UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS

Control de Calidad de Procesos Ing. Heber Helfer C.

9
DISTRIBUCIONES DE PROBABILIDAD

En la mayora de los problemas de estadstica nos interesan uno o varios
nmeros, que estn relacionados con los resultados de experimentos. En la
inspeccin de un producto industrializado puede importarnos slo el nmero de
artculos defectuosos; al analizar una prueba en la carretera puede importarnos
solamente la velocidad promedio y el consumo promedio de combustible y, al
estudiar un interruptor rotario, quiz queramos conocer solamente su
lubricacin, la corriente y la humedad. Todos estos nmeros estn asociados a
situaciones en que interviene un elemento de azar, en otras palabras, son valores
de variables aleatorias.
Al estudiar variables aleatorias generalmente nos interesan sus llamadas
distribuciones de probabilidad, es decir, los diversos valores de probabilidad que
toman en su rango.
UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS


Control de Calidad de Procesos Ing. Heber Helfer C.
10
VARIABLES ALEATORIAS

Supongamos que un servicio de pruebas de productos evala el funcionamiento
de una podadora de csped como :
(E1) fcil de manejar (E2) dificultad mediana (E3) difcil de operar
(P1) cara (P2) barata
(C1) reparacin costosa (C2) reparacin regular (C3) reparacin barata


DIAGRAM
A DE
RBOL


PROBABILIDAD
NMERO DE
EVALUACIONES
PREFERENTES
C1 0,07 1
P1 C2 0,13 1
E1 C3 0,06 2
C1 0,05 2
P2 C2 0,07 2
C3 0,02 3
C1 0,07 0
P1 C2 0,14 0

E2 C3 0,07 1
C1 0,08 1
P2 C2 0,11 1
C3 0,03 2
C1 0,02 0
P1 C2 0,03 0
E3 C3 0,01 1
C1 0,01 1
P2 C2 0,02 1
C3 0,01 2

Nos referiremos a los eventos E1 (fcil de operar), P2 (barata) y C3 (bajo costo
de operacin) como las clasificaciones preferentes.
Sumando las probabilidades respectivas, encontramos que, para cero
clasificaciones preferentes, la posibilidad es
0,07 + 0,14 + 0,02 + 0,03 = 0,26,
para una clasificacin preferente, la posibilidad es
0,07 + 0,13 + 0,07 + 0,08 + 0,11 + 0,01 + 0,01 + 0,02 = 0,50,
UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS


Control de Calidad de Procesos Ing. Heber Helfer C.
11
para dos clasificaciones preferentes, la posibilidad es 0,06 + 0,05 + 0,07 + 0,03
+ 0,01 = 0,22
y para tres clasificaciones preferentes la posibilidad es 0,02

x 0 1 2 3
Probabilidad 0,26 0,50 0,22 0,02

Los nmeros 0, 1, 2 y 3 de la tabla son valores de una variable aleatoria- el
nmero de clasificaciones preferentes-. A cada resultado en el espacio muestral
corresponde un slo valor y slo uno de la variable aleatoria x; as que sta
puede concebirse como una funcin definida sobre los elementos del espacio
muestral. Esta es la forma en que definiremos en general a las variables
aleatorias; son funciones sobre los elementos de un espacio muestral.
Para encontrar la probabilidad de que una variable aleatoria tome cualquier valor
sobre su rango, procedemos como en el ejemplo anterior; en realidad, la tabla
que obtuvimos muestra otra funcin denominada distribucin de probabilidad de
la variable aleatoria. para indicar los valores de una distribucin de probabilidad
utilizaremos smbolos como f(x), g(x), (y), h(z), etc.

VARIABLES ALEATORIAS DISCRETAS
Pueden tomar solamente un nmero finito o infinito contable de valores.
Siempre que sea posible, expresaremos las distribuciones de probabilidad por
medio de ecuaciones; de lo contrario, daremos una tabla que muestre la
correspondencia entre los valores de la variable aleatoria y las probabilidades
asociadas. Por ejemplo,
f(x) = 1/6 para x = 1,2,3,4,5,6
nos da la distribucin de probabilidad para los distintos puntos que se pueden
obtener cuando arrojamos un dado legal.
Por supuesto, no toda funcin definida para los valores de una variable aleatoria
puede servir como distribucin de probabilidad. Puesto que los valores de las
distribuciones de probabilidad son probabilidades y un valor de una variable
aleatoria debe ocurrir siempre, se deduce que, si f(x) es un valor de una
distribucin de probabilidad, entonces
f(x) > 0 para toda x
y f(x) = 1

UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS


Control de Calidad de Procesos Ing. Heber Helfer C.
12
Por ejemplo, verifquese si las siguiente funciones pueden emplearse como
distribuciones de probabilidad
(a)

para x = 1,2,3,4 ;

(b)

para x = 0,1,2,3,4

Rpta.: (a) No. f(1) < 0 (b) No. La suma de las cinco
probabilidades es 6/5 y no 1

Hay muchos problemas en que no slo nos interesa la probabilidad f(x) de que el
valor de una variable aleatoria sea x, sino tambin la probabilidad F(x) de que el
valor de una variable aleatoria sea menor o igual que x. Nos referiremos a la
funcin que asigna el valor F(x) a cada x dentro del rango de la variable
aleatoria como funcin de distribucin de la variable aleatoria.
Refirindonos una vez ms al ejemplo de la evaluacin de las podadoras de
csped y basando nuestros clculos en la tabla anterior, obtenemos
x 0 1 2 3
F(x) 0,26 0,76 0,98 1,00

para la funcin de distribucin del nmero de clasificaciones preferentes.
VARIABLES ALEATORIAS CONTINUAS
Las variables aleatorias continuas pueden tomar valores sobre una escala
continua. Por ejemplo : si un experimento consiste en determinar la fuerza que
se requiere para romper determinada muestra en una prueba de tensin, el
resultado mismo, digamos 138,4, es el valor de la variable aleatoria considerada.

FUNCIONES DENSIDAD DE PROBABILIDAD O DENSIDADES DE
PROBABILIDAD
La probabilidad de que una variable aleatoria tome un valor sobre el intervalo
desde a hasta b, donde a y b son constantes y a s b es

donde Ax = intervalo de longitud
x
1
,x
2
, ... , x
n
= n puntos
UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS


Control de Calidad de Procesos Ing. Heber Helfer C.
13

si f es una funcin integrable

f = funcin de densidad de probabilidad o densidad de probabilidad
Propiedades :
a) f(x) > 0 para todo x dentro del dominio de f
b)

Ejemplo : si una variable aleatoria tiene la densidad de probabilidad

f(x) = 2e
-2x
para x > 0
0 para x s 0

encuntrese las probabilidades de que tome un valor
a) entre 1 y 3
b) mayor que 0,5

Rpta:
a)

b)

2
1 2
x
f(x )

Ejemplo : del ejemplo anterior, encuntrese la funcin de distribucin y
utilcese para determinar la probabilidad de que la variable aleatoria tome un
valor menor o igual a 1


UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS


Control de Calidad de Procesos Ing. Heber Helfer C.
14

y la sustitucin de x = 1 arroja el resultado
F(1) = 1 - e
-2
= 0,865

Obsrvese que la funcin de distribucin de este ejemplo es no decreciente, que
F(-) = 0 y que F() = 1. En realidad, de la definicin se deduce que estas
propiedades las comparten todas las funciones de distribucin.

Ejemplo : encuntrese k de tal manera que la siguiente regla de correspondencia
sea la densidad de probabilidad de una variable aleatoria:

Rpta :
1) k > 0
2)

Las medidas estadsticas con que se describen las densidades de probabilidad
son muy similares a las que empleamos para caracterizar las distribuciones de
probabilidad. Reemplazando sumatorias por integrales, definimos el k-simo
momento con respecto al origen como

El primer momento con respecto al origen es conocido como media y se denota
; es el valor esperado, o promedio de una variable aleatoria que tiene
densidad de probabilidad f.
Se define el k-simo momento alrededor de la media como

En particular, el segundo momento con respecto a la media recibe el nombre de
variancia y se representa por o
2
; igual que antes, mide la dispersin de una
densidad de probabilidad en el sentido de que da el valor esperado del cuadrado
de la desviacin con respecto a la media. Tambin, o se conoce nuevamente
como desviacin estndar.

UNMSM Facultad de Qumica e Ingeniera Qumica - CEUPS


Control de Calidad de Procesos Ing. Heber Helfer C.
15
Ejemplo : Calcule la media y la variancia de la densidad de probabilidad citada.

y adems que