UNIVERSIDAD PRIVADA ANTENOR ORREGO

FACULTAD DE INGENIERIA
ESCUELA PROFESIONAL DE INGENIERIA CIVIL

INFORME EXPOSICIÓN
SEMANA N° 14
“EXPERIMENTO, ESPACIO MUESTRAL- PROBABILIDAD-TIPOS DE
VARIABLES”

 CURSO:
GESTIÓN TECNOLÓGICA EMPRESARIAL

 PROFESOR:
ING. CHAVEZ DIAZ LUIS
 INTEGRANTES:
ARQUEROS BENITES JENNIFFER
CARDENAS RAMIREZ JHIM
RABELO HORNA JHON ALEXIS
SALGADO AGREDA OSCAR
SANTISTEBAN SANCHEZ CLAUDIA
ULLON RIOS ISABEL
 INDICE

I. INTRODUCCIÓN……………………………………………………………… pág.2
II. MARCO TEÓRICO ………………………………………………………………….
a) Experimento y Espacio Muestral ………………………………….pág.3-4
b) Sucesos Aleatorios ………………………………………………. pág.5-7
c) Probabilidades…………………………………………………… pág. 8-11
1. Tipos de Probabilidades…………………………………… Pág. 12-14
d) Tipos de Variables ……………………………………………. pág. 15-18
III. REFERENCIAS BIBLIOGRÁFICAS………………………….…………pág. 19

1
 I. INTRODUCCIÓN
En la vida cotidiana aparecen muchas situaciones en las que los resultados
observados son diferentes aunque las condiciones iniciales en las que se produce la
experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces
resultará cara y otra cruz. Estos fenómenos, denominados aleatorios, se ven
afectados por la incertidumbre.

En el lenguaje habitual, frases como "probablemente...", "es poco probable que...",

"hay muchas posibilidades de que..." hacen referencia a esta incertidumbre.

La teoría de la probabilidad pretende ser una herramienta para modelizar y tratar

con situaciones de este tipo. Por otra parte, cuando aplicamos las técnicas
estadísticas a la recogida, análisis e interpretación de los datos, la teoría de la
probabilidad proporciona una base para evaluar la fiabilidad de las conclusiones
alcanzadas y las inferencias realizadas.

El objetivo del Cálculo de Probabilidades es el estudio de métodos de análisis del

comportamiento de fenómenos aleatorios.

Aunque desde sus orígenes siempre han estado ligadas, es cierto que existe un
cierto paralelismo entre la estadística descriptiva y el cálculo de probabilidades,
como se puede apreciar en la siguiente tabla:

ESTADÍSTICA PROBABILIDAD
Variable Unidimensional Variable Aleatoria
Variable Bidimensional Vectores Aleatorio
Distribución de frecuencia Distribución de
Medias, momentos Probabilidades
Independencia Estadística Esperanza, Momentos
Serie Temporales Proceso Estocástico

En la actividad diaria nos encontramos con ciertos tipos de fenómenos que se

pueden reproducir un gran número de veces, en condiciones similares dando lugar a
un conjunto de dos o más posibles resultados. Estos fenómenos pueden ser de dos
tipos: determinanticos y aleatorios.

2
II. MARCO TEÓRICO

A. EXPERIMENTOS Y ESPACIO MUESTRAL

Si dejamos caer una piedra o la lanzamos, y conocemos las condiciones iniciales

de altura, velocidad, etc., sabremos con seguridad dónde caerá, cuánto tiempo
tardará, etc. Es una experiencia determinista. Si echamos un dado sobre una
mesa, ignoramos qué cara quedará arriba. El resultado depende del azar. Es
una experiencia aleatoria.

La vida cotidiana está plagada de sucesos aleatorios. Muchos de ellos, de tipo

sociológico (viajes, accidentes, número de personas que acudirán a un gran
almacén o que se matricularán en una carrera...) aunque son suma de muchas
decisiones individuales, pueden ser estudiados, muy ventajosamente, como
aleatorios.

A la colección de resultados que se obtiene en los experimentos aleatorios se le

llama espacio muestral.

