Académique Documents
Professionnel Documents
Culture Documents
ALEATORIA
Introduccin:
-1-
ejemplo, de las compaas de seguros. Cuando una de estas empresas define el costo
de una pliza hace uso de la experiencia que la Ca. tiene sobre la frecuencia de
ocurrencia de ese tipo de siniestro.
3.1 DISTRIBUCIN DE VARIABLE ALEATORIA
Para iniciar el estudio de distribucin de variable aleatoria debemos tener presente que
del fenmeno en estudio, debemos considerar todos los casos posibles en que puede
presentarse, siendo todos ellos mutuamente excluyentes y exhaustivos.
Es necesario tambin tener presente que en gran cantidad de casos, el evento
aleatorio adopta valores no numricos. Por ejemplo; si consideramos el lanzamiento
de una moneda, el resultado sera cara o cruz. Si de la lnea de produccin de una
determinada pieza, retiramos una de ellas y le efectuamos los correspondientes
ensayos de aceptabilidad, el resultado de los mismos ser el que est dentro de
normas o no. En todos esos casos, a los efectos de poder operar estadsticamente
con dicha variable, ser necesario asignarle, a cada uno de los distintos eventos en
que puede presentarse, un valor numrico.
Retornemos al lanzamiento de una moneda. Los posibles resultados sern cara o
cruz. Podramos entonces asignarle un uno (1) a la cara y un cero a la cruz y si la
moneda se encuentra perfectamente balanceada consideramos que la probabilidad de
ocurrencia de cada uno de los dos posibles eventos es de 1/2. Volquemos este
anlisis en la tabla siguiente.
E ( eventos posibles)
x ( variable)
Cruz
Tabla 3.1
P(x) Probabilidad de ocurrencia
Cara
1/2
1/2
P(x)
1/2
1/2
-2-
= (xi . P(xi) )
= 0 . 0,5 + 1 . 0,5 = 0,5
= 0,5
b) Varianza
La varianza de la distribucin de una variable aleatoria esta dada por la sumatoria de
los productos entre, el cuadrado de la diferencia y entre cada valor que puede adoptar
la variable y la media de la distribucin, multiplicada por la probabilidad que la variable
aleatoria en estudio adopte dicho valor.
Var(x) = ( xi - )2 . P(xi)
Var(x) = ( 0 0,5)2 . 0,5 + (1-0,5)2 . 0,5 = 0,25
Var(x) = 0,25 = 1 / 4
c) Desviacin estndar
Como ya sabemos, la desviacin estndar de la distribucin de todos los
valores posibles que puede adoptar la variable, est dada por la raz cuadrada de
la varianza de dicha distribucin.
= ( Var(x))
= (1 / 4 ) = 1 / 2
= 1 / 2.
La representacin grfica de la distribucin de probabilidades sera (G3-1)
Grfico 3.1
0,6
0,5
P(X)
0,4
0,3
0,2
0,1
0
0
-3-
Grfico 3.2
0,6
0,5
P(X)
0,4
0,3
0,2
0,1
0
-1
E
Moneda 1 - Moneda 2
cruz - cruz
Cruz cara
Cara cruz
Cara cara
Tabla 3.3
X
P(x)
0
1
1
2
1/4
1/4
1/4
1/4
Debemos suponer que todas las maneras en que puede presentarse el fenmeno son
igualmente posibles, y por lo tanto la probabilidad de cada uno de ellos ser de 1 / 4.
Restamos en condiciones de confeccionar la tabla de distribucin de probabilidades:
Tabla 3.4
X
0
1
2
P(x)
1/4
2/4
1/4
-4-
Desviacin estndar
= ( Var(x))
= (1 / 2 ) = 0,7071
= 0,7071
0,60
0,50
P(X)
0,40
0,30
0,20
0,10
0,00
0
-5-
Grfico 3.4
0,6
0,5
P(X)
0,4
0,3
0,2
0,1
0
-1
3.1
El concepto del valor esperado es de gran aplicabilidad sobre todo por aquellas
personas que deben tomar decisiones en condiciones de incertidumbre
Definicin
Dada una distribucin de variable aleatoria, se denomina Valor Esperado o
Esperanza Matemtica a la media de la distribucin y se la expresa como
E(x) = = (xi . P(xi))
Esto implica que al lanzar dos monedas, lo que se espera obtener ser un valor de la
variable x = 1, y si vemos nuestra tabla T6.2, la variable adopta ese valor cuando se
obtiene una cara y una cruz.
