DOCUMENTO DE TRABAJO N.

10
Estadistica
ASIGNATURA

CDIGO

REQUISITO(S)

OBLIGATORIA/LECTIVA
ANUAL/SEMESTRAL
DIURNA/VESPERTINA
TERICO-PRCTICA/PRCTICA

CARCTER

PLAN DE ESTUDIO

HORAS SEMANALES

II. Aprendizajes Esperados:

Definir Variables aleatorias y su distribucin.
1. Identificar Variables aleatorias y su distribucin, Tipos de variables
aleatorias
2. Diseo de funcin de probabilidad y de distribucin, variable aleatoria
discreta.
3. Clcular e interpretar: la esperanza, y la varianza

III. Sntesis esquemtica de Contenidos

IV. Actividades ( individuales o grupales)

1)

Se observ que el 40% de los vehculos que cruzan determinado puente

son camiones comerciales. Cuatro vehculos van a cruzar el puente en el

siguiente minuto.
a)

Determinar la distribucin de probabilidad para el nmero de camiones

comerciales entre los cuatro, si los tipos de vehculos son independientes entre
s.
b)

Determinar las funciones de distribucin a F(x) .

c)

Representar grficamente.

2)

Los registros de ventas diarias de una empresa fabricante de

computadoras muestran que se vendern 0, 1 2 sistemas centrales de

cmputo con sus probabilidades segn la tabla:

Nmero de ventas: 0
Probabilidad:

a)

1
0,7

2
0,2

0,1

Determinar la distribucin de probabilidad del nmero de ventas en un

perodo de 2 das, suponiendo que las ventas son independientes de un da a

otro.
b)

Calcular la probabilidad de que al menos se formalice una venta en un

perodo de 2 das.

3)

En una caja hay 10 bolitas blancas y 15 azules. Se extrae una muestra

eligiendo al azar sucesivamente, sin reposicin, 3 bolitas. Sea la variable

aleatoria X = cantidad de bolitas blancas en la muestra.
a)

Determinar el recorrido de la variable X y la funcin de probabilidad.

b)

Calcular la probabilidad de que se elijan a lo sumo 2 bolitas blancas.

c)

Si se sabe que se eligieron a lo sumo 2 bolitas blancas, cul es la

probabilidad de que se haya elegido exactamente una blanca?

4)

Dada la siguiente funcin de distribucin a izquierda, determinar la

funcin de probabilidad puntual.

0 x0
0,040 x 1

F(X)
0,361 x 2
1 2 x

Ejercicio 1:
Se lanzan dos dados:
a. Cul es la probabilidad de obtener una suma de puntos igual a 7?
b. Si la suma de puntos ha sido 7, cul es la probabilidad de que en
alguno de los dados haya salido un tres?
Solucin
Sean los sucesos A="la suma de los puntos es 7" y B="en alguno de los dados
ha salido un tres".
a. Los casos posibles al lanzar dos dados son 36 y los casos favorables al
suceso A son los seis siguientes: (1,6); (2,5); (3,4); (4,3); (5,2) y (6,1).
Por tanto, P( A) = 6/36=1/6
b. En este caso, el suceso B/A es salir en algn dado 3, si la suma ha sido
7. Observamos que esta situacin ocurre en las parejas (3,4) y (4,3). Por
tanto, P( B/A )=2/6=1/3
Ejercicio 2:
Se consideran dos sucesos, A y B, asociados a un experimento aleatorio con
P(A)=0.7; P(B)=0.6; P(

)=0.58.

a. Son independientes A y B?
b. Si M

A, cul es el valor de P(

)?

Solucin
a. Para ver si son independientes, comprobaremos si P( A
B)
P(

Por tanto,
Por otro lado,

P(A

) = P[(A

B) = 1 - P(

B)c] = 1 - P(A

B ) = P( A ) P(

B)

) = 1 -0.58 = 0.42

P( A ) P( B ) = 0.7 0.6 = 0.42

Luego, A y B son independientes, pues

0.42

b. M

P( A

B ) = P( A ) P( B ) =

. Por tanto,

Ejercicio 3:
Una compaa dedicada al transporte pblico explota tres lneas de una ciudad,
de forma que el 60% de los autobuses cubre el servicio de la primero lnea, el
30% cubre la segunda y el 10% cubre el servicio de la tercera lnea. Se sabe
que la probabilidad de que, diariamente, un autobs se avere es del 2%, 4% y
1%, respectivamente, para cada lnea. Determina la probabilidad de que, en un
da, un autobs sufra una avera.
Solucin
El suceso "sufrir una avera" (Av) puede producirse en las tres lneas, (L1, L2, L3).
Segn el teorema de la probabilidad total y teniendo en cuenta las
probabilidades del diagrama de rbol adjunto, tenemos:
P(Av) = P(L1) P(Av/L1) + P(L2) P(Av/L2) + P(L3) P(Av/L3) =
= 0.6 0.02 + 0.3 0.04 + 0.1 0.01 =
= 0.012 +
0.012 + 0.001 = 0.025

