DISTRIBUCIONES DE PROBABILIDAD

VARIABLE ALEATORIA(V.A.).-SE LLAMA V.A. A TODA FUNCIN X DE

CUYO DOMINIO ES EL ESPACIO MUESTRAL Y CUYO RECORRIDO O
RANGO ES UN SUBCONJUNTO DE LOS NMEROS REALES.

X
.a

R
x=X(a)

LOS TIPOS DE V.A.SON:

VARIABLE ALEATORIA DISCRETA.-VARIABLE QUE SOLO PUEDE

TOMAR VALORES CLARAMENTE SEPARADOS,QUE RESULTAN DE CONTAR
ALGN ELEMENTO DE INTERES.GENERALMENTE TOMA VALORES
ENTEROS.
EJEMPLO:
SEA EL EXPERIMENTO:INSPECCIONAR UN EMBARQUE DE 50 CARROS,Y
SEA LA V.A.:
X=CANTIDAD DE CARROS DEFECTUOSOS.
ENTONCES LOS VALORES QUE PUEDE TOMAR LA VARIABLE X SERAN:
X=

{ 0,1,2, .50 }

VARIABLE ALEATORIA CONTINUA.-ES AQUELLA QUE RESULTA

PRINCIPALMENTE DE LA MEDICIN Y PUEDE TOMAR CUALQUIER
VALOR,AL MENOS DENTRO DE UN RANGO DADO.
EJEMPLO:
SEA EL EXPERIMENTO:MEDIR LA TALLA DE LOS ALUMNOS DE LA UPAO.
SEA LA V.A. X=TALLA DE UN ALUMNO.
ENTONCES LOS VALORES QUE PUEDE TOMAR LA VARIABLE SON:
X=

{ 1.49,1.55,1 .65, .,2 .20 }

DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE DISCRETA

TAMBIN SE LE CONOCE COMO FUNCIN DE CUANTA Y VIENE HACER
LA ENUMERACIN DE TODOS LOS RESULTADOS DE UN EXPERIMENTO
JUNTO CON LA PROBABILIDAD ASOCIADA A CADA RESULTADO.
EJEMPLO:
SUPONGAMOS QUE ESTAMOS INTEREZADOS EN EL NMERO DE CARAS
QUE SE OBTIENEN AL LANZAR 3 VECES UNA MONEDA.CUAL ES LA
DISTRIBUCIN DE PROBABILIDAD PARA EL NMERO DE CARAS.
SOLUCIN:
SABEMOS. =

{ CCC ,CCS ,CSC , SCC , SSC , SCS ,CSS , SSS }

ANALIZAR LA V.A.
X:NMERO DE CARAS QUE SE OBTIENE AL ARROJAR 3 MONEDAS.
X( { CCC } ) = 3

X( { CCS } )= X( { SC C }
X( { SCS }

{ CSC } ) = 2

=X(

{ SSC }

= X( { CSS } ) =

)=1

X( { SSS } ) = 0
COMO APRECIAMOS,LA VARIABLE X SOLO TOMA VALORES:0,1,2,3.
LA DISTRIBUCIN PROBABILISTICA PARA LOS EVENTOS:0,1,2,3
RESULTANTES SER:
NMERO DE
FRECUEN
DISTRIBUCIN DE
CARAS(Xi)
CIA
PROBABILIDADES(p(Xi))
0
1
1/8
1
3
3/8
2
3
3/8
3
1
1/8

ESPERANZA MATEMTICA DE UNA V.A.DISCRETA

ES LA MEDIA PONDERADA DE LOS POSIBLES VALORES DE LA V.A. X

.PARA PONDERAR CADA VALOR DE X SE MULTIPLICA POR SU
RESPECTIVA PROBABILIDAD.
NOTACIN:LA ESPERANZA MATEMTICA SE REPRESENTA POR EL
SMBOLO E(X),TAMBIN SE LE DESIGNA POR

X SIMPLEMENTE

.
SE DEFINE:
n

Xi

E(X) =

i=1

Xi )

p(

EJEMPLO:
CONSIDERANDO EL EJEMPLO ANTERIOR CALCULAR LA MEDIA TERICA
O ESPERANZA MATEMTICA?
X p(Xi
i
)
Xip(Xi)
0 1/8
0
1 3/8
3/8
2 3/8
6/8
3 1/8
3/8
1
1 2/8
n

E(X) =

Xi
i=1

p(

X i ) =0(1/8)+1(3/8)+2(3/8)+3(1/8) =12/8 = 1.5

VARIANZA DE UNA V.A.DISCRETA

ESTA MEDIDA NOS INFORMA ACERCA DE LA DISPERIN DE LA V.A.SE

REPRESENTA POR:V(X) O
SU DEFINICIN ES:

2
X

( X i)2

[ X ] =

V(X)=E

i=1

p(

X i )= ( X 1)2 p(X1)+..+ (Xn)2

p(Xn)
PODEMOS DECIR:
LA VARIANZA DE LA V.A. X ES LA ESPERANZA MATEMTICA DEL
CUADRADO DE LA DIFERENCIA QUE SE OBTIENE,RESTANDO A LA
VARIABLE X SU VALOR ESPERADO

EJEMPLO:
TOMANDO EL EJEMPLO ANTERIOR CALCULAR LA VARIANZA:
SABEMOS QUE : E(X)=1.5

O1.5
(11.5)2 (3/8)++ (31.5)2 (1/8) =0.75
2
(1/8)+

V(X) = (

OTRA FRMULA:
n

V(X) =

X i2
i=1

X i )-

p(

EJEMPLO:CON LOS DATOS ANTERIORES:

n

X i2
i=1

p(

Xi ) =

02 (1/8)+ 12 (3/8)++ 32 (1/8)=24/8=3

1. 5

V(X)=3-( 2 =0.75

DESVIACIN ESTANDAR DE UNA V.A.

