UNIVERSIDAD CENTROCCIDENTAL

LISANDRO ALVARADO
DECANATO DE CIENCIAS Y TECNOLOGA
DEPARTAMENTO DE INVESTIGACIN DE
OPERACIONES Y ESTADSTICA

Autora: Rosmery Rodrguez C.

Julio de 2014.

CONTENIDO
Introduccin..

Competencias....

Contenidos Previos

Variables Aleatorias...

Tipos de Variables Aleatorias...

Variable Aleatoria Discreta

Distribucin de Probabilidad de una Variable Aleatoria Discreta.

Problemas de Distribucin de Probabilidad de una Variable Aleatoria

Discreta..
Distribucin de Probabilidad Acumulada de una Variable Aleatoria
Discreta..
Problemas de Distribucin de Probabilidad Acumulada de una Variable
Aleatoria Discreta.

11

19

23

Valor Esperado de una Variable Aleatoria Discreta.

29

Problemas del Valor Esperado de una Variable Aleatoria Discreta.

32

Propiedades del Valor Esperado..

36

Varianza de una Variable Aleatoria Discreta

39

Problemas de la Varianza de una Variable Aleatoria Discreta.

41

Propiedades de la Varianza..

46

Desviacin Estndar de una Variable Aleatoria Discreta.

47

Problema de la Desviacin Estndar de una Variable Aleatoria

Discreta..

48

Problemas Propuestos

51

Bibliografa

53

INTRODUCCIN

La estadstica en la actualidad, se ha convertido en una herramienta importante e

indispensable por sus mtodos, procedimientos y conceptos en la generacin de
conocimiento, en muchas reas del saber, entre las que se encuentran, la economa,
ciencia de la salud, en las industrias, ciencias sociales y de ellas en particular en la
educacin.
Ahora bien, entre la diversidad de concepto que la estadstica (haciendo alusin
a la estadstica inferencial) contempla, fundamental es abordar lo referente al estudio
de las Variables Estadsticas. Recordemos que ella establece que a cada valor de la
variable le corresponde una frecuencia, que puede ser expresada como una frecuencia
relativa o porcentual. Reflejando lo significante e indispensable que es conocer la
Variable Aleatoria y sus funciones de probabilidad, el cual se ha convertido en una
herramienta necesaria para la toma de decisin en situaciones donde interviene la
incertidumbre. En el caso de Variable Aleatoria Discreta le hacemos corresponder a
cada valor de la variable, la probabilidad que ese valor ocurra.
A continuacin se presenta el siguiente material didctico dirigido a docentes y
estudiantes para el desarrollo del contenido correspondiente a la asignatura Elementos
Estadsticos (Estadstica I), contentiva de actividades y componentes necesarios para
la comprensin y aplicacin del concepto de Variable Aleatoria Discreta, ejemplos,
problemas y tips de ayuda que permitirn desarrollar los conocimientos esperados.
El material ser de gran utilidad, puesto que conduce a estudiantes y docentes a
utilizar diferentes estrategias que podrn ser aplicadas en el aula de clase durante los
procesos de enseanza y aprendizaje. El recurso propone desarrollar el contenido de
Variable Aleatoria Discreta en cuatro sesiones de clase.

COMPETENCIAS

Aplicar la Unidad Didctica como herramienta en el proceso de enseanza y

de aprendizaje basada en la Resolucin de Problemas sobre Variable Aleatoria
Discreta a los estudiantes de Elementos Estadsticos.
El estudiante con la Unidad ser capaz de

Conocer y manejar el concepto de Variable Aleatoria Discreta

Representar y encontrar la Distribucin de Probabilidad de una Variable

Aleatoria Discreta

Encontrar la funcin de Distribucin de Probabilidad Acumulada de una

Variable Aleatoria Discreta

Calcular el promedio (Valor Esperado) de una Variable Aleatoria

Discreta

Calcular la Varianza de una Variable Aleatoria Discreta

Conocer los distintos mtodos de resolucin de problemas de una

Variable Aleatoria Discreta

Reconocer y resolver problemas cotidianos donde se utilicen la Variable

Aleatoria Discreta.

Participar activamente en la solucin de problemas de Variable Aleatoria

Discreta planteadas en clases.

Observar la aplicacin en muchos campos de la ciencia, economa y

procesos rutinarios de la vida cotidiana.

Contenidos Previos
Antes de iniciar la Unidad debes recordar lo siguiente:

Fases de Polya
Experimento Aleatorio
Espacio Muestral
Probabilidad
Tcnicas de Conteo.

VARIABLE ALEATORIA

RECORDEMOS:
La estadstica se ocupa de realizar inferencias acerca de las caractersticas de
una determinada poblacin, para esto se llevan a cabo experimentos cuyos
resultados son productos de una muestra tomada al azar.
Pero es ms conveniente trabajar con la poblacin, es por ello que se ve la
necesidad de crear otros medios, los cuales nos invitan a estudiar de entrada el
concepto de Variables Aleatorias, el cual se define:
.
Una Variable cuyos valores se determinan sobre los resultados de un
experimento aleatorio se llama Variable Aleatoria.
Las Variables Aleatorias se simbolizan por una letra mayscula como X (Y Z), y los
valores que toma la variable con x (y z).
Adems se puede decir, que es una funcin de valores reales definida en un espacio
muestral la cual le asigna a los eventos de un espacio muestral un nmero real. Se
puede denotar por

En clculo definimos la funcin como

f:XY y se representa en el diagrama
de ven igual se hace aqu

X(r)

Tipos de Variable Aleatoria.

Variable Aleatoria Discreta: Sea X una Variable Aleatoria. Si el nmero

de valores posibles de X (esto es Rx el recorrido) es finito o infinito
numerable, llamamos a X una Variable Aleatoria Discreta. Esto es, se
pueden anotar los valores posibles de X como x1, x2,,xn, . En el caso
finito la lista termina y en el caso infinito numerable la lista contina
indefinidamente. (Meyer, P).

Donde xi son los valores que toma la Variable

Aleatoria Discreta.
Tambin se puede definir de la siguiente manera,
Variable Aleatoria Discreta: es una funcin definida sobre el espacio muestral S
que asigna nicamente valores discretos o valores numricos naturales. Adems, se
puede decir que el recorrido de la Variable Aleatoria Discreta son los nmeros
enteros positivos.

Variable Aleatoria Contina: es una funcin definida sobre el espacio

muestral S que asigna valores continuos, es decir, valores numricos reales.
As el recorrido de la Variable Aleatoria Continua es un intervalo real.

EJEMPLO:
1. En una Universidad de 1500 estudiantes, elegimos uno de estos al azar
(Experimento Aleatorio) y anotamos su edad (Variable Aleatoria Discreta),
medimos la estatura (Variable Aleatoria Continua) y registramos el nmero de
aprobados en cierta asignatura (Variable Aleatoria Discreta).

Ahora trabajemos con la Variable Aleatoria Discreta

EJEMPLO:
2. Se esta interesado en el nmero de permisos de construccin que se
emiten cada mes en la ciudad. Cul ser la Variable?
Solucin.
X: nmero de permisos de construccin que se emiten cada mes en la
ciudad
Es una Variable Discreta puesto que toma valores contables.
3. Consideremos, el Experimento Aleatorio que consiste en lanzar dos
monedas y se est interesado en el nmero de caras que pueden caer.
Solucin:
espacio
muestral
Es una Variable
y asociada
con laPrimero
variabledefinamos
aleatoria el
hay
una funcin
de probabilidadinforma
de la
Aleatoria
probabilidad de que X tome un determinado va
S={CC, CX, XC, CC}, en donde C: cara y X: sello.
Discreta, puesto
que sus valores
Definamos la Variable Y: El nmero de Caras.
son contables y
Asi, Y(w) = nmero de caras que aparecen.
admite salto entre
un valor y otro

CC=2 esto es, la cantidad de caras que hay en ese resultado

CX=1= XC observamos una cara.
XX=0, en este caso no observamos ninguna cara.
Esto es, Y(CC)=2, Y(CX)=Y(XC)=1 y Y(XX)=0
Es decir que la Variable Y toma los valores y=0,1 y 2
Grficamente,

ACTIVIDADES:
1. En las siguientes premisas, identifique la Variable Aleatoria
Nmero de pginas de un libro

Tiempo que tarda en fundirse una bombilla

Nmero de preguntas en una clase de una hora

cantidad de agua consumida en un mes

2. En el siguiente problema defina la Variable e identifique que tipo es, y

encuentre los posibles valores que toma esta.
Tenemos una caja, con pelotas de varios colores, el cual est comprendida por, dos
blancas, tres verdes y cinco rojas. Se selecciona al azar dos pelotas
simultneamente. Estamos interesados en el nmero de pelotas verdes
seleccionadas.

