SlideShare una empresa de Scribd logo
1 de 9
Procesos Industriales Área Manufactura



Materia: Estadística



Tema: Probabilidad



Docente: Lic. Edgar Gerardo Mata Ortiz



Equipo: Josué Gilberto Álvarez Muñiz




                                                   18/marzo/2012
Evento aleatorio

       Evento al que se permite que suceda sin intentar tomar el control del
       resultado o consecuencia del evento.
Por ejemplo, si se lanza un dado no cargado, es igualmente probable que ocurra
cualquiera de los 6 números.

Ejemplos:
Se lanza una moneda de un peso mexicano. Se observa si el resultado es águila o
sol.
  Se lanza un par de dados y se observa la suma de los números de la cara
superior.
  De una baraja americana normal, se reparte una mano de póker de cinco cartas
y       se      cuenta        el       número       de      Ases       entregados.
  Se coloca un foco a la corriente y se mide el tiempo que éste tarda en fundirse.
  En una urna con bolas de igual forma pero donde hay 20 de color negro y 30 de
color blanco. Se extraen tres bolas y se cuenta el número de bolas blancas
extraídas.
  Se manufacturan artículos en una línea de producción hasta que se tienen 50
artículos no defectuosos, se anota el número total de artículos producidos.
  Una persona se dirige de su casa al trabajo. Anotar el tiempo que le tomó.
  Un propietario de un sitio de taxis coordina un grupo de 4 unidades y 5 choferes.
Durante cualquier día, es posible que alguna unidad esté fuera de servicio por
mantenimiento o reparación y también es posible que alguno de los choferes no se
presente a trabajar. Se registran ambos números.
Espacio muestral

En    la teoría   de     probabilidades,   el espacio     muestral o espacio      de
muestreo (denotado E, S, Ω 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, llamándose a
los sucesos que contengan un único elemento sucesos elementales. En el
ejemplo, el suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara,
cruz)}, estaría formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}.

Para algunos tipos de experimento puede haber dos o más espacios de muestreo
posibles. Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas,
una posibilidad del espacio de muestreo podría ser el número (del as al rey),
mientras que otra posibilidad sería el palo (diamantes, tréboles, corazones y
picas). Una descripción completa de los resultados, sin embargo, especificaría
ambos valores, número y palo, y se podría 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 aproximación
elemental a la probabilidad, pero son también importantes en espacios de
probabilidad. Un espacio de probabilidad (Ω, F, P) incorpora un espacio de
muestreo de resultados, Ω, pero define un conjunto de sucesos de interés, la σ-
álgebra F, por la cuál se define la medida de probabilidad P.
Ejemplos:

1.-Ejemplos Cuando se lanza una moneda puede caer “cara”(c) o “sello”(s). Así
Puntos Muestrales es: a ó s. Espacio Muestral esta dado por S = {a, s}. Al lanzar
un dado, puede caer cualquiera de sus seis caras. En este caso: Puntos
Muestrales son: 1 ó 2 ó 3 ó 4 ó 5 ó 6. Espacio Muestral es: S={1,2,3,4,5,6}. Si se
lanzan tres monedas al mismo tiempo puede ocurrir cualquiera de ocho (8)
resultados posibles. Así que, Puntos Muestrales: aaa ó sss ó ass ó ssa ó sas ó
saa ó aas ó asa Espacio Muestral es: S={aaa, sss, ass, ssa, sas, saa, aas, asa}.
Si se hace un registro del sexo de un bebe próximo a nacer tenemos que podria
ser “hombre” (h) o “mujer” (m). En este caso Puntos Muestrales: hombre (h) ó
mujer (m). Espacio Muestral es S={h, m}.

2.-Tenemos una moneda si en el primer lanzamiento cae sello, entonces se lanza
otra vez la moneda, dando lugar a las siguientes posibilidades: ss, sa; pero si en el
primer lanzamiento ocurre cara, se lanza un dado, dando lugar a: Puntos
Muestrales: a1, a2, a3, a4, a5, a6. Entonces el Espacio Muestral es S={ss, sa, a1,
a2, a3, a4, a5, a6} A veces, los espacios muestrales tienen un número grande o
infinito de elementos. En este caso es mejor usar una regla o descripción antes
que enumerar(*) sus elementos. Si los resultados posibles de un experimento son
el conjunto de individuos en el mundo con más de 1.60 m de estatura que asisten
a una universidad, el espacio muestral se escribe así: S = {x|x es un terrícola con
más de 1.60 m de estatura que asiste a una universidad} (*) Como ocurre con los
conjuntos.

