Académique Documents
Professionnel Documents
Culture Documents
1. VARIABLE ALEATORIA
Ejemplo 1. El espacio muestral del experimento aleatorio que consiste en extraer tres
artculos defectuosos, sin reposicin, de un lote de 20 artculos donde 5 son defectuosos es:
{nnn, dnn, ndn, nnd, ddn, dnd, ndd, ddd}
La respuesta depender del elemento del espacio muestral que consideremos. Podemos
establecer la siguiente correspondencia:
nnn 0
dnn 1
.
.
.
ddd 3
Ejemplo 2. El experimento consiste en lanzar una moneda hasta que salga cara. El espacio
muestral es: {c, sc, ssc, sssc, }
Si denotamos con Y, al nmero de lanzamientos realizados hasta que salga cara, podemos
establecer la correspondencia:
c 1
cc 2
ccc 3
.
.
.
P ( X = 1) = P({ dnn, ndn, nnd }) = 5/20 x 15/19 x 14/18 + 15/20 x 5/19 x 14/ 18 /+ 15/20 x
14/19x 5/18 = 3 x 5/20 x 15/ 19 x 14/ 18 = 105/ 228 = 35/76 por qu?
P(X=0)=?
Grafique la funcin.
Cunto es la suma de las probabilidades?
Se ha construido la funcin de probabilidad de X
Para la variable aleatoria del ejemplo 2, cul es la probabilidad de cada elemento del conjunto
de valores de la variable Y?
P( Y = 1) = P({c}) =
P( Y = 2) = P( {sc}) = x =
P ( Y = 3) = P( {ssc}) = x x = 1/8
Obtenga la suma de las probabilidades de los elementos de los valores de la variable Y.
La funcin de probabilidad de Y puede disponerse en la tabla
y 1 2 3 4 . . .
P(Y = y) 1/2 1/4 1/8 1/16 . . .
O expresarse con la funcin:
(1/2)x para x = 1, 2, 3, 4,
P(y) = {
0 para otros valores
Definicin.- Si X es una variable aleatoria discreta, p(x) es una funcin de probabilidad de X,
si p(x) es un nmero real, tal que:
1) p(x) 0
2) p ( x) = 1
x
3) P ( X = x) = p(x)
Cuando la variable aleatoria es cuantitativa continua, la distribucin de probabilidad no se
puede representar en forma tabular, se puede expresar mediante una frmula. Esta frmula
ser una funcin de los valores numricos de la variable aleatoria continua X, que se
representa mediante la notacin funcional f(x).
K (x + 2), 0<x<1
f(x) = {
0, en cualquier otro caso
Solucin:
a) Para que f ( x ), sea una funcin de densidad de probabilidad, debe verificarse:
f ( x)dx = 1
1
k ( x 2)dx = 1
0
1 2
k[ + 2] = 1 de donde k =
2 5
1
2 x2 2
= 2 x
5 2 1
4
2
(9 / 8 17 / 32) = 2/5 x 19/32 = 0.2375
=
5
Distribuciones Acumuladas o Funciones de Distribucin
Definicin.- Sea X una variable aleatoria con funcin de probabilidad o funcin de densidad,
f(x), segn sea la variable discreta o continua, respectivamente; la Funcin de Distribucin
acumulada o Funcin de distribucin de X, se define como:
F(x) = P( X x) para todo x R ;y es:
p(t )
tx
- x si la variable es discreta
F(x) = {
x
f (t )dt x si la variable es continua
0 x<0
2
(2 x x )
1
F(x) = { 0<x<2
2 2
1 x2
A partir de la funcin de distribucin se puede obtener desacumulando, la funcin de
probabilidad, para variable discreta y, derivando, la funcin de densidad, una para variable
continua.
Ejercicios
1.- Se extraen al azar dos fichas, una despus de otra, de una caja que contiene 5 fichas
blancas y tres fichas rojas. Enumere los elementos del espacio muestral, escriba los valores
de la variable X, nmero de fichas rojas seleccionadas y, construya la funcin de
probabilidad de la variable aleatoria X.
