Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PyE T3 PDF
PyE T3 PDF
Notas de clase
VARIABLES ALEATORIAS Usualmente, se denotan a las variables aleatorias (vv.aa.) utilizando las ltimas
letras maysculas del alfabeto.
a)
Una variable aleatoria discreta toma valores de un conjunto numerable,
mientras que una variable aleatoria continua toma valores de un conjunto continuo.
Por lo que
Definicin 3.3
Sea una v.a. discreta, se define su funcin de probabilidad 1 2
como:
donde
Resolucin
Considerando que de un sismo a otro debe de transcurrir algn tiempo, y que
no se sabe cunto tardar en ocurrir el nuevo sismo, se tiene: 1
T a mbi n lla mada: funcin m asa de p r ob ab ilid ad o distribucin de
probabilidad.
S))))))))))))))))))))))))))))))))))))Q
2
Es muy comn la notacin , donde se resalta el hecho de que la funcin
Las variables aleatorias pueden clasificarse en discretas, continuas o mixtas. Se proporciona probabilidad. En estas notas se utiliza la notacin para
estudiarn las caractersticas de las discretas y de las continuas, dejando las mixtas como
hacer nfasis en que es una funcin.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 3
Resolucin
Sea la v.a. que representa el nmero de lanzamientos necesarios para
observar por primera vez un sol.
Por lo que s se satisface (2).
El rango de la v.a. es
S))))))))))))))))))))))))))))))))))))Q
Debe observarse con mucho cuidado el hecho de que una vez definida la v.a.,
debe poderse obtener el rango de dicha variable, es decir el conjunto de valores que la
variable aleatoria puede tomar; sin embargo, el dominio de la funcin de probabilidad
puede extenderse a todos los reales, para facilitar la notacin en anlisis posteriores.
.
.
.
En general
Fig. 3.2 Variable Aleatoria y Funcin de
Probabilidad.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 4
S))))))))))))))))))))))))))))))))))))Q S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.5 Ejemplo 3.6
Considrese la v.a. cuyos posibles valores son 0, 1, 2, 3 y 4; y que tiene la Al examinar pozos de agua en una regin con respecto a dos tipos de impurezas
siguiente funcin de probabilidad. encontradas frecuentemente en el agua potable, se encontr que el 20% de los
pozos no revelaban impureza alguna, el 40% tenan la impureza del tipo A y
el 50% la impureza del tipo B (naturalmente, algunas tenan ambas impurezas).
0 1 2 3 4 Si se selecciona un pozo de la regin al azar, obtener la distribucin de
probabilidad para , esto es, el nmero de impurezas encontradas en el pozo.
Resolucin
Sea el evento en el cual se tiene la impureza A, y el evento en el cual se
tiene la impureza B, entonces, la siguiente tabla muestra las probabilidades de
a) Determinar el valor de la constante para que sea una funcin las intersecciones de los eventos:
de probabilidad.
b) Calcular .
Total
Resolucin
a) Para que sea una funcin de probabilidad, deben cumplirse las
propiedades 1 y 2.
Si entonces se cumple que Total
Y por otro lado:
De donde
De donde
0 1 2
S))))))))))))))))))))))))))))))))))))Q
0.2 0.7 0.1
Los problemas que generalmente resultan ms interesantes son aquellos en los S))))))))))))))))))))))))))))))))))))Q
que se debe obtener la funcin de probabilidad para una variable aleatoria discreta a Una funcin de probabilidad generalmente se representa de manera grfica
partir de un problema en particular. utilizando lneas verticales que representan la probabilidad, como se muestra en la
siguiente figura.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 5
El rango de la v.a. es
Sea el evento en el cual el interruptor funciona, para .