3.- Se tiene el siguiente experimento: suma de puntos obtenidos al lanzar dos
dados. Si escribimos el espacio muestral como: Ω = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11,
12} los puntos muestrales no son equiprobables. Para que el espacio muestral
tenga los puntos equiprobables, es necesario escribirlo como: Ω = {(1, 1),(1, 2), (2,
1),(1, 3), (2, 2), (3, 1),(1, 4), (2, 3), (3, 2), (4, 1),(1, 5), (2, 4), (3, 3), (4, 2), (5, 1),(1,
6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1),(2, 6), (3, 5), (4, 4), (5, 3), (6, 2),(3, 6), (4, 5), (5,
4), (6, 3),(4, 6), (5, 5), (6, 4),(5, 6), (6, 5),(6, 6)} En clase hay 50 alumnos. Se hace
un examen y se observa cuantos alumnos aprueban. Obsérvese que: 8 es un
punto muestral si el examen es aprobado por 8 alumnos. Si ningún alumno
aprueba el examen, el punto muestral correspondiente es cero. El espacio
muestral en este caso es el conjunto: S={ 0,1,2,…,50}
Técnicas de Conteo


Si el número de posibles resultados de un experimento es pequeño, es
relativamente fácil listar y contar todos los posibles resultados. Al tirar un dado, por
ejemplo, hay seis posibles resultados.

Si, sin embargo, hay un gran número de posibles resultados tales como el número
de niños y niñas por familias con cinco hijos, sería tedioso listar y contar todas las
posibilidades.

Las posibilidades serían, 5 niños, 4 niños y 1 niña, 3 niños y 2 niñas, 2 niños y 3
niñas, etc. Para facilitar el conteo examinaremos tres técnicas: La técnica de la
multiplicación, la técnica de la permutación, y la técnica de la combinación.


La Técnica de la Multiplicación


La técnica de la multiplicación: Si hay m formas de hacer una cosa y hay n formas
de hacer otra cosa, hay m x n formas da hacer ambas cosas


En términos de fórmula


Número total de arreglos = m x n

Esto puede ser extendido a más de dos eventos. Para tres eventos, m, n, y o:


Número total de arreglos = m x n x o

Ejemplo:


Un vendedor de autos quiere presentar a sus clientes todas las diferentes
opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas,
cualquiera de ellos con rines deportivos o estándar. ¿Cuántos diferentes arreglos
de autos y rines puede ofrecer el vendedor?
Para solucionar el problema podemos emplear la técnica de la multiplicación,
(donde m es número de modelos y n es el número de tipos de rin).


Número total de arreglos = 3 x 2

No fue difícil de listar y contar todos los posibles arreglos de modelos de autos y
rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer
ocho modelos de auto y seis tipos de rines. Sería tedioso hacer un dibujo con
todas las posibilidades. Aplicando la técnica de la multiplicación fácilmente
realizamos el cálculo:


Número total de arreglos = m x n = 8 x 6 = 48

La Técnica de la Permutación


Como vimos anteriormente la técnica de la multiplicación es aplicada para
encontrar el número posible de arreglos para dos o más grupos. La técnica de la
permutación es aplicada para encontrar el número posible de arreglos donde hay
solo u grupo de objetos. Como ilustración analizaremos el siguiente problema:
Tres componentes electrónicos - un transistor, un capacitor, y un diodo - serán
ensamblados en una tablilla de una televisión. Los componentes pueden ser
ensamblados en cualquier orden. ¿De cuantas diferentes maneras pueden ser
ensamblados los tres componentes?

