Probabilidad y Estadstica

INTERSEMESTRAL 2015
Lic. Sonia Anguiano Rostro

OBJETIVO GENERAL
Aplicar

las probabilidades y los

mtodos estadsticos en la solucin
de problemas presentados en el
campo de la ingeniera.

CONCEPTOS y APLICACIONES DE LA
ESTADSTICA
La Estadstica estudia la forma de

obtener, organizar, resumir y

analizar un conjunto de datos con
el fin de observar e interpretar su
comportamiento.
Se
utiliza
para
presentar
informacin y nos da una extensa
gama
de
opciones
para
organizarlos.
3

PARTES DE LA ESTADSTICA
Estadstica

Descriptiva, parte del

estudio que incluye la obtencin,
organizacin,
presentacin
y
descripcin de la informacin numrica.

Describir las caractersticas importantes

de la informacin obtenida.

PARTES DE LA ESTADSTICA
Estadstica

Inferencial, trata de los

mtodos de seleccin de muestras y utiliza
los mtodos de organizacin de la
estadstica descriptiva para su anlisis.
Es una tcnica mediante la cual se
obtienen generalizaciones o se toman
decisiones en base a una informacin
parcial o incompleta mediante tcnicas
descriptivas.

Ejemplo
Cuatro

neumticos para automvil de

marca A y tres neumticos de marca B se
prueban para determinar su duracin de
servicio. La duracin para la marca A es d
29000, 33000, 37000 y 41000 mi; para la
B, es de 30000, 32000 y 34000. A partir de
las siguientes declaraciones hechas en
base a esas
cifras, identificar las que
provienen de mtodos descriptivos y las
que provienen de inferencia estadstica.

Ejemplo
El promedio de duracin de la marca A es

de 35000 mi y el de la marca B es de
32000
La duracin promedio de los neumticos A
es mayor que la de B.
Si el precio de los neumticos marca A es el
mismo que los de marca B, usted
recomendara la compra de los neumticos
marca A.

Ejemplo
Se inspecciona una parte de un embarque

para determinar si debera aceptarse. Si se

inspeccionan 20 unidades y se encuentra
que 2 unidades son defectuosas, debera
la planta rechazar
el embarque o
devolverlo al proveedor?

Recoleccin de datos
Estudio observacional.

Evaluacin del proceso de fabricacin

para hacer componentes de plstico
por moldeo por inyeccin.
Experimento diseado.
Se realizan cambios deliberados o
intencionados en las variables
controlables del proceso.

MUESTREO
Estudia los mtodos de seleccin

de las observaciones para obtener

una muestra representativa.

10

CONCEPTO DE POBLACIN y DE
MUESTRA
Poblacin: es la coleccin o conjunto de

individuos, datos, objetos o eventos

cuyas propiedades sern analizadas.
El conjunto de ..
Poblacin finita
Poblacin infinita
Muestra: es el subconjunto de una
poblacin. Se representa con la letra n

11

Conceptos
Dato: el valor de una variable asociada a

un elemento de la poblacin o muestra.

Valor numrico, palabra o smbolo.
Datos: Conjunto de valores que se obtienen
de la variable a partir de cada uno de los
elementos.
Parmetro. Es un valor que resume todos los
datos de una poblacin.

12

VARIABLES Y SU CLASIFICACIN
Variable: es una caracterstica de

inters relacionada con cada

elemento individual o de una
poblacin.
Cualitativa
Variable
Cuantitativa

Nominal
Ordinal
Discreta
Continua

13

Variables cualitativas
1. Variable cualitativa, de
atributos o categrica: es una
variable que clasifica o describe a un
elemento de la poblacin.
1.1 Variable nominal: caracteriza
(describe o identifica) a un elemento
de la poblacin.
1.2 Variable ordinal: presenta una
posicin, o clasificacin ordenada.
14

Variables cuantitativas
2.

15

Variable
cuantitativa
o
numrica:
es
aquella
que
cuantifica un elemento de una
poblacin.
2.1 Variable discreta: variable
que pueda asumir un nmero
contable (o finito ) de valores.
2.2 Variable continua: puede
asumir una cantidad incontable
de valores.

