Sei sulla pagina 1di 7

Probabilidades y Estadsticas

Se dice que X es una variable aleatoria si puede tomar distintos valores, y se tiene
una probabilidad dada para que tome estos valores. Por ejemplo:
Sea X el resultado del lanzamiento de un dado. X puede ser cara o sello. La
probabilidad de que X sea igual a cara, es decir, Px(x=cara), es igual a 1/2.

La sumatoria de las probabilidades de todos los posibles valores de X tiene que ser
igual a 1.

Tipos de variables:
Existen las variables discretas y continuas.
Las variables discretas pueden adoptar valores enteros o cualitativos, por ejemplo, el
resultado del lanzamiento de un dado (1,, 6) o el de una moneda (cara o sello).
Las variables continuas adoptan valores por intervalos de nmeros (puede ser todos los
reales). Por ejemplo, la temperatura de maana en Santiago. Estos casos no se manejan con
las probabilidades de un nmero exacto, por ejemplo, la probabilidad de que X sea igual a
1, pero se manejan las probabilidades de intervalos de nmeros, por ejemplo, la
probabilidad de que X sea mayor o igual a 1.

Esperanza o valor esperado:


Se ver solo la frmula para el caso de variables discreta.
La esperanza o valor esperado de una funcin cualquiera para una distribucin dada, por
ejemplo, g(x), est dada por:
E(g(x))= g(x)*Px(x)
La media o promedio est dado por:
u = E(X)
La varianza est dada por:
Var(X) = E[(X-u)2 )]
La desviacin estndar corresponde a la raz de la varianza.

Ejemplo:
La siguiente tabla muestra la distribucin de probabilidades de la variable X
X
0
1
2
3

P(X)
0,5
0,25
0,1
0,15

Obtener la media, desviacin estndar, y el valor esperado de X2


Respuesta:
Se obtiene la media:
E(X) = X*P(X) = 0*P(0)+1*P(1)+2*P(2)+3*P(3)
= 0*0,5 + 1*0,25 + 2*0,1 + 3*0,15 = 0,9
Se obtiene la varianza:
E[(X-0,9)2) = (X-0,9)2*P(X) = (0-0,9)2*P(0) + (1-0,9)2*P(1) + (2-0,9)2*P(2) + (30,9)2*P(3)
=(0-0,9)2*0,5 + (1-0,9)2*0,25 + (2-0,9)2*0,1 + (3-0,9)2*0,15 = 1,19
Se obtiene el valor esperado de X2:
E(X2)= X2*P(X) = 02*P(0) + 12*P(1) + 22*P(2)+ 32*P(3)
= 02*0,5 + 12*0,25 + 22*0,1 + 32*0,15 = 2

Distribucin Binomial
Una variable aleatoria que se comporta segn una distribucin binomial representa el
nmero de xitos que se obtuvieron en un nmero definido de experimentos, en los que los
nicos resultados posibles son xito y fracaso.
Es importante notar que una variable aleatoria con distribucin binomial es discreta.
En esta distribucin se tienen dos parmetros: la probabilidad de xito en un experimento y
el nmero de experimentos realizados. Su distribucin est dada por:
X ~ Binomial (p, n)
( = ) =

!
(1 )
! ( )!

p=probabilidad de xito en un experimento; n=nmero de experimentos realizados


Media = n*p
Variacin = n*p*(1-p)
Ejemplo:
Pedro tiene un control de 4 preguntas de verdadero o falso. Como tena cosas ms
importantes que hacer, no pudo estudiar absolutamente nada, por lo que decide contestar
todas como verdadero. Calcular la probabilidad de que Pedro obtenga por lo menos un 4 (la
mitad de las preguntas buenas).
Respuesta:
La variable aleatoria X corresponde al nmero de preguntas buenas que obtuvo Pedro, y se
puede notar que distribuye segn una binomial de parmetros p y n. La probabilidad de que
Pedro tenga al menos un 4 es la suma de las probabilidades de que tenga 2, 3 y 4 buenas. Es
decir:
( 2) = ( = 2) + ( = 3) + ( = 4)
Como no se tiene ningn prejuicio o informacin adicional sobre la prueba, se considera
que la probabilidad de tener una pregunta correcta poniendo verdadero es igual a la
probabilidad de tenerla poniendo falso, por lo tanto, p=0,5. Como son 4 preguntas, n=4.
Se hace el clculo:
4!

( = 2) = 2!(42)! 0,52 (1 0,5)42=0,375


4!

( = 3) = 3!(43)! 0,53 (1 0,5)43=0,25


4!

