Estadística I

TEMAS:
1. MEDIAS Y VARIANZAS DE COMBINACIONES LINEALES DE VARIABLE
ALEATORIAS.

2. TEOREMA DE CHEBYSHEV.

Ingeniería en sistemas de información

UNIVERSIDAD MARIANO GALVEZ DE GUATEMALA

 Medidas de combinaciones lineales de
variables aleatorias

PARA SIMPLIFICAR LOS CÁLCULOS DE MEDIA DE

VARIABLES ALEATORIAS, SE PRESENTAN
PROPIEDADES QUE PERMITAN CALCULAR VALORES
ESPERADOS PARA VARIABLES DISCRETAS.
• TEOREMA:

• Si a y b son constantes, entonces,

• E(aX + b) = aE(X) + b

• Corolario 1: haciendo a = 0, se observa que E(b) = b

• Corolario 2: haciendo b = 0, se observa que E(aX) = aE(X)

Ejemplo:
• Suponga que el número de autos X, que pasan a
a través de una máquina lavadora, entre 4:00
p.m. y las 5:00 p.m. de un viernes, tiene la
siguiente distribución de probabilidad

x 4 5 6 7 8 9

P(X = x) 1/12 1/12 1/4 1/4 1/6 1/6

Sea g(X) = 2X – 1 que representa la cantidad de

dinero en dólares, que el gerente del negocio le
paga al encargado. Encuentre las ganancias
esperadas del encargo en este periodo de tiempo
en particular.
Solución

• De acuerdo al teorema E(aX + b) = aE(X) + b

• E(2X – 1) = 2E(X) – 1

Ahora:

= (4)(1/12)+(5)(1/12)+(6)(1/4)+(7)(1/4)+(8)(1/6)+(9)(1/6)
= 41/6

Por lo tanto:
• µ2x – 1 = 2(41/6) – 1 = $12.67
Teorema de Chebyshev.

Si una variable aleatoria tiene una varianza o desviación estándar pequeña,

esperaríamos que la mayoría de los valores se agrupan alrededor de la media.
Por lo tanto, la probabilidad de que una variable aleatoria tome un valor dentro
de cierto intervalo alrededor de la media, es mayor que para una variable
aleatoria similar con una desviación estándar mayor, si pensamos en la
probabilidad en términos de una área, esperaríamos una distribución continua
con un valor grande de σ que indique una variabilidad mayor y, por lo tanto,
esperaríamos que el área este extendida. Sin embargo, una desviación estándar
pequeña debería tener la mayor parte de su área cercana a µ.
Podemos argumentar lo mismo para una distribución discreta. Lo cual indica una
distribución mas variable de mediciones o resultados.

El matemático ruso P. L. Chebyshev (1821±1894) descubrió que la fracción de

área entre cualesquiera de dos valores simétricos alrededor de la media esta
relacionada con la desviación estándar.
Como el área bajo una curva de distribución de probabilidad, o de un histograma
de probabilidad, suma 1, el área entre cualesquiera dos números es la
probabilidad de que la variable aleatoria tome un valor entre estos números.
La desigualdad de Chebyshev es un resultado
estadístico que ofrece una cota inferior a la
probabilidad de que el valor de una variable aleatoria
con varianza finita esté a una cierta distancia de su
esperanza matemática o de su media;
equivalentemente, el teorema proporciona una cota
superior a la probabilidad de que los valores caigan
fuera de esa distancia respecto de la media. El
teorema es aplicable incluso en distribuciones que no
tienen forma de "curva de campana" y acota la
cantidad de datos que están o no "en medio".
Resumen:
El teorema de Chebyshev nos dice: La probabilidad de que una
variable aleatoria tome un valor contenido en K desviaciones
estándar de la media es cuando menos

En términos intuitivos, la varianza y la desviación estándar de una distribución

de una probabilidad mide el grado de dispersión:

• Cuando la desviación estándar es pequeña, la probabilidad de obtener un

valor cercano a la media es alta.
• Cuando la desviación estándar es grande, la probabilidad de obtener
Un valor cercana a la media es pequeña

Esto se expresa mediante el teorema anteriormente mencionado.

µ ± 1 desviación = 68%
µ ± 2 desviaciones = 95%
µ ± 3 desviaciones = 99.74%
Ejemplo: Se encuesta a ____ estudiantes de Estadística I, para
saber cuanto era lo que gastaban en un día de universidad en
alimentación (almuerzo). Con lo datos se tiene que:
• µ=
• σ2 =
• σ =

99.74% 95% 68% µ= 68% 95% 99.74%

a) Probabilidad que gasten entre ----- y ------

b) Probabilidad que gastes más de ---------
c) Probabilidad que gasten menos de ----------
 TEOREMA DE CHEBYSHEV

0
 TEOREMA DE CHEBYSHEV
6

0
Aplicación

El numero de llamadas que reciben un servicio telefónico de contestación

entre las diez y las once de la mañana es una variable aleatoria cuya
distribución tiene una media de 26 y un desviación estándar de 3 1/3.
Acerca del número de llamadas que puede recibir el servicio telefónico
De contestación entre las diez y las once de la mañana, ¿qué nos
Dice el teorema de Chebyshev con K = 3?