El valor esperado tambin puede ser calculado a partir de las estimaciones subjetivas
con respecto a la probabilidad de que la variable aleatoria pueda tomar ciertos valores.
3.3) FUNCIONES DE DISTRIBUCIN DE VARIABLE ALEATORIA.
Son innumerables los casos que en la vida real responden a una distribucin de
variable aleatoria, sera utpico pretender entonces estudiar todos los casos o muchos
de ellos. Ante esta situacin es ms conveniente definir modelos que engloben gran
cantidad de casos y determinar para cada uno de ellos la expresin matemtica que lo
resuelva y a la que denominaremos Funcin de Distribucin de Probabilidades, de
esta manera, presentado un determinado caso, solo ser necesario definir a que
modelo responde para aplicar la expresin matemtica que le corresponde.
Como los tipos que poda tener una variable era la de continua o discreta, podemos
as entonces clasificar los modelos de acuerdo al tipo de variable:
-6-
Discreta
Binomial
Poisson
Hipergeomtrica
Continua
Normal
t (de Student)
Chi Cuadrado
Variable
Nota: Para este mdulo veremos entre las variables continuas solo la Distribucin
Normal
-7-
(1)
Supongamos contar con una partida de 3000 pernos de pistn, la aceptacin
de la misma esta sujeta a que, en una muestra de 10 pernos elegidos azarosamente
no se encuentre ninguno defectuoso. Si el productor de pernos indica que el 1% de los
pernos producidos salen defectuosos, indique la probabilidad existente en que la
partida sea aceptada.
Observamos que:
a) Se trata de ensayar 10 pernos y el mtodo es el mismo para cada uno de ellos
b) como resultado de cada ensayo se tiene uno de solo dos posibilidades: defectuoso
o no defectuoso. En este caso adoptaremos que el estar defectuoso es un xito.
c) La probabilidad de xito, de acuerdo a lo informado por el productor es de p = 0,01
(1%), por lo tanto la P( no xito) = 1 - p = 0,99
d) El que un perno este defectuoso, no influye en el resultado del ensayo de otro
perno, es decir, se cumple la independencia entre los ensayos
e) La probabilidad de que un perno cualquiera sea defectuoso la consideramos
constante, debido a que el tamao de la poblacin es grande (en este caso de 3000,
sobre una muestra de 10).
Se cumplen todas las propiedades y por lo tanto la situacin problemtica planteada
responde a una distribucin Binomial:
3.4.1 EXPRESIN GENERAL DE LA DISTRIBUCIN BINOMIAL
Analicemos el lanzamiento de una moneda. Como resultado del mismo se obtendr
cara o cruz. Definiremos como acierto o xito la obtencin de una cara y la variable
en estudio toma el valor de 1 (nmero de aciertos), de esta manera en caso de
obtener una cruz x tomar el valor de 0 (cero aciertos). Adems no sabemos si la
moneda esta perfectamente balanceada, por lo tanto diremos que la probabilidad de
obtener una cara ser p (probabilidad del acierto) y una cruz q = 1 p (probabilidad
del desacierto).
Como se trata de una moneda (implica tambin un solo ensayo) consideraremos a n
= 1.
