Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Variables Aleatorias
Distribuciones
DISTRIBUCIONES DE PROBABILIDAD.
Toda distribución de probabilidad es generada por una variable aleatoria x, la que
puede ser de dos tipos:
1.Variable aleatoria discreta (x). Se le denomina variable porque puede tomar diferentes valores,
aleatoria, porque el valor tomado es totalmente al azar y discreta porque solo puede tomar valores
enteros y un número finito de ellos.
Ejemplos:
x Variable que nos define el número de burbujas por envase de vidrio que son
generadas en un proceso dado.
x0, 1, 2, 3, 4, 5, etc, etc. burbujas por envase
xVariable que nos define el número de productos defectuosos en un lote de 25
productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote
xVariable que nos define el número de alumnos aprobados en el curso de
Estadística Descriptiva en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en Estadística Descriptiva.
Con los ejemplos anteriores nos damos cuenta claramente que los valores de la
variable x siempre serán enteros, nunca fraccionarios.
VARIABLE ALEATORIA(V.A.).-SE LLAMA V.A. A TODA FUNCIÓN X DE Ω
CUYO DOMINIO ES EL ESPACIO MUESTRAL Y CUYO RECORRIDO O
RANGO ES UN SUBCONJUNTO DE LOS NÚMEROS REALES.
Ω X ІR
.a
x=X(a)
X( no falla ) = 0
X( falla ) = 1
Variables Aleatorias
falla
A cada s
le corresponde
Espacio Muestral no falla exactamente
un valor X(s)
Conjunto
IR Números
Reales
- 0 1 +
X: Rx IR
Variables Aleatorias
si
A X(s) = b; s
sk
X(s) = a
RX
a b
Ejemplo
El jefe de mantenimiento de una empresa de transporte interprovincial
de pasajeros está interesado en el volumen diario de buses que entran
al taller para algún servicio. Los registros históricos que lleva
actualizados cuidadosamente muestran que cinco es el número
máximo de buses que alguna vez ingresaron al taller y representa de
una manera adecuada lo que puede ocurrir en el futuro.
Solución:
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5
Función de distribución acumulada de una V.A.
discreta
La distribución acumulada de una variable aleatoria discreta X cuya
distribución de probabilidad es f(x), se define por:
F(x) = P(X ≤ x)
Ejemplo:
Tomando como base el ejemplo anterior, obtenga la función acumulada
y represéntela gráficamente.
Solución: Chart Title
X f(x) F(X)
0 0.18 0.18
1 0.39 0.57 1
0.7
4 0.04 0.99
0.6
5 0.01 1.00
0.5
TOTAL 1.00 0.4
0.3
0.2
0.1
0
0 1 1 2 2 3 3 4 4 5 5 6
Ejemplo: Caso de una VA discreta:
• Experimento: Arrojar dos dados y observar la VA X : la suma de los
puntos de las caras que quedan hacia arriba.
Determinar la función de probabilidad (fdp) y la función de distribución
acumulativa(fda).
DISTRIBUCIÓN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Y1 Y2 X=Y1+Y2 Y1 Y2 X=Y1+Y2
1 1 2 4 1 5
1 2 3 4 2 6
1 3 4 4 3 7
toma la VA X se muestran en la 1 6 7 4 6 10
tabla. 2 1 3 5 1 6
2 2 4 5 2 7
2 3 5 5 3 8
2 4 6 5 4 9
2 5 7 5 5 10
Observemos que hay 1 posibilidad
2 6 8 5 6 11
en 36 de que X=2, mientras que hay
3 1 4 6 1 7
2 posibilidades en 36 de que X=3
3 2 5 6 2 8
3 3 6 6 3 9
3 4 7 6 4 10
3 5 8 6 5 11
3 6 9 6 6 12
DISTRIBUCIÓN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Las probabilidades para cada valor de la VA X se muestran en la tabla. En este
ejemplo la tabla representa la función de distribución de probabilidad (fdp) de la
VA X.
X P(X=x)
Representación gráfica de la función de distribución de probabilidad de la VA X
2 1/36
P(X)
3 2/36
P(x)
0.20
4 3/36 0.18
0.16
5 4/36
0.14
6 5/36 0.12
0.10
7 6/36
0.08
8 5/36 0.06
0.04
9 4/36 0.02
10 3/36 0.00 X
0 1 2 3 4 5 6 7 8 9 10 11 12 13
11 2/36
12 1/36
DISTRIBUCIÓN DE PROBABILIDAD
DE UNA VARIABLE ALEATORIA
Distribución de probabilidad de una VA X:
f(x) = P( X=x )
b) f ( x) 1
x
DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA
DE UNA VARIABLE ALEATORIA DISCRETA
Las probabilidades acumuladas para cada valor de la VA X se muestran en la siguiente
tabla que representa la función de distribución acumulativa (FDA) de la VA X.