Muestreo
Probabilstico o Posibilidades
Aleatorio Simple
Sistemtico
Estratificado
No Probabilstico: de juicio. Siguiendo

determinados criterios.
Cuotas
Intencional
Casual o incidental
Bola de Nieve
16

MUESTREO PROBABILSTICO O
ALEATORIO
Muestreo (tcnica) en donde

los
se
la

elementos
a
seleccionar
obtienen
con
base
a
probabilidad.
Muestra aleatoria es aquella que se
obtiene de forma tal que cada
posible observacin disponible en
la poblacin tenga una probabilidad
de ser seleccionada.
17

MUESTREO ALEATORIO SIMPLE

(NMEROS ALEATORIOS)
La muestra se selecciona de modo

que todos los elementos de la

poblacin
tengan
la
misma
probabilidad se ser elegidos.
Tcnica de Urna o Pecera
En el muestreo por remplazo los
elementos pueden repetirse en la
muestra.
18

MUESTREO SISTEMTICO
Muestra sistemtica. Es aquella

en la que se selecciona todo ksimo elemento del marco muestral,

empezando con un primer elemento
que se elige de manera aleatoria de
los primeros k elementos.
k razn de muestreo, es la razn del
tamao de la poblacin al tamao
de la muestra.
19

Ejemplo de Muestreo Sistemtico

Poblacin de 1000 unidades
Muestra de 40 unidades
K= 1000/40 = 25

La muestra se obtiene tomando cada 25sima unidad de la poblacin a partir de un

valor seleccionado por urna. Ej 10, 35, 60,
..
Poblacin 39 unidades
Muestra de 13 unidades
K= 39/13 = 3 Urna 7, 10, 13, 16..
20

MUESTREO ESTRATIFICADO
Muestra aleatoria estratificada: se

obtiene al estratificar la poblacin y

luego seleccionar un nmero de
elementos para cada uno de los
estratos por medio de una tcnica
sencilla de muestreo aleatorio.
Muestra estratificada proporcional
Muestra estratificada desproporcionada
21

Ejemplo Muestreo
Estratificado
Del total de la muestra

60% hombres 40% mujeres.

Del total de la muestra:
30% entre 10 y 15 aos
20% entre 25 y 30 aos
50% entre 55 y 60 aos
De la muestra:
20% rea rural
80% rea urbana
22

MUESTREO POR CONGLOMERADOS

Muestra por conglomerados: se

obtiene al estratificar la poblacin y

luego seleccionar algunos o todos los
elementos de alguno, pero no de
todos, los estratos.

23

Ejemplo Muestreo por

Conglomerado
Investigacin acerca de profesores de las

Universidades de Mxico. Se selecciono

aleatoreamente
cierto
nmero
de
universidades estatales como primera etapa.
Se seleccionaron distintas facultades en
cada una de las universidades. 2da etapa.
Se seleccionaron algunos departamentos de
las facultades. 3era etapa
Se seleccionaron algunos maestros de cada
departamento. 4ta. Etapa.
24

ORGANIZACIN Y DESCRIPCIN
GRFICA DE UN CONJUNTO DE DATOS
REPRESENTACIN POR
A) TABLAS DE FRECUENCIA
B) GRFICA

25

TABLAS DE FRECUENCIAS
Al arreglo de los datos para expresar la

frecuencia
de
ocurrencias
de
las
observaciones en cada una de stas clases
se
conoce
como
distribucin
de
frecuencias.
Frecuencia f nmero de veces que
aparece un dato.
Frecuencia relativa: es el cociente de la
frecuencia del dato entre el nmero total de
datos.
Para poblacin
para
muestra.
26

ELABORACIN DE TABLAS DE
FRECUENCIAS
Determinar el nmero de intervalos. Raz

cuadrada del conjunto de datos.

Calcular el rango. R= VM Vm
Calcular la longitud.
Construir los intervalos.
Marca de clase o valor medio es el promedio
de los extremos de un intervalo
Columnas de conteo: frecuencia, f relativa,
f acumulada, f relativa acumulada y xi

27

Ejemplo
TABLA 1. ARREGLO DE INGRESOS (DOLARES)
OBTENIDOS POR 20 ESTUDIANTES UNIVERSITARIOS
UN SABADO
8

18

25

30

11

21

25

30

13

21

26

35

15

23

29

36

17

25

30

42

Rango = VM-Vm= 42.5-7.5= 35

Longitud = 35/7 = 5
Marca de clase : (7.5+12.5)/2=10
28

TABLA DE FRECUENCIAS
Intervalo
de clase

Marca Conteo Frec. Frecuenci Frecuenci Frecuenc

de
f
a
a relativa ia
clase
acumlada RF(x)
Relativa
CF(x)
Acumuld
a
CRF(x)

7.5-12.5

10

0.10

0.10

12.5-17.5

15

0.15

0.25

17.5-22.5

20

0.15

0.40

22.5-27.5

25

13

0.25

0.65

27.5-32.5

30

17

0.20

0.85

32.5-37.5

35

19

0.10

0.95

37.5-42.5

40

20

0.05

1.00

TOTAL
29

20

1.00

REPRESENTACIN GRFICA DE UN
CONJUNTO DE DATOS
DATOS

CUANTITATIV
OS

BARRAS

30

HISTOGRAMA
S

POLIGNOS

CUALITATIVO
S

OJIVAS

GRFICAS
POR
SECTORES

GRFICA DE BARRAS
Se usa para variables categricas
Se construye con barras separadas
El eje x representa las categoras
El eje y representa la frecuencia

