : sale un mltiplos de 3, etc.
Frecuencia de observacin de un Evento (o Frecuencia Absoluta)
Es el nmero de veces N(xi) que se observa o aparece un cierto Evento xi cuando
el Proceso Aleatorio se repite N veces. Obviamente N es mayor o igual a N(xi).
En general si hay m diferentes Eventos, se debe cumplir que
N = m N(xi)
sumado sobre los m posibles eventos

(1.1)

Frecuencia Relativa F(xi) de observacin de un Evento

F(xi) = N(xi) / N

(1.2)

Probabilidad P(xi) de un Evento :

Lmite al cual tiende F(xi) cuando el nmero N de repeticiones del Proceso
Aleatorio tiende a infinito.
P(xi) = lim F(xi) para N tendiendo a infinito
(1.3)
El valor de P(xi) vara entre cero (0) (no ocurrencia del Evento x i) hasta el
valor uno (1), que indica certeza de que el Evento xi se producir.
Probabilidad Porcentual P%(xi)
Es la probabilidad P(xi) multiplicada por 100.

Version0 3/07 Pgina 1 de 9

FRBA-UTN-Dto. Ing. Qumica

1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias
Propiedades
1) La suma de las probabilidades de todos los eventos de un cierto proceso
aleatorio vale 1(uno) pues la suma de todas las frecuencias absolutas es
igual al numero N de repeticiones del proceso aleatorio ( demostrar).
2) Si se considera como evento la aparicin de un cierto xi o de otro xj la
probabilidad de observar xi o xj si xi y xj son mutuamente excluyentes es
P(xi o xj) = P(xi) + P(xj)

(1.4)

3) Si todos los eventos de un proceso aleatorio tienen igual probabilidad, la

probabilidad de cada uno de los eventos es igual a (1/m), siendo m el
nmero de eventos. Por ejemplo, para el proceso de tirar un dado la
aparicin de un valor excluye la de todos los otros y como todas las
probabilidades P(xi) son iguales
P(x1 =1) = P(x2 =2) = P(x3 =3) = P(x4 = 4) = P(x5 = 5) = P(x6= 6)
resulta que la probabilidad de cada evento es P(xi) = 1/6 = 0,16666..
4) Si se requiere conocer la probabilidad P(xi; xj) de que los eventos xi y xj
de diferentes procesos aleatorios, o de un proceso aleatorio repetido dos
veces, se presenten simultneamente, el valor de P(xi, xj) ser el producto
de las probabilidades P(xi) y P(xj) de cada uno de los eventos.
P(xi; xj) = P(xi) * P(xj)

(1.5)

Esta expresin vale si el evento xi es independiente del evento xj

Por ejemplo, si en el proceso aleatorio tirar dos dados se requiere que el valor xi
de un dado sea par y el xj del otro dado sea impar para calcular P(xi; xj) para un
par de dados en base a las probabilidades de los valores de xi y xj .se debe
multiplicar la probabilidad de ser par con la de ser impar. Como alternativa se
pueden calcular todos los posibles conjuntos de un valor par con otro impar y
dividir por el nmero total de conjuntos.
Interpretacin de la Probabilidad como cociente entre reas.
Si una superficie de rea total At se divide en reas iguales Ao y mucho ms
pequeas que el rea total, se pueden aplicar los conceptos de probabilidad ya
mencionados.
Estas pequeas reas se denominan reas unitarias. Si se asume que todas las
reas unitarias tienen la misma probabilidad de ser seleccionadas, la probabilidad
de elegir un cierto rea A , generalmente mayor a la unitaria, es igual al cociente
entre el nmero de reas unitarias dentro del rea A y el nmero total de reas
unitarias Ao en la superficie At.

