Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2
VARIABLES ALEATORIAS (v.a.)
DEFINICION 1: Una variable aleatoria es una cantidad, que es el
resultado al azar de un experimento, debido a la aleatoriedad
puede tomar valores diferentes.
Una variable aleatoria es una descripción numérica del resultado
de un experimento.
Las variables aleatorias se denotan con letras mayúsculas tales
como X, Y, etc.
3
VARIABLES ALEATORIAS (v.a.)
DEFINICION 2: Una variable aleatoria X es una función real, que
asocia un número real a cada resultado de un espacio muestral
Ω, en un experimento aleatorio. Una variable aleatoria X es una
función definida en Ω tal que a cada resultado wϵΩ le asocia el
número real x=X(w).
X: Ω → R
wi xi
R X
xR / x X (w), x
4
VARIABLES ALEATORIAS (v.a.)
Ejemplo: Una empresa fabrica componentes electrónicos y se
cuenta el número de artículos defectuosos. Se verifican al azar
dos componentes. ¿Qué valores toma la variable aleatoria?
Solución: X: Número de artículos defectuosos
Ω={BB, BD, DB, DD}
X: Ω →
R BB 0
BD 1
DB 2
DD
Número de X: Número de
Ofrecer en venta
arboles de arboles de
50 arboles de 0, 1, 2, …, 50
navidad navidad
navidad
vendidos vendidos
Funcionamiento
de un Cantidad de Y: Cantidad de
0, 1, 2, ..……
restaurante clientes clientes
durante un día
Tiempo en Tiempo en
Funcionamiento minuto, entre minuto, entre
w≥0
de un banco llegadas de llegadas de
clientes clientes
6
Ejemplo
Ejemplo: En una Universidad se considera que el número mínimo
de cursos por semestre en que puede matricularse un alumno es
1 y el máximo es 5.
• Experimento: Matricula de estudiantes
• Espacio muestral : Alumnos matriculados según el número de
cursos
• Variable aleatoria X: Número de cursos por semestre.
• Rango o Recorrido:
R X
1, 2, 3, 4, 5
7
Ejemplo
• Espacio Muestral:
SSS , SSC, SCS , CSS , SCC, CSC, CCS , CCC
• Rango o Recorrido:
R X
0, 1, 2, 3
8
CLASES DE VARIABLES ALEATORIAS
VARIABLE ALEATORIA DISCRETA: Es aquella cuyo
rango es un conjunto finito o infinito numerable
de valores.
R X
x1 , x , ..., x ,....
2 n
Ejemplo:
Número de autos entrando en un autolavado
por hora.
Número de lámparas defectuosas producidas
durante una semana.
9
Ejemplo
Ejemplo: De un registro donde están todas las
familias de un poblado, se elige una familia al azar y
para cada familia se considera el número de hijos
que tiene.
• Experimento: Registro de familias
• Espacio muestral : Familias según el numero de
hijos que están inscritas en el registro.
• Variable aleatoria X: Número de hijos.
• Rango o Recorrido:
RX 0, 1, 2, 3, .....
10
Ejemplo
Ejemplo: La cantidad de ausentes el día lunes en una
empresa compuesta por 100 empleados.
• Experimento: Asistencia de los empleados a la empresa
• Espacio muestral : 100 empleados considerando la
cantidad de ausencia que han tenido.
• Variable aleatoria X: Cantidad de ausentes
• Rango o Recorrido:
R X
0, 1, 2, ..., 100
11
VARIABLE ALEATORIA CONTINUA
VARIABLE ALEATORIA CONTINUA: Es aquella cuyo
rango es un conjunto infinito no numerable de
valores. Las variables aleatorias continuas
representan mediciones: Tiempo, peso, longitud
Ejemplos:
• Si se pesa un lingote de acero, el resultado (en
libras) puede ser 2500, 2500.1, 2500.13, etc…, y así
sucesivamente, dependiendo de la precisión de la
báscula.
• La presión de un neumático (en libras por pulgada
cuadrada) podría ser 28, 28.6, 28.62, 28.624, etc…,
dependiendo de la precisión del medidor.
12
Ejemplo
Ejemplo: Realizamos un experimento, el objetivo es
probar la vida útil de una bombilla eléctrica.