Las   diferentes   maneras   de    ensamblar    los   componentes   son   llamadas
permutaciones, y son las siguientes:

TDCDTCCDT


TCDDCTCTD
Permutación: Todos los arreglos de r objetos seleccionados de n objetos posibles

La fórmula empleada para contar el número total de diferentes permutaciones es:


n P r = n!
         (n – r )!
Donde:


nPr es el número de permutaciones posible

n es el número total de objetos


r es el número de objetos utilizados en un mismo momento

n P r = n! = 3! = 3 x 2 = 6
         (n – r )!            ( 3 – 3 )!   1


Ejemplo:

Suponga que hay ocho tipos de computadora pero solo tres espacios disponibles
para exhibirlas en la tienda de computadoras. ¿De cuantas maneras diferentes
pueden ser arregladas las 8 máquinas en los tres espacios disponibles?


n P r = n! = 8! = 8! = 336
         (n – r )!            ( 8 – 3 )!   5!
En el análisis anterior los arreglos no presentan repeticiones, es decir, no hay dos
espacios disponibles con el mismo tipo de computadora. Si en los arreglos se
permite la repetición, la fórmula de permutaciones es la siguiente:

n Pr = nr


Para ilustrar el punto, queremos saber ¿cuántas series de 2 letras se pueden
formar con las letras A, B, C, si se permite la repetición? Las permutaciones son
las siguientes:


AA, AB, AC, BA, CA, BB, BC, CB, CC

Usando la fórmula:


n Pr = nr = 3P2 = 32 = 9


La Técnica de la Combinación

En una permutación, el orden de los objetos de cada posible resultado es
diferente. Si el orden de los objetos no es importante, cada uno de estos
resultados se denomina combinación. Por ejemplo, si se quiere formar un equipo
de trabajo formado por 2 personas seleccionadas de un grupo de tres (A, B y C).
Si en el equipo hay dos funciones diferentes, entonces si importa el orden, los
resultados serán permutaciones. Por el contrario si en el equipo no hay funciones
definidas, entonces no importa el orden y los resultados serán combinaciones. Los
resultados en ambos casos son los siguientes:

Permutaciones: AB, AC, BA, CA, BC, CB


Combinaciones: AB, AC, BC


Combinaciones: Es el número de formas de seleccionar r objetos de un grupo de n
objetos sin importar el orden.
La fórmula de combinaciones es:

n C r = n!


r! (n – r )!

Ejemplo:


En una compañía se quiere establecer un código de colores para identificar cada
una de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de
7 cada una de las partes, de tal suerte que cada una tenga una combinación de 3
colores diferentes. ¿Será adecuado este código de colores para identificar las 42
partes del producto?


Usando la fórmula de combinaciones:


n C r = n! = 7! = 7! = 35
           r! (n – r )!           3! ( 7 – 3 )!             3! 4!


El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes
del producto.

Más contenido relacionado

La actualidad más candente

03 prog lineal problemas primera soluciones
03 prog lineal problemas primera soluciones03 prog lineal problemas primera soluciones
03 prog lineal problemas primera solucionesmsm65
 
Distribuciones de probabilidad continua
Distribuciones de probabilidad continuaDistribuciones de probabilidad continua
Distribuciones de probabilidad continuaLIZBETH IZA
 
Examen unidad 4 - Tipo 2
Examen unidad 4 - Tipo 2Examen unidad 4 - Tipo 2
Examen unidad 4 - Tipo 2Cesar-Sanchez
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalfranciscoe71
 
Estimación de la diferencia de medias poblacionales
Estimación de la diferencia de medias poblacionalesEstimación de la diferencia de medias poblacionales
Estimación de la diferencia de medias poblacionalesEstefany Zavaleta
 
Taller de distribuciones discretas de probabilidad
Taller de distribuciones discretas de probabilidadTaller de distribuciones discretas de probabilidad
Taller de distribuciones discretas de probabilidadYohana Bonilla Gutiérrez
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomialClaudia Diaz
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianzaAndres Oyarzun
 
Distribución de poisso ejercicios
Distribución de poisso ejerciciosDistribución de poisso ejercicios
Distribución de poisso ejerciciosAurora Sanchez Caro
 
Ejemplos de distribuciones
Ejemplos de distribucionesEjemplos de distribuciones
Ejemplos de distribucioneszooneerborre
 
Clase4 Test de hipótesis en el modelo de regresión
Clase4 Test de hipótesis en el modelo de regresiónClase4 Test de hipótesis en el modelo de regresión
Clase4 Test de hipótesis en el modelo de regresiónNerys Ramírez Mordán
 