0 1 2
, . 3)
En forma tabular, se tiene: Recordando las propiedades de la integral definida, se tienen los siguientes
resultados:
a)
b)
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 7
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.9
El tiempo requerido por los estudiantes para presentar un examen de una hora
es una variable aleatoria con una funcin de densidad dada por
S))))))))))))))))))))))))))))))))))))Q
a) Determinar el valor de . Ejemplo 3.10
b) Trazar la grfica de . La temperatura de encendido de un interruptor con control termosttico de un
sistema de acondicionamiento de aire se ajusta a 60 F, pero la temperatura real
c) Calcular la probabilidad de que un estudiante termine en menos de
media hora. a la cual el interruptor acciona es una variable aleatoria que tiene la funcin
d) Dado que cierto estudiante necesita al menos 15 minutos para de densidad de probabilidad
presentar el examen, obtener la probabilidad de que necesite al menos
30 minutos para terminarlo.
Resolucin
a) , de donde a) Calcular la probabilidad de que sea una temperatura mayor de 60 F
la necesaria para que accione el interruptor.
b) Si se utilizan en forma independiente dos de tales interruptores,
calcular la probabilidad de que ambos necesiten que la temperatura
sea mayor de 60 F para que se accionen.
b)
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 8
Resolucin
a)
1) ,
2) Para el mayor valor en el rango de la variable aleatoria , ; es
decir:
FUNCIN DE DISTRIBUCIN
La funcin de distribucin, tambin llamada funcin de distribucin acumulativa, 3) La funcin es no decreciente; es decir:
muestra el comportamiento acumulado de una variable aleatoria.
Si entonces
4) La probabilidad de que una variable aleatoria est en el intervalo est
Definicin 3.7 dada por:
Si es una variable aleatoria, entonces su funcin de distribucin
, se define como una funcin que asocia a cada valor real, la
probabilidad de que la variable aleatoria asuma valores menores o Para generalizar la propiedad (4) al intervalo cerrado , deben utilizarse
iguales que l. los casos discreto y continuo.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 9
S))))))))))))))))))))))))))))))))))))Q El tiempo requerido por los estudiantes para presentar un examen de una hora
Ejemplo 3.11 es una variable aleatoria con una funcin de densidad dada por
Sea una variable aleatoria con funcin de probabilidad ,
-5 -1 1 1.5 3
a) ,
-5 -1 1 1.5 3
b)
b)
c)
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.12
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 10
a) Trazar la grfica de .
Obsrvese que la funcin de distribucin es no decreciente, por lo que
b) Obtener y construir su grfica. inicia teniendo el valor cero y termina teniendo el valor de uno.
c) Calcular la probabilidad de que la gasolinera bombee entre 8,000 y
12,000 litros en un mes.
d) Si se sabe que la gasolinera ha bombeado ms de 10,000 litros en un
mes en particular, obtener la probabilidad de que haya bombeado ms
de 15,000 litros durante el mes.
Resolucin
a)
c)
d)
S))))))))))))))))))))))))))))))))))))Q
b) Para
Para
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 11
El concepto de valor esperado es sin duda uno de los ms importantes en el estudio de Es muy comn denotar al valor esperado de una variable aleatoria mediante
las distribuciones de probabilidad. Tiene sus orgenes en los juegos de azar, debido a que , y en ocasiones, simplemente como .
los apostadores queran saber cul era su expectativa en un juego despus de participar
en l muchas veces. S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.14
Por ejemplo, considrese una pequea rifa que depende del resultado de un Un automovilista desea asegurar su coche por 50,000 U.M. 3. La compaa
dado. El boleto para participar en la rifa cuesta un peso, y el apostador recibe cinco aseguradora estima que una prdida total puede ocurrir con una probabilidad
pesos si el resultado es 6 (tiene una ganancia de 4 pesos), y en caso contrario pierde el de 0.002, un 50% de prdida con una probabilidad de 0.01 y un 25% de
valor del boleto con el que particip en la rifa. Despus de un gran nmero de juegos, prdida con una probabilidad de 0.1. Ignorando todas las otras prdidas
cual ser su prdida o ganancia? Para contestar se debe considerar a la distribucin de parciales, qu prima deber cobrar anualmente la compaa aseguradora para
probabilidad como la frecuencia relativa a largo plazo de los resultados que se tener una utilidad promedio por automvil de 500 U.M.?