1. EXPERIMENTO: Proceso mediante el cual se obtiene un dato u observación

ya sea cualitativa o cuantitativa y se puede clasificar en dos tipos
determinístico o probabilístico.
 Experimento Determinístico: cuando ya se sabe que dato se va a
generar bajo ciertas condiciones.
Ejemplo:
 Extraer una bola de una urna que sólo contiene bolas rojas es
un experimento determinista ya que podemos predecir que la
bola extraída será roja.
 Calentar agua a altas temperaturas es un
experimento determinista ya que sabemos, con toda
seguridad, que el agua hervirá a partir de determinada
temperatura.

3
  H2O Agua

 Experimento Probabilístico: Cuando se tiene un conjunto de

posibles resultados y no se sabe cuál va a ocurrir.

Ejemplo:
 Lanzar una moneda es un experimento aleatorio ya que no
sabemos si obtendremos cara o cruz.
 Lanzar un dado es un experimento aleatorio ya que no
podemos predecir el número que obtendremos.

2. ESPACIO MUESTRAL: Es el conjunto de los resultados posibles de un

experimento aleatorio. Denotaremos el espacio muestral de un experimento
con E o Ω.
Ejemplo:
 El espacio muestral del lanzamiento de una moneda es

E= {cara, cruz}

Ya que éstas son las dos únicas posibilidades.

 El espacio muestral del lanzamiento de un dado es

E= {1, 2, 3, 4, 5,6}

Pero también puede ser

E= {par, impar}

Nótese que, dependiendo de lo que nos interese, el espacio muestral será de una
forma u otra.

4
Por ejemplo, en el lanzamiento de un dado puede interesarnos la paridad del
resultado obtenido (es decir, si el número que ha salido es par o impar) o puede
simplemente interesarnos el número que ha salido.

3. Sucesos Aleatorios: Concepto de suceso aleatorio y sus tipos: seguro,

imposible, dependiente, independiente, compatible e incompatible.
 Un suceso aleatorio es un elemento del espacio muestral. Es decir, cada
uno de los posibles resultados de un experimento aleatorio es un suceso
aleatorio.

Ejemplo:

En el lanzamiento de una moneda, los sucesos aleatorios son:

 sale cara
 sale cruz

 Decimos que un suceso aleatorio es un suceso imposible si nunca puede

ocurrir.

Ejemplo:

En el lanzamiento de un dado, los siguientes sucesos son imposibles:

 sacar un 8
 sacar un número mayor que 6

En contraposición,

 Decimos que un suceso aleatorio es un suceso seguro si siempre ocurre.

Ejemplo:

En el lanzamiento de un dado, los siguientes sucesos son seguros:

 sacar un número mayor que 0

 sacar un número menor que 7

5
Finalmente, clasificamos los sucesos aleatorios según la relación que existe entre
ellos en dependientes o independientes y en compatibles o incompatibles.

 Decimos que dos o más sucesos aleatorios son sucesos

independientes cuando la posibilidad de que ocurra uno de ellos no está
condicionada por la probabilidad de que ocurra el otro (o los otros).

En caso contrario, decimos que los sucesos son sucesos dependientes.

Ejemplo:

 Sucesos independientes:

Si lanzamos dos dados (dado A y dado B), la probabilidad del suceso “Sacar

un número par” en el dado B no se ve afectada por lo que salga en el dado A.

 Sucesos dependientes:

Tenemos una urna con 10 bolas numeradas del 1 al 10.

Realizamos una extracción (bola A) y después, sin reponer la bola extraída,

realizamos otra extracción (bola B).

Entonces, el suceso “Sacar un número par” está condicionado por la

extracción de la primera bola (bola A) ya que será menos probable que
ocurra si la primera bola extraída es un número par.

6
Decimos que dos sucesos, A y B, son sucesos contrarios si no pueden darse al
mismo tiempo.

Ejemplo:

En el lanzamiento de un dado, los sucesos

 Suceso A:

A = "sacar un número par"

 Suceso B:

B = "sacar un número impar"

Son sucesos contrarios ya que si el número que sacamos es par (suceso A),

entonces no puede ser impar (suceso B) y viceversa.

 Operaciones con sucesos.

Dados dos sucesos, A y B, se llaman:

 es el suceso formado por

Unión todos los elementos de A y todos los
elementos de B.

 es el suceso formado por

Intersección todos los elementos que son, a la
vez, de A y de B.

 es el suceso formado por

Diferencia todos los elementos de A que no son
de B.

7
 El suceso  =E - A se llama suceso
Suceso contrario
contrario de A.

B. PROBABILIDADES

 Definición de Probabilidad.

