Probabilidad 2

DIAGRAMAS DE VENN-EULER Y
DIAGRAMAS DE CARROLL
Diagrama de Venn-Euler
Diagrama que representa todas relaciones lógicas entre un grupo finito de conjuntos.
En estos diagramas se representan los distintos conjuntos del universo mediante un
circulo, al interior de cada circulo se encuentran los elementos de cada conjunto y las
intersecciones entre estos representan los valores que comparten.
A B
U = {1, 2, 3, 4, 5, 6, 7, 8, 9} 2
1 4
A = {1, 3, 5, 7} 5 3
6
7 8
B = {2, 3, 4, 6, 8}
Algebra de conjuntos: Unión de conjuntos
La unión de dos conjuntos A y B (denotada A ∪ B) es aquel conjunto
formado por los elementos que pertenecen a A o a B, o a ambos.
A ∪ B = { x | x ∈ A ∨ x ∈ B}
Algebra de conjuntos: intersección de conjuntos
La intersección de dos conjuntos A y B (A ∩ B) es aquel conjunto
formado por los elementos que pertenecen a A y a B simultáneamente.
A ∩ B = { x | x ∈ A ∧ x ∈ B}
Algebra de conjuntos: diferencia de conjuntos
La intersección de dos conjuntos A y B (A - B) es aquel conjunto
formado por los elementos que pertenecen a A y no pertenecen a B.
A - B = { x | x ∈ A ∧ x ∉ B}
Algebra de conjuntos: diferencia de conjuntos
La diferencia simétrica de conjuntos es el formado por todos aquellos
elementos que están en la unión pero no en la intersección.
A Δ B = {x | x ∈ (A ∪ B) ∧ x ∉ (A ∩ B)
CONTEO DE ELEMENTOS
La cardinalidad de un conjunto A es el número de elementos que contiene el
conjunto, y se denota como n(A).
A = {1,2,3,4,5}
1 2 2
3 1
4 1 1
n(A)=
5 3
5 3 2
CONTEO DE ELEMENTOS
La cardinalidad de un conjunto A es el número de elementos que contiene el
conjunto, y se denota como n(A).
A = {Ansiedad (a), Depresión (d), Bipolaridad (b), Esquizofrenia (e)}
e b
a d
a d b
n(A)=
a d
e
CONTEO DE ELEMENTOS
B= {Bipolaridad (b), Trastorno limite (t), Trastorno obsesivo compulsivo (o)}
e b t o
a d o t
a d b o t
n(A)=
a d n(B)=
e
CONTEO DE ELEMENTOS
B= {Bipolaridad (b), Trastorno limite (t), Trastorno obsesivo compulsivo (o)}
8
2 n(A)=
10 n(B)=
CONTEO DE ELEMENTOS (unión de conjuntos)
La cardinalidad de la unión de dos conjuntos A y B cae dentro de dos
posibilidades:
1. Si A ∩ B = ∅, entonces, n(A ∩ B) = n(A) + n(B)
2. Si A ∩ B ≠ ∅, entonces, n(A ∪ B) = n(A) + n(B) - n(A ∩ B)

CONTEO DE ELEMENTOS
posibilidades:
Depresión Ansiedad
100 100
CONTEO DE ELEMENTOS
posibilidades:
Depresión Ansiedad
100 22
100
Ejercicio de comprensión
En una investigación destinada a identificar el tipo porcentaje de jóvenes entre 17 -25 años que continúan
estudiando tras concluir el nivel medio superior, se conto con la participación de 150 jóvenes del municipio
de Texcoco encontrando los siguientes resultados: 70 jóvenes estudian en el nivel superior, 90 jóvenes
trabajan y 10 jóvenes estudian y trabajan. Elabore el diagrama de ven Euler correspondiente y responda a
las siguientes preguntas.
1) Que cantidad de alumnos estudian o
trabajan
2) Que cantidad de alumnos se dedican

solamente a estudiar
3) Que cantidad estudian y trabajan

1) Que cantidad de alumnos estudian o
trabajan
2) Que cantidad de alumnos se dedican 3) Que cantidad estudian o trabajan pero no

solamente a estudiar realizan las dos actividades
En una clínica de atención psicológica se han atendido 100 pacientes con algún tipo de trastorno
psiquiátrico, de estos: 60 pacientes presentan un trastorno depresivo; 40 presentan un trastorno de
ansiedad
1) Que cantidad de pacientes presentan un
trastorno ansioso o uno depresivo
2) Que cantidad de pacientes no presentan un