Version0 3/07 Pgina 2 de 9

FRBA-UTN-Dto. Ing. Qumica

1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias
Ejemplo 1.1 : Calcular el nmero PI (3,14159) en base al cociente entre el rea de
un cuadrado de lado unitario L = 1 y un crculo de dimetro D = 1
Ejemplo 1.2 : Como la frecuencia relativa de cada evento tiende a la probabilidad
cuando el numero de repeticiones N tiende a infinito en la tabla siguiente se
detallan los valores observados de la frecuencia absoluto N(xi) de los valores de
un dado cuando aumenta el nmero de repeticiones. Se us generacin de
nmeros al azar con el programa XL para calcular los N(x)
El nmero de repeticiones es N = 26, N = 260 y N = 2600 . N(1) = 5 en la segunda
columna indica que el valor xi = 1 se observ 5 veces al tirar un dado 26 veces.
N(2) = 4 indica que el valor xi = 2 se observ 4 veces al tirar un dado 26 veces,
etc. Estos valores aumentan a 48 y 42, respectivamente para N = 260 y a 428 y
418 para N = 2600
N = 26

Xi
1
2
3
4
5
6
SUMA

N = 260

Frecuen.A .
Frecu.
Frecunci
bsol.de Xi Teorica. Relat
5
4
2
4
1
10
26

4,33
4,33
4,33
4,33
4,33
4,33

0,192
0,154
0,077
0,154
0,038
0,385
1

Frecu
Abs.de
Xi
48
42
42
44
41
43
260

N = 2600

Frecuen .
.
Frecu. Abs. de
Frecu
FrecuencT
Relat.
Teoric
eoric.
Xi
43,33 0,185
428
433,33
43,33 0,162
418
433,33
43,33 0,162
449
433,33
43,33 0,169
446
433,33
43,33 0,158
443
433,33
43,33 0,165
416
433,33
1
2600

Frecue.
Relat..
0,1646
0,1608
0,1727
0,1715
0,1704
0,1600
1

Ejercicio 1.1: Calcular la diferencia entre la Frecuencia relativa y la Probabilidad

P(xi) para cada valor de xi para N = 26, N = 260 y N= 2600. Expresar el resultado
como error relativo.

Distribuciones de Variables Discretas

A continuacin se considerarn procesos aleatorios para los cuales el resultado
puede ser descrito cuantitativamente por una variable x. Esta variable se
denomina Variable Discreta (V.D) y para cada uno de los m eventos del proceso
aleatorio la V.D. toma un valor numrico especfico xi.
Los valores de la V.D. pueden ser ordenado en forma creciente y para cada valor
de V.D. le corresponder un valor de probabilidad P(xi ). De esta forma se generan
m valores de P(xi ), los cuales constituyen una Distribucin de Probabilidades.
Como antes se debe cumplir que
P(xi) = 1
(1.6)
cuando se suma sobre los m valores de la V.D.

Version0 3/07 Pgina 3 de 9

FRBA-UTN-Dto. Ing. Qumica

1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias
Ejercicio1.2: : Dibujar la Distribucin de Probabilidades del proceso tirar dos
dados tomando como variable discreta el valor de la suma de los valores de cada
dado.
Ayuda: listar todos los casos posibles, tipo 1-1, 1-2, ......,6-5, 6-6 , donde el primer
valor corresponde a un dado y el segundo al otro dado y definir una variable
discreta x que se extiende desde 2 hasta 12. Calcular la frecuencia para cada
valor xi .Tener en cuenta que diferentes combinaciones de valores de cada dado
dan el mismo valor de la suma, por ejemplo 3+4 = 2+5 = 6+1= 7.
Valor Medio
Si se realizan N repeticiones del proceso aleatorio y se obtienen N valores xi, se
define como valor medio de x , representado por <x>
<x> = (1/N ) * xi

(1.7

sumados sobre los N valores de xi obtenidos. Sin embargo, si cada xi se repite

N(xi) veces la suma sobre N se agrupa en m sumas del producto [N(xi) * xi]
,dando
<x> = (1/N ) * [N(xi) * xi]
(1.8)
Esta expresin se transforma en
<x> = [N(xi)/N ] * xi] = F(xi) * xi]

(1.9)

sumando sobre los m valores de xi . donde F(xi) es la frecuencia relativa ya

definida. Si el nmero de repeticiones tiende a infinito la expresin (1.9) se
transforma en
P(xi) * xi] =
(1.10)
siendo el valor verdadero medio cuando N tiende a infinito. Se debe aclarar
desde ahora que aunque la expresin () parece que permite calcular este valor
es en realidad desconocido y solo puede ser estimado por <x>.
Dispersin Standart y Varianza
En forma similar a la expresin (1.10) se calcula una caracterstica importante de
la Distribucin de Probabilidades que mide el grado de dispersin de los valores
de xi. La varianza 2 se define mediante