La actualidad más candente (20)

03 prog lineal problemas primera soluciones
03 prog lineal problemas primera soluciones03 prog lineal problemas primera soluciones
03 prog lineal problemas primera soluciones
 
Taller 3
Taller 3Taller 3
Taller 3
 
Distribuciones de probabilidad continua
Distribuciones de probabilidad continuaDistribuciones de probabilidad continua
Distribuciones de probabilidad continua
 
Examen unidad 4 - Tipo 2
Examen unidad 4 - Tipo 2Examen unidad 4 - Tipo 2
Examen unidad 4 - Tipo 2
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 final
 
Pruebas de hipotesis
Pruebas de hipotesisPruebas de hipotesis
Pruebas de hipotesis
 
Estimación de la diferencia de medias poblacionales
Estimación de la diferencia de medias poblacionalesEstimación de la diferencia de medias poblacionales
Estimación de la diferencia de medias poblacionales
 
problemas de programacion lineal resueltos
problemas de programacion lineal resueltosproblemas de programacion lineal resueltos
problemas de programacion lineal resueltos
 
Taller de distribuciones discretas de probabilidad
Taller de distribuciones discretas de probabilidadTaller de distribuciones discretas de probabilidad
Taller de distribuciones discretas de probabilidad
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianza
 
Distribución de poisso ejercicios
Distribución de poisso ejerciciosDistribución de poisso ejercicios
Distribución de poisso ejercicios
 
Sol04
Sol04Sol04
Sol04
 
Ejemplos de distribuciones
Ejemplos de distribucionesEjemplos de distribuciones
Ejemplos de distribuciones
 
Final grupo markov
Final grupo markovFinal grupo markov
Final grupo markov
 
Problemas redes
Problemas redesProblemas redes
Problemas redes
 
Clase4 Test de hipótesis en el modelo de regresión
Clase4 Test de hipótesis en el modelo de regresiónClase4 Test de hipótesis en el modelo de regresión
Clase4 Test de hipótesis en el modelo de regresión
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
distribucion poisson
distribucion poissondistribucion poisson
distribucion poisson
 
Folleto de estadística (1)
Folleto de estadística (1)Folleto de estadística (1)
Folleto de estadística (1)
 

Destacado (10)

Combinaciones y permutaciones
Combinaciones y permutacionesCombinaciones y permutaciones
Combinaciones y permutaciones
 
Análisis de datos experimentales unidad i
Análisis de datos experimentales unidad iAnálisis de datos experimentales unidad i
Análisis de datos experimentales unidad i
 
Información general de la Biblioteca
Información general de la BibliotecaInformación general de la Biblioteca
Información general de la Biblioteca
 
Metodos de Conteo
Metodos de Conteo Metodos de Conteo
Metodos de Conteo
 
Guia de Estudio Probabilidady Estadistica
Guia de Estudio Probabilidady EstadisticaGuia de Estudio Probabilidady Estadistica
Guia de Estudio Probabilidady Estadistica
 
Combinatoria
CombinatoriaCombinatoria
Combinatoria
 
Ejercicios1er con respuestas
Ejercicios1er con respuestasEjercicios1er con respuestas
Ejercicios1er con respuestas
 
Combinaciones y permutaciones
Combinaciones y permutacionesCombinaciones y permutaciones
Combinaciones y permutaciones
 
Probabilidad Básica. Guía de estudio- versión 2017
Probabilidad Básica. Guía de estudio- versión 2017Probabilidad Básica. Guía de estudio- versión 2017
Probabilidad Básica. Guía de estudio- versión 2017
 
Probabilidad clásica
Probabilidad clásicaProbabilidad clásica
Probabilidad clásica
 

Similar a Probabilidad

Ejemplos sencillosdc
Ejemplos sencillosdcEjemplos sencillosdc
Ejemplos sencillosdcPaToDoMunos
 
eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.Carlos Eduardo Candela
 
ultimo trabajo de segunda unidad
ultimo trabajo de segunda unidadultimo trabajo de segunda unidad
ultimo trabajo de segunda unidadbere201991
 