obtendrn, de manera que, si es la variable aleatoria que representa el resultado del
Resolucin
dado, la probabilidad de ganar es , mientras que la probabilidad de Sea la prima y la variable aleatoria que representa la utilidad, entonces
Es decir, despus de jugar un gran nmero de veces, el apostador pierde un Para que la utilidad promedio sea de , se debe satisfacer ,
sexto de peso en promedio por rifa. de donde
El valor esperado de una variable aleatoria discreta puede ser interpretado como
el centro de masa de una distribucin de masas colocadas en los puntos del
La aspiradora se usa en promedio 100 horas al ao. MOMENTOS DE UNA VARIABLE ALEATORIA
S))))))))))))))))))))))))))))))))))))Q
Sea una variable aleatoria, se define su -simo momento con respecto al origen
PROPIEDADES DEL VALOR ESPERADO como:
4
Las demostraciones son inmediatas a partir de la definicin del valor esperado o valor esperado.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 13
Debido a que los momentos permitirn calcular algunas de las caractersticas numricas
de las variables aleatorias, es conveniente estudiar una forma alterna para obtener los
momentos. La funcin generadora de momentos permite calcular con facilidad algunos por lo que sustituyendo en la definicin de la funcin generadora de momentos
momentos, que utilizando la definicin resultan mucho ms complicados.
Definicin 3.9
Sea una variable aleatoria se define su funcin generadora de de donde
momentos como
Resolucin
sustituyendo
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 14
Por lo que
Por lo que
S))))))))))))))))))))))))))))))))))))Q
Para una variable aleatoria discreta, cuya funcin de probabilidad est definida
por una tabla, resulta ms laborioso utilizar la funcin generadora para obtener su media
o valor esperado, que haber utilizado simplemente la definicin. En general, la funcin
generadora facilita el anlisis cuando la obtencin por medio de la definicin es
laboriosa, y lo dificulta cuando la obtencin del valor esperado es muy fcil por medio
de la definicin.
Y recordando que la funcin generadora debe ser continua y veces
S))))))))))))))))))))))))))))))))))))Q derivable en el origen, entonces
Ejemplo 3.17
La funcin de densidad de probabilidad de una variable aleatoria est
determinada por:
de donde
,
Resolucin
a) La funcin generadora de momentos est definida por
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 15
M oda Resolucin
La media est dada por
Es aquel valor para el cual la funcin de probabilidad o funcin de densidad, segn sea
el caso, toma su valor mximo. Se denota por .
Integrando por partes se tiene que:
S))))))))))))))))))))))))))))))))))))Q
La mediana est dada por
Ejemplo 3.18
Considrese la variable aleatoria con funcin de probabilidad de donde
-4 -2 0 1 5 10
Obtener la moda de la variable aleatoria. La moda es el valor en el cual se encuentra el mximo, por lo que derivando e
igualando a cero para obtener el mximo:
Resolucin
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 16
M EDIDAS DE DISPERSIN
Las medidas de dispersin indican la lejana de los valores que puede tomar la variable
aleatoria. Las principales medidas de dispersin son el rango, la desviacin media, la
variancia, la desviacin estndar y el coeficiente de variacin.
De la definicin de la variancia, y utilizando las propiedades del valor esperado,
Rango se puede escribir la variancia como:
5 6
Algunos autores dicen que en este caso todos los valores son modas. Algunos autores utilizan la traduccin "varianza".
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 17
Desviacin estndar
Sesgo positivo Simtrica Sesgo negativo
La desviacin estndar se define como la raz cuadrada positiva de la variancia. Se
denota por . Esto es: El sesgo positivo tambin se llama sesgo hacia la derecha, y el sesgo negativo
hacia la izquierda.