2.- Cinco pelotas numeradas, 1, 2, 3, 4 y 5 se encuentran en una caja. Se sacan dos pelotas al
azar de las cinco, y se anotan sus nmeros. Encuentre su distribucin de probabilidad
para:
a) el mayor de los nmeros seleccionados
b) la suma de los nmeros seleccionados
3.- Un operador registra el tiempo requerido para terminar un ensamble mecnico. Los
resultados que se obtienen son los siguientes:
Segundos 30 31 32 33 34 35 36 37 38 39
N de ensambles 3 5 6 9 12 25 32 15 9 6
4.- En el ejercicio anterior, suponga que se registran los tiempos necesarios para armar dos
piezas. Determine la funcin de probabilidad para cada una de las siguientes variables:
a) Tiempo total de armado de las dos piezas.
b) Tiempo promedio de armado de las dos piezas.
c) Diferencia en el tiempo de armado de las dos piezas.
d) Tiempo mayor de armado de las dos piezas.
5.- Construya la grfica para cada una de las siguientes distribuciones de probabilidad:
C x2 C 34 x
a) f(x) = para x = 0, 1, 2.
C 36
1 4
b) f(x) = C x5 ( ) x ( ) 5 x para x = 0, 1, 2, 3, 4, 5
5 5
= E( X ) = {
xf (x) si X es continua
Ejemplo. La media o valor esperado de la variable discreta X, cuya distribucin de probabilidad
se da en la tabla:
x 0 1 2 3 .
p(x) 1/8 1/4 3/8 1/4
Teorema.- Sea X una variable aleatoria con funcin de probabilidad o funcin de densidad f(x)
y sea g(x) una funcin de valores reales de X, entones el valor esperado de g(x) est dado por:
g ( x) f ( x)
x
si X es una variable discreta
E[ g(x) ] =
g ( x) f ( x)dx si X es una variable continua.
Ejemplo. Recordemos que para la variable discreta que tiene la funcin de probabilidad
x 0 1 2 3 .
p(x) 1/8 1/4 3/8 1/4
es = 1.25, y su varianza
2 x2
V(X) = 2 = ( x 1.25) dx 2
1 3
2
1 x 5 2.50 x 4 1.5625 x 3
=
3 5 4 3 1
= 14.93 = 3.86
2 = E(X2) 2
E[kg(X)] = k E[g(X)]
Este teorema establece que el valor esperado del producto de una constante y una funcin de
la variable aleatoria es igual a la constante por el valor esperado de la funcin.
DISTRIBUCIN BINOMIAL
Se produce un ensayo de Bernoulli, cuando slo pueden ocurrir dos resultados mutuamente
excluyentes. Son ejemplos de ensayos mutuamente excluyentes: enfermo o sano,
hospitalizado o no hospitalizado, defectuoso o bueno, hipertenso o no hipertenso. Visit al
mdico o no.
1. En cada ensayo ocurre uno de dos resultados posibles, mutuamente excluyentes. Uno
de los posibles resultados (el que nos interesa) se denota como xito y el otro, como
fracaso.
2. La probabilidad de xito, denota por p, permanece constante de un ensayo a otro, y la
probabilidad de fracaso se denota con , q = 1-p
3. Los ensayos son independientes, es decir, el resultado de algn ensayo en particular
no es afectado por el resultado de cualquier otro ensayo.
Distribucin Binomial. Una variable aleatoria discreta X, se dice que tiene una distribucin
binomial, si X es el nmero de xitos en una secuencia de n ensayos de Bernoulli. La funcin
de probabilidad de X est dada por:
Ejemplo. Supongamos que en cierta poblacin el 15% son ambidextros. Si se elige una
muestra aleatoria de 5 personas,
Valor esperado de X:
E(X) = np
Varianza de X
V(X) = npq
Ejercicios:
2. La probabilidad de que una persona que sufre de migraa tenga alivio con un frmaco
especfico es de 0.8. Se selecciona aleatoriamente cuatro personas con migraa, cul
es la probabilidad del nmero de personas de que consigan alivio con el frmaco sean:
a) Exactamente cero
b) Exactamente tres
c) Dos o menos
d) Ms de uno
3. Segn informes del INEI, el 30 por ciento de los adultos son fumadores. Se extrae una
muestra de 12 de adultos, cul es la probabilidad de que:
a) Cinco sean fumadores
b) Al menos 9 sean fumadores?