Ejercicio 4:
Una empresa del ramo de la alimentacin elabora sus productos en cuatro
factoras: F1, F2, F3 y F4. El porcentaje de produccin total que se fabrica en

cada factora es del 40%, 30%, 20% y 10%, respectivamente, y adems el

porcentaje de envasado incorrecto en cada factora es del 1%, 2%, 7% y 4%.
Tomamos un producto de la empresa al azar. Cul es la probabilidad de que se
encuentre defectuosamente envasado?
Solucin
Llamando M = "el producto est defectuosamente envasado", se tiene que este
producto puede proceder de cada una de las cuatro factoras y, por tanto,
segn el teorema de la probabilidad total y teniendo en cuenta las
probabilidades del diagrama de rbol adjunto, tenemos:

P(M) = P(F1) P(M/F1) + P(F2) P(M/F2) + P(F3) P(M/F3) + P(F4) P(M/F4) =

= 0.4 0.01 + 0.3 0.02 + 0.2 0.07 + 0.1 0.04 =
= 0.004 + 0.006 + 0.014 + 0.004 = 0.028
Ejercicio 5:

Se tiene una urna vaca y se lanza una moneda al aire. Si sale cara, se
introduce en la urna una bola blanca y si sale cruz, se introduce una bola
negra. El experimento se repite tres veces y, a continuacin, se introduce la
mano en la urna, retirando una bola. Cul es la probabilidad de que en la urna
queden una bola blanca y otra negra?
Solucin
Llamamos B = "obtener bola blanca" y N = "obtener bola negra". En el
diagrama de rbol pueden verse las configuraciones posibles de las urna,
despus del lanzamiento de las monedas y las urnas finales, as como las
probabilidades para cada una de ellas. Atendiendo a la notacin expresada en
el diagrama de rbol y segn el teorema de la probabilidad total, se obtiene:

P(BN) = P(BN BBN) + P(BN BNN) = P(BBN) P(BN/BBN) + P(BNN)

P(BN/BBN) =
= 3/8 2/3 + 3/8 2/3 = 1/4 + 1/4 =

Ejercicio 6:
Se lanzan dos monedas al aire. Si salen dos caras, se extrae una bola de una
urna I, que contiene 2 bolas blancas y 3 negras. Si sale cara y cruz, se extrae
una bola de una urna II, que contiene 4 bolas blancas y 1 negra. Si salen dos
cruces, se extrae una bola de una urna III, que contiene 3 bolas blancas y 2
negras. Cul es la probabilidad de extraer bola blanca despus de lanzar las
monedas y sacar la bola?
Solucin

El diagrama de rbol muestra, primero, las probabilidades correspondientes a

la eleccin de la urna y, despus, a la extraccin de la bola.
La probabilidad total de sacar bola blanca la calculamos caminando por todas
las ramas que terminan en sacar bola blanca.

P(B) = P(B/UI) P(UI) + P(B/UII) P(UII) + P(B/UIII) P(UIII) =

= 2/5 1/4 + 4/5
2/4 + 3/5 1/4 = 13/20

Ejercicio 7:
Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del
total de las piezas producidas en una fbrica. Los porcentajes de produccin
defectuosa de estas mquinas son del 3%, 4% y 5%.
a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea
defectuosa.
b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la
probabilidad de haber sido producida por la mquina B.
c. Qu mquina tiene la mayor probabilidad de haber producido la citada
pieza defectuosa?
Solucin
Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La
informacin del problema puede expresarse en el diagrama de rbol adjunto:

a. Para calcular la probabilidad de que la pieza elegida sea defectuosa,

P(D), por la propiedad de la probabilidad total,
P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) =
= 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038

b. Debemos calcular P(B/D). Por el teorema de Bayes,

c. Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya

calculado. Aplicando el teorema de Bayes, obtenemos:

La mquina con mayor probabilidad de haber producido la pieza

defectuosa es A

Ejercicio 8:
Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1
negra y C con 2 bolas rojas y 3 negras. Escogemos una urna al azar y
extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de haber
sido extrada de la urna A?
Solucin
Llamamos R= "sacar bola roja" y N= "sacar bola negra". En el diagrama de
rbol adjunto pueden verse las distintas probabilidades de ocurrencia de los
sucesos R o N para cada una de las tres urnas.

La probabilidad
teorema de

V. Evaluacin de la actividades

pedida es P(A/R). Utilizando el

Bayes, tenemos:

VI. Sntesis de los contenidos :

VARIABLE ALEATORIA

OBJETIVOS:

TEMAS:

1. Variable aleatoria discreta, Funcin de probabilidad, y de distribucin de

una variable aleatoria discreta ejemplos.
2. Clculo e interpretacin de la Esperanza, Varianza, ejemplos

Variables aleatorias.

Introduccin
Una variable aleatoria es toda ley que asocia a cada elemento del
espacio muestral un nmero real. Esto permite sustituir los resultado de una
prueba o experimento por nmeros y los sucesos por parte de conjunto de
nmeros reales. Una variable aleatoria presenta dos caractersticas
importantes:

Variables aleatorias y su distribucin

1) Una coleccin (conjunto) de valores posibles al que llamamos imagen de la

variable aleatoria (antes lo llambamos espacio muestral).

