3.

4 Variables aleatorias
Ejemplo:
Sea X el nmero de criaturas de un tipo particular capturadas en una trampa durante un lapso de
tiempo dado. Suponga que X tiene una distribucin Poisson con media 4.5 ( en promedio, las
trampas tendrn 4,5 criaturas). Calcule:
a. La probabilidad de que una trampa contenga exactamente 5 criaturas.
b. La probabilidad de que una trampa contenga como mximo 5 criaturas.
3.4 Variables aleatorias
Una v.a. X tiene Distribucin Uniforme si su densidad se distribuye por igual entre dos valores
cualquiera a y b. Su funcin densidad est dada por:
Con a, b |R y se denota por:
3.4 Variables aleatorias/ D. Uniforme
La esperanza y varianza de una variable aleatoria X con Distribucin Uniforme estn dadas por:
E(X) = (a+b)/2
V(X) = (b-a)/12
3.4 Variables aleatorias
Ejemplo:
La direccin de una imperfeccin con respecto a una lnea de referencia sobre un objeto circular
como un neumtico, un rotor de freno o un volante est, en general, sujeta a incertidumbre.
Considrese la lnea de referencia que conecta el vstago de la calcula de un neumtico con el
punto central y sea X el ngulo medido en el sentido de las manecillas del reloj con respecto a la
ubicacin de una imperfeccin. Una posible funcin de densidad de X es:
f(x)= 1/360 0 x 360
0 e.o.c
La probabilidad de que el ngulo de ocurrencia sea entre 90 y 180 es ??
3.4 Variables aleatorias
Suponga que los eventos suceden aleatoriamente a lo largo del tiempo, con un tiempo esperado
entre eventos . Sea X, la v.a. que cuenta el tiempo para el siguiente evento, entonces X tiene
Distribucin Exponencial y su funcin densidad est dada por:
Y se denota por:
3.4 Variables aleatorias
La esperanza y varianza de una variable aleatoria X con Distribucin Exponencial estn dadas por:
E(X) = 1/
V(X) = 1/
3.4 Variables aleatorias
Ejemplo:
Una amplia experiencia en ventiladores de cierto tipo, empleados en motores diesel a sugerido que
la distribucin exponencial es un buen modelo para el tiempo hasta que se presente una falla.
Suponga que el tiempo medio hasta una falla es de 25.000 horas:
a) Cul es la probabilidad de un ventilador seleccionado al azar dure por lo menos 20 horas?, a
lo sumo 30.000 horas? Y entre 20.000 y 30.00 horas?
b) Cul es la probabilidad de que la duracin de un ventilador exceda el valor medio de ms de
dos desviaciones estndar? Y en ms de tres desviaciones estndar?
3.4 Variables aleatorias
La variable aleatoria X tiene Distribucin Normal con parmetros y si su funcin de densidad
est dada por:
Y se denota por:
3.4 Variables aleatorias
La Distribucin Normal es la distribucin ms importante en toda la probabilidad y estadstica.
Muchas poblaciones numricas tienen distribuciones que pueden ser representadas muy fielmente
por una curva normal apropiada.
Ej: estatura, peso, mediciones de inteligencia y aptitud, clasificaciones en varios exmenes, medidas
e indicadores econmicos.
3.4 Variables aleatorias
La esperanza y varianza de una variable aleatoria X con Distribucin Normal estn dadas por:
E(X) =
V(X) =
3.4 Variables aleatorias
Si Z es una v.a normal con media 0 y varianza 1, entonces Z se llama variable aleatoria Normal
Estndar.
Cualquier variable aleatoria normal X se puede transformar en una v.a. normal estandarizada Z, de
la siguiente manera:
Este proceso se llama estandarizacin o normalizacin.
3.4 Variables aleatorias/ Funcin distribucin acumulada
normal estndar
3.4 Variables aleatorias/ Funcin distribucin acumulada
normal estndar
3.4 Variables aleatorias
Ejemplo:
Determine las siguientes probabilidades de v.a Z, normal estndar.
a) P(Z > 1,25)
b) P(Z >= -1,25)
c) P(-0,83 <= Z <=1,25 )
3.4 Variables aleatorias
Ejemplo:
La dureza Rockwell de un metal se determina al golpear con un punto acerado (herramienta) la
supercie del metal y despus medir la profundidad de penetracin del punto. Suponga que la
dureza Rockwell de cierta aleacin est normalmente distribuida con media de 70 y desviacin
estndar de 3.
(a) Si un especimen es aceptable solo si su dureza est entre 67 y 75, Cul es la probabilidad de
que un especimen seleccionado al azar tenga una dureza aceptable?
(b) Si la escala aceptable de dureza es (70 - c, 70 + c), para qu calor de c tendra una dureza
aceptable, 95% de todos los especmenes?
(c) Si la escala aceptable es como el inciso (a) y la dureza de cada diez especmenes seleccionados al
azar se determina independientemente, cul es el nmero esperado de especmenes
aceptables entre los diez?
(d) Cul es la probabilidad de que a lo sumo ocho de diez especmenes seleccionados
independientemente, tengan una dureza menor a 73.84?
3.4 Variables aleatorias
Aproximacin Poisson a la distribucin binomial
Se sugiere aproximar a la distribucin Poisson una distribucin binomial para valores de n muy
grandes y de p muy pequea.
La regla es aproximar si p<0,05 y n20. Si n 100 la aproximacin es buena siempre y cuando np>10.
En ambos casos =np y en vez de utilizar usamos