UN POCO DE HISTORIA
Suele ocurrir que la formacin de los conceptos cientficos ocurre antes de que
sean comprendidos totalmente.
Eso tambin fue lo que pas con el concepto de variable aleatoria, uno de los
pilares bsicos de la teora de probabilidad moderna.
El concepto de variable aleatoria estuvo presente de forma encubierta casi
desde el principio de la teora de probabilidad. Como lo fue en el caso de Huygens en
uno de los problemas de su libro, introdujo una variable aleatoria que sigue una
distribucin hipergeomtrica.
Galileo habl de los errores aleatorios que no se pueden predecir y que varan
de medida en medida, en realidad se refera a que esos errores son una variable
aleatoria de distribucin desconocida.
Bernoulli enunci su ley de los grandes nmeros, al contabilizar el nmero de
bolas blancas extradas de la urna, ese nmero de xitos es una variable aleatoria que
toma valores entre 1 y n el nmero total de pruebas, siguiendo una distribucin
binomial.

Sin embargo, ninguno de ellos se dio cuenta que haca falta introducir un nuevo
concepto.
Los primeros pasos en la direccin de introducir la idea de variable aleatoria
fueron dados por Poisson en 1832 en su libro Sobre la Probabilidad de los
Resultados Promedios de Observaciones. No utiliz el trmino variable aleatoria,
pero s habl de alguna cosa que uno puede entender como un conjunto a1, a2,,an
con sus correspondientes probabilidades p1, p2,,pn; es decir, habl de las variables
aleatorias discretas.
La palabra variable fue utilizada por primera vez por Chebyshev, que asumi
implcitamente que todas las variables aleatorias eran independientes y fue A.
Liapunov (18571918) el primero que us sistemticamente el trmino variable
aleatoria y especific que seran independientes cuando fuese necesario.

Recordemos un poco cuales son las fases de Polya.

Comprensin del problema.

Concepcin de un plan. (formular una estrategia general).

Ejecucin del plan. se concibe la idea de la solucin

Visin retrospectiva. (verificar los resultados).

Esta fases como sabemos es para la resolucin de problemas la cual vamos a

utilizar, en lo que respecta en esta unidad.

DISTRIBUCIN DE PROBABILIDAD DE UNA

VARIABLE ALEATORIA DISCRETA.
En la seccin anterior, vimos la definicin de Variable Aleatoria y sus tipos,
ahora vamos a encontrar la funcin de distribucin de probabilidad de las Variables
ya definidas, pero en el caso de la Variable Discreta siendo esta:
El conjunto de los pares ordenados formado por los valores de la variable y sus
probabilidades (x, f(x)) y f(x)=P(X=x), se conoce como funcin de probabilidad o
distribucin de probabilidad de la Variable Aleatoria X Discreta. f(x)=P(X=x)
9

La distribucin de probabilidad de una Variable Aleatoria indica el

comportamiento que tiene la Variable en el experimento. Esta funcin asigna
probabilidades a cada uno de los valores de una Variable Aleatoria Discreta, se puede
representar mediante frmulas, tablas o grficas.
EJEMPLO:
Supongamos que se lanza un dado y se est interesado en el nmero que sale en
la cara superior de este. Encuentre la funcin de Probabilidad para el nmero que sale
en la cara superior del dado.
SOLUCIN:
Definamos el espacio muestral S= {1, 2, 3, 4, 5, 6} es decir que, #S=6.
Definamos la Variable Aleatoria

Es Aleatoria puesto que no podemos predecir el

resultado del dado

X: Nmero que sale en la cara superior del dado.

Los valores x=1, 2, 3, 4, 5, 6

Ahora calculemos las probabilidades de cada uno de esos valores.

;

;
As la funcin de Probabilidad para el

nmero que sale en la cara superior se

puede expresar:

Grficamente,
0,2
0
1

Podemos apreciar que es una funcin constante, en todos los valores de la

Variable Aleatoria.

10

CURIOSIDAD

Qu pasara ahora si lanzamos dos dados y estamos interesados en la suma

que se genera con los valores que las caras superiores?

Qu deber cumplir una Distribucin de probabilidad para una Variable

Aleatoria Discreta?
Debe cumplir el siguiente teorema
TEOREMA:
Se llamar distribucin de probabilidad f(x) para una variable aleatoria discreta X, si
para cada resultado posible de x esta cumple:
f(x)0

EJEMPLO:
Determinar el valor de c de modo de que la funcin siguiente pueda servir como
distribucin de probabilidad de la Variable Aleatoria X:

SOLUCIN:
Como debemos determinar el valor de c de modo que la funcin f(x) sea una
distribucin de probabilidad entonces, la funcin debe cumplir las condiciones del
teorema.
Puesto que
De all que,

s y slo si

Veamos que caractersticas asume

, ms an

.
para que

11

cumpla la condicin

Luego para

que es mayor que cero, y resulta que f(x) es una funcin de

probabilidad, dado que cumple las 2 condiciones del teorema.

EJEMPLO:
Sea X una variable aleatoria que toma los valores: -3, 6, 9 con probabilidades 1/6, 1/2
y 1/3 respectivamente. Verifique si con los datos anteriores se puede expresar una
Distribucin de probabilidad.
SOLUCIN:
La Variable Aleatoria X es Discreta puesto que entre un valor y otro existe un salto,
expresemos los valores en una tabla o mediante una grfica:
X

-3

3/5

2/5

p(x) 1/6 1/3

1/5
0
-3

Por ser probabilidades todas son mayores que cero, por tanto,
Ahora vemos si la suma de estas da 1

Por lo tanto si se cumple las condiciones del teorema, as, p(x) si es una distribucin
de probabilidad.

PROBLEMA
Un embarque de ocho computadoras que se envan a un distribuidor contiene tres
defectuosas. Si una tienda realiza una compra aleatoria de dos computadoras, Cul

12

es la funcin de probabilidad para el nmero de computadoras defectuosas adquiridas

por la tienda?
SOLUCIN:
Se resolver el problema siguiendo las reglas de Polya, como mencionamos
anteriormente.
Fase 1
Debemos seleccionar dos computadoras al azar del embarque que contiene 8.
Datos
Definamos la Variable Aleatoria
Y: Nmero de computadoras defectuosas adquiridas por la tienda.
Como la tienda hace una compra de 2 computadoras ella puede adquirir y=0, 1, 2
Nmero de computadoras defectuosas tres
Nmero de computadoras no defectuosas (buenas) cinco
Nmero de computadoras total ocho
Incgnita: f(y)
Fase 2
Primero debemos encontrar el espacio muestral teniendo en cuenta que la tienda
adquiere dos de las ocho computadoras, para as encontrar las probabilidades de los
valores de la Variable Aleatoria y poder decir de manera general cul es la
distribucin de probabilidad para las computadoras seleccionadas.
Fase 3
Como la tienda adquiere 2 computadoras de las 8 que hay y no importa el orden en
que estas sean tomadas entonces, la cantidad de las diferentes formas de seleccin
viene dado por la combinatoria, es decir,
.
Adems, sabemos que existen tres computadoras defectuosas, es decir, que existen 5
computadoras no defectuosas en el embarque.
Calculemos las probabilidades a cada uno de los valores que puede tomar la Variable
Aleatoria

13

En el nmero de caso favorable, vamos a tomar la

cantidad de computadoras que deseamos sean
defectuosas de las 3 que hay, pero como la
empresa adquiere solo dos computadoras,
tomamos las que faltan como computadoras no
defectuosas de las 5 que hay como en ambos
casos no importa el orden entonces, lo hacemos
por la combinatoria. Esto se hace para todas las
probabilidades.

