Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Donde, b: es el extremo superior (en el ejemplo, $160, y a: es el extremo inferior (en el ejemplo,
140 pesos). Por lo tanto, la funcin de distribucin del ejemplo sera:
05 . 0
140 160
1
) x ( f
,
es decir, que el valor final est entre 140 pesos y 141 pesos tiene un 5% de probabilidad, que est
entre 141 y 142, otro 5%, etc.
DISTRIBUCIN DE BERNOULLI
Ejemplo, Un ejemplo tpico de este tipo de variables aleatorias consiste en lanzar una moneda al
aire y considerar la variable aleatoria X=(Nmero de caras obtenidas), en cuyo caso X=0 si q=1/2,
y X=1 si p=1/2
Para una variable aleatoria de Bernouilli, tenemos que sus funciones de probabilidad y de
distribucin son,
'
<
<
'
1 x si 1
1 x 0 si q
0 x si 0
) x ( F
caso otro 0
1 x si p
0 x si q
) x ( f
Su funcin caracterstica y momentos son,
+
1 , 0 x
it
i
itx
x
i
i
e p q ) x ( f e ) t (
q p ) X ( V p ) X ( E
DISTRIBUCIN BINOMIAL
Ejemplo, se tira una moneda 10 veces: cuantas caras salen? Si no ha salido ninguna la variable
toma el valor 0; si han salido dos caras la variable toma el valor 2; si todas han sido cara la variable
toma el valor 10. La distribucin de probabilidad de este tipo de distribucin sigue el siguiente
modelo,
1 Q P Q P
)! k n ( ! k
! n
) x X ( P
k n k
+
Ejemplo, Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?. k es el
nmero de aciertos. En este ejemplo k igual a 6 (en cada acierto decamos que la variable toma el
valor 1: como son 6 aciertos, entonces k=6), n es el nmero de ensayos. En nuestro ejemplo son
10, P es la probabilidad de xito, es decir, que salga cara al lanzar la moneda. Por lo tanto P=0,5.
Entonces,
205 . 0 5 . 0 5 . 0
)! 6 10 ( ! 6
! 10
) 6 X ( P
6 10 6
Luego, P(x=6) = 0,205, es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar
10 veces una moneda.
Ejemplo, Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado ocho
veces?, siendo k (nmero de aciertos) toma un valor de 4, y n toma el valor 8
La probabilidad de que salga un 3 al tirar el dado es 1/6, entonces,
026 . 0 ) 166 . 0 1 ( 166 . 0
! 4 ! 4
! 8
) 4 X ( P
4 4
Luego, P(x=4)=0,026, es decir, se tiene una probabilidad del 2,6% de obtener cuatro veces el
nmeros 3 al tirar un dado 8 veces.
Ejemplo, Un mdico aplica un test a 10 alumnos de un colegio para detectar una enfermedad cuya
incidencia sobre una poblacin de nios es del 10%. La sensibilidad del test es del 80% y la
especificidad del mismo es del 75%. Cual es la probabilidad de que exactamente a cuatro
personas le de un resultado positivo? Si en la muestra hay cuatro personas a las que el test le da
positivo, cul es la probabilidad de que entre estas, exactamente dos estn sanas? Calcular la
probabilidad de que el test suministre un resultado incorrecto para dos personas. Calcular la
probabilidad de que el resultado sea correcto para ms de 7 personas.
Solucin: Los datos de que disponemos son: P(E)=0.10, P(T
+
/E)=0.80, y P(T
-
/E)=0.75, donde E,
T+, y T- tienen el sentido que es obvio. Si queremos saber a cuantas personas el test le dar un
resultado positivo, tendremos que calcular P(T
+
), para lo que podemos usar el teorema de la
probabilidad total (estar enfermo y no estarlo forman una coleccin exhaustiva y excluyente de
sucesos):
P(T
+
)=P(T
+
/E)*P(E)+P(T
+
/E
-
)*P(E
-
)=0.80*0.10+0.25*0.90=0.305
Sea X1 la variable aleatoria que contabiliza el nmero de resultados positivos. Es claro que
llamando p1=P(T
+
), se tiene que X sigue una distribucin binomial
2048 . 0 695 . 0 * 305 . 0 *
4
10
q p
x
10
) x X ( P ) 305 . 0 , 10 ( B X
6 4 x 10
1
x
1 1 1
,
_
,
_
Ahora bien, si queremos calcular a cuntas personas les dar el test positivo aunque estn sanas,
hemos de calcular previamente P(E
-
/T
+
)
[ ]
7377 . 0
) T ( P
) E ( P * ) E / T ( P 1
) T ( P
) T E ( P
) T / E ( P
+
+
+
+
LECCIN 18. FUNCIONES DE DISTRIBUCIN DE PROBABILIDAD
Ejemplo, La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se viaja, si se
realizan 300 viajes, cual es la probabilidad de tener 3 accidentes?
Como la probabilidad P es menor que 0,1, y el producto n*P es menor que 10, entonces aplicamos
el modelo de distribucin de Poisson,
0892 . 0
! 3
6
e ) 3 X ( P
3
6
Por tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del 8,9%
Ejemplo, La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la probabilidad de
que entre 800 recin nacidos haya 5 pelirrojos?
602 . 4
! 5
6 . 9
e ) 5 X ( P
5
6 . 9
Por tanto, la probabilidad de que haya 5 pelirrojos entre 800 recin nacidos es del 4,6%
Ejemplo, En un taller, el nmero de accidentes a la semana es X=P(), el cual sigue una
distribucin (2,4). Cual es la probabilidad de que en el taller ocurran 3 accidentes ala semana?