31

Ejemplo grfica de barras

32

HISTOGRAMA
Para representar variables numricas.
La barras van unidas.
Eje x :representa el dato o marca de clase.
Eje y : la frecuencia

33

Ejemplo Histograma

34

POLGONOS
Transformacin de un histograma a

polgono conectando los puntos medios de

las partes superiores de los rectngulos.
La altura del punto representa la
frecuencia.
Los puntos se unen.
El eje x representa el dato o marca de clase
El eje y representa la frecuencia

35

Polgono

36

Ejemplo de Polgono

37

Ejemplos de Polgonos

38

OJIVAS
Se usa para representar porcentajes o

frecuencias acumuladas.

39

Ejemplos de Ojivas

40

GRFICA DE SECTORES
Datos cualitativos.

41

Grficas por sectores

42

1.4 MEDIDAS DESCRIPTIVAS DE LOS

DATOS
Son los valores que se obtienen al

medir los datos de una muestra o

poblacin.
Parmetros, medidas descriptivas
de una poblacin.
Estadsticos, medidas descriptivas
de una muestra.

43

1.4.1 MEDIDAS DE TENDENCIA

CENTRAL O DE LOCALIZACIN
LA MEDIA (Media Aritmtica)
LA MEDIANA
Y LA MODA

44

LA MEDIA
Media se obtiene sumando todos los datos

y dividiendo el resultado entre el total.

Media de datos no agrupados (parmetro)

Media de datos no agrupados (estadstico)

45

LA MEDIA
Media de datos agrupados (parmetro)

46

LA MEDIA
Media de datos agrupados (estadstico)

47

LA MEDIANA
Es el valor que queda en la parte central de

un grupo de observaciones arregladas en

orden de magnitud.
si se trata de muestra.
si se trata de poblacin.
Si el total de datos es impar, la mediana es el
valor central.
Si el total de datos es par, hay dos valores
centrales y la mediana es el promedio de
ellos.
48

LA MODA
La moda se define como el valor o clase

que tiene la mayor frecuencia en un

conjunto de observaciones.
para muestra
para poblacin
Amodal: conjunto de datos sin valores
repetidos.
Unimodal: una moda.
Trimodal: tres modas.

49

1.4.2 MEDIDAS DE DISPERSIN O

DE ESCALA
La desviacin estndar
La varianza
El coeficiente de variacin

50

LA VARIANZA
Al promedio de las desviaciones al

cuadrado se le conoce como varianza.

Se expresa en unidades elevadas al
cuadrado.
Si se calcula para la poblacin, el cuadrado
de la dispersin se divide entre el total de
los datos de la poblacin.
Si se calcula para la muestra, el cuadrado
de la dispersin se divide entre el total de
los datos de la muestra menos uno.
51

VARIANZA
Varianza de datos no agrupados (parmetro)

Varianza de datos no agrupados (estadstico)

52

VARIANZA
Varianza datos agrupados (parmetro)

Varianza de datos agrupados (estadstico)

53

LA DESVACIN ESTNDAR
Es una medida de variacin (dispersin) en

los datos.
Es la raz cuadrada de la varianza.
Permite observar fcilmente la variacin
entre los valores de los datos.
Si los datos son iguales la desviacin
estndar es cero.

54

DESVIACIN ESTNDAR
Datos no agrupados (parmetro)

Datos no agrupados (estadstico)

55

DESVIACIN ESTNDAR
Datos no agrupados (parmetro)

Datos no agrupados (estadstico)

56

EL COEFICIENTE DE VARIACIN
Se calcula dividiendo la desviacin

estndar entre la media.

Sirve para comparar la variacin entre dos
o ms conjuntos de datos.
Coeficiente de variacin (parmetro)
Coeficiente de variacin (estadstico)

57

2.1 Nociones generales de la

Probabilidad
Estadstica: presentacin e interpretacin

de resultados que ocurren en un estudio

planeado o investigacin.
Experimento es cualquier proceso que
genere datos.
Observacin: registro de la informacin ya
sea numrico o categrico.
Experimento aleatorio es aquel que puede
producir resultados diferentes, aun cuando
se repita siempre de la misma manera.
58

PROBABILIDAD
Prediccin o generalizacin en

59

base a informacin precia o a leyes

probabilsticas.
Se refiere al estudio del azar.
Disciplina que proporciona
mtodos para cuantificar las
oportunidades asociadas con varios
sucesos.
Tiene aplicacin directa en la
inferencia estadstica.

