Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DanielMavila@yahoo.es
2016-1
Experimento
X :E
w X ( w)
donde:
w = es un elemento del espacio
muestral
Llamar variable a una funcin resulta algo confuso, por
ello hay que insistir en qu es una funcin.
Las v. a. se pueden clasificar en:
DISCRETAS, cuyo rango es un conjunto
finito o infinito numerable de valores.
Provienen de contar, solamente pueden ser
representados con nmeros enteros.
CONTINUAS, cuyo rango es un conjunto
finito no numerable de valores. Provienen de
medir, se pueden representar con nmeros
enteros o fraccionarios. Entre dos valores
siempre existe un numero intermedio.
Ejemplo de variable aleatoria discreta:
Nmero de caras al lanzar tres
monedas (fenmeno aleatorio).
Elementos del
+++ ++C +C+ C++ CC+ C+C +CC CCC
espacio muestral
sucesos o
eventos
Ley de
correspondencia
Nmeros reales
(# de caras)
0 1 2 3 caras
Establecer una variable aleatoria para un experimento
aleatorio no es ms que una forma de asignar de "manera
natural" nmeros a los eventos. Tienen un nmero fijo de
valores.
La v. a. es una funcin que atribuye a cada evento un
nmero que no es aleatorio, sino fijo y
predeterminado; lo que es aleatorio es el resultado
del experimento sobre cuyo espacio muestral se
define la v. a.
Ejemplo:
Dado el espacio muestral de lanzar un dado las veces
que sean necesarias hasta obtener el nmero 2.
S = D, ND, NND, NNND, ...
La funcin X definida como el nmero de
lanzamientos realizados hasta que d 2 es una v. a.
cuyo rango (dominio) es el conjunto:
Rx = 1; 2; 3; ...
Ejemplos
GAMA DE
VARIABLES
EXPERIMENTO RESULTADO VARIABLES
ALEATORIAS
ALEATORIAS
Almacen con 50 rboles N de rboles de navidad X= N de rboles de
0,1,2 50
de navidad vendidos navidad vendidos
Y= N de artculos
Inspecccionar 600 artculos N de artculos aceptables 0,1,2 600
aceptables
Z= N de personas que
N de personas que que
Enviar 5 000 cartas de ventas que responden a las 0,1,2 5 000
responden a las cartas
cartas
% de construccin R= % de construccin
Construir un edificio de departamentos completado en cuatro completado en cuatro 0 R 100
meses meses
Tiempo de duraccin del S= tiempo que funciona el
Probar la vida de un foco (en min.) 0 S 80 000
foco hasta 80 000 foco
Ejemplos
GAMA DE
VARIABLE
EXPERIMENTO RESULTADO VARIABLES
ALEATORIA
ALEATORIAS
Muy de acuerdo (MA) 5 si MA 1; 2; 3; 4 y 5
De acuerdo (A) 4 si A
Estudiantes que
Neutral (N) 3 si N
contestan un X=
En desacuerdo (D) 2 si D
cuestionario
Muy en desacuerdo
1 si MD
(MD)
0 si
Defectuoso
Se inspecciona una defectuoso 0y1
Y=
mquina 1 si no
No defectuoso
defectuoso
Consumidores Mucho 3 si mucho 1; 2 y 3
responden cunto Promedio Z= 2 si promedio
les agrada un Poco 1 si poco
Requerimientos de una distribucin de
probabilidad
X P(X) X P(X) X P(X)
-1 .1 -1 -.1 -1 .1
0 .2 0 .3 0 .3
1 .4 1 .4 1 .4
2 .2 2 .3 2 .3
3 .1 3 .1 3 .1
1.0 1.0 1.2
0 p( x) 1 para todo x
p( x) 1
x
Ejercicio
Se pide:
Se pide:
= E(X) = xi f(xi)
x = 0 1 2 3 4
f(x) = 1/16 4/16 6/16 4/16 1/16
Clculo de la E(X):
N -150 0,3
Prdida promedio
Ejemplo.