E ( eventos posibles)
Tabla 3.5
x ( variable)
Cruz
q=1p
Cara
-8-
E
Moneda 1 - Moneda 2
cruz - cruz
Cruz cara
Cara cruz
Cara cara
Tabla 3.6
X
P(x)
0
1
1
2
q.q
q.p
q.p
p.p
P(x)
q2
2.q.p
p2
P(x = 0) = q2
P(x = 1) = 2 . q . p
P(x = 2) = p2
La suma de las probabilidades de todos los casos posibles es igual a 1:
P( x = 0) + P( x = 1 ) + P( x = 2 ) = 1
O
q2 + 2 . q . p + p 2
=1
-9-
q+p=1
P(x)
0
1
1
1
2
2
2
3
q3
q2.p
q2.p
q2.p
q.p2
q.p2
q.p2
p3
X
0
1
2
3
Tabla3.8
P(x)
q3
3 q2.p
3 q.p2
p3
P(x=0) = q3
P(x = 1) = 3 q2.p
P(x = 2) = 3 q.p2
P(x = 3 ) = p3
Como
P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3 ) = 1
O tambin
q3
+ 3 q2.p + 3 q.p2 + p3 = 1
Observamos que el primer miembro de la igualdad responde al desarrollo del cubo del
binomio (q + p) :
(q + p) 3 = 1
Podemos sacar como conclusin que:
Definicin:
Las probabilidades del nmero posible de aciertos en n ensayos, estn dadas por los
trminos del desarrollo de la potencia del binomio (q + p) y en donde el exponente esta
dado por el nmero de ensayos.
- 10 -
p = 0,01
La partida ser aceptada para el caso de que entre los 10 pernos que constituyen la
muestra, no se tenga ningn defectuoso, en definitiva nos estn pidiendo la:
Aplicando la expresin matemtica que resuelve esta distribucin:
P(x = 0 ) = 10 C 0 . 0,9910 . 0,010
P(x = 0) = 0,90438
- 11 -
X
0
1
2
3
4
5
6
7
8
9
10
P(x)
0,904382075
0,091351725
0,004152351
0,000111848
1,97711E-06
2,39649E-08
2,01725E-10
1,16436E-12
4,41045E-15
9,9E-18
1E-20
P(X)
0,6
0,5
0,4
0,3
0,2
0,1
0
0
10
- 12 -
probabilidad de ocurrencia para cada valor de x. Tambin se cuenta con tablas que
entregan las probabilidades acumuladas es decir definidos los parmetros que nos
permite entrar a la tabla, esta nos entrega para un valor cualquiera de x la suma de las
probabilidades de ocurrencia de xitos desde cero hasta el valor dado de x.
Ejemplo
En un negocio de ropa para beb que funciona en una galera, se ha determinado que
solo el 30% de las personas que entran al local para consultar u observar, efectan
una compra. Si un da ingresan al local 15 personas y teniendo en cuenta que la
decisin de compra de una persona es independiente de la de otra, indique la
probabilidad de:
a-Que ninguna de las personas que ingresan por consultas efecte una compra
b- Que solo una de las que ingresa efecte una compra
c-Que exactamente ocho de ellas efecten alguna compra.
d- Que por lo menos siete de ellas realicen alguna compra
e- Confeccione el diagrama de distribucin de probabilidades
A los efectos de responder a lo solicitado, confeccionemos una tabla en donde x,
variable en estudio indicar el nmero de personas que ingresan al local y efectan
por lo menos una compra. Teniendo en cuenta que ingresaron en total quince
personas, de esas 15, pueden realizar una compra, ninguna, una, dos, o las 15. Las
caractersticas responden a una distribucin Binomial.
El valor de las probabilidades para cada uno de las 16 posibilidades podemos
determinarlos, aplicando el modelo matemtico o de tablas, para este ltimo caso
debes ingresar en la tabla para n=15 y p=0,3 .
n = 15
p= 0,3
q = 1 - p = 0,7
.
P(x) = n C x px q(n-x)
Tabla 3.,10
x
P(x)
0
0,00474756
1
0,03052004
2
0,09156011
3
0,17004021
4
0,21862313
5
0,20613038
6
0,14723599
7
0,08113003
8
0,03477001
9
0,01159
10
0,00298029
S(P(x)) =
0,99932777
Respuestas
a- P(x=0) = 0,004747
- 13 -
b) P(x=1) = 0,030520
c) P(x=8) = 0,03470
d) P(x 7) = 0,94998
P(x)
0,15
0,1
0,05
0
0
10
- 14 -
Observe que si bien la variable es discreta resulta de un conteo, est en funcin del
tiempo o del espacio (que es una variable continua). Adems es imposible contar los
fracasos, el nmero de accidentes que no se produjeron no se pueden contar, as
como el nmero de llamadas que no llegaron a la central telefnica.