Primera presentacion
Primera presentacionPrimera presentacion
Primera presentacionNancy Leal
 
Estadística aplicada aplicada a la ingeniería química semana 03 - 05
Estadística aplicada aplicada a la ingeniería química    semana 03 - 05Estadística aplicada aplicada a la ingeniería química    semana 03 - 05
Estadística aplicada aplicada a la ingeniería química semana 03 - 05Joselyn Belen Matias Brañez
 
Trabajo final lm
Trabajo final lmTrabajo final lm
Trabajo final lmLMartiinez
 
Introduccion a la Probabilidad.pptx
Introduccion a la Probabilidad.pptxIntroduccion a la Probabilidad.pptx
Introduccion a la Probabilidad.pptxjessicaNunez31
 
Eventos y espacio muestral
Eventos y espacio muestralEventos y espacio muestral
Eventos y espacio muestralXavier Villamil
 
Combinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCombinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCristian Jorquera
 
Combinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCombinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCristian Jorquera
 
Eventos aleatorios, espacio muestral y técnicas de conteo.
Eventos aleatorios, espacio muestral y técnicas de conteo.Eventos aleatorios, espacio muestral y técnicas de conteo.
Eventos aleatorios, espacio muestral y técnicas de conteo.leonardo19940511
 

Similar a Probabilidad (20)

Ejemplos sencillosdc
Ejemplos sencillosdcEjemplos sencillosdc
Ejemplos sencillosdc
 
eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.eventos aleatorios, espacio muestra, técnica de conteo.
eventos aleatorios, espacio muestra, técnica de conteo.
 
ultimo trabajo de segunda unidad
ultimo trabajo de segunda unidadultimo trabajo de segunda unidad
ultimo trabajo de segunda unidad
 
PRESENTACION.
PRESENTACION.PRESENTACION.
PRESENTACION.
 
Primera presentacion
Primera presentacionPrimera presentacion
Primera presentacion
 
Alina isela2
Alina isela2Alina isela2
Alina isela2
 
Alina isela2
Alina isela2Alina isela2
Alina isela2
 
Estadística aplicada aplicada a la ingeniería química semana 03 - 05
Estadística aplicada aplicada a la ingeniería química    semana 03 - 05Estadística aplicada aplicada a la ingeniería química    semana 03 - 05
Estadística aplicada aplicada a la ingeniería química semana 03 - 05
 
Trabajo final lm
Trabajo final lmTrabajo final lm
Trabajo final lm
 
Teoria de la probabilidad
Teoria de la probabilidadTeoria de la probabilidad
Teoria de la probabilidad
 
Introduccion a la Probabilidad.pptx
Introduccion a la Probabilidad.pptxIntroduccion a la Probabilidad.pptx
Introduccion a la Probabilidad.pptx
 
1 teoria de la probabilidad
1 teoria de la probabilidad1 teoria de la probabilidad
1 teoria de la probabilidad
 
Técnicas de conteo
Técnicas de conteoTécnicas de conteo
Técnicas de conteo
 
Unidad 2. Combinatoria
Unidad 2. Combinatoria Unidad 2. Combinatoria
Unidad 2. Combinatoria
 
Técnicas de conteo
Técnicas de conteoTécnicas de conteo
Técnicas de conteo
 
Eventos y espacio muestral
Eventos y espacio muestralEventos y espacio muestral
Eventos y espacio muestral
 
u2-180305052750 (1).pptx
u2-180305052750 (1).pptxu2-180305052750 (1).pptx
u2-180305052750 (1).pptx
 
Combinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCombinatoria y probabilidad clásica
Combinatoria y probabilidad clásica
 
Combinatoria y probabilidad clásica
Combinatoria y probabilidad clásicaCombinatoria y probabilidad clásica
Combinatoria y probabilidad clásica
 
Eventos aleatorios, espacio muestral y técnicas de conteo.
Eventos aleatorios, espacio muestral y técnicas de conteo.Eventos aleatorios, espacio muestral y técnicas de conteo.
Eventos aleatorios, espacio muestral y técnicas de conteo.
 