Una compaa de seguros tiene que determinar el gasto medio
por pliza suscrita por una constructora, sabiendo que cada ao
una de cada 10 000 plizas termina en una reclamacin de
S/.20 millones, una de cada 1 000 en S/.5 millones, una de cada
50 en S/.200 000 y el resto en S/.0; Halla E(X).
1 1
2 10
7
5 10
6
10000 1000
1 9789
2 10 0
5
11000
50 10000
Interpretacin: ______________________________
Esperanza matemtica o media
x j p( x j ) (Distribucin discreta)
j
xp ( x)dx
(Distribucin continua)
1 p, para x 0
f ( x)
p, para x 1
Calcular la esperanza y la varianza de la distribucin de
Bernoulli.
E[ X ] x P ( X x )
1
x 0
0 * P ( X 0) 1 * P ( X 1) p
1
Var ( X ) E[ X ] ( E[ X ]) x P ( X x ) p
2 2 2 2
x 0
0 * P ( X 0) 1 * P ( X 1) p
2 2 2
p(1 p )
Distribucin de probabilidad binomial
P(x~(n,p)); b(x;n;p); P(X=r|n,p)
La distribucin binomial aparece cuando estamos
interesados en el nmero de veces que un suceso A
ocurre (xitos) en n intentos independientes.
Experimento: N de caras en n lanzamientos de una
moneda.
3 p 2 (1 p)
3 p(1 p) 2
Distribucin Binomial
Supongamos que el experimento consta de n intentos y definamos la v. a.
X = Nmero de veces que ocurre A.
En nuestro ejemplo:
X = Nmero de veces que sale cara.
Entonces X puede tomar los valores 0, 1, 2, ... n.
n x n x n!
B(n, p) p( x) p (1 p) p x (1 p) n x
x x!(n x)!
Distribucin binomial para n = 5 y distintos valores de p, B(5, p)
Incrementos de n en una distribucin binomial
Ejemplo 1:
Cul es la probabilidad de que en una familia de cuatro
hijos exactamente dos sean nias?
n x
p(x) p ( 1 p)n x
x
p 0.5; n 4; x 2
4
p( 2 ) ( 0.5 ) ( 1-0.5 )
2 4- 2
2
Ejemplo 2:
Si una dcima parte de personas tiene cierto grupo
sanguneo, cul es la probabilidad de que entre 100
personas escogidas al azar exactamente ocho de ellas
pertenezcan a este grupo sanguneo?
n x n x
p(x) p ( 1 p)
x
p 0.1; n 100; x 8
100
p( 8 ) ( 0.1 )8( 1 - 0.1 )92
8
Y si la pregunta anterior, fuera ocho como mximo?
n x
8
p(x 8 ) p ( 1 p) n x
x 0 x
8
100
(0.1) ( 0.9 )
x 100 x
x 0 x
Ejemplo 3. Calcula la probabilidad de obtener al menos dos
6 al lanzar un dado cuatro veces.
n k nk
P(k ) p q (k 0,1,....n)
k
p = 1/6, q = 5/6, n = 4
Al menos dos 6, implica que nos valen k = 2, 3, 4.
P(2) + P(3) + P (4)
4 1 5 4 1 5 4 1
2 2 3 4
2 6 6 3 6 6 4 6
1 171
4 (6 25 4 5 1) 0.132
6 1296
Caractersticas de la distribucin binomial
Caso 1:
Media:
= E(X) = n p P(X) n = 5 p = 0.1
0.6
1= 5 * 0,1 = 0,5 0.4
0.2
0.0 X
2= 5 * 0,5 = 0,25
0 1 2 3 4 5
Caso 2:
Desviacin estndar:
P(X) n = 5 p = 0.5
np (1 p) .6
.4
1 5 * 0,1 * (1 0,1) 0,67 .2
0 X
2 5 * 0,5 * (1 0,5) 1,1 0 1 2 3 4 5
Ejercicio
1. Supn que la probabilidad de tener una unidad defectuosa en una
lnea de ensamblaje de las plumas (flechas) de las gras prtico es
de 0,05. Si el conjunto de unidades terminadas constituye un
conjunto de ensayos independientes, contesta:
a) cul es la probabilidad de que entre diez unidades dos se
encuentren defectuosas?