P(3)=?
Luego la funcin marginal de X
Cambio de variable (a+1)=t
Por otra parte, , entonces,
La probabilidad de 3 accidentes es, finalmente,
DISTRIBUCIN HIPERGEOMTRICA
Ejemplo, en una urna hay 7 bolas blancas y 5 negras. Se sacan 4 bolas Cul es la probabilidad
de que 3 sean blancas?
N = 12; N1 = 7; N2 = 5; k = 3; n = 4, entonces,
354 . 0
4
12
1
5
3
7
) 3 X ( P
,
_
,
_
,
_
Es decir, la probabilidad de sacar 3 bolas blancas es del 35,3%.
Ejemplo, en una fiesta hay 20 personas: 14 casadas y 6 solteras. Se eligen 3 personas al azar
Cul es la probabilidad de que las 3 sean solteras?
0175 . 0
3
20
0
14
3
7
) 3 X ( P
,
_
,
_
,
_
Es decir, la probabilidad de que las 3 personas sean solteras es tan slo del 1,75%.
DISTRIBUCIN MULTINOMIAL
Ejemplo de distribucin binomial: a unas elecciones se presentaron 2 partidos polticos: el LALA
obtuvo un 70% de los votos y el JEJE el 30% restante. Cul es la probabilidad de que al elegir 5
ciudadanos al azar, 4 de ellos hayan votado al JEJE?
Ejemplo de distribucin multinomial, a esas elecciones se presentaron 4 partidos polticos: el LALA
obtuvo un 40% de los votos, el JEJE el 30%, el MUMU el 20% y el LALA el 10% restante. Cul es
la probabilidad de que al elegir 5 ciudadanos al azar, 3 hayan votado al LALA, 1 al MUMU y 1 al
LALA?
Ejemplo, En una fiesta, el 20% de los asistentes son espaoles, el 30% franceses, el 40% italiano
y el 10% portugueses. En un pequeo grupo se han reunido 4 invitados: cual es la probabilidad
de que 2 sean espaoles y 2 italianos?
0384 . 0 1 . 0 4 . 0 3 . 0 2 . 0
! 0 ! 2 ! 0 ! 2
! 4
) 0 X , 2 X , 0 X , 2 X ( P
0 2 0 2
4 3 2 1
Luego, la probabilidad de que el grupo est formado por personas de estos pases es tan slo del
3,84%
DISTRIBUCIN MULTIVARIADA
Ejemplo, en una urna hay 7 bolas blancas, 3 verdes y 4 amarillas: cul es la probabilidad de que
al extraer 3 bolas sea cada una de un color distinto?
,
_
,
_
,
_
n
N
x
N
x
N
) x X , x X ( P
4
4
1
1
k k 1 1
Donde X1 = x1: indica que el suceso X1 aparezca x1 veces (en el ejemplo, que una de las bolas sea
blanca), N1 indica el nmero de bolas blancas que hay en la urna (en el ejemplo, 7 bolas), N es el
nmero total de bolas en la urna (en el ejemplo, 14 bolas), n es el nmero total de bolas que se
extraen (en el ejemplo, 3 bolas)
Entonces,
2307 . 0
3
14
1
4
1
3
1
7
) 1 X , 1 X , 1 X ( P
3 2 1
,
_
,
_
,
_
,
_
Es decir, que la probabilidad de sacar una bola de cada color es del 23,07%.
LECCIN 19. FUNCIONES DE DISTRIBUCIN DE PROBABILIDAD
DISTRIBUCIN GAMAM Y EXPONENCIAL
Ejemplo, En un experimento de laboratorio se utilizan 10 gramos de Polonio radiactivo. Sabiendo
que la duracin media de un tomo de esta materia es de 140 das, Cuntos idas transcurrirn
hasta que haya desaparecido el 90% del material?
Solucin: El tiempo T de desintegracin de un tomo de
o
210
84
P es una variable aleatoria de
distribucin exponencial, Como el nmero de tomos existentes en una muestra de 10 gramos es
enorme, el histograma de frecuencias relativas formado por los tiempos de desintegracin de cada
uno de estos tomos debe ser extremadamente aproximado a la curva de densidad, f. Del mismo
modo, el polgono de frecuencias relativas acumuladas debe ser muy aproximado a la curva de su
funcin de distribucin F. Entonces el tiempo que transcurre hasta que el 90% del material
radiactivo se desintegra es el percentil 90, t90, de la distribucin exponencial, es decir
das 322 10 . 0 Ln
a
1
t , entonces , 90 . 0 1 e 90 . 0 ) t ( F
90
at
90
90
Ejemplo, Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una
distribucin exponencial con media de 16 aos. Cul es la probabilidad de que a una persona a la
que se le ha implantado este marcapasos se le deba reimplantar otro antes de 20 aos? Si el
marcapasos lleva funcionando correctamente 5 aos en un paciente,
Solucin: Sea T la variable aleatoria que mide la duracin de un marcapasos en una persona.
20
0
16 / 20
7135 . 0 e 1 dt ) t ( f ) 20 T ( P
LECCIN 1-21. MS SOBRE FUNCIONES DE DISTRIBUCIN
VALORES EXTREMOS
Ejemplo tpico de esta funcin es la GUMBEL, en la cual, si
577 . 0
es la constante de Euler,
entonces
+ u m
y
y
2
2
y
6