= P(xi) * (xi - ]

(1.11)

sumados sobre los m valores de xi Por otra parte se define la dispersin standard
como la raz cuadrada de

2 , presentada por

Version0 3/07 Pgina 4 de 9

FRBA-UTN-Dto. Ing. Qumica

1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias
Ejercicio 1.3. En base a los valores xi de la Tabla siguiente y de las dos series de
N = 120 tiros cada una se debe calcular el valor medio <x> para cada serie
mediante las frecuencias absolutas N(xi). Calcular el valor medio de los dos
resultados y elegirlo como parmetro para calcular y
1ra Serie

2da Serie

Xi

N(xi).

N(xi).

1
2
3
4
5
6

22
21
20
26
17
14

27
19
13
20
21
20

Distribucin de Poisson
La Distribucin de Probabilidades de Poisson tiene la forma:

P( xi) = [ x] * [exp(-)] /xi!

Donde se define como n* p , xi es el numero de veces que se observa el
evento A que tiene probabilidad p de aparecer y n es el nmero de repeticiones.
Cuando el nmero de repeticiones n es muy grande y la probabilidad p es
pequea, se dice que la Distribucin Binomial se aproxima por la Distribucin de
Poisson, ver grafico 1.1, donde se representa la probabilidad de observar x i = 0,1,
2, 5, o 6 veces una cara dada de un dado cuando se repite 6 veces el tiro del
dado - Como cada cara tiene una probabilidad p = 1/6, si se elige realizar 6
repeticiones ser n = 6. En consecuencia
= n *p = 6 * (1/6) =1
Binomial

Poison,

0,4
0,3
0,2
0,1
0
0

Grafico 1.1 Distribucin Binomial y de Poisson correspondiente a observar un

valor fijo de un dado en 6 repeticiones..

Version0 3/07 Pgina 5 de 9

FRBA-UTN-Dto. Ing. Qumica

1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias
Se observa en el grfico 1.1 la gran coincidencia entre ambas distribuciones si se
elige = 1.
Por otra parte, se demuestra que para la distribucin Binomial la varianza se
expresa como p*q*n, donde q es la probabilidad de no observar el evento
A. Como la probabilidad p se asume muy pequea, ser q = 1-p prcticamente
igual a 1 (uno). Por esta razn p*q*n = n* p = , por lo tanto raiz(
En resumen con el nico parmetro se calcula la distribucin de probabilidad de
Poisson, la varianza y la dispersin estndar.

Aplicaciones de la Distribucin de Poisson

Esta distribucin se aplica para los casos caracterizados por un gran nmero de
procesos aleatorios idnticos cuando la probabilidad de un evento es muy
pequea. Por ejemplo, la cantidad de personas de una ciudad que pueden tener
un accidente, o contraer una enfermedad, la cantidad de unidades con defectos de
una produccin masiva, las emisiones radioactivas de tomos excitados, todos
estos pueden ser descriptas por el mismo tipo de Distribucin de Poison.
El mtodo es el siguiente:
a) Se determina en base a datos existentes un valor medio de la cantidad de
personas, unidades, decaimientos radioactivos que se observan en un
perodo de tiempo dado, o en una unidad conveniente de longitud, rea,
lote, etc, y se toma dicho valor como parmetro
b) Se calcula la Distribucin de Poison para dicho parmetro eligiendo un
conjunto de valores de xi situados en un intervalo k , con k = 3 o
mayor
c) Se representa grficamente los valores de Pn(xi) en el eje vertical (la
ordenada) y los valores de xi en el eje horizontal (la abcisa)
Ejercicio 1.5: La tabla 1.3 lista los valores del nmero de personas que se
enfermaron por ao de una cierta enfermedad en una ciudad de 1000 habitantes.
Calcular a) el valor medio, b) la dispersin, c) la probabilidad de contraer la
enfermedad. d) Cual es probabilidad de que haya ms de 10 personas enfermas,
e) o menos de 3.
Tabla 1.3. Nmero de enfermos por ao en una ciudad de 1000 habitantes
AO
1995 1996 1997 1998 1999 2000 2001 2002 2003 <x>
Nm. de
enfermos 7
5
3
2
6
7
10
9
9