Ejemplos
Juan probablemente ganar el torneo de
tenis
Tengo el 50% de posibilidad de sacar un
nmero par cuando tiro un dado
La mayora de los graduados de IIA tienen
trabajo al ao de terminar su carrera
Es probable que el ndice Dow-Jones se
incremente al final del ao

60

Espacio Muestral Probabilstico

y Eventos
Espacio muestral es el conjunto de

todos los resultados posibles de un

experimento. Se representa por S.
Cada resultado del espacio muestral,
se llama elemento o miembro o
punto muestral.
61

Ejemplos de espacio
muestral
Lanzar una moneda. S = H,T H = cara T =

cruz
Lanzar un dado. S= 1,2,3,4,5,6 S=
par,impar
El sexo en el nacimiento de un nio S= H,M
Se selecciona un conector y se mide su
espesor
S= bajo, medio, alto S= si,no
Se puede enlistar los elementos del espacio
muestral de forma sistemtica mediante un
diagrama de rbol.
62

DIAGRMA DE RBOL
Lanzar una moneda 2 veces.

H
Mone
da
T
S= HH, HT, TT, TH

63

H
T
T
H

DIAGRMA DE RBOL
Se

seleccionan tres artculos de forma

aleatoria de un proceso de fabricacin.
Cada
artculo
se
clasifica
como
defectuoso D o sin defectos N indicar
cuales serian los
puntos muestrales.

64

Definiciones
Evento es un subconjunto del espacio muestral.
Ejemplo: Si se lanza un dado entonces su espacio

muestral es S=1,2,3,4,5,6 El evento A en el que

el resultado cuando se lanza el dado es divisible
entre 2.
A=3,6
Ejemplo
S=DDD,DDN,DND,DNN,NDD,NDN,NND,NNN
Evento B el # de artculos defectuosos que sea
mayor que 1
B=DND,DDN,NDD,DDD

65

Definiciones
La unin de dos eventos es el evento que

consta de todos los resultados que estn

contenidos en cualquiera de los dos eventos
A B E1E2
La interseccin de dos eventos es el evento
que consta de todos los resultados que estn
contenidos en los eventos. AB E1E2
El complemento de un evento en un
espacio muestral es el conjunto de resultados
en el espacio muestral que no estn en el
evento A
66

Ejemplos
B= 6,7,8,9,10
AB = 1,2,3,4,5,6,7,8,9,10

A=1,2,3,4,5

E1 = 1,2,3,a, b, c E2= 1,,3,4,5,a,d, f, g

E1E2 = 1,,3,a
S= letras del abecedario
A = vocales A = consonantes
A= a, e, i, o, u B= 1,2,3,4,5 AB=

67

DIAGRAMA DE VENN

B
6

68

1
3

7
4

C
5

Conteo de puntos de muestra

Si una operacin se puede llevar acabo en

n1 formas, y si para cada una de stas se

puede realizar una segunda operacin en
n2 formas, entonces las dos operaciones se
pueden ejecutar juntas de n1n2 formas.
Cuntos puntos muestrales hay en el
espacio muestral cuando se lanza una vez
un par de dados?
n1n2 = (6)(6) = 36

69

Ejemplo
Un arquitecto ofrece a los compradores de

casas la eleccin del estilo de fachada

entre Moderna, Rstica, Colonial y
Tradicional en una planta, dos pisos y
desniveles. Cuntos tipos de casa puede
ofrecer?
n1 = 4 n2= 3 n1n2= (4)(3) = 12 casas
posibles
(puntos muestrales)

70

Conteo de puntos de muestra

Si una operacin se puede ejecutar de n 1

formas, y para cada una de stas se puede

llevar a cabo una segunda operacin en n2
formas y para cada una de las primeras dos se
puede realizar una tercera operacin de n3
formas, y as sucesivamente, entonces la serie
de k operaciones se puede realizar en
n1n2n3.nk formas.
Cuntos almuerzos que consisten en sopa,
emparedado, postre y bebida son posibles si
podemos seleccionar de 4 sopas, 3 tipos de
emparedados, 5 postres y 4 bebidas?
71

PERMUTACIN
Una permutacin es un arreglo de todo o

72

parte de un conjunto de objetos.

Considere las letras a, b y c. Las
permutaciones posibles son abc, acb,
bac,bca,cba,cab
puntos de muestra = n1n2n3 = (3)(2)(1)
=6
En general n objetos distintos se pueden
arreglar en
n(n1)(n 2)..(3)(2)(1) formas
El nmero de permutaciones de n objetos
distintos es n!