Datos:

µ = 26
σ= 3 1/3
Solución:

Debemos determinar los límites inferior y superior de los cuales caería el

número promedio de llamadas (para lo cual aplicamos la Regla empírica):

µ ± kσ ---------- µ ± kσ = limite superior

26 + 3(3 1/3) ? 26 + 10 = 36
µ ± kσ = limite inferior
26 – 3(3 1/3) = 26 – 10 = 16

Aplicando el teorema de Chebyshev tenemos:

P(K) = 1 – 1/K2

P(3) = 1 – 1/32 = 1 – 1/9 = 8/9

P(3) = 0.8889 = 88.89%

Interpretación: con una probabilidad del 88.89% que el servicio Telefónico de

llamadas recibirá entre las diez y las once de la mañana de 16 a 36 llamadas.
 Ejemplo 2: Una variable aleatoria X tiene una µ=8 una σ2 = 9 y una distribución de
probabilidad desconocida. Calcule P(-4 < X > 20)

Solución:

Debemos determinar los límites inferior y superior (para lo cual aplicamos la Regla
empírica):

µ ± kσ ---------- µ + kσ = limite superior

20 = 8 + k(3) = 20 – 8 =3k = k = 4
µ + kσ = limite inferior
-4 = 8 – k(3) = – 4 – 8 = – 3k = – 12 = – 3k = K = – 4

Aplicando el teorema de Chebyshev tenemos:

P(K) = 1 – 1/K2 k = 4

P(4) = 1 – 1/42 = 1 – 1/16 = 15/16 = 0.9375. Entonces P(4) = 0.9375 = 93.75%

Interpretación: con una probabilidad del 93.75% de que la variable aleatoria X

sea mayor que – 4 y menor que 20.
TEMA: Distribución Discreta Uniforme
y
Distribución Binomial y Multinomial

Estadística I
Ingeniería en Sistemas de Información
Distribución Discreta Uniforme
Ejemplo 1:
• Cuando se lanza un dado, cada elemento del espacio muestral
S = 1, 2, 3, 4, 5, 6 ocurre con una probabilidad de 1/6. por lo
tanto se tiene una distribución uniforme con:
f(x; n) = f(x; 6) = 1/6, x = 1, 2, 3, 4, 5, 6

Histograma para el lanzamiento de un dado

1/6

0
1 2 3 4 5 6
Para obtener la Media y la variancia de la
distribución uniforme discreta para el lanzamiento
de un dado, se procede la manera siguiente:

f(x; n) = f(x; 6) = 1/6, x = 1, 2, 3, 4, 5, 6

Ejemplo 2:
Un foco se selecciona al azar de una caja que contiene
un foco de 40 watts, uno de 60, uno de 75 y uno de 100
Determinar:
1. Cada elemento del espacio muestral.

2. Histograma

3. Media

4. Varianza
 Distribución binomial
• Un experimento consiste en ensayos repetidos,
cada uno con dos posibles resultados que pueden
llamarse éxito y fracaso. La aplicación más común
se da en la prueba de artículos a medida que
salen de una línea de producción, donde cada
prueba o experimento puede indicar si uno de
ellos esta o no defectuoso. Se tiene la posibilidad
de escoger la manera en que se define un
resultado en donde los intentos o ensayos
repetidos son independientes y la probabilidad
del éxito permanece constante. Este proceso se
conoce como proceso de Bernoulli.
 Ejemplo de Distribución Binomial
• Un inspector de control de calidad debe
decidir sobre la producción diaria en una
empresa industrial. Esa decisión debe decidir
si pasa o no pasa la producción al mercado. Si
no reúne los requisitos de calidad no pasa a
comercializarse en el mercado. Para esa
decisión toma 20 microchips, la probabilidad
de que un microchip sea defectuoso es de
10%
 Propiedades del proceso de Bernoulli
• El experimento consiste en n intentos
repetidos
• Los resultados de cada uno de los intentos
pueden clasificarse como un éxito o como un
fracaso
• La probabilidad de éxito, representada por p,
permanece constante para todos los intentos.
• Los intentos repetidos son independientes.
Utilizando el procedimiento de Bernoulli de respuesta a
las siguientes interrogantes:

1. ¿Cual es la probabilidad de que no encuentre

microchips defectuosos?
2. ¿Cual es la probabilidad de que encuentre 5
microchips defectuosos?
3. ¿Cuál es la probabilidad de que se encuentren más de
2 microchips defectuosos?
4. ¿Cual es la probabilidad de que encuentre de 3 a 8
microchips defectuosos?
5. ¿Encuentre la esperanza matemática y la desviación
estándar de probabilidad, y entonces utilice el
teorema de Chebyshev para interpretar el intervalo
µ ± 1σ.
• ¿Cual es la probabilidad de que no encuentre
microchips defectuosos?