depresivo
3) Que cantidad de pacientes presentan

ansiedad y depresión
CONTEO DE ELEMENTOS: diagrama de Lewis Carrol
En un hospital psiquiátrico, con una población de 9 niños, 22 adultos y 20
adolescentes, se hizo un estudio en el que se evaluaron los trastornos experimentados.
De este modo se obtuvo lo siguiente:
• 10 adultos presentaron TOC
• 5 adultos presentaron TAG
• 3 adultos presentaron TP
22
• 4 adultos presentaron TD
+
• 6 jóvenes presentaron TOC
• 11 jóvenes presentaron TAG
• 2 jóvenes presentaron TP
20
• 1 jóvenes presentaron TD
+
• 3 niños presentaron TOC
• 4 niños presentaron TAG
• 1 niños presentaron TP
9
• 1 niños presentaron TD
51
CONTEO DE ELEMENTOS: diagrama de Lewis Carrol
En un hospital psiquiátrico, con una población de 9 niños, 22 adultos y 20
adolescentes, se hizo un estudio en el que se evaluaron los trastornos experimentados.
De este modo se obtuvo lo siguiente:
• 10 adultos presentaron TOC
• 5 adultos presentaron TAG
• 3 adultos presentaron TP
22 TOC TAG TP TD Total
• 4 adultos presentaron TD A
+
• 6 jóvenes presentaron TOC J
• 11 jóvenes presentaron TAG
• 20 N
2 jóvenes presentaron TP
• 1 jóvenes presentaron TD Total
+
• 3 niños presentaron TOC
• 4 niños presentaron TAG
• 1 niños presentaron TP
9
• 1 niños presentaron TD
51
Ejercicio: Calcule la cardinalidad de los siguientes conjuntos
TOC TAG TP TD Total
A 10 5 3 4 22
J 6 11 2 1 20
N 3 4 1 1 9
Total 19 20 6 6 51
• A ∪ TOC • Jc
• J ∪ TD
• J ∩ TP
• A ∩ TOC
• N – TAG
• A – TOC
• TAGc
Conceptos fundamentales
Experimento: proceso mediante el cual se obtiene una observación o medición.
• Registrar la calificación de un examen

• Medir la cantidad de lluvia diaria
• Entrevistar a un dueño de casa para conocer su opinión sobre la
construcción de un nuevo parque.
• Probar una tarjeta de circuito impreso para determinar si es un
producto defectuoso o aceptable.
• Lanzar al aire una moneda y observar el lado que aparece.
Evento simple: Resultado que se observa en una sola repetición del
experimento.
• Experimento: Lanzar una moneda y observe el resultado
• Eventos simples:
Evento simple (Ei): Resultado que se observa en una sola repetición del
experimento.
• Experimento: Lanzar un dado y observar que cara queda arriba
• Eventos simples:
E1= E3= E5=
E2= E4= E6=

Evento: Conjunto de eventos sencillos. A menudo denotados por una letra
mayúscula.
Eventos E1= E3 = E 5=
Experimento= sencillos=
E2= E4 = E 6=
A = {Numero impar}
Eventos=
B = {Numero menor que tres}
C = {Numero par}
mayúscula.
E2= E4 = E 6=
A = {Numero impar} = {E1, E3, E5}

Eventos=
B = {Numero menor que tres} = {E1, E2, E3}
C = {Numero par} = {E2, E4, E6}

mayúscula.
E2= E4 = E 6=
Eventos mutuamente
A = {Numero impar} = {E1, E3, E5} excluyentes:
Eventos= Eventos que no pueden ocurrir
B = {Numero menor que tres} = {E1, E2, E3} de forma simultanea.
C = {Numero par} = {E2, E4, E6}

mayúscula.
E2= E4 = E 6=
U = {E1, E2, E3, E4, E5, E6} Espacio muestral:

Conjunto compuesto por todos
los eventos sencillos de un
experimento
Ejemplo
Experimento= Lanzar una moneda al Eventos E1= Obtener sol (S)

aire una ocasión y sencillos=
observar el resultado. E2= Obtener águila (A)
S = {Sol, Águila} ó S = {S, A}

Ejemplo
E1= Sangre tipo A (A)
Experimento= Tomar una muestra de Eventos
sangre para evaluar el E2= Sangre tipo B (B)
sencillos=
tipo al que pertenece E3= Sangre tico AB (AB)
E4= Sangre tipo O (O)
S = {A, B, AB, O}
Diagramas de árbol: Eventos a dos etapas E1= Sangre tipo A (A)
Tomar una muestra de sangre E2= Sangre tipo B (B)

Experimento= para evaluar el tipo al que Eventos E3= Sangre tico AB (AB)
pertenece e identificar el sencillos=
factor Rh
F5= Factor Rh + (+)
Tipo de sangre Factor Rh Eventos simples F6= Factor Rh – (-)


factor Rh
F5= Factor Rh + (+)

A
AB
O

factor Rh
F5= Factor Rh + (+)

+
A
-
AB
O

factor Rh
F5= Factor Rh + (+)

+
A
-
+
B
-
+
AB -
+
O
-

factor Rh
F5= Factor Rh + (+)

+ E1= A+
A
- E2=A-
+ E3=B+
B
-
E4=B-
+
AB E5=AB+
-
E6=AB-
+
O E7=O+
-
E8=O-

factor Rh
F5= Factor Rh + (+)

+ E1= A+
A
- E2=A-
+ E3=B+ S= {A+, A-, B+, B-,
B
- AB+, AB-, O+, O-}
E4=B-
+
AB E5=AB+
-
E6=AB-
+
O E7=O+
-
E8=O-
Ejercicio eventos muestrales en una etapa
Un experimento consiste en tirar un solo dado. Éstos son algunos eventos de interés:
A= {2}; B= {observar un número par}; C={observar un número mayor a 2};
D= {observar A y B}; E= {A ∪ B}; F= {A ∩ C}
1) Haga una lista de eventos sencillos en cada uno de los eventos A al F
2) Haga una lista de eventos sencillos del espacio muestral.