SE LLAMA DESVIACIN ESTNDAR DE UNA V.A. X A LA RAZ CUADRADA
POSITIVA DE LA VARIANZA.

x =

V ( X )

EJEMPLO:
CON LOS DATOS ANTERIORES:

x =

V ( X )

0 .75

=0.87

EJEMPLO:
SE LANZA UN DADO.SEA X UNA V.A.QUE DESIGNA EL DOBLE DEL
NMERO QUE APARECE EN EL DADO.HALLAR EL VALOR ESPERADO Y LA
VARIANZA DE X.
Xi
2 4 6 8 10 12
p(X 1/ 1/ 1/ 1/ 1/ 1/
i)
6 6 6 6 6 6
n

E(X)= E(X) =

Xi
i=1

p(

X i ) = 2(1/6)+4(1/6)+..+12(1/6)=7

V(X)=

X i2
i=1

p(

X i )-

=4(1/6)+16(1/6)+..+144(1/6)-49=11.7

V(X)=11.7

11.7=3.42

DISTRIBUCIONES CONTINUAS DE PROBABILIDAD

CONSIDERAREMOS EL EVENTO QUE LA V.A. X TOMA VALORES REALES
COMPRENDIDOS ENTRE a Y b,AS:
A= { a X b }

POR EJEMPLO A = { 2.1 X 4.08 }

Y SU PROBABILIDAD:
P(A)=P(a X b

Y P(A)=(2.1 X 4.08

SUPONEMOS QUE EXISTE UNA FUNCIN CONTINUA DE DISTRIBUCIN

DE NMEROS REALES f(x),TAL QUE:
P(a X b

=AREA BAJO LA CURVA DE f(x),ENTRE x=a y x=b (AREA

SOMBREADA).

LA FUNCIN f(x)ES UNA FUNCIN CONTINUA DE DISTRIBUCIN DE

PROBABILIDADES DE X,Y SE LLAMA FUNCIN DE DENCIDAD DE X.
DEBE DE SATISFACER DOS CONDICIONES:

1)f(x) 0

2)

f ( x ) dx

=1 LA:

1)EXPRESA QUE LOS VALORES DE LA DISTRIBUCIN DE PROBABILIDAD

SON MAYORES QUE CERO
O
CUANDO MENOS IGUAL A CERO.
2)INDICA QUE EL AREA LMITADA POR LA FUNCIN f(x) Y EL EJE X ES
IGUAL A LA UNIDAD.

ESPERANZA MATEMTICA:

Xf ( x ) dx

E(X)=

VARIANZA
2
2
V(X)=E( X (E( X))
DONDE:

E( X

)=

X2

f(x)dx

EJEMPLO:

SUPONGAMOS QUE f(x) ES UNA FUNCIN DE DENCIDAD DE X TAL QUE:

Kx ,si 0 x 2

f(x)=
0 ; en otro lugar
a)HALLAR K
b)HALLAR LA ESPERANZA Y VARIANZA DE X.
SOLUCIN:
a)COMO f(x) ES UNA FUNCIN DE DENCIDAD.DEBE CUMPLIR:

1)f(x) 0

2)

f ( x ) dx

=1

PARA CUMPLIR 1)K DEBE SER MAYOR QUE CERO.PARA 2)

f ( x ) dx

kxdx

=1

kx
2

2 2

=1

o
LUEGO

ENTONCES

1
X
2

K (4)
2

=1 ENTONCES K= 4

= 2

0 X2

f(x)=
1

EN OTRO LUGAR

EST COMPROBADO f(x) 0YA QUE 0 X 2

1
b)CALCULANDO E(x) Y V(x)

ENTONCES

1
2 X

1
2

E(X)=

Xf ( x ) dx

1 X3
X ( X )dx=
=
2 3

1 3
8
( 2) -0=
E(x)= 6
6

4
ENTONCES E(X) = 3

AHORA:E( X

2
)= X f(x)dx =

1
X 2 ( 2 X)dx =
0

4
12 X 3 = 12 X4
0

1 24
X 2 )=2
2 4 =2 ENTONCES E(

V(X)=E( X

V(X)=

)- (E ( X ) )

4
3
ENTONCES V(X)=2-

16
9

ENTONCES

2
9

LA S DISTRIBUCIONES TERICAS DE PROBABILIDAD MS IMPORTANTES

LAS UTILIZAREMOS COMO MODELO DE COMPORTAMIENTO DEL HECHO
O FENMENO QUE ESTAMOS INVESTIGANDO.DENTRO DE ESTAS
TENEMOS:
BINOMIAL
POISSON
NORMAL,ETC.

DISTRIBUCIN BINOMIAL