Probabilidad de un evento
La probabilidad de un evento A es la suma

de los pesos de todos los puntos

muestrales en A.
Por tanto

P(A)

P(S) =

P() =

Se lanza dos veces una moneda. Cul es la

probabilidad de que ocurra al menos una
cara?
73

Ejemplo
Se carga un dado de forma que sea dos

veces ms probable que salga un nmero

par que un nmero non. Si E es el evento
de que ocurra un nmero menos que 4 en
un solo lanzamiento del dado, encuentre
P(E)
S= 1,2,3,4,5,6
E=1,2,3

74

TEOREMA
Si un experimento puede tener como resultado

cualquiera
de
N
diferentes
resultados
igualmente probables, y exactamente n de
estos resultados corresponden al evento A,
entonces la probabilidad del evento A es.
P(A) = n/N
Ejemplo: Un surtido de dulces contiene 6
mentas, 4 chiclosos y 3 chocolates. Si se hace
una seleccin aleatoria de uno de los dulces,
encuentre la probabilidad de sacar a) una
menta o b) un chicloso o un chocolate.
75

Variable aleatoria
DEFINICIN: una variable

aleatoria es una funcin que

asocia un nmero real con cada
elemento del espacio muestral.
Se usa X para denotar una
variable aleatoria y x para cada
uno de sus valores.

76

Ejemplo
Se sacan tres piezas en un proceso, N= no

defectuosas y D defectuosas.
S= {NNN, NND, NDN, DNN, NDD, DND,
DDN, DDD}
A cada punto del espacio muestral se le
asignar un valor nmerico. Valores que
toma X
Si E es el evento en donde tenemos 2
piezas defectuosas
E= {NDD, DND, DDN} La variable
aleatoria X es 2
77

Ejemplo
EJEMPLO: Se sacan dos bolas de manera

sucesiva sin remplazo de una urna que

contiene cuatro bolas rojas y tres negras.
D los posibles resultados x los valores y de
la variable aleatoria X, donde X es el
nmero de bolas rojas son:

78

Ejemplo
El nmero telefnico es elegido por un

marcador del nmeros

Y = 1 si el nmero aparece en el directorio
Y = 0 si el nmero no aparece en el
directorio

79

Se selecciona un lugar (latitud y longitud) en

EU
Y = altura sobre el nivel del mar
Si Y=(3950N,9835O) =1784.26 pies
Mnimo = -282 Valle Mximo 14494 Monte
Whitney

Variable aleatoria discreta.

Definicin. Si el espacio muestral contiene

80

un nmero finito de posibilidades o una

serie interminable con tantos elementos
como nmeros enteros existen, se llama
espacio muestral discreto.
Una variable aleatoria discreta es una
variable con un rango finito (o
contablemente finito).
Ejemplos: Datos contados. Nmero de
artculos defectuosos, nmero de
accidentes, cantidad de alumnos
reprobados, etc.

Variable aleatoria continua

Definicin: Se llama espacio muestral

continuo a aquel que contiene un nmero

infinito de posibilidades igual al nmero de
puntos en un segmento de recta.
Una variable aleatoria continua tiene
como rango un intervalo (finito o infinito )
de nmeros reales.
Ejemplos: Valores medidos. Distancia,
temperatura, tiempos, pesos, alturas,
presin, corriente elctrica, voltaje, etc
81

Funcin de Probabilidad
La distribucin de probabilidad de una

82

variable aleatoria X es una descripcin de

las probabilidades asociadas con los
valores de X
Se llama funcin de probabilidad o
distribucin de probabilidad o funcin
masa de probabilidad de la variable
aleatoria discreta X
Definicin: para una variable discreta X con
valores posibles x1,x2,x3,.xn la funcin de
masa de probabilidad es

f(x) =P (X=xi)

Ejemplo
Cierta gasolinera tiene 6 bombas. Sea X el

nmero de bombas que estn en servicio a

una hora particular del da. Tabla de
distribucin de probabilidad.
x

P(x)

0.05

0.10

0.15

0.25

0.20

0.15

0.10

Obtener P(X 2), P(X 3), P(2 X5), P(2

X5),

83

Seis lotes de componentes estn listos para

ser enviados por un proveedor. El nmero

de componentes en cada lote es como
sigue.
Lote

Defectuos 0
2
0
1

o X= numero de piezas

lote
Obtener P(X=x)

84

defectuosas en un

Funciones de probabilidad de una

variable aleatoria discreta
Sea X una variable aleatoria discreta con un
conjunto de valores posibles D y una
funcin masa de probabilidad f(x). El valor
esperado o valor medio de X, denotado por
E(X) o x es

85

Varianza y Desviacin std

Varianza de X :

Desviacin estndar de X es

86

Ejemplo
Existe la posibilidad de que un bit

transmitido a travs de un canal de

transmisin digital se reciba con error.
Sea X igual al nmero de bits transmitidos
con error en los cuatro siguientes bits.
X= 0,1,2,3,4
P(x=0) = 0.6561 P(x=3) = 0.0036
P(x=1) = 0.2916 P(x=4) = 0.0001
P(x=2) = 0. 0486