• Experimento: Probar la vida útil de una bombilla
• Espacio muestral : Tiempo que dura la bombilla
hasta 80000 minutos
• Variable aleatoria continua X: Tiempo que tarda en
fundirse la bombilla
• Rango o Recorrido:
R X
: 0 T 80000
13
DISTRIBUCION DE
PROBABILIDAD
14
DISTRIBUCION DE PROBABILIDAD
Valores de xi de X x1 x2 x3 ……... xn
Probabilidad pi = P[X=xi] p1 p2 p3 ……… pn
15
DISTRIBUCION DE PROBABILIDAD DISCRETA
• Una distribución de probabilidad discreta es el conjunto
de valores posibles de una variable aleatoria discreta,
organizadas en una distribución de probabilidades.
• Una distribución de probabilidad discreta asume sólo
valores claramente separados.
• La función o distribución de probabilidad de una
variable aleatoria discreta X, es p(x), esta representado
por la probabilidad:
p( x) PX x
16
Distribución de Probabilidad
• Los valores de la distribución de probabilidad de la variable
aleatoria discreta X, p(x) satisfacen las siguientes condiciones:
i ) p( x) 0
ii ) p ( xi ) 1
xi R x
17
FUNCION DE DISTRIBUCION ACUMULADA DE UNA
VARIABLE DISCRETA
P( x) P( X x) P( X k ) p(k ); x
kx
18
MEDIA DE UNA VARIABLE ALEATORIA DISCRETA
i 1 i 1
V (X )
20
PROPIEDADES DE LA ESPERANZA MATEMATICA
E(aX b) aE( X ) b
• Si X e Y son variables aleatorias y a, b constantes:
E(aX bY ) aE( X ) bE(Y )
• Si X1, X2, …., Xn son n variables y a1, a2, …., an son n constantes:
n n
E ( ai X i ) ai E ( X )
i
i 1 i 1
22
Ejemplo
Ejemplo: Un jefe de laboratorio de computación tiene
trabajando con él; a 5 hombres y 3 mujeres. Para un
trabajo especial selecciona 4 de ellos al azar. Si X es el
número de hombres seleccionados, determinar:
a) La función de probabilidad
b) La función de distribución acumulada y graficarla
c) Calcular el valor esperado y la desviación estándar
23
Solución: La distribución de probabilidad de X
a) La distribución de probabilidad de X
Espacio muestral:
Ω={H, H, H, H, H, M, M, M}
Variable Aleatoria:
Número de hombres seleccionados
Recorrido:
R X
1, 2, 3, 4
24
Las probabilidades
Las probabilidades son:
5 3
P ( X 1) C C1 3
5
0.07
8
C 70
4
5 3
2) C C
30
P( X 2
8
2
0.43
C 70
4
5 3
3) C C
30
P( X 3
8
1
0.43
C 70
4
5 3
4) C C
5
P( X 4
8
0
0.07
C 70
4
25
La distribución de probabilidad
La distribución de probabilidad es:
Valores de xi 1 2 3 4
Probabilidad pi = P[X=xi] 0.07 0.43 0.43 0.07
P(X)
1
0.93
0.5
0.07
1 2 3 4 X
27
Cálculo de Promedio - Varianza
d) El promedio de hombres seleccionado es:
Valores de xi 1 2 3 4
Probabilidad pi = P[X=xi] 0.07 0.43 0.43 0.07
R X
0, 1, 2, 3
30
Las probabilidades
• Las probabilidades son:
1
p(0) P[ X 0] P[ sss]
8
3
p(1) P[ X 1] P[css, scs, ssc]
8
3
p(2) P[ X 1] P[ccs , csc, scc]
8
1
p(3) P[ X 1] P[ccc ]
8
31
Distribución de Probabilidad
Entonces la distribución de probabilidad es:
xi 0 1 2 3
P(x=x) 1/8 3/8 3/8 1/8
2
3 3 6
P(1 X 2) p p(1) p(2) 0.75
k 1
k 8 8 8
32
Determinar la función de distribución
c) Determinar la función de distribución acumulada P(x) de la
variable aleatoria X y graficarla
Rx p(x) FF(x)
0, x0
1
0 p(o) = 1/8 P(o) = 1/8 0 x 1
8
1 P(1) = 3/8 P(1) = 4/8
4
F ( x) 1 x 2
2 p(2) = 3/8 P(2) = 7/8
8
7
8 2 x 3
3 p(3) = 1/8 P(3) = 1
1 3 x
33
GRAFICA
• GRAFICA:
8/8
7/8
4/8
1/8
0 1 2 3
34
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS CONTABLES
Curso: Estadística Inferencial
MUCHAS GRACIAS
35