3.1 Definiciones Básicas de Probabilidad
3.1 Definiciones Básicas de Probabilidad
3.1 Definiciones Básicas de Probabilidad
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
1. Introducción
2. Presaberes
Lanzami
1 2 3 4 5 6 7 8 9 10
ento
Predicció
n
Resultad
o
Analiza:
Página 1 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
Página 2 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
3. Definiciones
Al lanzar una moneda no se puede saber con certeza el resultado que se obtendrá,
sin embargo, puede existir una forma de tener un parámetro sobre los resultados que
son más certeros y los que no. La rama de la matemática que estudia la forma de
representar con números la mayor o menor certeza de la ocurrencia de un resultado
para realizar predicciones se conoce como: probabilidad.
Ejemplo 1. Utilizando un dado, realiza una predicción respecto al número que se puede
obtener en cada lanzamiento de un total de 10. Luego realiza el experimento y escribe
los resultados en una tabla, así como lo hiciste en la actividad de presaberes.
Lanzami
1 2 3 4 5 6 7 8 9 10
ento
Predicció
n
Resultad
o
Analiza:
Página 3 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
1.
2.
b) Ejemplifica al menos 5 eventos simples
que pueden ocurrir en el experimento
3.
de lanzar 10 veces un dado y el
número que se obtiene.
4.
5.
c) Basado en los resultados obtenidos,
calcula la probabilidad experimental
que, al lanzar un dado, el número que
se obtenga sea primo.
Página 4 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
4. Probabilidad
1
Dos posibles resultados cara o corona → ¿
2
Ejemplo 2. Calcula la probabilidad de que al lanzar un dado caiga un número par (la
cantidad de puntos sea par). Considerando el espacio muestral S = {1, 2, 3, 4, 5, 6}.
2) Determina la probabilidad de que, al lanzar 2 dados, la suma de todos los puntos (de
ambos dados) sea 7.
Página 6 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
Problema Inicial 2. Se tira un dado una vez y se definen los siguientes eventos: A =
Cae 1, 2 o 3; B = 1, 3 o 5
n ( A ∪B ) n ( A ) +n ( B ) -n ( A ∩B ) n ( A ) n ( B ) n ( A ∩B )
P ( A∪ B ) = = = + - = P ( A ) +P ( B ) -P ( A ∩B )
n (S) n (S) n ( S ) n ( S ) n (S )
4 4 8 2
P ( A∪ B ) =P ( A ) +P ( B ) -P ( A ∩B )= + −0= =
52 52 52 13
Página 7 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
a) P(A ⋂ B)=
b) P(A ⋃ B)=
c) P(A ⋂ C) =
d) P(A ⋃ C)=
Página 8 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
P ( D ) =P [ ( D∩ A 1 ) ∪ ( D ∩A 2) ∪ ( D∩ A 3 ) ∪… ∪ ( D ∩ A n ) ]
P ( D ) =P ( D∩ A1 ) +P ( D∩ A2 ) +P ( D∩ A 3 ) +…+P ( D∩ An )
Ejemplo 4. Para una rifa se utilizan papeles de 4 colores diferentes, 1/6 de todos los
papeles están premiados. De todos los papeles premiados 1/18 son verdes, 1/36 son
rojos y 1/18 son morados. Determina la probabilidad de que, al extraer un papel de color
amarillo, este tenga premio.
1 1 1 1 1
P ( D ∩ A 4 ) = P ( D ) - P ( D∩ A 1 ) - P ( D∩ A 2 ) - P ( D ∩ A 3 )= − − − =
6 18 36 18 36
Página 9 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
Página 10 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
Axiomas de Kolmogórov
Solución:
a) b) c)
Página 11 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
Página 12 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
Además, P ( S ) =P ( A ∪ A c ) =P ( A ) +P ( A c ) ; P ( S ) = 1⇒ 1= P ( A ) +P ( A c ) ⇒P ( A ) =1-P ( A c )
5 3 125 91
c
Por lo tanto, P ( A ) =1-P ( A ) =1- ()
6
=1- =
216 216
1) La probabilidad de que una tuerca producida por una máquina sea defectuosa es
1/40, determina la probabilidad que la tuerca sea no defectuosa.
Página 13 de 14
Universidad Evangélica del El Salvador – Facultad de Ciencias
Empresariales y Económicas
Estadística General Grupo 2 – Mstro. Everth Guandique
a) P( Ac )=
b) 1- P( A c )=
c) P(A ⋃ A c )=
d) P(A ⋂ A c ) =
Página 14 de 14