Académique Documents
Professionnel Documents
Culture Documents
Es una función que asocia un número real con cada uno de los elementos de un espacio muestral. Es
decir que un resultado observado de un experimento está contenido en su espacio muestral y en una
variable aleatoria. Recordar que una variable puede ser cuantitativas o cualitativas.
Recorrido (Rx): es el conjunto de todos los valores posibles que puede tomar la variable aleatoria,
independientemente si es cuantitativa o cualitativa siempre debe de tener un recorrido cuantitativo.
(ejemplo: supongamos que se lanzan dos monedas, entonces las opciones pueden ser cara o escudo, en
el supuesto que la variable aleatoria de estudio es el número de caras se sabe que no es una variable
cuantitativa pero su recorrido puede realizarse usando la cantidad de caras que pueden obtenerse
Rx={0, 1, 2}).
Cuando las variables son discretas unidimensionales se realiza una tabla como el siguiente ejemplo. Si
se lanzan 3 monedas y X se denota la variable del número de caras, determine la probabilidad de cada
evento. En este caso se determina el recorrido Rx= {0, 1, 2, 3}, este se coloca en la primera columna y
en la segunda las probabilidades.
Rx Probabilidad P(X)
0 1/8
1 3/8
2 3/8
3 1/8
Cuando las variables son discretas bidimensionales se unifica un Rx y una variable X común, como el
siguiente ejemplo. Suponga que para hacer dieta necesita consumir a lo mucho 3 vitaminas y 2
minerales, entonces se utiliza un sistema de pares ordenados para unificar las 2 variables en una solo
variable X será equivalente al consumo total. El espacio muestras de pares ordenados está dado por
S={ (0,0), (0,1),(0,2),(1,0),(1,1),(1,2),(2,0),(2,1),(2,2),(3,0),(3,1),(3,2)} pero como se unifico la variable como
X= consumo total, entonces como máximo de consumo es de 5 y el Rx={0, 1, 2, 3, 4, 5}.
X P(x) Ganancia/Perdida
Negra 3/10 +2
Blanca 7/10 -1
E(x)= [(+2) (3/10)] + [(-1) (7/10)] = -0.10 R/ Se esperaría que pierda Q0.10
Determinar la probabilidad de
que en el tercer lanzamiento de
Binomial negativa: el interés ahora Donde: una moneda caiga cara por
es determinar la probabilidad de que x; es el número de ensayos o intentos. segunda vez.
ocurra un k-éxito en la x-esima k; es el número de éxito que se busca.
prueba. Requiere independencia. p: es la probabilidad de éxito. x: 3 lanzamientos.
q: es el equivalente a (1-p). k= 2 (el segundo éxito de cara).
p= 0.5
𝐸(𝑋) = 𝑘/𝑝 q= 1-0.5=0.5
𝑔(𝑥; 𝑝) = 𝑝𝑞 𝑥−1
Determinar la probabilidad de
Dónde: que en el tercer lanzamiento se
Geométrica: el interés es conocer x: es el número de ensayo donde ocurre el primer éxito. obtenga la primera cara.
la probabilidad del número de prueba p: probabilidad de éxito. p= 0.5
en que ocurre el primer éxito. q: es el equivalente a (1-p). q=0.5
Requiere independencia también 𝐸(𝑋) = 1/𝑝 x= 3 (posición y éxito).
conocida como Pascal.
𝑞 g(3,0.5)= 0.5*0.52 = 1/8
𝑉(𝑋) =
𝑝2
∑
𝑥=1
La probabilidad de que un
P(x1,x2….xk;p1,p2…pk)= estudiante llegue por carro, bus
o caminando es de 0.2, 0.5, 0.3
𝑛!
∗ 𝑝1𝑥1 ∗ 𝑝2𝑥2 ∗ … ∗ 𝑝𝑘 𝑥𝑘 respectivamente. Determinar la
𝑥1! ∗ 𝑥2! … 𝑥𝑘! probabilidad de que de 9 alumnos
elegidos al azar 3 hayan llegado
Donde:
en carro, 4 en bus y 2 caminando.
n: es el tamaño de la muestra.
x 1: es tamaño de la primera opción.
Multinomial: se da cuando cada n=9 estudiantes
p 1: es la probabilidad de la primera opción.
prueba tiene más de dos resultados x 1: 3 en carro
x 2: es tamaño de la segunda opción.
posibles (al contrario de la binomial p 1: 0.2
p 2: es la probabilidad de la segunda opción.
que tiene el éxito y el fracaso). La x 2: 4 en bus
x k: es tamaño de la k-opción.
probabilidad es independiente. p 2: 0.5
p k: es la probabilidad de la k-opción.
x 3: 2 caminando
𝐸(𝑥𝑘) = 𝑛 ∗ 𝑝𝑘 p 3: 0.3
P(3,4,2;0.2,0.5,0.3)=
9!
∗ 0.23 ∗ 0.54 ∗ 0.32
3! ∗ 4! ∗ 2!
𝑉(𝑥𝑘) = 𝑛 ∗ 𝑝𝑘 ∗ (1 − 𝑝𝑘)
= 0.0567.
E(x)=V(x)=𝜆
En un grupo de 10 individuos, 3
tienen sangre de tipo O, 4 de A y
3 de B. determinar la
probabilidad de que una muestra
aleatoria de 5 individuos 1 sea
tipo O, 2 tipo A y 2 tipo B.
Hipergeométrica multivariada: Donde:
Se tiene una población N dividida en N: es el tamaño de la población.
ak y una muestra n dividida en xk. n: es el tamaño de la muestra. 𝑓=
3𝐶1 ∗ 4𝐶2 ∗ 3𝐶2
10𝐶5
Aquí la probabilidad es dependiente. a 1: es el tamaño de una característica 1 de la población.
X 1: es el tamaño de una característica 1 de la muestra. =0.21
a 2: es el tamaño de una característica 2 de la población.
X 2: es el tamaño de una característica 2 de la muestra.
a k: es el tamaño de una característica k de la población.
X k: es el tamaño de una característica k de la muestra.