Muchos autores suelen definir la distribucin de Poisson como propia de casos no muy
comunes o raros
Las caractersticas que rene una distribucin de Poisson son:
3.4.1
- 15 -
Ejemplo
Una entidad bancaria informa que en promedio 4 personas por hora concurren al
escritorio de plazos fijos a efectuar una consulta. Determine la probabilidad que en la
prxima hora (dentro del horario bancario), por lo menos una persona concurra a dicho
escritorio.
En este caso Lambda, promedio de ocurrencia: = 4
Se nos est consultando sobre la probabilidad de que por lo menos una persona
concurra, es decir se nos pide la probabilidad de:
P(x 1) = P(1) + p(2) + P(3) + . . . . . . .+ P()
Si tenemos en cuenta que la suma de las probabilidades de ocurrencia de todos los
posibles xitos (desde cero hasta infinito) es igual a 1:
P(xi ) =1
lo que implica:
P(0) + P(1) + P(2) + P(3) + . . . . . + P() = 1
y pasando P(0) al segundo miembro tendremos:
P(x 1) = 1 P(0)
40 . e 4
P(0) = ------------------ = 0,0183
0!
y
P(x 1) = 1 0,0183
P(x 1) = 0,9817
- 16 -
La desviacin estndar:
=
3.4.2
P(1) = 0,3339
Mientras que si aplicamos la expresin de Poisson teniendo en cuenta que:
=n.p
= 30 . 0,02 = 0, 6
Luego:
0,61 . e-0,6
P(1) = ---------------- = 0,32928
1
Es decir que calculando la probabilidad de un acierto con la expresin de Poisson se
comete un error de:
0,333 0,329 =0,004
Solo 4 milsimas de diferencia.
- 17 -
Por ltimo debemos tener en cuenta que una distribucin que presenta el promedio de
ocurrencia de la variable en estudio, puede ser resuelta con el modelo matemtico de
Poisson. Que tendr sesgo derecho para un lambda pequeo, pero que tender a ser
simtrica para valores altos de , con un pico justamente para ese valor.
Ejemplo
La telefonista que atiende los llamados de consulta sobre nmeros telefnicos, indica
que en promedio recibe cuatro consultas por minuto. Indique Ud la probabilidad de que
en un minuto se reciban:
a- Realice un estudio de la variacin de probabilidades para distintos nmero de
aciertos
b- Confeccione un diagrama de distribucin de probabilidades:
A los efectos de responder a lo solicitado y graficar la distribucin de probabilidades,
confeccionemos una tabla conteniendo el nmero de posibles aciertos hasta la
cantidad de x= 10 y sus correspondientes probabilidades de ocurrencia
Tabla 3.11
x
P(x)
0
0,01831564
1
0,07326256
2
0,14652511
3
0,19536681
4
0,19536681
5
0,15629345
6
0,10419563
7
0,05954036
8
0,02977018
9
0,01323119
10
0,00529248
Grfico 3.7
0,25
0,2
P(x)
0,15
0,1
0,05
0
0
10
- 18 -
n-x
x
(N-k) C (n-x)
k C x
P(x) = ---------------------------------N C n
- 19 -
C0
P(0) = 16
C(10-0) = 0,003609
42C10
(42-16)
C1
P(1)= 16
C9 = 0,03397
42C10
26
Podramos generar una tabla con las probabilidades de todos lo xitos posibles y
confeccionar el grfico de distribucin
N = 42
n = 10
K =16
X
0
1
2
3
4
5
6
7
8
9
10
Tabla 3.8
P(x)
0,00360988
0,03397536
0,12740759
0,25034473
0,28476714
0,19526889
0,08136204
0,02021417
0,00284262
0,00020214
5,4423E-06
- 20 -
S(P(xi) =
Grfico 3.12
0,3
0,25
P(x)
0,2
0,15
0,1
0,05
0
0
10
E(x) = n / N . k
3.6 DISTRIBUCIN NORMAL
Hasta ahora nos hemos ocupado de distribuciones de variable discreta es decir
determinbamos la probabilidad de la ocurrencia de un nmero determinado de
aciertos .
Es necesario ahora definir una distribucin que analice las probabilidades que la
variable aleatoria adopte un valor dentro de un intervalo.
