Vous êtes sur la page 1sur 17

DOCUMENTO DE TRABAJO N.

10

Estadistica

ASIGNATURA

CDIGO PLAN DE ESTUDIO

REQUISITO(S) HORAS SEMANALES

OBLIGATORIA/LECTIVA
ANUAL/SEMESTRAL
DIURNA/VESPERTINA
TERICO-PRCTICA/PRCTICA
CARCTER
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 1 2

Probabilidad: 0,7 0,2 0,1


a) 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( A ) P( B )

P( ) = P[(A B)c] = 1 - P(A B)

Por tanto, P(A B) = 1 - P( ) = 1 -0.58 = 0.42

Por otro lado, P( A ) P( B ) = 0.7 0.6 = 0.42

Luego, A y B son independientes, pues P( A B ) = P( A ) P( B ) = 0.42

b. M A . 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 pedida es P(A/R). Utilizando el teorema de Bayes, tenemos:

V. Evaluacin de la actividades

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 pi.

f : IR IR
tal que f ( x) P( X x)
x f ( 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.

2. P( X x ) 1 es decir la suma de probabilidades repartidas entre todos los valores de


i

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
tal que F ( x) P( X x)
x F ( 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 xi).

Propiedades

1. F(x) es una probabilidad por lo tanto 0 F ( x) 1


2. F(xk) = 0 para todo x < xk
3. F(xk) = 1 para todo x > xk

Esperanza, Varianza.

n
Esperanza o media: x P( X x )
i !
i i

n
Varianza: 2 (x
i !
i x ) 2 P ( X xi )

n
Desviacin Estndar (x
i 1
i x ) 2 P ( X xi )
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 :

a) Funcin de probabilidad a travs


( p, p, p ) ( z , z , p ) ( z , p, z ) de una tabla
( p, q, z ) ( q, q, p ) ( p, z , q )
= b) P(X 2) y la P(1<X) tal que
( p, q, p ) ( p, z , z ) ( p, p, z )
X: cantidad de p
( p, q, q ) ( z , p, z ) ( p, z , q )
c) Cul ser el valor esperado y
la varianza.?

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

X f P(X=x) F(x)

0 0 0/12 0

1 9 9/12 9/12

2 2 2/12 11/12

3 1 1/12 1
n = 12 1

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

0 9 2 1 86
xP( X x) 0 1 2 1 7,167
12 12 12 12 12

Para la varianza se tiene que

0 9 2 1
2 ( x x) 2 P( X x) (0 1,333) 2 (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