;
;
;

La funcin de probabilidad viene dada por:

Y

f(y)
Adems, podemos escribir una funcin de probabilidad general,

Podemos apreciar que la funcin de distribucin para el nmero de computadoras

defectuosas adquirida por la tienda, no es constante y que tiene mayor probabilidad
de adquirir una defectuosa y una que no lo est.
Fase 4
Utilicemos el teorema para verificar que la funcin encontrada es la correcta.
Vemos que cada uno de los datos son mayores que cero, por lo tanto cumple la
primera condicin.
Si obtenemos la suma de los f(x)

Por lo tanto es una funcin de probabilidad. Veamos ahora que se cumple slo
para
Tomemos y=3

14

Esto es un error puesto que la combinatoria

Nota:

no existe.

ver Bibliografa, Walpole cuarta edicin pagina

21

PROBLEMA
Una caja contiene 10 bombillas, tres de las cuales estn fundidas. Se extraen
bombillas sucesivamente y se prueban, sin hacer devolucin, hasta que aparezca la
ltima defectuosa. Cul es la distribucin de Probabilidad de las bombillas probadas
hasta que aparezca la tercera fundida?
SOLUCIN:
Se resolver el problema siguiendo las reglas de Polya.
Fase 1
Primero podemos apreciar que tenemos una caja con bombillas buenas y malas, y que
van a ser seleccionadas sin hacer devoluciones, es decir, que cuando se saca una
bombilla de la caja no se vuelve a colocar en ella. Necesitamos encontrar las tres
bombillas defectuosas.
Datos
Sea X: Nmero de Bombillas probadas hasta que aparece la tercera defectuosa.
Es una variable Aleatoria Discreta puesto que los valores son contables. Y los valores
que toman son x=3, 4, 5, 6, 7, 8, 9 y 10.
Puesto que lo mnimo que tomaramos seria 3 es decir que se saquen las tres
fundidas seguidas y lo mximo es que se saquen las 10 donde la ltima debe
ser fundida
Hay 10 bombillas, 3 bombillas fundidas y 7 bombillas buenas.
Incgnita: f(x)
Fase 2
Lo primero que debemos hacer es definir la variable aleatoria de estudio y verificar
que esta es una variable discreta, como la seleccin de las bombillas es de manera

15

aleatoria, estamos en la posibilidad de tomar bombillas buenas o bombillas malas,

adems, como necesitamos seleccionar las bombillas hasta que encontremos la tercera
fundida, es por ello, que existen varias opciones de encontrar esas tres bombillas.
Para encontrar la distribucin de probabilidad debemos hallar todas las
probabilidades, y as llegar a una forma general para esta.
Debemos encontrar la funcin de distribucin de probabilidad para la Variable
Aleatoria.
Definamos F: Bombilla Fundida y B: Bombilla buena, la probabilidades son para la
primera seleccin:

como es sin reposicin va disminuyendo

y por probabilidad, condicionada se convierte en el producto y adems siempre la

ltima es fija que es F.
Qu fase vendr?
Primero x=3, es decir, FFF.

Para x=4, es decir, BFFF, FBFF, FFBF,

Como vemos la B es la que se mueve esto es se puede expresar con una combinatoria.

Para x=5, es decir, BBFFF, BFBFF, BFFBF, FBBFF, FBFBF, FFBBF, igual que la
anterior, se puede colocar la combinatoria en este caso seria 2 de 4, la quinta es fija

Para x=6, es decir, BBBFFF, BBFBFF, BBFFBF, BFBBFF, BFBFBF, BFFBBF,

FBBBFF, FFBBBF, FBFBBF, FBBFBF igual que la anterior, se puede colocar la
combinatoria en este caso seria 2 de 4, la quinta es fija

16

As sucesivamente, en general la distribucin de probabilidad de las bombillas

probadas hasta que aparezca la tercera fundida es:
, para x=3, 4, 5, 6, 7, 8, 9 y 10
De esta manera podemos llegar a una frmula general para la distribucin de
probabilidad, podemos ver que est tampoco es constante y que puede llegar el caso
de seleccionar las 10 bombillas de la caja, que las probabilidades van aumentando
poco a poco.
Fase 4
Utilicemos el teorema para verificar que la funcin encontrada es la correcta.
Vemos que cada uno de los datos son mayores que cero, por lo tanto cumple la
primera condicin.
Encontremos la suma de los f(x)

Por lo tanto es una funcin de probabilidad veamos ahora que se cumple solo para los
valores que toma la variable x=3, , 10
Tomemos y=2
, no se cumple as se cumple para los nmeros colocados y del
10 en adelante no cumple puesto que hay solo 10 bombillas
PROBLEMA
Cuando el departamento de salud examin pozos privados en un condado en busca de
dos impurezas que comnmente se hallan en el agua potable, se encontr que 20% de
17

los pozos no tenan ninguna impureza, 40% tenan la impureza A y 50% tenan la
impureza B. (Obviamente, algunos tenan ambas impurezas). Si un pozo de los
existentes en el condado se escoge al azar, Cul es la distribucin de probabilidad
para el nmero de impurezas halladas en el pozo?
SOLUCIN:
Identifica las fases de Polya en el problema
La idea de este problema es encontrar las impurezas del agua, en este caso potable, en
donde tenemos dos pozos y determinadas probabilidades.
Lo primero que debemos hacer es definir la Variable de estudio, del nmero de
impurezas, luego debemos ver como representamos esos porcentajes de una manera
adecuada que nos ayude a encontrar los porcentajes de cada impureza y as poder
encontrar la distribucin de probabilidad y por ltimo verificar si se cumplen las
condiciones del teorema.
Datos:
Definamos la Variable Aleatoria

X: Nmero de impurezas encontrada en el pozo.

Como existen 2 tipos de impurezas entonces la variable puede tomar los valores
x=0, 1, 2
Diseemos los datos en una tabla para los tipos de Impurezas, teniendo en cuenta sus
probabilidades.
Impurezas

No A

50%

No B
Total

Total

20%
40%

Incgnita: f(x)
Esta es la tabla que nos plantea el problema, ahora utilizan el hecho que trabajamos
con probabilidades, sabemos que la probabilidad mxima es de 100%, es decir que el
total nos debe dar esa suma y as podemos rellenar la tabla, luego de eso podemos
encontrar las probabilidades exactas para la cantidad de impurezas encontradas en el
agua.

18

- Para A la suma debe ser 1 tenemos que el 0.4 tenan la impureza A, es decir que el
otro 0.6 no tenan impurezas A.
- Para B la suma debe ser 1 tenemos que el 0.5 tenan la impureza B, es decir que el
otro 0.5 no tenan impurezas B
Adems tenemos que el 0.2 no tenan ninguna impureza
- Que no tenia impureza A con un 0.6, es decir que 0.6-0.2=0.4, es decir que solo
tiene impureza B
- Que no tenia impureza B con un 0.5, es decir que 0.5-0.2=0.3, es decir que solo
tiene impureza A
Impurezas

No A

Total

0.1

0.4

0.5

No B

0.3

0.2

0.5

Total

0.4

0.6

Ahora encontremos la funcin de probabilidad para X,

f(0)=P(X=0)=0.2

ninguna impureza

f(1)=P(X=1)=0.4+0.3=0.7
f(2)=P(X=2)=0.1

Una impureza (A o B)

Dos Impurezas es decir ambas, (A y B)

X

f(x)

0.2

0.7

0.1

Esta es la funcin de probabilidad para el nmero de impurezas encontradas en el

agua.
Para que sea una funcin de probabilidad debe cumplir las condiciones del teorema.
Como podemos apreciar cada f(x) para x=0, 1, 2 son positivas, es decir f(x)0
Veamos si la suma de los f(x) es 1.
.
Como cumple las 2 condiciones la funcin encontrada es de probabilidad, mas aun
podemos decir que la probabilidad de encontrar mayor impureza es en el agua es
cuando hay 1 impureza de cualquiera de las 2 encontradas.