Más de Rojo Alvarez

Más de Rojo Alvarez (20)

Malos jefes
Malos jefesMalos jefes
Malos jefes
 
Malos jefes
Malos jefesMalos jefes
Malos jefes
 
10 respuestas
10 respuestas10 respuestas
10 respuestas
 
10 respuestas
10 respuestas10 respuestas
10 respuestas
 
Cheklist
CheklistCheklist
Cheklist
 
Matalic
MatalicMatalic
Matalic
 
Unidad 1rulesjosue
Unidad 1rulesjosueUnidad 1rulesjosue
Unidad 1rulesjosue
 
150 palabras
150 palabras150 palabras
150 palabras
 
Reseña
ReseñaReseña
Reseña
 
Estadística
EstadísticaEstadística
Estadística
 
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01
Ejerciciosdeintervalosdeconfianza 120418005752-phpapp01
 
Intervalos de confianza unidad 3
Intervalos de confianza unidad 3Intervalos de confianza unidad 3
Intervalos de confianza unidad 3
 
Unidad 3
Unidad 3Unidad 3
Unidad 3
 
Unidad 3
Unidad 3Unidad 3
Unidad 3
 
Ejemplos
EjemplosEjemplos
Ejemplos
 
Ejemplos
EjemplosEjemplos
Ejemplos
 
Experimento baraja
Experimento barajaExperimento baraja
Experimento baraja
 
Algo de probabilidad
Algo de probabilidadAlgo de probabilidad
Algo de probabilidad
 
4 ayuda distribuciones de probabilidad
4 ayuda distribuciones de probabilidad4 ayuda distribuciones de probabilidad
4 ayuda distribuciones de probabilidad
 
Algunas distribuciones de probabilidad
Algunas distribuciones de probabilidadAlgunas distribuciones de probabilidad
Algunas distribuciones de probabilidad
 