Ejercicio eventos muestrales a dos etapas
Identifique el espacio muestral y enliste eventos simples de los posibles géneros
de hijos de una pareja que planea tener tres hijos. Suponga que es igualmente
probable dar a luz un niño que una niña, y que el género de cualquier hijo no
influye en el género de otro.
Calculo de la probabilidad
Probabilidad
• Definición “a posteriori” de probabilidad o por frecuencias relativas
P(A) = numero de veces que ocurrió A Los eventos simples no poseen

la misma probabilidad
numero de veces que se repitió el experimento
• Definición “a priori” o probabilidad clásica
P(A) = numero de formas en que ocurre A Los eventos simples poseen la

misma probabilidad
numero de veces simples que pueden ocurrir
Notación de la probabilidad
1 Cierto
• La probabilidad de un evento o un evento simple se representa con la
Probable
letra P
Probabilidad de un evento P(A); Probabilidad de un evento simple P(a)
• Los eventos se representan con letras mayúsculas, los eventos simples
con letras minúsculas .5
Eventos: A, B, C …. Eventos simples: a, b, c ….

• La probabilidad de un evento asume cualquier valor en entre 0 y 1
Improbable
0 ≤ P(A) ≤ 1
• La suma de la probabilidad de todos los eventos es igual a 1
P(A) + P(B) + P(C) …….+P(K) = 1 0 Imposible
Ejemplo
• En un año reciente, hubo alrededor de 3,000,000 saltos en paracaídas y 21 de ellos
resultaron en muertes. ¿Cual es la probabilidad de morir tras saltar en paracaídas?
• Suponga que toma una carta al azar de una baraja española, ¿cual es la probabilidad
de sacar un As?
Ejemplo de comprensión
Datos de los pacientes atendidos durante el ultimo año en un hospital psiquiatrico
Nivel de depresión
Sexo Leve (L) Moderado (M) Grave (G) Total
Masculino (h) 15 19 5 39
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital sea de sexo masculino?
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital presente una depresión grave?
Relaciones de evento y reglas de probabilidad
Probabilidad de que dos eventos ocurran de forma simultanea: Calculo de la
probabilidad concurrente de dos eventos es igual a la cardinalidad de la
intersección entre dos conjuntos entre el total del tamaño muestral.
Este calculo refleja la probabilidad de que A y B ocurran al mismo tiempo
P(A ∩ B) = n (A ∩ B)
n(U)
Donde:
n (A ∩ B) = Numero de eventos simples en la intersección de A y B
n(U) = cardinalidad del espacio muestral
Nivel de depresión
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital tenga una depresión
moderada y sea de sexo femenino?
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital presente una depresión grave
y sea de sexo femenino?
Unión de dos eventos: Dados dos eventos A y B, la probabilidad de que el
evento A o el evento B, o ambos ocurran es igual a la probabilidad de que el
evento A ocurra, más la probabilidad de que el evento B ocurra, menos la
probabilidad de que ambos eventos ocurran simultáneamente.
P(A ∩ B) = P (A) + P(B) - P(A ∩ B)

Donde:
P(A) = Probabilidad de que ocurra A
P(B) = Probabilidad de que ocurra B
P (A ∩ B) = Probabilidad concurrente de A y B
Nivel de depresión
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital tenga una depresión leve o
grave?
o sea de sexo femenino?
Complemento de (A): La probabilidad del complemento de un evento es igual a

1 menos la probabilidad de dicho evento
P(AC )= 1- P(A)
Diferencia de A y B: La diferencia de la probabilidad entre dos eventos es igual a
la probabilidad del primer evento menos la intersección con el evento B
P( A - B )= P(A) - P(A ∩ B)
Nivel de depresión
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital tenga una depresión leve o
grave?
o sea de sexo femenino?
Probabilidad condicional: Calculo de la probabilidad de un subconjunto de la
población, que contiene de condiciones no aplicables a la población total.
La probabilidad de A dado que B ocurrió
P(A|B) = P(A ∩ B)
P(B)
Donde
P(A ∩ B) : La probailidad concurrente de A y B

