ESTADISTICA I

UNIDAD 3: VARIABLES ALEATORIAS Y DISTRIBUCIONES DE

PROBABILIDAD

PRESENTADO POR:
LEONEL MORENO LEIVA LEIVA

DOCENTE
Milcon Montenegro Gamba

CORPORACION UNIVERSITARIA ASTURIAS

BOGOTA –D.C 2019
 INTRODUCION

Una variable puede tomar una variable cualquiera durante un proceso

dado
La distribución de probabilidad, describe el comportamiento de
fenómenos estadísticos es decir es un listado de todas las
probabilidades de todos los resultados posibles que se podrían
presentar si se efectúa un experimento. En la distribución discreta, las
variables asumen un número limitado de valores.
Existen varios modelos matemáticos que representan diversos
fenómenos discretos de la vida real. Las más útiles son:
1. la distribución uniforme discreta
2. la distribución de probabilidad binomial o de Bernoulli
3. la distribución de probabilidad hipergeometrica.
4. la distribución de probabilidad de poisson.
DESARROLLO DE LA ACTIVIDAD

CASO PRÁCTICO

1. ¿Qué modelo de distribución podrían seguir las siguientes

variables aleatorias?

 Número de hombres, mujeres y niños (menores de 12 años, de

cualquier sexo), en un avión con 145 pasajeros.

Este caso se ajusta a lo que son la DISTRIBUCION NORMAL, ya que se puede

expresar cualquier rango de mujeres, hombres o niños en base a una media.
Con una muestra que en este caso es de 145 pasajeros, de forma
estadística se puede calcular una media para clasificar o obtener el porcentaje
que representa cada grupo.

 Número de visitas que recibe en una hora www.iep.edu.es.

Este caso se ajusta a lo que son la DISTRIBUCION POISSON, Se usa a partir

de una frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado número de eventos durante cierto período de tiempo.
Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas, o sucesos "raros".

 Enciclopedias vendidas por un vendedor a domicilio tras visitar 18

casas.

Este caso se ajusta a lo que son la DISTRIBUCION BINOMIAL, se utiliza cuando

la variable aleatoria discreta es el número de éxitos en una muestra
compuesta por n observaciones. Es una de las distribuciones de probabilidad
más útiles que se emplea en control de calidad, producción, investigaciones,
etc.
 2. Si ℜ sigue la Distribución B (10; 0; 8), su valor esperado y su
varianza valen…

a) 8 y 0,2
b) 0,8 y 1,6
c) 8 y 16
0,8 y 0,2

# 𝑑𝑒 𝑖𝑛𝑡𝑒𝑛𝑡𝑜 = 10
𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜 = 0,8
Esperanza matemática: 𝜀 = # 𝑑𝑒 𝑖𝑛𝑡𝑒𝑛𝑡𝑜 ∗ 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜
𝜀 = 10 ∗ 0,8
𝜀 =8
Varianza: 𝛿 2 = 𝑒𝑠𝑝𝑒𝑟𝑎𝑛𝑧𝑎 ∗ (1 − 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜)
𝛿 2 = 8 ∗ (1 − 0,8)
𝛿 2 = 8 ∗ (0,2)
𝛿 2 = 1,6
La respuesta correcta es la b

3. ¿Qué falta en la f(x) de cuantía de una variable B(n, p): P(ξ = x)

= ¿ ? 𝑃 𝑥 (1 − 𝑝)𝑛 – 𝑥

𝑛!
a)
𝑥!
𝑛!
b)
[𝑥! (𝑛 − 𝑥)!]
𝑥!
c)
[𝑛! (𝑥 − 𝑛)!]
 𝑥!
d)
𝑛!

Con los datos dados deducimos que es una distribución binomial, el número
de pruebas que se realizan es n y la probabilidad de éxito es p.
𝑛
𝑓(𝑥) = ( ) 𝑃 𝑥 (1 − 𝑝)𝑛 – 𝑥 ; 𝑥 = 0,1,2,3,4,5,6 …
𝑥
Entonces

𝑛 𝑛!
( )=
𝑥 𝑥! (𝑛 − 𝑥) !
Tomamos los elementos de x en x y los combinamos de n en x
Luego la respuesta correcta es la b

CASO PRÁCTICO
Se efectúan lanzamientos consecutivos de un dado correcto. Resuelva
las siguientes cuestiones:
a) Determine razonadamente la distribución de probabilidad de la v.a
ξ: “número de lanzamientos que deben efectuarse hasta conseguir
el primer resultado par”. Calcular la probabilidad de que se
requieran 3 lanzamientos.

De acuerdo en este caso lo que debemos hacer es crear una función

que te de los valores de probabilidad para ambos casos. De antemano,
sabemos que si este dado es normal, tendrá una probabilidad de un
sexto de arrojar un valor. Entonces:

1
𝑝𝑎𝑟
𝑓(𝑥) { 2 }
1
𝑖𝑚𝑝𝑎𝑟
2

Esto es así ya que si cuentas, los valores pares son {2, 4, 6}, los
impares {1, 3, 5}, lo cual implica que sumando un sexto por cada
caso, vemos que hay una probabilidad de un medio de obtener un
valor par.

De esta forma, la probabilidad de conseguir dos impares y un par:

 1 2 1
𝑃(𝑑𝑜𝑠 𝑖𝑚𝑝𝑎𝑟𝑒𝑠) = ( ) = = 0,25
2 4

Probabilidad del 25%

b) Determine razonadamente la distribución de probabilidad de la v.a

μ: “número de lanzamientos que deben efectuarse hasta conseguir 3
pares”. Calcular la probabilidad de que se requieran 5 lanzamientos.

Vamos a obtener cuantas posibilidades pueden aparecer en tres

lanzamientos, serían seis posibilidades en cada lanzamiento, multiplicadas
da un total de seis al cubo, es decir, 216.

De esas 216, nos importan sólo {2 ,4 ,6}, serían 3 posibilidades en cada

lanzamiento, tres al cubo, 27 posibilidades.

Entonces, 27 posibilidades entre 216, es igual a 0.125, es decir, un octavo.

1
𝑝𝑎𝑟𝑒𝑠
8
7
𝑖𝑚𝑝𝑎𝑟𝑒𝑠
8
Ahora, para obtener tu probabilidad:

7 5
𝑃(4 𝑙𝑎𝑛𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 𝑛𝑜 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠) = ( ) = 0,586
8
Lo cual indica que es altamente probable que ocurra, el 58% de la
probabilidad de que ocurra.
 CONCLUCIONES

Variable aleatoria discreta es el conjunto de valores que ésta toma es un conjunto discreto, es decir,
un conjunto finito o numerable.

Variable aleatoria es continua cuando toma todos los valores dentro de un intervalo.

La función de probabilidad es la función que indica los valores de la probabilidad en los distintos
valores que toma la variable aleatoria discreta.
 REFERENCIAS BIBLIOGRAFICAS

https://www.centro-virtual.com/recursos/biblioteca/pdf/estadistica_i/unidad3_pdf1.pdf

 Montgomery, D. C y Runger, R. (2008). Probabilidad y Estadística Aplicadas a la Ingeniería. 2da.

Edición. Limusa Wiley. Mexico

https://www.centro-virtual.com/recursos/biblioteca/pdf/estadistica_i/unidad2_pdf3.pdf