Probabilidad

  • 1. Procesos Industriales Área Manufactura Materia: Estadística Tema: Probabilidad Docente: Lic. Edgar Gerardo Mata Ortiz Equipo: Josué Gilberto Álvarez Muñiz 18/marzo/2012
  • 2. Evento aleatorio Evento al que se permite que suceda sin intentar tomar el control del resultado o consecuencia del evento. Por ejemplo, si se lanza un dado no cargado, es igualmente probable que ocurra cualquiera de los 6 números. Ejemplos: Se lanza una moneda de un peso mexicano. Se observa si el resultado es águila o sol. Se lanza un par de dados y se observa la suma de los números de la cara superior. De una baraja americana normal, se reparte una mano de póker de cinco cartas y se cuenta el número de Ases entregados. Se coloca un foco a la corriente y se mide el tiempo que éste tarda en fundirse. En una urna con bolas de igual forma pero donde hay 20 de color negro y 30 de color blanco. Se extraen tres bolas y se cuenta el número de bolas blancas extraídas. Se manufacturan artículos en una línea de producción hasta que se tienen 50 artículos no defectuosos, se anota el número total de artículos producidos. Una persona se dirige de su casa al trabajo. Anotar el tiempo que le tomó. Un propietario de un sitio de taxis coordina un grupo de 4 unidades y 5 choferes. Durante cualquier día, es posible que alguna unidad esté fuera de servicio por mantenimiento o reparación y también es posible que alguno de los choferes no se presente a trabajar. Se registran ambos números.
  • 3. Espacio muestral En la teoría de probabilidades, el espacio muestral o espacio de muestreo (denotado E, S, Ω 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, llamándose a los sucesos que contengan un único elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer lanzamiento", o {(cara, cara), (cara, cruz)}, estaría formado por los sucesos elementales {(cara, cara)} y {(cara, cruz)}. Para algunos tipos de experimento puede haber dos o más espacios de muestreo posibles. Por ejemplo, cuando se toma una carta de un mazo normal de 52 cartas, una posibilidad del espacio de muestreo podría ser el número (del as al rey), mientras que otra posibilidad sería el palo (diamantes, tréboles, corazones y picas). Una descripción completa de los resultados, sin embargo, especificaría ambos valores, número y palo, y se podría 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 aproximación elemental a la probabilidad, pero son también importantes en espacios de probabilidad. Un espacio de probabilidad (Ω, F, P) incorpora un espacio de muestreo de resultados, Ω, pero define un conjunto de sucesos de interés, la σ- álgebra F, por la cuál se define la medida de probabilidad P.
  • 4. Ejemplos: 1.-Ejemplos Cuando se lanza una moneda puede caer “cara”(c) o “sello”(s). Así Puntos Muestrales es: a ó s. Espacio Muestral esta dado por S = {a, s}. Al lanzar un dado, puede caer cualquiera de sus seis caras. En este caso: Puntos Muestrales son: 1 ó 2 ó 3 ó 4 ó 5 ó 6. Espacio Muestral es: S={1,2,3,4,5,6}. Si se lanzan tres monedas al mismo tiempo puede ocurrir cualquiera de ocho (8) resultados posibles. Así que, Puntos Muestrales: aaa ó sss ó ass ó ssa ó sas ó saa ó aas ó asa Espacio Muestral es: S={aaa, sss, ass, ssa, sas, saa, aas, asa}. Si se hace un registro del sexo de un bebe próximo a nacer tenemos que podria ser “hombre” (h) o “mujer” (m). En este caso Puntos Muestrales: hombre (h) ó mujer (m). Espacio Muestral es S={h, m}. 2.-Tenemos una moneda si en el primer lanzamiento cae sello, entonces se lanza otra vez la moneda, dando lugar a las siguientes posibilidades: ss, sa; pero si en el primer lanzamiento ocurre cara, se lanza un dado, dando lugar a: Puntos Muestrales: a1, a2, a3, a4, a5, a6. Entonces el Espacio Muestral es S={ss, sa, a1, a2, a3, a4, a5, a6} A veces, los espacios muestrales tienen un número grande o infinito de elementos. En este caso es mejor usar una regla o descripción antes que enumerar(*) sus elementos. Si los resultados posibles de un experimento son el conjunto de individuos en el mundo con más de 1.60 m de estatura que asisten a una universidad, el espacio muestral se escribe así: S = {x|x es un terrícola con más de 1.60 m de estatura que asiste a una universidad} (*) Como ocurre con los conjuntos. 3.- Se tiene el siguiente experimento: suma de puntos obtenidos al lanzar dos dados. Si escribimos el espacio muestral como: Ω = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} los puntos muestrales no son equiprobables. Para que el espacio muestral tenga los puntos equiprobables, es necesario escribirlo como: Ω = {(1, 1),(1, 2), (2, 1),(1, 3), (2, 2), (3, 1),(1, 4), (2, 3), (3, 2), (4, 1),(1, 5), (2, 4), (3, 3), (4, 2), (5, 1),(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1),(2, 6), (3, 5), (4, 4), (5, 3), (6, 2),(3, 6), (4, 5), (5, 4), (6, 3),(4, 6), (5, 5), (6, 4),(5, 6), (6, 5),(6, 6)} En clase hay 50 alumnos. Se hace un examen y se observa cuantos alumnos aprueban. Obsérvese que: 8 es un punto muestral si el examen es aprobado por 8 alumnos. Si ningún alumno aprueba el examen, el punto muestral correspondiente es cero. El espacio muestral en este caso es el conjunto: S={ 0,1,2,…,50}