P(B) : La probabilidad de B
Nivel de depresión
Femenino (m) 20 12 2 34
Total 35 31 7 73
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital tenga una depresión leve
dado que es hombre?
¿Cual es la probabilidad de que el próximo paciente que ingrese a la hospital sea de sexo femenino dado
que este tiene depresión leve?
Nivel de funcionalidad
Diagnostico
Muy bajo Bajo Moderado Alto Muy alto
Encefalopatía (E)
Síndrome de Down (S)
Defecto cerebral congénito (C)
Autismo (Au)
Otros (O)
1. La probabilidad de presentar un nivel de 1. La probabilidad de seleccionar un paciente un

funcionamiento bajo defecto cerebral congénito pero que NO tenga una
2. La probabilidad de que un paciente tenga una funcionalidad muy baja.
funcionalidad Baja o Muy baja 2. La probabilidad de que un paciente NO tenga una
3. La probabilidad de que un paciente tenga síndrome funcionalidad moderada
de Down y tenga una funcionalidad alta. 3. La probabilidad de que un paciente NO tenga una
4. La probabilidad de que un paciente tenga funcionalidad alta o presente autismo
encefalopatía dado que tiene una funcionalidad
moderada.
Distribuciones de probabilidad
Conceptos básicos de la Distribución de probabilidad
Variable aleatoria: Es una variable (x) que tiene un único valor numérico,
determinado aleatoriamente, para cada resultado de un experimento.
Variable Experimento
aleatoria aleatorio
Distribución de probabilidad: es una descripción que da la probabilidad para cada

valor de la variable aleatoria. A menudo se expresa en el formato de una tabla,
fórmula o gráfica
Conceptos básicos de la Distribución de probabilidad
Variable aleatoria: Es una variable (x) que tiene un único valor numérico,
determinado aleatoriamente, para cada resultado de un experimento.
Variable aleatoria discreta Variable aleatoria continua

Variables aleatorias cuyo intervalo de Variables aleatorias cuyo intervalo de
valores es finito o contablemente valores es infinito o no es contable
infinito.
Distribuciones de probabilidad: Requisitos
1. Hay una variable aleatoria numérica “x”, y sus valores
numéricos están asociados con probabilidades

Sexo P(x)
correspondientes. Masculino .5
Femenino .5
2. ΣP(x) = 1 donde x asume todos los valores posibles de ΣP(x) 1
la variable.
3. 0 ≤ P(x) ≤ 1 para cada valor individual de la variable
aleatoria x
Ejemplo probabilidad de un evento
Una institución educativa de nivel medio superior evaluó el rendimiento académico de
su alumnado considerando el numero de materias reprobadas que cada alumno
reprobó durante el ultimo ciclo escolar:
x = {numero de materias reprobadas}
x f P(x)
0 15
1 40
2 20
∑ 75
Histograma de probabilidad
P(X)
.75
x f P(x)
0 15 15/75=.2
.50
1 40 40/75=.5333
2 20 20/75=.2666
∑ 75 1 .25
X
I R E
P(X)
.75
x f P(x)
0 15 15/75=.2
.50
1 40 40/75=.5333
2 20 20/75=.2666
∑ 75 1 .25
P(E ∪ I) = I R E
X
Ejemplo probabilidad de un evento a dos fases
Considere el lanzamiento de dos monedas, con la siguiente variable aleatoria
x = {numero de veces que se obtiene sol}
Primer lanzamiento
S
Primer lanzamiento Segundo lanzamiento
A
S
A
S
S
Primer lanzamiento Segundo lanzamiento Eventos simples de x
A 0 soles
A
S 1 sol
A 1 sol
S
S 2 soles
Primer lanzamiento Segundo lanzamiento Eventos simples de x P(x)
A 0 soles ¼=.25
A
S 1 sol ¼=.25
A 1 sol ¼=.25
S
S 2 soles ¼=.25
Primer lanzamiento Segundo lanzamiento Eventos simples de x P(x)
A 0 soles ¼=.25
x F P(x)
A
S 1 sol ¼=.25 0 1 .25
1 2 .50
2 1 .25
A 1 sol ¼=.25
S
S 2 soles ¼=.25
P(X)
.75
x F P(x)
.50
0 1 .25
1 2 .50
.25
2 1 .25
X
0 1 .25
Ejercicio: Elabore la distribución de probabilidad e histograma
Un investigador interesado en conocer el tamaño y composición de las familias del
estado de México entrevisto a 50 familias para conocer sus características composición
y dinámica. A continuación se muestran algunos de los resultados obtenidos
x = {numero de hijos que tiene una familia}
x f P(x)
0 6
1 17
2 12
3 7
4 6
5 4
6 3
Parámetros de una distribución de
probabilidad
Parámetros de una distribución de probabilidad
• Media de la distribución de probabilidad:
µ= Σ [x . P(x)]
• Varianza de la distribución de probabilidad
σ2= Σ[(x-μ)2 . P(x)] ó σ2 = Σ [x2.P(x)] – μ2