= nCr

Respuesta:
12.16% de probabilidad de no encontrar microchips
defectuosos
2. ¿Cual es la probabilidad de que encuentre 5
microchips defectuosos?

Solución: = nCr

Respuesta:
3.19% de probabilidad de encontrar 5 microchips
defectuosos
3. ¿Cuál es la probabilidad de que se encuentren
más de 2 microchips defectuosos?
Tabla:
Solución: n = 20
r=1
p = 0.10

Respuesta:
60.83% de probabilidad de encontrar mas de 2 microchips
defectuosos
4. ¿Cual es la probabilidad de que encuentre de
3 a 8 microchips defectuosos?
Solución:

Respuesta:
La probabilidad de encontrar de 3 a 8 microchips
defectuosos es del 13.29%.
5. ¿Encuentre la esperanza matemática y la desviación estándar
de probabilidad, y utilice el teorema de Chebyshev para
interpretar el intervalo µ ± 1σ
Solución:
La media y la varianza de la distribución binomial b(x; n, p) esta
dada por:

µ = np σ2 = npq
µ = 20 * 0.10 = 2 σ2 = 20 * 0.10 * 0.90 = 1.80
σ = √1.80 = 1,34
5. ¿Encuentre la esperanza matemática y la desviación estándar
de probabilidad, y utilice el teorema de Chebyshev para
interpretar el intervalo µ ± 1σ
• µ=2
• σ = 1.34

µ - 2σ µ - 1σ µ = 2 µ + 1σ µ + 2σ

µ + 1σ = 2 + 1(1,34) = 2 + 1.34 = 3.34 = 4 Limite superior

µ - 1σ = 2 – 1(1,34) = 2 – 1.34 = 0.66 = 1 Limite inferior
5. ¿Cual es la esperanza matemática y la desviación estándar de
probabilidad, y utilice el teorema de Chebyshev para
interpretar el intervalo µ ± 1σ
Datos:
µ=2 µ + 1σ = 2 + 1(1.34) = 2 + 1.34 = 3.34 = 4 limite superior
σ = 1.34 µ + 1σ = 2 – 1(1.34) = 2 – 1.34 = 0.66 = 1 Limite inferior
K=1

Aplicando el teorema de Chebyshev tenemos:

P(k) = 1 – 1/k2
P(1) = 1 – 1/12
P(1) = 1 – 1 = 0 * 100 = 0%

Respuesta:
Con una probabilidad del 0% de encontrar de 1 a 4 microchips defectuosos
de la producción diaria Realizada por la empresa industrial
Ejemplo 2:
En un proceso manufacturero se seleccionan tres artículos aleatoriamante; se inspeccionan y se
clasifican como defectuosos o no defectuosos. Se ha determinado durante el proceso que se
produce un 25% de piezas defectuosas. Con base a esta información, y aplicando el proceso de
Bernoulli, determinar:

1. El espacio muestral para los resultados

2. Los valores de X correspondientes
3. Distribución de probabilidad de X=x
4. Tabla de distribución de probabilidades de X=x
5. ¿Cual es la probabilidad de que encuentre 2 artículos defectuosos?
6. ¿Cuál es la probabilidad de que se encuentren menos de 3 artículos defectuosos?
7. ¿Encuentre la esperanza matemática y la desviación estándar de probabilidad, y entonces
utilice el teorema de Chebyshev para interpretar el intervalo µ ± 2σ.
RESPUESTAS A:
1. El espacio muestral para los resultados
2. Los valores de X correspondientes
3. Distribución de probabilidad de X=x

Espacio Valor de Valor de

Muestral de x probabilidad
resultados X=x o f(x)
S
Respuesta
4. Tabla de distribución de probabilidades de X=x o f(x)

x
f(x)
5. ¿Cual es la probabilidad de que encuentre 2
artículos defectuosos?

Respuesta:
6. ¿Cuál es la probabilidad de que se encuentren
menos de 3 artículos defectuosos?

X< 3

Respuesta:
7. ¿Encuentre la esperanza matemática y la desviación estándar
de probabilidad, y utilice el teorema de Chebyshev para
interpretar el intervalo µ ± 2σ
Solución:
La media y la varianza de la distribución binomial b(x; n, p) esta
dada por:
µ = np σ2 = npq
Fin de la presentación