19

ACTIVIDADES.
Resuelva los siguientes problemas y compruebe con el teorema que lo encontrado es
correcto
Un problema en un examen aplicado a nios pequeos les pide relacionar
cada una de tres imgenes de animales con la palabra que identifica a ese
animal. Si un nio asigna las tres palabras al azar a las tres imgenes,
encuentre la distribucin de probabilidad para el nmero de pares correctos.
Se sabe que un grupo de cuatro componentes dos de ellos son defectuosos.
Una inspectora prueba los componentes uno por uno hasta hallar los dos
defectuosos. Una vez que los localiza, suspende la prueba pero el segundo
defectuoso es probado para asegurar la precisin. Encuentre la distribucin de
probabilidad para el nmero de la prueba en la que se hall el segundo
componente defectuoso.

DISTRIBUCIN DE PROBABILIDAD ACUMULADA DE

UNA VARIABLE ALEATORIA DISCRETA.
Hay muchos problemas, en donde deseamos calcular la probabilidad de que el
valor observado de la Variable Aleatoria X sea menor o mayor a un nmero real x, la
distribucin de probabilidad acumulada nos facilitara ese trabajo.

La funcin de Distribucin Acumulada de la v.a Discreta X, es la funcin que

acumula las probabilidades de X menores o iguales a un valor especfico x. Se
simboliza F(x) y se define:

Es til, ver la distribucin de probabilidad acumulada en forma grafica, esta es de

forma escalonada.

20

OBSERVACIONES:
1. Si la probabilidad es un nmero comprendido entre 0 y 1 entonces

2. Si x=a entonces
3. Si

y si

4.
5. Esta funcin es muy utilizada para calcular probabilidades de determinados
valores.
Nota: Para verificar que es una distribucin de probabilidad
acumulada basta con que verifiquemos las 3 primeras
observaciones
EJEMPLO:
Una firma de inversiones ofrece a sus clientes bonos municipales que vencen despus
de varios aos. La siguiente distribucin de probabilidad de T, representa el nmero
de aos de vencimiento para un bono que se elige al azar. Encuentre la Distribucin
de probabilidad Acumulada de T
T

f(t) 1/4
SOLUCIN:
Sea T: representa el nmero de aos de vencimiento para un bono que se elige al azar.
Es una Variable Aleatoria Discreta.
Encontremos la distribucin acumulada, debemos hacer las particiones de los
intervalos

Para t<0. F(t)=0. Ya que no hemos acumulado nada

Para

En este caso toma solo el valor de uno, es decir, que hasta el 1 hemos
acumulado

21

Para

. En este caso hemos acumulado todos los valores menores o iguales a 3

Para

En este caso hemos acumulado todos los valores menores o iguales a 5

Para

En este caso hemos acumulado todos los valores menores o iguales a

7.

Para

Para los mayores que 7 no se suma nada puesto que es 0

F(t)=1

Grficamente;

En general,

EJEMPLO:
Si se lanzan simultneamente cuatro monedas Cul ser la distribucin de
probabilidad para el nmero de caras? Cul ser la distribucin acumulada para el
nmero de caras?
SOLUCIN:
Primero definamos el espacio muestral para ello utilicemos el diagrama de rbol,
Qu otro mtodo se puede emplear para encontrar el espacio muestral?

22

De aqu vemos que el espacio muestral contiene 16 elementos. Que son

CCCC, CCCS, CCSC, CCSS, CSCC, CSCS, CSSC, CSSS, SCCC, SCCS, SCSC,
SCSS, SSCC, SSCS, SSSC, SSSS
Definamos la Variable de estudio
X: Nmero de cara que salen a lanzar cuatro monedas
Los valores que toma la variable aleatoria es x=0, 1, 2, 3, 4
Realicemos la distribucin de probabilidad para el nmero de caras
X

f(x)

1/16

4/16

6/16

4/16

1/16

Encontremos ahora la distribucin acumulada, para el nmero de cara utilizando la

distribucin de probabilidad

Por definicin debemos saber que la variable aleatoria recorre todo los reales
hagamos particiones por intervalo Cules sern los estos intervalos?
Para -1<x;
Para

ya que no se acumulado nada.

;

Se toma F(0) puesto que la igualdad para la variable es el 0

Para

23

Se toma F(1) puesto que la variable toma la igualdad en 1

Para 1

Se toma F(2) puesto que la variable toma la igualdad en 2 y se toma la suma anterior

Para

Se toma F(3) puesto que la variable toma la igualdad en 3 y se toma la suma anterior
Para 3

Se toma F(4) puesto que la variable toma la igualdad en 4 y se toma la suma anterior
Para
Puesto que todas estas f(x)=0 ya que no hay elementos all
As la Distribucin de probabilidad acumulada es;

Cmo ser grficamente?

24

PROBLEMA
Se evala un nuevo proceso para la fabricacin de partes moldeadas en plsticos en
trminos de la colaboracin y reduccin del tamao. Una de las primeras corridas de
los procesos proporciona la informacin para el espacio muestral y las probabilidades
que aparecen en la siguiente tabla. Cul es la distribucin acumulada para el nmero
de caractersticas aprobadas?
Colaboracin

Reduccin del tamao

Probabilidad

Aprobado

Aprobado

0,64

Aprobado

Inaceptable

0,16

Inaceptable

Aprobado

0,16

Inaceptable

Inaceptable

0,04

SOLUCIN:
En este caso tenemos un cuadro en donde nos especifican las probabilidades de los
proceso de fabricacin si son aprobadas o no, en una primera corrida.
Datos
Debemos definir la variable de con el nmero de caractersticas aprobadas en donde
ve tiene una mximo de dos y un mnimo de cero,
Definamos la Variable de estudio X: Nmero de caractersticas aprobadas.
Los valores que toma la variable son

x=0, 1, 2.

As, se puede decir que la Variable Aleatoria es Discreta.

Tenemos los valores de la tabla.
Incgnita: F(x)

Utilizando la tabla anterior encontramos las probabilidades de la Variable Aleatoria y

as encontramos la distribucin de probabilidad, verificamos que se cumpla las
condiciones del teorema anterior para garantizar que la distribucin que encontramos
es la correcta y en seguida poder encontrar la distribucin de probabilidad acumulada
y encontrar la solucin al problema.
Qu fase vendr?

25

Como ya tenemos las probabilidades entonces tenemos la funcin de probabilidad

que es la siguiente:
Para X=0, es decir que no hay caractersticas aprobadas, es decir, que las 2 son
inaceptable, en la tabla sale que tiene probabilidad de 0.04
Para X=1, es decir que una de las 2 caracterstica es aprobada, y la otra es inaceptable
en ambos casos la probabilidad es de 0.16, si lo sumamos nos da una probabilidad de
0.32
Para X=2, es decir que las dos caractersticas son aprobadas, en este caso la
probabilidad es de 0.64
As, tenemos la distribucin de probabilidad
X

f(x)

0.04

0.32

0.64

Verifiquemos que se cumple las condiciones del teorema,

Por lo tanto es una distribucin de probabilidad.