En la muestra de 12 adultos, cuntos adultos fumadores se espera encontrar.
DISTRIBUCIN DE POISSON
f(x) = x = 0, 1, 2, 3,
!
3 35
a) f(5) = = =
5!
b) P( X < 3) = P( X 2 ) = P( X = 0) + P(X= 1) + P( X = 2)
c) P( X 2) = 1 P(X 1)
Ejemplo. Suponga que se sabe que en cierta rea de una gran ciudad el nmero
promedio de ratas por manzana es de cinco. Suponga que el nmero promedio
de ratas sigue una distribucin de Poisson, y calcule la probabilidad de que en
una manzana elegida aleatoriamente existan:
E(x) = y V(X) =
Ejercicios
3.- El rea total bajo la curva sobre el eje X es igual a 1. Debido a la simetra ya mencionada,
0.50 de rea se encuentra a la derecha de y 0.5 a la izquierda de .
4.- Si se levantan perpendiculares a una distancia de una desviacin estndar a ambos lados
de la media, el rea delimitada por esas perpendiculares, el eje x y la curva es de 0.68. Si los
lmites laterales se extienden a dos desviaciones estndar a ambos lados de la media, el rea
incluida es de aproximadamente 0.95, y extendindolo a 3 desviaciones estndar, se tiene un
rea de 0.997 aproximadamente.
Para calcular probabilidad de que Z tome un valor entre dos puntos del eje z, por
ejemplo entre z1 y z2, debe calcularse el rea limitada por las perpendiculares levantadas en
esos puntos, la curva y el eje horizontal. reas bajo la curva de una distribucin continua se
calculan integrando la funcin de densidad de Z entre los dos valores de la variable.
Por fortuna no es necesario efectuar esta operacin, pues existen tablas con
resultados de todas las integraciones. Como cualquier variable con distribucin normal puede
ser convertida a la distribucin normal estndar mediante la transformacin:
X
Z=
Podemos tambin determinar probabilidades o reas limitadas entre dos valores cualesquiera
de X.
Para determinar rea a la derecha de un valor de la variable Z o el rea entre dos valores de Z
consideramos las propiedades de que el rea debajo de la curva es igual a 1 y la simetra de la
distribucin.
P (Z > 1.67) = 1 P (Z < 1.67) = 1 0.9525 = 0.0475
P (Z > -1.74) = 1- P (Z < -1.74) = 1 0.0409 = 0.9591
P (1.15 < Z < 2.63) = P (Z < 2.63) P (Z < 1.15) = 0.9957 0.8749 = 0.1208
P (-1.54 < Z < 2.38) = P (Z < 2.38) P (Z < -1.54) = 0.9913 0.0618 = 0.9295
Tambin se pueden hallar los puntos que delimitan reas. Ejemplos: Hallar z
P (Z < z) = 0.9881 z = 2.26
P (Z < z) = 0.3300 z = -0.44
P (Z > z) = 0.4721
P (Z < z) = 1 P (Z > z) = 1 0.4721
P (Z < z)= 0.5279 z = 0.07
P (Z > z) = 0.9744
P (Z < z) = 1 P (Z > z) = 1 0.9744
P (Z < z) = 0.0256 z = -1.95
P (-z < Z < z) = 0.9476
P (Z < z) = 0.9738 z = 1.94
P (-z < Z < z) = 0.9488
P (Z < z ) = 0.9744 z = 1.94
Ejemplo 1.- Dada una distribucin normal con = 30 y = 6, encuentre el rea de la curva
normal
a) a la derecha de x = 17;
b) a la izquierda de x = 22;
c) entre x = 32 y x = 41;
Solucin:
X 17 30