La empresa que suministra energa elctrica a una localidad indica que el consumo
por hogar vara de forma acampanada, con un consumo promedio de 170 Kw.
mensuales y un desvo estndar de 50 Kw. Qu porcentaje de hogares tienen un
consumo:
- 21 -
- 22 -
Grfico 3.13
F(x)
X
6- La superficie encerrada por la funcin y el eje horizontal es igual a 1.
Esto implica que la integral de la funcin, F(x) entre los lmites - y + =1
F(x) . dx = 1
7- La probabilidad de que la variable aleatoria tome un valor comprendido en
un intervalo ( a, b), esta dada por la superficie encerrada por la funcin y el
eje horizontal en ese intervalo:
P (a <= x <= b) = F(x) .d(x)
Grfico 3.14
F(x)
- 23 -
La empresa que suministra energa elctrica a una localidad indica que el consumo
por hogar vara de forma acampanada, con un consumo promedio de 170 Kw.
mensuales y un desvo estndar de 50 Kw. Qu porcentaje de hogares tienen un
consumo:
a) Superior a los 170 Kw. pero menores a los 220 Kw?
b) Cules consumen entre 150 y 200 Kw.?
De acuerdo a la media =170 Kw., y la desviacin estndar
distribucin tendr una grfica tal como G6.15
= 50 Kw., la
Grfico 3.15
- 24 -
0,06
Probabilidad
0,05
0,04
0,03
0,02
0,01
0
-50
50
100
150
200
250
300
350
400
Probabilidad
0,05
0,04
0,03
0,02
0,01
0
-50
50
100
150
200
250
300
350
400
z. = x -
Es decir que la distancia x - se expresa como una proporcin de la desviacin
estndar de la distribucin, despejando z tendremos:
- 25 -
x-
z = ----------
en nuestro caso:
220 - 170
z = ----------------- = 1
50
z, coeficiente de proporcionalidad indica cuntas desviaciones estndar corresponde a
la distancia que separa a x de la media, en este caso z= 1. Pero sabemos por la regla
emprica que en el segmento comprendido entre la media y un desvo estndar se
concentra el 34% de las observaciones, es decir que la probabilidad que la variable
aleatoria tome un valor comprendido en ese intervalo es de:
P(170 x 220) = 0,34
Y esa probabilidad es igual al rea encerrada por la funcin en ese intervalo.
El anlisis efectuado en este caso lo podemos repetir para cada una de las
situaciones planteadas. Por ejemplo si consideramos el segundo caso planteado
previamente.
Los saldos de las cuentas corrientes de una entidad bancaria varan de forma
acampanada con un saldo promedio de $580 y un desvo estndar de $350 indique
a) Qu porcentaje de cuentas estn en rojo (una cuenta tiene saldo en rojo
cuando el mismo es negativo)?
b) Qu porcentaje de cuentas tienen un saldo entre $ 300 y $ 1150?
El 34% de las cuentas corrientes tienen un saldo comprendido entre $580 y $930
Si en lugar de considerar x= $930 tomramos a x = $1280, la distancia:
x - = 2 (dos desvos estndar)
Es decir z = 2, por lo que esperaramos que el 47,5% de todos los valores de esa
distribucin se ubiquen en el intervalo comprendido entre la media y el punto x =
1280.
z adoptar valores entre cero y no mucho ms de 3, recordemos que la regla emprica
expresaba que el 99,7% de todas las observaciones de una distribucin de forma
acampanada, se encontraban concentradas en el intervalo comprendido entre la
media menos 3 y la media ms 3 .
Podemos entonces generar una distribucin con los valores de z, dicha distribucin se
denominar Distribucin normal estndar (Grfico 3.17) cuya media:
z = 0
y su desviacin estndar:
z = 1
Grfico 3.17
- 26 -
0,45
0,4
Probabilidad
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
-4
-3
-2
-1
z=1
Para z=1 el rea encerrada por la distribucin normal estndar entre la media z = 0 y z
= 1 ser igual aproximadamente a 0,34. Para z = 2, la superficie encerrada por la
distribucin de z en el intervalo (0 , 2), ser aproximadamente a 0,4
En general, para una distribucin x de media x y desviacin estndar x, se cumplir
que, para todo valor x se tendr un valor z, dado por la expresin:
x-x
z = ----------x
(1)
- 27 -
x- x
z = ----------x
(2)
La empresa que suministra energa elctrica a una localidad indica que el consumo
por hogar vara de forma acampanada, con un consumo promedio de 170 Kw.
mensuales y un desvo estndar de 50 Kw. Que porcentaje de hogares tienen un
consumo:
a) Superior a los 170 Kw. pero menores a los 220 Kw.?
b) Cules consumen entre 150 y 200 Kw.?