Las probabilidades constituyen una rama de las matemáticas que se

ocupa de medir o determinar cuantitativamente la posibilidad de que un
suceso o experimento produzca un determinado resultado. La
probabilidad está basada en el estudio de la combinatoria y es
fundamento necesario de la estadística.

La creación de la probabilidad se atribuye a los matemáticos franceses del

siglo XVII Blaise Pascal y Pierre de Fermat, aunque algunos matemáticos
anteriores, como Gerolamo Cardano en el siglo XVI, habían aportado
importantes contribuciones a su desarrollo.

La probabilidad matemática comenzó como un intento de responder a

varias preguntas que surgían en los juegos de azar, por ejemplo saber
cuántas veces se han de lanzar un par de dados para que la probabilidad
de que salga seis sea el 50 por ciento.

La probabilidad de un resultado se representa con un número entre 0 y 1,

ambos inclusive. La probabilidad 0 indica que el resultado no ocurrirá
nunca, y la probabilidad 1 que el resultado ocurrirá siempre. Los
problemas más sencillos estudian la probabilidad de un suceso favorable
en un experimento o acontecimiento con un número finito de resultados,
todos ellos con igual probabilidad de ocurrir.

Un experimento aleatorio se caracteriza porque repetido muchas veces y

en idénticas condiciones el cociente entre el número de veces que
aparece un resultado (suceso) y el número total de veces que se realiza el
experimento tiende a un número fijo. Esta propiedad es conocida

8
 como ley de los grandes números, establecida por Jakob Bernouilli.
Tiene el inconveniente de variar la sucesión de las frecuencias relativas
de unas series de realizaciones a otras, si bien el valor al que se
aproximan a medida que el número de realizaciones aumenta se
mantiene estable.

La frecuencia relativa del suceso A:


Propiedades de la frecuencia relativa:

o 0 fr (A) 1 cualquiera que sea el suceso A.

o fr( ) = fr(A) + fr(B)   si   = Ø.

o fr(E) = 1   fr(Ø) = 0.

Esta definición presenta el inconveniente de tener que realizar el experimento

un gran número de veces y además siempre obtendremos un valor
aproximado de la probabilidad.

“Probabilidad de un suceso es el número al que tiende la frecuencia relativa

asociada al suceso a medida que el número de veces que se realiza el
experimento crece.”

 Definición axiomática.

La definición axiomática de probabilidad se debe a Kolmogorov, quien

consideró la relación entre la frecuencia relativa de un suceso y su
probabilidad cuando el número de veces que se realiza el experimento es
muy grande.

9
 Sea E el espacio muestral de cierto experimento aleatorio. La Probabilidad de
cada suceso es un número que verifica:

1. Cualquiera que sea el suceso A, P(A)  0.

2. Si dos sucesos son incompatibles, la probabilidad de su unión es igual a la
suma de sus probabilidades.

 = Ø   P( ) = P(A) + P(B).

3. La probabilidad total es 1. P(E) = 1.

 Definición de Laplace.

En el caso de que todos los sucesos elementales del espacio

muestral E sean equiprobables, Laplace define la probabilidad del
suceso A como el cociente entre el número de resultados favorables a que
ocurra el suceso A en el experimento y el número de resultados posibles del
experimento.

 Propiedades de la probabilidad

1. La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la

probabilidad del suceso contrario es:

 p(A) = 1 – p(A)

2. Probabilidad del suceso imposible es cero.

 p(∅) 0

10
  

3. La probabilidad de la unión de dos sucesos es la suma de sus probabilidades

menos la probabilidad de su intersección.

 p(A ∪ B) = p(A) + p(B) – p(A∩B)

 

4. Si un suceso está incluido en otro, su probabilidad es menor o igual a la de éste.

 A ⊂ B ⇒ p(A) ≤ p(B)

Si A está incluido en B entonces la probabilidad de A es menor o igual que

la probabilidad de B.

5. Si A1, A2,..., Ak son incompatibles dos a dos entonces:

 p(A1 ∪ A2 ∪ ... ∪ Ak) = p(A1) + p(A2) + ... + p(Ak)

 

6 Si el espacio muestral E es finito y un suceso es S = {x 1, x2, ..., xn} entonces:

 p(S) = p(x1) + p(x2) + ... + p(xn) 

Ejemplo:

 La probabilidad de sacar par, al tirar un dado, es:

 P(par) = P(2) + P(4) + P(6)

11
  TIPOS DE PROBABILIDADES

La palabra probabilidad obedece a un término típico de las estadísticas, acorde a su

raíz etimológica, esta alude a la cualidad que se tiene para probar algo.