• Desviación estándar de la distribución de probabilidad
σ= Σ[(x-μ)2 . P(x)]
Valor esperado “E “
El valor esperado de una variable aleatoria discreta x se expresa con E, y es el valor
medio de la probabilidad de cada evento simple, por lo que E = μ y E se calcula
Σ[x∙P(x)]. Este valor implica el valor promedio que esperaríamos obtener si los
ensayos pudieran continuar indefinidamente.
x f P(x)
0 15 .2
Σ[x∙P(x)]=
1 40 .5333 Interpretación:
2 20 .2666 Si el evento se repitiera un gran numero de
∑ 75 1 veces, al seleccionar un elemento al azar el
valor esperado será de _______
x f P(x) Σ[x∙P(x)]
0 15 .2 0
Σ[x∙P(x)]= 1.0003
1 40 .5333 .5333 Interpretación:
2 20 .2666 .5332 Si el evento se repitiera un gran numero de
∑ 75 1 1.0003 veces, al seleccionar un elemento al azar el
valor esperado será de _______
x f P(x) Σ[x∙P(x)] Σ[x∙P(x)]= 1.0003
0 15 .2 0
1 40 .5333 .5333
Interpretación:
Si el evento se repitiera un gran numero de
2 20 .2666 .5332
veces, al seleccionar un elemento al azar el
∑ 75 1 1.0003 valor esperado será de ____________
Sentido de los resultados: valores significativos
La desviación estándar de una distribución de probabilidad permite identificar si
un valor es significativamente alto o si es significativamente alto
Valor significativamente altos = P(x) > (μ + 2σ)
Valor significativamente altos = P(x) < (μ - 2σ)

Valor no significativo = (μ – 2σ) ≥ P(x) ≤ (μ + 2σ)
Varianza y Desviación estándar
σ2= Σ[(x-μ)2 . P(x)] y σ2 = √σ

La desviación estándar de una distribución de probabilidad permite identificar si
un valor es significativamente alto o si es significativamente alto
Valor significativamente altos = P(x) > (μ + 2σ)
Valor significativamente altos = P(x) < (μ - 2σ)

Valor no significativo = (μ – 2σ) ≥ P(x) ≤ (μ + 2σ)
S. bajo No significativo S. alto
μ + 2σ μ - 2σ
Formulas: a) E = µ = Σ [x . P(x)] b) σ2= Σ[(x-μ)2 . P(x)] c) σ2 = √σ
x f P(x) Σ[x∙P(x)]
0 15 .2 0
1 40 .5333 .5333
2 20 .2666 .5332
∑ 75 1 1.0003
x f P(x) Σ[x∙P(x)] (X-μ)2 (X-μ)2.P(x)
0 15 .2 0 1.0006
E=
1 40 .5333 .5333 .00000009
2 20 .2666 .5332 .9994
σ2 =
∑ 75 1 1.0003
σ=
x f P(x) Σ[x∙P(x)] (X-μ)2 (X-μ)2.P(x)
0 15 .2 0 1.0006 0
E= 1.0003
1 40 .5333 .5333 .00000009 .00000009
2 20 .2666 .5332 .9994 1.9988
σ2 =1.9988
∑ 75 1 1.0003 1.9988
σ = 1.413
Ejemplo
La siguiente tabla describe el número de adultos en grupos de cinco
que reportaron sonambulismo x P(x)
0 .172
x= {numero de adultos que mostraron sonambulismo} 1 .363
• Encuentre la media y la desviación estándar para el número de 2 .306
3 .129
sonámbulos en grupos de 5
4 .027
• ¿Como se consideraría el encontrar 3 sonámbulos en un grupo de 5? 5 .002
• Cual es la probabilidad de obtener exactamente 4 sonámbulos.

• Cual es la probabilidad de encontrar menos de 3 sonambulos
Ejemplo
E = µ = Σ [x . P(x)]
σ2= Σ[(x-μ)2 . P(x)]

σ2 = √σ
x P(x)
0 .172
1 .363
2 .306
3 .129
4 .027
5 .002
Ejercicio 15 minutos
x P(x)
La siguiente tabla de probabilidad describe los resultados de 8 grupos
0 .004
de nacimientos de 8 padres. x ={El numero de niñas en 8 nacimientos} 1 .031
2 .109
• Encuentre la media y la desviación estándar para el número de niñas en
3 .219
8 nacimientos 4 .273
• ¿Como se consideraría el que solo nazca una niño entre 8 nacimientos? 5 .219
6 .109
• Cual es la probabilidad de obtener exactamente 7 niñas en 8 7 .031
nacimientos. 8 .004
• Encuentre la probabilidad de obtener 7 o más niñas en 8 nacimientos