X P(Xx)
P(X<=x)
2 1/36
1.00
3 3/36
4 6/36 0.80
5 10/36
0.60
6 15/36
j
F ( x j ) P( X x j ) xi
0.40
7 21/36
8 26/36 i 1
0.20
9 30/36
0.00
10 33/36 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
11 35/36
Esta es una función escalón, hay un salto en cada valor de X y es plana entre ellos.
12 36/36
𝜇𝑔(𝑥) = 𝐸 𝑔 𝑥 = 𝑔 𝑥𝑖 . 𝑝(𝑥𝑖 )
𝑖=1
Ejemplo
Con referencia al ejemplo anterior, si cada bus que ingresa al taller para
un servicio limpiado y el costo diario en el que se incurre por
materiales de limpieza, en soles, está dado por la siguiente expresión:
C(x) = 4,5 x + 10. Calcule el valor esperado del costo de materiales de
limpieza.
Solución:
x f(x) x.f(x) C(x) C(x).f(x)
0 0.18 0(0.18)=0.00 4.5(0)+10=10.0 10.0(0.18)=1.800
Solución:
2
𝜎(𝑎𝑥+𝑏) =𝑎2 𝜎𝑥2
2
𝜎(𝑥−𝑦) =𝜎𝑥2 +𝜎𝑦2 (a=1 y b=-1)
4. Si X1, X2, X3, . . . , Xn son n variables aleatorias
independientes, y a1, a2, a3, . . . ,an son n constantes,
entonces:
𝜎(2σ𝑛 𝑛 2 2
𝑖=1 𝑎𝑖 𝑋𝑖 )=σ𝑖=1 𝑎𝑖 𝜎(𝑋𝑖 )
5. Teorema de Tchebysheff: La probabilidad de que cualquier variable
aleatoria X tome
2
un valor dentro de k desviaciones estándar de la media es al
menos 1-1/𝑘 , es decir:
1
P(𝜇 − 𝑘𝜎 < 𝑥 < 𝜇 + 𝑘𝜎) ≥ 1 − 2 para k > 1
𝑘
Ejemplo :Una variable aleatoria tiene una media 𝜇 = 8, una varianza 𝜎 2 = 9 y
una distribución de probabilidades desconocida. Encuentre el valor de
P(-4< x <20).
Solución:
Como P( -4 < x < 20) = P( 8 – (4).(3) < x < 8 + (4).(3)) ≥ 15 / 16
Ejercicios:
1.La demanda diaria de una herramienta en el almacén de Enigma S.A. es
una variable aleatoria D cuya distribución de probabilidades está dada
por la tabla que sigue:
D 1 2 3 4 5
P(D=d) 1/16 4/16 6/16 k 1/16
a. Calcule el valor de k
b. Calcule e interprete el valor numérico del promedio de la demanda
diaria de la herramienta.
c. Si la utilidad Y en dólares del bien está dada por la relación:
Y = 10 + 2D. Halle la distribución de probabilidades de la utilidad diaria.
d. Calcule e interprete la utilidad diaria esperada.
Solución:
a. Como la suma de todas las probabilidades es 1, el valor de K es:
K = 1 – (1/16 + 4/16 + 6/16 + 1/16) = 4/16
b. El valor esperado de D es:
E(D) = 1 .1/16 + 2.4/16 + 3.6/16 + 4.4/16 + 5.1/16 = 3
Interpretación: Si durante varios días registramos la demanda, el
promedio de las demandas diarias tenderá a 3, mientras mayor sea la
cantidad de días que se toman en cuenta.
c. D Y=10+2.D P(Y=y)
1 10+2.1=12 1/16
2 10+2.2=14 4/16
3 10+2.3=16 6/16
4 10+2.4=18 4/16
5 10+2.5=20 1/16
d. El valor esperado de Y es:
E(Y) = 12 . 1/16 + 14 . 4/16 + 16 . 6/16 + 18 . 4/16 + 20 . 1/16 = 16
-5 2/4 = 0,5
0 1/4 = 0,25
10 1/4 = 0,25
Xi pi
50 0,041
0 0,245
-5 0,306
- 10 0,408
μ = 50. 0,041+ 0. 0,245 – 5 .0,306 – 10.0,408 = - 3,56
No jugaríamos, pues tenemos desventaja, no es equitativo.
EJEMPLO
Lanzamos dos dados en forma de tetraedro, uno con las caras
numeradas del 0 al 3, y el otro con las caras numeradas del 1 al
4. ¿Cuál es la esperanza matemática o valor esperado de la
función que asigna a cada valor de x la suma de resultados?.
Solución
xi fi pi xi.pi
1 1 0,0625 0,0625
2 2 0,1250 0,25
3 3 0,1875 0,5625
4 4 0,25 1,00
5 3 0,1875 0,9375
6 2 0,1250 0,75
7 1 0,0625 0,4375
μ = ∑xi.pi = 4
16 4,00