UNIVERSIDAD SALVADOREA

ALBERTO MASFERRER
ESTADISTICA II
ING. ROY DONALDO SILVA
Variables aleatorias

UNIVERSIDAD SALVADOREA
ALBERTO MASFERRER
ESTADISTICA II
ING. ROY DONALDO SILVA

1. INTRODUCCION A LA PROBABILIDAD
Probabilidad de un suceso.
Probabilidad: valor entre cero y uno, inclusive, que describe
la posibilidad relativa de que ocurra un evento.
Las probabilidades constituyen una rama de las matemticas
que se ocupa de medir o determinar cuantitativamente la
posibilidad de que un suceso o experimento produzca un
determinado resultado
Experimento: proceso que conduce a la ocurrencia de una de
varias observaciones posibles.
Evento: conjunto de uno o ms resultados de un
experimento.
La probabilidad mide la frecuencia con la
que se obtiene un resultado (o conjunto de
resultados) al llevar a cabo un experimento
aleatorio, del que se conocen todos los
resultados posibles, bajo condiciones
suficientemente estables
En un experimento Consta de :

- Suceso elemental: cada uno de los
resultados posibles.
- Espacio muestral (E): conjunto formado
por los sucesos elementales.
El concepto de probabilidad no es nico, pues se
puede considerar desde distintos puntos de vista:

Definicin clsica o a priori ( laplaciano)

Definicin frecuentista o a posteriori
(Enfoque Emprico)

El punto de vista subjetivo
Caractersticas de una Probabilidad de un suceso: Una probabilidad
es una funcin
que asigna a cada suceso A, un n (su probabilidad, P(A)),
de manera que:

1.- 0 P(A) 1
2.- P (E) = 1
3.- Si A y B son incompatibles, entonces P(A U B) = P(A) + P(B)
4.- Si A y B tiene elementos en comn :
entonces P(A U B) = P(A) + P(B) P(A B)

Enfoque de Laplace : El enfoque clsico de la
probabilidad se basa en la suposicin de que cada
resultado sea igualmente posible. Este enfoque es
llamado enfoque a priori porque permite, (en caso de
que pueda aplicarse) calcular el valor de probabilidad
antes de observar cualquier evento de muestra
posibles casos n
favorables casos n
A P


) ( =
Ejemplo 1 : Si tenemos en una caja 15 piedras
verdes y 9 piedras rojas. Cual es la probabilidad
de sacar una piedra roja en un intento? :
Ejemplo 2 : Se ha observado que 9 de cada 50 vehculos
que pasan por una esquina no tienen cinturn de
seguridad. Si un polica de transito; hace un reten en esa
misma esquina un dia cualquiera Cul ser la
probabilidad de que detenga un vehculo sin cinturn de
seguridad?
Ejemplo 3. Extraemos una carta de una baraja
espaola. Calcula:
a) La probabilidad de que sea un rey o un as.
b) La probabilidad de que sea un rey o una copa.
c) La probabilidad de que sea un rey y una copa.
Nota solo cuando se dice espaola se entender que : La baraja espaola consiste en un mazo de 48
naipes o cartas que se barajan,Tradicionalmente se divide en cuatro familias, tambin llamadas
palos, cada uno numerado del 1 al 12, que son: oros, copas, espadas y bastos (este orden coincide
con el cdigo para pintar las cartas). Las figuras corresponden a los nmeros 10 "sota", 11 "caballo"
y 12 "rey
4. En la USAM en una saln de clases de la materia
de estadstica hay 20 mujeres y 12 hombres. Si se
escoge uno de ellos al azar. Cul es la probabilidad
de que la persona escogida sea hombre?
5. Usted es invitado a una reunin en donde hay 28
hombres y 32 mujeres. Se sabe que han comido carne
16 hombres y 20 mujeres, se sabe que comieron
pescado el resto. Si se elige una de las personas al
azar. Cul es la probabilidad de que la persona
escogida sea hombre?
- En un jardn infantil hay 8 morenos y 12 morenas as
como 7 rubios y 5 rubias. Si se elige un integrante al azar,
cual es la probabilidad de que sea rubio o rubia ?

-. Se lanza al aire tres veces una moneda, Cual es la
probabilidad de que en el primer lanzamiento se
obtenga corona? , cual es la probabilidad de que se
obtenga corona las tres veces
Ejercicios Varios
Se lanza un dado y se obtiene 2. Cul es la
probabilidad de que en un segundo lanzamiento se
obtenga un nmero que, sumado con 2, sea
inferior a 6?