Ejercicio 15 minutos
E = µ = Σ [x . P(x)] x P(x)
0 .004
σ2= Σ[(x-μ)2 . P(x)] 1 .031
2 .109
σ2 = √σ
3 .219
4 .273
5 .219
6 .109
7 .031
8 .004
Otras distribuciones de probabilidad
Distribución binomial
Distribución de probabilidad discreta que permite calcular el porcentaje en que es
probable obtener un resultado entre dos posibles al realizar un número n de pruebas.
Parámetros de la distribución binomial:
P(x) = n! Valor esperado

px . qn-x Para x=0,1,2,..n
(n-x)! x! μ = np
Donde: p= probabilidad de éxito en

Valores significativos
n= numero de ensayos cada ensayo
x= numero de éxitos entre q= probabilidad de fracaso en σ2 = npq
ensayos cualquier ensayo (1 – p)
σ = √npq
Otras distribuciones de probabilidad
Distribución de poisson
Distribución de probabilidad discreta que expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que ocurra un determinado número de eventos
durante cierto período de tiempo.
Parámetros de la distribución binomial:
P(x) = μx . e-μ Valor esperado

Para x=0,1,2,..n
x! μ = # de ocasiones que ocurre el
Donde: x= numero de éxitos evento / intervalo de tiempo

μ= media de la ocurrencia del e= numero de Euler = 2.7182
evento en el intervalo de Valores significativos
tiempo.
σ = √μ
Distribuciones de probabilidad continuas
Variables continuas
Son aquellas variables cuya unidad de medida puede ser fraccionada y cuyos
valores pueden tomar cualquier valor dentro de dicho intervalo fraccionario
ꝏ ꝏ
3 4 5
Componentes de la Distribución de variables continuas
f (x)
• Es la representación grafica de la probabilidad de variables continuas.

• La mayoría de los fenómenos naturales se distribuyen de acuerdo a este
modelo.
Puntuacion z
Puntuaciones típicas
Permite expresar cuántas desviaciones típicas por Formula

encima o por debajo de una media se sitúa una
observación particular. Z=3; z=-1 Zi = Xi -
• Permiten conocer el porcentaje de valores que esta por Sx
debajo o por arriba de un valor especifico Xi= puntuación directa
• Identificar valores excepcionales = media
Sx= desviación estándar de
• Comparar dos valores provenientes de dos poblaciones la muestra
distintas. N= 40 N= 20; juan z = +1 ; Alejandra = z +2
Formulario
∑f(x - )2
S=
2
n
 ∑f.x
= n
Calcule la puntuación
Posición típica: Zi = 10-7.63 típica de:
1.46 z8 = .25 y 10
 = 7.63S2
x f f.x X-  (X- )2 f(X - )2
10 6 S =1.46
9 4 S2 =2.16
8 5
Interpretación:
7 8 Z10= el valor 10 se encuentra a
6 10 1.65 desviaciones típicas por
n 33 arriba de la media
Calcule la puntuación
Posición típica: Zi = Xi - típica de:
S Xi = z5 y z8
 =
x f f.x X-  (X- )2 (X - )2
9 5
S2 =
8 18 S =
7 42 Interpretación:
6 27
5 8
n
Calculo en SPSS
• Obtener las puntuaciones z

Z1eri = Xi -  Z2ndi = Xi -  Z3eri = Xi - 
S S S
• Comparar dos resultados

Distribución normal
fx
X
• Es la representación grafica de la distribución muestral de variables continuas.
modelo.
• Permite resolver diversos problemas cuando las variables presentan un
comportamiento de acuerdo al modelo.
Distribución normal Peso
fx (Kg)
X

fx (Kg)
86
X

fx (Kg)
86
56
X

fx (Kg)
71
86
56
41 101
X

fx (Kg)
71 76
86
56
51
41 101
X

fx (Kg)
71 76
61
86
56
51
46
41 101
X

fx (Kg)
66 71 76
61 81
86
56
91
51
46 96
41 101
36 106
X

fx (Kg)
66 71 76
61 81
86
56
91
51
46 96
41 101
36 106
X

fx
71
X
• El punto medio de la distribución es la media de
la distribución ()
fx
71
X
• El punto medio de la distribución es la media de
• El punto medio es el valor que mas se repite

(mo)
fx
71
50 % 50 %
X
• El punto medio de la distribución es la media de • La distribución es simétrica (mo)

(mo)
fx
71
X
• El punto medio de la distribución es la media de • La distribución resultante es mesocúrtica

(mo)
fx
71
X
la distribución () • El área bajo la curva es igual a 1 (100 %)

(mo)
estandarizada
fx
71
91
34.61%
X
la distribución () • El área bajo la curva es igual a 1 (100 %)

(mo)
estandarizada
fx
=0 S=1
X
estandarizada
fx
0
=0 S=1
X
estandarizada
fx
0
=0 S=1
-2
47.7%
X
estandarizada
fx
0
=0 S=1
3
49.8%
X
Área bajo la curva de los valores: Z0.35=
estandarizada
fx
0
=0 S=1
-1 1
2
-2
-3 3
X
Área bajo la curva de los valores:
Z-1.3= Z1.96= Z-2.0=
Z2.5= Z-1.18= Z1.0=
Uso de la distribución normal en la probabilidad
fx
=0 S=1
0 f%x = P(X)
-1 1
2
-2
-3 3
X
• El porcentaje de casos por debajo de un valor es equivalente a la
probabilidad de obtener un valor menor o igual a dicho valor
x f f%x = P(X)
10 6
9 4
8 5
7 8
6 10
n 33
• El porcentaje de casos por debajo de un valor es equivalente a la