87

DISTRIBUCIONES DE PROBABILIDAD
1. Uniforme discreta
2. Bernoulli
3. Binomial
4. Geomtrica
5. Binomial negativa
6. Hipergoemtrica
7. De Poisson

88

Distribucin Uniforme
Discreta
Si la variable aleatoria X toma
valores x1,x2,xn con idnticas
probabilidades, entonces la
distribucin uniforme discreta est
dada por:
f(x) = 1/n

89

x= x1, x2, ..xn

Ejemplo
Cuando se selecciona un foco al azar de

una caja que contiene un foco de 40w, uno

de 60w, uno de 75w y uno de 100w cada
elemento del espacio muestral
S= 40,60,75,100 tiene una distribucin
uniforme de :
f(x;40) = x= 40,60,75,100

90

Ejemplo
Cuando se lanza un dado, cada elemento

del espacio muestral S= S= 1,2,3,4,5,6

ocurre con probabilidad 1/6 Por lo tanto
tenemos una distribucin uniforme con

91

f(x;6) 1/6

x= 1,2,3,4,5,6

Distribucin de Bernoulli
La variable aleatoria discreta tiene dos

posibilidades de ocurrir:
Probabilidad de xito p
Probabilidad de fracaso q=1-p
Se representa X Bernoulli (p)
Funcin de densidad f(x) = p
1-p
La media es p y la varianza es p(1-p)

92

Distribucin de Bernoulli
Si X es una variable aleatoria que mide
"nmero de xitos", y se realiza un nico
experimento con dos posibles resultados (xito
o fracaso), se dice que la variable aleatoria X
se distribuye como una Bernouilli de parmetro
p.
X Be(p)
La frmula ser:
f(x) = px(1 p)1 x con x = {0,1}

93

La media = E(X) = p
La varianza = V(X) = p(1-p) = pq

Ejemplo
Cuando se selecciona un foco al azar de

una caja que contiene un foco de 40w, uno

de 60w, uno de 75w y uno de 100w cada
elemento del espacio muestral
S= 40,60,75,100 tiene una distribucin
uniforme de :
f(x;40) = x= 40,60,75,100
P=1/4 f(x)=px(1-p)1-x
f(x=40) = (1/4)1(3/4)0 = 1/4

94

Proceso de Bernoulli
Un experimento aleatorio que consta de n

ensayos tales que

1) los ensayos son independientes
2) cada ensayo produce nicamente dos
resultados posibles, etiquetados como
xito y fracaso
3) la probabilidad de un xito en cada
ensayo, denotada como p, permanece
constante se llama experimento binomial.

95

Distribucin Binomial
La variable aleatoria X que es igual al

nmero de ensayos que producen un xito

tiene una distribucin binomial con
parmetros p y
n = 1,2,.
La funcin de masa de probabilidad de X es

Para x= 0, 1, .n
96

Ejemplo
Se seleccionan 3 artculos al azar de un

proceso de ensamblaje, se inspeccionan y

se clasifican como defectuosos y no
defectuosos. Un artculo defectuoso se
designa como un xito. El proceso produce
25% de artculos defectuosos.
p=1/4
P(NND)
n=3
X=1
97

Ejemplo
La probabilidad de que cierta clase de

componentes sobreviva a una prueba de choque es

3/4. Encuentre la probabilidad de que sobrevivan
dos de los siguientes cuatro componentes que se
prueban.
P=3/4 n=4 x=2

98

Distribucin Geomtrica
En una serie de ensayos de Bernoulli

independientes, con probabilidad constante

p de un xito, sea que la variable aleatoria
X denote el nmero de ensayos hasta el
primer xito. Entonces X tiene una
distribucin geomtrica con parmetro p y

Para x = 1,2,.
99

Ejemplo
Suponga que la probabilidad de que un bit

transmitido se reciba con un error es 0,1. Si

X denota el numero de bits transmitidos
hasta el cuarto error
Encuentre P(X=10)
p= 0,1
X=10
r=4

100

Distribucin Hipergeomtrica

Un conjunto de N objetos contiene K objetos

clasificados como xitos y N-K objetos

clasificados como fracasos.
Se selecciona una muestra con tamao n
objetos al azar (sin remplazo) de los N objetos
donde KN y nN. Entonces:

X = mx {0,n+K-N} hasta {mn K,n}

101

Ejemplo
Un lote contiene 100 piezas de un

proveedor local y 200 de un extranjero. Si

se seleccionan 4 piezas al azar y sin
remplazo cual es la probabilidad de que
todos sean del proveedor local.
N=300, K=100, n= 4 x= 4

102

Distribucin Poisson
Si el nmero promedio de conteos en el intervalo

es, la variable aleatoria X que es igual al

nmero de conteos en el intervalo, tiene una
distribucin de Poisson con parmetro , y la
funcin de masa de probabilidad de X es:
Para determinar la probabilidad de que ocurran x
xitos por unidad de tiempo, rea, o producto,
etc.

x= 0,1,2.