Coeficiente de sesgo
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.20
Considrese una variable aleatoria continua con la funcin de densidad dada
por
Desviacin estndar
Coeficiente de variacin
Resolucin
Medidas de tendencia central:
Parmetros de forma:
Media,
Sesgo,
Moda,
Mediana, pero
Para encontrar la mediana deben de utilizarse en orden las reglas de
correspondencia de la funcin de densidad, hasta obtener la regla con la cual
se acumule la probabilidad de 0.5
Para la primera regla de correspondencia, con , se tiene:
por lo que La distribucin es simtrica.
Curtosis
Esto es , de donde , y puesto que el valor obtenido s se
pero
encuentra dentro de intervalo , entonces la mediana es .
Medidas de dispersin:
Rango,
Desviacin media
por lo que
Variancia S))))))))))))))))))))))))))))))))))))Q
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 19
Probabilidad
0.2 5 0
0.4 15 16
Teorema de Chebyshev
La probabilidad de que cualquier variable aleatoria tome un valor dentro
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 20
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.22
Una variable aleatoria tiene una media , con una variancia ,
y una distribucin de probabilidades conocida. Utilizando el teorema de
Chebyshev, obtener:
a) .
b) .
Resolucin
a)
b)
S))))))))))))))))))))))))))))))))))))Q
Ejemplo 3.23
Resolucin
Sea la variable aleatoria que representa la demanda.
Utilizando el teorema de Chebyshev con se tiene :
es decir :
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 21
A) B) C) D) E)
A) 2 B) 1 C) D) E)
discreta, EXCEPTO:
5.- Dada la variable aleatoria con funcin de densidad
A) La suma de todas la probabilidades es uno.
B) Se puede presentar como una frmula.
C) A cada valor de la variable se le asigna una probabilidad.
D) Se puede representar en forma grfica.
E) Su funcin de distribucin es continua. entonces el valor de es:
6.- Una compaa de seguros debe determinar la cuota anual a cobrarse por un
seguro de cincuenta mil pesos para hombres cuya edad se encuentra entre los
30 y 35 aos. Con base en las tablas actuariales el nmero de fallecimientos al
Entonces es: ao, para este grupo, es de 5 por cada mil. Si es la v.a. que representa la
ganancia de la compaa de seguros, entonces el monto de la cuota anual para
que la compaa no pierda, a pesar de tener un nmero grande de tales seguros
A) 1 B) 0 C) 0.2 D) 0.3 E) 0.5
es:
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 22
D)
8.- El tiempo que toma reparar una computadora personal es una variable aleatoria
con funcin de densidad
A)
A) 68.28 B) 70 C) 1 D) 16.56
E) Ninguna de las anteriores.
0 1 2 3
5)
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.
PROBABILIDAD y ESTADSTICA Tema III Pg. 23
Milton, Susan J. Y Arnold, Jesse C.- Probabilidad y Estadstica para con aplicaciones
para ingeniera y ciencias computacionales, cuarta edicin.- McGraw-Hill.- Mxico,
2004..
Devore, Jay L.- Probabilidad y Estadstica para ingeniera y ciencias, sexta edicin.-
Editorial Thomson.- Mxico, 2005.
en ese orden, a: W alpole, Ronald E., et al.- Probability and Statistics for Engineers and Scientists.-
Pearson.- USA, 2007.
A) La media, la moda y la mediana.
Montgomery, Douglas C. y Runger, George C.-Probabilidad y Estadstica aplicadas a
B) La moda, la media y la mediana.
la Ingeniera, segunda edicin.- Limusa-W iley.- Mxico, 2002.
C) La mediana, la media y la moda.
D) La moda, la mediana y la media.
Scheaffer, Richard L. y McClave, James T.- Probabilidad y Estadstica para Ingeniera.-
E) Ninguna de las anteriores.
Grupo Editorial Iberoamrica.- Mxico, 1993.
Rosenkrantz, W alter A.- Introduction to Probability and Statistics for Scientists and
Engineers.- McGraw-Hill.- EE.UU., 1997.
)))))))))))))))))))))))))))))))))))))))))))))))))))
A.L.B.S. / N.M.G.