b) y de que a lo sumo dos se encuentren defectuosas?
c) cul es la probabilidad de que por lo menos una se encuentre
defectuosa?
e x
p( x ) , x 0;1;2; ... 0
Donde:
x!
e = 2,7182818284590452353602874713527
Caractersticas de la distribucin de
Poisson
2 P(X) = 6
.6
.4
Nota: el mximo de la distribucin .2
se encuentra en x 0 X
0 2 4 6 8 10
Ejemplo 1. La seal promedio recibida en un telescopio de una
fuente celeste es de 10 fotones por minuto. (a) Calcular la
probabilidad de recibir 7 fotones en un minuto determinado.
Una distribucin de Poisson con = 10:
x
p( x ) e ( x 0;1,...)
x!
P(X = 7) = 107 e10 / 7! = 0,09, es decir 9%
Parece muy baja. Comparemos con el valor de mxima
probabilidad que ocurrir para x = 10:
= 10 P(X = 10) = 1010 x e10 / 10! = 0.125, es decir 12.5%
Las probabilidades poissonianas para un nmero de eventos
dado, son siempre pequeas, incluso en el mximo de la
distribucin de probabilidad.
(b) Cul es la probabilidad de recibir 7 fotones en un
segundo dado?
(c) Cul es la probabilidad de recibir 7 fotones en una hora
establecida?
Ejemplo 2. Si en promedio, entran dos coches por minuto en un
taller, cul es la probabilidad de que durante un minuto entren
cuatro o ms coches? Solucin:
Si asumimos que un minuto puede dividirse en muchos
intervalos cortos de tiempo independientes y que la probabilidad
de que un coche entre en uno de esos intervalos es p, que para un
intervalo pequeo ser tambin pequeo, podemos aproximar la
distribucin a una Poisson con = n*p = 2.
El suceso complementario entran 3 coches o menos tiene
probabilidad: x
p( x ) e ( x 0;1;...)
x!
2 20
P( A ) p(0) p(1) p(2) p(3) e (
c
0!
21
1! 22
2! ) 0,857
23
3!
Donde:
= = n*p
P( A)
0 100
1 100 100 2 100 100
0,920626
n x n x
p( x ) p q ( x 0;1;...n )
x
El suceso A: No ms de 2 televisores defectuosos puede
aproximarse con una distribucin de Poisson con = np = 1,
sumando p(0) + p(1) + p(2).
1 x
P( A) e (1 1 12 ) 0,919698603 p( x ) e ( x 0;1,...)
x!
Propiedad reproductiva de las distribuciones de
probabilidad
n
y i
i 1
Ejercicio
En la fbrica Alan Brito SAC el nmero de
accidentes laborales por semana sigue un
proceso de Poisson con parmetro = 2.
Determina:
a) La probabilidad de que haya cuatro accidentes en
el transcurso de tres semanas. Rpta. 0,1339
Tip. Aplicar propiedad reproductiva.
b) La probabilidad que haya dos accidentes en una
semana, y otros dos accidentes en la semana
siguiente. Rpta. 0,0733
3 ( 1)
( 3 1) =
( 1)
P(1X3)
=
(1)
3 ( = 0)
=
( 1)
1 (4)
=
(1)
La suma de v.a. binomiales con el mismo parmetro p es una binomial de
parmetro p.
Ejemplo
En un hospital la probabilidad de curar un enfermo sin secuelas es 0,90. Esta probabilidad es anloga en otro
hospital de otra ciudad. Si llegan en un da 20 enfermos al primer hospital y 30 al segundo cul es la probabilidad
de curar sin ningn tipo de secuela a ms de 46 pacientes?