SIGMA

Version0 3/07 Pgina 6 de 9

FRBA-UTN-Dto. Ing. Qumica

1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias

Version0 3/07 Pgina 7 de 9

FRBA-UTN-Dto. Ing. Qumica

1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias
Comentarios
La Distribucin de Poisson es asimtrica para bajos valores de . En este caso
todava se observa que la cola derecha esta extendida hacia altos valores de xi
An cuando el valor medio es una cifra con decimales ( = 6,5) la mxima
probabilidad se observa para xi= 6.
Desde xi = = 6,5 - 2,5 = 4 hasta xi = = 6,5 + 2,5 = 9 se acumula el
65,3% de la probabilidad. Esto significa que hay una probabilidad del 65,3% de
tener entre 4 y 9 enfermos.
Desde xi = * = 6,5 - 5 = 1,5 hasta xi = * = 6,5 + 5 = 11,5 se
acumula el 93,5 % de la probabilidad, o sea que normalmente se tendr entre 1 y
12 enfermos por ao . Ms de 12 casos tiene una probabilidad
P( xi 12) = 1- P( xi <12) = 1- 0,984 = 0,016,
Este resultado indica que la probabilidad de tener 12 o ms enfermos por ao en
una poblacin de 1000 habitantes es inferior al 2%. Por lo tanto solo 2 veces cada
100 repeticiones se tendr ms de 11 enfermos por fluctuaciones estadsticas que
mantienen constante el valor medio = 6,5 enfermos por cada 1000 habitantes.
Por lo tanto, si se detecta un nmero de enfermos superior a 11 implica con gran
seguridad que se ha intensificado la incidencia de la enfermedad, es decir el valor
medio tuvo que haber aumentado.
Planilla de Clculo de la Distribucin de Poison del Ejercicio 1.5
= n*p = 6,5

Distribucin

= raiz()=

Pn(xi)=

xi

xi

Poison

xi * [exp(-)] /xi!

Probabilid

[exp(-)]

xi!

Acumulada

0,001503439

0,001503439 0,001503439

6,5

0,001503439

0,009772355 0,011275794

42,25

0,001503439

0,031760153 0,043035947

274,625

0,001503439

0,068813665 0,111849612

1785,0625

0,001503439

24

0,111822205 0,223671817

5 11602,90625 0,001503439

120

0,145368867 0,369040684

6 75418,89063 0,001503439

720

0,157482939 0,526523623

7 490222,7891 0,001503439

5040

0,146234158 0,67275778

8 3186448,129 0,001503439

40320

0,118815253 0,791573033

9 20711912,84 0,001503439

362880

0,085811016 0,877384049

10 134627433,4 0,001503439

3628800

0,05577716

11 875078317,4 0,001503439

39916800

0,032959231 0,966120441

12 5688009063

Pn(xi)

0,011

0,224

0,877

0,653

0,966

0,955

0,93316121

0,001503439 479001600 0,017852917 0,983973358

Version0 3/07 Pgina 8 de 9

FRBA-UTN-Dto. Ing. Qumica

1er Cuatrimestre del 2007
Curso Diseo Estadstico de Experiencias
Este tipo de anlisis vale para cualquier otro caso estadsticamente similar, por
ejemplo en produccin. Si el nmero medio de piezas defectuosas que se detecta
en una fbrica que elabora 1000 unidades por semana es 6,5 la observacin en
una semana de 12 piezas defectuosas implica que se ha deteriorado la calidad de
produccin.
Ejercicio 1.6: En una experiencia de deteccin radioactiva se observ en una
medicin que el nmero de cuentas en 10 segundos era de 3580 . a) Estimar el
valor medio por segundo, b) la desviacin standart,, c) Estimar un intervalo
alrededor del valor medido en dos veces sigma y determinar el rea comprendida
mediante el uso de la funcin POISSON del XL.

Version0 3/07 Pgina 9 de 9