103

Ejemplo
Un alambre de cobre presenta 2.3

imperfecciones por milmetro. Determine la

probabilidad de exactamente 2
imperfecciones en 1 mm de alambre.
= 2.3
X= 2
e=2.718

104

Ejemplo
La contaminacin es un problema en la

fabricacin de discos pticos. El nmero de

partculas de contaminacin que ocurre en
un disco es de 0.1 partculas por cm 2
El rea de un disco bajo estudio es de
100cm2 Encuentre la probabilidad de que
ocurran 12 partculas en el rea del disco
bajo estudio.
= 100(0.1) = 10
x = 12

105

Variable Aleatoria Continua

Definicin.
El nmero de valores posibles de la

variable aleatoria X es finito incontable.

El rango de X puede considerarse continuo.
Los valores de x estn en un intervalo finito
o infinito de nmeros reales.
Son mediciones: peso, longitud,
temperatura, densidad, corriente elctrica,
espesor, etc.

106

Funcin de Densidad de
Probabilidad
Si es factible que un intervalo contenga un valor

X, entonces su probabilidad corresponde a

valores grandes.
F(x) se usa para calcular un rea que representa
la probabilidad de que X asuma un valor en a,b

107

Funcin de Densidad de Probabilidad

Un histograma es una aproximacin de
una funcin de densidad de probabilidad.

108

Definicin
Para una variable aleatoria X, una funcin

de densidad de probabilidad es una funcin

tal que:
1.2.-

3.109

Ejemplo
Suponga que X denota la corriente medida

en un alambre delgado de cobre. El rango

es de 0,20mA la funcin de densidad es
f(x) = 0.05 para 0x20. Cul es la
probabilidad de que una medicin de la
corriente sea menor de 10mA?

110

Ejemplo
La VAC X denota el dimetro de un agujero

taladrado en un componente metlico. El

dimetro especificado es de 12.5mm. La
funcin de densidad esta dada por
f(x)=20e-20(x-12.5)
Si un componente con un dimetro mayor de
12.6 se desecha qu proporcin de los
componentes se desecha?
Qu proporcin de los componentes tiene
entre 12.5 y12.6?
111

Distribuciones de
Probabilidad
Uniforme Continua
Exponencial
Normal
Aproximacin Normal a la Distribucin

Binomial y De Poisson

112

Distribucin Continua
Uniforme
Definicin.
Una variable aleatoria continua con funcin

de densidad de probabilidad

Tiene una distribucin continua

uniforme.

113

Distribucin Continua
Uniforme
La media y la varianza de una VAC X en

axb

La Varianza

114

Ejemplo.
Se puede reservar una sala de conferencias

por no mas de 4 horas. En ella puede haber

conferencias largas y cortas. La duracin de
una conferencia tiene una distribucin
uniforme en el intervalo de 0,4
cul es la funcin de densidad de la
probabilidad?
Cul es la probabilidad de que una
conferencia dure al menos 3 horas?

115

Ejemplo
Suponga que X denota la corriente medida

en un alambre delgado de cobre. El rango

es de 0,20mA la funcin de densidad es
f(x) = 0.05 para 0x20. Cul es la
probabilidad de que una medicin de la
corriente est entre 5 y 10 mA? E(X) ?
V(X)?

116

Funcin de distribucin acumulada

De una variable aleatoria continua se

obtiene por integracin. Si axb

117

Distribucin Exponencial
Definicin.

La variable aleatoria X que es igual a la

distancia entre conteos sucesivos de un
proceso de Poisson con media 0 tiene
una distribucin exponencial con parmetro
.
La funcin de densidad de probabilidad X es

118

Distribucin Exponencial
Si

la variable aleatoria X tiene una

distribucin exponencial con parmetro ,
entonces

119

Distribucin Exponencial

120

Ejemplo
En una red de computadoras el acceso de

usuarios puede modelarse como un

proceso de Poisson con una media de 25
accesos por hora. Cul es la probabilidad
de que no haya accesos en un intervalo de
6 minutos?
= 25 accesos /hr
F(x) = e-x
Cul es la probabilidad de acceso entre 2 y
3 minutos?
121

Ejemplo
La deteccin de una partcula en un

contador Geiger donde X tiene una funcin

exponencial con =1.4 min Cul es la
probabilidad de detectar una partcula en
un lapso de 30 segundos despus de
activar el contador?