Encontremos la distribucin acumulada, el 0, 1, 2 van a ser las particiones de los
intervalos

Para
F(x)=0,

Para
F(x)=f0)+f(1)
=0.04+0.32

No se
acumulado
nada

Para
F(x)=f(0)=0.04,

Para

la igualdad se
cumple en el 1 es
decir que se acumula
los menores a l

F( x)=f(0)+f(1)+f(2)
=0.36+0.64

=0.36

=1

26

Puesto que la
igualdad se
cumple para el 0

La igualdad se cumple
en el 2 es decir se
acumula lo menores a
l, puesto que los
mayores a 2 son 0

Es decir que la funcin de probabilidad viene dada por:

Grficamente,

La funcin toma valores entre 0 y 1

Los valores de la variable recorren todos los reales, es una funcin escalonada.
Si 1 le quito el valor de lo que da en el anterior me debe de dar la probabilidad de que
la variable tome el valor de 2.
1-0.36=0.64 y es correcto
Si a 0.36 le quitamos 0.04 que es la anterior nos da 0.32 que es la probabilidad de que
tome el valor de 1.
Adems,

encontremos

la

probabilidad

de:

asi

la

probabilidad de encontrar una o menos caracterstica es del 32%

PROBLEMA:
Se seleccionan tres monedas al azar sin reemplazo de una caja que contiene cuatro de
1Bs y dos de 0,5Bs. Cul ser la distribucin de probabilidad acumulada para el total
de las 3 monedas seleccionadas?
SOLUCIN: Identifique las fases
En una caja hay monedas de dos nominaciones el cual vamos a seleccionar tres
monedas de ella.

27

Como nos dice que es el total de las 3 monedas, se refiere a las nominaciones
seleccionadas,
Datos:
Definimos la variable, teniendo en cuenta el total de las selecciones de las tres
monedas, Definamos la Variable. Sea Y: nmero de monedas seleccionada de los Bs.
Es una variable aleatoria discreta, puesto que toma valores contables
Encontremos primero la distribucin de probabilidad para Y.
4 monedas 1 Bs

Hay un total de 6 monedas

2 monedas0.5 Bs,

Incognita:F(x)
Tenemos que encontrar el espacio Muestral, teniendo en cuenta las sumas que
podran salir, calculamos las probabilidades de que salga cada nominacin y con esto
encontramos la distribucin de probabilidad y luego podemos encontrar la
distribucin de probabilidad Acumulada. Qu fase es esta?
Como se toman 3 monedas al azar, puede ocurrir:
Que las 3 sean de 1 Bs, es decir, son 3Bs
Su probabilidad es

por ser seleccionada sin reemplazo

Que tome una de 0.5Bs y dos de 1Bs, es decir son 2.5 Bs

Su probabilidad es

, se utiliza la combinatoria puesto que existen

varias combinaciones de seleccionar las monedas.

Que tome dos de 0.5Bs y una de 1Bs, es decir son 2Bs.
Su probabilidad es

se utiliza la combinatoria puesto que existe varias

combinaciones de seleccionar las monedas.

Luego la distribucin de probabilidad para Y es,
Y

2.5

f(y)

1/5

3/5

1/5

28

Como vemos cada uno de los valores son mayores que 0 por lo tanto cumple la
primera condicin del teorema
Si encontramos la suma de cada uno de los f(y) la misma nos da un valor igual a 1, es
decir que cumple la segunda condicin del teorema por lo tanto la funcin encontrada
si es una funcin de probabilidad.
Encontremos la distribucin acumulada para Y,
Para

. F(y)=0 por propiedad,

Para

. Luego,

Para
Para

. As,
.

Por

tanto,

As la funcin de distribucin acumulada para nmero de monedas seleccionada de

los Bs viene dada por:

Curiosidad
Esta es una funcin
escalonada, con cuatro
escalones, en donde la
anchura de estos es de 0.5

Los valores que toma la funcin son valores entre 0 y 1, y va creciendo, es decir que
va aculando lo anterior, los valores de la variable aleatoria recorren todos los reales y
es una funcin escalonada.
Grficamente,

Veamos que si al 1 le quitamos el valor anterior es decir 4/5 nos da 1/5 que es la
probabilidad de que tome el valor de 3.

29

Si a 4/5 le resto el anterior es decir 1/5 nos da 3/5 que es la probabilidad de que tome
el valor de 2.5

ACTIVIDADES
Resuelva los siguientes problemas utilizando la distribucin de probabilidad acumulada.
1. Un supervisor en una planta manufacturera tiene tres hombres y tres mujeres trabajando
para l y desea escoger dos trabajadores para un trabajo especial. No queriendo mostrar
sesgo en su seleccin, decide seleccionar los dos trabajadores al azar. Cul es la
distribucin de probabilidad Acumulada para el nmero de mujeres seleccionadas,
adems encuentre la probabilidad de seleccionar al menos una mujer?.
2. Un llavero contiene cuatro llaves de una oficina, que son idnticas en apariencia. Slo
una abre la puerta de la oficina. Supongamos que se selecciona una al azar y se prueba.
Si no es la llave adecuada se selecciona al azar una de las tres llaves restantes. Si esta
ltima no es la llave que corresponda, se selecciona al azar una de las dos restantes.
Cul es la distribucin de probabilidad acumulada para el nmero de llaves que se
tienen que probar hasta encontrar la llave que abre la puerta?Cul es la probabilidad de
usar entre 1 y 3 llaves para abrir la puerta?

SABIAS QUE:

El estudio de distribucin de frecuencia acumulada es

muy parecido a lo que se hace en la parte de frecuencia
en este caso estamos trabajando con la frecuencia
relativa y la frecuencia relativa acumulada

VALOR ESPERADO DE UNA

VARIABLE ALEATORIA DISCRETA.
El valor esperado de una v.a tiene sus orgenes en los juegos del azar, debido a que
los apostadores deseaban saber cul era su esperanza de ganar repetidamente un
juego.
Este representa el promedio, valor medio o media, de la v.a al repetir un experimento
varias veces, se simboliza por:
Sea X una v.a Discreta, con funcin de probabilidad f(x) entonces el promedio de X,
est definido por:
30

Esta es muy usada al igual que en la teora de distribucin de frecuencias, para

encontrar el promedio de todos los valores que toma la Variable Aleatoria.
Atencin: El valor esperado de una Variable Aleatoria, es la media Poblacional. Y
es un valor que se encuentra entre los valores de la Variable
EJEMPLO:
Una variable aleatoria tiene la siguiente funcin de probabilidad,
X

P(x)

0.05

0.20

0.05

0.45

0.25

Encuentre el valor esperado de la variable

SOLUCIN:
Sea X la variable aleatoria, es discreta puesto que entre un valor y otro existe un salto.
El valor esperado viene dado por
Luego,

El promedio de la Variable Aleatoria es de 3.35.

EJEMPLO:
Suponga que el nmero de automviles que se utiliza con propsitos de negocios en
un da de trabajo dado es una variable aleatoria con distribucin de probabilidad dada
por:
N de automviles

Probabilidades

0.2

0.1

0.3

0.3

0.1

Determina el nmero de autos esperado en el negocio en determinado da.

31

SOLUCIN:
Definamos la variable de estudio.
Y: Nmero de automviles que se utilizan en el negocio en un da
Los valores que esta toman es y= 0, 1, 2, 3, 4. Y por tanto es una Variable Aleatoria
Discreta. Con esto encontremos el nmero de automviles que se espera utilizar
reemplazando en la formula.

As, el valor que se espera para el nmero de automviles utilizados en el negocio un

da dado es de 2.