( = 4) = 4!(44)! 0,54 (1 0,5)44=0,0625


( 2) = 0,6875

Distribucin Normal
Esta distribucin se da para variables continuas, y varios fenmenos se comportan de
acuerdo a esta.
Esta distribucin cuenta con dos parmetros, y .
La media es y la varianza es 2.
La distribucin normal estndar es un caso particular de esta distribucin, y se da cuando
=0 y =1. Su grfico se ve de la siguiente forma:

Notar que el eje horizontal son los posibles valores de la variable aleatoria X y el eje
vertical es la probabilidad de que X adopte esos valores. La curva es simtrica.
Lo que est en azul representa el rea bajo la curva, que indica la probabilidad de que X
est en un intervalo en especfico. Por ejemplo, la probabilidad de que X sea mayor o igual
a 0 y menor o igual a 1 (entre 0 y 1) es igual al rea bajo la curva que hay entre 0 y 1.
La funcin (C) representa la probabilidad acumulada para X=C, es decir, indica la
probabilidad de que X sea menor o igual a C, y es el rea bajo la curva entre - y C (C
perteneciente a los reales). Los valores de la funcin ( ) estn en la Tabla Normal
Estndar, desde X=0. De forma ms general:
-

(C): Probabilidad de que X sea menor o igual a C


1 - (C): Probabilidad de que X sea mayor que C
(C) - (D): Probabilidad de que X sea mayor que D y menor o igual a C, con C
mayor que D
Se cumple: (-C) = 1 - (C) . Esto es til para obtener la funcin para valores
negativos, ya que no estn en la tabla.

Ejemplo:
Si X es una variable aleatoria que se comporta segn una distribucin normal estndar,
obtener la probabilidad de que X sea menor o igual que -1 y mayor que -1,6.

Respuesta:
Lo que se est pidiendo es (-1) - (-1,6). En la tabla no se pueden ver los valores de (-1)
ni de (-1,6), pero se sabe que (-1) = 1 - (1) y (-1,6) = 1 - (1,6). Se buscan esos
valores en la tabla:
(1) = 0,8413 ; entonces (-1) = 0,1587
(1,6) = 0,9452 ; entonces (-1,6) = 0,0548
(-1) - (-1,6) = 0,1039

En el caso de que no sea normal estndar, es decir, media distinta a 0 y varianza distinto a
1, el procedimiento es similar, solo que la funcin de distribucin acumulada est dada por
X

).

Ejemplo:
La cantidad de autos que pasa por da en una autopista se comporta segn una distribucin
normal, con media de 80 autos por da y varianza de 100. Calcular la probabilidad de que
no pasen ms de 90 autos en un da.
Respuesta:
La probabilidad de que no pasen ms de 90 autos es equivalente a la probabilidad de que
pasen 90 autos o menos. Se tienen los parmetros = 80 y = 10, por lo tanto la
probabilidad de que pasen 90 autos o menos est dada por:

9080
10

)= (1) = 0,8413

Teorema central del lmite

Supongamos que se tienen n variables aleatorias idnticamente distribuidas, esto quiere


decir, que se comportan segn la misma distribucin y con los mismos parmetros.
Supongamos que la media de estas variables es M y la desviacin estndar es D. El teorema
central del lmite dice lo siguiente:
-La sumatoria de todas estas variables (
=1 ) es una variable aleatoria que se comporta
segn una distribucin normal de parmetros = n M y =
-El promedio de estas variables o media muestral, es decir,

=1 , es una variable

aleatoria que se comporta segn una distribucin normal de parmetros = M y =

Ejemplo:
Se tienen 100 variables aleatorias idnticamente distribuidas, cada una con media igual a 50
y desviacin estndar igual a 5. Calcular la probabilidad de que el promedio de estas
variables sea igual o menor que 51.
Respuesta:
*Es importante notar que la media de las variables que se entrega (50), corresponde a la
media de la distribucin de estas variables, no al promedio de estas.

Se tiene que el promedio de estas variables se comporta segn una distribucin normal de
parmetros = 50 y =

5
100

, por lo tanto, la probabilidad de que el promedio de estas

variables sea igual o menor que 51 est dada por:

5150
5
100

)= (2) = 0,9772

Intervalos de confianza
Supongamos que se tienen n variables aleatorias idnticamente distribuidas, con media
muestral igual a M y desviacin estndar igual a D. El intervalo de confianza con un nivel
de confianza de 1- ( entre 0 y 1) est dado por:

<(1-)> = M + k(1-/2)*

Con Kp siendo la funcin inversa de (). Es decir:

(Kp) = p

Ejemplo:
Se tiene que la cantidad de autos que entra a un estacionamiento es una variable aleatoria.
Se anot esta cantidad durante 25 das, y se obtuvo un promedio de 52 autos y una
desviacin estndar de 10. Calcular el intervalo de confianza con un nivel de confianza del
95%.

Respuesta:
Se tiene un =0,05 por lo tanto, el intervalo est dado por:

<(0,95)> = 52 + k(0,975)*

10

25

Se busca en la tabla el valor de k(0,975) y queda:

<(0,95)> = 52 + 1,96*

10

25

= [48,08 ; 55,92]

Potrebbero piacerti anche