2) Una probabilidad asociada a los posibles resultados la cual queda

expresada mediante una funcin de probabilidad.
Tipos de variables aleatorias
Las variables aleatorias que tienen un conjunto de posibles valores
discreto, se llaman discretas. Estas variables son el resultado de contar .
Por otra parte, las variables aleatorias cuyos valores posibles se
encuentran en cualquier parte de un intervalo, se llaman continuas. Estas
variables son el resultado de medir.
Denotamos con letras maysculas a las variables aleatorias y con
minsculas a los valores que contemplamos para ellas.

Variables aleatorias discretas.

Sabes que esta variable nace de contar los resultado, es decir es
contable, podemos definir:

Funcin de Probabilidad f(x): Consideremos una v.a. discreta X, que toma

los valores x1, x2, ..., xn. Supongamos que conocemos la probabilidad de que la
variable X tome dichos valores, esto es: P(X=x1) = p1 , P(X=x2) = p2, P(X=x3) =
p3, ..., P(X=xn) = pn, en general P(X=xi) = pi para todo i = 1,2,....,n
La funcin de probabilidad f(x) de la v.a. X es la funcin que asigna a
cada valor xi de la variable su correspondiente probabilidad p i.

f : IR
x

IR
f ( x)

tal que

f ( x) P( X x )

Es decir, si P(X = xi ) es una funcin de probabilidad, y debe cumplir con:

1. 0 < P( X = xi ) < 1 para todo i = 1, 2, 3, ..., n. P(x) es una probabilidad, y

por lo tanto debe tomar valores entre 0 y 1.

P( X x ) 1
i

2.

es decir la suma de probabilidades repartidas entre todos

los valores de la variable debe ser igual a 1.

Funcin de Distribucin F(x): En muchas ocasiones no nos interesa tanto

conocer la probabilidad de que la v.a. X tome exactamente un determinado
valor xi, cuanto la probabilidad de que tome valores menores o iguales que un
cierto valor xi. En tales casos es necesario acumular los distintos valores de la
funcin de probabilidad hasta el valor deseado. Se trata de una nueva
aplicacin llamada funcin de distribucin.

Sea X una variable aleatoria discreta, cuyos valores se suponen ordenados de menor a
mayor. Se llama funcin de distribucin de la variable X, y se simboliza por F(x), a la
funcin
F : IR IR
x F ( x)

tal que

F ( x) P ( X x )

es decir, asocia a cada valor de la v.a. discreta la probabilidad acumulada hasta

ese valor (la probabilidad de que la v.a. tome valores menores o iguales a x i).

Propiedades

0 F ( x) 1
1. F(x) es una probabilidad por lo tanto
2. F(xk) = 0 para todo x < xk
3. F(xk) = 1 para todo x > xk

Esperanza, Varianza.

xi P( X xi )
i !

Esperanza o media:

2 ( xi x ) 2 P ( X xi )
i !

Varianza:

(x
i 1

x ) 2 P ( X xi )

Desviacin Estndar

Tanto la varianza como la desviacin tpica son medidas de dispersin, de tal

manera que cuanto menores son estos dos parmetros ms agrupados se encuentran los
valores de la distribucin entorno a los valores centrales. Por contra, para valores grandes
de la varianza o la desviacin tpica los datos de la distribucin se encuentran muy
dispersos.

Ejemplos:

1) Sea el espacio muestral , definidos por eventos en forma de tripleta

ordenado. Determine al sacar un suceso de y observar la cantidad de p :

( p, p, p )
( p, q, z )
( p, q, p )
( p, q, q )

( z , z , p ) ( z , p, z )
( q, q, p ) ( p, z , q )
( p, z , z ) ( p, p, z )
( z , p, z ) ( p, z , q )

a) Funcin de probabilidad a
travs
de una tabla

b) P(X 2) y la P(1<X) tal que

X: cantidad de p

Definimos la v.a. como X: cantidad de p, luego

X

P(X=x)

F(x)

0/12

9/12

9/12

2/12

11/12

1/12

n = 12

Para determinar el valor esperado o la media utilizamos la formular dada

xP ( X x) 0

0
9
2
1 86
1 2 1 7,167
12 12 12 12 12

Para la varianza se tiene que

2 ( x x) 2 P( X x ) (0 1,333) 2

0
9
2
1
(1 1,333) 2 (2 1,333) 2 (3 1,333) 2
12
12
12
12

0,389
Obviamente que la desviacin estndar ser

0,389 0,624

2) Por ejemplo si lanzamos 3 monedas al aire y a cada posible resultado de los

que hay le asociamos el nmero de caras obtenidas tenemos la siguiente
variable aleatoria discreta:

CCC 3
CCS 2
CSC 2
SCC 2
CSS 1
SCS 1
SSC 1
SSS 0

Con la notacin P(X = xi ) indicamos la probabilidad de que la variable aleatoria

X tome el valor xi.

En el ejemplo anterior de las monedas se tiene:

VII. Glosario

Links de inters