Ana lanza un dado no cargado. Cul es la
probabilidad de que ella obtenga un nmero
menor que 3?
Variables aleatorias.
Se llama variable aleatoria (v.a) a toda aplicacin
que asocia a cada elemento del espacio muestral (
E) de un experimento, un nmero real.
Tambin se puede decir de una manera formal que :
Una variable aleatoria : es una funcin que asocia
un numero real con cada elemento del espacio
muestral
La clasificacin ms importante divide a las v. a.
en dos grupos, segn el nmero de resultados
que pueden tomar.
V.a. discretas toma un nmero finito de valores
(o un nmero infinito pero numerable).

V.a. Continuas toma sus valores en un intervalo de
valores, por tanto, el nmero de valores es infinito.

Tipos de variables aleatorias
Propiedades de f(x) discretas
Si f (x) es la funcin de masa de probabilidad de X, entonces se
verifica que




Estas dos propiedades son equivalentes a los axiomas 1 y 2 de la
definicin de probabilidad los cuales dicen :
1 La probabilidad est siempre entre 0 y 1
2 La probabilidad del espacio muestral siempre es : 1
1 ) ( . 2
1 ) ( 0 1.
que cumple se .....,
i
xi, de valores posibles los todos
=

s s
i
x
i
x f
i
x f
x Para
CALCULO DE MEDIA Y DESVIACIN ESTANDAR
PARA UNA DISTRIBUCIN DISCRETA

Media o valor esperado de x. Para determinar la media de la distribucin discreta
se utiliza la siguiente frmula:



Desviacin estndar. Para determinar la desviacin estndar de la distribucin
discreta se utiliza la siguiente frmula:
=
()
=

()

=
2
()

2
=

2

VARIANZA :
Propiedades de la Esperanza
Si X e Y son variables aleatorias, del mismo espacio muestral, y k un
nmero real
1) E(X +k)=E(X)+k
2) E(kX) = k E(X)
3) E(X +Y)= E(X)+E(Y) (la esperanza de la suma es la suma de
las esperanzas)
Varianza
Propiedades. Si X es una variable aleatoria y k un nmero real
1) Var(X + k) = Var(X)
2) Var(kX) = k
2
Var(X)
Ejemplo :
Lanzamos dos monedas y definimos la variable
aleatoria X, como el nmero de caras obtenidas. Siendo
C obtener cara y X obtener corona( cruz),
a) Defina si es una distribucion de probabilidad,
b) Encuentre la esperanza matemtica o media
aritmtica
c) Encuentre la desviacin tpica
Solucin : Encontramos el numero de caras
segn los lanzamientos con un diagrama de
rbol
Lanzamiento
de 2 monedas
cara
cara
corona
Corona
Cara
corona
Ejemplos de aplicacin
Lanzamos dos monedas. Si salen dos caras
recibimos 3 dlares si sale una cara recibimos 1
dlares y si no sale ninguna cara pagamos 5 dlares
.Cul es la ganancia media del juego?
Que puede definir del juego sabiendo que :
Cuando en un juego la ganancia esperada es 0 se
llama juego justo. Si > 0 es un juego con ventaja
; si < 0 es un juego en desventaja.

Solucin:
Hallamos la funcin de probabilidad de la ganancia X en dlares
Solucin : Encontramos el numero de caras
segn los lanzamientos con un diagrama de
rbol
Lanzamiento
de 2 monedas
cara
cara
corona
Corona
Cara
corona
CC
CX
XC
XX
3
1
1
-5
Ejemplo de propiedades
En un casino de san salvador un jugador de dardos tiene probabilidad de
0.2 de obtener 5 puntos al lanzar el dardo, una probabilidad de 0.25 de
obtener un 10, 0.15 de obtener 50 puntos y 0.4 de obtener 20 puntos. Si
consideramos la variable aleatoria puntuacin Cul es su esperanza? Cual
es la desviacin tpica
Solucin :
La variable aleatoria X toma los valores 5, 10, 20, 50
con probabilidades respectivas 0.2, 0.25, 0.4, 0.15, se
trata de una v.a. discreta.