  • 5. Técnicas de Conteo Si el número de posibles resultados de un experimento es pequeño, es relativamente fácil listar y contar todos los posibles resultados. Al tirar un dado, por ejemplo, hay seis posibles resultados. Si, sin embargo, hay un gran número de posibles resultados tales como el número de niños y niñas por familias con cinco hijos, sería tedioso listar y contar todas las posibilidades. Las posibilidades serían, 5 niños, 4 niños y 1 niña, 3 niños y 2 niñas, 2 niños y 3 niñas, etc. Para facilitar el conteo examinaremos tres técnicas: La técnica de la multiplicación, la técnica de la permutación, y la técnica de la combinación. La Técnica de la Multiplicación La técnica de la multiplicación: Si hay m formas de hacer una cosa y hay n formas de hacer otra cosa, hay m x n formas da hacer ambas cosas En términos de fórmula Número total de arreglos = m x n Esto puede ser extendido a más de dos eventos. Para tres eventos, m, n, y o: Número total de arreglos = m x n x o Ejemplo: Un vendedor de autos quiere presentar a sus clientes todas las diferentes opciones con que cuenta: auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos con rines deportivos o estándar. ¿Cuántos diferentes arreglos de autos y rines puede ofrecer el vendedor?
  • 6. Para solucionar el problema podemos emplear la técnica de la multiplicación, (donde m es número de modelos y n es el número de tipos de rin). Número total de arreglos = 3 x 2 No fue difícil de listar y contar todos los posibles arreglos de modelos de autos y rines en este ejemplo. Suponga, sin embargo, que el vendedor tiene para ofrecer ocho modelos de auto y seis tipos de rines. Sería tedioso hacer un dibujo con todas las posibilidades. Aplicando la técnica de la multiplicación fácilmente realizamos el cálculo: Número total de arreglos = m x n = 8 x 6 = 48 La Técnica de la Permutación Como vimos anteriormente la técnica de la multiplicación es aplicada para encontrar el número posible de arreglos para dos o más grupos. La técnica de la permutación es aplicada para encontrar el número posible de arreglos donde hay solo u grupo de objetos. Como ilustración analizaremos el siguiente problema: Tres componentes electrónicos - un transistor, un capacitor, y un diodo - serán ensamblados en una tablilla de una televisión. Los componentes pueden ser ensamblados en cualquier orden. ¿De cuantas diferentes maneras pueden ser ensamblados los tres componentes? Las diferentes maneras de ensamblar los componentes son llamadas permutaciones, y son las siguientes: TDCDTCCDT TCDDCTCTD
  • 7. Permutación: Todos los arreglos de r objetos seleccionados de n objetos posibles La fórmula empleada para contar el número total de diferentes permutaciones es: n P r = n! (n – r )! Donde: nPr es el número de permutaciones posible n es el número total de objetos r es el número de objetos utilizados en un mismo momento n P r = n! = 3! = 3 x 2 = 6 (n – r )! ( 3 – 3 )! 1 Ejemplo: Suponga que hay ocho tipos de computadora pero solo tres espacios disponibles para exhibirlas en la tienda de computadoras. ¿De cuantas maneras diferentes pueden ser arregladas las 8 máquinas en los tres espacios disponibles? n P r = n! = 8! = 8! = 336 (n – r )! ( 8 – 3 )! 5!
  • 8. En el análisis anterior los arreglos no presentan repeticiones, es decir, no hay dos espacios disponibles con el mismo tipo de computadora. Si en los arreglos se permite la repetición, la fórmula de permutaciones es la siguiente: n Pr = nr Para ilustrar el punto, queremos saber ¿cuántas series de 2 letras se pueden formar con las letras A, B, C, si se permite la repetición? Las permutaciones son las siguientes: AA, AB, AC, BA, CA, BB, BC, CB, CC Usando la fórmula: n Pr = nr = 3P2 = 32 = 9 La Técnica de la Combinación En una permutación, el orden de los objetos de cada posible resultado es diferente. Si el orden de los objetos no es importante, cada uno de estos resultados se denomina combinación. Por ejemplo, si se quiere formar un equipo de trabajo formado por 2 personas seleccionadas de un grupo de tres (A, B y C). Si en el equipo hay dos funciones diferentes, entonces si importa el orden, los resultados serán permutaciones. Por el contrario si en el equipo no hay funciones definidas, entonces no importa el orden y los resultados serán combinaciones. Los resultados en ambos casos son los siguientes: Permutaciones: AB, AC, BA, CA, BC, CB Combinaciones: AB, AC, BC Combinaciones: Es el número de formas de seleccionar r objetos de un grupo de n objetos sin importar el orden.
  • 9. La fórmula de combinaciones es: n C r = n! r! (n – r )! Ejemplo: En una compañía se quiere establecer un código de colores para identificar cada una de las 42 partes de un producto. Se quiere marcar con 3 colores de un total de 7 cada una de las partes, de tal suerte que cada una tenga una combinación de 3 colores diferentes. ¿Será adecuado este código de colores para identificar las 42 partes del producto? Usando la fórmula de combinaciones: n C r = n! = 7! = 7! = 35 r! (n – r )! 3! ( 7 – 3 )! 3! 4! El tomar tres colores de 7 posibles no es suficiente para identificar las 42 partes del producto.