UN POCO DE HISTORIA
La probabilidad matemtica tiene sus orgenes en los juegos de azar, los primeros estudios
cientficos sobre fenmenos aleatorios se centraban en dos problemas:
1. Contabilizar el nmero de posibles resultados de lanzar un dado varias veces.
2. Distribuir las ganancias entre jugadores cuando el juego se interrumpa antes de finalizar,
conocido como el problema del reparto de apuestas. El segundo problema fue abordado por
Luca Pacioli (14451517), quien en 1487 propuso estos dos similares problemas particulares.
Uno de los problemas que fue abordado por l fue el siguiente: un juego en el que el premio es
de 22 ducados que consiste en alcanzar 60 puntos se interrumpe cuando un equipo lleva 50
puntos y el otro 30 Cmo deben repartirse los premios entre los contendientes?
Pacioli propuso que el premio debera ser repartido en funcin de las victorias obtenidas
anteriormente: as, el premio del primer problema se divida en 605/8 ducados para el primer
equipo y en 603/8 para Como ms tarde se pondra de manifiesto, esta solucin es incorrecta
como lo hicieron Girolamo Cardano (15011576) y Niccolo Tartaglia (14991557)

PROBLEMA
Consideremos una lotera con mil nmeros. Cada nmero cuesta 25 bs y el premio es
de 100 bs. Cul es el valor que se espera ganar o perder cada vez que se participa en
esta lotera?

32

SOLUCIN:
Como sabes el espacio muestral son los mil nmeros, adems debemos comprar un
nmero si queremos ganar, cada nmero tiene un valor de 25 bolvares y el premio es
de 100 Bolvares.
Datos
#S=1000
Definamos la variable aleatoria X, como sigue:
X: Utilidad que obtiene la persona que participa en la lotera. Es una Variable
Aleatoria Discreta puesto que el premio es contable.
Los valores que esta puede tomar son:
100 que gana del premio, menos 25 del costo del nmero.

Cuando gana = 75 bs
Cuando pierde= 25 bs

Costo del nmero

Incgnita: E(X)
Como la idea es saber cual seria la ganancia haciendo una pequea inversin es por
ello que necesitamos, saber cuanto ganaramos y cuanto perderamos es por ello que
calculemos el promedio de esto para saber lo que esperaramos al jugar, para esto,
debemos definir la variable buscar las probabilidades de ganar o de perder y as
encontrar la distribucin de probabilidad y luego el valor esperado.

Por su parte, la probabilidad de ganar es 1/1000 y de perder 999/1000.

Ya que hay un solo numero ganador de los mil que hay.
De acuerdo a los datos anteriores, la distribucin de probabilidad es:
X

75

-25

f(x)

1/1000

999/1000

Por lo tanto, el valor esperado es:

O sea que la persona que participe en la lotera espera perder 24.9 bs en cada juego.

33

Como el valor esperado es un promedio es decir que su valor debe estar entre los
valores que toma la Variable Aleatoria definida. Como los valores esta entre -25 y 75
quiere decir que el valor encontrado cae hay y es de esa manera puesto que la
probabilidad de perder es mayor que la de ganar

Se utilizaron las fases de Polya para resolver este problema?

PROBLEMA:
Se considera un juego consistente en lanzar tres monedas al aire. Si se obtienen tres
caras o tres sellos, se ganan 30 bolvares. Si no es as, se pierde una cantidad de k.
cul debe ser esa cantidad para que el juego sea justo?
SOLUCIN:
El problema consiste en lanzar tres monedas y segn lo que caiga ganamos o
perdemos cierta cantidad de dinero.
Datos
Definamos la Variable Aleatoria. Sea X: cantidad de dinero obtenida por el jugador.
Es una variable Aleatoria Discreta puesto que los valores son contables. Los valores
de la variable son 30 y -k
El juego es justo cuando la ganancia esperada es cero
Ya que no gana ni pierde

Incgnita: E(X)

Como ya definimos la variable de la cantidad de dinero entonces podemos

encontrar la distribucin de probabilidad para as, calcular el promedio, pero como
queremos que el juego sea justo ese valor debe ser cero, luego remplazando en la
formula podemos encontrar el valor que nos tocara perder si no nos cae lo deseado.
Como el juego debe ser justo, es decir, que E(X)=0, encontremos las
probabilidades de sacar tres caras o tres sellos al lanzar la moneda y la probabilidad
de no obtener eso.

34

Sea A, el evento sacar 3 caras o tres sellos

Por otro lado , es no sacar las 3 caras o los 3 sellos

Luego, sabemos que

Es decir, cuando la jugada sea distinta de tres caras o tres cruces, lo justo sera perder
10 Bolvares
Remplacemos a k para ver si el valor encontrado es el correspondiente

Por lo tanto el valor de k=10.

ACTIVIDADES:
Resuelva los siguientes problemas:
1. Un jugador lanza un dado corriente. Si sale nmero primo, gana tantos cientos de
euros como marca el dado, pero si no sale nmero primo, pierde tantos cientos de
euros como marca el dado. Cual es la ganancia esperada del jugador?
2. Tenemos una bolsa con dos bolas blancas, tres verdes y cinco rojas. Extraemos al
azar dos bolas simultneamente. Recibimos 200 pesetas si las dos bolas son
blancas, 100 si las dos son verdes y 10 si una es roja y la otra verde, en los dems
casos no recibimos nada. Cul es la ganancia esperada de los premios?

35

Propiedades del Valor Esperado.

El valor esperado de una constante C es:

Si a y b son constantes y X una Variable Aleatoria entonces:
El valor esperado de la suma de dos Variables Aleatorias es la suma de los
valores esperado de las Variables Aleatorias, es decir, sea X, Y Variables
Aleatorias

entonces:

Si X e Y son Variables Aleatorias tal que X Y entonces:

Si X e Y son Variables Aleatorias independientes si y solo si
Observacin:
El valor esperado de una funcin g(x), de una Variable Aleatoria Discreta est
dada por:

EJEMPLO:
El nmero de error por 100 lneas de cdigo de programacin tiene la siguiente
distribucin de probabilidad.
X

f(x)

0.01

0.25

0.4

0.3

0.04

Encuentre la media de Z=3X-2

SOLUCIN:
Definamos la variable, X: nmero de error por 100 lneas de cdigo, es una Variable
Aleatoria Discreta.

36

Encontremos primero el valor esperado de X

Ahora, calculemos la media de Z, usando el valor encontrado anteriormente.

Por lo tanto la media de la variable Z es de 10,33.

PROBLEMA
Diez motores son empaquetados para la venta en cierto almacn. Los motores se
venden en 1000 Bolvares cada uno, pero se aplica una garanta de reembolso doble
por cada motor defectuoso que recibe el cliente. Cul ser la ganancia esperada del
vendedor si la probabilidad de que salga un motor defectuoso es de 8%?
SOLUCIN:
Se empacan motores en un almacn teniendo en cuenta que los motores pueden estar
defectuoso con un 8% de probabilidad
Tenemos que cada motor tiene un valor de 1000Bs, y se empaqueta de 10 motores
para la venta, pero cada uno de ello tiene garanta de reembolso del doble de su valor,
si este sale defectuoso.
Datos
n=10 motores
El valor de cada uno es de 1000
Definamos primero la variable aleatoria de estudio.
Z: Nmeros de motores defectuosos adquirido por el cliente

Existe 10 motores y cada uno tiene un valor de 1000 bs. Entonces tenemos que
10*1000=10000 Bs que adquiere la tienda pero si el motor se encuentra defectuoso

37

se le regresa al cliente 2*Z, es decir, que debemos calcular el valor esperado de lo que
adquiere la tienda menos lo que adquiere el cliente por cada motor defectuoso que
compre, esto es, E(10000-2*Z).
Como queremos la ganancia que espera el vendedor, teniendo en cuenta que existe
motores defectuosos con un 8%, si la tienda vende los 10 motores por su valor, tiene
determinado promedio de ganancia, pero como el tambin puede perder por los
motores defectuosos podemos calcular el promedio de este y vemos la ganancia
esperada del vendedor
Qu fase vendr?
El valor esperado de Z es 10*0.08 es decir el valor de la Variable Aleatoria por su
probabilidad, es decir, E(Z)= 0.8.
Luego, E(10000-2*Z)=10000-2*E(Z) por propiedades
=10000-2*0.8=10000-160=9840
La ganancia esperada del vendedor es 9840 Bs para la venta de los motores.
El valor esperado de los motores para el cliente es muy pequeo pues q es 0.8 que es
mayor que cero y el valor espera de la venta de los motores es de 9840 que es muy
prximo al valor total de cada motor.