E[X]= 50.2 + 100.25 + 200.4 + 500.15 =
1 + 2.5 + 8 + 7.5 = 19puntos
EJEMPLO DE APLICACION
Sea el experimento de verificar el rendimiento acadmico de 3
estudiantes de Estadstica , hallar la funcin de cuanta o probabilidad
del nmero de desaprobados en n un examen de Estadistica de los tres
alumnos, encuentre la media aritmtica y la desviacin tpica:
Para solucionar el ejercicio :

Primero : Defina la variable que va a utilizar , en este caso ser la variable x = el numero de
desaprobados
Segundo : cual es el espacio Muestra de la variable

X = 0 , 1, 2 , 3 ESTUDIANTES DESAPROBADOS

SOLUCION DEL EJEMPLO:

Sea el experimento de verificar el rendimiento acadmico de 3 estudiantes de
Mtodos probabilsticas , hallar la funcin de cuanta o probabilidad del
nmero de desaprobados en Estadstica.

Los valores que toma la variable aleatoria X, que cuenta el nmero de desaprobados en este
experimento ser: X : 0, 1, 2, 3 cuyas probabilidades son:

f (x) = P(X= x) , f(3) = P(X=3) = 1/8; f(2) = P(X=2) = 3/8 ; f(1) = P( X=1) = 3/8

f(0 ) = P( X = 0) = 1/8 , donde la suma de todas las probabilidades deben dar 1

La distribucin quedara de la siguiente manera :

X 0 1 2 3
f(x) 8
1
8
3
8
3
8
1
En un cierto ocasin de san salvador Un jugador lanza un
dado corriente. Si sale nmero primo, gana tantos cientos
de dlares como marca el dado, pero si no sale nmero
primo, pierde tantos cientos de dlares como marca el
dado. Determinar la funcin de probabilidad y la esperanza
matemtica del juego.
Ejercicios para resolver
Funcin de Distribucin

Definicin Es la aplicacin o funcion F(x ) que asigna a cada
valor x, de la variable aleatoria discreta X la probabilidad de que
la variable tome valores menores o iguales que xi, es decir:

= ( )
Ejemplo : La funcin de probabilidad de la variable aleatoria X viene
dada por la tabla. Encuentre la funcin acumulada, dibuje la funcin de
probabilidad y la Distribucion acumulada

DISTRIBUCION ACUMULATIVA F(x).

La distribucin acumulativa de una variable aleatoria discreta f(x) est dada por F(x).
donde
F(x) = P

EJEMPLO :
Hallar la funcin de distribucin acumulativa F(x) del ejemplo anterior:

0 si x < 0

si

F(x) = si 1 x < 2

si

1 si


( ) ( )

s
= s
x t
t f x x


8
1
8
4
8
7
3 x 2 < s
3 > x
1 x 0 < s
EJERCICIOS
Segn estadsticas la probabilidad de que el motor de un auto
nuevo MAZDA distribuido por la empresa GEVESA, de un cierto
modelo, sufra de algn desperfecto en los primeros 12 meses
de uso es de 0.02, si se prueban tres automviles de esta marca
y modelo, encuentre el nmero esperado de autos que no
sufren de algn desperfecto en los primeros doce meses de uso
y su desviacin estndar.

Haciendo uso de un diagrama de rbol, usando las literales siguientes, se
obtiene el espacio muestra S como se muestra a continuacin;
N = no sufre de algn desperfecto en el motor los primeros 12 meses de uso
S = sufre de algn desperfecto en el motor los primeros 12 meses de uso
SOLUCION
x = variable que nos define el nmero de autos que no sufre
de algn desperfecto en el motor durante los primeros 12
meses de uso
x = 0, 1, 2 o 3 autos que no sufren algn desperfecto en el
motor en los primeros 12 meses de uso ( revisar el
resultado:::: )

p(x=0)= p(SSS)=(0.02)(0.02)(0.02)= 0.000008

p(x=1) =p(NSS, SNS, SSN)

=(0.98)(0.02)(0.02)+(0.02)(0.98)(0.02)+(0.02)(0.02)(0.98)

=0.001176

p(x=2 = p(NNS,NSN,SNN)=

(0.98)(0.98)(0.02)+(0.98)(0.02)(0.98)+(0.02)(0.98)(0.98)==0.05
7624

p (NNN) = (0.98)(0.98)(0.98) =0.941192
CALCULANDO LA ESPERANZA :

u =E(x) = (0)(0.000008)+(1)(0.001176)+(2)(0.057624)+(3)(0.941192)=
=0.0+0.001176+0.115248+2.823576=2.94= 3 autos que no sufren algn desperfecto
en el motor en los primeros 12 meses de uso