La misma obedece a la cantidad de posibilidades afirmativas o bien negativas de

que exista un hecho, o bien de que este vaya a suceder, la probabilidad refiere solo
a la existencia no infiere en nada con los resultados.

1) Frecuencial.

Esta se determina acorde a la frecuencia de ocurrencia de un fenómeno, en un

número determinado de eventos auto realizado, donde se procede a llevar la
anotación de las mismas frecuencias.

Por ejemplo, se toma una chapa y se lanza 20 veces al aire, se anota las veces que
la misma ha caído con la cara hacia abajo y las veces que la misma ha caído con la
cara hacia arriba.

2) Matemática.

Obedece a un conjunto de operaciones aritméticas que se lleva a cabo, las cuales

ameritan que se calculen en cifras los eventos aleatorios que pueden suceder en un
determinado campo.

Utilizando el ejemplo anterior, se calcularían las veces en las cuales la chapa cae
boca arriba o bien boca abajo.

3) Binomial.

En este caso, se calcula la posibilidad de éxito o de fracaso de un determinado acto,

de modo tal, que el cálculo va a residir en la cualidad de ocurrencia o no del
fenómeno.

12
 4) Objetiva.

Se conocen de antemano las frecuencias, de forma tal, que solo se conocerán los
casos probables en los que sucederá un fenómeno.

Es decir, acorde a esta probabilidad las condiciones necesarias para la existencia

del hecho ya son previamente conocidas, solamente se determinará un valor
aproximado para los casos posibles en que pueda acontecer el hecho.

5) Geométrica.

Muchos la han catalogado como un subtipo de la probabilidad matemática, y es

aquella en la cual, los científicos pueden conocer con exactitud las veces o casos
favorables en los que puede darse un evento.

6) Subjetiva.

Se contrapone a la probabilidad matemática, ya que en esta, solo es posible de

determinar por ciertas eventualidades, que pueden arrogar cierto grado de
posibilidad en la ocurrencia del hecho.

Ejemplo de ello, son las probabilidades que las personas citan en la vida cotidiana,
como es el caso, de indicar que existen probabilidades de que llueva de noche
cuando el cielo se ve despejado.

Tal probabilidad, se funda en evidencias previas de noches que por coincidencia el

cielo está despejado y llovió, pero no por ello, se puede establecer una probabilidad
certera.

7) Hipergeométrica.

Aquella que se realiza acorde a la técnica del muestreo, es decir, la ocurrencia de

los eventos se clasifica por la frecuencia de su acontecimiento, creándose así una
serie de grupos de eventos determinados por su aparición.

Por ejemplo, se lanza un dado, y se anota las veces que sale cada una de sus
caras, hasta establecer una frecuencia de aparición de cada una de estas.

13
 8) Poisson.

Mecanismo de cálculo de probabilidades más complejos, ya que pretende

determinarlas en espacio y en tiempo también.

9) Lógica.

Establece la posibilidad de ocurrencia de un hecho de forma inductiva, con arreglo a

las leyes de la lógica.

10)Condicionada.

En este caso, se establece la relación de causalidad entre dos hechos, ya que solo
es posible determinar la ocurrencia de uno, si el otro ha sucedido de forma previa.

Es decir, para que suceda tal acción, es menester que otra se haya producido con
anterioridad.

11)De intersección y De la unión.

En este caso, se analiza la relación que puede establecerse entre dos hechos, es
decir, se selecciona un evento y otro, siendo posible considerar la existencia de un
tercer hecho, si estos dos suceden.

Es decir, al igual que la condicionada, se sujeta la existencia de un evento siempre y

cuando dos de los que le antecedan sucedan por igual.

12)De espacio muestral.

Son todos los resultados que un experimento aleatorio ha arrogado, estos se

aglomeran en uno solo, acorde a la cantidad de frecuencias de eventos y la
contribución de estos a los resultados positivos y deseados.

13)Clásica.

14
Es aquella que establece la regla de las probabilidades, conforme a la cual, la
cantidad de eventos que sucedan de forma positiva, será la misma cantidad que
favorezca los resultados deseados.