VARIANZA DE UNA VARIABLE ALEATORIA DISCRETA

La varianza de una Variable Aleatoria seala, la mayor o menor concentracin de los
valores alrededor de la esperanza matemtica, se simboliza por:
donde X es una Variable Aleatoria Discreta y viene dada por:

Aunque para el clculo se suele usar esta otra frmula equivalente:

.
Atencin: La Varianza de una Variable Aleatoria, es la Varianza Poblacional y
siempre es un nmero mayor que cero.

38

EJEMPLO:
Una Variable Aleatoria Discreta toma todos los valores enteros entre 0 y 4 con la
siguiente funcin de probabilidad:
X

f(x) 0.3 0.25 0.25 0.1 0.1

Calcular la varianza de la Variable Aleatoria Discreta.

SOLUCIN:
La varianza viene dada por

Encontremos primero la esperanza matemtica de la variable X viene dada por:

Encontremos ahora

usando la observacin del valor Esperado

Por tanto,

EJEMPLO:
Si X denota la Variable Aleatoria que indica la cantidad de nios en una familia con
tres hijos, la distribucin de probabilidad es la siguiente:
Cantidad de nios (Hombres) X

Probabilidad f(x)

1/8

3/8

3/8

1/8

Encuentre la Variabilidad para el nmero de nios en la familia.

39

SOLUCIN:
Sea X: nmero de nios en la familia,
Los valores que toma son x=0, 1, 2, 3
Encontremos primero la esperanza matemtica de la variable X viene dada por:

As, 1.5 es el promedio de nios que puede tener la familia

Encontremos ahora

usando la observacin del valor Esperado

Por tanto,

Por lo tanto, la variabilidad del nmero de nios que puede tener la familia con
respecto al promedio es de 0.75

PROBLEMA:
Un equipo electrnico contiene 6 transistores dos de los cuales son defectuosos. Se
seleccionan tres transistores al azar, se sacan del equipo y se inspeccionan. Cul es
la Variabilidad de los transistores defectuosos observados?
SOLUCIN:
Se tiene un total de seis transistores, en donde hay buenos y defectuosos, se toma al
azar tres, de estos, y se inspeccionan y se puede apreciar cuantos defectuosos se
tomaron.
Datos
Definamos la Variable Aleatoria. Sea X: Nmero de transistores defectuosos

40

Es una variable Aleatoria Discreta puesto que los valores son contables. Y los valores
que toman son x=0, 1, 2.

Ya que trabajamos con los defectuosos

Incgnita: Var(X)

Como ya definimos la Variable con los transistores defectuosos, encontramos las

probabilidades de cada uno de los valores que toma esta, como no dependen del orden
de seleccin lo podemos hacer por combinatoria, luego encontrar la distribucin de
probabilidad, para as encontrar el promedio de transistores que s e puede seleccionar
de los defectuosos y de la misma manera podemos llegar a la variabilidad de ellos.

Debemos encontrar la funcin de distribucin de probabilidad para el nmero de

transistores defectuosos
Ya que tenemos 0
transistores defectuosos es
decir que los 3 seleccionado
son buenos

Ya que tenemos 2
transistores defectuosos es
decir que el restante es
bueno

En

general,

Encontremos ahora el promedio de los transistores defectuosos que se pueden

seleccionar.

41

As, el promedio de los transistores seleccionados es de 1 transistor.

Encontremos ahora la variabilidad de transistores defectuosos, esto es,

Luego,

Por lo tanto,

Esto es la variabilidad de los transistores defectuosos, de la caja de seis que contiene

dos de ellos.
Qu fase es esta?
El valor encontrado es un valor mayor que cero, y como es la dispersin de los datos
con respecto a la media, es por ella es utilizado.

PROBLEMA:
Supngase que la produccin de un da de 850 piezas manufacturadas contiene 50
piezas que no cumplen con los requerimientos del cliente. Se seleccionan del lote dos
piezas al azar y sin reemplazo. Cul es la Varianza para el nmero de piezas
seleccionadas que no cumplen los requerimientos del cliente?
SOLUCIN:
Tenemos la produccin que se tiene un da de piezas manufacturadas, en donde se
tiene piezas que cumplen y que no cumplen con el requerimiento del cliente, y se
selecciona una muestra de dos piezas y estas son tomadas sin reemplazo.

42

Datos:
Total de piezas manufacturadas por da 850 contiene
Piezas que no cumplen con los requerimientos del cliente 50, es decir que hay 800
que cumplen con los requerimientos.
Se toma una muestra de dos piezas sin reposicin.
Definamos la variable
Z: nmero de piezas seleccionadas que no cumplen los requerimientos del cliente.
Los valores que toma es 0, 1 y 2, puesto que se toman 2 como muestra
Incgnita: Var(X)
Lo que debemos hacer, es encontrar las probabilidades de los valores que toma la
variable y as encontrar la funcin de probabilidad, el promedio de los valores y su
respectiva varianza tomando en cuenta que se toman 2 piezas y esta es sin reposicin.
La probabilidad de seleccionar 1 pieza que cumple con los requerimientos del cliente
es =
Es decir que las dos seleccionadas ninguna
no cumplen con los requerimientos

Es decir, que las dos seleccionadas una

cumple y la otra no, se multiplica por 2 ya
que como es sin reposicin importa el orden
con que se selecciona
Es decir que las dos seleccionadas no
cumplen con los requerimientos
La funcin de probabilidad encontrada para el nmero de piezas seleccionadas que
no cumplen los requerimientos del cliente, viene dada por:
Z

f(z) 0.886 0.111 0.003

Verifiquemos que cumple las condiciones del teorema.

43

Vemos que cada una es mayor que cero, y adems 0.886+0.111+0.003=1 por lo
tanto cumple las condiciones del teorema es decir que si es una distribucin de
probabilidad.
Ahora encontremos el promedio de las piezas que no cumplen los requerimientos del
cliente

Es el promedio de las piezas que no cumplen.

Encontremos la varianza

Luego
As, la variabilidad del nmero de piezas que no cumplen con los requerimientos del
cliente es de 0.1093 con respecto al promedio.

Es un valor mayor que cero y se aproxima al valor donde existe mayor probabilidad.
Identifique las fases
PROPIEDADES DE LA VARIANZA.

La varianza de una constante C es:

Si a y b son constantes y X una Variable Aleatoria entonces:
El

Varianza de la suma de dos Variables Aleatorias es la suma de las

Varianzas de las Variables Aleatorias, es decir, sea X, Y Variables Aleatorias

entonces:

44

Observacin:
La Varianza de una funcin g(x), de una Variable Aleatoria Discreta est dada por:

EJEMPLO:
Calcule la Varianza de

donde X es una Variable Aleatoria Discreta

con la siguiente funcin de probabilidad:

X

f(x) 1/8 1/2 1/8

SOLUCIN:
La Variable Aleatoria es Discreta, por tanto

Luego

As, la Varianza de

remplazando

en

, es de 4

45

la

frmula

NOTA:
Al usar la variancia como medida de dispersin o variabilidad se presenta una
dificultad. Las unidades con que se miden los valores que toma la variable
aleatoria X son lineales, por ejemplo kilogramos, metros, litros, etc., por lo que
tambin ser lineal, pero la variancia
est en unidades cuadrticas,
como kilogramos elevados al cuadrado, metros elevados al cuadrado, litros
elevados al cuadrado, etc.
En vista de lo anterior, si queremos expresar la medida de dispersin en las
mismas unidades en que se miden los valores de la variable aleatoria X, debemos
tomar la raz cuadrada positiva de la variancia. A esta cantidad se le conoce con el
nombre de desviacin estndar y se representa con .