La interpretacin de la media o valor esperado es; se espera que los 3
autos probados no sufran de algn desperfecto en el motor en los
primeros 12 meses de uso
Ejercicio de aplicacin :
En la ensambladora sertesa, ubicada carretera a santa Ana
ha detectado en una lnea de produccin de resortes que 1
de cada 10 resortes fabricados es defectuoso; se toman de
esa lnea tres resortes uno tras otro, a) obtenga la
distribucin de probabilidad del experimento, b) encuentre el
nmero esperado de resortes defectuosos en esa muestra y
su desviacin estndar
Ejercicio de aplicacin
Suponga que X representa las veces que
las personas aciertan al blanco en una
feria la cual es una variable aleatoria
discreta cuya funcin de probabilidad es:

a) Representar grficamente la funcin de
distribucin.
b) Encuentre la Media aritmtica y la
varianza
c) Calcular las siguientes probabilidades:
p (X < 4.5)
p (X 3)
p (3 X < 4.5)

Xi P(xi)
0 0.1
1 0.2
2 0.1
3 0.4
4 0.1
5 0.1
Las distribuciones discretas mas comunes son :
Distribucin binomial
La distribucin binomial es tpica de las variables que proceden de un
experimento que cumple las siguientes condiciones:

1) El experimento est compuesto de n pruebas iguales, siendo n un nmero
natural fijo.
2) Las pruebas son estadsticamente independientes,





La media y la varianza de la variable binomial se calculan como:
Media = = n p
Varianza = 2 = n p q

Distribucin hipergeomtrica

Una variable tiene distribucin hipergeomtrica si procede de un experimento que
cumple las siguientes condiciones:
1) Se toma una muestra de tamao n, sin reemplazamiento, de un conjunto finito de N
objetos.
2) K de los N objetos se pueden clasificar como xitos y N - K como fracasos.
X cuenta el nmero de xitos obtenidos en la muestra. El espacio muestral es el
conjunto de los nmeros enteros de 0 a n, de 0 a K, si K < n.
las pruebas no son independientes entre s.

Distribucin de poisson

Una variable de tipo poisson cuenta xitos (es decir, objetos de un tipo
determinado) que ocurren en una regin del espacio o del tiempo.
El experimento que la genera debe cumplir las siguientes condiciones:
El nmero de xitos que ocurren en cada regin del tiempo o del espacio es
independiente de lo que ocurra en cualquier otro tiempo o espacio disjunto del
anterior.

La probabilidad de un xito en un tiempo o espacio pequeo es proporcional al
tamao de este y no depende de lo que ocurra fuera de l.
Un examen consta de 10 preguntas a las que hay que contestar S o NO.
Suponiendo que a las personas que se le aplica no saben contestar a
ninguna de las preguntas y, en consecuencia, contestan al azar, hallar :
a) Probabilidad de obtener cinco acierto s.
b) Probabilidad de obtener algn acierto.
c) Probabilidad de obtener al menos cinco aciertos.
La probabilidad de que un estudiante obtenga el ttulo de ingeniero es 0,3.
Hallar la probabilidad de que un grupo de siete estudiantes matriculados en primer
ao finalice la carrera :
a) Ninguno de los siete finalice la carrera,
b) Finalicen todos.
c) Almenos dos acaben la carrera.
d) Hallar la media y la desviacin tpica del nmero de alumnos que acaban la
carrera.
Una empresa electrnica observa que el nmero de componentes que
fallan antes de cumplir 100 horas de funcionamiento es una variable
aleatoria de Poisson. Si el nmero promedio de estos fallos es ocho,
1. cul es la probabilidad de que falle un componente en 25 horas?
2. y de que fallen no ms de dos componentes en 50 horas?
3. cul es la probabilidad de que fallen por lo menos diez en 125 horas?
Un lote contiene 100 piezas de un proveedor de tubera local y 200
unidades de un proveedor de tubera del estado vecino. Si se seleccionan
cuatro piezas al azar y sin reemplazo,
(a) cul es la probabilidad de que todas sean del proveedor local?
(b) Cul es la probabilidad de que dos o ms piezas de la muestra sean del
proveedor local?
(c) Cul es la probabilidad de que al menos una pieza de la muestra sea
del proveedor local?
La contaminacin constituye un problema en la fabricacin
de discos de almacenamiento ptico. El nmero de partculas
de contaminacin que ocurre en un disco ptico tiene una
distribucin de Poisson y el nmero promedio de partculas
por centmetro cuadrado de superficie del disco es 0.1. El
rea de un disco bajo estudio es 100 centmetros cuadrados.
(a) Encuentre la probabilidad de que ocurran 12 partculas en
el rea del disco bajo estudio.
(b) La probabilidad de que ocurran cero partculas en el rea
del disco bajo estudio
(c) Determine la probabilidad de que 12 o menos partculas
ocurran en el rea del disco bajo estudio
DISTRIBUCIONES CONJUNTAS
VARIABLES DISCRETAS