a) P (X > 17) = P ( > ) = P (Z > -2.17) = 1 P (Z < -2.17)= 1 0.0150 = 0.9850
6
X 22 30
b) P (X < 22) = P ( < ) = P (Z < -1.33) = 0.0918
6
32 30 X 30 41 30
c) P ( 32 < X < 41) = P ( < < ) = P ( 0.33 < Z < 1.83)
6 6 6
= P( Z < 1.83) P (Z < 0.33) = 0.9664 0.6293 = 0.3371
1.- Calcular
a) P (Z < 1.43) b) P (Z < -2.33) c) P (Z > 2,05)
d) P (Z > -0.54) e) P (-0.72 < Z < 1.69) f) P ( -2.44 < Z -1.82)
2.- Hallar el valor de z en
a) P (Z < z) = 0.2946 b) P (Z < z) = 0.9909
c) P (Z > z) = 0.0228 d) P (Z > z) = 0.9251
e) P (-z < Z < z ) = 0.9500 f) P (-z < Z < z) = 0.6476
3. Dada una poblacin con distribucin normal, con una media de 75 y una variancia de
625, calcular:
a) P (50 X 100).
b) P(X > 90).
c) P(X < 60).
d) P (X 90).
e) P (30 X 110).
4.- Un terapista fsico piensa que los puntajes en una prueba de destreza manual tienen
aproximadamente una distribucin normal con una media de 10 y una desviacin estndar
de 2.5. Si a un individuo, elegido aleatoriamente, se le aplica el examen, cul es la
probabilidad de que logre un puntaje de
a) 15 puntos o menos
b) 7.5 puntos o ms
c) entre 5 y 12.5 puntos
d) entre 7 y 15.5 puntos
5.- Si la capacidad de la cavidad craneana de una poblacin tiene una distribucin
aproximadamente normal, con una media de 1400 cc y una desviacin estndar 125 cc ,
calcular la probabilidad de que una persona , elegida aleatoriamente de esa poblacin ,
tenga una capacidad de cavidad craneana :
a) Mayor que 1450 cc.
b) Entre 1300 y 1500 cc.
c) Menor que 1350 cc.
6.- Suponga que el tiempo de permanencia hospitalaria por enfermedad crnica para un
tipo de paciente es de 60 das, con una desviacin estndar de 15. Si es razonable suponer
que se tiene una distribucin aproximadamente normal para el tiempo de hospitalizacin,
calcular la probabilidad de que un paciente, elegido aleatoriamente de ese grupo, tenga
una hospitalizacin:
a) Mayor que 50 das.
b) Menor que 30 das.
c) Entre 30 y 60 das.
d) Mas de 90 das.
7.- Si el nivel total de colesterol en cierta poblacin tiene una distribucin
aproximadamente normal de 200 mg/100 ml y una desviacin estndar de 20 mg/100 ml ,
calcular la probabilidad de que un individuo , elegido al azar de entre esa poblacin , tenga
un nivel de colesterol:
a) Entre 180 y 200 mg/100 ml.
b) Mayor que 225 mg/100 ml.
c) Menor que 150 mg/100 ml.
d) Entre 190 y 210 mg/100 ml.
8.- Los pesos de una poblacin de mujeres jvenes con mayora de edad tienen una
distribucin aproximadamente normal con una media de 132 libras y una desviacin
estndar 15. Calcular la probabilidad de que una joven, elegida aleatoriamente de esa
poblacin, pese:
a) Ms de 155 libras.
b) 100 libras o menos.
c) Entre 105 y 145 libras.
9.- Dada una variable aleatoria X distribuida normalmente, con = 15 y P ( X < 50) =
0.9904, calcular
10.- Dada una variable aleatoria X distribuida normalmente, con = 5 y P ( X < 10) =
0.0778, calcular .