Observa que se ha introducido una nueva v.a. en el experimento aleatorio. La v.a. Y que es la suma de las dos X.
Nos piden la
Explicacin: La v.a Y sigue el modelo Binomial. Como n >30 se resuelve por el modelo Normal.
APROXIMACIN DE POISSON A LA BINOMIAL
Algunos experimentos binomiales dadas
sus caractersticas, es posible aproximar-
las con la distribucin de Poisson. Estas
caractersticas son, n (n es muy
grande) y p0 (p es muy pequea), por
lo que: x
n x
p( x ,n , p ) n Cx p q
x
x!
Donde:
= = n*p = nmero esperado de xitos =
tasa promedio de xitos
n = nmero de repeticiones del experimento
p = probabilidad de xito = p(xito)
Ejemplo:
Se sabe que el 5% de los libros encua-
dernados en el CEUPS de la Facultad
tienen encuadernaciones defectuosas.
Determina la probabilidad de que 2 de
100 libros encuadernados en ese Centro,
tengan encuadernaciones defectuosas,
usando:
a) la frmula de la distribucin Binomial,
b) la aproximacin de Poisson a la distri-
bucin Binomial.
Propuesta de solucin:
a) n = 100
p = 0,05 = p (encuadernacin defectuosa)
= p (xito)
q = 0,95 = p (encuadernacin no defectuosa)
= p(fracaso)
x = variable que nos define el nmero de
encuadernaciones defectuosas en la muestra
= 0; 1; 2; 3; ...100 encuadernaciones
defectuosas.
Respuesta: 0,0812
b) (...)
n = 100 encuadernaciones
p = 0,05
= np = (100)(0,05) = 5
x = variable que define el nmero de
encuadernaciones defectuosas en la
muestra = 0; 1; 2; 3; 100 encuader-
naciones defectuosas
x 2 5
( 5 ) ( 2.718 )
p( x 2, 5 ) 0.0843
x! 2!
(...)
Interpretacin
A N A
x n x
H (n, N , A) P( x) ( x 0;1; ... n)
N
n
nA nA A N n
1
2
N N N N 1
Distribucin Hipergeomtrica...
donde:
40 50 40
4 5 4
P (4) 0,431
50
5
Respuesta. La probabilidad de seleccionar cinco
estaciones de juego y encontrar que cuatro
funcionan perfectamente es de 0,431.
Distribucin Hipergeomtrica...
Tenemos N = 10, A = 3, N - A = 7, n = 2
Con reemplazo (distribucin binomial):
2 x
2 3
x
7
p( x ) , p(0) 0,49, p(1) 0,42, p(2) 0,09
x 10 10
Distribucin Hipergeomtrica...
Tenemos N = 10, A = 3, N - A = 7, n = 2
3 7
x 2 x 21 3
p( x ) p(0) p(1) 0,47 , p( 2) 0,07
10 45 45
2
Ejercicio
Clemencia Prez auditora de SUNAT est seleccionando una muestra de seis
declaraciones juradas de impuesto a la renta de los docentes de la Facu para
una posible auditora. Si dos o ms de ellas indican deducciones no
autorizadas, se auditar todo el grupo (poblacin) de 100 declaraciones. Si el
25% de las declaraciones son incorrectas, determina:
(a) La verdadera distribucin de probabilidad de nmero de declaraciones
incorrectas en la muestra. Cules son los parmetros (Media y varianza)?
Halla la probabilidad de una auditora detallada.
(b) Utiliza una aproximacin (binomial) a la verdadera distribucin de
probabilidad para hallar la probabilidad de una auditora ms detallada.
25 75
X 6-x
. h(x, 100, 6, 25 ) = . x=0, 1, 2, 3, 4, 5, 6.
100
6
75 25 75
=1 - 6 + 1 5 = 0,4691
100