El conjunto de ternas (x, y, f(x, y)) es una distribucin de probabilidad conjunta
de las VA discretas X e Y si satisface las condiciones:
f( x , y) 0 para todo (x, y)


F(X=x, Y=y)= f (x , y)

Dadas dos VA discretas X e Y, se denomina funcin de distribucin conjunta
F(x,y) a la funcin:

=
x y
y x f 1 ) , (

s s
9 e = s s =
x x y y
j i
i j
y x y x f y Y x X f y x F
2
) , ).....( , ( ) , ( ) , (
DISTRIBUCIONES MARGINALES

Sean X, Y dos VA discretas con distribucin de probabilidad conjunta F(x,y).
Las distribuciones marginales de X e Y vienen dadas por:

=
y
X
y x f x g ) , ( ) (

=
x
Y
y x f y h ) , ( ) (
ESPERANZA O MEDIA DE DISTRIBUCIONES CONJUNTA y MARGINAL
| |

= = ) , (( ) , ( ) , ( ) , ( y x f y x g Y X g E Y X

= = =
= = =
0 0 0
) ( ) , ( ) (
x x y
x
x xg y x f x X E

= = =
= = =
0 0 0
) ( ) , ( ) (
x x y
y
y yh y x f y Y E
covarianza
| | ) , ( ) - )(y - (x ) - (Y ) (
y
y x f X E
y x XY
= = o
_
) , (
y x XY
Y X E o =
La covarianza de dos variables aleatorias X y Y con
medias x y, respectivamente, esta dada por :
Distribucin condicional de la distribucion
conjunta
Sean X y Y dos variables aleatorias, discretas , la distribucin condicional de
la variable aleatoria Y, dado que X =x es
0 ) ( ,
) (
) , (
) / ( ) = x g
x g
y x f
x y f
De manera similar , la distribucin condicional de la variable aleatoria X, dado Y
=y es :
0 ) ( ,
) (
) , (
) / ( ) = y h
y h
y x f
y x f
Ejemplo clsico :
Se seleccionan al azar dos repuestos para una computadora de un lote
de repuestos que contiene: 3 repuestos para memoria, 2 repuesto
para discos duros y 3 repuestos para la fuente de alimentacin. Si X
es el numero de repuestos para memorias y Y es el numero de
repuestos para discos duros que se seleccionan, encuentre :
a) La funcin de probabilidad conjunta f (x , y)
b) P[ (X, Y) A +, donde A es la regin , (x ,y)* x + y 1 +-
c) Encuentre las distribuciones marginales de g(x) sola y h(y) sola
d) Encuentre la esperanza de g(x,y) = xy de la distribucion encontrada f(x,y)
e) Encuentre la convarianza de X y Y siguiendo el ejemplo anterior.
Ejercicio de evaluado
Un jugador apuesta a un nmero del 1 al 6. Se tiran tres dados. Si el
nmero apostado aparece k veces, k = 1, 2, 3, entonces el jugador
gana k unidades; si dicho nmero no aparece ninguna vez, el jugador
pierde una unidad. Se trata de un juego justo para el apostador?

Solucin
Sea X: nmero de veces que al lanzar los dados el nmero apostado
aparece. X es una binomial con parmetros n=3 y p=1/6.
X puede tomar 4 valores 0, 1,2 y 3. Entonces

P(X = 0) =
3
0
|
\

|
.
|
1
6
|
\

|
.
|
0
5
6
|
\

|
.
|
3
=
125
216
, P(X =1) =
3
1
|
\

|
.
|
1
6
|
\

|
.
|
1
5
6
|
\

|
.
|
2
=
75
216
P(X = 2) =
3
2
|
\

|
.
|
1
6
|
\

|
.
|
2
5
6
|
\

|
.
|
1
=
15
216
, P(X = 3) =
3
3
|
\

|
.
|
1
6
|
\

|
.
|
3
5
6
|
\

|
.
|
0
=
1
216
.
Solucin (y 2)
Definimos la v.a. Y: ganancia del juego. Para saber si el juego es gusto,
calculamos su esperanza:
Recuerda que E(Y)=Eyip(X=xi)



El juego no es justo, en media, el jugador pierde en cada partida 17/216
.
216
1
* 3
216
15
* 2
216
75
* 1
216
125
* 1 ) ( + + + = Y E