14)Simple o Compuesta.

Aquellas en las que se determinan la posibilidad o no de ocurrencia de un

determinado evento.

C. TIPOS DE VARIABLES

Variable estadística:

Característica o atributo que se mide en los individuos (seres u objetos) de una

población. Ej., años de edad, talla, estado civil, el peso de la ganadería ovina,
diámetro de una pieza, etc. Se distinguen dos tipos principales de variables:
cuantitativas y cualitativas.

Variable aleatoria:

Una variable aleatoria es una función que asocia un número real con cada
elemento del espacio muestral.

Esta función se llama variable porque puede tomar diferentes valores, y se llama
también aleatoria porque los valores que toma son al azar, y es medible porque se
puede calcular su probabilidad.

Los estadísticos utilizan planes de muestreo ya sea para aceptar o para rechazar
lotes de materiales. Suponga que uno de los planes de muestreo implica el
muestreo independiente de 10 artículos de un lote de 100 de ellos.

Sea X la variable aleatoria definida como el número de artículos que están

defectuosos en la muestra de 10. En este caso, la variable aleatoria toma los
valores 0, 1,…, 9, 10.

15
Variable cuantitativa

Miden alguna cualidad o atributo “cuantificable” de los individuos. (Valor numérico)

Variables discretas:

Al ser numerables, pueden tomar una serie de valores determinados

Variable cuantitativa

Por ejemplo, el número de cabezas de ganado de una explotación puede ser 50 ó

51 pero no 50,5.

Media, varianza y desviación estándar

V. A. DISCRETA Y CONTINUA

Se llama variable aleatoria (v.a.) a toda aplicación que asocia a cada elemento del
espacio maestral (S) de un experimento, un número real.

X:S→R

Ejemplo: Se realiza un experimento en un laboratorio cuyo resultado puede ser

positivo o negativo. Construir el espacio muestral y dar una v.a. asociada al
experimento.

S = {Positivo, Negativo} X ( Positivo ) = 1

16
X es una variable aleatoria X ( Negativo ) = 0

La distribución de probabilidad de una v.a. es una función que asigna a cada

valor posible de dicha v.a. una probabilidad

Ejemplo. Experimento en un laboratorio

P{X = 1} = P {positivo}

Ejemplo. X : “Bacterias de tipo A en una pipeta”

P {1000 ≤ X ≤ 1500} = P(A)

Variable aleatoria discreta

Función de densidad

Dada una v.a. discreta X llamaremos función de densidad de probabilidad a aquella

que asocia una probabilidad puntual a cada valor de la v.a.

f (x) = P (X = x)

f (x) ≥ 0 para todo real x

Σx f (x) = 1

Función de distribución (acumulada)

Dada X una v.a. discreta llamaremos función de distribución de X a la función que

indica su probabilidad acumulada.

F (x) = P(X ≤ x) = Σ i ≤ x f (xi)

Función de densidad conjunta

1. f (x, y) ≥ 0

2. Σ x Σ y f (x, y) = 1

3. P(X = x, Y= y) = f (x, y)

Función de densidad marginal

4. f x (x) = P(X = x) = Σ y f (x, y)

17
 5. f y (y) = P(Y = y) = Σ x f (x, y)

Valor esperado, varianza, covarianza y correlación

μ = E (x) = Σx x* f (x)

V (X) = E (x2) – (E (x ))2 = Σ x2 f (x) - (E (x ))2

Cov (X, Y) = E (XY) – E (X) E (Y) = Σx Σy xy f (x, y) - E (X) E (Y)

18
III. REFERENCIA BIBOGRÁFICAS

Bibliografía
Pérez, J. M. (2004). PROBABILIDAD. En J. M. Pérez, ESTADISTICA I : PROBABILIDAD (págs. 27-67).
MARID , ESPAÑA: Ediciones Paraninfo, S.A.

SEDA, J. (28 de JUNIO de 1998). https://thales.cica.es/. Obtenido de https://thales.cica.es/:

https://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html

https://webcache.googleusercontent.com/search?q=cache:YnUcnHW7JQMJ:https://
www.uaeh.edu.mx/docencia/archivos/Distribucion_de_probabilidad_conjunta.pptx+&cd=4&hl=es-
419&ct=clnk&gl=pe

19