probabilidad de obtener un valor menor o igual a dicho valor
fx
zx = P(≤X)
=0 S=1 1
X
.8413
• Debido a que las puntuaciones z permiten conocer el porcentaje de casos que son
igual o menores a una puntuación determinada, pueden ser utilizadas para conocer la
probabilidad de obtener un valor menor o igual a determinado
estandarizada
fx
0
=0 S=1
-1 1
2
-2
-3 3
X
P>Z1.38= P>Z2.57= P>Z0.15=
P>Z-0.58= P>Z-1.45= P>Z-1.80=
estandarizada
fx
0
=0 S=1
-1 1
2
-2
-3 3
X
P(z1<Z<z2) = P(≤z1) – P(≤z2)
estandarizada
fx
0
=0 S=1
-1 1
2
-2
-3 3
X
Z1<P<Z2= Z.5<P<Z.7= Z1<P<Z2=
Z-1<P<Z1= Z-.5<P<Z.5= Z-3<P<Z+3=
Aplicación de la puntuación Z
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo promedio que los estudiantes
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos ¿Qué porcentaje
existe de que un alumno llegue antes de los 16 minutos de demora?
µ=30 16
σ= 5
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo
promedio que los estudiantes demoran en llegar a clase es de 30 minutos con
una desviación estándar de 5 minutos ¿Qué porcentaje existe de que un
alumno llegue antes de los 16 minutos de demora?
P(X ≤ 16)
µ=30
σ= 5
P(X ≤ 16)
µ=30 Se calcula encontrando la
σ= 5 puntuación Z de 16
P(X ≤ 16)
Z = 16 – 30
16
5
P(X ≤ 16)
Z16= 16 – 30 = -14
5 5
P(X ≤ 16)
Z16= -2,8
Se ubica en la tabla de
distribución z
P(X ≤ 16) = ,0026

µ=30 .26%
σ= 5
Z16= -2,8
Se ubica en la tabla de
distribución z
existe de que un alumno llegua antes de los 16 minutos de demora?
El porcentaje alumnos que

µ=30 llega antes de 16 minutos es
σ= 5 de .26%
También se puede inferir que

µ=30 el porcentaje de alumnos que
σ= 5 llega después de 16 min es de
99,74%
Porcentaje de alumnos que

µ=30 llegan entre 30 y 43 minutos
σ= 5
P(30 ≥ X ≤ 43)
µ=30
σ= 5
P(30 ≥ X ≤ 43)
µ=30 P(30 ≥ X ≤ 43) = Z43 – Z30
σ= 5
P(30 ≥ X ≤ 43)
µ=30 P(30 ≥ X ≤ 43) = Z43 – Z30
σ= 5
Z43= (43-30)/5 = 2,6
Z30= (30-30)/5 = 0
De acuerdo con una investigación realizada en la UVM Texcoco, el tiempo
promedio que los estudiantes demoran en llegar a clase es de 30 minutos con
una desviación estándar de 5 minutos. ¿Qué porcentaje de un alumnos llegan
entre 30 y 43 minutos? P(30 ≥ X ≤ 43)
µ=30 P(30 ≥ X ≤ 43) = P43 – P30
σ= 5 P(30 ≥ X ≤ 43) = ,995 – ,50
P(30 ≥ X ≤ 43) = ,495
Z43= (43-30)/5 = 2,6
P43=,995
Z30= (30-30)/5 = 0
P30= .50
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos. ¿Qué porcentaje
de un alumnos llegan entre 30 y 43 minutos?
P(30 ≥ X ≤ 43) = ,495

µ=30 El porcentaje de alumnos
σ= 5 que llega entre 30 y 43
minutos es de 49,5%
demoran en llegar a clase es de 30 minutos con una desviación estándar de 5 minutos. ¿Qué porcentaje
de un alumnos llegan después de 45 minutos?
µ=30
σ= 5
Aplicación de la puntuación Z (ejercicio de repaso)
Encontrar el porcentaje de individuos que obtuvieron valores:
a) Menores que 525: P(x ≤ 525)

µ= 584,2
σ= 37,3
b) Entre 525 y 590: P(525 < X < 590)
c) Mayores de 590 P (x > 590)

Ejercicio # 1
Con el fin de otorgar becas y apoyos académicos a sus alumnos una institución
educativa de nivel superior se recolecto el promedio académico obtenido de todos sus
alumnos, obteniendo los siguientes estadísticos: Media: 8.2 Desviación típica: .5
a) Para poder ingresar a un posgrado es necesario contar con un promedio académico
de 8.5 ¿Qué porcentaje de alumnos podrá ingresar a un posgrado?
b) De acuerdo a los estatutos internos, un alumno se considera reprobado si su
calificación es igual o menor a 6.5 ¿Qué porcentaje de alumnos se encuentran
reprobados?
Ejercicio # 1
c) Se asignaran a asesorías personalizadas a los alumnos con dificultades en el
aprendizaje, sin embargo y, debido a las limitaciones en el personal solo podrán
asignarse a dichas asesorías el 7% de la comunidad ¿A partir de que calificación se
deberán asignar a un alumno a asesorías, manteniendo el limite del 7%?
d) Se asignará una beca a los alumnos con las mejores calificaciones, sin embargo,
dichas becas solo podrán asignarse a 5% del total de la comunidad estudiantil. ¿A
partir de que calificación se deberán asignar las becas para poder cumplir con el
criterio del 5%?