El tem a) ya fue resuelto
En el tem b) tendremos en cuenta que la tabla entrega los distintos valores de sup.
Para valor de z comprendidos entre 0 y 3,09, por lo que lo solicitado (rea rayada en
Grfico 3.18
Grfico 3.18
0,06
0,05
P(x)
0,04
0,03
0,02
0,01
0
0
50
100
150
200
250
300
350
400
170 - 150
---------------50
= 0,4
un valor de.
- 28 -
P(z=0,4) = 0, 1554
Por lo que diremos que, la probabilidad que la variable x adopte un valor comprendido
en el intervalo (150, 170) = 0,1554.
Para el segundo intervalo tendremos:
X - X
Z = ------------------- =
X
200 - 170
------------------ = 0,6
50
P( Z = 0,6 ) = 0,2257
La probabilidad que la variable adopte un valor comprendida en el intervalo (170, 200)
= 0,2257.
x = $349
Grfico 3.19
- 29 -
0,025
Probabilidad
0,02
0,015
0,01
0,005
0
0
500
1000
1500
2000
2500
x= 1200
En este caso nos est solicitando determinar que porcentaje de ingresos por hogar de
esa comunidad pertenecen al intervalo x >= $1200, es decir la zona rayada:
Aplicando la expresin que permite la estandarizacin:
X- x
1200 - 958
Z = --------------- = -----------------x
349
z = 0,69
De la tabla correspondiente a la distribucin normal estndar (en z)
La P(z=0,69) = 0,2549
Pero este valor, corresponde en la tabla a la superficie encerrada por la funcin en el
intervalo (958, 1200) que no es ms que el complemento a 0,5 de lo que se solicita,
por lo que:
P(x 1200) = 0,5 0,2549
P(x 1200) = 0,2451
Es decir, el porcentaje de hogares con ingresos mayores a los $ 1.200 es de:
24,51%
- 30 -
958 - 900
---------------349
= 0,166
3- b
P( 900 <= x <= 1500 ) = 0,064 + 0,4394 =
P( 900 <= x <= 1500 ) = 0,5034
4- b
El 50,34% de los hogares de esa comunidad tienen ingresos comprendidos entre $ 99
y $ 1500.
5-b
En 11853 hogares de esa comunidad los ingresos son mayores o iguales a $900
pero menores o iguales a $1500.
3.8
RESOLUCIN DE UNA DISTRIBUCIN BINOMIAL POR APROXIMACIN
CON LA NORMAL
Cuando una distribucin binomial presenta un nmero de ensayos elevados, n grande,
y la probabilidad del xito es prxima a 0,5, dicha distribucin puede ser resuelta por
aproximacin con la distribucin normal. En este caso debe tenerse en cuenta:
1-La media de la distribucin normal ser igual a la media de la binomial:
x=n.p
- 31 -
Resolucin
Grfico 3.20
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
-0,02
10
15
20
25
30
35
Grfico 3.21
- 32 -
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
1
11
13
15
17
19
21
23
25
27
29
31
P( x = 10 ) = 0,05665
Utilizando la distribucin normal tendremos P( 9,5 x 10,5):
x = n . p = 30 * 0,46 = 13,8
x = ( n.p.q) = (30.0,46*0,54)
x = 2,7298
13,8 9,5
Z = ---------------- = 1,575
2,7298
P(z = 1,575) = 0,4423
13,8 10,5
Z = ------------------ = 1,21
2,7298
- 33 -
10
15
20
25
30
35
16,5 13,8
z = ----------------- = 0,99
2,7298
P(z=0,99) = 0,3389
P(x >=17) = 0,5 0,3389 = 0,1611
- 34 -