122

Distribucin Normal
Una distribucin normal de media y desviacin tpica se
designa por N(, ).
Su grfica es la campana de Gauss:

El rea del recinto determinado por la funcin y el eje de abscisas

es igual a la unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea
igual a 0.5 a la izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la curva.
123

La Distribucin Normal
Una variable aleatoria X con funcin de

probabilidad

para -<x<
Tiene distribucin normal con parmetros

-< <, y >0. Adems E(X)= y V(X)=

2

124

125

Definicin
A una variable aleatoria normal con =0

y 2=1 se le llama variable aleatoria

normal estndar.
Una variable aleatoria normal estndar
se denota como Z.
La funcin de distribucin acumulada de
una variable aleatoria normal estndar
se denota como:(z)=P(Zz)

126

Distribucin normal estndar

N(0, 1)
La distribucin normal estndar, o tipificada o

reducida, es aquella que tiene por media el valor cero,

=0, y por desviacin tpica la unidad,
=1.

La probabilidad de la variable X depender del

rea del recinto sombreado en la figura. Y para

calcularla utilizaremos una tabla.
127

Tipificacin de la variable

Para poder utilizar la tabla tenemos que

transformar la variable X que sigue una

distribucin N(, ) en otra variable Z que
siga una distribucin N(0, 1).

128

Clculo de probabildades en distribuciones normales

La tabla nos da las probabilidades de

P(z k), siendo z la variable tipificada.

Estas probabilidades nos dan la funcin
de distribucin (k).
(k) = P(z k)
Bsqueda en la tabla de valor de k
Unidades y dcimas en la columna de la
izquierda.
Cntesimas en la fila de arriba.

129

Si X es una variable aleatoria normal con

E(X) = y V(X) = 2 entonces la variable

aleatoria

es una variable aleatoria normal con E(Z) =0 y

V(Z)=1. Es decir, Z es una variable aleatoria
normal estndar.
130

Suponga que X es una variable aleatoria

normal con media y varianza 2

Entonces

Donde Z es una variable normal estndar, y

z=(x-)/ es el valor z que se obtiene al

estandarizar X.
La probabilidad se obtiene introduciendo el
valor de z en tablas.
131

P(Z a)

P(Z > a) = 1 - P(Z a)

132

P(Z a) = 1 P(Z a)

P(Z > a) = P(Z a)

133

P(a < Z b ) = P(Z b) P(Z a)

134

P(b < Z a ) = P(a < Z b )

Nos encontramos con el caso inverso a los

anteriores, conocemos el valor de la

probabilidad y se trata de hallar el valor de
la abscisa. Ahora tenemos que buscar en la
tabla el valor que ms se aproxime a K.

135

P(a < Z b ) = P(Z b) [ 1 P(Z a)]

p = K
Para calcular la variable X nos vamos a la

frmula de la tipificacin.

136

Ejemplo
En una ciudad se estima que la temperatura

mxima en el mes de junio sigue una

distribucin normal, con media 23 y
desviacin tpica 5. Calcular el nmero de das
del mes en los que se espera alcanzar
mximas entre 21 y 27.

137

EJEMPLO
La media de los pesos de 500 estudiantes

de un colegio es 70 kg y la desviacin
tpica 3 kg. Suponiendo que los pesos se
distribuyen normalmente, hallar cuntos
estudiantes pesan:
Entre 60 kg y 65 kg.
Ms de 90 kg.
Menos de 64 kg

138

Aproximacin Normal a la
Distribucin Binomial y de Poisson
Si X es una variable aleatoria binomial,

entonces

Es aproximadamente una variable aleatoria

normal estndar. La aproximacin es buena
para np>5 y n(1-p)>5

139

Ejemplo
La probabilidad de que un paciente se

recupere de una rara enfermedad de la

sangre es 0.4. Si se sabe que 100 personas
contraen esta enfermedad, cul es la
probabilidad de que menos de 30
sobrevivan?
n=100
p=.4
P(X<30)

140

Ejemplo
Una prueba de opcin mltiple tiene 200

preguntas, cada una con 4 respuestas

posibles de las cuales slo una es correcta.
Cul es la posibilidad de que se obtengan
de 25 a30 respuestas correctas para 80 de
200 problemas acerca de los que el
estudiante no tiene conocimientos?

141

Si X es una variable aleatoria de Poisson con

E(X)= y V(X)=, entonces

Es aproximadamente una variable aleatoria

normal estndar. La aproximacin es buena
para 5

142

Ejemplo
Suponga que el nmero de partculas de

asbesto en un cm2 de polvo sigue una

distribucin de Poisson con una media de
1000. Si se analiza un cm2 de polvo, cul
es la probabilidad de encontrar menos de
950 partculas?
P(x950) =

143