Probabilidad 2

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Probabilidad 2

Încărcat de

Drepturi de autor:

Formate disponibile

DIAGRAMAS DE VENN-EULER Y

2. Si A ∩ B ≠ ∅, entonces, n(A ∪ B) = n(A) + n(B) - n(A ∩ B)

2. Si A ∩ B ≠ ∅, entonces, n(A ∪ B) = n(A) + n(B) - n(A ∩ B)

2. Si A ∩ B ≠ ∅, entonces, n(A ∪ B) = n(A) + n(B) - n(A ∩ B)

2) Que cantidad de alumnos se dedican

3) Que cantidad estudian y trabajan

2) Que cantidad de alumnos se dedican 3) Que cantidad estudian o trabajan pero no

2) Que cantidad de pacientes no presentan un

3) Que cantidad de pacientes presentan

• Registrar la calificación de un examen

E1= E3= E5=

E2= E4= E6=

A = {Numero impar} = {E1, E3, E5}

C = {Numero par} = {E2, E4, E6}

C = {Numero par} = {E2, E4, E6}

U = {E1, E2, E3, E4, E5, E6} Espacio muestral:

Experimento= Lanzar una moneda al Eventos E1= Obtener sol (S)

S = {Sol, Águila} ó S = {S, A}

E4= Sangre tipo O (O)

Tomar una muestra de sangre E2= Sangre tipo B (B)

Tipo de sangre Factor Rh Eventos simples F6= Factor Rh – (-)

Tomar una muestra de sangre E2= Sangre tipo B (B)

Tipo de sangre Factor Rh Eventos simples F6= Factor Rh – (-)

Tomar una muestra de sangre E2= Sangre tipo B (B)

Tipo de sangre Factor Rh Eventos simples F6= Factor Rh – (-)

Tomar una muestra de sangre E2= Sangre tipo B (B)

Tipo de sangre Factor Rh Eventos simples F6= Factor Rh – (-)

Tomar una muestra de sangre E2= Sangre tipo B (B)

Tipo de sangre Factor Rh Eventos simples F6= Factor Rh – (-)

Tomar una muestra de sangre E2= Sangre tipo B (B)

Tipo de sangre Factor Rh Eventos simples F6= Factor Rh – (-)

1) Haga una lista de eventos sencillos en cada uno de los eventos A al F

2) Haga una lista de eventos sencillos del espacio muestral.

P(A) = numero de veces que ocurrió A Los eventos simples no poseen

• Definición “a priori” o probabilidad clásica

P(A) = numero de formas en que ocurre A Los eventos simples poseen la

Eventos: A, B, C …. Eventos simples: a, b, c ….

P(A ∩ B) = P (A) + P(B) - P(A ∩ B)

Complemento de (A): La probabilidad del complemento de un evento es igual a

P(A ∩ B) : La probailidad concurrente de A y B

1. La probabilidad de presentar un nivel de 1. La probabilidad de seleccionar un paciente un

Distribución de probabilidad: es una descripción que da la probabilidad para cada

Variable aleatoria discreta Variable aleatoria continua

1. Hay una variable aleatoria numérica “x”, y sus valores

numéricos están asociados con probabilidades

3. 0 ≤ P(x) ≤ 1 para cada valor individual de la variable

x = {numero de materias reprobadas}

Primer lanzamiento Segundo lanzamiento

Primer lanzamiento Segundo lanzamiento Eventos simples de x

Primer lanzamiento Segundo lanzamiento Eventos simples de x P(x)

Primer lanzamiento Segundo lanzamiento Eventos simples de x P(x)

• Media de la distribución de probabilidad:

σ2= Σ[(x-μ)2 . P(x)] ó σ2 = Σ [x2.P(x)] – μ2

Valor significativamente altos = P(x) < (μ - 2σ)

Varianza y Desviación estándar

σ2= Σ[(x-μ)2 . P(x)] y σ2 = √σ

Valor significativamente altos = P(x) < (μ - 2σ)

S. bajo No significativo S. alto

• Cual es la probabilidad de obtener exactamente 4 sonámbulos.

σ2= Σ[(x-μ)2 . P(x)]

• Encuentre la probabilidad de obtener 7 o más niñas en 8 nacimientos

Parámetros de la distribución binomial:

P(x) = n! Valor esperado

Donde: p= probabilidad de éxito en