PROBLEMA:
En un juego una persona recibe 15 Bs cuando saca una jota o una reina y recibe 5 Bs
si saca un rey un as de una baraja de 52 cartas. Si saca cualquier otra carta tiene que
pagar 4 Bs. Cul es la Desviacin estndar para una persona que entra en el juego?
SOLUCIN:
En este problema consiste en seleccionar una carta de las 52 que hay y segn sea la
carta que salga la persona pierde o gana determinado valor.
Sea X: Cantidad de dinero que utiliza la persona que juega
Es una variable Aleatoria Discreta puesto que los valores son contables. Y los valores
que toman son x= -4, 5, 15.

Ya que es la cantidad de dinero en juego

Como tenemos cartas de 52, existen 4 modelos de las cartas que son 13 de cada unas

Como ya tenemos la variable definida y los valores que toma. Primeros debemos
saber cmo son las cartas, cuantas hay de cada figura, para as conseguir las
probabilidades a las cartas que necesitamos y de la misma manera encontrar el
promedio en Bs de lo que puede ganar o perder la persona, y as encontrar la
dispersin de los datos con respecto al promedio encontrado

46

Calculemos las probabilidades de la Variable Aleatoria

Ya que tenemos 4 rey y 4 As
Ya que tenemos 4 jota y 4 Reinas

Ya que es otra carta distinta a la de los casos anteriores y por lo tanto es el

complemento
As la distribucin de probabilidad de la variable es,
X

-4

15

f(x)
Encontremos ahora el promedio del dinero que ganar el jugador

As, el promedio del dinero de la persona que juega es de

Encontremos,

Encontremos ahora la variabilidad,

Por lo tanto,
Es decir que la dispersin del dinero jugado con respecto al promedio es de 7.032

47

La varianza nos dio un valor mayor que cero y por lo tanto se pudo calcular la
desviacin.

ACTIVIDADES: Resuelva los siguientes problemas

1. El productor de un tipo de leche con pocas caloras quiere comparar la
atraccin que ejerce el sabor de una nueva preparacin (frmula B) con
respecto a la preparacin estndar (frmula A). Se dan a cada uno de los 4
jueces tres vasos, de modo aleatorio, dos de las cuales contiene la frmula
A y el otro la frmula B. se preguntan a cada juez cual vaso disfruto ms.
Suponga que las 2 preparaciones son igualmente atractivas. Cul es la
distribucin de probabilidad para el nmero de jueces que prefieren la
nueva frmula? Cul es la varianza para el nmero de jueces que
prefieren la nueva frmula?
2. Un supervisor en una planta manufacturera tiene tres hombres y tres
mujeres trabajando para l y desea escoger dos trabajadores para un
trabajo especial. No queriendo mostrar sesgo en su seleccin, decide
seleccionar los dos trabajadores al azar. Cul es la desviacin estndar
para el nmero de mujeres en su seleccin Y?

48

PROBLEMAS PROPUESTOS:
1.

Un lote contiene 100 piezas de un proveedor de tubera local y 200 unidades de

un proveedor de tubera del estado vecino. Si se seleccionan cuatro piezas al azar
y sin reemplazo,

(a) cul es la probabilidad de que todas sean del proveedor local?

(b) Cul es la probabilidad de que dos o ms piezas de la muestra sean del proveedor
local?
(c) Cul es la probabilidad de que al menos una pieza de la muestra sea del
proveedor local?
Respuestas:
a. 0.0119, b. 0.408

c. 0.196

2. Una caja contiene 8 bombillos, de los cuales estn 3 estn defectuosos. Se

selecciona un bombillo de la caja y se prueba. Si este sale defectuoso se
selecciona y se prueba otro bombillo, hasta que se escoja un bombillo no
defectuoso. Cul es el nmero esperado de bombillos seleccionados?
Respuesta: 1.5
3. Se sabe que de un lote de 40 semillas no esta en buenas condiciones la cuarta
parte. Se toman al azar 8 semillas y se analizan en el laboratorio. Cul es la
probabilidad de que 3 de las analizadas estn en malas condiciones?
Respuesta: 0.222
4. El blanco de un local de tiro no es ms que un crculo dividido en 3 sectores
congruentes marcados por las cifras 1, 2, 3. Cuando se dispara, el crculo se hace
girar, de manera que el jugador no distinga los sectores. Al dar en el sector 1 el
jugador gana 1 dlar; al dar en el sector 2, gana 2 dlares; y, al dar en el sector 3,
gana 3 dlares. El precio del boleto que da derecho a disparar vale 1.5 dlares.
Es ventajoso el juego si se tiene una probabilidad de dar en el blanco de:
a) 0.7;

b) 0.8;

y c) 0.75?

Respuestas: a) Es ventajoso; b) es desventajoso; c) es indiferente.

5. Un vendedor de equipo pesado puede entrevistar a uno o dos clientes diariamente
con una probabilidad de 1/3 y 2/3 respectivamente. Cada entrevista tendr como
49

resultado una no venta o una venta de 50000 con probabilidad de 0.9 y 0.1
respectivamente. Cul es la distribucin de probabilidad para las ventas
diarias?Cual es su representacin grfica?
Respuesta:
X

5000

100000

P(x)

21/25

23/150

1/150

6. Usted y un amigo participan en un juego donde cada uno tira al aire una moneda
balanceada. Si las caras superiores de la moneda son sellos en ambos casos, el
lector gana 1 Bs; si salen caras en ambos tiros gana 2 Bs; si las caras de la
moneda no son iguales, el lector pierde un bolvar Cul es la ganancia esperada
del lector en un solo intento?
Respuesta: 0,25
7. A y B juegan 12 partidos de ajedrez, de los cuales, A gana 6, B gana 4 y en 2
terminan empatados. Se ponen de acuerdo para jugar otros 3 partidos.
Encuntrese la probabilidad de que:
a) A gane los tres partidos,
Respuesta: 1/8
b) 2 parti-dos terminen empatados,
Respuesta: 5/72
c) A y B ganen alternadamente
Respuesta: 5/36
d) B gane por lo menos un partido.
Respuesta: 19/27
8. En una inversin de negocios hay una probabilidad de 0.6 de obtener como
ganancia 300 Bs y una probabilidad de 0.4 de perder 100Bs. Cul ser la
ganancia esperada?
Respuesta: 140 Bs

50

BIBLIOGRAFA
Cabrera, I. (s.f.). Variables Aleatorias. Estadstica Aplicada y Modelizacin. T
Diseo
Industrial.
Departamento
de
Matemtica.
Disponible:
http://webpersonal.uma.es/~ipcabrera/resumen_aleatorias.pdf
Canavos, G. (1988) Probabilidad y Estadstica. Aplicaciones y Mtodos. Editorial
Mc Graw-Hill/Interamericana de Mxico.
Martnez, M y Mar, M (2007) Distribuciones de Probabilidad para Variables
Aleatorias Discretas. Universidad Politcnica de Valencia. Disponible:
https://riunet.upv.es/bitstream/handle/10251/7942/Distribuciones%20de%20Prob
abilidad%20para%20V%20A%20discretas.pdf?sequence=3
Mendenhall, Schearffer y Wackerly. (2010). Estadstica
Aplicaciones. Sptima Edicin. Editorial Learning.

Matemtica

con

Mendenhall, W. y Sincicti, T. (1997) Estadstica para Ingeniera y Ciencias. Cuarta

Edicin Editorial Pearson Prentece Hall. Mxico.
Meyer, P. Probabilidad y Aplicaciones Estadsticas. Addison-Wesley Iberoamericana
Polya, G. (1945), How to solve it, Editorial Princenton University press, Princenton,
Ruiz, P (s.f) Historia de la Probabilidad. Historia de las Matemticas Disponible:
http://www.uam.es/personal_pdi/ciencias/ezuazua/informweb/trabajosdehistoria/
salinero_probabilidad.pdf
Walpole, R. Estadstica Matemtica con Aplicaciones. Cuarta Edicin. Editorial
Prentice- Hall. Hispanoamericana. Mxico
Walpole, R. Meyer, R. y Meyer, S. (1999) Probabilidad y Estadstica para
Ingenieros. Sexta Edicin Editorial Pearson Educacin Mxico.

51